多傳感器數(shù)據(jù)融合技術(shù)在溫室控制系統(tǒng)中的應(yīng)用研究

李菲

【摘 要】本文將多傳感器數(shù)據(jù)融合技術(shù)應(yīng)用到溫室控制系統(tǒng)中，實(shí)現(xiàn)對溫室環(huán)境的智能感知、智能預(yù)警以及智能決策，實(shí)現(xiàn)溫室的精準(zhǔn)化種植與智能可視化的管理。在多傳感器數(shù)據(jù)融合的過程中，采用兩級融合方式，首先對同類數(shù)據(jù)采取自適應(yīng)加權(quán)平均算法進(jìn)行局部融合，再對異類數(shù)據(jù)采取D-S證據(jù)推斷算法進(jìn)行全局融合，并根據(jù)專家系統(tǒng)進(jìn)行分析，從而作出最佳的決策判斷。

【關(guān)鍵詞】多傳感器;數(shù)據(jù)融合;溫室控制系統(tǒng)

中圖分類號： S625;S126 文獻(xiàn)標(biāo)識碼： A文章編號： 2095-2457（2019）30-0034-003

DOI：10.19694/j.cnki.issn2095-2457.2019.30.015

Application Research of Multi-sensor Data Fusion Technology in Greenhouse Control System

LI Fei

（Shaoyang University，Hunan Shaoyang 422000， China）

【Abstract】In this paper， the multi-sensor data fusion technology is applied to the greenhouse control system to realize the intelligent perception， intelligent early warning and intelligent decision-making of the greenhouse environment， and realize the precise planting and intelligent visualization management of the greenhouse. In the process of multi-sensor data fusion， a two-level fusion method is adopted. Firstly， an adaptive weighted average algorithm is used for local fusion of similar data， and then DS evidence inference algorithm is used for global fusion of heterogeneous data， and analyzed according to an expert system，Make the best decision judgment.

【Key words】Multi-sensor; Data fusion; Greenhouse control system

1 現(xiàn)狀分析

智能溫室控制系統(tǒng)主要依托部署在溫室內(nèi)的各種傳感器，采集當(dāng)前實(shí)時的環(huán)境溫濕度、光照強(qiáng)度、二氧化碳濃度、土壤水分等，并通過無線通信網(wǎng)絡(luò)與控制系統(tǒng)連接，實(shí)現(xiàn)對溫室環(huán)境的智能感知、智能預(yù)警以及智能決策，提供精準(zhǔn)化的種植與智能可視化的管理。

在整個智能控制系統(tǒng)中，智能預(yù)警與智能決策很大程度上都取決于智能感知的精確度，因此，多傳感器信息的采集以及數(shù)據(jù)處理起到了非常關(guān)鍵的作用。

但是在溫室環(huán)境中，利用傳感器進(jìn)行實(shí)時信息采集時，經(jīng)常會遇到以下一些問題：

（1）由于溫室的區(qū)域較大，而且為達(dá)到最適宜的培育環(huán)境，需要大量的傳感器對溫度、濕度等多個參數(shù)進(jìn)行采集，同時為保證準(zhǔn)確度，也需要對某一個參數(shù)采用多個傳感器來采集。因此整個溫室中，采集的實(shí)時數(shù)據(jù)是非常多的，但如果傳感器采集到的大量數(shù)據(jù)不經(jīng)過處理直接傳送到溫室控制系統(tǒng)，則會由于大量冗余數(shù)據(jù)的存在導(dǎo)致整個無線傳感網(wǎng)絡(luò)的負(fù)載過大，效率較低，導(dǎo)致系統(tǒng)出現(xiàn)響應(yīng)延遲，從而嚴(yán)重地影響到測量精度與溫室自動控制效果。

（2）傳感器在測量數(shù)據(jù)的過程中，可能由于故障的原因?qū)е卢F(xiàn)傳感器節(jié)點(diǎn)失效或數(shù)據(jù)丟失或數(shù)據(jù)異常的現(xiàn)象，也有可能由于環(huán)境中的不穩(wěn)定性，造成大量的不確定、隨機(jī)性信息存在于測量數(shù)據(jù)中，最終導(dǎo)致系統(tǒng)出現(xiàn)誤判的現(xiàn)象。

（3）在信息采集的過程中，既有同類傳感器采集，也有異類傳感器采集，但如果采集的數(shù)據(jù)比較分散，數(shù)據(jù)之間的關(guān)聯(lián)性不明確，那么控制系統(tǒng)就不能進(jìn)行綜合性的分析，從而作出最有判斷。因此，控制系統(tǒng)中必須要避免采用單參數(shù)開關(guān)量的閾值控制方式。那么，將多傳感器融合技術(shù)引入到溫室的智能監(jiān)控系統(tǒng)中是非常有必要的。

2 溫室控制系統(tǒng)中多傳感器數(shù)據(jù)融合技術(shù)的應(yīng)用

各種傳感器采集的信息可能具有不同的特點(diǎn)，有響應(yīng)速度快的、有響應(yīng)速度慢的、有實(shí)時變化的、有非實(shí)時變化的、有相互支持的、也有相互矛盾的。多傳感器數(shù)據(jù)融合技術(shù)實(shí)際上就是對這些復(fù)雜的數(shù)據(jù)進(jìn)行處理，并依據(jù)某種準(zhǔn)則進(jìn)行組合，以此來實(shí)現(xiàn)被測對象的不失真獲取，從而作出最優(yōu)的判斷與合理的推斷。

多傳感器數(shù)據(jù)融合的過程主要包括多傳感器信號的獲取、預(yù)處理、多傳感器融合以及控制決策輸出這幾個環(huán)節(jié)，如圖1所示。

圖1 多傳感器融合環(huán)節(jié)

2.1 預(yù)處理

由于信號的采集是基于多傳感器的多點(diǎn)實(shí)時檢測，因此，傳感器采集的原始數(shù)據(jù)是非常龐大的，而且由于環(huán)境等隨機(jī)因素的影響，其中較多干擾、噪聲和失效信號。如果直接進(jìn)行數(shù)據(jù)融合的話，那么會出現(xiàn)效率低、誤判率高的情況。

因此，在進(jìn)行數(shù)據(jù)融合之間要對采集的數(shù)據(jù)進(jìn)行預(yù)處理，同時對測量信息進(jìn)行相關(guān)性分析，判斷不同時間和空間采集的數(shù)據(jù)是否關(guān)聯(lián)于同一個被測目標(biāo)，并建立N個類型，每個類型具有獨(dú)立的特征。當(dāng)采集到多個傳感器的新測量值，與已知類型的特征進(jìn)行比較，從而實(shí)現(xiàn)數(shù)據(jù)的分類。

2.2 多傳感器數(shù)據(jù)融合

數(shù)據(jù)分類完成后就進(jìn)入到多傳感器的融合階段，本文主要采用兩級融合的方式來實(shí)現(xiàn)。首先對同類數(shù)據(jù)進(jìn)行局部融合，再對異類數(shù)據(jù)進(jìn)行全局融合，達(dá)到信息的全時間全空間處理。

由于溫度、濕度、光照以及二氧化碳的濃度是溫室農(nóng)作物正常生長的必備條件，因此選取溫室環(huán)境的這4個參數(shù)進(jìn)行數(shù)據(jù)融合，具體的融合過程如圖2所示。

圖2 數(shù)據(jù)融合過程

2.2.1 局部融合

數(shù)據(jù)融合的方法可以分為隨機(jī)類和人工智能類。隨機(jī)類包括加權(quán)平均法、Bayes概率推理法、卡爾曼濾波法等;人工智能類包括模糊邏輯推理、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等算法。在本文的設(shè)計中，局部融合主要針對的是同類傳感器采集的數(shù)據(jù)，需對同類環(huán)境數(shù)據(jù)進(jìn)行冗余去除和優(yōu)化處理。因此，在本文的局部融合中主要采用的是自適應(yīng)加權(quán)平均算法。

加權(quán)平均法是將傳感器提供的數(shù)據(jù)進(jìn)行加權(quán)平均，結(jié)果作為融合值。在加權(quán)平均算法中最關(guān)鍵的問題就是如何選擇合適的權(quán)值計算形式以及權(quán)值如何分配。該算法主要依據(jù)測量數(shù)據(jù)的精度來確定權(quán)值的分配，最終得出均方差最小的融合值。

假設(shè)測量溫室的當(dāng)前溫度，在溫室的不同區(qū)域布置了n個同型號的溫度傳感器進(jìn)行測量，測量值為X1、X2、X3…Xn，每只傳感器的權(quán)數(shù)為W1、W2、W3…Wn，在保證總均方差最小的目標(biāo)下，根據(jù)各點(diǎn)的測量值以自適應(yīng)的求值方式計算出各點(diǎn)的最優(yōu)加權(quán)因子，進(jìn)而使融合結(jié)果得到最優(yōu)值。具體的加權(quán)算法如圖3所示。

圖3 加權(quán)算法結(jié)構(gòu)圖

2.2.2 全局融合

基于溫室內(nèi)作物的生長特點(diǎn)，全局融合主要采用的是D-S證據(jù)推斷和專家系統(tǒng)結(jié)合的算法。其中，D-S證據(jù)推斷算法主要分為更新、推斷和合成3個層次。由于傳感器存在一定的隨機(jī)誤差，因此在進(jìn)行推理之前要更新傳感器的觀測數(shù)據(jù)，再經(jīng)過推斷獲得傳感器的觀測結(jié)果，最終合成目標(biāo)決策輸出。D-S證據(jù)推斷算法實(shí)現(xiàn)的具體結(jié)構(gòu)圖如圖2.4所示，在D-S證據(jù)推斷算法中最核心的問題就是D-S合成規(guī)則。

圖4 D-S證據(jù)推斷算法結(jié)構(gòu)圖

經(jīng)過D-S證據(jù)推斷算法進(jìn)行全局融合后的數(shù)據(jù)再輸送到專家系統(tǒng)。專家系統(tǒng)將人類專家的知識和經(jīng)驗(yàn)以知識庫的形式存入計算機(jī)，并模擬人類專家的思維進(jìn)行推理。專家系統(tǒng)會根據(jù)參數(shù)的相互關(guān)系，分析數(shù)據(jù)結(jié)果，作出最佳的決策判斷。

3 融合實(shí)例

以溫室中黃瓜的種植為例，黃瓜喜濕、怕澇、不耐旱，它的生長分為幼苗期、定植期、初花期和結(jié)果期，不同的生長周期對溫室環(huán)境的參數(shù)要求不同。

土壤水分：黃瓜發(fā)芽期的土壤相對含水量為80%-90%，定植期為80%左右，初花期為70%左右，結(jié)瓜期為80%。光照：要求中等強(qiáng)度的光照，光飽和點(diǎn)和補(bǔ)償點(diǎn)分別為55000-66000lux和2000-3000lux，日照時間保持在8小時左右。幼苗期要注意遮陰，結(jié)瓜期可增長日照時間。空氣濕度：空氣的相對濕度為70%-80%。溫度：白天的適宜溫度為25℃-32℃，夜間的適宜溫度為15℃-18℃。若溫度低于10℃，會出現(xiàn)營養(yǎng)不良繼而停止生長，若高于35℃，會引起落花，高于40℃，會停止生長。二氧化碳濃度：濃度越高，光合作用越強(qiáng)。在新型溫室大棚中，溫度適宜，通風(fēng)效果好，故不需要專門釋放二氧化碳進(jìn)行補(bǔ)充。

以黃瓜的生長與蟲害預(yù)測為例，多傳感器數(shù)據(jù)融合過程如圖5所示。

圖5 基于多傳感器數(shù)據(jù)融合的黃瓜生長與預(yù)測系統(tǒng)實(shí)現(xiàn)流程

該系統(tǒng)首先通過多個傳感器對溫室的環(huán)境參數(shù)進(jìn)行檢測，然后對采集好的數(shù)據(jù)實(shí)施預(yù)處理，再進(jìn)入到兩級的數(shù)據(jù)融合，最后輔以專家系統(tǒng)，對黃瓜生長或蟲害預(yù)測作出決策處理。兩級結(jié)合的融合算法不僅可以減輕融合負(fù)擔(dān)，提高系統(tǒng)的融合效率，還能提高系統(tǒng)的有效決策能力。

4 總結(jié)

溫室環(huán)境是一個多參數(shù)、復(fù)雜的系統(tǒng)，將多傳感器數(shù)據(jù)融合技術(shù)引入到溫室控制系統(tǒng)中，避免了單一環(huán)境參數(shù)作為系統(tǒng)閾值信號的控制方式。

在傳感器數(shù)據(jù)進(jìn)行融合時，本文采用了兩層融合技術(shù)，對于同類傳感器采用自適應(yīng)加權(quán)平均算法實(shí)現(xiàn)局部融合，對于異類傳感器采用D-S證據(jù)推斷算法和專家系統(tǒng)實(shí)現(xiàn)全局融合，更好地提高了系統(tǒng)的測量精度以及決策的有效性。經(jīng)過這種多傳感器數(shù)據(jù)融合技術(shù)，溫室控制系統(tǒng)能夠自動將溫室中的環(huán)境參數(shù)調(diào)整為農(nóng)作物生長所需的最優(yōu)參數(shù)。

【參考文獻(xiàn)】

[1]唐娟.溫室番茄生長中多傳感器數(shù)據(jù)融合的應(yīng)用[J].傳感器與儀器儀表，2007（06）.

[2]程曼，袁洪波，張素，張德寧，史湘玲.基于多傳感器數(shù)據(jù)融合的溫室環(huán)境控制的研究[J].農(nóng)機(jī)化研究，2009（07）.

[3]李瓊.溫室監(jiān)控系統(tǒng)中多傳感器數(shù)據(jù)融合技術(shù)的研究及應(yīng)用[D].寧夏大學(xué)，2013.

[4]武曉嘉.多傳感器數(shù)據(jù)融合在溫室智能控制中的應(yīng)用研究[D].太原理工大學(xué)，2005.