物聯網在水稻區域試驗信息采集中的應用研究

張士敏

(冀中職業學院,河北 定州 073000)

0 引言

農作物新品種的區域試驗在多個年份和地點的環境下種植，需要分析評價品種的特征特性，以確定其是否具有較好的適應性及大規模推廣應用價值[1]。農作物區域試驗為品種審定提供重要的科學依據，是作物育種和品種推廣應用之間的重要環節，歷來受到育種企業、科研單位和農業管理部門的高度重視。我國每年都進行各種農作物的國家和省級區域試驗，投入大量的人力和物力篩選優良品種，為農業的發展做出了重要貢獻。

目前，受一些主觀和客觀因素的影響，農作物的區域試驗過程中也存在若干問題，會對試驗的質量和效果造成影響。例如，在試驗點的選擇上，各點一般分布于不同的種植區，代表著所在的生態條件；部分優良品種未經過初步試驗，盲目參加不完全適應生態區的試驗，便可能被淘汰。為保證作物生長條件的一致性，區域試驗一般采用相同的常規栽培管理措施；而各參試品種因特性的差異，所適應的最佳栽培措施可能不同，在常規方法的栽培下便不能發揮出自身的優勢[2]。另外，參試作物品種的數量在近幾年有逐漸增加的趨勢，但是投入的試驗經費增長幅度與之不匹配，無法保證試驗質量和工作人員的待遇，對試驗的具體操作造成了影響。每年的區域試驗內容和操作方法的相似度高、重復性強，因此容易忽視對工作人員的技能培訓和知識更新，延緩了區域試驗理論、措施和方法的改進速度[3]。

水稻是我國最主要的糧食作物，我國的水稻種植面積為世界第二，年產量為世界第一。我國絕大部分省份都種植有一定面積的水稻，水稻高產穩產與國計民生緊密相關，其在農業中的地位是不言而喻的。作為最重要的糧食作物，優良品種是水稻實現高產穩產的關鍵。因此，水稻新品種的審定標準高，對品種區域試驗提出了更為嚴格的要求。我國具有多樣的自然生態條件和栽培管理模式，形成了與之相適應的水稻品種。在育種企業、科研單位和相關管理部門的推動下，每年參試的水稻品種類型復雜，數量龐大，給區域試驗承擔人員帶來了極大的工作量。另一方面，區域試驗的費用和投入沒有相應增加，使得農作物區域試驗所面臨的問題在水稻上表現得尤為明顯。

新型技術方法的應用是現代智能農業發展的趨勢，也是解決農作物區域試驗所面臨問題的必然選擇。王磊等通過建立基于Internet的區域試驗信息系統，提高了區域試驗的信息化程度和管理水平，使區域試驗獲得了更高的效率和參考價值。另一種能有效應用于區域試驗的技術為物聯網，這是一種以傳感器、自動測控和信息技術為基礎開發的傳感網絡技術。物聯網是將傳感器、信息處理器和無線網絡整合成的體系，可以實現對目標的智能識別和精準管理[4]。農業是物聯網應用的一個重要領域，美國早在21世紀初便用物聯網監測葡萄園土壤溫濕度和有害物含量，以保證葡萄的產量[5]。目前，物聯網已經在我國的糧食生產、智慧農業、精準管理和水產養殖等多個領域得到了廣泛應用[6-9]。在具體的農業生產操作上，物聯網應用最多的為節水灌溉，即通過傳感器采集作物生長環境中的含水量，根據灌溉決策和實際需求適時地啟動微灌或滴灌系統實現智能灌溉。基于物聯網的智能灌溉系統適用的作物種類較多，節水效果非常顯著[10-13]。此外，物聯網還用于作物生長信息采集和蟲害的智能監測等方面[14-16]。

隨著國家對區域試驗要求的不斷提高，越來越多設施完善的區域試驗站建立了區域試驗站除了滿足作物的種植和正常生長外，還需進行生育期調查、施肥灌溉、病蟲鳥害防治和收獲測產等。因此，區域試驗站不僅包含了各種緊密聯系的設施設備，還有對龐大數據信息進行采集處理的需求，為物聯網提供了廣闊的應用平臺。2013年，國家在上海、天津和安徽3個地區分別啟動了農業物聯網區域試驗點的建設工作，開創了物聯網與區域試驗結合應用的新局面[17]。本文以物聯網為基礎，設計了水稻區域試驗的信息采集系統，由信息感知層收集氣象、環境及水稻生長信息后通過網絡傳輸層發送到信息管理層，分析之后為區域試驗的農藝操作和結果判定提供依據。

1 系統組成和工作原理

水稻信息采集系統由信息感知層、網絡傳輸層和信息管理層3部分組成，信息感知層又包括氣象信息、環境信息和作物信息3個模塊，如圖1所示。氣象信息模塊采集空氣溫濕度、降雨量及風向風速等，環境信息模塊采集土壤水分、光照強度等，作物信息模塊采集作物長勢、生育期和營養狀況等。上述信息通過網絡傳輸層以無線形式發送給信息管理層，網絡傳輸層包括無線傳輸裝置和基站。信息管理層為顯示屏、計算機和存儲專家知識庫的服務器，主要進行系統參數設定、采集數據顯示、計算機視覺分析和形成專家決策。

圖1 系統的組成部分Fig.1 Constituent parts of system

2 主要設備和功能

2.1 信息感知層

信息感知層的設備主要采集氣象信息、環境信息和作物信息。氣象信息采集設備包括LM-879型空氣溫濕度傳感器，用于采集空氣的溫度和濕度；上海瑞昕RN1型雨量傳感器，用于采集降雨量；武漢中科能慧NHFS47型超聲波風速風向一體傳感器，用于測定風向和風速。每個區域試驗站配備1套上述的設備，安裝在試驗站附近沒有高大樹木或建筑物遮擋的區域。環境信息采集設備包括SWR-100型土壤水分傳感器，用于測定土壤含水量；武漢中科能慧NHZD10型光照傳感器，用于采集光照強度，每個獨立的田塊中安裝1套。作物信息采集設備為V10-IM型高光譜相機及AD6673型A/D轉換器，用于拍攝田間的水稻圖像。相機安裝在田塊邊緣，均勻排布使其拍攝范圍覆蓋田塊各個角落；相機安裝高度2m，俯視拍攝，光軸與豎直方向的夾角為60°，獲得的圖像由計算機視覺進行分析。

2.2 網絡傳輸層

網絡傳輸層將信息感知層采集的信息傳輸給信息管理層，是二者之間連接的紐帶。有線傳輸需要的線路復雜，鋪設成本較高，因此本系統采用了無限傳輸的方式。常用的無線通信方式有Wifi、藍牙和ZigBee這3種，本系統選擇了ZigBee傳輸技術，其通信距離較遠，抗干擾能力強。根據區域試驗站的自然環境，無線傳輸網絡選擇樹形組網的方式，每個接口可以通過4G網絡與20個感應終端連接。通信基站為固定式，安裝在與氣象信息設備相同的區域，用于接收4G網絡信號并發送給信息管理層。基站提供的信號有效距離達到50km，可以覆蓋整個區域試驗站。

2.3 信息管理層

信息管理層位于試驗站的辦公區，其核心計算機為聯想揚天4000型臺式電腦，配置Intel i7中央處理器、16G內存、2T硬盤和LS2223WC型顯示器。安裝的軟件為Windows10操作系統和MatLab圖像處理工具箱，用于進行系統參數設定、采集數據顯示和計算機視覺分析。專家知識庫存儲在聯想X3550 M5型服務器中，配置16GB的DDR4內存和300GB硬盤，可以根據專家經驗和知識對采集的信息進行分析，形成專家決策。

計算機視覺軟件對水稻圖像的處理過程依次為預處理、灰度化、二值化和特征提取，最后獲得水稻的輪廓。營養生長期的水稻為綠色，生殖生長期的水稻除綠色外，還會出現黃色的稻穗。因此，通過統計水稻輪廓所占圖像的比例，可以判斷其長勢。通過分析水稻輪廓中綠色和黃色這2種顏色像素的組成，可以判別發育階段和抽穗期。圖2是兩個水稻參試品種的計算機視覺分析結果，圖2C中白色為田間空白區域，灰色為水稻綠色部分，黑色為黃色的稻穗部分。若一個參試品種的稻穗部分占到整個輪廓的50%，便設置為進入抽穗期，如圖2所示。

A.原始圖像 B.灰度化圖像 C.輪廓提取圖像圖2 水稻圖像的計算機視覺分析Fig.2 Computer vision analysis of rice image

3 試驗方法及結果

2017年，在本單位的水稻區域試驗站中運行信息采集系統，對其功能進行了驗證。參加區域試驗的水稻包括早稻、中稻和晚稻，都在當季種植。參試品種按照隨機區組排布，3個重復，不同品種之間空2行作為工作行，如圖3所示。

圖3 水稻品種的區域試驗Fig.3 Regional trial of rice variety

采集的信息有降雨量、土壤含水量和水稻抽穗期。采集方式為物聯網采集和人工采集，其中物聯網采集在核心計算機上顯示和存儲。降雨量的人工采集是用雨量器測量，土壤含水量為計算特定時間點的絕對含水量，抽穗期通過人工觀察記載獲得。最后，比較兩種方式采集的數據差異。試驗結果如表1所示。

表1 兩種方式采集的數據差異Table 1 Difference of data collected by two methods

由表1可知：兩種采集方式所獲得的降雨量、土壤含水量和水稻抽穗期信息數據接近，沒有明顯的差異，物聯網對水稻抽穗期的評估最為準確，與人工方式的采集結果僅相差1～2天，可以代替人工實現對水稻生育期的觀察記載。

4 結論

以物聯網為基礎，設計了水稻區域試驗的信息采集系統。該系統由信息感知層、網絡傳輸層和信息管理層3部分組成，信息感知層收集氣象、環境及水稻生長信息后通過網絡傳輸層發送到信息管理層，分析之后為區域試驗的農藝操作和結果判定提供依據。2017年，在本單位的水稻區域試驗站運行信息采集系統，對其功能進行了驗證。物聯網與人工采集獲得的降雨量、土壤含水量和水稻抽穗期信息數據接近，沒有明顯的差異。物聯網對水稻抽穗期的評估最為準確，與實際結果僅相差1～2天，可以代替人工實現對水稻生育期的觀察記載，極大地減少了區域試驗的工作量。