基于云計算的水稻區域試驗信息采集系統設計

趙新穎，羅 坤

(鄭州鐵路職業技術學院，鄭州 451460)

0 引言

農作物區域試驗是將參試品種在不同的地點種植多年，調查農藝性狀并測產，以評價它們在大規模種植條件下的適應性和豐產性[1]。區域試驗作為農作物育種研究與實踐應用之間的橋梁，其結果是新品種審定的關鍵依據。因此，區域試驗的重要性不言而喻，我國每年都在國家和各省級的區域試驗中投入大量的人力和物力，為糧食的高產穩產提供保障。實踐證明，經過區域試驗篩選出來的作物品種在推廣種植過程表現出優良的適應性和豐產性，受到種植戶、加工企業和消費者的認可。

區域試驗在自然條件下進行，由人工進行操作，不可避免地受到主觀和客觀因素的影響。在客觀方面，各試驗點位于不同的種植區，氣候條件復雜多變，導致生態環境存在較大的差異。一般的品種難以適應所有的試驗點，部分優良品種會因為在個別試驗點的表現欠佳而被淘汰。另外，各區域試驗點大多采用相同的高產栽培措施，進行最優的水肥管理，而具有節水節肥特性的品種在這種條件下無法發揮出優勢[2]。在主觀方面，近些年參試的作物品種數量日益增加，但是試驗費用沒有保持相應的增長，導致試驗人員待遇降低，影響了工作積極性；同時，工作量大幅增加，試驗的質量無法得到保證[3]。區域試驗內容和方法重復性強，試驗人員容易忽視知識更新和技能培訓，不利于理論和方法的創新[4]。

水稻是我國最重要的糧食作物，超過1/2的人口以之為主食。水稻在我國大部分省份都有種植，總面積居世界第二，產量世界第一，對我國糧食安全的重要性是不言而喻的。我國各稻區的種植環境多樣，水稻的高產穩產在很大程度上依賴于選育的優良品種。作為最主要的糧食作物，水稻的品種審定標準多，區域試驗規程嚴格，對區域試驗的承擔單位提出了更高的要求。近年來，水稻新品種的選育工作在科研單位和育種企業廣泛開展，每年的參試品種數量大幅增加，類型也遍及早、中、晚稻，秈、粳稻和雜交、常規稻等類型，區域試驗的工作量加重。同時，單個品種的參試費用和區域試驗總體投入沒有相應地增加，使區域試驗面臨的問題在水稻上體現得更為明顯。

在大力發展智能農業的背景下，各種新型技術(包括物聯網、大數據和云計算等)在農業科研和生產中得到應用，并取得了良好的成效。隨著試驗要求的提高，區域試驗站的設施建立也愈加完善，逐漸成為一個集多種功能于一體的系統。區域試驗站不僅包含各種儀器設備，還必須對龐大的數據信息進行采集和分析，特別適合于新技術的應用。王磊等建立了以Internet為核心的信息系統，提高了區域試驗所獲得結果的效率和參考價值[1]。我國于2013年在上海、天津和安徽分別啟動農業物聯網區域試驗點建設工作，成為區域試驗技術升級的開端[5]。

云計算的概念首先在1983年提出，于2006年由Google首先應用到實踐中[6]。云計算是以互聯網為基礎共享IT信息，通過網絡統一管理和調度各種資源，整合和優化后為用戶提供有償服務[7]。云計算在農業領域的應用包括海量農作物信息存儲、生物信息學數據分析和農業物聯網解決方案3個方面，并且在敏捷性、成本和精度上都體現出巨大的優勢[8]。在具體的應用上，劉洋等和易瑜將云計算與物聯網結合，建立智能化平臺，提高了溫室的生產和管理水平[9-10]。王長斌和王師等分別利用云計算進行作物病蟲害遙感數據分析和病害預警模型構建，以提高對生物逆境的應對能力[11-12]。王嘉鵬將無線通訊、傳感器和云計算技術結合，設計農業信息采集系統，解決了農業信息獲取困難和存儲的穩定性問題[13]。

水稻區域試驗的信息豐富，既描述環境條件，也反映水稻的生理狀況，是農藝操作的重要依據。水稻區域試驗的信息采集以人工為主，工作量極大，精確度不高，容易對試驗結果和質量造成影響。本文基于云計算技術，建立水稻區域試驗站的信息采集系統，利用各種傳感器收集環境及水稻生長信息，利用云計算技術進行分析和整理，作為區域試驗農藝操作和結果評判的依據，以提高水稻的區域試驗質量。

1 系統的工作流程

水稻信息采集系統包括信息采集模塊、無線通訊模塊、信息處理模塊和控制執行模塊4個部分，其流程如圖1所示。信息采集模塊為各種傳感器和攝像機，可以采集試驗站中的氣象信息(空氣溫濕度、降雨量、風向、風速)、環境信息(土壤水分、光照強度)和作物信息(長勢、生育期、營養狀況)。采集的信息由無線通訊模塊發送給信息處理模塊，無線通訊模塊由無線傳輸裝置和基站組成。信息處理模塊為顯示屏、計算機和云服務器，用于參數設定、數據顯示、計算機視覺分析和云計算分析信息。云計算后做出專家決策，并將形成的操作指令通過無線通訊模塊發送給試驗站的控制執行模塊，進行相應的農藝操作。

圖1 系統的工作流程

2 系統的組成

2.1 信息采集模塊

信息采集模塊可以采集氣象信息、環境信息和作物信息。氣象信息設備為LM-879型空氣溫濕度傳感器、上海瑞昕RN1型雨量傳感器和武漢中科能慧NHFS47型風速風向一體傳感器，都安裝在試驗站內。環境信息設備為SWR-100型土壤水分傳感器和武漢中科能慧NHZD10型光照傳感器，安裝在各個田塊中。作物信息設備為V10-IM型高光譜相機用于獲取水稻圖像，DATA-LYNX型計數傳感器用于記錄飛行的飛虱、蛾、蚊、蠅類害蟲數量。相機和計數傳感器安裝在田塊邊緣，均勻分布并覆蓋整個田塊。

2.2 無線通訊模塊

通訊模塊是連接信息采集模塊和信息處理模塊的橋梁，因有線傳輸的線路復雜且鋪設成本較高，故本系統采用了無線通訊的模式。無線通訊選擇ZigBee技術，其通信距離和抗干擾能力性能較好，適合區域試驗的環境。通訊采用樹形方式組網，每個接口通過4G網絡連接15個傳感器。通訊基站安裝在試驗區域內，通過UART接口將數據發送給信息處理模塊，其信號輻射距離最遠50km，能夠覆蓋整個試驗站。

2.3 信息處理模塊

信息處理模塊的計算機為聯想揚天4000型臺式電腦，帶有Intel i7處理器、8G內存和1T硬盤，安裝Windows10操作系統。顯示器為LS2223WC型，可以進行參數設定和數據顯示。計算機視覺軟件為MatLab工具箱，對圖像的視覺分析依次為去除噪音、畸變矯正、灰度化和二值化，從而提取目標輪廓。水稻植株通常由綠色的葉片和黃色的稻穗或谷穗組成，通過統計植株或稻穗所占圖像的比例，可以評判水稻的長勢和發育階段；通過分析谷穗的密度，則可以評估產量組成性狀及最終的產量。圖2為單個參試品種的發育階段分析結果。圖2(c)中，白色部分為綠色葉片，黑色部分為黃色稻穗。若稻穗部分在整個圖像中的占比達到50%，便認定為抽穗期。

云服務器為百度云普通型BBC云服務器，內置Intel Xeon E5-2680 V4型 2.4GHZ的CPU，搭配DDR4內存，提供最高48核192G套餐服務。云服務器存儲專家知識庫，根據空氣溫濕度、降雨量、土壤水分和水稻發育階段，計算灌溉量；根據土壤含水量和葉片顏色，確定施肥種類和數量；根據害蟲密度發出蟲害預警；根據水稻長勢、發育情況和谷穗密度，計算產量組成，并對最終產量進行預測。

云計算以Hadoop平臺為基礎，采用Linux虛擬服務器進行構建，以減少計算的復雜度和工作量。服務器啟動后通過編輯器切換Hadoop下的環境變量，配置通訊地址并運行文件存放目錄。服務器采用Python軟件進行代碼編寫并解析數據，最后將部分結果繪制成可視化的圖標等格式輸出。數據的計算結果由云存儲模塊進行備份保存，同時依據專家知識庫形成決策和操作指令。

圖2 水稻發育的計算機視覺分析

2.4 控制執行模塊

控制執行模塊在各種農藝操作上都有相應的設備，執行灌溉的是地面水管和安裝在出口的GAG型電磁閥，漫灌跑馬水使其自然落干。殺蟲裝置為云飛YF-WL-40型太陽能殺蟲燈，具有振頻式高壓殺蟲電網。施肥運籌措施、水稻生長發育及產量信息通過聯想LJ2400型打印機輸出，為試驗人員提供執行方案和產量評估依據。

3 試驗方法及結果

2017年，在本單位的早稻區域試驗中對信息采集系統的功能進行檢驗，如圖3所示。從當季種植的早稻中隨機選擇5個參試品種，分別利用人工調查和云計算方法采集各個品種的抽穗期、單位有效穗數、每穗實粒數和產量，比較兩種方式所采集信息的差異。抽穗期為水稻從播種至50%分蘗抽出稻穗的天數，單位有效穗數為每667m2田塊內的稻穗總數，每穗實粒數為20個代表性成熟單株總粒數與穗數的比值，產量為試驗小區測產后計算獲得。

圖3 早稻的區域試驗

試驗的結果如表1所示。

表1 兩種方式采集的信息差異

續表1

以人工調查結果作為對照，則云計算所獲得的早稻抽穗期、單位有效穗數、每穗實粒數和產量的變異系數分別為0.7%～1.8%、5.0%～7.6%、2.5%～4.7%和1.6%～4.1%，與人工調查的結果都沒有明顯的差異。在5組數據中，云計算對抽穗期的評估最為準確，與實際結果僅差1～2天。因此，云計算可以代替人工對水稻生長發育和產量信息進行采集，可大幅降低區域試驗的人工成本，提高試驗質量。

4 結論

基于云計算技術，建立了一個水稻區域試驗的信息采集系統，包括信息采集模塊、無線通訊模塊、信息處理模塊和控制執行模塊4個部分。系統利用云計算對傳感器收集的環境及水稻生長信息進行分析處理，為區域試驗的農藝操作和結果評判提供依據。試驗結果表明：云計算獲得的早稻抽穗期、單位有效穗數、每穗實粒數和產量與人工調查的結果都沒有明顯的差異，對抽穗期的評估最準確。因此，云計算可以代替人工對水稻的信息進行采集，降低區域試驗的人工成本，提高試驗質量。