簡易草莓大棚智慧管理系統設計與性能分析

吳久江 汪 星 李 群 汪有科

(1.西北農林科技大學旱區農業水土工程教育部重點實驗室， 陜西楊凌 712100；2.西北農林科技大學中國旱區節水農業研究院， 陜西楊凌 712100；3.寧夏大學農學院， 銀川 750021； 4.中國科學院水利部水土保持研究所， 陜西楊凌 712100)

0 引言

草莓素有“水果皇后”的美譽，我國草莓的年產量和栽培面積均超過了世界總量的1/3，穩居世界第一，但草莓品質、單產及水分利用效率卻遠遠低于西方發達國家[1]。近年來隨著物聯網技術在設施農業領域的廣泛應用，可以實現對作物的遠程監控和精確管理[2]，為提高草莓生產提供了新的途徑。

代表現代設施農業最高水平的高端智能溫室主要集中在荷蘭、日本等發達國家，基于大型連棟溫室研制出先進的設施環境智能控制系統[3-8]，可根據作物對環境的不同需求，由計算機對設施內的環境因子，例如空氣溫濕度、光照強度、CO2濃度等進行全面有效的自動檢測與調控[9]，并對作物栽培管理[10-11]、病蟲害防治[12-13]、作物產量產期預測[14]進行全方位跟蹤與服務，形成了一套系統化的種植技術體系，提高了作物產量，降低了管理成本和農業成本[15]。其中，荷蘭利用智能溫室種植系統使草莓產量達4.5～6.0 kg/m2，收入449.7～899.6元/m2，水分循環利用率90%以上。

我國真正具有先進水平的智能大棚極少，且都依賴國外進口，不僅成本高，而且很難大面積推廣[16]。雖然國內對農業物聯網研究取得了一些進展[17-20]，但總體上尚處于初始階段，與國外差距較大，研究也主要集中在自動化程度較高的示范園大棚中[21-22]。我國目前仍以小農戶分散經營為主[23]，90%以上仍為簡易型塑料大棚[24]，基礎設施薄弱、自動化程度低下的情況仍較為突出[25]，針對其研發的物聯網系統尚未見報道。

本文基于農業技術(Agriculture technology，AT)、信息技術(Information technology，IT)和數據技術(Database technology，DT)的深度整合，結合陜西省關中地區設施草莓種植現狀，設計一種適用于簡易塑料大棚的農業物聯網智慧種植管理系統，并對其實際應用效果和水分利用效率進行分析。

1 系統總體架構

基于農業物聯網的草莓大棚智慧種植管理系統分為信息獲取和種植大腦兩部分。信息獲取包括數據采集模塊、邊緣服務器、傳輸網絡及云服務器，種植大腦主要由專家系統組成。系統使用C/S和B/S混合架構，形成“數據獲取-智能分析-決策下達”設計結構，如圖1所示。其中大棚結構簡陋、自動化程度較低，采用種植戶代替智能控制設備進行決策執行的方式。

圖1 系統總體架構Fig.1 Overall system architecture diagram

2 信息獲取

2.1 數據采集模塊與可視化

數據采集模塊包括棚內數據、棚外數據和人工調查數據，及時準確掌握草莓大棚的基本生產要素。人工調查數據包括肥藥使用記錄、園藝修剪記錄、圖像資料等傳感器無法監測的數據，需要種植戶進行記錄并手動上傳至專家系統。采用湖南省拓安儀器有限公司生產的傳感器對棚內環境數據進行實時監測，空氣溫濕度探頭為ESM-TH型，空氣濕度測量精度為±3%，空氣溫度測量精度為±0.2℃，二氧化碳探頭為ESM-CO2型，測量精度為±60 mg/m3，pH值探頭為ESM-PH型，測量精度為±0.02，土壤電導率(EC)探頭為ESM-EC型，測量精度為±2%，土壤溫濕度探頭為ESM101-01TH型，土壤濕度測量精度為±3%(m3/m3)，土壤溫度測量精度為±0.2℃，光照強度探頭為ESM-L型，測量精度為±5%。其中串行通信接口為RS-485，采用標準Modbus-RTU通信協議進行數據傳輸，并在棚外布置小型氣象站監測棚外環境數據。

本文基于WebSocket API實現瀏覽器與服務器之間的雙向通信；并利用Ajax技術實現異步數據交互，降低服務器負擔以及提高網絡傳輸效率；并引入Highcharts實現數據在計算機與手機的圖表化。

2.2 邊緣服務器與云服務器

邊緣服務器負責收集傳感器數據并上傳至云服務器，云服務器則會綜合更廣泛的云端資源，并對上傳的數據包進行計算、分析，然后存儲至數據庫供專家系統調用。采用窄帶物聯網(Narrow band Internet of Things, NB-IoT)作為無線通信網絡。

3 種植大腦

3.1 數據庫設計

數據庫采用MySQL+MongoDB的混合存儲策略，并基于專家系統設計需要構建知識庫、綜合數據庫、人工調查數據庫等，其中知識庫存放專家提供的知識和經驗，包括病蟲害數據庫、模型庫、規則庫等，是決定專家系統優劣的重要因素，知識庫可以通過獲取知識不斷改正和豐富知識庫內容，部分數據類型見表1。為緩解數據庫壓力，加快計算過程和數據的讀取速度，加入Redis緩存數據庫。

表1 部分數據庫結構Tab.1 Partial database structure

3.2 模型處置決策

3.2.1參數報警設置

本系統根據種植需要分別設置環境參數報警和水分參數報警。簡易塑料大棚因結構簡單，做不到對環境的恒定控制，為了使草莓生長環境適宜，需要根據專家知識、經驗以及大棚自身的調節能力在草莓不同生育階段需求設置不同環境參數和水分參數參考閾值，當參數超過上、下限范圍時，專家系統則會發出報警信號，并結合傳感器數據與氣象數據，利用專家知識庫的推理機不斷推理，得出最終執行決策并自動下發至種植戶手機端指導農戶實施管理。主要控制決策包括卷膜高度與時間、棚頂覆膜的材料與數量、灌水量和灌水時間。

3.2.2決策準確率設計

為降低成本，單個大棚內布置的傳感器數量較少，且大棚內沒有先進的自動化設備，為保證系統報警的準確率，減少錯誤決策的發生，系統分別設計了環境參數和水分參數的報警規則。

棚內采集的環境參數以3 min/次的頻率上傳至專家系統，當某一個環境參數出現異常時，系統將會發送報告至專家系統，為避免傳感器監測誤差和溫室內因人為因素造成偶然情況的發生，規定在一段時間內，如果環境參數報警比例達到設定規則，則系統下發報告與執行決策，如果未達到設定規則，系統會認為出現誤報，并將報告發回后臺工作人員，繼續進行環境監測，但不會下發至種植戶，環境數據報警工作流程如圖2所示。

圖2 環境參數報警功能流程圖Fig.2 Flow chart of environmental parameter alarm function

棚內灌水方式采用滴灌，考慮其濕潤方式、水分探針布置誤差、壟上不平整等原因，采用通過模型計算作物需水量與水分探針相結合的形式保證灌水的合理性。

專家系統的推理機通過采集有效數據，結合模型庫不間斷進行作物需水量的計算，其中參考作物蒸發-蒸騰量計算是重要的參考依據，由于棚內風速可忽略不計，所以不采用FAO推薦的彭曼-蒙特斯公式(Penman-Monteith, P-M)，而采用適合大棚的修正P-M公式[26]，具體公式為

(1)

(2)

γ=6.65×10-4Pa

(3)

(4)

式中ET0——參考作物蒸發-蒸騰量，mm/d

Δ——飽和水氣壓曲線斜率，kPa/K

Rn——地表凈輻射，MJ/(m2·d)

G——土壤熱通量，MJ/(m2·d)

γ——干濕表常數，kPa/K

Tmean——日平均溫度，℃

es——飽和水氣壓，kPa

ea——實際水氣壓，kPa

Pa——大氣壓，kPa

Z——當地海拔，m

作物需水量公式為

ETC=KcET0

(5)

式中ETC——作物需水量，mm/d

Kc——作物系數

通過模型計算作物需水量與水分探針監測數據相比較，并設計最大誤差規則，確保大棚灌水的合理性。為避免灌水過多，系統分別設置灌水總量和灌水總時間報警，雙重保險原則確保灌水的準確性。

3.2.3工藝單設計

工藝單基于草莓生長規律需求主要分為栽培技術和環境處置兩部分，為針對不同目標，專家系統結合知識庫不定期自動下達工藝單內容。其中栽培技術包括植保管理、園藝管理、水肥管理、農殘管理、健康診斷等一系列需要種植戶完成的具體工作內容；環境處置是專家系統根據草莓適宜生長環境需求而作出的階段性基礎環境處置措施，部分工藝單結構如表2所示。其中專家系統針對病蟲害與極端天氣會提前自動下達工藝單做好預防措施。

表2 部分工藝單結構Tab.2 Partial process sheet structure

3.2.4執行檢查

簡易塑料大棚缺乏智能控制設備，為保證種植戶切實完成專家系統下達的處置決策，設計了兩項執行檢查標準：①對于棚內環境參數檢查，專家系統規定在一段時間內，通過異常環境參數的變化趨勢判斷決策是否得到執行。②專家系統規定種植戶定期上傳草莓生長圖像與管理記錄，判斷種植戶是否完成工藝單相關內容。

3.3 微信功能設計

3.3.1信息交流功能

針對農業大棚自動化程度較低的實際，微信公眾號成為了專家系統與種植戶間信息交流的主要手段?；谖⑿牌脚_基礎，利用Java、Python、css、Javascript等開發“種植大腦”微信公眾號并接入服務器，公眾號包括3個菜單，分別是服務中心、更多服務、個人中心，如圖3所示。

圖3 微信公眾號結構圖Fig.3 WeChat public account structure chart

種植戶關注微信公眾號并綁定特定IP可以通過“看一看”實時掌握棚內環境信息、棚外氣象信息以及隨時隨地接收專家系統的決策信息。圖4為手機微信端棚內環境參數界面，圖中記錄了某一時刻棚內環境參數情況，環境信息展示采用了圖像加文字的形式，其中綠色區域為環境參數正常范圍；淺藍色與淺紅色代表了環境參數預警區域，代表環境參數即將出現異常，專家系統會下發預警至種植戶手機端；深藍色和深紅色則為環境參數報警區域，說明當前環境參數已偏離正常范圍，專家系統根據實時數據并結合數據庫下達具體的控制決策至種植戶手機端，例如進行卷膜、通風、施肥、灌水等相關措施。圖4中空氣溫濕度、土壤溫濕度、土壤EC、棚內CO2濃度的指針均指向綠色區域表明當前狀態為正常范圍，光照強度指針指向紅色區域，說明目前光照強度不足，應實施補光措施。

圖4 棚內環境參數項界面Fig.4 Environmental parameters in greenhouse

種植戶單方面的接收執行決策并不能完全解決草莓種植過程中的所有問題，所以微信公眾號增加了“問一問”模塊；種植戶可以把種植過程中出現的種植問題以文字、圖像或語音的形式通過微信公眾號“問一問”功能發送至系統后臺，利用人工智能專家解決普通生產問題，草莓專家解決疑難問題。圖5為某一次提問管理內容，提問者通過圖像加文字的形式對問題進行詳細描述，草莓專家根據問題給予適宜的解決方法。

圖5 提問管理后臺界面Fig.5 Question management background screenshot

3.3.2智慧推送

智慧推送包括知識智慧推送和周報推送兩項內容，知識智慧推送是針對草莓種植，根據其不同生育階段和適宜生長條件推送有關園藝、水肥、植保、環境管控等一系列相關文章，包括病蟲害識別與防治、環境監測參數詳解、水肥配比等(圖6)。目的是為了讓種植戶了解草莓種植的相關知識以提高種植戶的種植技術。

圖6 知識智慧推送界面Fig.6 Knowledge intelligent push service

為了種植戶更好管理大棚，專家系統每周會定期發送周報。周報內容會展示本周草莓大棚內各環境參數變化情況，提出管理中的不足和改進措施，并結合氣象數據預測下周環境變化趨勢提前做出管理意見，為下一階段專家系統的決策以及種植戶的管理提供參考與指導。

4 研究區與研究方法

4.1 研究區概況

試驗區位于陜西省渭南市白水縣，試驗時間為2018年9月—2019年3月(草莓整個生育階段)。該試驗區地處關中平原與陜北高原過渡帶(109°63′E，35°24′N)，海拔787 m，是典型的黃土高原溝壑區地貌，氣候屬于南溫帶濕潤氣候區，干燥多風。多年平均氣溫11.4℃，平均降水量577.8 mm，且時空分布不均，其中土壤容重為1.36 g/cm3，用環刀法測得當地田間持水率為35%。

4.2 試驗設計

隨機選擇A、B、C 3家種植戶草莓大棚安裝該智慧種植系統作為試驗大棚，接受后臺人工智能(簡稱種植大腦)決策，實行精細化管理，3家草莓大棚數量分別為8、12、10，并另選一種植戶D(傳統經驗管理)作為對照試驗，草莓大棚數量為6。試驗大棚與對照大棚草莓品種均為紅顏，單個大棚種植面積約為667 m2，南北走向，主要由塑料鋼架組成，大棚內共起9壟，壟上覆黑色薄膜，壟高35 cm，壟底寬45 cm，壟上寬30 cm，壟間距25 cm，每壟定植草莓苗約為660株，單個大棚總定植苗數約為6 000株，棚內灌溉方式采用滴灌，并安裝水表統計耗水量，無其他自動化設施。

5 結果與分析

5.1 時尺度上環境參數變化規律

圖7為10月8日A、B、C 3戶草莓棚內外部分環境參數平均值。從圖7可以看出，棚內外溫濕度具有較好一致性，且棚內增溫速率大于棚外增溫速率，全天棚內溫度均大于棚外溫度，平均溫差為3.5℃,最大溫差為9.9℃；全天最大相對濕度差為20.9%，平均相對濕度差為6.5%。圖8為棚內外溫度與相對濕度擬合回歸圖，由圖可知，棚內外溫度線性正相關(y=1.559 64x-2.762 03)，決定系數較高(R2=0.789 42)。棚內外相對濕度為線性正相關(y=1.040 82x-8.169 24)，決定系數也較高(R2=0.813 04)。可根據未來一段時間段內棚外氣象數據預測棚內環境參數變化趨勢，對極端天氣的預警和病蟲害的預防具有一定的指導作用。

圖7 時尺度上棚內外溫度與相對濕度變化曲線Fig.7 Changing curves of indoor and outdoor temperature and relative humidity on hourly scale

圖8 時尺度上棚內外溫度與相對濕度回歸分析Fig.8 Regression analysis of indoor and outdoor temperature and relative humidity on hourly scale

5.2 專家系統決策準確性分析

圖9為9月12日—10月31日(草莓苗期階段)A、B、C 3戶草莓棚內溫度與相對濕度日平均變化曲線，從圖中可以看出溫濕度變化幅度較大，主要受棚外氣象因素影響。棚內溫濕度根據專家知識進行參考閾值預設，其中草莓苗期階段溫度參考閾值范圍為15～25℃，實際溫度超出參考范圍的天數為4 d，超出比例為8%，適宜溫度天數比例占92.00%；草莓苗期相對濕度參考預值范圍為30%～50%，實際相對濕度超出參考范圍的天數為5 d，比例為10%，適宜相對濕度天數比例占90.00%。環境參數超出參考范圍的原因可能是簡易大棚基礎設施薄弱，利用種植戶代替智能設備的方式做不到精確控制，存在操作上的誤差。但草莓苗期適宜生長環境天數依然占有較高的比例，說明“以人代機”的模式依然具有較好的準確性，起到了提高草莓生長的作用。

圖9 棚內溫度和相對濕度日均變化曲線Fig.9 Daily temperature and relative humidity variation curves in greenhouse

5.3 水分效率分析

圖10為大棚草莓苗期至膨果期土壤體積含水率的變化曲線，圖中虛線表示草莓苗期、花期、膨果期3個主要生育階段土壤水分參考閾值，前期土壤水分較高的原因是草莓定植期耗水量較大，以致苗期前期階段水分依然較高。從第2次灌水開始統計，土壤水分含水率超出參考范圍的天數一共為41 d，超出比例為23.98%，原因是種植戶缺乏現代化灌溉設備，且種植戶從接收專家系統決策到具體執行有一定的時滯性，所以做不到水分的即灌即停，但適宜水分天數依然占有76.02%的較高比例。其中在苗期階段(9月12日—10月31日)，因為遵循專家系統的指導，試驗大棚草莓苗存活率為99.0%，而對照大棚存活率僅為60.6%。

在整個試驗階段(2018年9月—2019年3月)，試驗大棚按照工藝單施肥配藥規則和精細化環境控制，對病蟲害做到提前預防；但對照大棚只有發生病蟲害時才會有所反應，不僅錯過了最佳預防時間，且種植戶缺乏對市場上農資產品的全面認識，最終導致草莓病蟲害控制較差、農藥殘留較高和藥物投入較多，導致產量和品質處于較低水平。經統計，試驗大棚相比對照大棚農藥殘留與藥物投入分別減少15.6%和23.5%。

圖10 草莓全生育階段土壤體積含水率變化曲線Fig.10 Soil volumetric moisture content during whole growing stage of strawberry

對每一戶單個草莓大棚的平均產量和耗水量進行統計，如表3所示。其中根據市場調查，從草莓的

表3 單個草莓大棚水分效率統計Tab.3 Single strawberry water efficiency statistics in greenhouse

品質、外觀、口感、上市時間等考慮，試驗大棚草莓平均單價為60元/kg，對照大棚為40元/kg。

從表3可知，在整個草莓生育階段，3個試驗戶單個草莓棚平均耗水量為93.2 m3、產量為1 833 kg、收入110 000元、水分產量利用效率為19.70 kg/m3、水分經濟利用效率為1 180元/m3，相比之下，對照大棚總耗水量為123.0 m3、收入40 800元、產量1 020 kg、水分產量利用效率8.29 kg/m3、水分經濟利用效率332元/m3。相較于對照大棚，試驗棚的產量、收入、水分產量利用效率、水分經濟利用效率分別提高79.7%、169.6%、137.6%、255.4%，總耗水量減少29.8 m3。

6 討論

物聯網技術在農業中的應用尚處于初期階段，但的確對農業生產方式變革帶來了一定的影響[27]。前人對農業物聯網系統的環境監控系統設計[28-29]、數據傳輸穩定性[30-32]、智慧灌水系統[33-34]等方面做了較多研究。但大多數建立在自動化程度較高的實驗基地或示范區，對物聯網技術在簡易大棚中應用研究未見報道。本文利用物聯網技術將環境監測與栽培技術相結合形成了一套適用于當地的草莓種植模型，能夠較好地應用于簡易草莓塑料大棚中，指導農戶進行科學管理，對草莓生產有較大提升，并彌補了物聯網技術在簡易塑料大棚中應用的空白。但本系統缺乏智能控制設備，專家系統下達的決策并不能得到精準執行，“以人代機”的模式依然存在操作上和時效性的誤差。雖然較原經驗式管理，草莓產量、水分利用效率、耗水等均得到了較大改善，但與大型智慧溫室相比依然存在較大差距，其中本文草莓的產量、水分產量利用效率、水分經濟效率分別只有大型智慧溫室的29.1%、6.3%、3.7%，耗水卻是其4倍[35]，主要原因是大型智慧溫室有系統化的草莓種植標準、經驗更為豐富的管理人員和先進的監控設備等，其中約90%的水分能夠得到循環利用。

本文系統初期可根據草莓專家知識和經驗提供的適宜草莓生長環境參數預設值作為種植參考，但結合實地種植，應對草莓專家經驗模型進行優化：當一個生育周期結束，通過人工手動錄入單個草莓大棚的產量、品質、水分效率、病蟲害等不同目標情況，專家系統通過對大棚歷史數據進行對比、分析，得到最優目標時需要的生產條件并錄入數據庫，實現對專家經驗模型的初步優化，為下一次生產提供參考。但該系統模式在農業中的應用時間較短，經驗模型優化、復雜數學模型的應用與優化等還需要大量數據支持和長時間驗證。

7 結論

(1)設計了一種適用于簡易型塑料草莓大棚的農業物聯網智慧管理系統。該系統利用環境控制模型、工藝單模式、執行檢查系統和微信互動模式等技術將環境監控與草莓栽培技術相結合，能夠較好地指導種植戶對大棚進行精細化管理，保證草莓的產量和質量。

(2)基于標準化技術體系及工藝單下達模式，單個試驗大棚草莓產量和收入分別提高79.7%和169.6%，農藥殘留和藥物資金投入分別降低15.6%、23.5%。

(3)相比原經驗式管理，物聯網系統的技術實現了單個草莓大棚節約灌水量29.8 m3、并分別提高水分產量利用效率137.6%和水分經濟利用效率255.4%。