基于物聯網的智能水肥一體化管理系統構建

陳 東， 杜緒偉， 馬兆昆

(青島科技大學 機電工程學院， 山東 青島 266061)

我國水資源總量不足，僅為世界的6%，人均不足世界平均水平的1/4[1]。每年農業灌溉用水缺口超過300億t，因缺水約有700萬hm2灌溉土地得不到灌溉。目前我國農業生產中水分生產效率及化肥利用率均偏低，2014年，我國農業用水總量3 807億t，但主要糧食作物水分生產效率平均僅約1 kg/t，與發達國家平均2 kg/t存在較大差距[2]；2014年，我國化肥施用量約5 995萬t，主要糧食作物化肥利用率35.2%。水肥資源匱乏約束已成為制約農業可持續發展的瓶頸因素。《全國農業可持續發展規劃(2015—2030年)》提出“一控兩減三基本”目標，所以發展高端智能水肥一體化系統是未來的農業發展趨勢。其中，監測植物生長參數、環境和土壤參數，智能化形成精準肥水方案的先進水肥一體化管理，是現代設施農業亟待發展的關鍵。

土壤因素、植物生長因素和環境因素直接影響植物的生長。目前，國內的水肥一體化系統主要根據土壤墑情和養分含量適時地把不同成分肥料進行混肥后灌溉，應中發現系統存在一定的缺點，其監測參數少，一般只監測土壤墑情、電導率(EC)和酸堿度(pH)，形成的植物生長模型及混肥算法精準度較低，控制系統運算能力較弱、功能單一，不能實現智能控制等[3]。鑒于此，按照植物生長的實際要求，采用視覺采集技術、無線傳感器物聯網監控技術和自動控制系統技術相結合，根據環境因素、土壤因素和植物生長參數，運用人工智能技術生成植物生長模型和混肥算法，自動精準計算混肥和灌溉，構建水肥一體化管理系統，旨在提高農業生產上肥料與水資源的利用率，促進現代農業發展。

1系統設計總體方案

水肥一體化管理系統由視覺采集系統、物聯網監控系統和控制系統3部分組成。采用視覺采集系統測量植物生長參數；物聯網監控系統由多種無線傳感器組成，實現監測環境和土壤參數；控制系統采用ARM嵌入式系統為核心構建，以人工智能算法進行精準水肥混合計算，實現水肥一體化精準灌溉。系統設計方案見圖1。

Fig.1 Design scheme of integrated fertilizer and irrigation system

2系統功能與實現

2.1視覺采集系統

視覺系統主要對葉片面積、株高及徑粗等植物生長因素進行周期性監測。采用非接觸的視覺測量，具有便捷、精確的優點。視覺采集系統包括導軌、步進電機、CCD工業相機和LED光源。該系統中CCD相機比CMOS相機具備更好的降噪能力，便于后期圖像處理[4]。采集作物圖像，利用步進電機控制導軌上的工業相機及光源，定時重復采集多株樣本作物圖像，再利用無線WIFI技術將采集的圖像傳輸至水肥一體化控制器上位計算機進行圖像處理使用。上位計算機進行圖像處理大致分三步：一，先分析模糊圖像的退化與復原模型得出圖像退化的點擴散函數，再利用復原算法對模糊圖像復原后的效果進行比較，最終確定利用加入模塊自適應算法的改進Criminisi復原圖像算法[5]進行圖像修復。該算法不僅改善圖像修復結果，使圖像更加清晰自然，而且可以提升修復效率，邊緣修復后的圖像效果更好。二，利用Canny算法處理復原后圖像，通過計算圖像背景與目標之間的類方差減少錯誤率來決定算法閾值進而處理得到較清楚的植物圖像。三，最后對閾值分割后的圖像采用融合二值分割及圖像形態學等進行圖像背景分割與處理，得到清晰的植物輪廓圖像(圖2)，即保留分離試驗作物的葉片、株高及稈徑粗信息，并據此計算作物的相關生長參數。

2.2物聯網監控系統

利用物聯網構建無線傳感器網絡是水肥一體化系統的發展趨勢[6]。相比于傳統采用RS485總線連接各種傳感器存在布線施工復雜、線管易老化、維護繁瑣且布局難于調整等缺點，無線網絡具有布設簡便、靈活且成本低的優點[7]。在WIFI、Zigbee和藍牙3種常用無線技術中，Zigbee技術因其低功耗、自組網、網絡容量大和傳輸距離為50～300 m的優勢，最適合用于無線傳感器的數據傳輸[8]。相對而言，WIFI雖然應用廣泛，傳輸距離遠，但是功耗比Zigbee高數倍，不利于電池供電；而藍牙傳輸距離只有2～30 m，而且受遮擋后傳輸效果較差。系統基于Zigbee無線技術構建星型無線傳感器網絡結構，采集監測設施農業環境中土壤的電導率、酸堿度監測墑情及養分情況，監控環境中溫度、濕度、光照強度和CO2濃度，調控灌溉水肥混合濃度及酸堿度等參數。傳感器節點采用電池供電，中心網關節點由于負荷較重，采用固定電源供電。傳感器采集的數據經過中心網管結點，傳輸到水肥一體化控制器中存儲，并上傳到網絡數據服務器，可被遠程計算機和手機客戶端讀取。手機客戶端是基于物聯網平臺構建的移動監控平臺；目的是實現專家遠程的指導生產。手機客戶端操控平臺主要包括：當地氣象情況、土壤實時墑情、大氣環境等參數數據，歷史數據曲線，定時控制器，水泵的開關控制。

圖2 視覺采集系統的采集圖像及其分割效果

Fig.2 Acquistion image and its segmentation effect in visual acquisition system

2.3植物生長模型及混肥方案

植物生長模型研究主要有機理模型、試驗回歸模型和人工智能模型。機理模型，基于植物內在機理建立植物生長與水、肥的關系，精度相對不高[9]。試驗回歸模型，多數基于田間水肥灌溉試驗數據，利用多元線性或非線性回歸方法擬合模型，并計算模型參數，通常針對某一種作物及特定試驗條件，預測精度相對較高。人工智能模型，主要是利用人工神經網絡、模糊計算等智能算法，描述水、肥等參數與作物生長的非線性關系，對多個參數參與的非線性關系的描述更精確，是目前植物生長模型和混肥算法的研究趨勢。

建立生長模型，首先需要在溫室栽培環境進行試驗作物種植，利用Penman-Monteith方程在特定的小氣候環境中研究其各生長周期需水規律，為各生長周期總灌概量提供理論依據[10]。檢測不同施肥量對試驗作物葉面積、株高、徑粗、最長根長、光合速率及最終干鮮物質生產的影響，確定不同生長周期作物所需肥料的最佳EC值，建立試驗作物肥水生長模型[11]。模糊神經網絡人工智能算法具有能綜合多個參數進行決策形成準確結果的優勢。由于精確混肥方案還需要綜合考慮光照、二氧化碳濃度、溫度及濕度等多個參數的影響，因此，采用基于模糊神經網絡人工智能算法基于試驗作物肥水生長模型形成精確的混肥算法。在此以番茄作為研究對象，采用基于輻熱積的Logistic模型，通過結合試驗數據對葉面積和植株高度變化進行回歸擬合，確定模型參數，總結水肥參數與番茄生長指標間的經驗關系。結合專家經驗知識和模糊推理的方法建立水肥參數與番茄生長發育的模糊神經網絡關系模型。

2.4控制器

水肥一體化控制器是系統關鍵硬件。目前國內外的研究工作主要集中在采用可編程邏輯(PLC)控制器和嵌入式系統方面[12-13]。以PLC為核心的控制系統工作可靠，開發周期短，但是成本相對較高，靈活性差，系統運算能力弱。智能化、信息化是水肥一體化設備的發展趨勢。綜合看，嵌入式系統利用較強的運算能力能夠實現較復雜的智能算法，而且易于與其他設備聯網，工作可靠，功耗低、成本低，體積小，是發展高端水肥一體化控制器的合理選擇。該研究控制系統采用 ARM11開發板，以運行μC/OS-II的嵌入式架構為核心，具有Zigbee無線接收、存儲、I/O輸入輸出及模擬量采集等功能。無線傳感器采集的參數接收后存入存儲器，再利用GPRS模塊聯入互聯網，向遠程服務器上傳數據。采集的各種參數經混肥算法程序計算形成精準混肥方案，控制器根據混肥方案，由I/O輸出模塊控制混肥節流閥和灌溉管道開閉電磁閥。電磁流量計、水溫傳感器和混肥罐內的EC和pH等傳感器通過485總線或模擬量采集接口接入控制器，實時閉環反饋混肥灌溉情況，從而實現精準水肥一體化控制。

3應用測試效果

水肥系統在青島果園應用試驗，經過一段時間的測試在番茄生長過程中取得一些成效。采用機器視覺和物聯網結合的水肥監測系統可以更加有效地節省水資源的利用，經測試果園水利用系數明顯高于我國規定的0.9，節水達30%以上。建立模糊神經網絡關系模型的水肥算法，可以讓系統更好地介入傳感器的控制邏輯。系統使用后水肥配比誤差低于0.01 ms/cm，整個系統的響應時間在2 s以內，實現了精準水肥灌溉功能。PC端和手機端雙向控制可以達到實時監測的效果，手機的遠程控制程序可以實時傳輸各個傳感器的監測數據和植物的生長狀態，進而對水肥一體機遠程操控。利用文丘里水肥混合系統實現施肥和灌溉一起進行，實現肥料準確、均勻地運輸到根部，有效避免肥料的揮發和過度施肥，也減少對環境的污染。經試驗得出此水肥管理系統比傳統施肥模式節省肥料40%以上。水肥管理系統采用自動化控制方式，不僅實現水、肥精準控制，還節省用工時間，提高生產效率，總體節省人工成本達20%左右。

4結語

通過集成視覺采集技術、無線傳感器物聯網監控技術和自動控制系統技術建成基于物聯網，采用機器視覺技術實現非接觸測量植物生長參數，無線傳感器物聯網監測環境和土壤參數，以植物生長模型和模糊神經網絡智能算法形成精準水肥混合方案，以ARM11嵌入式系統為核心的農作物智能水肥一體化管理系統應用于設施農業，節水達30%，節肥達40%以上，節省人工成本20%左右，且有效提高作物品質，減少肥料對土壤污染，社會效益顯著，是未來先進水肥一體化系統發展的趨勢。