基于大數據和物聯網下智慧農業有機蔬菜生長模型研究

黃 亮 李躍華 后明志

（南充職業技術學院 四川·南充 637100）

智慧農業是以大數據和人工智能為基礎的新型農業生產方式。它利用信息技術種植、管理和儲存農產品和動物產品，以最低的投入減少收入，使之最大化。它主要用于農產品的生產，以滿足高產和環保的要求。基于最新、完整的大數據信息進行適當、有效的分析和處理，可為農業提供比傳統經驗更有價值的參考公式，這是一種智能化管理和決策方式，大大提高了農產品收益和農業資源利用率。

1 研究意義

在信息化快速發展的時代，大數據挖掘技術及分析技術，在現代農業領域具有重要作用，能夠為用戶提供精準的、具有價值的數據參考，從而為農業企業和農戶的科學決策提供理論依據，通過信息化技術及大數據技術的應用，提供更便捷人性化服務。本研究擬通過各種傳感器，實現對土壤濕度、土壤成分、PH值、降水量、溫度、空氣濕度和氣壓、光照強度、CO2濃度等進行遠程實時監測，并將監測信息以無線方式傳輸到服務器上，以便進行存儲、追溯查詢、統計分析和決策，同時可對各個大棚設備、灌溉設備等農業設施進行遠程控制，智能化調節溫度、濕度、養分等生產環境，對有機蔬菜的生長過程進行精細化管理，從而減少病蟲害等災情損失，減少農藥使用，保障食品安全，確保綠色有機。

本研究創新之處在于利用了大數據和物聯網技術，研究不同有機蔬菜在智能溫室大棚的生長效應，通過物聯網進行數據采集和存儲，利用圖像傳感器完成對有機蔬菜的生長效應檢測，節約了大量人力和物力。建立有機蔬菜生長模型與病蟲害預警預報模型，推進物聯網和大數據的應用，得出自然和溫室大棚兩種狀態下，不同有機蔬菜的生長效應。為其他地區充分利用大數據和物聯網等高科技提升農業現代化程度提供參考和借鑒的方法及措施。

2 研究內容

在溫室環境里，可利用物聯網技術，采用不同傳感器節點和具有簡單執行機構的節點構成無線網絡來測量土壤濕度、土壤成分、PH值、降水量、溫度、空氣濕度和氣壓、光照強度、CO2濃度，最佳營養配液等來獲得作物生長的最佳條件，通過模型分析、自動調控溫室環境、控制灌溉和施肥作業，從而獲得作物生長最佳條件。利用傳感器分別對溫室大棚的 CO2、溫濕度、光照和作物生長效應進行監測，利用物聯網技術對溫室大棚進行自動控制，從而控制有機蔬菜的生長環境，利用大數據采集的數據進行分析，比較自然和溫室大棚兩種狀態下，不同有機蔬菜的生長效應。

數據挖掘進行數據分析常用的方法主要有分類、回歸分析、聚類、關聯規則、特征、變化和偏差分析、Web頁挖掘等。本研究擬使用分類法和回歸分析法對采集的土壤濕度、土壤成分、PH值、降水量、溫度、空氣濕度和氣壓、光照強度、CO2濃度等數據進行挖掘。利用分類法將采集的大量數據按照不同的有機蔬菜不同特點進行分類，將不同性質的數據分成不同的種類，從而把數據庫中的具有不同特點的數據分類到指定的規定類型中，在需要利用數據時方便數據的調取。回歸分析法可將海量數據的數據信息的特性展現出來，并且通過建立不同有機蔬菜生長效應模型，從而挖掘數據的預測及數據之間關聯。通過科學方法對數據進行有效挖掘，可找出數據的特征，實現數據挖掘的科學性、有效性，從而實現數據挖掘的高效性。

3 有機蔬菜生長模型構建

眾所周知，蔬菜生長周期不僅取決于其自身的生理生態特性，而且與作物生長環境密切相關，相關溫度、濕度、光和其他環境因素都會影響作物生長發育。本文利用數據分析和回歸分析建模技術和方法，提出了一種將環境與作物衰老指數聯系起來的方法，并用數據對該方法進行了模擬，建立了作物生長周期的環境預測模型。（見圖1）。

圖1：有機蔬菜生長模型構建示意圖

蔬菜，特別是市場需求量大的葉菜類蔬菜，具有生長過程短、對生長環境變化適應性強、對環境因素反應快等特點。蔬菜的生長過程實質上是有機物質在環境中的積累過程。因此，蔬菜的生長、成熟和營養品質取決于生長環境。在污染物積累過程中，維生素C、纖維素、可溶性糖和可溶性蛋白質含量先升高后降低。因此，蔬菜生長質量與生長周期密切相關。蔬菜只能在特定的溫度范圍內生長，溫度對蔬菜生長有很嚴重的影響，它不僅影響有機物的合成，還影響其他代謝過程，溫度通過影響蔬菜的生長和代謝酶等引起其的基礎不同。影響作物生長包括四個溫度基礎：超溫生長的上限和下限以及最佳生長溫度的上限和下限，比如大白菜的4個極限值分別為9，35，17和25攝氏度；蔬菜的生長是通過光合作用儲存有機物來實現的。光是由有機物合成的能量。

光補償點和光飽和點是光場開始和結束時光強的臨界點。光合作用結果表明，水稻、小麥等C3作物的光飽和點在40～80klx之間。在光飽和過程中，C4作物的光飽和點普遍高于C3作物-作物。一些 C4作物在自然光照強度下甚至達不到光飽和點（如玉米葉片），單葉點高于單葉點葉尖以小麥為例，30-40klx適合單葉點，但種群不能達到100klx。花果作物對光非常敏感，而年平均光照強度低于0.7klx只能在日出后的第一個小時內達到出現，總小時平均值的1.3%是0.7x，對累積光照的影響類似的。那個選擇了一個光照強度最低的實驗樣品，以0.7klx下的誤差作為誤差值。結果表明，在0.7klx時，光強對太陽光的影響可忽略它。可以說，蔬菜的生長受到溫度和光照的強烈影響，光照和溫度都有一個極限值。

4 數據處理

數據處理分為蔬菜屬性數據管理和蔬菜種植記錄管理兩部分。作物特性包括作物名稱、作物品種、作物形象及引種、最適溫度下限、最適溫度上限、生長溫度上限、生長溫度下限、有效積溫和成熟光照。屬性管理包括屬性的添加、修改、刪除、查詢和提取。作物管理為用戶提供了可能：作物種子接收功能和A記錄功能。種子用于蔬菜品種、品種、播種期、種植面積、操作者等基本信息的記錄在本模塊中，利用元數據中的數據通過植被周期預測平臺，圍繞作物生長周期中的數據連接到環境數據采集模塊中，作物生長周期的預測模型是用來預測作物生長周期的，顯示在前端界面上的蔬菜成熟后會誘導用戶：將實際成熟和收獲的蔬菜作為作物數據，供后續使用和管理；待錄入。作物輸入是管理者在后臺對蔬菜輸入的基本生理生態數據。作物成熟度的標準包括：在數據采集過程中，通過查閱歷史作物和文獻，預測模型溫度和強度，采集原始作物數據和蔬菜屬性數據，通過試驗種植獲得第一手數據。

以下是大棚環境下，得到的部分蔬菜以黃瓜為例的最佳營養液配方：（見表1）。

表1：黃瓜無土栽培營養液配方

另外，由于數據采集模塊只能對采集到的數據進行基本的處理，不能滿足數據存儲和可視化繪圖的要求，因此有必要對原始數據進行清理。一般來說，非結構化數據和結構化數據必須轉換成結構化數據，本文中的非結構化數據是天氣預報中的天氣描述。天氣描述只用于強度數據，不需要太多處理。它可以符號的形式存儲，農業墑情監測數據可以直接存儲在MySQL數據庫中，氣象數據由Crawler接收，這些數據都是JSON-data。用sqlDB方法替換JSON數據后，定義數據表中的數據被保存。天氣預報的存儲規則要求以預報時間和記錄時間為主鍵，以記錄時間更新數據。

5 總結

隨著物聯網和網絡通信的迅速發展，物聯網將計算機應用技術應用到現代農業生產中去。利用計算機技術開發作物生長監測系統，實時采集作物生長環境信息，計算和分析作物的生長狀況。通過對作物生長環境的監測可收集作物生長環境、土壤溫濕度參數、光照強度、二氧化碳濃度等信息，借助大數據和物聯網技術，可以準確測量風速和風向，實時顯示確定的環境狀況參數，監測有機蔬菜生長、作物生長和環境變化，實現高精度監測和嚴格控溫，濕度、光照、二氧化碳等環境條件為作物生長創造最佳條件，確實作物需要的最適營養液，降低能耗。針對國家現代農業示范區的具體氣候條件，研究不同有機蔬菜在智能溫室中的生長效果，為現代農業產業化發展提供政治基礎和方法，為其他地區充分利用大數據和物聯網等高新技術，提高農業現代化程度提供了可借鑒的方法和措施。