AIOT背景下病蟲害智能化監測系統設計

寧學星　楊溢凡　王涵凝　李志遠　曾程龍　于麗娜

摘要：為有效準確地監測和防治病蟲害，以AIOT為基礎設計一種立體的監測病蟲害監測系統。系統硬件設備主要是無人機監測設備和地面監測設備，軟件系統為智農大數據平臺和智農APP，可實現對農田的全天候、立體化監測。

關鍵詞：人工智能;監測系統;病蟲害;傳感器;圖像識別

中圖分類號：S431.7;TP29? ? 文獻標識碼：A? ? 文章編號：1674-1161（2021）06-0036-02

病蟲害一直是阻礙我國農業發展的重要因素。為有效監測和防治病蟲害，科研工作者設計多種智能化病蟲害監測系統，為智能精確地開展病蟲害監測提供便利，但部分監測系統存在一些缺陷并逐漸展現。AIOT是人工智能技術和物聯網技術相結合的產物，具有智能識別、智能感知、自動控制的特點，被稱為人工智能物聯網。為降低病蟲害監測的誤差，基于AIOT設計一種立體的監測病蟲害監測系統，旨在為農作物病蟲害監測提供技術支持。

1 AIOT智能化病蟲害監測技術

1.1 算法開發

算法共歷經三代。初代precise算法只能監測小麥一種農作物的病蟲害。第二代用卷積神經網絡制作precise-cnn算法，加入水稻病蟲害研究，且識別速度得到顯著提升，提取過程進一步改善。開發第三代precise-rcnn算法時，加入棉花的病蟲害研究，可識別小麥、水稻、棉花共3種農作物。通過使用RPN網絡和引入ROI Pooling池化層，使病蟲害識別更加準確。高效快速產生建議框，精確提取存在特征的目標區域，算法可實現分類與回歸等功能。

1.2 圖像識別技術

1.2.1 圖像采集 圖像采集原理如圖1所示。

1.2.2 圖像預處理 將圖片進行分類并交由識別模塊進行高效識別，即為圖像預處理。在軟件運行過程中，祛除無用圖片并篩選出有用信息。在簡化信息、提高特征提取的同時對圖片進行分割、匹配、識別等操作。

1.2.3 圖像特征提取 利用計算機提取圖像信息，并根據特征對其進行劃分。計算機將提取結果上的點分為不同子集，這些子集由點、曲線或連續區域組成。

1.2.4 圖像識別 Precise—RCNN植物病蟲害識別算法需要從圖片中提取出具有病蟲害特征的部分，并對其進行相應的圖像分析。通過卷積神經網絡CNN對提取出的圖片特征進行分類、識別后，根據提取出的特征建立虛擬外觀模型。綜合分析信息通過ROI Pooling池化層進行鎖定，將其中最顯著的特征作為最終提取對象，利用Fully全鏈接層進行識別分類。分類結果通過Sotfmax進行邏輯回歸反饋，判斷識別的圖像部分是否為害蟲。

1.3 傳感器技術

1.3.1 傳感器 選用風力風速傳感器和光照傳感器進行外部環境監測，利用土壤溫濕度、土壤酸堿度、土壤有機質數據采集器進行數據采集。

1.3.2 傳感器網絡 感應、通訊、計算是傳感器網絡的三大技術，其中無線數據庫是關鍵技術。傳感器網絡是傳感器技術、計算技術、現代網絡、無線通信技術和分布式信息處理等技術的融合體。客戶通過傳感器對監測隊形進行實時監測，傳感器將采集的各種環境信息傳送到計算機系統中并對采集信息進行處理，再通過無線通信網絡將信息傳送到客戶端。

1.4 大數據與云計算

“大數據”技術以多元形式對搜集而來的龐大數據組進行處理、分類。數據平臺對大數據信息進行整合后提供給客戶。云計算需要多部服務器支撐。通過這些服務器組成的系統將需要運算的巨大數據進行分解，將分解后的數據通過小程序運算得到最終的結果，再將結果反饋給客戶的過程就是云計算。系統監測空氣濕度、溫度，土壤溫度、濕度、肥力、pH值，風向，風速等環境參數，以及植物健康狀況，并直接上傳至云平臺后，云計算將其與各種病蟲害的爆發環境參數進行對比。

1.5 通信技術

在農業病蟲害監測系統的感知層中的傳感器不僅數量眾多，種類更是繁雜。因此必須采用特定的組網、通信策略實現與上位機通訊。IFI，ZigBee，BLE等短距離無線通信在物聯網系統應用較為普遍。在實際應用中，傳感器對低功耗有強烈的需求，雖然WiFi擁有許多優勢，但是功耗明顯高于Zigbee和NB-IoT，不適合系統使用。NB-IoT技術擁有ZigBee所有優點，但服務端和通訊費用高昂，不適于大規模應用，因此項目選用ZigBee技術進行組網。

ZigBee技術能夠傳輸信息容量較大的數據，其自身具有高效的碰撞避免機制，因此數據傳輸安全高效，可有效避免數據傳輸過程中的信號碰撞。ZigBee技術具有與網絡相融合的特點，數據傳輸操作時可直接連接家庭中的控制網絡。使用ZigBee技術進行數據傳輸時，每個節點都能節約電耗，2節5號電池的工作時間高達1 a之久，大大節約使用成本。

1.6 定位技術

GIS技術利用定位信息技術和電子地圖技術相結合的方式，將地圖和移動目標顯示在APP的屏幕或計算機屏幕上，使客戶的使用感受更加直觀。

2 智能化病蟲害監測系統的實現

智能病蟲害監測系統的硬件包括無人機模塊、Atlas 200人工智能開發套件、光照傳感器、風力傳感器、溫濕度傳感器和空氣質量監測傳感器。監測流程主要為：信號采集—數據傳遞（ZigBee組網）—數據包處理及上傳。

2.1 無人機

空中監測設備主要包含無人機及Atlas 200人工智能開發套件兩部分。無人機搭載智能計算終端識別農作物病蟲害圖片，通過高清變焦攝像頭自動規劃農田巡航路線，通過5G/4G通信模塊將拍攝的實時畫面回傳到智農大數據平臺。終端設備用圖片處理技術和大數據分析技術分析病蟲害的類型，并將診斷結果頁面回傳到大數據平臺和APP。

2.2 地面監測設備

地面監測設備主要包括光照、風力風速、溫度、濕度系列傳感器/探測器，太陽能板，攝像頭，數據采集器，5G通信模塊或4G通信模塊，避雷針等。這些部件組合成一套完善的地面監測系統，用于監測農田的實時環境狀況，并與比云端大數據庫的病蟲害高發環境進行對比，預測出病蟲害的發病時間，阻止病蟲害大面積爆發。

3 結論

基于AIOT的智能化病蟲害監測系統由硬件設備和軟件系統組成，其中硬件設備主要是無人機監測設備和地面監測設備，軟件系統是智農大數據平臺和智農APP。遠程監控、病蟲害診斷、視頻監控、數據存儲等功能集于一體，實現對農田全天候、立體化監測。農作物病蟲害監測系統是一個復雜的系統工程，其概念也不斷向前延伸，其研究也必將不斷深入。

參考文獻

[1] 張星剛.傳感器在智能交通工程中的應用[J].中國交通信息化，2014（11）：139-142.

[2] 陳亮. 圖像分割部分理論與關鍵技術研究[D].沈陽：遼寧師范大學，2017.

[3] 李翔敏，戴帥.基于大數據的道路交通管理反思——小即是美[J].城市交通，2015，13（3）：71-75.

[4] 康國勝.云計算與信息資源共享管理[J].科技創新導報，2020，17（17）：126+128.

Design of Intelligent Monitoring System for Diseases and Insect Pests

under the Background of AIOT

NING Xuexing， YANG Yifan， WANG Hanning， LI Zhiyuan， ZENG Chenglong， YU Lina*

（Shandong Xiehe University， Jinan 250299， China）

Abstract： In order to monitor and control diseases and pests effectively and accurately， a three-dimensional monitoring system is designed based on AIOT.? The hardware equipment of the system is mainly UAV monitoring equipment and ground monitoring equipment， and the software system is zhinong big data platform and ZHInong APP， which can realize all-weather and three-dimensional monitoring of farmland.

Key words： artificial intelligence; monitoring system; plant diseases and insect pests; sensor; image identification

收稿日期：2020-09-12

基金項目：2021國家大學生創新創業訓練計劃項目基于AIoT智能化病蟲害監測系統設計方案（202113324927X）

作者簡介：寧學星（2000—），男，從事物聯網工程方面的研究。

通信作者：于麗娜（1987—），女，碩士，講師，從事物聯網技術應用方面的研究。