設施草莓智慧生產管控系統設計與實現*

孫昌權，高菊玲

(江蘇農林職業技術學院機電工程學院，江蘇鎮江，212400)

0 引言

近幾年，隨著我國經濟的迅速發展和消費水平的不斷提高，我國草莓產業發展迅速，栽培面積不斷擴大，經濟效益大幅提升，草莓產業蓬勃發展。據統計，我國草莓生產量和栽培面積超過世界總量的1/3，位居世界第一，但草莓的品質、單產遠遠低于其他發達國家[1-3]。

美國、俄羅斯等國家草莓種植面積和產量位居前列，其中美國溫室草莓生產已經實現初步自動化，利用自動化升降高架栽培槽，提高大棚的陽光利用率，待草莓成熟后下降到適宜的高度方便工人采摘果實[4]。同時利用全自動水肥一體化技術提高水和肥料的利用率，不僅降低了生產成本，還提高了草莓產量與品質。歐洲的多個國家如法國、西班牙等都對草莓的生產十分重視，利用傳感器技術與計算機控制技術相結合，實現草莓溫室內溫度與濕度自動調節[5]，并結合可移動立體種植的自動化裝備，提高草莓光合作用速率和有機物的積累，使草莓種植變得更加簡單高效。

為實現無線傳感器在溫室內獲取精準有效的作物生長信息，吳傳程等[6]提出基于區域面積覆蓋強度的虛擬力覆蓋優化算法，實現溫室內無線傳感器對環境監測的性能優化。趙繼春等[7]利用ZigBee無線通信技術組建溫室內環境監測網絡，將傳感器采集的數據發送至采集控制器內經過解析處理，并通過MC35iGPRS無線通信模塊將數據傳輸到云服務器實現溫室的遠程監控管理。

目前，我國信息基礎設施相對發達國家還存在一定的差距，并且由于智能化控制系統研制成本較高，研究對象主要集中在自動化程度較高的示范園區和科研基地等，因此設計和開發一類適用于大部分溫室且滿足作物生長的溫室管控系統已成為當前溫室智慧生產亟待解決的問題。

本文從草莓生長對環境和水肥的實際需求出發，設計和開發出一套設施草莓智慧生產管控系統，滿足草莓全生長周期各階段對生長環境和水肥條件的需求。

1 系統總體設計

設施草莓智慧生產管控系統由生長環境信息感知系統和環境調控系統2個部分組成，系統總體框架如圖1所示。

圖1 系統總體框架圖Fig.1 System framework

生長環境信息感知系統由嵌入式網關、LoRa主網關、LoRa子網關、傳感器終端組成。由于溫室面積一般較大，需要布置多套環境采集節點，LoRa遠距離傳輸可達2 500 m，一套LoRa主網關支持掛載多個LoRa終端節點，最多可達500個，滿足溫室環境采集需求。當種植區域調整時只需將傳感器節點放置在適合的位置，并提供電源即可，數據采集靈活。

環境調控系統包括環境參數調控和水肥參數調控，嵌入式網關和控制模塊組成，嵌入式網關和控制模塊之間采用RS485通訊。嵌入式網關與生長環境信息感知系統中的嵌入式網關為同一個，可以接收底層傳感器采集的環境參數(溫濕度、光照強度、CO2濃度、土壤溫濕度)和控制模塊采集的當前溫室執行機構(風機、外遮陽、補光燈等)的狀態，并通過4G模塊發送至后臺云服務器，通過相應的控制策略，實現通過Web端和Android端的遠程監控與遠程控制。考慮到水肥控制與數據采集功能集中在水肥一體化設備上，所以將控制模塊與采集模塊相融合，操作人員可在現場通過本地上位機控制水泵、電磁閥等執行機構進行動作，也可通過手機與計算機進行遠程管控。

2 生長環境信息感知系統設計

2.1 傳感器信息采集

設施草莓溫室中草莓生長環境信息包括溫濕度、光照強度、CO2濃度、土壤溫濕度等傳感器參數，傳感器的布置、數據節點的選取及數據處理的方法是實現設施草莓智慧生產的重要前提。

溫濕度檢測采用建大仁科RS-WS-N01-2-*溫濕度一體傳感器，RS485信號輸出(標準Modbus-RTU協議)、溫度精度為±0.4 ℃、濕度精度為±2%RH。光照度檢測采用建大仁科RS-GZ*-*-2型光照傳感器，RS485信號輸出(標準Modbus-RTU協議)、測量范圍0～65 535 Lux、光照精度±7%。CO2濃度檢測采用建大仁科RS-CO2*-*-2型CO2傳感器，RS485信號輸出(標準Modbus-RTU協議)、CO2精度為±(40ppm+3%F.S)。土壤溫濕度檢測采用建大仁科RS-RS-WS-*-TR-1土壤溫濕度一體傳感器，土壤溫度測量精度為±0.5 ℃、土壤濕度測量精度為±3%，該傳感器可直接埋入土壤中進行長期動態檢測。

傳感器局域內組網采用基于LoRa技術的組網通信模式，通過LoRa網關將分布在溫室內的不同組傳感器采集的數據匯聚到嵌入式網關，實現溫室生長環境信息感知。生長環境感知系統框架如圖2所示，主網關采用有人物聯的USR-LG210-L模塊，與子網關通訊最長距離可達4 500 m，支持透傳與組網兩種模式，子網關采用有人物聯的USR-LG206-L-C-H10模塊，通過RS485與傳感器通訊，與主網關采用透傳模式。系統工作時，操作員通過本地或遠程上位機(計算機WEB端、手機小程序端)設定數據上報周期，由嵌入式網關向LoRa主網關發送指令，隨后主網關以廣播的方式向LoRa子網關發送查詢指令，LoRa子網關收到指令后主動向傳感器發送查詢指令，待傳感器收到回復指令后按原路徑返回當前溫室環境數據給嵌入式網關進行解析處理。

圖2 生長環境感知系統框架圖Fig.2 Framework of growth environment perception system

2.2 多傳感器數據融合方法

由于草莓溫室體積龐大，只安裝一組傳感器并不能真實有效地反應當前溫室內的環境現狀，需要根據溫室體積，種植的作物種類和數量，合理、科學地部署傳感器的位置和數量。傳感器越多，采集獲取的數據流就越龐大，處理起來就越復雜。以溫室內的溫度傳感器為例，提出一種適用于溫室的多傳感器數據融合方法，如圖3所示，結合狄克遜準則[8-10]對采集到的數據進行分組處理，對組內異常(較高或較低)數據進行剔除，然后基于算數平均值法對剩余數據進行融合處理，最后進行自適應加權融合算法對數據進行最終處理。

圖3 多傳感器數據融合方法Fig.3 Multisensor data fusion method

假設溫室內有3個不同的種植區域，安裝了n組傳感器，每組有8個溫度傳感器，首先利用狄克遜準則對每組內異常數據進行剔除。

設組1溫度樣本X1,X2,X3,…,Xn(n=8～10)，統計次數n=8，故屬于n=8～10的情況，其順序統計量為X1≤X2≤X3≤…≤Xn。當X(i)服從正態分布時，統計量

(1)

或

(2)

選顯著水平α的值，并參考狄克遜檢驗的臨界表值，計算D(α,n)。

設D(α,n)為狄克遜檢驗的臨界值，則

剔除異常值后對剩下的數據進行算數平均值法融合，最后針對不同種植區域采集的數據對應不同的權值，在總均方誤差σ2最小的條件下自適應尋找每個數據對應的最優權值，并進行自適應加權融合，具體過程如下。

設n個傳感器的方差分別為：σ12,σ22,σ32,…,σn2，傳感器待估真值分別為：X1，X2，X3，…，Xn，數據彼此之間相互獨立且是X的無偏差估計，權值分別為：W1，

(3)

(4)

總均方誤差[11]

(5)

由式(5)可看出，總均方誤差為各加權因子的多元二次函數，依據拉格朗日定理可對多元函數求極值，即可計算出在總均方誤差最小的條件下的最優加權因子

(6)

采用最優加權因子，計算最小均方差

(7)

2.3 多傳感器數據融合測試

2.3.1 組內異常數據剔除測試

以環境溫度為例，在2 000 m2的設施草莓溫室內安裝4組傳感器節點，每組節點下掛有8個溫度傳感器，每1 min進行一次數據采樣。表1為4組節點所采集到的溫度數據。

表1 溫度采樣Tab.1 Temperature sampling ℃

隨機選取其中一個節點，筆者以節點3下的8條數據進行異常數據剔除，以驗證融合方法的可行性。

將節點3下的8條溫度數據進行排序(由小到大)：16.0、16.5、16.6、16.7、16.8、17.0、17.1、20.5，計算統計量

選顯著水平α=0.08，查狄克遜檢驗臨界表值可知D(0.08,8)=0.608。

選顯著水平α=0.04，查狄克遜檢驗臨界表值可知D(0.04,8)=0.717。

取出20.5這個值后，繼續按照以上步驟進行判斷，直到將所有異常數據剔除后，再進行算術平均值和自適應加權融合算法。

2.3.2 自適應加權融合測試

通過對4組節點的數據進行異常數據剔除和算術平均值計算后，再根據2.2章節中的式(3)～式(7)的公式進行自適應加權融合。表2所示為4組節點采集得到的數據平均值、方差與權值。

表2 溫度數據融合結果Tab.2 Temperature data fusion results

此時草莓溫室真實溫度值為16.7 ℃，采用多傳感器數據融合后得到的溫度值最大程度上接近溫室內真實溫度值，能夠很好地反應溫室內的環境現狀。

3 環境調控系統設計

3.1 系統功能設計

溫室環境是影響溫室作物產量與品質的重要因素之一，目前玻璃溫室運用最為廣泛的溫室調控方法，即管理員根據溫室環境手動控制溫室內的風機、濕簾、補光燈、水泵等執行機構，調整溫室環境和提供水肥供給[12-14]。

草莓對生長環境要求高，但人工調控存在依賴經驗、滯后性差等缺點，所以時常因為操作人員的失誤導致草莓苗出現徒長、病害等問題，所以農業領域的技術人員通過計算機技術、智能控制等技術，開發和設計適用于溫室環境調控系統。目前，溫室調控措施有兩種：第一種是給定設定值，通過控制設定參數上下限，結合傳感器反饋的參數，實現溫室環境調控；第二種是建立數學模型，以溫室生產能耗或溫室生產經濟效益為目標函數，設定模型參數及邊界條件，獲取調控策略的辦法。

以上兩種控制措施各有優勢與特點，但是系統通用型差，對溫室管理人員的技術水平要求高，其中第二種方式目前還處于仿真試驗階段。筆者結合文獻資料和草莓種植的實際需求，以經濟、高效調控為出發點，設計與開發適用于我國大部分溫室的環境調控系統。該調控系統由底層硬件部分與上層控制決策層組成，系統框架如圖4所示。

圖4 溫室環境調控系統圖Fig.4 Greenhouse environmental regulation system diagram

溫室環境調控系統底層硬件由繼電器控制模塊與嵌入式網關組成，水肥系統由水肥控制模塊構成。繼電器控制模塊有12路開關量信號輸出，置于溫室電氣控制柜中，與中間繼電器、交流接觸器、熱繼電器等元器件組合，實現對溫室內的風機、內外遮陽、補光燈、控溫裝置等設備的控制，水肥控制模塊集成了繼電器控制模塊、模擬量采集模塊、RS485模塊、4G模塊等模塊，并結合電氣控制系統與滴灌系統實現三路吸肥(母液、酸液、堿液)、混肥、支路出肥，為草莓作物提供精準、定量、定時水肥供給。

以自主研發的精準灌溉施肥機為研究對象，該系統由吸肥系統、混肥系統、檢測系統、出肥系統和控制系統五部分組成。采用二次混肥方式，使肥料與水混合均勻，達到符合作物需求的水肥溶液，并通過滴灌系統將肥水輸送到作物根部。該施肥機支持本地觸摸屏手動控制肥料種類、吸肥量、灌溉周期、灌溉區域等灌溉任務，如圖5、圖6所示為灌溉施肥手動控制界面與灌溉任務設置；系統還支持遠程專家決策系統控制。結合本地的EC、pH、流量等傳感器采集的水肥信息與土壤墑情信息和溫室環境信息制作水肥控制策略，為不同區域提供不同的水肥。

圖5 灌溉施肥控制頁面Fig.5 Irrigation and fertilization control page

圖6 灌溉施肥作業任務設置Fig.6 Task setting of irrigation and fertilization

3.2 決策控制模型設計

控制決策層由專家系統、預警系統、數據庫及溫室現場管理員組成。專家系統作為控制決策的“大腦”，布置在云端，采用C/S和B/S混合架構設計，通過分析當前溫室內的環境參數、土壤信息、作物生長模型及人工錄入的作物生長狀況、溫室管理記錄等信息，相對應的做出控制決策。

溫室環境由現場管理操作人員或專家決策系統做出相對應的控制策略。如圖7所示為控制決策流程圖，溫室管理員首先將調控系統切換到手動控制模式后，結合溫室內當前環境參數并通過本地上位機與遠程上位機(電腦WEB端和Android客戶端)控制溫室的風機、濕簾、補光燈、水泵等執行機構，調節溫室內環境與水肥供應；自動控制模式下，專家決策系統綜合傳感器采集的當前溫室環境、土壤信息、作物生長模型等數據，制定當天的決策控制，考慮到溫室環境易受外界干擾，所以設置專家決策系 統只做出一天的控制決策，并將控制決策通過手機短信發送至溫室管理員，管理員審核通過后，控制指令才可被執行。

圖7 控制決策流程圖Fig.7 Control decision flow chart

4 系統試驗與性能分析

4.1 試驗設計

草莓溫室智慧管控系統運用于江蘇農博園草莓玻璃溫室，該溫室占地3 000 m2，由三個區域組成，各占地1 000 m2，此次試驗在1號區域內進行試驗，3個種植區域皆采用高架種植模式，試驗時間為2020年8月—2021年3月(草莓整個生長階段)。

此次試驗種植的草莓品種為“紅顏”，每個區域種植了1 200株草莓苗。其中區域1安裝有智慧生產管控系統，其他兩個對照區域按照傳統的人工經驗管理。依據《溫室環境自動控制系統配置技術規范》標準(DB12/T 580—2015)在區域1內安裝8組傳感器，分別對溫室內的溫濕度、光照強度、CO2濃度、土壤溫濕度進行實時監測，智能控制系統對溫室內的6臺風機、兩組濕簾、4組內外遮陽、若干植物補光燈等執行機構進行控制，水肥系統使用自主研發的三路吸肥式智能精準灌溉施肥機，結合現場布置的滴灌系統為草莓提供水肥。試驗期間將采集的數據暫存在本地計算機內，用于試驗結果對比分析，同時記錄保存整個生長周期內草莓水肥供應時間、肥料吸入量等參數，為專家決策控制系統提供數據支持。

4.2 結果與分析

參考試驗地區近年氣象資料，年平均氣溫為15.2 ℃，年極端氣溫最高為39.7 ℃，最低為-13.1 ℃。溫室環境監測傳感器的溫度測量范圍為-40 ℃～+80 ℃，濕度測量范圍為0～100%RH，光照測量范圍為0～65 535 Lux，CO2濃度測量范圍為0～19 647.1 mg/m3，土壤溫度測量范圍為-40 ℃～60 ℃，土壤濕度測量范圍為0～100%。

圖8與圖9為2020年10月1日—2日為溫室與溫室外的溫度與相對濕度變化趨勢圖。該時期的草莓處于幼苗期，白天溫度應控制在20 ℃～25 ℃，不超過30 ℃，相對濕度控制在70%左右，依據兩圖可以看出室外環境不適應草莓生長所需，而草莓溫室由于運用了智慧管控系統，動態調整溫室的環境，保證草莓一直處于適宜的生長環境。

圖8 24時溫室內外溫度變化趨勢圖Fig.8 Variation trend of temperature inside and outside the greenhouse at 24 hours

圖9 24時溫室內外相對濕度變化趨勢圖Fig.9 Variation trend of relative humidity inside and outside the greenhouse at 24 hours

將區域1與對照區域在環境調控能力方面進行對比分析，其中區域1通過管控系統進行環境自動調控，而其他兩個區域采用人根據溫室當前環境進行手動調控，區域1相對其他兩個區域在環境調控能力上提高了35.5%。

2020年12月20日，試驗區域1進行第一次采摘，2021年1月2日，試驗區域2、3進行第一次采摘。如表3所示為試驗3個區域草莓的產量、單果平均質量、總耗水量和肥料利用率，可以看出試驗區域1使用智慧生產管控系統相比試驗區域2、3在草草莓產量及單果平均質量上有明顯提升，水肥利用率提高了82.1%，有效的節約了水肥資源，在保證草莓品質的同時，減少了農業生產成本。

表3 3個試驗溫室草莓生長對比表Tab.3 Comparison of strawberry growth in three experimental greenhouses

4 結論

1)設計與開發了一種適用于設施草莓的生產管控系統。該系統由生長環境感知系統與環境調控系統兩部分組成，其中環境調控系統包括外部生長環境與土壤水肥調控，實現設施草莓的高效管理，保證草莓產量與品質。

2)通過對多傳感器數據融合算法與專家決策控制系統模型的開發，提高了溫室環境數據處理能力與溫室調控的高效精準性。

3)通過試驗對比分析，相對傳統的經驗式管理，水肥利用率提高了82.1%，溫室環境調控能力提高了35.5%。