農業物聯報警系統中門限閾值的智能配置

摘 "要：為減少農業物聯報警中門限閾值報警配置任務的工作量，通過對歷史數據的樣本抽采、分組計算，獲得報警門限閾值參考值計算前期的樣本，結合正態數值分布情況獲得+3σ、+2σ、+1σ、-1σ、-2σ、-3σ，并作為初步報警門限閾值參考值；通過SPC（統計過程控制）過程統計中對均值控制上下限、極差控制上下限的計算獲得UCLx、LCLx、UCLr、LCLr，并作為進一步報警門限參考閾值，最終生成10檔報警門限閾值參考值，再對參考值采取直接投入使用、按平均分權投入使用和結合ISA 18.2報警標準分權投入使用3種方式進行實際報警門限閾值落實工作，對于過大量的歷史數據通過預統計的方式來提升計算效率。以此方式智能化、自動化地生成農業物聯報警門限閾值，輔助農業物聯報警閾值錄入配置等工作提升工作效率、減少所需時長。

關鍵詞：農業物聯網；報警系統；農業信息化；正態分布；SPC過程統計；報警門限閾值

中圖分類號：S126 " " "文獻標志碼：A " " " " "文章編號：2096-9902（2023）05-0009-05

Abstract： In order to reduce the workload of threshold alarm configuration tasks in agricultural Internet of Things， the sample of previous stage was calculated based on the reference value of alarm threshold value obtained through sampling of the historical data samples， +3σ， +2σ， +1σ， -1σ， -2σ and -3σ were obtained as reference value for preliminary alarm threshold value based on the normal distribution situation; UCLx， LCLx， UCLr， and LCLr were obtained as further alarm threshold reference value through the calculation method of controlling upper and lower limit and range control over the average value in the SPC process statistics and the 10 levels of alarm threshold reference value were finally generated. Then the reference value is put into use directly， according to the average decentralization or combined with the ISA 18.2 alarm standard decentralization to implement the actual alarm threshold， for a large number of historical data through pre-statistics to improve the calculation efficiency. In this way， agricultural Internet of Things alarm threshold value was generated in a smart and automatic way. The working efficiency was improved by assisting agricultural Internet of Things alarm value to be input into configuration so as to reduce required time.

Keywords： agricultural Internet of Things; alarm system; agricultural information; normal distribution; SPC process statistics; alarm threshold value

隨著中國農業大環境的飛速進步發展，如何保證農業各項作業進程的安全運行成為農業信息化技術人員需關注的事情[1]。目前基本采用農業物聯設施報警，以便在運行異常時能夠及時采取相應的措施。通過對硬件設施上各個儀表或計量工具等的測點進行基礎數據收集，手動或自動地加以條件進行判斷，識別當前數值是否處于常規狀態，一旦發現數值異常便自動觸發報警事件，以通知給農業生產中對應環節的工作人員。但是，報警限值的配置卻是人為手動配置的，而配置報警限值的工作量取決于監測點的數量，如果監測點數量龐大，那么報警限值的配置工作既復雜又繁瑣，難免出現錯配、漏配和誤配等現象。因此，如何實現報警限值的精準配置成為亟待解決的問題。

1 "農業物聯數據收集

1.1 "歷史數據樣本收集工作

歷史數據是指對于當前實時基礎數據經過采集頻率的周期時長之后，對基礎數據的存儲，主要以數據的直接存儲、數據的統計結果存儲和數據的運算分析結論存儲等形式實施，為數據運算整理等工作進行早期預備。歷史數據具備極高的可分析能力、可統計價值，所以歷史數據的存儲對于農業報警系統是非常重要的[2]。

通過在農業生產設備、加工產線和大棚環境等場景中應用硬件設施集成數采儀表、測點或計量工具等來進行數據傳遞，數據采集技術過程是開展一切上層數據處理、運算和可視化等功能業務的基礎。如圖1所示，從傳感器及其他待測設備等模擬和數字被測單元中自動采集[3]。農業物聯技術中主要以OPC協議為代表的自動化通訊協議對農業生產過程中的硬件設施設備通過數據采集與監視器控制系統（SCADA）或可編程邏輯控制器（PLC）進行基礎參數數據的上傳。再通過接收儀表、測點等采集對象上傳的數據，利用轉譯、提取和計算得出可供后續其他擴展業務或功能使用的基礎數據[4]。

圖1 "農業信息化中信息采集數據走向

基礎數據一般以數值、英文字符串等形式出現。如溫度、濕度和液位高度等數值型數據會以數值進行傳遞；如燈光開關、設備啟停和閘機開合等開關型數據會以0和1的方式分別帶邊on或off的形式進行傳遞；如光照角度、供熱檔位和運輸方式等具備選擇形式的數據會以多態數值或字符、字符串的方式進行傳遞。本文所述的智能化報警配置方案是針對其中的數值型數據進行設計的。

1.2 "數據樣本選擇范圍、跳幀幅度及間隔取值方案

歷史數據的存儲工作進行一段時間后，基于已經收集并存儲的歷史數據進行樣本抽取，樣本抽取工作的時間跨度取決于當前農業物聯設施信息化數據采集工作的已運行時長。

當時間范圍確定后，根據時間范圍內的數據進行周期性的跳幀抽樣，不同時間跨度的歷史數據集合，其樣本抽取中的跳幀幅度亦是不同的，最后完成所有歷史數據樣本的獲取工作。將所收集到的樣本數據進行分組，根據樣本數量進行不同容量的子組數據分割，見表1。決定數據樣本的數量的最重要因素就是計算機硬件設備的工作能力，本文提供的參數只針對于最基本標準計算設備，當存在更高工作能力的硬件設施則可以進行更多的數據樣本獲取。

跳幀抽樣工作中會涉及一個現實性的問題，就是跳幀抽樣的落幀點時間戳對應的歷史值為空。這種事情是很常見的，現場網絡因素、硬件運行故障或電路出現問題都會造成這種現象，對應這種現象，最好的方案是以落幀點時間戳間隔時長絕對值最小的歷史值為樣本，以填補抽樣工作中缺失的基本數據參數。

2 "基于正態分布初步獲得基礎門限參考閾值

通過觀察歷史運行數據的波動狀態，如圖2所示，確定數據對應分布參數。

通過數值波動狀態曲線分布圖可以得出結論，常變性數值數據常常呈現正態分布的形式，確定所述歷史運行數據的分布參數，正態分布曲線兩頭低，中間高，左右對稱呈鐘形。所以在測點的歷史數據中，越是接近波動狀態曲線鐘型圖對稱軸，即說明所在區域數值的出現頻率越高[5]。

根據正態分布的規律可以將報警限值范圍按照方差以最大程度上覆蓋所有數據進行等分劃分。通過對波動曲線進行分割，即-3σ、-2σ、-1σ、+1σ、+2σ、+3σ，可以得出初步的6個基礎報警門限參考閾值。

因為已經預先對樣本數據進行了按組分割，所以首先對各個子組樣本數據進行平均值的計算，得出各子組的平均值

最后結合不同系數計算得出-3σ、-2σ、-1σ、+1σ、+2σ、+3σ。

通過計算可以將±6σ作為報警門限閾值的基本參數。根據曲線對稱軸向兩邊擴展，+3σ、+2σ、+1σ作為初步高報門限參考閾值，-1σ、-2σ、-3σ作為初步低報門限參考閾值。

農業報警系統的報警閾值一般以高5報、高4報、高3報、高高報、高報、低報、低低報、低3報、低4報、低5報的形式出現，目前計算出的6個閾值檔位可以作為初步門限參考閾值，如果需要10個完善的報警閾值檔位可以近一步通過SPC過程統計進行閾值完善工作。

3 "基于SPC過程統計獲得進一步門限參考閾值

SPC過程統計是一種借助數理統計方法的過程控制工具，對生產過程進行分析評價，根據反饋信息及時發現系統性因素出現的征兆，并采取措施消除其影響，使過程維持在僅受隨機性因素影響的受控狀態，以達到控制質量的目的[6]。

基于SPC過程統計計算出均值上控制限UCLx、均值下控制限LCLx、極差上控制限UCLr和極差下控制限LCLr。均值上下控制限可以作為農業信息化作業中質量生產過程數據穩定性極限條件的判斷依據，所以得出的均值極端判斷值即均值控制線可以作為農業門限報警的參考閾值；極差上下控制限可以用作農業信息化作業中的設備運行數據對于常現值偏移絕對值進行規范判斷，以判斷其數據運行穩定性，得出極差上下控制限可以作為農業門限報警的參考閾值。

均值控制限和極差控制限的計算工作涉及SPC過程統計中的常量系數D2、D3、D4及A2。常量系數的選取取決于所抽取樣本中的子組容量，不同的子組容量對應不同的常量系數，本文只提供所涉及常量系數的對應數值參考，如表2所示。

由于預先對數據進行了等同容量的子組分割，通過對每個子組樣本數據內進行計算，得出所有子組數據中的各個極差r，即

r=Maxx-Minx。

根據所對每個子組計算得出的各個單獨子組極差r，進行整體綜合的總平均值計算，獲得整體所有極差平均值，即

通過計算得出的均值上控制限UCLx、均值下控制限LCLx、極差上控制限UCLr和極差下控制限LCLr作為進一步的農業報警系統中門限閾值參考值。結合之前計算得出的±3 σ得出的6個報警門限參考閾值，至此報警門限閾值的10個檔位高5報至低5報參考數值已經全部計算得出。

4 "門限參考閾值結果使用方向

通過計算得出的高5報、高4報、高3報、高高報、高報、低報、低低報、低3報、低4報及低5報共計10檔參考閾值。為農業物聯報警大大地減少了人工配置報警門限閾值的工作量，提高了農業信息化工作者的工作效率，降低了錯配、誤配和漏配等現象的出現幾率。本文提供3種門限參考閾值結果的使用方向：直接使用、結合平均和百分比遞增運算使用及結合ISA 18.2報警優先級建議使用。

4.1 "直接作為報警門限參考閾值

所得到的10檔高低報警門限參考閾值可以直接作為實際農業信息化工作中的報警閾值進行使用。直接投入到各個農業生產中監測硬件物理設施的運行情況。

4.2 "平均運算結合百分比遞增分權設置

部分行業或者互聯設備對于數據運行報警的等級劃分要求是以平均同等過度的形式，所以結合本文論述的報警門限閾值參考值的運算結果可以對農業物聯報警中的10項報警閾值參考數值進行平均運算，對其結果參考值進行百分比遞增分權，設置高5報至低5報的各個閾值檔位。首先根據計算得出的10項報警閾值進行平均值獲取的計算工作。然后根據計算得出的10項報警閾值進行極差的計算。根據平均值和極差按照10%、20%、30%、40%、50%的上下偏差進行分權報警閾值設置，最后得出均勻分布的10項報警閾值參考值。

4.3 "結合ISA 18.2報警優先級動態分配

基于2016年發布的ISA 18.2工業報警系統的行業標準對于各個優先級的報警配置建議分布比例[7]，可以看出對于最不嚴重的波動情況報警形式采取80%的分布占比；中等嚴重的波動情況報警形式采取15%的分布占比；較嚴重的波動情況報警形式采取5%的分布占比；最嚴重的波動情況報警形式采取小于1%的分布占比，具體見表3。

結合ISA 18.2標準的建議和本文所論述的報警門限參考閾值計算方式得出的參考數值在數量方面的差異，采取一種綜合折中的分布方式：對低級優先級的80%分布占比進行分割，生成50%的最低級分布占比和30%低級分布占比；將高級分布占比調整至4%，最高級報警分布占比調整至1%。

通過計算得出最后調整結果：1級閾值采取50%的分布占比；2級閾值采取30%的分布占比；3級閾值采取15%的分布占比；4級閾值采取4%的分布占比；最高級采取1%的分布占比，具體見表4。

5 "過大數據量讀取及運算的應對方式

數據的存儲與讀取速度一直是信息化工作不斷突破與前進的任務，對于歷史數據的預先統計可以高效地解決大數據量讀取和運算緩慢的問題。數據的統計分析工作主要包括數據的大量讀取，數據的大量統計兩大環節，這會導致程序運算壓力增大、效率緩慢等問題，預統計技術調整了統計分析工作的流程順序，當數據運行一段時長后，立即對數據進行異常剔除、統計整合，將統計工作進行提前預先實施，周期性的執行，將統計結果進行周期性的存儲。

預統計工作主要是通過定時地對數據進行統計，在關鍵時間刻度對平均值、最大值和最小值等具有很高象征性的計算結果進行預算。并且預統計的計算工作具有很強的穩定性，當已經以最小單元計算預統計結果，則上一維度的統計工作不必再對全部數據進行計算，可以直接對最小單元計算結果進行統計，提高程序運行效率，減少硬件設施的計算壓力。

預統計工作可以大幅地縮短計算機應用程序的運行時長，提高農業信息化中對于數據處理的工作效率，減少大量輕使用價值數據的存儲壓力。預統計的工作主要通過計算機預統計、人工預統計2個方向進行開展。計算機通過周期性的數據獲取，對數據進行多維的統計整合，進行合理的分布存儲；人工可以通過對于數據的微觀把控更加靈活地識別有效數據和正確數據，通過人工運算等方式存儲統計成果。

預統計工作的上限取決于計算機硬件設施的處理速度，大量的數據僅僅靠軟件程序是無法充分高速運算的，計算機硬件設施的處理能力決定了預統計工作的最精準單元，硬件條件的信息處理工作質量與預統計工作的實際價值成正比。

6 "結束語

目前農業物聯報警系統業務已經趨于成熟化，但是閾值報警的閾值錄入或配置等任務的工作量是巨大且重復的，所以通過對歷史數據的樣本采集、基于正態分布規律確定初步報警門限參考閾值、基于SPC過程統計計算出進一步報警門限參考閾值、對所生成參考閾值的建議使用方向和利用預統計對過大數據量計算工作的應對5項步驟可以大大提高報警門限閾值配置的工作效率，并最終實際部署運用到現實農業信息化工作閾值報警系統業務中去，確實地減少重復工作，大幅減少配置報警門限閾值的時間，促進傳統農業改進，提高農業生產效率，減少農業信息工作者的非必要工作量。

參考文獻：

[1] 沈玉利，徐踐.都市農業與農業信息化導論[M].北京：中國農業出版社，2014.

[2] 葉煜，雷靜，任華.數據挖掘在農業信息化中的應用[J].工業控制計算機，2020，33（7）：127-128.

[3] 杜鵬，陶洪鑄，高保成，等.面向多應用的通用數據采集技術方案[J].電力系統自動化，2015，39（1）：26-30.

[4] 李延國，黃雷，歐志鵬，等.互聯網在設施農業溫室監控和報警管理系統中的應用[J].農業與技術，2019，39（16）：33-36，67.

[5] 邵堃，羅飛，梅裊雄，等.一種正態分布下的動態推薦信任模型[J].軟件學報，2012，23（12）：3130-3148.

[6] 官生平.SPC統計制程管制[M].廈門：廈門大學出版社，2001.

[7] ALEXANDER D. American National Standard ANSI/ISA-18.2-2016 Management of Alarm Systems for Process Industries[S]. 2016-03-17.