基于云服務的農業物聯網平臺的研究與設計

摘要：針對農業信息化，本文設計基于云服務的農業物聯網平臺，通過傳感器、高清攝像頭實時動態采集農業墑情、溫濕度以及蟲情等數據，建立農業大數據平臺，通過數據挖掘算法，分析農業病蟲害防治、墑情調節的決策數據，為農業生產提供輔助服務手段。

關鍵詞：農業物聯網；云計算；數據挖掘；墑情監測

引言

各級農業生產管理部門一直以實現對農業溫度、濕度、土壤墑情、蟲情的監控為目標，來達到指導農業生產經營活動的目標，建立了國家、省、市、縣、鄉多層級監測、預警、指導系統，在農業生產方面發揮了重大作用，但也存在工作量大、效率低、時效慢、成本高、數據不完整等問題[1]。計算機技術的發展為農情監控提供了支撐，尤其是近幾年的無線網絡應用為傳感設備提供網絡支持，通過傳感器網絡完成對農業病蟲害的監控，即在農業種植中，部署傳感網絡，用以搜集各類生物特征，在后臺顯示出前端收集的土壤墑情、病蟲害信息，以供農業管理部門進行數據分析。如何將信息化的先進技術應用于農業生產中，促進農業生產的發展和整體水平的提高，也成為各級農業部門關注的焦點[2]。論文以云計算平臺為基礎，通過應用物聯網技術，構建農業生產監控、分析與服務的綜合平臺，為農業土壤墑情分析、病蟲害監控等服務提供極大便利，發展空間和應用前景廣闊。

1.? 農業物聯網建設目標

針對農業監測管理的現狀，基于云服務的農業物聯網平臺建設目標為：動態采集農業土壤墑情、病蟲害、環境溫濕度等數據，建立農情大數據平臺，在分析農情大數據基礎上，應用數據挖掘算法模型分析異常，實現動態報警，為農業生產種植提供輔助決策支持。

2.? 基于云服務的農業物聯網框架設計

平臺涵蓋了數據采集、數據傳輸、存儲以及墑情分析的全流程功能，按照模塊化、結構化的設計思想，系統框架分為數據感知層、數據通信層、數據存儲層以及表現層。農業物聯網框架如圖1所示。

（1）數據感知層：通過傳感器來完成墑情數據采集。傳感器是一種檢測裝置，能感知到土壤的墑情信息，同時把感知信息通過預先約定的數據格式，按照需求標準進行信息輸出，以實現采集信息的傳輸、處理、存儲以及顯示等功能。通過引進、集成適用于農田采集的農業傳感器產品，對農作物的土墑商情、土壤營養成分、植物病蟲害等數據進行采集。

（2）數據通信層：為采集終端提供數據通信服務，使采集的數據上傳到云端，農業物聯網網絡通信采用4G、5G或局域網Wi-Fi，通過Internet實現數據通信傳輸，并且可接收服務端的數據采集指令，完成農業數據采集。

（3）數據存儲層：存儲采集的農業墑情、農作物環境溫度濕度、蟲情等數據，同時動態存儲視頻監控抓拍的圖片、視頻等，存儲數據包括結構化信息和非結構化數據。

（4）表現層：在數據存儲大數據平臺上，根據農業種植生產要求，為決策層、科技人員等提供如田間作物精準施肥施藥、病蟲害防治預報等決策支持服務。通過Web端、手機端提供農業墑情、蟲情等監測數據的展示、查詢分析各類報表。

3.? 平臺模塊設計

平臺模塊包括設備管理、數據通信管理、土壤墑情監測、蟲情監測、農情圖像監控、數據統計分析等，下面分別描述這些模塊的功能設計。

（1）設備管理：農業物聯網平臺數據通過監控設備、傳感器進行采集，設備管理是基礎，設備管理功能包括查看設備參數、設備狀態、設備報警與故障查詢等。

（2）數據通信管理：數據采集終端與云端進行數據通信通過4G/5G網絡或局域網的Wi-Fi來實現，對終端網絡通信參數進行配置和管理。每個數據采集端分配有固定的IP地址，通過IP可查詢、定位出數據采集端。

（3）土壤墑情監測：通過土壤墑情傳感器采集到土壤的溫度、濕度等數據，在云服務端、在Web端或手機App端展示，數據展示可采用表格、折線圖等形式。

（4）蟲情監測：系統從預報、預警、識別到誘集均為自動控制，采用A/D模數轉換技術，將采集信息自動轉化為圖像和數據。監控農業有害生物達到防控界點時，啟動系統中農業有害生物防控體系，同時監控農業有害生物控制效果，并判斷停止防控界點，關閉防控系統，從而實現有害生物連續循環監測防控。病蟲害智能化監測設備設計隨晝夜變化自動開閉、自動完成誘蟲、收集、分裝等系統作業，留有升級接口。

（5）農情圖像監控：通過高清攝像頭動態監控農作物農情現場圖像信息，動態傳輸到云端，農情圖像以非結構化數據進行存儲，存儲在ftp中，在Web或手機端可瀏覽某個區域農作物現場情況。

（6）數據統計分析：以數據表格、曲線圖、柱狀圖等方式，匯總統計出本區域的外界溫度、濕度、土壤墑情、蟲情等數據，提供數據對比功能。

4.? 基于物聯網的農業數據采集傳輸設計

基于物聯網的農業物聯網平臺從物理結構上可分為云服務器、農情傳感器、PC端和手機端，其中云服務器提供數據存儲及應用服務，用于存儲采集農情數據、基礎影像、農情遙感影像、地理信息數據等；農情傳感器用于采集土壤墑情、病蟲害等數據；PC端和手機端用于實現數據統計分析顯示。圖2為平臺網絡結構圖。

運用生物傳感硬件獲取病害、蟲害成像和環境因子信息，利用專用無線傳輸技術嵌入互聯網，進行數字化處理分析和動態顯示，既可直觀顯示土壤墑情、病蟲害發生趨勢，并能及時、自動開啟病蟲害防控預警或土壤墑情預警。以互聯網為平臺，以農業監測理念為核心，運用多種模型搭建農田病蟲害自動測控物聯網。無線傳輸穩定性相對較弱，但組網簡便，費用低廉。在農業物聯網平臺中主要考慮使用局域網的Wi-Fi或4G/5G，其功耗低，節能，接線簡單，成本低，抗干擾功能強，數據準確性高，速度快，數據傳輸及時。

農業墑情數據采集端實現三方面的功能：第一，完成感知的基本配置。獲取感知數據的基礎配置、參數等，通過基本配置，實現對感知數據的初步過濾等。第二，終端工作狀態的監測，檢測傳感器的工作狀態、數據網關的運行狀態等。由于數據獲取感知終端對數據的采集、獲取等操作具有時刻特征，因此需要對這些終端設備的工作狀態進行監測，測試其是否正常工作，能否正常獲取感知數據。第三，網絡接入管理，采集網關用于讀取傳感器的存儲單元，然后把墑情數據通過4G/5G網絡傳輸到大數據平臺上。

整個農業墑情數據采集過程分為兩個過程：首先由傳感器采集土壤墑情數據，然后存儲到傳感器的存儲單元中，由采集網關讀取傳感器存儲單元值。在網關讀取存儲單元值時，需要了解傳感器存儲單元的編址方法，按照編址方法、存儲單元的類型來讀取單元數據。網關數據采集時，需要編制相應的地址讀取指令，由網關按照指令讀取墑情數據，網關采集周期、頻率均在網關后臺進行設置，根據農業氣候特征、地域特征設置不同的土壤采集周期。網關采集的數據類型分為兩類：一類是讀取傳感器存儲數據，另一類是獲取網關的位置信息，網關內置GPS模塊，用于獲取當前土壤墑情采集點的位置。

5.? 基于數據挖掘算法的農作物病蟲害檢測異常預警設計

農業物聯網平臺采集數據后，在云端建立了土壤墑情、病蟲害等大數據平臺，下面以農作物病蟲害檢測異常預警為例，說明病蟲害地區預警設計。

農作物有害生物以有害昆蟲為主，包括危害作物的螨類和軟體動物。當前，農作物蟲害包括昆蟲綱18個目、蛛形綱2個目，共計260多科4000余種。如何判斷哪些蟲害對農業收成造成影響，是農業部門進行病蟲害處理的重點工作。根據統計農業收成，把某個區域分為一等地、二等地、三等地和四等地，分別獲取這些不同等級土地的病蟲監測數據。監測的數據包括蠐螬、金針蟲、螻蛄、地老虎、鉆心蟲、玉米螟、二化螟、三化螟、大螟、黏蟲、潛葉蠅、斑潛蠅等蟲害數量。在某地區，共發現常見的病蟲為48類。

下面從數據獲取、數據處理、計算距離、簇劃分等步驟來描述基于OPTICS（Ordering Points To Identify the Clustering Structure，基于點排序確定簇結構）算法[3]的病蟲劃分的設計過程。

（1）初始化樣點相關參數

獲取病蟲害數據診斷類型，把病蟲的不同診斷類型值存入數組riskPestsList[ ]中，對這些數據進行預處理。

（2）讀取農業樣點病蟲類型數據

在設置的數據樣點取值時間內，如從農業病蟲害大數據系統中，讀取農業病蟲害數據、病蟲特征數據。在病蟲檢測數據庫中，讀取當前檢測的病蟲特征，設檢測的病蟲分類組為PestsList[ ]，在大數據系統中，對存在的病蟲預警特征進行分類處理，riskPestsList[]記錄待預警的分類數據，遍歷riskPestsList，分別記為PestsList分組的特征值，riskPestsList[i]的對應的病蟲診斷類型記為PestsList [i].Pest[ ]。

（3）計算相似度

在歸集處理完PestsList [i].Pest[ ]后，對數據集進行分析，隨機選取一個病蟲特征為中心點，計算其他特征值與其之間的距離，并作相應的歸一化處理，使其距離取值在[0…1]。

（4）查找同類病蟲類型的風險參數診斷

設PestsList [i].Pest[ ]的診斷出的病蟲害類別為PestID，計算出其距離矩陣Rec的編號為PestID.Pest。

對計算后的特征向量進行排序，按照由小到大的順序，對向量進行排序處理，按照預置的最小半徑，進行分簇處理，在分簇處理后，分別計算其對應的距離均值，設均值為{ avgDist_1，avgDist_2，……，avgDist_n}，上式中n表示特征值的個數，按照序號為主索引，查找PestID.Pest對應的最大值avgDist_k，對k序號下的所有特征的病蟲害進行族類計算，設計算后的集合為Pest_i={Pest_i_1， Pest _i_2，……， Pest_i_n}。

（5）查找同類診斷值病蟲類型的風險等級

遍歷riskPestsList[ ]，取下一元素，通過上述步驟進行重復計算，計算出簇集合，設簇集合為Pest_j={ Pest_j_1， Pest_j_2，……， Pest_j_n}。

（6）求最后的簇集合

在完成riskPestsList[ ]中各個元素的簇集合處理后，對集合后的元素求交集，最終求得病蟲害的診斷結果。

（7）按照不同權重進行最終病蟲害的診斷

對Pest_1，Pest_2，…，Pest_k，按照不同的權重來實現對這些病蟲類型的計算，最終結果以值的形式來表示農業病蟲害診斷結果。

結語

本文研究設計一個監測能力強、服務化專業的農業聯網平臺，網絡結構采用云服務框架，設計的功能包括設備管理、數據通信管理、土壤墑情監測、蟲情監測、農情圖像監控、數據統計分析。論文以農作物病蟲害為例，通過數據挖掘算法實現檢測異常預警。平臺有針對性地緩解區域農業有害生物的危害，在促進農業提質增效、農民增產增收等方面具有非常重要的意義。

參考文獻：

[1]姚茂漩，羅怡辰.基于LoRa農業物聯網智慧大棚的設計與實現[J].無線互聯科技，2021，18（24）：50-53.

[2]張彥麗.農業物聯網在設施農業中的應用探究[J].新農業，2021，（13）：75-76.

[3]王銳，辛大波，歐進萍.基于OPTICS聚類算法的流場結構特征分析方法[J].空氣動力學學報，2021，39（5）：27-43.

作者簡介：陸煜，碩士研究生，工程師，研究方向：云計算與物聯網技術融合。