基于多源數(shù)據(jù)融合算法的華為鴻蒙智慧農(nóng)業(yè)系統(tǒng)

摘" 要：據(jù)目前形勢來看，應(yīng)該通過開發(fā)屬于我國基于華為鴻蒙和多源數(shù)據(jù)融合的智慧農(nóng)業(yè)生產(chǎn)系統(tǒng)，來應(yīng)對智慧農(nóng)業(yè)系統(tǒng)在未來應(yīng)用場景上的局限性與不確定性。相較于目前市場上的智慧農(nóng)業(yè)系統(tǒng)，在算法上提出了創(chuàng)新點，如利用SSEAE來提取高維稀疏特征和引入PCA對特征進行壓縮等，并通過鴻蒙開發(fā)平臺和BearPi-HM Nano開發(fā)板創(chuàng)建軟件和連接傳感器。結(jié)果表明，通過華為鴻蒙OS可以建立智慧農(nóng)業(yè)的App并可以通過BearPi-HM Nano連接傳感器及通過比較的方法初步證明在算法上創(chuàng)新的可行性。

關(guān)鍵詞：鴻蒙；智慧農(nóng)業(yè)；多源數(shù)據(jù)融合；BearPi-HM Nano；SSEAE

中圖分類號：TP39" " " " 文獻標志碼：A" " " " " 文章編號：2096-9902（2023）09-0001-04

Abstract： According to the current situation， we should cope with the limitations and uncertainties of smart agriculture system in future application scenarios by developing our own smart agriculture production system based on Huawei HarmonyOS and multi-source data fusion. Comparing the smart agricultural systems in the market at present， we proposed innovative points in algorithm， such as using SSEAE to extract high-dimensional sparse features， introducing PCA to compress features， and creating software and connecting sensors through HarmonyOS development platform and BearPi-HM Nano development board. The results show that we can establish an App of smart agriculture through Huawei HarmonyOS， connect sensors through BearPi-HM Nano and preliminarily prove the feasibility of algorithm innovation through comparison.

Keywords： HarmonyOS; smart agriculture; multi-source data fusion; BearPi-HM Nano; SSEAE

從古至今我國都是農(nóng)業(yè)大國，農(nóng)業(yè)在我國有著至關(guān)重要的地位。但是近年來，通過調(diào)查數(shù)據(jù)了解到，我國的農(nóng)業(yè)勞動力將面臨不足的問題，這種現(xiàn)象對我國的經(jīng)濟發(fā)展和政治穩(wěn)定性有較大的不利影響。因此，發(fā)展智慧農(nóng)業(yè)是必然趨勢，通過現(xiàn)代技術(shù)進行科學化、科技化耕作來彌補農(nóng)業(yè)勞動力不足的問題。但是目前市場上的智慧農(nóng)業(yè)系統(tǒng)大多基于安卓系統(tǒng)開發(fā)的，在未來的應(yīng)用場景上存在很多的局限性與不確定性，所以著手開發(fā)具有國產(chǎn)自主知識產(chǎn)權(quán)的鴻蒙智慧農(nóng)業(yè)系統(tǒng)勢在必行。

對于開發(fā)基于多源數(shù)據(jù)融合算法的華為鴻蒙的智慧農(nóng)業(yè)系統(tǒng)，提出了基于棧式稀疏自編碼器的傳感器數(shù)據(jù)融合探測網(wǎng)絡(luò)，利用堆疊稀疏自動編碼器（SSEAE）對數(shù)據(jù)進行無監(jiān)督學習，提取高維稀疏特征，并引入主成分分析方法（PCA）對特征進行壓縮降維，利用高斯核支持向量機分類器（SVM）進行最后的多源數(shù)據(jù)融合與數(shù)據(jù)判別；利用3個帶權(quán)重的長短期記憶網(wǎng)絡(luò)子模型（LSTM）子網(wǎng)絡(luò)對傳感器異常數(shù)據(jù)進行時間特征的提取并融合，并應(yīng)用 Dropout和BN層解決傳感器數(shù)據(jù)異常樣本少產(chǎn)生的過擬合問題。主要是從算法上想辦法做出突破。

在控制器上選擇市場上現(xiàn)有的BearPi-HM Nano。目前，鴻蒙操作系統(tǒng)的編譯過程是在Linux環(huán)境下進行的，這類似于常規(guī)的嵌入式開發(fā)方式。選擇使用虛擬機軟件VMware和Ubuntu系統(tǒng)作為編譯主機。利用開源的DevEco Device Tool工具及gn、ninja和scons等openHarmony的工程管理工具來編譯和管理鴻蒙的源代碼。最后通過DevEco Studio 來完成鴻蒙智慧農(nóng)業(yè)App的創(chuàng)建。

結(jié)果表明，可以通過鴻蒙開發(fā)平臺建立智慧農(nóng)業(yè)App，用BearPi-HM Nano接收處理傳感器和WiFi模塊所收集的信息，并對部分信息、數(shù)據(jù)進行處理。并且在算法上提出的創(chuàng)新點具有可行性。

1" 創(chuàng)新點及相關(guān)理論

本研究將綜合運用數(shù)字化管理理論、計算機技術(shù)、大數(shù)據(jù)技術(shù)、物流信息化管理專業(yè)技術(shù)、供應(yīng)鏈管理思想、數(shù)學方法、集成管理理論和協(xié)同學理論等多個領(lǐng)域的理論與方法，采用分析與歸納相結(jié)合、系統(tǒng)分析與比較分析相結(jié)合進行理論探索和技術(shù)實踐。

1.1" 傳感器數(shù)據(jù)融合探測網(wǎng)絡(luò)

基于棧式稀疏自編碼器的傳感器數(shù)據(jù)融合探測網(wǎng)絡(luò)， 主要是對基于PCA和SVM的改進數(shù)據(jù)進行檢測，通過采用SSEAE和標簽正規(guī)化分類器（LRC）來進行無監(jiān)督訓練和微調(diào)，然后利用PCA對自編碼器提取的特征進行壓縮降維，并將得到的特征送入SVM分類器中[1]。具體研究方法如圖1所示。

主要算法步驟如下。

假設(shè)用矩陣X=m×n，作為樣本集，用m表示樣本個數(shù)，n表示特征維度，如式（１）所示。PCA目標是將特征維度降到k維

計算樣本集Ｘ的協(xié)方差矩陣Ｃ，如式（２）所示

其中，

用特征值分解方法求出協(xié)方差矩陣C的特征值和特征向量，得到

C=QDQ-1" ， （5）

式中：Q為協(xié)方差矩陣；C為特征向量組成的矩陣；D為對角矩陣，其對角線上的元素為對應(yīng)的特征值[2]。

對特征值從大到小排序，選擇其中最大的k個。將每個特征值對應(yīng)的k個特征向量分別作為行向量組成特征向量矩陣F。

根據(jù)以上算式得到降維矩陣Y

Y=FXT 。 （6）

期望將約束優(yōu)化問題描述為

式中：w，b為分界面的參數(shù)，y*和x*為離超平面最近的點。

最后轉(zhuǎn)化為一個可以求解的凸二次規(guī)劃問題，也就是最小化||w||問題

1.2" TLSTM網(wǎng)絡(luò)的數(shù)據(jù)融合網(wǎng)絡(luò)

基于TLSTM網(wǎng)絡(luò)的數(shù)據(jù)融合網(wǎng)絡(luò)，利用3個帶權(quán)重的LSTM子網(wǎng)絡(luò)對傳感器數(shù)據(jù)進行時間特征的提取并融合，并應(yīng)用Dropout和BN層解決傳感器數(shù)據(jù)樣本少產(chǎn)生的過擬合問題[3]。

主要算法步驟如下。

， （13）

式中：J（？茲）為分類器的損失函數(shù)；？滋P為一個樣本批次在下一個隱藏層單元輸入的平均值；？滓■■為一個樣本批次在下一個隱藏層單元輸入的方差；i為輸入歸一化后的值；yi為最后通過等比例變化和偏移操作的值[4]。

2" 華為鴻蒙智慧農(nóng)業(yè)系統(tǒng)搭建

控制器部分，鴻蒙生態(tài)官方推薦的BearPi-HM Nano開發(fā)板搭載了高度集成的2.4 GHz WiFi SoC海思Hi3861RNIV100芯片，并載有豐富的外設(shè)資源及擴展接口，便于多應(yīng)用的開發(fā)和部署，并且其相關(guān)的應(yīng)用代碼與教程較為成熟，所以選擇BearPi-HM Nano作為控制器。接收處理傳感器和WiFi模塊所收集的信息，并進行部分信息、數(shù)據(jù)處理。

2.1" 編譯環(huán)境搭建

目前，鴻蒙系統(tǒng)編譯部分（圖2）在Linux系統(tǒng)下進行，因此跟一般的嵌入式開發(fā)類似，通過選擇虛擬機軟件vmware使用Ubuntu系統(tǒng)作為編譯主機，使用DevEco Device Tool及gn、ninja和scons等openHarmony工程管理工具來編譯以及管理鴻蒙系統(tǒng)代碼。

圖2" 基本編繹環(huán)境

2.2" Windows環(huán)境軟件準備

Bearpi-Nano開發(fā)板采用 USB-TypeC 轉(zhuǎn)串口的CH340芯片，因此需要安裝CH340芯片驅(qū)動，一般而言插上去系統(tǒng)會自動聯(lián)網(wǎng)搜索并安裝，只需等待幾分鐘，便可以在系統(tǒng)設(shè)備管理器看到識別出來的USB-SERIAL CH340 端口號。

可以使用終端工具MobaXTerm來連接Ubuntu系統(tǒng)和連接開發(fā)板。

由于眾多的日常軟件都只能在Windows平臺運行，因此為了方便學習可將Linux/Ubuntu系統(tǒng)安裝到虛擬機中，所謂虛擬機就是拿出部分硬件資源，構(gòu)建一部虛擬的機器，虛擬機同樣有硬盤、CPU、內(nèi)存和文件系統(tǒng)，所有這些東西都是從實際物理硬件劃撥出來的，但虛擬機對這些硬件資源做了很好地封裝和隔離，使之與宿主機（也就是Windows）可以各自獨立使用，極大方便了日常的學習。

由于當前鴻蒙系統(tǒng)的編譯環(huán)境是Linux，因此用Ubuntu系統(tǒng)作為編譯主機。

由于已經(jīng)擁有鴻蒙適配的開發(fā)板，所以可以直接通過DevEco Marketplace獲取小熊派智慧農(nóng)業(yè)發(fā)行版源碼。

2.3" 程序燒錄與調(diào)測

針對Hi3861，選擇海思官方推出的專門的燒錄工具HiBurn，最后通過運行程序代碼，會獲得如下數(shù)據(jù)運行信息，如圖3所示。

3" 網(wǎng)絡(luò)連接及App開發(fā)

傳感器這一部分，由于目前研究重點不在這一方面，所以選擇直接使用市場上現(xiàn)有的溫度、濕度和光照強度等傳感器來檢測環(huán)境參數(shù)的變化，使用紅外測溫模塊來檢測是否有飛禽，使用煙霧傳感器來檢測是否有火災(zāi)。

3.1" 網(wǎng)絡(luò)連接

網(wǎng)絡(luò)連接部分，由于消息隊列遙測傳輸（Ｍｅｓｓａｇｅ Ｑｕｅｕｉｎｇ Ｔｅｌｅｍｅｔｒｙ Ｔｒａｎｓｐｏｒｔ，簡稱MQTT）協(xié)議具有低開銷、低帶寬和即時性的特點，以及MQTT在物聯(lián)網(wǎng)、小型設(shè)備和移動應(yīng)用等方面的廣泛應(yīng)用，所以本項目使用MQTT協(xié)議作為主要通信協(xié)議傳遞和儲存信息。在控制器端，使用Hi3861RNIV100作為WiFi模塊，在手機端，編寫華為鴻蒙App也同樣需要使用MQTT協(xié)議。

MQTT消息服務(wù)器（MQTT Broker）部分（圖4），由于華為云具有較為穩(wěn)定、易用和資源豐富的特點，以及華為云的一些優(yōu)惠政策使其價格較國內(nèi)一些其他的云服務(wù)器更低，所以本項目選擇使用華為云作為服務(wù)器，來進行信息、數(shù)據(jù)的傳遞與儲存。

3.2" App的初開發(fā)

軟件部分，手機端App選擇使用DevEco Studio作為開發(fā)鴻蒙App的工具，本項目使用鴻蒙開發(fā)平臺接入華為云物聯(lián)網(wǎng)平臺，并進行數(shù)據(jù)收發(fā)。為了監(jiān)測農(nóng)業(yè)生產(chǎn)的狀況和環(huán)境，需要實時采集溫度、空氣濕度、光照強度和氣體濃度等諸多作業(yè)參數(shù)，需要科學布局環(huán)境監(jiān)測終端傳感器設(shè)備。通過集成溫度傳感器、濕度傳感器和光照傳感器等監(jiān)測環(huán)境的變化，并判斷當前環(huán)境參數(shù)是否在正常范圍內(nèi)。傳感器通過MQTT協(xié)議及時將數(shù)據(jù)上傳到華為云端，可手機端App獲取并分析信息，并可自動控制噴霧器、燈光等設(shè)施，讓空氣溫度、濕度和光照強度等達到農(nóng)業(yè)生產(chǎn)最佳狀態(tài)。為了更加合理、便捷地展示環(huán)境參數(shù)，需要設(shè)計一個界面友好的華為鴻蒙智慧農(nóng)業(yè)系統(tǒng)云平臺。

農(nóng)業(yè)從業(yè)者可以根據(jù)智慧農(nóng)業(yè)系統(tǒng)平臺實時了解農(nóng)業(yè)生產(chǎn)現(xiàn)狀的實際情況，現(xiàn)場數(shù)據(jù)將通過監(jiān)控畫面和圖表的形式呈現(xiàn)。手機App可以通過視頻和圖表數(shù)據(jù)實時反饋終端硬件設(shè)備操作情況，也可以進入軟件的日程管理頁面中添加設(shè)備的相關(guān)日程，例如在特定時刻進行遠程澆花，在夜晚打開燈光，并可以整合相關(guān)農(nóng)業(yè)知識和未來天氣情況，以圖文的形式為農(nóng)戶提供種植建議，并及時預(yù)防可能來臨的氣象災(zāi)害。

4" 結(jié)束語

本研究通過構(gòu)建數(shù)據(jù)融合數(shù)學模型，使用計算機語言開發(fā)數(shù)據(jù)處理模塊，開發(fā)調(diào)試相應(yīng)接口，并通過云平臺進行遠程消息實時傳輸，解決前段傳感器信息及時上傳及遠程控制的問題。接入智慧農(nóng)業(yè)華為云平臺，通過環(huán)境監(jiān)測和自動決策系統(tǒng)為農(nóng)業(yè)管理現(xiàn)代化提供信息化支撐。

參考文獻：

[1] 王毅星.基于深度學習和遷移學習的電力數(shù)據(jù)挖掘技術(shù)研究[D].杭州：浙江大學，2019：2-56.

[2] 許慧雅，楊楊.基于流量密度的無線傳感器數(shù)據(jù)融合方案[J]. 控制工程，2018，25（1）：165-169.

[3] 賈海濤.基于感知引導(dǎo)的數(shù)據(jù)融合算法研究[D].成都：電子科技大學，2012：7-23.

[4] 曹樸芳.基于非線性反正切函數(shù)的WSNs高效數(shù)據(jù)融合方案[J].武漢大學學報（理學版），2015，61（6）：531-536.