基于邊緣計算在智能溫室中的研究與應用

摘 要：近年來，隨著物聯網、5G和人工智能技術的快速發展，對實時性和數據隱私的需求日益增長，催生了邊緣計算的概念。邊緣計算技術逐漸在物聯網領域中得到廣泛應用，對推動社會發展、改善人們生活以及促進工業和農業數字化轉型起到了重要作用。在農業領域，針對溫室種植的智能化需求，傳統的智能溫室系統多采用集中式數據處理方式，這種方式存在數據處理能力有限、數據傳輸延時長、數據隱私性差等缺點。為解決這些問題，提出將邊緣計算技術引入智能溫室系統，利用邊緣計算技術的去中心化和分布式結構，改進傳統智能溫室系統的數據傳輸方式。通過在邊緣設備上進行實時數據處理，避免了數據傳輸過程中造成的資源浪費和安全性低等問題，從而實現了智能溫室系統的進一步優化，為產業結構的優化升級提供了有力支持。

關鍵詞：農業智能化；邊緣計算；云計算；智能溫室；物聯網技術；智能決策技術

中圖分類號：TP399 文獻標識碼：A 文章編號：2095-1302（2025）08-0-03

0 引 言

近年來，物聯網技術飛速發展，已深入滲透到人類生活的方方面面。物流運輸、城市軌道、交通監控、醫療衛生、災害預警、農林管理等多個領域的蓬勃發展都離不開物聯網技術的支持[1-2]。農業作為我國三大產業中的第一產業，是立國之本、強國之基。當前，我國農業已進入高質量發展階段，正逐步向現代化推進[3]，但尚未完全實現智能化，因此仍需不斷努力推進農業的高質量發展。

隨著物聯網技術的快速發展，傳感器、云計算、邊緣計算、人工智能等技術不斷應用于人類生活，一系列智能化產品應運而生，深刻改變了人們的生活方式。智能溫室作為一種高效、精準、可控的農業生產方式，正逐步成為農業現代化的重要標志，已經實現了對溫室環境的實時監測和智能控制。然而，傳統的集中式數據處理方式在智能溫室中面臨數據處理能力有限、數據傳輸延時長等問題。針對這些問題，本文將邊緣計算模型引入智能溫室系統。邊緣計算技術能夠實現對溫室環境數據的實時采集、分析、控制和決策，為作物提供精準適宜的生長環境和營養支持。通過將計算、存儲、網絡等資源分配到網絡邊緣，利用邊緣計算實現了數據的實時處理、實時分析和快速響應，從而有效減輕了服務器傳輸數據的通信壓力，降低了數據傳輸延時，并顯著提高了系統的響應速度。

1 邊緣計算

1.1 定義

邊緣計算是一種分布式計算模型，其核心思想是在靠近物或數據源頭的一側，構建集網絡、計算、存儲和應用核心能力于一體的開放平臺，就近提供最近端服務。邊緣計算將數據處理和計算任務推向網絡邊緣，在靠近數據源頭的地方進行處理，從而有效減少數據傳輸的延時和帶寬需求[4]。

圖1所示為邊緣計算的基本架構。

1.2 相關技術

（1）數據存儲技術：邊緣計算設備作為最靠近數據源的終端，每時每刻都會接收傳感器產生的數據，因此在應用過程中會產生大量數據，這對邊緣計算的數據存儲能力提出了較高要求。邊緣計算針對傳感器產生的數據和待計算數據，通常采用以下三種技術進行存儲：

第一種：對于實時性要求較低的數據，采用云邊協同技術存儲[5]；

第二種：對于實時性要求較高的數據和待計算數據，通過模型壓縮等技術減少數據量，將關鍵數據存儲在邊緣存儲系統中，同時實現數據在邊緣側的共享[6]；

第三種：對于實時性極高的數據，采用流計算技術，實時對數據流進行連續分析，無需提前存儲數據。

（2）數據處理技術：邊緣計算中的數據處理技術主要分為批處理技術和流處理技術。邊緣設備在處理數據時，大部分情況下采用批處理技術，即在數據采集后錄入數據庫，最后進行處理。而流處理技術則能夠實現數據的實時處理，最大限度地減少響應時間。

（3）智能決策技術：邊緣計算中的決策技術主要分為兩種，分別是分布式AI自主決策和云邊協同決策。

分布式AI自主決策：通過在邊緣計算節點上部署AI算法，利用多個計算節點構成一個系統，根據系統的整體情況對未來發展趨勢進行預測并做出決策。

云邊協同決策：在面對復雜且困難的問題時，通過邊緣設備向云端傳輸數據，結合邊緣設備的快速響應能力和云端的全局視角，對當前問題進行分析和決策。

1.3 特點

邊緣計算作為一種新興的計算模式，具有低延時、高帶寬、數據隱私和安全性高、離線工作能力強、拓展性強、節能環保、可靠性高以及應用范圍廣等特點，具體如下：

（1）低延時：邊緣計算設備能夠直接在數據源附近處理數據，無需將數據傳輸到遠程數據中心，避免了數據傳輸過程中的延時，從而顯著減少了數據傳輸和響應時間。

（2）高帶寬：采用分布式計算架構，能夠在多個邊緣節點之間共享計算和存儲資源，從而提供更高的帶寬和更大的吞吐量。

（3）數據隱私和安全性：將數據處理和存儲推向離用戶更近的邊緣設備，降低了數據在網絡傳輸過程中的暴露風險。同時，邊緣設備支持數據加密和安全認證，進一步保障了用戶數據的安全性和隱私[7-8]。

（4）離線工作能力：邊緣設備具備一定的計算和存儲能力，能夠在斷網或網絡不穩定的環境下獨立工作，具有很高的穩定性。

（5）應用范圍廣：邊緣計算可以根據不同的應用需求，靈活地部署和配置邊緣節點，支持各種分布式應用環境。這些應用既可以獨立運行，也可以協同工作。

（6）強拓展性：邊緣計算能夠根據不同的需求進行動態調整和資源分配，支持實時通信和決策，同時支持遠程監控和實時分析。

（7）節能環保：通過將部分計算任務從傳統的云數據中心轉移到邊緣設備上，在數據源附近進行數據處理，大幅減少了數據傳輸的需求，從而降低了數據中心的能耗和碳排放。

基于邊緣計算的特點，其在自動駕駛、智能電網、預測性維護、醫療監控、云游戲、內容下載、智慧城市、智能家居等多個領域都有廣泛的應用[9]，尤其適用于需要實時數據分析、低延遲響應或對數據隱私性要求較高的場景。與傳統計算模式相比，邊緣計算能夠有效降低網絡擁塞、增強數據隱私和安全性、提高應用程序的可靠性，并減少云計算資源的負載。

2 傳統智能溫室

智能溫室是基于物聯網、無線通信網絡、傳感器等技術構建的一套智能溫室管理系統，是設施農業的高級形式[10]。該系統通過在溫室內部署多種傳感器，能夠準確監測溫室內的溫度、濕度、光照、肥料、土壤水分、二氧化碳體積分數以及蟲害等信息，并根據不同作物的需求對環境進行動態調整，以達到作物生長的最優條件，從而減少蟲害、提高產量并實現農業自動化。溫室智能化使環境控制更加精準，在農作物種植過程中，許多生產環節可以實現自動化，節省人力成本并提高生產效率。

傳統的智能溫室系統通過傳感器檢測生物環境的實時數據，并將數據通過網絡傳輸到數據中心，用戶在數據中心對數據進行處理并做出決策。然而，這一過程中數據需要經過網絡傳輸，因此會產生一定的延時。此外，大量數據的傳輸可能導致服務器擁堵，影響計算速度，無法充分利用計算資源。同時，數據在傳輸過程中的安全性和隱私性也難以得到充分保障。盡管傳統的智能溫室系統在一定程度上實現了自動化并提高了生產效率，但其在速度、性能以及數據隱私和安全性方面仍有改進空間。

3 模型研究

針對傳統智能溫室系統存在的問題，結合邊緣計算模型的優點，本文將邊緣計算應用于智能溫室中。通過分布式部署智能傳感器，實現傳感器之間的數據傳輸。當傳感器檢測到數據后，能夠自主進行決策，例如施肥、灌水、除蟲等操作。每個邊緣設備將數據保存在自身內存中，同時將數據上傳至服務器。用戶可以通過服務器監控每個傳感器的狀態和數據信息，但實際決策由邊緣設備自主完成。

在傳統的智能溫室系統中，傳感器將數據傳輸到云服務器，設備本身不具備自主決策能力。如果需要執行某項決策，必須通過服務器傳輸數據。然而，由于數據量龐大，容易造成通信堵塞，給服務器帶來巨大壓力。此外，數據傳輸過程中會增加能耗，且數據的安全性和隱私性難以保障。相比之下，本文提出的基于邊緣計算的智能溫室模型，有效解決了上述問題，提升了溫室中數據處理的速度和性能，減輕了服務器壓力和能耗，同時保障了數據的隱私和安全性。

圖2展示了基于邊緣計算的智能溫室網絡架構。該架構分為三層：

最底層為邊緣設備層，包括濕度、溫度傳感器等，直接對物理環境進行檢測和數據處理。傳感器之間可以交換和共享數據，為自主決策提供條件。

中間層為服務器層，作為用戶與傳感器之間的橋梁。傳感器將實時采集的數據發送至服務器，用戶可以通過服務器發送指令來調整傳感器的操作。

第三層為用戶層，用戶作為架構的最高層，可以實時監控和修改數據，實現對智能溫室的人為控制。

4 未來展望

隨著科學技術的快速發展，邊緣計算作為繼云計算之后的一種新型計算模式，正逐漸應用于各個領域，加速推動社會和工農業的數字化改革。在智能溫室領域，邊緣計算的應用尤為引人注目，因為它能夠有效解決數據傳輸延時和帶寬限制等問題，實現數據的實時處理和快速決策，從而優化溫室內的作物生長環境，實現高效、優質的作物產出，對推進農業智能化具有重要意義[11]。

未來，邊緣計算在智能溫室中的應用將展現出更加廣闊的發展前景。隨著物聯網技術和人工智能技術的不斷成熟，溫室內的傳感器數量將大幅增加，結合深度學習算法進行分析和預測，有望實現更高水平的農業自動化。這對數據處理能力提出了更高要求，而邊緣計算的優勢在于能夠在數據源頭進行初步處理，減輕云端服務器的負擔，同時確保數據的實時性和準確性。因此，邊緣計算在未來智能溫室的發展中具有巨大的潛力[12]。隨著科學技術的進步，基于邊緣計算的智能溫室系統將成為現代農業的重要組成部分，持續推動農業智能化的發展。

5 結 語

本文介紹了邊緣計算技術的相關特點及其優勢，并將邊緣計算技術引入智能溫室系統。通過利用邊緣計算的分布式結構，解決了傳統集中式數據處理方式中存在的數據處理能力不足、數據安全性低以及數據響應慢等問題。

盡管本文提出的模型在一定程度上解決了傳統智能溫室系統中的部分問題，但仍存在改進空間。未來可以引入人工智能算法，輔助邊緣設備進行更精準的決策，從而為作物提供更加適宜的生長環境，進一步推動農業的自動化和智能化發展。

參考文獻

[1]徐佳，范露露，劉婧怡，等.以服務滿意度為目標的車載邊緣計算調度優化[J/OL].小型微型計算機系統：1-9 [2024-06-05].http：//kns.cnki.net/kcms/detail/21.1106.TP.20240527.1540.008.html.

[2]周楠，蔡頔，劉凱倫，等.基于邊緣云計算的移動端電力數據交互技術研究[J].電子設計工程，2024，32（10）：87-91.

[3]楊光，馬巍，陳立蘭，等.智能溫室控制系統數據庫的建立與研究[J].農業與技術，2024，44（9）：51-55.

[4]朱斌，劉東，劉天元，等.邊緣計算在電力系統供需互動應用的研究進展與展望[J].電網技術，2024，48（10）：4327-4341.

[5] HE D， KUMAR N， ZEADALLY S， et al. Certificateless provable data possession scheme for cloud-based smart grid data management systems [J]. IEEE transactions on industrial informatics， 2018， 14（3）： 1232-1241.

[6] JIN H， LUO R K， HE Q， et al. Cost-effective data placement in edge storage systems with erasure code [J]. IEEE transactions on services computing， 2023， 16（2）： 1039-1050.

[7]葉文慧，王金花，張文政，等.移動邊緣計算場景下基于身份的安全認證密鑰協商協議[J].通信技術，2024，57（4）：400-408.

[8]陳司南，沈艷.基于移動邊緣計算的位置隱私保護策略的研究[J].計算機工程，2024，50（11）：223-235.

[9]汪沄，湯冬劼，郭開誠，等. gEdge：基于容器技術的云邊協同的異構計算框架[J].計算機學報，2024，47（8）：1883-1900.

[10]劉曉帆，田桂欽，靳艷革，等.基于物聯網智能溫室大棚在蔬菜種植中的應用[J].長江蔬菜，2024（8）：73-75.

[11]李鵬，習偉，李鵬，等.基于邊緣計算的配電網數字化轉型關鍵問題分析與展望[J].電力系統自動化，2024，48（6）：29-41.

[12]王智，夏樹濤，毛睿.基于邊緣智能的沉浸式元宇宙關鍵技術與展望[J].大數據，2024，10（1）：35-45.