基于物联网技术的设施农业在线监控系统

2014-03-07张锋黄树州林继良

物联网技术 2014年2期

张锋+黄树州+林继良

摘要：运用物联网技术、嵌入式技术和云服务器技术设计一套基于物联网技术的设施农业在线监控系统，该系统能实时监测农业环境参数信息和作物生长状况，实现对分散在各地的温室环境进行状态监测、设备远程智能控制及实时的在线数据、图像视频查询与信息服务。从而使温室的环境适宜作物生长，提高资源利用率。

关键词：物联网；设施农业；无线传感器网络；监控系统

中图分类号：TP273+.5 文献标识码：A 文章编号：2095-1302（2014）02-0034-04

0 引言

设施农业是具有一定设施，能在局部范围内影响和改变环境气象因素，为农作物生长提供良好环境条件的农业，是农业发展的潮流和趋势。由于我国设施农业起步较晚，技术相对落后，农作物环境参数的控制还依赖于人工操作，工作效率低，并且环境参数的控制很难做到自动、精准控制。本文结合物联网技术的发展，设计一套智能监控系统，能实现对温室环境参数自动调节和管理。该系统通过实时检测温室内土壤和空气温、湿度、光照强度，CO2浓度等环境参数，并结合模糊神经控制算法来优化控制过程；监控系统将采集到的数据进行汇总、动态显示和分析处理[1]；根据作物种植需求提供声光报警和短信报警信息并以曲线的形式显示给用户[2]。最终使温室中调控符合标准化、数字化和网络化的特征，从而达到增加作物产量、提高经济效益的目的[3]。

1 系统的体系架构

智能监控系统主要有无线传感器网络、视频监控和监控终端3部分构成。系统框架如图1所示。

1.1 无线传感器网络

无线传感器网承担感知数据的任务，采集到目标数据后立刻通过无线的方式将数据传送给汇聚节点，连接传感器网络和后台PC的汇聚节点通过GPRS/3G等无线传输手段发送给监测终端，终端用户通过回传数据进行汇总、分析，从而作出决策[4-5]。另外，为了保证温室大棚内的环境适合作物的生长，控制器中加载预先设计好的控制策略程序。通过对执行机构的控制，保证作物生长的最佳环境以及出现故障及时报警，通知监控中心操作人员。

图1 系统框架图

1.2 视频监控系统

监控现场摄像头实现图像的采集，并把采集的图像信息传送给嵌入式视频服务器。服务器采集到的图像进行压缩编码，并通过3G无线网络进行传输。客户端主要完成图像的接收和解码，用户可以通过浏览器访问嵌入式视频服务器来观看摄像头采集到的图像，从而实现远程视频监控。

1.3 监控终端

监控终端采用上、下位机控制方案，下位机以Tiny6410开发板为核心，综合利用GPRS无线网络技术、自动化控制技术，对环境参数实时采集，通过GPRS/3G等无线网络技术将数据上传到网上，上位机客户端实时从网络提取数据，时刻保持对设施农业实时监控。

2 系统硬件关键模块的设计

该系统由无线传感节点、控制节点、无线路由节点、协调器节点、无线网关、监控中心等6大部分组成。图2所示为本系统的硬件结构图，图中，每个传感节点自动采集墒情信息，并结合预设的环境参数上下限进行分析，判断是否需要执行动作及何时停止。传感器网络分布于监测区域内，将采集到的数据发送给就近的无线路由节点，路由节点根据路由算法选择最佳路由，建立相应的路由列表，其中列表中包括自身的信息和邻居网关的信息。无线网关负责无线传感器节点的管理。通过网关把数据传给远程监控中心，监测中心可以通过 PC、智能手机或者任何具有浏览器功能的设备可对 Web 服务器发布的数据进行查看。

图2 系统硬件结构图

2.1 传感器模块

DS18B20是种新型数字温度传感器，仅占一根I/O数据线传输数据。其测量范围为-55～125 ℃，在-10～85 ℃之间精度为±0.5 ℃，测量数据准确可靠。HS1101是电容式湿度传感器，精度为2%，具有良好的线性输出，LX1970是一种可见光亮度传感器，该传感器外围电路简单，具有微功耗、低压供电的特性。

2.2 网络节点硬件电路设计

传感器节点、控制节点、路由节点、协调器节点在硬件设计上结构基本相同。他们之间通信采用基于ZigBee技术的CC2530实现。CC2530是 TI公司推出的最新一代ZigBee标准芯片，它集 8051处理器和射频收发模块于一体，同时还具有丰富的 GPIO 以及 7 路 12 位 A/D，使得系统可在最少外围、最低成本的设计中进行[6]。

2.3 网关硬件电路设计

考虑到网关数据较大，网关选用友善之臂公司生产的 Tiny6410 开发板为硬件平台，该开发板内部集成了强大的多媒体处理单元，能对其中设备进行控制管理。该嵌入式网关连接内、外信息传输通道皆采用无线的方式，外部网络以基于IP网络技术、提供通用分组无线业务的GPRS通信网络为基础[7]。内部网络采用短距离、低功率ZigBee 无线通信技术，结合农业领域专用系列传感器对农产品生长环境中的温湿度、光照以及CO2等数据进行采集和传输。

3 系统软件设计

系统的软件设计包括下、上位机软件设计。下位机软件设计主要包括数据采集、数据处理、数据通信、智能控制等模块。上位机软件设计主要包括智能管理系统和通信管理等功能模块。

3.1 下位机软件设计

下位机主要由传感器、执行机构和数据采集控制器构成，负责对环境参数实时检测和调节。并通过GPRS/3G通信网络将数据传给上位机。

3.1.1 系统主程序

系统主程序包括数据采集、数据通信、数据处理、无线收发、电源控制等模块。其流程图如图3所示。

图3 下位机主程序流程图

主程序由C语言编程，主要是实现ZigBee协议的移植，数据采集、处理和发送本节点数据，转发网络中其他节点数据，汇聚节点通信以及实现控制命令的发送、接收和执行等功能。

3.1.2 数据采集节点/控制节点程序设计

各传感器节点/控制节点加入网络后，路由节点进入信道侦听模式，而数据采集节点和控制节点进入休眠模式[8]。当数据采集节点收到采集命令，传感器开启采集的工作模式，延时等待发送命令，并根据相关命令把采集到数据发送给父节点，发送数据结束后，传感器节点再次进入休眠模式。如果延时结束仍未收到发送命令，那么说明通信出现了故障[6]。而控制节点程序设计与传感器节点类似。只是它收到父节点发送过来的控制命令后，去控制执行机构而已。其程序图如图4所示。

3.1.3 数据处理子程序的设计

研究表明，决定作物生长是一个时间段内平均水平，不是某一个固定的时间点。为此，系统并不是设定一个固定值，而是在最高和最低范围内变化，以求在一个较长时间内达到理想的平均值[1]。

另外，控制策略的选择也和不同时间段有密切关系，比如，白天和夜晚就选择不同的控制策略。数据处理程序图如图5所示。

图4 传感器节点/控制节点子程序图

3.1.4 基于模糊神经网络的控制决策子程序

由于温室系统是一个非线性、多变量的复杂系统。经典控制理论很难到达满意的控制效果，因此，模糊控制算法成为了我们的首选[7]。设计模糊神经网络控制器主要包括确定模型的输入/输出个数、模糊神经网络的层数、神经元的激励函数和去模糊化的方法等。考虑到影响作物生长主要因素为温度和湿度。那么，模糊神经网络的控制器输入个数为2 ，采用4输入量，即温、湿度误差和温湿度误差变化率[9]。其程序流程图如图6所示。

图5 数据处理子程序图

图6 控制决策子程序图

3.2 上位机软件设计

上位机主要由基于云技术通信管理模块和智能管理系统两部分构成。采用Java编译上位机程序，数据管理采用SQL Server 2005。

3.2. 1 基于云服务器的通信管理模块

云服务器是一种基于Web服务，提供弹性云技术，整合了计算、存储与网络资源的IAAS服务[10]。云服务器中运行着多个服务性软件。例如，使用Java写的Web Service。Java编写的服务端，专门处理并发请求数据的软件以及并发性处理嵌入式终端发过来的数据，并储存到数据库中等常见的服务性软件。在开发板上完成Socket编程流程、完成绑定、监听、等待连接请求操作之后，一旦有客户机连接请求，马上又创建一个新的线程，用来专门处理该连接请求，从而构成了并发服务器。

本系统中服务器要不断向浏览器发送图像数据，采用了Server Push（服务器推送技术）。实现Server Push技术只需要在服务器的CGI脚本声明HTML文档类型时，把content-type： text/html改为content-type： multipart/x-mixed-replace； boundary=BOUNDARY这样的文档类型即可，这样就可以将CGI脚本中指定的数据强行推给客户机，客户机的浏览器上会不断产生新的内容，从而用户在浏览器上看到的是动态的视频。

3.2.2 基于Java的智能管理系统

智能管理系统采用模块化设计，用Java编程。包括用户管理模块、控制模块、网络通信模块、查询分析模块、专家决策系统模块以及参数设置模块。系统构架如图7所示。

图7 智能管理系统构架

用户管理模块是为不同的用户赋予不同的权限，包括密码修改、增删用户等功能。控制模块控制温室设备的开启及停止时间和监控设备运行状态。网络通信模块控制网络的链接状态。查询分析模块数据查询用于查询室外、历史、实时数据，通过图表方式展现给管理人员分析，诊断分析出作物不同生长周期，不同季节的最佳环境参数。专家决策模块根据查询分析所得数据结合农作物生长发育函数，实现作物的长势预测、病虫害预测及各种控制决策提供依据。参数设置模块是根据农作物不同种类、不同季节等信息设置报警参数，当某数据超越报警参数，及时给管理人员、专家发送报警信息，已达到及时调节，避免外界环境的变化给农作物带来不利影响等效果。

4 结语

本系统在广东石油化工学院创新温室大棚中投入使用，设置了5个节点（1个主节点，4个从节点）。经过一年测试，系统运行稳定、可靠，能准确地采集设施农业环境参数。系统采集参数指标如下：

空气温度：16.8～26.08 ℃，误差为±0.5 ℃；

空气湿度：52.3%～75%RH，误差为±2%；

土壤温度：21.6～23.7℃ ，误差为±0.5 ℃；

土壤湿度：72.9%～75.6%RH ，误差为±3%；

光照强度：1 800～20 000 Lux，误差为±20%；

二氧化碳浓度：700 ～1 200 ppm，偏差为30 ppm。

结合上位机，本系统的客户端能设置作物信息和报警参数，能根据查询分析数据诊断出作物生长状态，并能远程智能控制执行机构。该系统的使用为植物提供一个适宜的生长环境，对提高农业生产水平具有重要的现实意义。

参考文献

[1]马增炜，马锦儒，李亚敏.基于WIFI的智能温室监控系统的设计[J].农机化研究，2011（2）：154-157+162.

[2]宣传忠. 基于物联网技术的设施农业智能管理系统[J].农业工程，2013，3（2）：22-26.

[3]侯加林. 基于作物生长模型的温室智能控制系统[J].农机化研究，2009（2）：71-73+103.

[4] 华晶，何火娇，殷华. 基于WSN的农业温室环境监控系统[J]. 农机化研究，2013（11）：135-139.

[5] 常超，鲜晓东，胡颖.基于程环境监测系统设计[J].传感技术学报，2011，24（6）：879-883.

[6]张青春.基于CC2530农作物生长参数监测无线传感器节点的设计[J].制造业自动化，2013，35（1）：44-47.

[7] 丁欣，孙智卿，郭鹏举. 基于ARM 的智能温室控制系统[J].山西农业大学学报，2010，30（1）：56-60.

[8]张水保，徐守志，李丰杰.智能温室远程监控系统设计[J].三峡大学学报，2012，34（2），76-79.

[9] 张素，刘宇，谢云芳. 基于遗传算法的模糊神经网络温室温度控制器[J]. 农机化研究，2009（10）：165-168.

[10] 刘坤 .基于云服务器的信息安全虚拟实验平台的研究与实现[J].计算机安全，2013（3）：70-73.

Online monitoring system for facility agriculture based on IOT

ZHANG Feng， HUANG Shu-zhou， LIN Ji-liang

（College of Computer and Electronic information， Guangdong University of Petrochemical Technology， Maoming 525000， China）

Abstract： A facility agriculture online monitoring system based on IOT has been designed with IOT technology， embedded technology and cloud server technology. The system can real-time monitor the agricultural environment parameters and growth condition of crops， and realize the monitoring of the scattered greenhouse environment condition， intelligent remote control of the device， query and information services of image video and data online. Thus the greenhouse environment is suitable for crop growth and resources utilization is improved.

Keywords： IOT； facility agriculture； wireless sensor network； monitoring system

[5] 常超，鲜晓东，胡颖.基于程环境监测系统设计[J].传感技术学报，2011，24（6）：879-883.

[6]张青春.基于CC2530农作物生长参数监测无线传感器节点的设计[J].制造业自动化，2013，35（1）：44-47.

[7] 丁欣，孙智卿，郭鹏举. 基于ARM 的智能温室控制系统[J].山西农业大学学报，2010，30（1）：56-60.

[8]张水保，徐守志，李丰杰.智能温室远程监控系统设计[J].三峡大学学报，2012，34（2），76-79.

[9] 张素，刘宇，谢云芳. 基于遗传算法的模糊神经网络温室温度控制器[J]. 农机化研究，2009（10）：165-168.

[10] 刘坤 .基于云服务器的信息安全虚拟实验平台的研究与实现[J].计算机安全，2013（3）：70-73.

Online monitoring system for facility agriculture based on IOT

ZHANG Feng， HUANG Shu-zhou， LIN Ji-liang

（College of Computer and Electronic information， Guangdong University of Petrochemical Technology， Maoming 525000， China）

Keywords： IOT； facility agriculture； wireless sensor network； monitoring system

[5] 常超，鲜晓东，胡颖.基于程环境监测系统设计[J].传感技术学报，2011，24（6）：879-883.