物联网智能农业系统在果蔬种植中的应用

濮永仙

(德宏师范高等专科学校计算机科学系　德宏　678400)

物联网智能农业系统在果蔬种植中的应用

濮永仙

(德宏师范高等专科学校计算机科学系德宏678400)

摘要因引入基于物联网技术的智能农业系统,能加快我国迈向现代化农业的进程,为此设计开发了物联网智能农业系统。通过开发具备基于支持向量机的病害预警诊断、生产的智能化管理、产品溯源等功能的软件系统,同时在田间合理布置各种传感器、摄像头、可控设施,并应用了3G、GPRS、ZigBee等物联网技术,从而实现农业生产一体化的智能管理系统。该物联网智能农业系统应用于黄瓜示范生产,起到了预警诊断病害,智能、精细地控制棚内肥水、农药、温湿度等生产要素,以及产品安全溯源等功效,若大范围应用,将会产生较好的经济效益。

关键词物联网; 智能农业系统; 产品溯源; 瓜果生产

Class NumberTP302

1引言

2015年“中央一号文件”指出:中国农业必须尽快从主要追求产量和依赖资源消耗的粗放型经营方式转到数量、质量、效益并重,可持续发展的集约型生产方式上来,走产出高效、产品安全、资源节约、环境友好的现代农业发展道路。智能农业是将人工智能、通信、计算机和农学等学科相结合,利用传感器及监控设备采集影响作物生长的信息,通过智能专家系统分析,并指导作物生产的过程。智能农业系统由田间信息采集、信息管理与分析、经分析做出决策、由决策决定具体实施方案共四个步骤组成。其中,对农田信息的快捷、准确获取是实现智能农业的关键,否则将无法建造真正的智能农业[1]。物联网作为现代信息技术发展的产物,具有全面感知、可靠传输、智能处理等特征[2～3],将其用于农业生产,可为实现田间信息采集、远程监测、控制等提供可靠保障。目前,物联网技术已在不少领域深入应用了[4～7]。将物联网技术与智能农业相结合,通过在田间合理部署各种传感器、网络传输设备、环境控制设施等,实时采集影响作物生长的环境参数,传至上位机,依托智能专家系统对采集的信息进行分析,依据设置的各参数阈值,自动开启或关闭可调控设备(遮阳帘、浇灌、风机、加热器等),对作物生长的环境进行智能化调控。此外,应用物联网技术对作物产品的生长、运输、加工、消费等环节进行监控、跟踪,从而实现产品质量安全溯源服务。物联网技术与智能农业系统的珠联璧合,不但可最大限度提高农业现实生产力,而且是实现优质、高产、低耗和环保的可持续发展农业的有效途径。

基于物联网智能农业的果蔬种植系统包括软、硬件两部分,软件开发含三个服务平台,依托智能专家系统,分别为基于支持向量机的病害预测、生产智能管理、溯源交易等服务平台。通过合理布置无线传感器,融合无线网络,以及物联网技术与软件平台的具体应用,在果蔬生产中对肥水、温湿度、农药等农资要素进行精细化、智能化控制,从而实现果蔬生产的智能化管理。

2物联网智能农业系统在果蔬生产中的应用

2.1智能专家系统构建

智能专家系统是人工智能的一个重要分支,是用人工智能的方法来模拟专家的特性,以便使电脑能象专家一样来解决问题。智能专家系统=知识库+推理机,任务是将人类专家的知识和经验以适当的形式存入知识库,用户提供数据给专家系统,通过适当的推理算法,相应地得到专家系统的判断和决策。其中,知识库是专家系统的核心部分,是问题求解的知识集合,推理机是专家系统运用知识对数据进行推理的逻辑核心,它控制着知识库中的知识,对综合数据库中的数据进行推理,以得出新的结论。

在作物生长过程中,不同作物对环境因素的需求各部相同。依据智能专家系统原理,将作物专家具有的作物生产经验知识创建专家系统,利用物联网技术对影响作物生长的环境因素进行采集、通过推理机推理,得出决策,实现对棚内设备进行调控,使作物生长在最佳的环境中。本文依据领域专家知识创建了基于支持向量机的病害预测、生产智能控制、产品质量溯源等智能服务平台。平台采用B/S三层体系结构,在Windows NT Server平台下使用,SQL Server 2008为数据库管理系统,采用Visual C#.NET编程语言,整个软件分病害诊断、生产智能管理、溯源等服务平台,平台包括表现层、业务层、数据访问层和数据库四个层次。数据访问用于所有业务层与数据库之间的数据管理,是一个公共层,由数据访问组件与数据库连接组件构成,业务层根据不同的管理对象建立不同的业务组件,如用户注册管理组件、信息采集组件、实施控制组件等,还可根据实际需求的变化方便地增改组件,易于系统的维护和升级[8]。

2.2基于支持向量机的果蔬病害预测

实现果蔬病害预测,是有效防治和控制病害发生发展,减少农药施用和生产无公害果蔬的最佳途径。影响果蔬病害发生的因素较多,包括气象、自然环境、本身表现出的密度和非密度制约因素等。其中,气象因子与病害密切相关,如棚内湿度、温度不适是造成病害发生和蔓延的主要原因。如黄瓜种植中常见病害有:霜霉病、灰霉病、褐斑病、炭疽病等,且每种病害有其独特的生长习性。其中,霜霉病在温度为20℃～25℃、相对湿度为70%～85%时最可能发病;灰霉病在低温18℃～23℃、相对湿度94%以上、光照不足时容易发病;炭疽病在生长中后期发病较重,主要危害叶片,当湿度高达87%～95%时发病迅速。

因气象因子与病害不具备线性关系,若用数理统计方法找出气象因子与病害之间的某种函数关系有一定难度。而支持向量机是Vapnik等根据统计学理论中结构风险最小化原则提出的一种模式识别方法,它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势[9～11]。

支持向量机的基本原理是:如有两类线性集合D={(x1,y1),(x2,y2),…,(xi,yi)},x∈Rd,y∈{-1,1}为保证对所有样本均正确分类,要求满足如下约束:

yi[ω·x+b]-1≥0(i=1,2,…,n)

(1)

式中ω为分类面权系数向量,此时最大化分类间隔等价于式(1)约束下,求式(2)的最小值。

(2)

解决约束最小化问题引入Lagrange函数,有:

(3)

将原问题变为对偶问题,有

(4)

式中a为Lagrange乘子,若a*为最优解,则

(5)

式中s为训练样本下标集合,其相应的分类阈值为b*,xs为特定的支持向量。解上述问题得最优分类函数。

(6)

对线性不可分问题,只需加一个松弛变量ξi,此时约束条件为

yi[ω·xi+b]≥1-ξi

(7)

目标函数变为

(8)

式中C为惩罚因子,控制着对错分样本惩罚度的作用。对非线性的解决是定义一个核函数k(xi,xj),使其在高维空间线性可分,k(xi,xj)=〈φ(xi),φ(xj)〉,相应的分类函数变为

(9)

常用的核函数有线性核函数、多项式核函数、径向基核函数、Sigmoid核函数等。

实践证明,对同种病害发生发展的气象、气候等一些自然条件是稳定的,本文以最高温度、最底温度、平均温度、最高湿度、最底湿度、平均湿度、光照强度共七个因素为输入参数,以作物病感指数为输出。规定将病感指数的计算分别见表1病害分级标准和式(10)。

表1　病害分级标准

×100%

(10)

本文选择黄瓜常见病害:霜霉病、炭疽病、褐斑病、灰霉病共四种为对象,收集样本400个,每种病害100个,在Matlab2009a环境下用Matlab语言编程进行仿真实验。为加快分类收敛性及泛化能力,其输入参数采用最大最小规格化方法将特征向量数据进行归一化处理。分类器选用SVM的一对一投票策略实现预测结果识别。共训练k(k-1)/2(k为类别数取4)个二值分类器,在分类时采用了打分策略,分别用训练过程得到的k(k-1)/2个分类器进行测试,每个结果为1分,累计各类别得分,选择得分最高的为测试类别。采用SVM中径向基核函数K(x,y)=exp(-γ|x-y|2)作为核函数,经多次实验其参数C=50,γ=0.125效果较好,输出采用十进制编码输出,0代表正常,1代表轻,2代表偏轻,3代表中,4代表重,5代表偏重,共六种输出。

采用同样的数据,构建并训练基于遗传算法优化BP神经网络的识别模型,最后用BP神经网络的三层结构BP(7,23,6)表示,即输入层节点数为7,输出层为6,隐含层节点数通过试凑法选定为23。

为比较识别结果,引入四种病害的平均绝对误差、均方差及平均绝对百分比误差作为评价指标,结果如表2所示。

表2　支持向量机/利用BP神经网络识别结果比较

从表2可知,支持向量机的识别精度要比用遗传算法优化后的BP神经网络模型的高。通过物联网技术实时获取作物生长的气象参数,用支持向量技术进行预测,这样提高了诊断的效率和精准度,为作物保护智能化、变量喷药等提供了科学依据。

2.3生产智能管理平台

作物生产智能管理平台由视频监控、作物生长环境监测、数据存储分析及远程控制系统组成。视频监控系统用于定点、定时地观测作物生长情况,该系统包括远程Web在线查看、视频数据存储、回放等功能。作物生长环境监测是实现智能管理的基础核心部分,用于定量、定时、定区域地监测影响作物生长的环境关键因素。控制系统主要由控制设备和相应的继电器控制电路组成,软件为作物生产自动化控制预留了端口,用户可利用智能终端设备(程序自动完成)远程控制棚内可控设施,以实现作物生产环境的智能化控制。基于以上功能要求,本文以物联网传输技术为核心,设计了物联网智能农业大棚作物生产智能控制系统,其结构图见图1物联网大棚作物生产智能管理系统。通过该系统,可定时采集棚内的环境参数,如光照强度、CO2浓度、温湿度、土壤元素含量、作物长势等信息,采集的信息通过无线方式上传至以专家系统为主的上位机数据处理系统中,进行存储、分析,使生产管理者可通过智能终端查看监控区域的详细信息、分析结果、决策建议等。同时,应用远程控制功能,并结合专家系统与实际生产需求,执行上位机或用户智能终端设备发来的命令,开启或关闭可调控设施(喷淋、抽风机、加热器等),以创造适宜作物生长的最佳环境。

图1　物联网智能农业大棚果蔬生产控制系统

不同果蔬在不同生长时期,所需的环境因素各不相同,如黄瓜生长的适宜温度为15℃～32℃,在不同生长期对温度的要求又不同,如种子萌芽期适宜温度为28℃～32℃;幼苗期,白天的温度在晴天不应超过24℃～28℃,阴天不应低于18℃～22℃,而在夜晚不应低于12℃～17℃;开花结果期,白天温度不能低于20℃,25℃～30℃温度条件下果实生长最快。若气温、地温过低,会导致种子发芽、出苗延迟,会导致苗黄、苗弱,生长受阻,或发生猝倒病、根腐病等多种病害。此外,黄瓜的根系对地温比较敏感,最适温度为20℃～25℃,地温降至12℃以下,根系生长受阻会引起下部叶片发黄,地温过高,超过32℃～35℃,根系生长受阻。软件系统中大棚自动控制部分可根据需求提前设定控制程序,如提前设定适宜值范围,当所测温度一旦超出范围,根据提前设定的程序,系统将自动幵启或关闭抽风机系统、加热器等。同样光照、湿度、CO2浓度、肥水等自动控制策略也可提前在专家系统中设定。

2.4大棚内传感节点布置

在基于物联网的智能农业生产中,无线传感器节点是采集最末端单元,为保证果蔬生长在最适宜的环境中,对传感器节点的设计提出了较高的要求,既要求传感器节点能够精确检测各种环境参数,又要求合理设计及部署传感器节点,有效覆盖整个环境,最大化整个系统的效率。传感器节点通常是一个嵌入式系统,各传感器节点集成有传感器其执行器模块、计算与存储模块、通信模块和电源模块[12～13]。

本系统在黄瓜大棚中进行实验,传感器节点的处理器单元和无线传输单元采用CHIPCON公司的CC2430芯片,它是一款基于ZigBee协议,集成89C51内核处理器的芯片和ZigBee无线收发模块,内置RF2420射频芯片,并增加CC2591增益放大芯片,是一种比较成熟的无线传感芯片。其传感器节点结构图如图2所示。单点之间传输有效距离可达700m,系统监测并存储大棚内各个环境数据,所有监测节点均采用无线传输。大棚内空气温湿度、CO2浓度、光照强度按每隔10m布置一个监测节点,每个监测点分上中下三个层次,距地面高度分别为50cm、100cm、160cm;土壤温湿度传感器每个大棚部署三个监测点,每个监测点分为土层5cm、10cm、15cm三个层次,另布置pH值和氨氮传感器,共部署三个监测点,每个监测点分土层5cm、30cm两个层次。施工采用支架插入土壤方式,种植时可方便布置,空闲季节,可方便收回至仓库保管,若需增加监测节点,只需在后台系统中设置即可,而无需在采集节点修改硬件。采集节点供电采用锂电池供电和太阳能板供电两种形式,根据无线节点的采集频率和传感器耗电量而定,当采集频率间隔大于等于5min/次,无线节点的低功耗模式启动,节点可持续工作6个月。

图2　传感器节点结构图

2.5果蔬溯源交易服务平台

产品溯源交易平台是作物生产的扩展平台,是作物生产管理功能的延伸,能提升产品的附加值。本平台主要依靠各个环节中的智能信息节点,使用电子标签技术、GPS定位技术、互联网技术、无线传感技术和数据库技术,将各个节点有机的结合在一起,通过无线、有线网络与溯源中心数据库相连接,对生产、加工、物流、检测、销售等各个环节的数据进行搜集[14],利用二维码编码技术生成二维码,采用手机扫描产品二维码,实现对产品信息的追溯。据于此,本平台的系统结构功能图如图3所示,共分三层,分别是作物生产现场层、溯源数据管理层和用户层。为使溯源信息的采集,查询更加便捷,在用户层利用了主流的操作系统开发了分别基于Android和IOS系统的APP,一个用于客户端采集信息,另一个供消费者扫码查询溯源信息。这样通过在Android(2.2及以上版本)和IOS操作系统的3G手机上安装客户端软件,信息录入时,用户可利用采集客户端方便快捷地录入信息,如将图片、音频、视频等文件上传至溯源数据中。消费者通过使用查询客户端软件扫码二维码或者手工录入条码后,可以查询到产品的溯源信息,如查看是哪个大棚生产的,是否施过农药与化肥,生产保质期相关信息,以及各个环节的详细信息。同时消费者还可通过客户端的信息反馈菜单向监管部门投诉,监管部门在处理后,会及时将处理结果反馈给消费者,以节约时间及保障溯源系统的正常运行。

图3　产品溯源平台结构图

3结语

本文将智能农业理论和物联网技术的珠联合碧,通过在田间合理布置各种影响作物生长的信息获取和环境因素控制设备,以及智能控制平台的创建,可实现病害的预测,变量喷施肥水、农药等,以及能自动控制棚内设施,使作物生长在最佳的环境中,既节约资源、人力,又提高了产品质量。此外,从产品安全追溯的角度出发,实施了果蔬质量安全溯源服务平台,能宣传产地果蔬生态生产,价格也得到一定幅度的提升。基于物联网的智能农业系统在果蔬种植中的应用,节约了成本,提高果蔬的品质,为高品质果蔬打下良好口碑,也防止了其他地方果蔬假冒,强化区域生态果蔬打造,为本地高端精品果蔬的推广做好铺垫工作。

目前,基于物联网的智能农业系统还处于试验阶段,主要应用在示范基地,其涉及技术门类多,融合了3G、宽带、物联网、传感器等技术,成本还较高,也存在一些安全威胁[15]是项目全面推广的风险因素。随着物联网的广泛应用,成本会大幅降低,其应用将拓展到农业生产的各个环节。

参 考 文 献

[1] 王汝传,孙力娟.物联网技术导论[M].北京:清华大学出版社,2011:11-15.

WANG Ruchuan, SUN Lijuan. The introduction to the Internet of things technology[M]. Beijing: Tsinghua University Press,2011:11-15.

[2] International Telecommunication Union. ITU Internet Reports 2005: The Internet of Things[R]. Geneva: ITU,2005.

[3] 宁焕生.RFID重大工程与国家物联网[M].北京:机械人民出版社,2010:48-52.

NING Huansheng. RFID major projects and national iot[M]. Beijing: Mechanical Industry Press,2010:48-52.

[4] 方露.浅析物联网技术在科技馆中的应用[J].科技通报,2012,28(3):165-168.

FANG Lu. Application of the Internet of Things Technology in the Museum Service[J]. Bulletin of Science and Technology,2012,28(3):165-168.

[5] 朱景锋.物联网环境下电子政务信息系统入侵检测技术分析与对策研究[J].科技通报,2012,28(4):130-132.

ZHU Jingfeng. Analysis and Countermeasures on Intrusion Detection Based on the E-government Information Systems Under the Internet of Things[J]. Bulletin of Science and Technology,2012,28(4):130-132.

[6] 张国军,赖小龙,杨睿茜,等.物联网技术在精准农业环境监测系统中的应用研究[J].湖南农业科学,2011(15):173-176.

ZHANG Junguo, LAI Xiaolong, YANG Ruixi, et al. Application of Internet of Things Technology in environmental Monitoring System for Precise Agriculture[J]. Hunan Agricultural Sciences,2011(15):173-176.

[7] 张翔,耿晓琴,张云华.农产品溯源系统的设计与实现[J].工业控制计算机,2014,27(6):129-133.

ZHANG Xiang, GENG Xiaoqin, ZHANG Yunhua. The Design and Development of the Traceability System for Agricultural Products[J]. Industrial Control Computer,2014,27(6):129-133.

[8] 杨岚,李书琴.基于Web Service的农产品交易系统的研究与设计[J].计算机工程与设计,2008,29(8):2118-2120.

YANG Lan, LI Shuqin. Research and design of business system for farm produce based on web service[J]. Computer Engineering and Design,2008,29(8):2118-2120.

[9] Domini Mazzoni, Michael J Garay. An operational MISR pixel classifier using support vector machines[J]. Remte sensing of Envioronment,2007,107(1):149-158.

[10] Burges C J C. A totorial on support vector machines for pattern recognition[J]. Data Mining and Knowledge Discovery,1998,2(2):121-169.

[11] Steve R Gunn. Support vector machines for classification and regression[R]. Technical Report, Southampton: University of Southampton,1998:1-28.

[12] 董方敏,王纪华,任东.农业物联网技术及应用[M].北京:中国农业出版社,2012.

DONG Fangmin, WANG Jihua, REN Dong. Agricultural Internet technology and applications[M]. Beijing: China Agriculture Press,2012.

[13] 丁海峡,贾宝磊,倪远平.基于GPRS和ZigBee的精准农业模式研究[J].自动化仪表,2009,4(30):17-23.

DING Haixia, JIA Baolei, NI Yuanping. Research on Precision Agriculture Based on GPRS and ZigBee[J]. Automation Instrument,2009,4(30):17-23.

[14] 王静.西部绿色农产品物联网结构模式与系统优化——以典型山区农业市商洛为例[J].社会科学家,2011,9(4):14-17.

WANG Jing. Western Internet of green agricultural products structure model and practical system optimization, with typical hilly agricultural city as an example[J]. Social Scientist,2011,9(4):14-17.

[15] 杨光,耿贵宁,都婧,等.物联网安全威胁与措施[J].清华大学学报(自然科版),2011,51(10):1335-1340.

YANG Guang, GENG Guining, DU Jing, et al. Security threats and measures for the Internet of Things[J]. J Tsinghua Univ Sci Tech,2011,51(10):1335-1340.

Application of Intelligent Agricultural System Base on IOT in Melon and Fruit Production

PU Yongxian

(Department of Computer Science, Dehong Teachers’ College, Dehong678400)

AbstractThe introduction of intelligent agricultural system based on the technology of IOT can accelerate the process of our country’s entry into the modern agriculture. For this purpose, the intelligent agricultural system based on IOT was designed and developed. By developing such software systems as the early warning diagnosis of disease based on support vector machine(SVM), the intelligent production management, product traceability and arranging a variety of sensors, cameras, controllable facilities in the field, and with IOT technology such as 3G, GPRS and ZigBee, the integrating intelligent management system of agricultural production has been achieved. The system has been applied in cucumber production, which functions as the early warning diagnosis of disease, intelligent and precise control of such relative factors of production as fertilizer, pesticides, temperature, humidity, and product safety traceability of production etc. If it is applied on a large scale, it will bring about a better economic benefie.

Key WordsIOT, intelligent agriculture, intelligent expert system, fruit and vegetable production

收稿日期:2015年12月11日,修回日期:2016年1月30日

基金项目:云南省科学研究基金子课题(编号:2013Y571)资助。

作者简介:濮永仙,女,硕士,副教授,研究方向:物联网智能农业系统,作物病害诊断,物联网技术等。

中图分类号TP302

DOI:10.3969/j.issn.1672-9722.2016.06.024