基于物联网的智慧农业系统设计
2016-12-05张博文张正炳
张博文,张正炳
(长江大学电子信息学院,湖北 荆州 434023)
基于物联网的智慧农业系统设计
张博文,张正炳
(长江大学电子信息学院,湖北 荆州 434023)
为解决传统农业生产率低、经营管理落后等问题,设计并实现了一种基于物联网的智慧农业系统(SASIOT):采用混合网(ZigBee和WiFi)实现了对农田自然条件参数的采集和农作物生长状况实时监控,极大改善了农业生产效率与管理水平;采用基于正三角形网格的土壤温湿度传感器部署方法,使传感器有效覆盖率达到最大。该系统具有实时采集农作物生长区块的土壤温度和湿度、环境温度和湿度、风速等自然条件参数来监测农作物生长条件以及通过实时视频来观测和分析农作物生长状况功能,为实施农业环境信息自动检测、对环境进行智能控制和科学管理提供有效依据,具有实时监测、智能管理等优点。该系统投入实际应用后,可极大改善地区农产品品质和质量、提升农业生产效率与管理水平,对农业经济发展具有重要作用。
物联网;智慧农业系统;混合网;正三角形网格
农业是国民经济的基础,农业的发展直接关系着国家的利益和社会的稳定,以及我国在国际竞争中的地位。传统农业主要依靠和使用落后的生产工具和生产技术维持着简单再生产,农业生产效率低,经营管理和生产技术较落后,抵抗自然灾害能力差,农业得不到很好的发展[1,2]。智慧农业[3~5]是指将人工智能技术[6]应用于农业领域的一项高新技术,涵盖了对农田自然条件参数的采集、利用信息处理等技术进行参数分析,最终通过智慧农业专家系统[7,8]指导农业生产。智慧农业主要涉及的关键技术包括传感检测技术、嵌入式技术、计算机处理分析技术、通信技术等。黑龙江齐齐哈尔地区长期依靠传统农业进行生产,农业生产效率低,经营管理落后,为了解决这一问题,笔者设计并实现了一种基于物联网的智慧农业系统(SASIOT)。
1 物联网概念及体系结构
物联网(The Internet of Things,简称IOT) 的概念是在1999年提出的,2005年国际电信联盟(ITU)发布的《ITU Internet Reports 2005: The Internet of Things》互联网报告[9],对物联网做了如下定义: 通过智能感知、识别、普适计算等通信感知技术,按约定的协议,把物理世界与互联网相连接,进行信息共享和通信的一种网络。
物联网的体系结构如图1所示,包括感知层、传输层、应用层。感知层通过基本的感应设备进行数据的采集与发送;传输层解决的是感知层所获得的数据在一定范围内的传输问题,主要完成接入和传输功能,是进行信息交换、传递的数据通道;应用层主要用于对所采集的数据进行分析与处理。
2 系统功能
SASIOT应具备下列基本功能:通过土壤温湿度传感器,实时采集农作物生长区块的土壤温度、湿度;通过部署小型气象站,实时采集并监测农田环境温度、湿度、风速等自然条件参数;通过WiFi无线视频监测网络来实现农作物生长状况的实时监测。
图1 物联网体系结构
3 系统总体结构
采用混合网(ZigBee和WiFi)来实现SASIOT功能,系统总体结构框图如图2所示,包括农田信息采集模块、农田实时监测模块、监控中心模块等。
农田信息采集模块由土壤温湿度传感器和小型气象站组成一个ZigBee无线监测网络,主要负责采集农作物生长区块的土壤温度、湿度、环境温度、湿度、风速等数据。每个ZigBee监测网络有一个网关节点和若干个土壤温湿度数据采集节点,网关节点作为每个监测网络的基站,具有双重功能:一是作为网络协调器,实现网络的自动建立和维护、数据汇集功能;二是负责监测网络与监控中心消息的传递。温湿度传感器呈正三角形分布于监测区域内,将采集到的数据通过ZigBee协议发送给临近的路由节点,并通过网关把数据传送给监控中心,从而实现农田环境参数的采集与显示。
农田实时监测模块由分布在种植区块的多个视频监控摄像头(相隔100~200m)、WiFi无线路由及无线网关组成WiFi无线视频监测网络,主要负责农作物生长状况实时监控。分布在区块内的摄像头通过WiFi将视频监控数据传输至最近的临近WiFi无线路由,再由无线路由将视频数据传输至无线网关,最终由无线网关将数据传输至监控中心。其中种植区块的WiFi路由采用中等功率的WiFi路由器,以完成100~1000m的WiFi通信;与监控中心通信无线路由采用超大功率的WiFi路由器,以完成1000~5000m的WiFi通信。如果无线网关具备接入互联网条件,系统还可以将数据送入互联网,以便进行大数据管理与分析。
监控中心模块主要负责农作物生长区块的土壤温度、湿度、环境温度、湿度、风速等数据的显示以及农作物实时视频监测显示,从而为农业管理人员进行科学种植提供有效依据。
图2 系统总体结构框图
4 土壤温湿度传感器部署
图3 节点部署示意图
农田信息采集模块采用了无线传感器
网络[10,11],无线传感器网络节点部署质量的好坏在很大程度上决定着网络的性能和寿命。由于农田具有面积广等特点,在实际部署中必须考虑网络覆盖范围、连通性和节能问题[12]。笔者采取正三角形网格的部署方案,把农田区域分解成许多个正三角形网格,将土壤温湿度传感器部署在网格中。
在无线传感器网络中,一些区域会被几个传感器所覆盖,如图3(a)中的区域S,S区域的信息能同时被2个感知半径为R的传感器监测到,显然,有一个传感器对此区域的覆盖是无效的,即这2个传感器有效覆盖区域为:
A=2πR2-S
(1)
把有效覆盖区域与所有传感器能覆盖的总区域之比定义为有效覆盖率,记为L,则图3(a)的有效覆盖率为:
(2)
图3(b)所示为正三角形部署方案,把传感器节点部署在正三角形的3个顶点。设传感器的感知半径为R,则阴影部分面积为:
(3)
有效覆盖区域A为:
A=3πR2-12S0
(4)
有效覆盖率L为:
(5)
可见,采用基于正三角形网格的部署方案可使有效覆盖率高达0.942,可大大减少传感器的数量,是非常理想的传感器部署方案。
5 系统运行结果
按照所提出的系统方案完成SASIOT系统的开发与调试,整个系统运行示意图如图4所示。无线传感器网络监测区域将采集到的土壤温湿度、环境温湿度、风速等数据通过混合网(ZigBee和WiFi)传送至监控中心,无线视频监控区域将农田实时监控数据通过WiFi路由传送至监控中心。为避免由传感器故障、网络传输等因素产生异常数据[13~15],使灌溉控制阀门(预留)作出错误响应,在农田信息采集模块中使用了分布图法[16,17]剔除采集数据序列中的异常数据,然后利用一阶低通滤波器对所采集的数据进行了平滑处理。系统运行结果如图5所示,包括黑龙江齐齐哈尔地区某试验田2015年10月22日气象数据(包括土壤温度、湿度、环境温度、湿度、风速等数据)和该试验田实时监控画面。通过监控中心显示的农田气象数据和实时监控画面,农业管理人员可实时掌握农作物生长环境参数和生长状况,为实行农业生态信息智能控制和科学管理提供有效依据,极大改善了农业生产效率与管理水平。
图4 系统运行示意图
6 结语
设计并实现了一种基于物联网的智慧农业系统(SASIOT)方案,通过采用混合网(ZigBee和WiFi)来实现对农田自然条件参数的采集和农作物生长状况的实时监控。该系统已经得到实际应用,一定程度上实现了对农业的智能监测和科学管理,极大提升了农业生产效率与管理水平,并逐步进行推广。在项目实施过程中,由于物联网技术缺乏统一标准,传感器的质量和数据接口不统一,整合难度大,因此下一步将研究标准化的数据接口,提高平台通用性,降低应用成本。同时,由于农田数据具有数据量大、类型复杂,要从所采集数据中发现农业生产规律,指导农业生产,必须对数据进行挖掘,数据挖掘首先要对数据进行预处理,然后选择合适的数据挖掘算法提取有价值的数据,为农业物联网服务。虽然当前的传感检测技术、通信技术还有待提高,但随着技术的发展,物联网在农业生产过程中将得到广泛应用。
图5 系统运行结果
[1] 潘洪刚,王礼力. 改造中国传统农业的困境与出路[J]. 西北工业大学学报,2008,28(3):49~53.
[2]吕唯因,张慧芳.论我国农业现代化发展中传统农业改造的问题[J]. 经济视角,2014(9) : 177~178.
[3]李道亮.物联网与智慧农业[J]. 农业工程,2012,2(1):1~7.
[4] 周国民. 浅议智慧农业[J]. 农业网络信息,2009(10):5~7.
[5] 顿文涛,赵玉成,袁帅. 基于物联网的智慧农业发展与应用[J]. 农业网络信息,2014(10):9~12.
[6] 张妮,徐文尚,王文文. 人工智能技术发展及应用研究综述[J]. 煤矿机械,2009,30(2): 4~6.
[7] 李朝东,崔国贤,盛畅,等. 农业专家系统研究进展及发展方向[J]. 农机化研究,2008(1):235~238.
[8] 降惠,李杰.农业专家系统应用现状与情景展望[J].山西农业科学,2012,40(1): 76~78.
[9]ITU Internet Reports 2005: The Internet of Things [EB/OL]. http: //www.itu.int/osg/spu/pub-lications/internetofthings,2013-03-20.
[10]钱志鸿,王义君.面向物联网的无线传感器网络综述[J]. 电子与信息学报,2013,35(1):215~227.
[11] 尚兴宏. 无线传感器网络若干关键技术的研究[D]. 南京: 南京理工大学,2013.
[12] 林敏敏. 无线传感器网络异构节点部署的研究[D]. 广州: 中山大学,2010.
[13]潘渊洋. 环境监测无线传感器网络中的异常数据检测方法[D]. 杭州: 浙江农林大学,2012.
[14] 谭义红. 传感器网络中异常数据实时检测算法[J]. 系统仿真学报,2007,19(18):4335~4338.
[15] 钟一洋,刘兴长. 无线传感器网络中数据流异常数据的联合估计算法[J]. 后勤工程学院学报,2012,28(6): 90~96.
[16] 张佳薇,曹军.基于分布图与分批估计的自校准层融合算法研究[J]. 森林工程,2010,26(6): 26~30.
[17] 夏卓君. 分布图法在疏失误差处理中的应用[J]. 实用测试技术,2002,28(2): 33~34.
[编辑] 洪云飞
2016-06-28
张博文(1992-),男,硕士生,现主要从事物联网及其应用方向的研究工作。
张正炳(1961-),男,教授,现主要从事图像与视频编码、信号与信息处理和物联网方面的教学与研究工作;E-mail:zhangzb@yangtzeu.edu.cn。
TN929.5;TP391.4
A
1673-1409(2016)28-0066-05
[引著格式]张博文,张正炳.基于物联网的智慧农业系统设计[J].长江大学学报(自科版),2016,13(28):66~70.