基于云平台的智能远程种植系统

郭鹏,李钧,张海燕

(1.石家庄学院物理与电气信息工程学院,石家庄 050035;2.上海大学材料科学与工程学院,上海 200444; 3.石家庄邮电职业技术学院邮政通信管理系,石家庄 050021)

基于云平台的智能远程种植系统

郭鹏1,李钧2,张海燕3

(1.石家庄学院物理与电气信息工程学院,石家庄 050035;2.上海大学材料科学与工程学院,上海 200444; 3.石家庄邮电职业技术学院邮政通信管理系,石家庄 050021)

为解决休闲农园用户种植时间和经验匮乏问题,设计了一种休闲农园云平台.用户可通过云计算技术远程种植作物,也可利用基于模糊控制的专家种植决策系统实现智能种植.通过模糊聚类和自适应模糊推理系统对数据进行挖掘,用户可实现云平台专家种植决策系统的私人订制.实验结果证明该系统设计有效、可靠.

云计算;模糊聚类;自适应模糊推理系统;专家决策

随着社会的发展,城市居民普遍感到工作压力越来越大,而对传统农业生产生活日益向往,使得以土地租赁种植为卖点的休闲农园一度成为城市热点项目.然而,由于休闲农园一般位于城市远郊,在经历初期种植热情后,距离远、时间紧、种植经验缺乏等问题,使得人们对农园的关注度不断降低[1].

本工作设计了一种基于云计算的休闲农园云平台,不仅可以解决休闲农园中的智能远程种植问题,也为人们提供了一种较好的项目运营模式.该平台利用底层硬件将农园作物的种植环境信息通过互联网导入云端,由云服务器对作物生长环境进行数据分析,并结合作物生长模型为用户提供专家种植决策.用户只需通过手机、电脑、平板等终端验证登陆网页,即可通过云平台的Web应用体验休闲农园的智能种植.

1 云计算技术

云计算技术是集互联网、虚拟化、分布式计算、数据库、负载均衡、沙箱等多种技术于一体的IT资源提供模式.该技术对虚拟化和泛化后的资源进行统一管理,并向异地用户提供服务,具体包括基础架构即服务(infrastructure as a service,IaaS)、平台即服务(platform as a service,PaaS)和软件即服务(soft as a service,SaaS).云计算技术使得用户可以在任意时间、任意地点使用各种终端并获取应用服务[2-3].

相比传统的智能硬件平台,人们在通过云计算技术进行智能平台设计时,只需关注数据采集和云应用设计,而将服务器架设、大数据存储、数据库管理、数据分析、Web应用发布、安全验证、系统维护等问题交由云计算平台解决.这不仅大幅降低平台建设成本,也提高了用户弹性扩展能力、平台服务能力和安全系数.因此,本工作在云计算平台基础上,从开发运营成本、安全等方面考虑并结合休闲农园的特点,设计了一种新型休闲农园云平台.

2 系统设计

休闲农园云平台由感知控制层、传输层、云服务层和接入层等组成,具体结构如图1所示.

2.1 感知控制层

感知控制层处于平台底层,包括休闲农园的各种前端设施,负责农园种植环境参数的采集和远程种植命令的执行.目前,种植环境参数包括土壤温度、土壤湿度、空气温度、空气湿度和光照强度等,这些环境参数是用户和专家决策系统进行种植的数据基础.如果用户缺乏种植经验可选择自动种植模式,在该模式下云平台中的专家种植决策系统会根据环境参数自动调节作物种植环境,具体控制对象为加热管、风扇、浇灌设备等.此外,作物的生长视频图像采集也在本层完成,用户可通过网页对作物生长情况进行实时观测.

2.2 传输层

传输层主要负责环境参数、用户信息、控制信息等数据的传递.底层传感器节点先将采集数据发送至用户主控节点,然后由主控节点汇总至休闲农园本地服务器,再由互联网上传至云服务器;控制信息则先由网络传至本地服务器,然后再传给主控节点控制相应执行机构完成命令.

2.3 云服务层

云服务层是休闲农园云平台的核心,用于提供中间件服务、云资源和云应用等云平台基础设施.中间件服务包括互联网中间件、通信消息中间件、信息传输校验中间件等.云资源包括数据库管理、数据挖掘、推理机、常见作物生长模型、农业知识库等.在中间件服务和云资源中,除作物生长模型和数据挖掘模块外,其他服务由云计算中心提供.

云应用是云服务层的核心,是用户足不出户即可体验休闲农趣的基础,也是本工作的研究重点,包括品种选择、作物生长环境监测、环境控制、专家种植决策系统、作物生长日志等.

2.4 接入层

用户接入云平台的具体实现由云计算中心负责.借助现有的云计算中心,休闲农园云平台为用户和管理员提供了便捷的Web界面,用户和管理员可以通过移动终端或PC验证登陆网页进入休闲农园云平台.

图1 休闲农园云平台结构框图Fig.1 Block diagram of cloud platform of leisure agricultural garden

3 功能设计

3.1 云平台管理门户

作为休闲农园的新型运营模式,休闲农园云平台为用户提供门户服务,包括常见作物品种介绍、种植常识、病虫害防治常识、索引及应用服务.由于设计工作较繁琐,目前已实现的服务为用户信息、知识服务、休闲农园云应用加载及部分云资源应用.根据系统权限不同,休闲农园云平台提供云平台管理者和种植者两种模式,用户信息存储在云数据库中.

3.2 云应用设计

通过前期对“开心农场”等项目用户的调研,休闲农园云平台共设计了6种云应用.

(1)品种选择.云平台根据当季气候提供若干种植作物,用户可自由选择,但是同时种植作物的数量一般不超过3种.云平台利用农业知识库为每种作物搭配种植参考,提醒用户作物种植的难度及注意事项,如建议播种面积、种子处理、播种量、播种期、播种方法、植株喜水喜温情况、施肥方案等.目前,系统为用户提供了5种最常见的种植作物,分别是番茄、黄瓜、豇豆、菠菜和油麦菜.

(2)作物环境参数监测.用户可实时监测作物生长过程中的5种环境参数:土壤湿度、空气湿度、土壤温度、空气温度和光照强度.土壤湿度即水分,是作物种植中最关键的参数,不同作物由于生长习性、形态特征等因素对湿度有不同的要求,同一作物在不同生长阶段对湿度要求也不同.空气湿度会影响作物蒸腾速率、开花授粉和病害情况,对作物产量和品质有影响.空气温度会影响作物生长过程,作物生长有三基点温度,即作物生长最适温度、最低温度和最高温度.土壤温度对作物及作物根系生长的影响较大,土壤温度越高,作物生长越快.光照是作物生长必要条件,绿色植物须在阳光下进行光合作用,且作物重量的增加与光照强度相关,作物能否正常发育也与光照强度相关.综上所述,用户可通过改变环境参数影响作物生长过程.此外,环境参数也是专家决策的数据支撑.

(3)作物环境控制.该应用负责对种植环境进行远程控制.底层硬件将环境参数通过网络上传至云平台后,用户可对种植环境进行手动在线调节,也可由专家种植决策系统自动调节环境.控制命令由云平台通过网络传给现场主控节点,再由主控节点控制执行设备进行浇水、通风、加热等操作.

(4)专家种植决策.在作物种植过程中,用户常由于缺乏经验导致作物生长状况欠佳.因此,云平台为用户提供了专家种植决策系统,帮助用户种植作物.这一系统对由天气等原因引起的环境突变,作用尤其明显.由于作物种植环境受多种因素影响,是一个典型的非线性系统,很难建立精确的模型.因此,本工作在专家系统中引入了模糊控制.

(5)作物生长日志.5种作物生长环境参数以曲线形式实时显示,并存入云端作为历史数据.用户可将作物实际生长过程中的点点滴滴记录下来,配合环境参数、生长图像等形成作物生长日志,从而更好地激发用户种植兴趣,提升种植经验.图2为作物生长过程中的部分温度数据.

(6)作物视频图像.利用监控摄像头,使得作物生长情况以及病害发生情况可通过网络实时传入云平台.

图2 作物生长过程中的部分温度数据Fig.2 Partial temperature data in the growth process of crops

4 软件设计

休闲农园云平台的云服务器和云存储由云计算平台提供,软件设计的主要任务是本地服务器和云应用设计.与一般智能监控项目相比,休闲农园产生数据量较少,因此在前期工作中,本地服务器用C++语言编写了基础服务端,用于数据采集、清洗和上传至云端.由于品种选择、环境监测、环境控制和生长日志的实现相对简单,因此重点介绍专家种植决策系统设计.

专家种植决策系统的实现基础是农业专家知识库和模糊控制.下面以种植率最高的番茄(有限生长型)种植为例,介绍专家种植决策系统实现浇水、虫害预防、施肥的方法,以及基于模糊聚类和自适应模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)的知识提取过程.

4.1 专家浇水控制策略

为节约用水,防止土壤板结,提高作物产量及品质,专家种植决策系统采用调亏灌溉策略,根据作物不同生长期对水需求量的不同,控制灌溉时机,减少作物冗余生长.番茄生长期起始时间如表1所示.基于调亏灌溉的番茄生长期各阶段最佳的土壤相对湿度如表2所示.

表1 生长期起始时间Table 1 Starting time of growth periodd

表2 各生长期最佳土壤相对湿度Table 2 Optimal soil relative humidity in different growth period%

系统首先根据番茄播种时间和番茄生长周期估算番茄当前生长期,确定土壤最佳湿度,然后通过云平台调用环境数据.若土壤湿度处于最佳湿度范围则无需浇水,系统根据环境参数计算蒸腾量及土壤渗透系数,估算下次浇水时间,时间到后重新调用湿度数据判断是否需要浇水,如此不断循环.浇水时间计算公式如下:

式中,He为土壤当前湿度,Ho为土壤最佳湿度,E为作物蒸腾量,I为土壤渗透系数.

若土壤湿度脱离最佳湿度范围,则系统利用模糊算法控制滴灌设备浇水,模糊控制器如图3所示.

图3 模糊控制器框图Fig.3Block diagram of fuzzy controller

模糊控制器的两个输入:T是当前温度,ΔH是土壤最佳湿度Ho与当前湿度He之差. KT和KH是量化因子,KI是比例因子.输出量IH是需增加的土壤湿度.根据环境参数和滴灌设备参数,IH可通过公式转换成浇水时间Hw或减湿时间Hd.当土壤湿度不足时,滴灌设备开始工作,为作物浇水;当土壤湿度过大时,通风设备开始工作,降低土壤湿度.在正常生长期内,番茄土壤湿度变化一般为0～10%,温度变化为10～35°C.因为用户种植是以娱乐休闲为目的,对作物产量一般无要求,在保证一定精度的基础上,为方便系统设计,模糊控制器输入、输出语言变量均为5个{NB,NS,Z,PS,PB}.通过对番茄种植经验进行总结共得到25条控制规则,具体如下:

具体模糊规则如表3[4]所示.

为降低虫害,系统可根据番茄播种时间和生长周期,估算番茄当前生长期,并结合作物环境提供虫害预防策略.施肥策略与虫害预防类似,同样是根据番茄不同生长周期和作物环境确定相应施肥方案.受篇幅所限,相关内容不再赘述.

表3 模糊控制规则表Table 3 Fuzzy control rules

4.2 专属种植决策获取

为向用户提供更贴切的种植决策,云平台向用户提供个人专属种植决策.同样以浇水策略为例,目前浇水策略是基于专家经验的模糊控制,具体模糊控制规则源于对专家经验的总结凝练,针对的是作物种植的一般情况,控制规则适用范围较广.但对具体用户而言,由于土壤及选种各不相同,浇水时间及浇水量应该有所区别.因此,通过对用户浇水过程中的历史数据进行数据挖掘[5-6],云平台可寻找更适合用户的特定浇水规律,具体方法如下:首先对云数据库的历史数据T,ΔH和IH进行减法聚类,生成初始模糊推理系统(fuzzy inference system, FIS),确定模糊控制规则组数和隶属函数个数;然后在初始FIS基础上,利用ANFIS通过数据训练得到专属模糊控制器,用于浇水控制.为验证算法效果,现将基于ANFIS的FIS和基于专家经验的FIS进行对比,结果如图4所示[7].

图4 专家经验和ANFIS生成的FIS仿真比较Fig.4 Comparisons of FIS simulation between expert decision and ANFIS

由图4可知,随着历史数据的不断积累,由ANFIS通过数据挖掘得到的模糊控制器将日趋完善,其控制效果与基于专家经验的模糊控制器相比,更适合农园种植实际.

5 硬件设计

5.1 传感器节点设计

传感器节点负责采集土壤温度、土壤湿度、空气温度、空气湿度和光照强度,并上传给用户主控节点.由于休闲农园无需对作物精耕细作,传感器节点也无需进行高精度、高频率数据采集.因此,传感器节点微控制单元(micro controller unit,MCU)选择了AT89S51,土壤温度传感器为DS18B20,空气温、湿度传感器为SHT11,光照传感器为GY-30,电源模块由ASM1117提供3.3 V电压,电路原理图略.

5.2 主控节点设计

用户主控节点负责作物环境参数的接收、与本地服务器通信及农园各执行设备的控制.考虑外设资源、运算速度等,主控节点MCU选择了32位单片机STM32F103C8T6.3组串口当中,USART1利用RS232接收传感器节点的采集数据,RS232芯片选择MAX232.USART2利用RS485与本地服务器进行主从式通信,主机为本地服务器,从机为用户主控节点,RS485芯片选择MAX3485.从运行可靠性考虑,主控节点和服务器间的上层通信协议选择Modbus协议.电源模块由MP2303提供4.02 V电压,ASM1117提供3.3 V电压.为减少实验过程中的布线难度,节约成本,实验用主控节点直接利用GPRS模块SIM900A将数据上传至云服务器,电路原理如图5所示.

图5 用户主控节点电路原理图Fig.5Circuit diagram of user master node

5.3 光伏供电系统

由于农园项目位置一般处于市郊,供电不便,因此设计了光伏供电系统[8],为云平台底层硬件和小型执行设备供电,如分布在田地中的传感器节点、主控节点、滴灌设备等.图6为采用光伏供电的休闲农园实验模拟系统.目前,该系统运行正常,实现了预期的设计功能.

6 结束语

从用户角度看,休闲农园云平台较好地解决了农园运营中的智能远程种植问题,尤其是专家种植决策系统的设计使用户摆脱了农园地理位置和种植经验的限制.用户只需一个终端,通过Web应用,足不出户即可轻松种田,体验休闲农趣.从经营者角度看,休闲农园云平台不受地域限制,应用范围广,运营成本低,对城市白领极具吸引力.目前,休闲农园云平台的研究工作仍在进行,随着研究的深入和设计的完善,休闲农园云平台可为休闲农业的发展提供更大的便利.

图6 休闲农园云平台实验系统Fig.6 Experimental system of cloud platform of leisure agricultural garden

[1]李良涛,王文惠,WELLER L,等.美国市民农园的发展、功能及建设模式初探[J].中国农学通报, 2011,27(33):306-313.

[2]陈联诚,胡月明,张飞扬,等.农产品安全追溯系统的云计算技术性能提升设计[J].农业工程学报, 2013,29(24):268-274.

[3]王于丁,杨家海,徐聪,等.云计算访问控制技术研究综述[J].软件学报,2015,25(5):1129-1149.

[4]过润秋,洪旭,苏旺旺.基于模糊控制理论的二级倒立摆控制算法[J].西安电子科技大学学报,2006, 33(1):111-115.

[5]尤建新,孟银薇.基于Web数据挖掘的网站知识获取及应用——以大众点评网为例[J].上海大学学报(自然科学版),2014,20(3):261-273.

[6]孙丙香,高科,姜久春,等.基于ANFIS和减法聚类的动力电池放电峰值功率预测[J].电工技术学报,2015,30(4):272-279.

[7]杨茂,齐玥,穆钢,等.基于自适应神经模糊推理系统的风电功率预测方法[J].电测与仪表,2015, 52(14):6-10.

[8]郑晓斌.神经网络模糊PID技术在光伏系统MPPT控制器中的应用[J].长春理工大学学报(自然科学版),2015,38(1):102-106.

本文彩色版可登陆本刊网站查询:http://www.journal.shu.edu.cn

Intelligent remote planting system based on cloud platform

GUO Peng1,LI Jun2,ZHANG Haiyan3
(1.College of Physics and Electrical and Information Engineering,Shijiazhuang University, Shijiazhuang 050035,China; 2.School of Materials Science and Engineering,Shanghai University,Shanghai 200444,China; 3.Department of Postal Communication Management,Shijiazhuang Post and Telecommunication Technical College,Shijiazhuang 050021,China)

To solve the problem of lack of time and experience,a leisure agricultural garden is designed.Users can plant remotely by means of cloud computing.Intelligent planting using an expert decision system can also be achieved based on fuzzy control.Using fuzzy clustering and adaptive neuro-fuzzy inference system(ANFIS)to explore the user’s planting data,private ordering of expert decision system can be obtained.Experimental results show that the designed system is effective and reliable.

cloud computing;fuzzy clustering;adaptive neuro-fuzzy inference system (ANFIS);expert decision

TP 393

A

1007-2861(2017)02-0244-08

10.3969/j.issn.1007-2861.2016.02.021

2015-12-24

河北省自然科学基金资助项目(F2014208145);河北省科技计划资助项目(15214313);石家庄学院科研启动基金资助项目(14YB003)

郭鹏(1981—),男,讲师,研究方向为嵌入式系统设计、模糊控制等.E-mail:guopeng993@163.com