智联网技术在林业信息化中的应用研究 ?

李凡 冯鹏飞 孙蕊 金玉栋 徐平平 于新文 谭星

摘 要：随着人工智能的发展，传统的物联网技术将结合人工智能技术形成智联网。文章旨在阐述目前先进的信息技术—智联网的概念、本质及关键技术，同时通过分析林业信息技术的发展，提出林业智联网体系架构，包括物理感知层、物联网监测层、智联网监测层和林业行业应用层，并在此架构的基础上列举分析森林和草原灾害智联网监测、野生动物智联网监测。实践结果表明，智联网技术在林业信息化中具有良好的应用前景。

关键词：物联网;智联网;智慧林业;人工智能;林业信息化;物理感知

中图分类号：TP242 文献标识码：A 文章编号：2095-1302（2019）06-0-03

0 引 言

当今时代，信息技术已经深入到各个行业和领域，互联网、移动通信、大数据、物联网、人工智能应用到了林业行业的多个业务中，我国的林业信息化建设已经从数字林业向智慧林业迈进[1]。

智慧林业是未来林业发展的必由之路，是未来林业工作的创新之路，通过智慧林业可以拓展林业技术应用、提升林业管理水平、增强林业发展质量、促进林业可持续发展。智慧林业的核心是利用现代先进的信息技术，建立一种长效的、智慧化的发展理念，实现传统林业向高质高效的现代林业转变。智慧林业的关键是通过制定统一的技术标准和规范，形成互动化、一体化、主动化、智能化的运行模式。智慧林业的目的是促进林业资源管理、生态系统构建、绿色产业发展等协同化推进，实现生态、经济、社会综合效益最大化。

文献[1]提出智慧林业建设目标。预计到2020年，基本构成了智慧林业的应用框架，完善林业信息基础设施，提供智能化的高效的系统协同服务，有力支撑国家生态文明建设。只有将人工智能、物联网、大数据、云计算等技术融合和综合应用，才能实现这个目标。

物联网，顾名思义就是物物相连的互联网[2]，物联网技术作为智慧林业建设的重要信息手段，通过智能感知技术、智能识别技术与普适计算、认知计算、泛在网络的融合应用，构建一个覆盖所有人和物的网络信息系统，实现了物理世界与信息世界的无缝连接。随着人工智能的发展，越来越多的应用都是将人工智能与物联网的应用结合起来，形成智联网，也就是所说的“行业智慧大脑末梢”。通过智联网对物联网感知到的森林数据进行更好的利用和价值提升，智慧林业平台就具有了更智能的信息处理能力，提高了采集和应用效率[3]。

1 智联网技术

人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。AI通过计算机来模拟人的一些思维过程和智能行为（如学习、推理、思考、规划等），根据大量的数据资料做出对未来的预测。由于同时分析过去的和实时的数据，AI能注意到有哪些资料属于例外，并做出合理、合适的推断，而数据对于人工智能的重要性也就不言而喻了。因此，若要使AI引擎变得更聪明、更强大，就需要持续的数据流入。对于AI来说，它可以处理和从中学习的数据越多，其预测的准确率也会越高[4]。

物联网（Internet of Things，IoT）是现代信息技术的重要组成部分之一，也是信息化时代的重要发展阶段。IoT有两层含义：其一，它的核心和基础是在互联网基础上的延伸和扩展;其二，它的用户端延伸和扩展到任何物品与物品之间，人和物品之间，并进行信息交换和通信，也就是物物相息[5]。IoT通过通信技术、感知技术，广泛应用于各个行业当中，也因此被称为继计算机、互联网之后信息产业发展的又一次新的浪潮。

通过物联网对林木的感知、林区环境的感知、林业管理的感知，可以源源不断地为人工智能提供数据基础，那么人工智能就可以发挥巨大的作用[6]。

智联网（AIoT）概念明确提出是在2017年2月，在《人工智能芯片助阵，物联网将进化为AI+IoT》提到。目前受过训练的一些AI系统，在特定领域的表现已超越人类，而在相关软件技术迅速发展的背后，离不开专用芯片技术的发展。在芯片技术对人工智能的不断完善以后，IoT将可望进化成AIoT（AI+IoT）。人工智能终端芯片引领的边缘运算，所带来的商机更让人引颈期盼[7]。

AIoT是指融合AI技术和IoT技术，通过物联网产生、收集海量的数据存储于云端、边缘端，再通过大数据分析，以及更高形式的人工智能，形成智能化的应用场景和应用模式，服务实体经济，为人类的生产活动、生活所需提供更好的服务，实现万物数据化、万物互联化。智联网体系架构如图1所示。

伴随AIoT的落地实现，在万物智联的场景中，设备与设备间将互联互通，形成数据交互、共享的崭新生态。在这个过程中，林业物联网监测终端不仅有更加高效的算力，在大多数场景中，还具备本地自主决断及响应能力。AIoT靠近林业监测数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供智能服务，满足林业行业的敏捷连接、实时业务、数据优化、智能应用等方面的关键需求。智联网在智慧林业中的应用框架如图2所示。

物理感知层主要是由基本的感应器件构成，如RFID标签、各类传感器、摄像头、GPS、二维码标签和识读器等基本标识和传感器件。该层的核心技术包括射频技术、新兴传感技术等。

物聯网层主要考虑感应器组成的网络（RFID网络、传感器网络等）。该层的核心技术包括通信单元组成的无线传感器网络、认知网络等。

智联网层主要考虑应用人工智能算法结合物联网监测数据进行海量大数据分析。该层的核心技术包括边缘计算、分布式机器学习、移动终端深度神经网络等。

林业行业应用层主要考虑智联网与林业业务的结合，包括森林资源监测、森林和草原灾害监测、野外动植物监测、湿地资源监测、荒漠化监测等。

2 智联网技术在林业信息化中的应用场景分析

由于林业的特殊性和复杂性，其具有空间上广阔和时间上周期长的特点。林业业务量繁重，外业庞大，采集海量数据，仅仅通过人工处理很难做到精准、及时。智联网技术利用智能终端和智能平台，将红外相机、声音采集器、GPS、环境感应传感器等信息智能传感设备以及遥感卫星、无人机的数据相结合，使林业系统中的森林、湿地、荒漠、野生动物等林业资源可以相互感知，能随时获取需要的数据，并通过智能平台上的算法将海量数据自动分析和处理，这样就可以形成林业智慧立体感知，实现精准林业、智慧林业。

2.1 森林、草原灾害监测

人工智能是以数据为驱动的决策机制，根据实时数据和各类信息，综合调配和运用分析，最终实现自动智能化，达到最佳应用[8]。有研究表明，森林气象因素，如大气相对湿度、空气温度、大气压力等与森林、草原的火灾和虫灾密切相关，是灾害预测的主要依据之一。

在森林气象及环境信息森林灾害监测过程中，在观测点周围选择有代表性的地段放置环境传感器，自动监测温度、湿度、干燥度、蒸发量、风向、风力等环境因子[9-10]。某一区域内的森林、草原在温度、湿度等环境因子达到临界点时，通过智联网对传感数据进行快速分析处理，可以对森林、草原灾害的发生做出预测，及时发布监测动态，制定预防和防治措施。通过安装清晰度高的摄像头，定期对周围环境进行扫描，通过智联网可以实现灾害自动监测、自动分析、自动制定策略[11]。

卫星和无人机是对森林、草原进行监测的重要手段，在空间层次上也是基于高层的灾害监测手段，具有监测范围广、时间频率高、时效性强的优点，但是卫星和无人机采集到的数据是海量数据。将人工智能和深度学习技术应用到图像数据处理当中，大大提高了图像自动识别和目标提取的准确率[12]。将处理结果传输到智联网中，与环境传感器获取的数据相融合，就能生成更加精确的灾害预测和预警结果。图3为基于智联网的森林、草原灾害监测流程。

2.2 野生动物监测

传统的野生动物监测主要依靠红外相机以及声音采集设备开展野外监测[13]，其受到影像和声音数据收集、处理及分辨耗时费力，重要数据难以及时捕获，偷盗猎行为无法及时监控，动态与模糊影像无法分辨还原，采集声音混杂等局限，目前的物联网技术可以解决数据采集和传输的问题，但是无法解决数据的及时分析。只有应用智联网技术，在监测终端的智能视觉、声音处理设备开展基于人工智能的处理，才能提高有效数据量。

通过大数据分析、人工智能算法等进一步对野生动物个体、生态链相关物种进行识别归类，并可针对栖息地域进行有效的数据训练及分析，从而实施野生动物的监测与保护[14]。图4和图5分别为基于智联网野生动物的图像和声音的处理流程。

3 结 语

本文介绍智联网技术的定义和框架，在森林灾害监测、动植物保护等方面，探讨了智联网在林业信息化中的应用前景。随着智联网在理论上、技术上的进一步发展，智联网将成为林业信息化的一个必需的技术手段，极大地提高林业信息化的水平和程度，更好地打造绿水青山。

参 考 文 献

[1]佚名.国家林业局印发《中国智慧林业发展指导意见》[J].林业经济，2013（9）：32.

[2]李道亮.物联网与智慧农业[J].农业工程，2012，2（1）：1-7.

[3]陈震.黑龙江省森工林区“智慧林业”框架应用技术研究[D].哈尔滨：东北林业大学，2012.

[4]刘云浩.物联网导论[M].北京：科学出版社，2011.

[5]王雪峰.林业物联网技术导论[M].北京：中国林业出版社，2011.

[6]王颖，周铁军，李阳.物联网技术在林业信息化中的应用前景[J].湖北农业科学，2010，49（10）：2601-2604.

[7] RUSSELL S J，NORVIG P.Artificial intelligence：a modern approach[J]. Appl mech mater，2010，263：2829-2833.

[8]李光辉，赵军，王智.基于无线传感器网络的森林火灾监测预警系统[J].传感器技术学报，2006，19（6）：2760-2764.

[9]陶佰睿，张艺弛，苗凤娟，等.基于物联网技术森林火灾防控系统设计[J].东北林业大学学报，2014，42（8）：141-144.

[10]张海云，王阿川.基于BP神经网络在森林防火专家系统不确定推理中的应用研究[J].中国安全科学学报，2010，20（7）：38-42.

[11]李云，徐伟，吴玮.灾害监测无人机技术应用与研究[J].灾害学，2011，26（1）：138-143.

[12] ZHAO H，DANG G，WANG C，et al. Diet and seasonal changes in Sichuan snub-nosed monkeys（Rhinopithecus roxellana）in the southern Qinling Mountains in China [J]. Acta theriologica sinica，2015，35（2）：130-137.

[13]楊震，杨宁，徐敏捷.面向物联网应用的人工智能相关技术研究[J].电信技术，2016，8（5）：16-19.

[14] LECUN Y，BENGIO Y，HINTON G. Deep learning [J]. Nature，2015，521：436-444.