基于LoRa的花卉温室环境监测系统设计与实现

阮进军

基于LoRa的花卉温室环境监测系统设计与实现

阮进军

（安徽商贸职业技术学院电子信息工程系，安徽芜湖，241002）

花卉种植温室面积大、环境复杂，传统的监测系统中使用的ZigBee短距无线技术已经无法满足此类温室环境监测的需求。系统采用功耗低、传输距离远、抗干扰能力强的LoRa网络将传感器采集的温室环境参数从感知层传输到应用层，利用基于改进自适应加权算法的数据融合模型对采集的传感器数据进行数据融合，方便管理人员使用智能手持设备及时掌握选定温室的整体环境状态，为后续利用云平台智能调控花卉温室环境提供数据支持，具有广泛的应用前景。

LoRa; 数据融合；自适应加权算法；环境监测。

目前，温室花卉种植企业从提高生产效率出发，设置的温室单体面积都比较大，因此要求用于监测环境的传感器网络覆盖范围也相应较大。传统的ZigBee技术在传输距离、抗干扰以及网络稳定性等方面已经不能满足大面积花卉温室环境监测的需求。LoRa是一种低功耗广域网（LPWAN）技术，解决了传统无线传感器网络的远距离传输与低功耗不能兼得的问题[1]。同时，它将数字信号处理技术、前向纠错编码技术、GFSK调制技术与扩频通信技术相融合[2]，具有更多的链路预算和更好的抗干扰性能[3]，此外LoRa使用非授权频段通信，无需考虑后期向通信运营商支付通信服务费，系统使用成本低。因此LoRa技术更加适用于大面积花卉温室环境监测系统。

1.系统总体设计

1.1 系统体系结构

系统基于物联网三层架构体系设计，系统总体架构如图1所示。

图1 系统总体架构

感知层中的终端节点实时采集温室环境中影响花卉生长的环境因子（温度、湿度、光照度和CO2浓度）数据，网络层利用LoRa网络，将感知层数据通过网关传送至应用层的云平台服务器集群，云平台服务器集群运用大数据技术完成数据的存储、处理及分析工作后，将温室的环境数据根据用户的具体需求呈现在终端或智能设备之上，为后续利用云平台智能调控花卉温室环境提供数据支持。

1.2 终端节点和网关设计

花卉温室环境由于面积较大，每个温室中都布设了较多的采集终端节点，虽然理论上LoRa网关可以容纳几万个节点，但是在实际使用中如果单个LoRa网关连接的终端节点过多，存在网络瘫痪或误码率增加的风险[4]。由此本系统为每个温室配置一个独立的LoRa网关，和采集终端节点组成多对一星型网络，每个温室中的采集终端节点只与自己配属的LoRa网关通信。由于正常情况下这些单个温室终端节点连接状态不会出现大幅度的变化，且每个终端节点采集的信息数据量较小，对网络传输速率和功耗要求低，系统网络无需使用复杂的LoRaWAN通信协议架构，只需要让网关与本温室范围内的所有采集终端节点保持稳定的长连接即可。因此系统的硬件的选型和设计上可以做到更加的轻量化，能为用户节约大量的硬件投入成本。

1.2.1终端节点设计

系统终端节点主要由MCU、LoRa通信、传感器和电源管理模块构成，如图2所示。

MCU模块选用TI公司16位单片机MSP430F149,该产品支持5种省电模式，可充分满足终端节点的设计需求。通信模块采用基于LoRa调制技术的无线射频收发器SX1278[5],它工作于Sub-1GHz[6]频段，功耗超低，能够实现超远距离的扩频调制通信，尤其适用于传输速率不高的低功耗无线传感器网络，它使用SPI总线与MCU双向通信，可将MCU接收到的采集数据发送到LoRa网关，也可接收LoRa网关下发的指令交由MCU控制相应的继电器模块实现对温室环境的调控操作。

图2 终端节点结构

传感器模块从可靠性、能耗、价格因素等实际需求出发，分别选择了DS18B20数字温度传感器、DHT21数字湿度传感器、TSL2561数字型环境光传感器和自带温度补偿功能的MH-Z19B CO2传感器。其中DHT21、DS18B20传感器采用单总线技术分别和MSP430F149的通用I/O口P6.2和P6.3连接，CO2传感器MH-Z19B则通过RXD和TXD引脚与MSP430F149进行连接，其中RXD引脚用于接收单片机的控制信号，TXD引脚负责向单片机发送数据。TSL2561传感器通过I2C总线的SCL和SDA直接连接单片机控制器，使用内部集成的16个寄存器接收MSP430F149的控制指令。以上各种传感器与单片机的接口电路如图3所示。

图3 传感器接口电路

考虑到温室环境监测的具体情况，系统终端节点选择了对环境污染较小，且单位能量高的3.7V锂电池作为系统电源。但是终端节点中各模块对电源电压的要求却并不相同，例如MCU模块和LoRa通信模块使用的是3.3V直流电源，传感器模块中的DHT21和MH-Z19B则采用5V直流电源供电。因此终端节点中的电源管理模块分别利用PS7516和AMS1117-3.3芯片，搭建升压和降压电路，并附加必要的稳压和滤波电路为系统提供稳定的直流5V和3.3V两种电源电压，从而有效保障了系统终端节点的用电需求。

1.2.2 LoRa网关结构

LoRa网关在系统无线网络中起到了中间桥梁的作用，它接收自己覆盖范围内的终端节点采集数据，通过3G/4G/WiFi或者有线传输方式，利用Internet网络上传至云平台服务器集群进行存储和处理，同时云平台下达的控制指令也需要通过LoRa网关发送至控制节点执行。

LoRa网关结构如图4所示，它由MCU、LoRa通信模块、电源管理和网络接口模块四部分组成。其中LoRa通信模块、电源管理模块和上述终端节点中的相应模块采用相同的设计方法，考虑到网关需要转发大量数据、有一定量的复杂数据计算，因此MCU模块选择ST公司的STM32L073RZT6 32位微处理器作为主控芯片。STM32L073RZT6基于ARMCortex-M3内核架构设计，具有休眠电流小、工作频率高且价格低廉等优势，完全能满足LoRa网关的硬件需求。网络接口模块负责LoRa网关与云平台之间的数据传输，它通过UART与主控芯片连接，利用现有成熟、稳定可靠的有线、无线传输方式（RJ45网线、3G/4G、WIFi等）将LoRa网关接收到的节点采集信息传输到云平台。

图4 LoRa网关结构

2.数据处理

温室面积比较大，即使在同一个温室不同位置的环境温度、湿度、光照度和CO2浓度参数也会存在一定差异，此外采集过程中传感器也可能受到外界干扰，导致数据出现较大幅度的偏差。为此，系统在温室不同位置布置多个传感器同时采集温室环境参数，再利用自适应加权融合算法实施数据级融合，分别获得整个温室温度、湿度、光照度和CO2浓度的最优估计值，方便用户比较直观的掌握每个独立温室的整体状态。根据上述花卉温室环境监测系统的特点，本文提出了一种基于改进自适应加权算法的数据融合模型，由于每个节点都要采集温度、湿度、光照度和CO2浓度4个环境信息，因此系统需要分别使用4个融合模型进行数据融合处理，每一种模型处理数据的原理和步骤完全相同，模型结构如图5所示。模型由信息输入层、中间层和融合输出层组成，分别对应花卉温室环境监测系统的感知层、网络层和应用层。

图5 基于改进自适应加权算法的数据融合模型结构图

2.1 信息输入层模型

位于系统感知层的采集终端节点负责为信息输入层提供数据，以CO2浓度采集为例，由于温室环境相对比较封闭，在连续几个采样区间采集的CO2浓度可能变化幅度非常小，如果不做任何处理直接发送到网关，不仅没有意义，还会导致网络中存在大量冗余数据增加网络传输能耗，因此信息输入层首先在每个节点内对各自采集的CO2浓度数据进行预处理，具体方法是：只有本次采集的值x(t)与前次采集的记录值x(t-1)变化超出预设值θ时，才能被记录下来，并被节点发送到网关，否则将被视为无显著变化数据不予记录，从而有效降低了网络传输能耗。

2.2 中间层模型

此时确定与中位数的距离大于𝛃mf的数据为离异值（此处𝛃为常数，用于控制系统的精度，通常取值为0.5、1.0或2.0），因此

2.3 融合输出层

中间层采用分布图法剔除了疏失误差后，可以将数据通过网关传输至系统应用层的云平台服务器集群进行存储，但是每个温室的传感器数据非常多，不利于用户直观掌握整体温室的环境状况，自适应加权数据融合算法[8]比较简单，在使用多个传感器监测某信源特征信号时,通过把数据误差小的传感器权数增大,误差大的权值缩小的方式调整各权值,使总均方误差最小,保证融合后的特征值最优[9]。图5中的融合输出层展示了其基本结构。

2.4 自适应加权数据融合算法改进

（1）系统调用数据库中存储的第i个CO2浓度传感器相邻的k次测量原始值，计算该传感器的均值为：

（2）此时的总估计值为：

（3）总均方差为：

3.系统运行实例

花卉温室管理人员及基地高层管理人员使用手机通过身份验证后登录系统云平台，可查看自己权限范围内所有花卉基地的温室环境状态，如图6（a）所示。系统会自动对基地进行排序，将最需要关注的基地置顶，方便用户及时处理，用户也可以利用搜索栏直接查找需要关注的温室基地信息。点击图6（a）中需要查看的基地名称，打开该基地的温室情况一览界面，如图6（b）所示。界面中的数据每隔1分钟会根据系统监测数据刷新一次，保证了数据的实时有效性。当基地中的某个温室环境参数超出了该温室种植花卉的适宜环境指标阈值上限时，系统将显示警告及异常信息提醒用户及时关注和处理。图6（b）中1号温室的湿度参数达到了阈值上限，2号温室的温度则超出了阈值上限，系统分别显示黄色警告标志和红色异常标志，此时用户可以选择自动控制按钮，选择云平台根据温室历史大数据智能计算获得的最优解决方案，控制执行部件迅速使温室环境恢复到适宜作物生长的正常状态。

6(a) 6(b)

4.结语

针对传统农业物联网ZigBee技术功耗大、容易受到外界干扰、传输距离有限，难以适应面积大、环境复杂的现代花卉温室环境监测需求，采用改进的多传感器自适应加权数据融合技术实现了基于LoRa技术的花卉温室环境监测，花卉温室管理人员及基地高层管理人员可以远程实时掌握选定温室的温度、湿度、光照度和CO2浓度信息，方便用户后续使用云平台智能调控花卉温室环境，提高温室生产经济效益。

[1]杨磊,梁活泉,等．基于LoRa的物联网低功耗广域系统设计[J].信息通信技术, 2017,11(1):40-46.

[2]王钧.基于LoRa的设施农业区自动气象站监测系统设计[J].中国农机化学报, 2018(5):82-86.

[3]郑浩.LoRa技术在低功耗广域网络中的实现和应用[J].信息通信技术, 2017,11(1):19-26.

[4]孟开元,韩佳佳,曹庆年,张珂.基于LoRa技术的油田井口数据监测系统设计[J].智能计算机与应用, 2017,7(6):83-85.

[5]徐文磊.433MHz低噪声放大器的设计与功率放大器的实现[D].南昌:南昌大学, 2016.

[6]李明明.Sub 1GHz物联网候选频谱及无线节点覆盖性能研宄[J].中国无线电, 2015(8):37-39.

[7]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, 2002,9(2):33-35.

[8] Liyong Zhang, Dan Li, Li Zhang and ChongquanZhong.A Weighted Fusion Algorithm of Multi-sensor Based on Optimized Grouping[C]//Proceedings of the 6th World Congress on Intelligent Controland Automation, 2006: 21-23.

[9]何友,彭应宁,法大绘.多传感器数据融合模型综述[J] .清华大学学报, 1996,36(9):14-20.

[10]廖惜春,丘敏，麦汉荣．基于参数估计的多传感器数据融合算法研究[J].传感技术学报, 2007,20(1):193-196.

Design and Implementation of Flower Greenhouse Environment Monitoring System Based on LoRa

RUAN Jin-jun

The flower-growing greenhouses are becoming larger with the increasingly complex environment, so the ZigBee short-range wireless technology used in traditional monitoring systems cannot meet the requirements for this type of greenhouse environmental monitoring.The new system can transmit the greenhouse environmental parameters collected by the sensor from the sensing layer to the application layer by use of the LoRa network with low power consumption, long transmission distance and strong anti-interference ability and carry out the data fusion on the collected sensor data by use of the data fusion model based on the adaptive weighting algorithm performs.Hence, the administrators can select the overall environmental status of the selected greenhouse in time with the smart handheld devices to provide data support for the subsequent intelligent control of the flower greenhouse environment with the cloud platform, which has broad application prospects.

LoRa; data fusion;adaptive weighting algorithm; environmental monitoring

S126

A

1009-1114（2019）03-0030-05

2019-07-11

阮进军（1976—），安徽桐城人，副教授，硕士，研究方向为无线传感网络、智能系统与计算机应用。

研究项目：安徽省教育厅自然科学研究重点项目（KJ2015A413、KJ2017A589）；安徽省教育厅高等职业教育创新发展动计划项目（2016CX30）。

文稿责编 喻洁