基于LPWAN物联网云平台的茶园监控系统设计

海 涛，陆 猛，黄光日，肖健伦，于 赫

（广西大学 电气工程学院，广西 南宁 530004）

在茶树种植中，科学高效的种植技术可以提高茶叶的质量与产量，提高茶农的经济收入。随着传感器技术和物联网技术在农业领域的广泛应用[1-2]，研究人员开始通过信息化手段监测茶园环境信息。徐操喜等[3]基于LoRa通信设计了茶园雾灌监测系统，精细化分析雾灌对茶树生长环境的影响，但未考虑对环境参数的远程控制；何敏等[4-5]通过不同通信网络对茶园环境进行监测，远程获取环境信息，但存在通信距离短和信号不稳定等弊端。同时茶园面积宽广且位置偏远，市政供电网络建设相对落后[6]，数据采集模块和灌溉模块缺乏充足的电力供应。

针对上述不足，本试验设计了基于低功耗广域物联网云平台的茶园监控系统，对茶园进行远程、实时监控。针对茶园位置偏远引入了太阳能发电，设计太阳能发电系统就地解决供电问题；为了实现复杂的茶园环境中稳定可靠的数据传输，使用抗干扰能力、穿透力强的LoRa通信模块搭建局域网，使用NB-IoT模块传输数据包到云服务器；利用物联网技术对灌溉装置进行远程控制，以期避免传统粗放型灌溉方式效果不佳和水资源的浪费，提高水资源的利用率，为茶树创造最佳生长条件，达到茶叶增产增收的目的。

1 系统框架和原理

茶园监控系统包括物理控制层、网络服务层和终端应用层，系统结构如图1所示。

图1 系统总体结构图Fig. 1 Overall structure diagram of the system

物理控制层包括环境参数采集子节点、主节点和光伏发电系统。子节点通过传感器将茶园内空气温湿度、土壤温湿度、光伏组件温度等参数采集到主节点。为了更直观地掌握茶树的长势，引入视频模块对茶园进行监测。子节点与主节点之间通过LoRa通信芯片进行数据传输，主节点汇总各个子节点数据后利用NB-IoT通信模块上传到NB-IoT基站，然后将数据发送到云平台。光伏发电系统利用茶园丰富的太阳能发电，通过电压转换模块输出不同电压为传感器、单片机、数据传输模块及灌溉装置供电。

网络服务层中NB-IoT基站通过VPDN隧道直接与云平台服务器进行数据交换[7]，云服务器对数据进行存储、处理和转发，并提供终端用户的请求服务。

终端应用层提供可视化界面实现对现场实时数据和历史数据的显示以及对现场执行机构的控制，达到科学、高效管理茶园的目的。

2 物理控制层设计

物理控制层的作用是采集茶园环境的空气温湿度、土壤温湿度等参数和光伏板温度等参数上传到云服务器，并根据云服务器下发的控制信号对执行机构做出相应的操作。

2.1 光伏发电系统设计

针对茶园位置偏远，电力设施建设薄弱的问题，设计了如图2所示的水冷循环太阳能发电系统，提高发电效率，就地消纳太阳能解决茶园供电问题。

图2 水冷循环光伏发电系统结构Fig. 2 Structure of water cooling cycle photovoltaic power generation system

太阳能电池板在持续工作一段时间之后，其温度会不断升高。过高的温度会影响太阳能电池板的发电效率，温度每升高1 ℃，太阳能电池的发电效率会降低0.35%～0.5%[8]。通过图2中换热管给其降温，为保证发电效率，控制水泵的转速使光伏板温度维持在设定值25 ℃。

利用软件PVsyst对所在地广西南宁市的气象数据进行分析，斜面辐射与水平面辐射的比值FT与太阳能电池板倾斜角和方位角的关系如图3所示。当倾斜角为18°、方位角为0°（正南方向）时，FT为最大值1.03，相对于最优化损失为0%，倾斜面辐射量最大，即太阳能光伏板最佳方位角为0°，最佳倾斜角为18°。为保证光伏系统供电的稳定性以及减少水冷循环光伏发电系统的开发成本，采用有线集中式供电，位于茶园中心位置的光伏发电系统分别为各个节点模块及灌溉装置供电。

图3 FT与倾斜角、方位角的关系Fig. 3 Relationship between FT and inclination angle,azimuth angle

2.2 微处理器设计与设备选型

ARM处理器芯片因其性价比高、内部资源丰富等优点被广泛应用于自动控制领域中，本试验采用STM32F103ZET6芯片，256 kB 的 Flash和 64 kB 的RAM，良好的处理性能与丰富的外设资源能使系统需求得到满足。

物理控制层是监控系统的底层，传感器是物理控制层的核心部件，系统的运行状态取决于传感器采集到的环境数据[9]。传感器的选择需要考虑量程、精度以及茶园中温湿度的影响。综合数据采集精度和稳定性等因素，系统各传感器选择如表1所示。

表1 传感器及主要参数Table 1 Sensors and main parameters

2.3 茶园通信设计

由于茶树喜温、喜湿和耐荫的生长特点，茶园通常以等高梯层、密植绿化的标准来建设[10]，茶园环境复杂。本文在茶园中使用LoRa+NB-IoT的混合方式通信。LoRa具有传输距离远、发射功耗低、抗干扰性强的优势[11]；NB-IoT具有强链接、高覆盖、低功耗和低成本的优势[12]。本试验将2种网络组合应用，克服传输距离短和成本高的难题。以STM32F103ZET6芯片为控制核心，通过串口通信接受LoRa模块的环境数据，并将数据发送到NB-IoT模块。LoRa模块采用正点原子的ATKLORA-01模块，在植被密集的茶园地区其通信距离能达到1 km以上。NB-IoT模块采用稳恒电子公司的WH-NB73模块，通过串口收发数据。

ATK-LORA-01模块是ALIENTEK的低功耗高性能的远距离LoRa无线串口模块，采用高效率的ISM频段射频SX1278扩频芯片。该模块发射功率20 dBm，工作电压3.3～5 V，工作温度-40～85 ℃。ATK-LORA-01模块可通过ATK-MODULE接口与STM32F103开发板直接对接，电气连接如图4所示。

图4 LoRa模块连接图Fig. 4 Connection diagram of LoRa module

WH-NB73模块发射功率23+/-2 dBm,工作电压3.1～ 4.2 V，典型值 3.8 V，工作温度 -30～ 80 ℃，工作湿度5%～95%。WH-NB73与专用的NB-IoT物联网卡进行通信，并通过射频天线将采集到的数据直接发送到NB-IoT基站，通信模块应用框图如图5所示。

当LoRa模块将传感器采集的数据发送到控制器，控制器接收到信号后，对数据进行缓存，并通过NB-IoT上传到云平台服务器。

图5 WH-NB73模块应用框图Fig. 5 Application block diagram of WH-NB73 module

物理控制层的工作流程如图6所示，采集终端初始化完成后，STM32单片机进入睡眠模式等待定时器中断唤醒。当定时器下发指令后，STM32单片机退出睡眠模式，对茶园环境数据进行采集，并将采集到的信息发送给通信模块，接着进入睡眠模式。若接收到调控指令，STM32单片机立即退出睡眠模式，控制器发出控制指令开启灌溉阀门，执行完毕后进入睡眠模式。

图6 物理控制层工作流程Fig. 6 Workflow of physical control layer

3 云平台开发

本试验云平台选择支持NB-IoT的透传云管理系统，主要包括监控中心、数据管理、设备管理、组态管理、摄像头管理以及手机端等模块。WHNB73模块支持CoAP和Modbus 2种通讯协议，由于CoAP协议在休眠模式下模块不能主动接收服务器数据，不利于物理控制层和应用层的数据交互，本系统选择Modbus通信协议。

透传云管理系统支持二次开发，本试验基于云组态对系统进行开发。根据茶园监控需求功能进行开发设计，如根据茶园土壤湿度设置1个触发器，当土壤湿度低于设定值时触发器发出警报信息，警报信息可通过短信或微信的方式推送，同时自动启动灌溉设备进行灌溉。基于云组态开发如图7所示。

图7 云组态开发Fig. 7 Cloud configuration development

利用透传云管理系统提供的SDK和API接口实现二次开发，用户程序按JSON格式与透传云交互。服务器向设备主动发送读取指令，设备返回数据，根据数据点规则完成解析、存储、报警等，并转换为JSON格式推送给SDK，同时程序发送JSON格式的指令完成主动控制。图8为茶园各数据节点的1组实时数据，支持历史数据的Excel下载与API接口下载，以便于对茶园环境影响因素进行分析。

图8 云平台数据更新界面Fig. 8 Data update interface of cloud platform

为实现茶园监控系统的移动端监控，开发了云平台的微信小程序，该小程序实现了与PC端数据的全对接，可以查询各数据节点的数据变化并接收报警信息与视频监控，移动端界面如图9所示。

图9 移动端数据更新界面Fig. 9 Data update interface of mobile terminal

4 系统测试

4.1 光伏供电系统测试

系统测试地点为所在地广西南宁市某茶园，选用10块250 W多晶硅太阳能电池，由2组串联阵列并联组成光伏阵列，每组串联阵列由5块串联而成。配备 48 V，180 Ah的蓄电池为 350 W 负荷持续供电，在24 h内每间隔1 d对蓄电池荷电状态进行检测，图10为测试结果。测试期间太阳光照时间为6:40—19:30，日出后蓄电池荷电状态随着太阳辐射的增加呈上升趋势，正午之后辐射降低，蓄电池放电辅助系统为负载供电，荷电状态降低。蓄电池荷电状态在日出前达到最低值42%，在16:00时达到最高值的82%，基本满足系统设计要求。

图10 蓄电池荷电状态变化曲线Fig. 10 Curve of battery state of charge

4.2 通信测试

数据丢包率是影响系统稳定性的主要因素，本试验选取5个传感器节点对丢包率进行测试。在48 h内周期性地发送相同数据，观测各节点的数据接收情况，表2为通信测试结果。

表2 丢包率测试结果Table 2 Test results of packet loss rate

数据丢包率的计算公式为：

其中，N，ξi，Di分别表示传感器的数目、第i个传感器丢失的数据包和第i个传感器发送的数据包的数目。由表2数据可得数据丢包率约为1.02%，能够实现数据实时、准确采集，满足系统要求。

4.3 监控系统测试

茶园中空气温湿度和土壤温湿度是茶树生长的主要影响因素。空气温度在20～30 ℃之间为宜，气温高于30 ℃时茶树生长缓慢，达到35 ℃时停止生长，空气相对湿度要求在70%以上；土壤含水率应保持在20%～35%之间，低于20%时茶树生长明显受到影响[13-15]。本文主要监控参数为空气温湿度和土壤温湿度。

选取2020年4月12日—22日期间每隔1 h获取的数据，计算各传感器平均值进行绘制，得到空气温湿度和土壤温湿度变化曲线如图11所示。在测试过程中，系统运行稳定可靠，茶园内各参数数据采集精确，数据传输迅速，同时支持移动端和PC端数据查询，操作界面友好，控制指令下达迅速，满足现代化农业的管理需求。

图11 空气温湿度和土壤温湿度历史数据曲线Fig. 11 Historical data curve of air, soil temperature and humidity

4.4 系统调控测试

本系统通过喷灌方式对茶园环境进行调控，调控对象参数为茶园土壤含水率。执行机构选取三菱FX2n-20mt系列PLC模块作为控制核心，通过继电器控制灌溉控制阀门的开关。考虑到不同采集节点区域土壤湿度可能存在差异，本试验针对各采集节点区域分别设置1个灌溉控制阀门。当土壤湿度传感器检测到土壤含水率低于设定阈值时，便通过控制中心下发控制指令，PLC发送灌溉指令，继电器动作启动灌溉控制阀门，调控结果如图12所示。

由图12可知，在4月14日15时土壤含水率低于20%，达到设定下限阈值，监控系统下发灌溉指令，PLC根据接收的远程控制信号启动灌溉阀门开关进行灌溉，达到设定上限阈值时停止灌溉。土壤含水率随着时间的推移逐渐降低，在4月16日10时左右出现降雨，土壤含水率随之增加。在茶园中另一区域进行测试，相同环境条件下不施加任何灌溉操作，以该区域检测到的土壤湿度作为参照。从图12中的对比曲线可知，未施加灌溉调控的茶树则会处于缺水状态，影响茶树的正常生长。与之相比，本系统可以实现远程调控土壤湿度，维持在20%～35%范围内，满足茶树生长要求。

图12 土壤湿度调控对比曲线Fig. 12 Control and contrast of soil moisture

5 结论

针对茶园种植现代化程度不高，设计了基于低功耗广域物联网云平台的茶园监控系统，该系统通过传感器采集茶园环境参数并使用LoRa和NB-IoT通信模块传输数据到云平台和数据库，为后期分析提供数据基础。同时对移动端开发微信小程序，实现与PC端的数据对接。该系统还设置了调控装置，实现茶园环境参数的远程监控，使得茶树生长处于最优状态，推动了茶园种植向智能化和信息化发展。