基于农业物联网的日光温室智能控制系统研究

2022-01-27芦天罡张辉鑫唐朝张华王剑

现代农业科技 2022年2期

芦天罡张辉鑫唐朝张华王剑

（北京市农业农村局信息中心，北京 100029）

农业物联网是应用射频识别、传感、网络通信等技术设备，按照约定的协议，把农业系统中动植物生命体、环境要素、生产工具等物理部件和各种虚拟“物件”与互联网连接起来，进行信息交换和通讯，以实现对农业对象和过程智能化识别、定位、跟踪、监控和管理的一种网络[1-4]。物联网技术作为现代化设施农业发展的重要科技支撑，为农业生产提供精准化种植、可视化管理和智能化决策服务，实现集约、高产、优质、高效、生态和安全的目标[5]。近年来，农业物联网在设施农业的应用得到了深入研究[6-13]。陈美镇等[14]设计了智能网关应用软件，实现了温室环境监测中异构网络的统一管理。高浩天等[15]提出基于云存储和机器学习控制策略的智能温室架构方案，并在连栋温室中取得良好效果。郑纪业等[16]在3层物联网基础上提出了感知层、接入层、网络层、数据层及应用层5层农业物联网结构模型，提高了农业物联网架构的扩展性和可复用性。

目前农业物联网应用仍然存在一些问题。首先，技术处于温室环境感知、数据监测层面，对于农业物联网智能装备应用率较低，尚未形成“感知—决策—控制”的应用闭环，限制了农业物联网对改造传统农业的作用。其次，物联网感知设备、卷膜卷帘、自动灌溉等控制设备来自不同厂家，功能、接品和数据传输协议存在明显差异，使数据分享和服务协同变得异常困难，这种异构性导致物联网应用普遍还是人控，而非自控。最后，温室环境数据未得到有效利用，缺乏农业知识模型和阈值模型支撑，没有实现真正意义上的温室环境联动控制和智能控制。

本文针对以上问题设计了基于4层物联网架构的日光温室智能控制系统，设计的数据信息和控制信息传输的ZigBee传感器网络，满足异构设备和异构网络接入的智能控制终端，基于MQTT协议双向传输网络，以及具备数据采集分析、策略模型优化学习、远程智能控制的温室智能控制云平台，实现对温室环境的自动监测和智能调控，达到了温室种植节本增效的目的。

1 系统总体架构

根据农业物联网架构定义和实际应用需求，本系统总体架构分为4层，分别是感知层、接入层、网络层和应用层（图1）。感知层是温室控制系统的基础，用于温室环境数据采集和农机设备控制，包括环境感知单元、环境控制单元和传感器网络。本层通过ZigBee无线协议构建自组织传感器网络，实现温室环境数据的采集和传输，以及控制信息的传输。感知层架构如图2所示。接入层是部署在温室耳房的温室智能控制终端，是整个温室控制系统的神经中枢，负责对网络协议转换、电路管理、控制命令发送、工作状态监测等，可以屏蔽底层异构设备和异构网络的复杂性，实现了不同异构设备的统一接入和数据传输。网络层负责接入层与应用层之间的网络传输，实现环境信息和控制信息的传输和同步。为了应对日光温室较差的网络环境，本系统提供有线网络、4G、GPRS等多种传输方式。应用层是部署在云端的温室智能控制云平台，由数据中心和客户端应用程序组成，提供了智能温室智能监控的核心服务。

2 系统组成和实现

2.1 感知层设计和实现

2.1.1 环境感知单元硬件组成。温室环境感知单元由控制模块、采集模块、外围组件构成，提供了环境参数采集、转换、传输等功能。控制模块采用TI公司生产的系统级SoC芯片CC2530微处理器。该芯片支持IEEE802.15.4/ZigBee协议应用，具有工业标准增强型8051 CPU、可编程闪存、8 KB RAM以及许多其他功能强大的特性，具有不同运行模式，满足了温室环境采集低功耗、低成本的需求。

采集模块集成了空气温湿度、光照强度、二氧化碳浓度、土壤温湿度等多个传感器。空气温湿度选用SHT15型传感器，输出完全标定的数字信号，测量精度为±0.3℃/±2%RH以内。光照强度选用BH1750FVI型传感器，数字信号输出，可与CC2530直接通过I2C接口通信。土壤温湿度采集选用基于FDR原理的SMTS-11-485型传感器，模拟信号输出。二氧化碳浓度选用MG811型传感器，模拟信号输出。传感器的模拟信号和数字信号输出，经过核心控制模块AD转换、滤波过滤等处理，统一转换为系统标准的数据格式，通过控制终端的协调器传输至应用层。

外围组件包括电源管理模块和外观组件等。电源管理模块采用太阳能+锂电池的方式，实现不同环境、不同位置的长期测量需求。外观组件采用百叶窗结构，可以防止太阳直射对数据的影响，同时内含防水透气结构，以适应高温高湿的环境使用。

室外环境监测站采用北京天创金农科技有限公司开发的J207型智能气象站，可以对园区环境中的风向、风速、大气温度、大气湿度、光照总辐射、降水量、光照强度、土壤温度、土壤湿度等9个参数进行实时数据监测，能够快速反应种植地气象实时数据。

2.1.2 温室环境控制单元硬件组成。温室环境控制单元由农机装备和安装在上面的控制器、继电器、传感器组成，通过控制卷膜、卷被、通风、加温、二氧化碳、水肥一体化等农机装备，实现温室环境参数的调节。控制器采用CC2530芯片，通过ZigBee无线传输技术接收温室智能控制终端发出的控制指令，驱动继电器输出电路，实现日光温室农机设备的开启关闭等功能。传感器可以监测农机装备的执行状态，进行数据反馈调节，使水肥一体化、二氧化碳等设备实现定量控制。

2.1.3 传感器网络设计。ZigBee是基于IEEE802.15.4标准的低功耗无线组网协议，其特点是低复杂度、自组织、低功耗、扩展灵活，根据组网方式可以分为星状网络、树状网络和网状网络[17]。本系统采用ZigBee协议构建自组织传感器网络，实现温室环境数据的采集和传输，以及硬件控制信息的传输。传感器网络采用树状组网方式，设备类型分为协调器、路由器和终端设备。终端设备包括感知设备节点和调控设备节点，负责环境信息采集和温室设备调控。路由器负责扩展网络覆盖面、路由选择。针对不同温室场景可以适当增减路由器节点。协调器负责启动和管理传感器网络，以及温室的控制终端硬件集成，是传感器网络的控制中心。终端设备和路由器通过ZigBee自组网络向协调器上传环境数据，协调器接收数据之后通过4G、RS485总线等方式向上传递。

2.1.4 图像采集模块设计。日光温室的图像采集采用海康威视DS-2CD7T47DWD-IZ型高清摄像头。它集成了人脸识别深度学习算法，支持对运动人脸进行检测、跟踪、抓拍、评分、筛选，输出最优的人脸抓图。本系统在此基础上进行二次集成开发，实现棚内人员的自动识别拍照和农作物图像按时间轴的自动采集，生成可视化溯源履历，通过RS485有线网络传输至控制终端。

2.2 接入层设计

由于各类传感器和智能装备的功能、接口和数据传输协议等存在明显差异，设备和网络异构性限制了系统的扩展性和适用性，使数据接入和融合成为制约农业物联网发展的瓶颈。接入层的设计目标是屏蔽底层异构设备和异构网络的复杂性，实现下层资源和上层应用的解耦，形成统一的抽象资源接口。接入层控制终端搭载Android操作系统，采用JAVA语言开发环境，提供了智能网关、数据处理与转换、能源管理、固件可远程升级等功能。控制终端具有通信协议封装和解析功能，可以实现异构网络的数据传输，是ZigBee传感器网络与互联网传输的桥梁。

为满足上述需求，控制终端采用性能更高的四核Cortex-A9架构的Exynos 4412处理器，运行主频1.5 GHz，集成8寸可触摸液晶显示屏，支持RS485、WIFI、蓝牙、4G、SPI等多种接口电路，通过通信串口扩展实现ZigBee功能。同时，为接入更多的温室终端设备，对主板IO进行扩展，支持接入AC 380 V、AC 220 V、DC 24 V和无源开关等负载设备，最多可接入16路负载。相较于传统PLC控制柜，控制终端机身采用ABS工程塑料（图3），全封密闭，更适宜于高温高湿的温室环境。

2.3 网络层设计

消息队列遥测传输（message queuing telemetry transport，MQTT）是IBM开发的物联网传输协议，主要用于轻量级的订阅/发布式的消息传输，可以为低带宽和不稳定的农业温室监控场景提供双向、实时网络通信。本系统通过MQTT协议建立温室控制终端、应用层客户端程序的数据双向传输。监测数据从传感器至客户端的上行传输过程如下：温室控制终端将传感器数据转换为符合JSON消息格式的数据，以MQTT的发布者角色将数据传输至数据服务器，数据服务器作为MQTT的信息代理将控制终端发布的数据消息推送到已经订阅相应主题的客户端应用程序。控制命令等数据下行流程将温室控制终端作为订阅者，接收数据服务器推送的客户端应用程序发布的控制信息，再通过传感器网络将消息传输至终端设备，终端设备控制器将信息解析并控制设备。

2.4 应用层设计

应用层是部署在云端的温室智能控制云平台，如图4所示，由数据中心和客户端应用程序构成。数据中心提供系统数据存储和访问服务，使用MySQL存储关系性数据，以JSON数据格式实现数据中心与温室控制终端、应用程序平台之间的数据交换和共享。数据中心由数据管理、发布订阅、服务管理等模块组成。数据管理模块对温室环境感知数据、气象数据、种植管理数据进行清洗转化、持久化储存。发布订阅模块承担着转发MQTT通信的服务功能，负责通信的建立、连接和维护。

客户端应用程序采用前后端分离架构，提高了平台的易用性和扩展性。后端管理系统使用JAVA语言编写，采用Springboot+Mybatis-Plus+Shiro框架，由系统管理、设备管理、数据管理、作物模型管理、专家模型管理等功能模块组成，提供了智能监控主要管理功能。设备管理模块集成了所有物联网设备的管理功能，包括视频监控设备、环境监控设备、温室智能调控及水肥灌溉设备等。控制策略模块集成了机器学习算法，可通过历史数据挖掘和训练，优化温室环境调控阈值模型。前端展示采用VUE框架，包括WEB网页端和微信公众号端，通过AJAX方式调用服务端REST API接口，返回JSON格式数据解析渲染页面，为用户提供了日光温室远程监测和控制智能监控的核心服务，包括温室管理、视频监控、环境监控、智能控制等功能。

3 系统实施效果

本系统软硬件部署在北京市昌平区特菜大观园的37号日光温室，硬件部署如图5所示。自2019年1月部署以来，温室环境数据采集准确，控制终端运行稳定，网络运行正常。同时，通过1个茬口的椰糠无土栽培高品质番茄试验，与无物联网监控系统下36号日光温室种植模式对比，本系统的使用可对温室中的空气温度、空气湿度、CO2浓度、基质温度、水分等多个参数进行实时监测和调节，结合系统调控阈值模型，更有利于创造作物生长的最佳环境，节省人工成本33%。表1记录了2种温室种植的番茄产量对比，单位面积产量每年提高11.4%。表2记录了2种温室番茄的可溶性糖含量、可滴定酸含量、可溶性固形物含量等指标，可见温室环境智能调控可以有效提高产品品质。