基于灰熵关联分析的温室智能调控系统研究

李 伟，金 梁，杜 丽

（1.河南工业职业技术学院，河南 南阳 473005；2.南阳师范学院，河南 南阳 473001；3.河南省月季种质创新与栽培技术工程研究中心，河南 南阳 473001）

0 引 言

【研究意义】作物种植方式逐渐由传统的粗放式种植过渡到精细集约的现代化规模种植[1-2]。温室作物的产量和品质受所处生长环境的影响，主要包括空气及土壤温度和湿度、光照强度、土壤肥力等因素[3]，科学合理地控制这些生长因素使其维持在适宜的指标，确保作物在最佳环境中生长，从而达到提高作物产量、改良作物品质、保障食品安全、调节生长周期的目的。如何借助于新一代信息技术对温室加以改进，使其充分发挥潜力，已成为农业生产部门和科研工作者关心的问题。

随着人力成本的增加和智慧农业的不断发展，从经济角度和技术角度，都要求在农业生产中实现对温室气候小环境的实时监测和自动化控制。传统的温室调控依赖于手工方式或有线组网，手工方式需要人工观察放置在温室内的测量仪表得到数据，再手动调控设备到适宜的环境，不但耗费时间和人力成本，且观察到的数据主观性强、误差大，不利于精确、连续地记录。有线组网方式需要在温室内交错穿插线缆，布线复杂、成本高、灵活性不强[4]。

【研究进展】基于上述问题，使用无线网络的温室智能调控成为智慧农业设施栽培技术的重要应用领域，国内外学者、工程师对其进行了大量的研究。在温室调控设施构建层面，张天立等[5]、张辉等[6]、杨再永等[7]分别使用远距离无线电、自组织多跳网络、消息队列遥测传输等技术搭建无线网络，联网各类传感器监测出环境因子的即时变量，进行实时在线监测和调控。这些工作更多集中于对温室环境参数数据的简单采集，而做出的调控决策需依靠经验，缺乏深层次和大样本的相关性分析，并不能保证其合理有效。在温室环境调控策略方面，刘洪静等[8]使用模糊PID算法结合MCGS组态系统，以设定的土壤湿度作为灌溉的依据，研究并设计了一种节水灌溉智能控制系统；刘斌等[9]将农田土壤墒情数据作为模糊控制器的输入量，基于Smith预估模糊控制器实现作物灌溉需水量的模糊控制；李浩楠等[10]通过分析作物生长典型环境因子，将模糊理论和神经网络结合，引入动量梯度下降优化算法提高调控精度。【切入点】以上研究都只将空气及土壤温湿度、光照强度、土壤肥力等信息作为模糊输入量，忽略了各环境信息之间的强耦合性，对某单一环境因子进行调控，一般会影响其他环境因子的调控作用，使得决策不够准确。

【拟解决的关键问题】本文根据温室的实际需求，采用ZigBee片上系统CC2530配合各种环境因素传感器，基于无线传感网络布网获取、传输数据，综合考虑影响植物生长的各项环境要素，将其视为不确定型决策的多项属性，建立基于灰熵评价的数学模型，计算各影响要素的最优值；并将结果反馈给各类数控农业机械，实现对温室环境的自动调控，从而给植物生长配置最优生长环境。

1 系统设计

1.1 系统功能及目标分析

温室智慧调控系统主要功能包括以下3个方面：

1）实时监测。利用物联网技术及各种传感器采集温室内的环境影响因素，并通过ZigBee无线分布式传感网络将各项数据指标传输到控制平台。

2）智能分析。将实时监测过程中得到的各项数据存储、分析和处理，利用灰色关联分析理论，并结合种植经验，得出最有利于植物育苗生长的理想值，将传统种植中被模糊处理的问题，通过信息化手段成为实时、定量、精准的标准化管理。

3）精准调控。实现信息数据与温室设备的无缝对接，保障各自动化设备按照指令工作。根据实时采集的数据和系统设定的理想值进行分析，智能判断是否需要调节温室小气候环境指标，自动控制浇水、排风、透光、加湿、施肥、喷药等设备的状态[11]。

温室智能调控系统应达到如下目标：通过自动化调节，平衡温室小气候环境指标间的关系，节约水肥资源，降低人力成本，提高管理效率，确保植物在最佳生长环境中快速生长，达到提产优质、调节生长的目的。

1.2 系统体系结构设计

整个系统由无线终端、传输网络和数据管理平台3个部分构成。其中，无线终端分为环境因素传感器和自动控制执行器2类，主要是由ZigBee终端节点、具有计算和通信能力的传感器以及各类自动化设备构成；传输网络包括ZigBee、WLAN及4G网络等通讯设施；数据管理平台实现感知数据管理、存储等功能[12-13]。系统框架如图1所示。

图1 温室控制系统框架Fig.1 The framework of greenhouse control system

控制系统无线终端按照如图2所示的星型结构布局，位于系统最底层。终端节点间距5～30 m之间，具体可根据温室跨度、植株疏密、指标种类等因素调整。根据实际需要，在ZigBee终端安装温湿度传感器、光照传感器等设备，采集植物生长环境信息并转化为一定格式的数字量；控制处理执行器驱动各类自动化设备包括遮阳帘、灌溉阀、补光灯、肥料泵、通风窗、加热器等设备。无线传感终端平时处于休眠状态，每隔30 min自动采集1次数据并将数据发送给汇聚节点，汇聚节点收到数据后传输至上位机软件。图3为CC2530片上系统传感器节点的结构框图。

图2 控制系统无线终端分布Fig.2 Wireless terminal distribution of control system

图3 传感器节点结构Fig.3 Structure of sensor node

各种传感器节点分布在监测区域，通过Mesh自组织形式，沿着路由节点、汇聚节点逐级在无线ZigBee网络中传递信息[14]；最后通过WLAN、4G网络传递到感知数据管理平台，为植物生长分析系统提供可靠的数据统计。

2 温室环境智能调控决策

2.1 灰色关联分析原理

因温室气候小环境因素与植株生长之间不是线性关系，仅通过数理统计方法很难发掘其内在关系。灰色系统理论[15]（Grey System Theory，GST）特别适合求解作物生长环境优化这种较为繁杂，影响因素众多，部分信息明确、部分信息缺失，存在信息参数模糊不全的问题。

作物生长周期内连续测量记录其生长量X0、空气温度X1、空气湿度X2、光照辐射强度X3和土壤湿度X4等数据，其中X0是反映植物生长行为特征的数据序列，称为参考序列，Xi(i=1,2,3,…)为影响植物生长行为的各项环境指标组成的数据序列，称为被比较序列。灰熵关联分析是GST的重要内容，它通过分析参考序列与被比较序列之间的“距离”来度量各个序列之间的异同，“距离”的大小直接反映系统中的各因素对目标值的影响程度，从而确定它们之间的相互影响关系以及影响系统行为的最主要因素[16]。

式（1）的计算结果H(X)为序列的灰熵，xi称为属性信息。由定义可知，当序列X的各项值均相等，即x1=x2=…=xn时，灰熵达到最大值Hmax(X)=lnn。

定义序列X的均衡度为：

显然，B数值越大，整个序列就越均衡，当B达到极值1时，H(X)=Hmax(X)。

式中：ρ为分辨系数，ρ∈[0,1]，在运算中可调节，一般取值为0.5；xi0为参考序列的第i个值；xij为第j个比较序列的第i个值。

2.2 算法描述

设X={xi|1≤i≤m}为待决策试点集，

S={sj|1≤j≤n}为生长环境评价因素集，构建出各评价因素的收益值矩阵V={vij|1≤i≤m;1≤j≤n}。

步骤1：确定理想方案。考虑到各环境因素对植物的影响既不是理想值越大越好的效益型指标，也不是理想值越小越好的成本型指标，故首次试验理想方案的设定选用经验值，后续即可选定通过算法计算得到理想方案最优值。

步骤2：计算理想方案与待评方案的损失矩阵，即因为没有选择理想方案而对收益值造成的损失，

步骤3：对收益值矩阵进行无量纲化，计算式为：

损失矩阵归一化，计算式为：

步骤4：计算灰色关联度。以理想方案为参考序列，各环境因素属性为被比较序列，使用式（3）—式（6）对无量纲化的收益值矩阵中理想方案与各比较方案分别计算灰色关联度Gi。

步骤5：使用式（1）、式（2）计算的熵权及均衡度：

步骤6：按照均衡接近准则，综合考虑灰色关联度和均衡度属性，制定选取规则W=B×G。W值越大，越接近理想方案，故选择W值较大的生长环境数据。

3 结果与分析

3.1 数据采集

试验地点为河南省南阳市月季培育温室。试验时间为2020年11月，植株处于育苗期，选择本地丰花月季植株当年生花枝中部枝条，截成10 cm茎段插穗，保留3个腋芽。温室长宽高分别约为120、10、3.5 m，主体结构为钢结构支撑，覆盖材料为聚碳酸酯板，顶部设有天窗和遮帘网用于空气流通与遮阳。

为了保证试验的严谨，将温室划分成9个小区，分别扦插不同品种丰花月季，小区内月季植株数量和密度相等，每个小区100株植株。ZigBee无线传感网络按小区部署终端网络，采用正六边形方式布局，各节点挂载光照强度传感器BH1750FVI、空气温湿度传感器DHT11、土壤水分传感器GS3。除此之外，在另一个温室中选择同样生长条件的月季种植小区建立对比样本。对比样本中仅通过ZigBee网络采集影响月季生长各项环境要素并依靠月季种植经验进行简单的人工调节[18]。

3.2 结果验证与讨论

本试验进行数据采集以及组网测试，采集到土壤湿度、空气温湿度、光照强度等信息，通过采取不同的调控方式进行对比来说明本方法的有效性，并从网络性能和月季出芽生根情况2个方面进行了分析。

随着收发节点之间距离的增加，ZigBee无线通信在接收信号强度指示（Received Signal Strength Indicator，RSSI）、平均丢包率、平均误码率等方面的测试结果见表1。单个节点的RSSI、丢包率、误码率可通过对CC2530芯片内置寄存器RSSI_VAL在8个符号周期（128 μs）的平均值得到。整个网络的平均丢包率、平均误码率的计算如式（10）、式（11）所示：

表1 ZigBee网络无线通信性能测试结果Table 1 Test results of wireless communication performance of ZigBee network

式中：n为节点个数；S为发送节点数据包总数；R为网关接收到的数据包总数；E为网关接收到的错误数据包数。

采用从月季扦插开始后2个月内，每隔10 d系统采集的出芽及生根等数据，与经验种植下的数据进行对比如表2所示。

表2 月季育苗情况对比试验分析Table 2 Comparative analysis of rose seedling

在月季育苗期连续统计每日耗水量，在试验小区及对比小区中，通过GS3传感器测量土壤湿度。土壤湿度过低时，启动灌溉泵，达到要求湿度时向电磁阀发送指令关闭水泵。由图4可知，在使用种植经验进行调控的情况下，日耗水量约为1.7～1.9 mm，而使用灰熵调控策略的系统日耗水量减少到1.5～1.6 mm左右。同时，结合表2可知，使用灰熵调控策略的系统中，月季出芽及生根情况均较经验调控情况有所改善。在耗水量减小13.89%的条件下，植株成活率提升约3.1%，节水效果显著。

图4 日耗水量Fig.4 Daily water consumption

由表1可知，随着距离越来越远，RSSI值逐渐衰减，当接收距离在20 m范围以内RSSI值变化较为明显，从-26.1 dBm降至-57.3 dBm。接收距离进一步增加，RSSI的降低趋缓。传输距离在100 m以内时，RSSI变化不大，测量精度较高。当传输距离超过100 m时，丢包率开始高于1%，且随着传输距离的进一步增大，丢包率明显增加。同时检测误差较大，并伴有较大的波动性，这与于明月等[19]研究结果一致。综上所述，将节点间距离控制在20 m以内可基本避免数据包在传输过程中的丢失情况，可满足温室需求。

通过表2中月季育苗对比试验结果表明，月季扦插育苗环境中的温湿度、光照等对月季的生根出芽及成活率起到关键作用，设计的温室智能调控系统对温室内月季生长环境控制精准，比依靠种植经验调控状态下月季植株的成活率提高了3.1%。从观测数据来看，该系统对月季育苗温室环境的调控是准确可靠的。

4 结 论

根据现代化温室环境监测的实际需要，采用物联网技术，设计了一种基于灰熵关联分析的温室智能调控方法。系统集成各种小型化传感器节点实现了对温室光、温、气、湿、肥等信息以及植株长势的实时监测；基于WSN的无线通信网络在确保数据传输质量的同时延长了传感器节点的使用寿命；同时，灰熵关联分析被应用于温室气象小环境数据的智能精准调控。在温室环境进行了实地数据测量，验证了该系统的可行性及可靠性，具有成本低、布置简便、性价比高等优点。

本系统诠释了物联网技术的优越性，将环境参数实时获取，利用灰熵关联分析调控算法及经验参数实现相关设备的自动决策。在一定程度上解放了生产力，提高了植株的质量和抵御自然灾害的能力，形成了良好的产业化应用格局。