基于大数据处理与现代通信技术的设施农业生产管理探索

龙 瑶, 张 均

(1.贵州农业职业学院, 贵阳 551400; 2.贵州省广播电视信息网络股份有限公司, 贵阳 550081)

随着科技逐步发展以及三农问题的凸显,科技运用于农业生产的需求越发明显。农业的快速发展,市场对农产品的需求,农民对生产效益的重视,设施农业生产规模稳中有升,设施农业已成为农民增收致富的重要渠道,成为多数地区的富民产业,在推动农村经济发展、解决农民就业、实现农民增收方面发挥重要作用。

1 设施农业生产管理发展现状

20世纪80年代以来,我国设施农业发展快速,设施农业面积已居世界首位,多数省份地区已成为设施农业集聚区与优势区[1]。与传统农业相比,设施农业具有受气候影响小、生产季节基本不受限制、生产效益高、技术装备化、过程科学化、方式集约化、管理现代化等特点,是一种高投入高产出、资金、技术、劳动力密集型的产业。但在生产实际中所表现出设施生产机械化率在35%左右,设施番茄、黄瓜产量为10～30 kg/m2,番茄(黄瓜)用水量高达40～50 L/kg,有67%左右的园艺设施还处于设施和生产都没有规范的状态,设施和生产实现现代化程度的占比不到1%等状况,侧面反映出设施农业生产依然存在机械化水平低,产量低、资源利用率不高,标准化农艺流程缺乏等问题[2-4],制约着设施农业的进一步发展和综合生产能力的提升。

2 大数据处理与现代通信技术在农业生产上的运用

农业信息化是实现农业生产现代化的重要手段。农业生产数据具有体量大、关联性强、复杂多变等特点,大数据计算能够实现有效的信息资源整合,能够将海量信息进行采集、储存和分析处理,拓展传统数据存储和处理的局限性,方便农业信息资源的共享和利用;大数据技术能够从庞大的数据体量中寻找和挖掘出有价值的数据,精准解决农业生产遇到的问题。但目前农业信息化在设施农业生产上还存在环境调控系统处于“只监不控”的状态,缺少针对性控制策略,环境因子数据未能及时处理分析等问题[5]。

3 解决设施农业生产管理中存在问题的对策

3.1 构建设施农业管控系统

系统采用大数据技术和现代通信技术进行构建,聚焦探究传统作物研究数据采集滞后残缺、费时费力及环境检测判断不精准等问题,对农作物整个生长周期进行监测和干预研究。通过传感器技术应用,部署相关检测仪器设置阀值配合传感设备进行数据的采集、存储、分析和干预。通过比对分析同周期作物生长差异,探索作物生长的影响因子(图1)。

图1 系统图

3.1.1系统总体设计

系统基于试验基地环境进行搭建,通过在多个样本环境部署前端传感设备,设定采集规则,将探知的因子数据传给服务端进行存储,调用系统的分析模型对数据进行分析处理(图2)。

图2 系统架构图

在整个系统架构上,主要针对环境监测和作物生长监测两个模块进行设计。在样本大棚构建上,通过在传统大棚的基础上加装电动机械控制单元,根据探知数据的分析结果对棚内的光照、温度、水量、通风等进行联动控制,从而对作物生长进行干预。

3.1.2详细设计

主要包括环境监测和作物生长监测两个主要子系统设计。环境中的光温水气等因素会影响作物正常生长发育,对主要环境因子进行监测及数据采集,是制定科学的田间管理制度、适时科学进行农事活动。在农业现代化和自动化生产中,作物长势判断,需要以对作物生长指标进行检测和在栽培管理中及时采取措施干预调整。

1) 环境监测。主要是对设施内环境的光照强度、空气温湿度、CO2浓度等指标以及土壤环境中土壤含水量、土壤温度、氮磷钾含量、土壤电导率、土壤pH值等指标进行检测。

光照强度和温湿度监测可以采用光照强度、温湿度等相对应的传感器进行实现,光照度传感器可以监测作物生长发育过程中的光照强度信息,温湿度传感器可以采集内环境温湿度变化指标,并通过农业物联网技术传送到计算机控制中心,设施管理人员可以通过传感器测量数据,来确定是否需要增加或减少光照度、温湿度等指标参数,使光照强度、温湿度达到作物的最佳生长配置,提高作物光合作用的速率,提高作物的产量。

在设施农业中,可利用CO2在线检测仪检测空气中的CO2含量,并进行实时监测,以便及时知晓和掌握CO2气体浓度变化,确保环境CO2浓度满足作物不同生长时期的需求。CO2作为必要物质,是植物进行光合作用的主要原料,是参与暗反应的重要物质,会直接影响到植物正常生长发育以及营养物质含量的累积。设施由于通风问题,可能会造成CO2浓度过低以及光合作用减弱的情况发生,导致农作物减产。因此,需要在设施内设立CO2浓度监测点,确保CO2浓度在一定的水平,一旦低于此水平,可以采取人工干预的手段,开启CO2发生器。

在土壤环境监测方面,在每一块样本区内,垂直挖大约20 cm深的坑,将土壤综合传感器探针水平插入坑内参照周围土况用样本土填埋压实。土壤综合传感器可以监测土壤水分、温度、电导率、酸碱度、氮磷钾含量等多项参数,通过设置电位器阀值,当检测指标参数低于设定值时,输出高电平,高于设定值时,输出低电平,从而将信号传导回平台。

2) 作物生长监测。采用布置安装农情监测相机,在近景上监控作物茎秆、叶片微变化、果树叶片、果实微变化,结合生长模型判断生长阶段及病虫害情况,智能化水肥供给,预测成熟期及产量。拍摄叶片特征及叶片上害虫特征,人工智能识别病害类型、虫害类型、发生程度,智能推荐防治药物和方法。采集果实茎秆采摘区域近景图像,对采摘点进行定位,及时掌握果实成熟情况,适时采摘。同时,还可采用远距离清晰拍摄,全面监控作物生长环境。

3.2 系统软件功能设计

软件服务采用“本地+云端”的模式进行设计构建,本地业务流程在监测感知设施构建的基础上,基于STM 32芯片对数据采集单元进行设计,将传感设备的信号进行转换,通过与预设阈值的比较与本地声光预警模块、设施控制模块进行联动。同时,将本地传感设备产生的数据进行汇聚存储,通过在本地设计部署经量化数据中心实现在本地即可监测和管理设备。

在云端数据中心,通过租用第三方云计算中心服务能力,以VPN的方式打通与本地数据中心的连接,从而实现两端数据源的无缝对接。借助云端多数据源灵活的支持能力,数据库支持MySQL、SQLServer、Oracle、Excel/Csv等数据表以拖拉拽式交互操作方式灵活对接(图3)。

图3 系统功能架构图

通过调用云端云开发功能模块,安装扩展能力组件调用云上的商业智能分析BI资源,完成实时监测、设备管理、数据分析、用户管理、系统管理整体可视化菜单的开发构建从而实现数据分析、业务数据探查、报表制作等一系列数据可视化操作。

4 小 结

农业生产主要目标在于生产优质、高产的农业产品,但农业生产中作物生长的不确定性会影响作物产量和质量,因此作物整个生育周期对于环境指标和生理指标的监测显得尤为重要,也是采取必要农业管理措施的主要参考。本文根据实际需要,通过采用大数据处理与现代通信技术结合参与到设施农业生产管理的设计,可实现农业生产的现代化和自动化,及时掌握植物生长的环境因子情况,根据不同作物生长发育特点,在事前事中事后及时干预,制定有效的栽培方案,及时调整栽培手段,收获后及时改良栽培环境,以利于适时安排下一茬种植。同时,终端由计算机控制系统进行管理,方便操作,减少了过多的人力成本,增加了设施农业管理的系统化和整体性。