农作物灌溉系统的智能物联监控平台应用

2024-01-11李媛

农机化研究 2024年2期

李媛

(山东工业职业学院,山东淄博 256414)

0 引言

多年来,互联网的飞速发展使得农业物联网技术的应用普及化。其原理在于通过信息采集的方法设定以物为获取对象,通过系列的信息与网络传输技术,转换并在所需的终端监测与显示,核心在于准确感知与实时传递。多数的文献研究与实际应用表明:我国的农作物特点多元化,对灌溉系统的精准性与智能性提出了新的控制要求,因而如何将智能物联监控技术与灌溉系统的自动作业融合,进一步提高系统的整体作业效能,成为了一个研究的主题。

1 农作物灌溉系统概述

灌溉作业是农业种植与培养过程中必不可少的环节。从方式方法角度分,灌溉主要以滴灌、漫灌、喷灌等形式为主,且农作物由于生长期需水量的不同,灌溉的频次与数量也应着情把控。通常而言,一套完整的灌溉系统主要是通过信息采集获知农作物生长的土壤及环境状态,利用预先设定的标准判定灌溉决策是否实施,决策做出后执行组件进行可控性的灌溉操作。

农作物灌溉系统的核心组成架构如图1所示。系统模块可分为灌溉环境数据监测、灌溉装置作业执行、灌溉数据通信组件与灌溉决策控制组件,它们之间通过有序的连接,以信号的不断交互与反馈,进行实时化调控。其中,灌溉水量的监测、土壤湿度的合格程度及整体灌溉的适应性都应当有精准的体现。因此,以物联网技术的智能化作为支撑,实施监控平台的设计与构思。

图1 农作物灌溉系统的核心组成架构简图Fig.1 Schematic diagram of core composition and framework of the crop irrigation system

2 智能物联监控平台应用

2.1 物联监控模型建立

首先,考虑当前农作物种植的土壤含水程度及周边环境的降水程度,将其设定成相应的采集因素,以便提高灌溉决策的精确性;然后,系统根据作物生长区域进行周密的灌溉节点布局,满足智能物联网传输的范围与响应性要求,将误差的变化性作为主因,形成物联监控模型,即

(1)

式中t-系统物联监控模型中的信息采集单个周期时间;

k-系统物联监控模型中的信息采集周期系数;

T0-系统物联监控模型中信息采集初始设定值;

T(kt)-系统物联监控模型中信息采集值;

E(kt)-系统物联监控模型中第k周期内信息采集误差值;

E(kt-t)-系统物联监控模型中第(k-1)周期内信息采集误差值;

A(kt)-系统物联监控模型中信息采集误差变化值;

C(kt)-系统物联监控模型中信息采集误差变化率。

同时,以RFID等多项感知装置为基点,结合灌溉系统的整体布局通用性,给出基于物联监控模型的灌溉系统设计简图,如图2所示。

图2 基于物联监控模型的灌溉系统设计简图Fig.2 Diagram of the irrigation system design based on IoT monitoring model

由图2可知:监控平台的核心在于灌溉数据监控模型,其将系统内部程序精准控制与外部灌溉执行组件的有效结合,是连接感知设备、监测模块与阀门/水泵、墒情/流量等的中心,对于信息数据的监测转换、灌溉决策的实施不可或缺。

2.2 灌溉系统软件设计

依据建立的物联监控模型,对农作物灌溉系统的监控平台进行软件匹配性设计。信息控制主要由采集控制、灌溉执行控制及应用平台的管理控制组成。基于智能物联的灌溉系统网络传输优化控制简图如图3所示。

图3 基于智能物联的灌溉系统网络传输优化控制简图Fig.3 Schematic diagram of network transmission optimization control of the irrigation system based on intelligent IoT

由图3可知:优化控制以B/S为设计架构,设置以AT82RM系列为主的网关数据处理结构,灌溉条件满足值的判定以闭环动态参数对比为依据,后台应用管理方面设置为便于调控的触摸屏方式。其核心在于执行传输协议流程的科学性,通过采集分析温度、湿度、光照等参数因子,转换为计算机可识别的负载内容与消息内容,实现可靠安全的智能监测。

2.3 灌溉系统硬件配置

针对系统需获取的信息节点进行编号,同时在主要部位安装继电器、传感器等部件,保证通信接口的多选择性,且传感器误差应小于0.02%。结合用于智能物联监控平台的灌溉系统硬件配置及参数列表(见表1),得到基于智能物联技术的灌溉系统墒情检测电路布置简图,如图4所示。该电路布置的创新点在于考虑物联网感知环节的要求,增设了智能隔离模块与传输协议转换模块,两者能够有效保证硬件电路的贯通性以及数据传输的稳定性。

表1 用于智能物联监控平台的灌溉系统硬件配置参数列表Table 1 Hardware configuration and parameter list of the irrigation system for intelligent IOT monitoring platform

图4 基于智能物联的灌溉系统墒情检测电路布置简图Fig.4 Schematic diagram of soil moisture detection circuit layout of the irrigation system based on intelligent IoT

2.4 灌溉系统性能测试

基于完整的灌溉系统监控平台,选择性能测试核心组件及连接方式,进行性能可达性测试,如图5所示。性能测试带负载进行,设置虚拟用户终端,选择BC系列处理器及UART系列的适配器,以物联网平台为支撑,注重数据收发的时间间隔设定,同时内部运行测试函数进行重复性调试,直至达到最佳灌溉监控性能执行目标。

图5 物联监控平台下的灌溉系统性能测试核心组件Fig.5 Core components for the irrigation system performance test under IoT monitoring platform

3 智能物联监控的灌溉作业

3.1 试验条件

为充分验证该智能物联监控平台的合理性,选取生长初期的小麦作为灌溉作业对象,依据智能物联监控平台应用下的灌溉系统试验流程(见图6),展开可视可控化的灌溉试验。设置如下条件:

图6 智能物联监控平台应用下的灌溉系统试验流程简图Fig.6 Flow chart of irrigation system test under the application of intelligent IoT monitoring platform

1) 将灌溉方式设置为自动,各信息采集节点分布均匀、有效;

2) 确保灌溉泵体、管路等连接通畅,流量装置、传感装置等工作正常;

3) 确保通信组件、触摸屏控制及数据输出的实时性等。

3.2 数据分析

选择采集数据的区块为6,设置发送的数据包节点数为2000,进行系统数据采集准确性对比,得到农作物灌溉系统作业试验的智能物联平台监测数据统计,如表2所示。由表2可知:各灌溉区块的系统内部数据丢包率波动范围在2.68%～3.32%之间,平均的数据丢包率为2.99%,控制在3.00%以内,具有很好的网络数据收发性能,说明物联网感知数据具有准确度;试验过程中的各灌溉监测区块异常上报时间及时,能够控制在150ms以内,平均所需时间为125ms,说明系统内部数据处理速度满足运行要求;将实际测得的灌溉对象状态与物联监控下的对象状态进行对比,误差波动范围为1.97%～2.41%,各区块的平均物联监控误差为2.12%,说明系统设计具有可行性。

表2 农作物灌溉系统试验的智能物联平台监测数据统计Table 2 Monitoring data statistics of intelligent IoT platform for the test of the crop irrigation system

针对试验数据进行性能指标对等性转换,选取系统的决策准确率、网络覆盖率、灌溉均匀度及土壤湿度合格率等作为关键对比参数,得到基于智能物联监控平台应用的灌溉系统作业效果对比,如表3所示。

表3 基于智能物联监控平台应用的灌溉系统作业效果对比Table 3 Comparison of operation effects of the irrigation system based on intelligent IoT monitoring platform %

由表3可看出:与一般监控平台相比,系统的决策准确率可由87.05%提升至95.77%,网络覆盖率由86.50%提升至95.10%,灌溉均匀度由85.85%提升至95.23%,土壤湿度合格率由88.21%提升至96.25%,灌溉效果较好;系统运行的稳定性能保持在91.24%,灌溉综合效率由87.25%提升至95.50%,充分表征了智能物联监控平台实施的优越性。