基于物聯網灌溉節水系統的設計與實現

許曉玲

(寧夏職業技術學院電子與信息技術系，寧夏 銀川 750021)

近年來，國內多地區遭受干旱氣候侵襲，持續的干旱，已對這些地區的農業生產生活造成極大危害。由于受地理環境和氣候條件的制約，長期以來，國內農業用水資源匱乏且使用效率不高，耕地和淡水資源短缺壓力不斷加大［1］。為此，對農業技術的信息化現代化提出了更高要求。加快先進物聯網技術與傳統農業生產相結合，規模推廣以智能滴灌控制技術為核心的高效農業灌溉，切實解決了干旱區域農田飲水難的問題。據統計，國內春季受旱面積已超過1000萬畝，占總播種面積的10%以上，成為國家糧食生產安全的最大威脅［2］。國內的某些糧、棉等農產品主產區，由于地處歐亞大陸腹地的干旱、半干旱區域，傳統灌溉水利用率僅為40%，單位產出耗水量是全國平均水平的6倍，面臨水資源緊缺與消耗過大的雙重挑戰。因此對智能化的灌溉方式提出了更高的要求［3］。這也促使物聯網技術成為了農業生產領域研究的熱點。但傳統的灌溉技術存在著較大的缺陷，尤其是一些地質條件較為復雜的區域不斷擴大，地區耕地受旱、受蟲害程度有著較大的差異，如果采用傳統的灌溉方式，會造成灌溉成本增加、水資源浪費［4－5］。灌溉的準確度較低，無法達到精準灌溉。因此，如何能夠適應時域范圍大的土地環境，根據不同情況做到精準灌溉成為難題。

1 物聯網與計算機視覺技術框架設計

系統針對農業大田種植分布廣、監測點多、布線和供電困難等特點，利用物聯網技術，采用高精度土壤溫濕度傳感器和智能氣象站，遠程在線采集土壤墑情、氣象信息，實現旱情自動預報、灌溉用水量智能決策、遠程/自動控制灌溉設備等功能。

該系統根據不同地域的土壤類型、灌溉水源、灌溉方式、種植作物等劃分不同類型區，在不同類型區內選擇代表性的地塊，建設具有土壤含水量、地下水位和降雨量等信息自動采集、傳輸功能的監測點。通過灌溉預報軟件結合信息實時監測系統，獲得作物最佳灌溉時間、灌溉水量及需采取的節水措施為主要內容的灌溉預報結果，定期發布、科學指導農民實時實量灌溉，達到節水目的。

該系統包括:智能視覺旱情識別平臺、無線傳輸平臺及灌溉應用平臺。

圖1 物聯網視覺監控平臺

(1)智能感知平臺包括:土壤水分與土壤溫度視覺傳感器、包括智能圖像處理系統。

(2)傳輸網絡包括:網絡傳輸標準、PAN網絡、LAN網絡、WAN網絡，這也是物聯網絡組成的基礎。

圖2 物聯傳感平臺的工作原理

(3)運維管理平臺包括:旱情預報、灌溉遠程/自動控制和農田水利管理。

(4)在應用平臺上，用戶可通過手機、PDA、計算機等信息終端接收農田旱情信息、氣象信息，并可遠程控制灌溉設備。對政府管理部門而言，則可通過該平臺，提升農情、農業氣象、農田水利的綜合性管理水平。

2 灌溉系統的硬件設計

采集系統模塊:現代的圖形采集技術發展迅速，各種基于ISA、PCI等總線的圖形采集卡已進入市場，但價格較為昂貴，且處理功能簡單。文中探討的是采用STC89C516和K9 F2808UOC實現基于機器視覺的圖像采集系統不僅能夠滿足一般用戶的基本需求，更主要是從硬件設計及實現上一步探討。

圖3 圖像采集設備硬件

傳感網絡的硬件設計:前端視覺采集系統采集到的信息，經過相關的處理后，需要將相關的控制命令，以信息的形式通過無線傳感網絡傳遞給控制終端，無線傳感網絡的硬件設計就顯得尤為關鍵。文中的無線傳感網絡由WSN傳感節點、控制節點、網絡基站及監控終端等組成。傳感器采集節點采用CS4ER4控制節點，是物聯網的基礎，其硬件如圖4所示。

圖4 傳感器控制節點硬件設計

管控閥門控制硬件:閥門采用智能9500電磁閥，流量范圍3.41～34.1 m3/h;最低工作壓力為103 kPa;最高工作壓力為1.38 MPa;輸入電壓為交流24 V;啟動電流≤0.5 A;吸持電流為0.23 A;外形尺寸為171 mm×140 mm×203 mm(9515型);接口為6.66 cm內螺紋;使用內放水手動，操作簡單，只需擰松電磁先導閥即可。

標準配置流量調節功能，需要時調節流量，反之則拆掉手柄，防止人為失誤操作。硬件結構如圖5所示。

圖5 閥門硬件原理圖

3 系統的軟件設計

針對不同的土地干旱程度建立不同的灌溉管理機制尤為重要，也可根據不同土壤的受旱情況進行灌溉。也可得到實時的土地信息數據，對不同地區的干旱程度進行全局的預測和判斷;這樣第一手材料能夠及時為相關部門提供有效的處理依據和參考方案。基于物聯網的灌溉區域調度方法的中心任務是根據不同區域的受旱情況，分別調度灌溉系統，根據得到的數據，通過將前期采集到的土壤受旱等級以及處理方法傳遞給傳感器節點，根據處理算法得到反饋信息對傳感器網絡終端的調度終端提供相關的信息，計算不同的灌水量，保證能源的節約。

為計算不同的灌水量。用正向指標處理過程如下，負向指標同理。

δ表示經驗統計值，以此為依據，分別用δ的均值E(δ)表示“不干旱”情況，用δ的方差值D(ε)表示“重度干旱”情況，如下所示

圖6 軟件設計流程

參數δ和ζ可由上式得到，如下所示

綜上，可以通過最小二乘法估計插值法判定當前交通狀況的安全級別，如下所示

從濕度傳感器節點、簇頭節點和基站三方面描述土壤干旱情況下，噴頭的工作情況，完成分區域，分等級灌溉。

4 實驗結果及對比

為驗證文中所提出系統設計的有效性，現采用對比測試的方法來完成實驗，通過傳統的廣域灌溉方法和文中的方法進行不同區域的土壤灌溉。實驗環境如圖7所示。

圖7 實驗流程圖

實驗中物聯網模型由土壤圖像采集、圖像處理、信息反饋等部分組成，選用不同區域不同旱情的圖像作為對比的實驗對象，因不同區域中，土壤的旱情不同，符合文中的實驗情況，統計兩種算法在這種情況下，灌溉準確度，灌溉準確度的趨勢如圖8所示。

圖8 灌溉準確率對比

通過圖8可看出，在不同區域的土壤環境下，土壤的區域越大，文中算法的灌溉準確率要高于傳統灌溉方法，這是因為文中算法運用了基于物聯網的分區域計算技術，對不同區域土壤圖像中的不同旱情進行了分析，因此優勢明顯。具體統計結果如表1所示。

表1 兩種算法用水量的對比

由上述統計數據可看出，文中提出的基于物聯網與計算機視覺識別技術的多區域灌溉系統設計方法，用水量要大幅的低于傳統方法，有效彌補了傳統方法的不足。

5 結束語

提出一種基于物聯網與計算機視覺識別技術的多區域灌溉系統設計方法，通過采集不同區域的土壤圖像，對土地的旱情進行有效的識別，通過物聯網技術，對不同區域進行有效的灌溉，克服傳統灌溉方法中，不能對區域進行劃分及耗水量大的缺陷。實驗證明，基于計算機視覺與物聯網相結合的方法能夠大幅節約灌溉成本，精確度較高。

［1］TOMASI C，KANADE T.Shape and motion from image streams:a factorization method ［J］.International Journal of Computer Vision，1992，9(2):137 －154.

［2］BAYRAM S，SENCAR H T，MEMON N.An efficient and robust method for detecting copy－move forgery［C］.Taipei:Proceedings of 2009 IEEE International Conference on A-coustics，Speech and SignalProcessing，IEEE，2009:1053－1056.

［3］楊勝利.淺析物聯網智能家居系統中圖像預處理及特征提取［J］.科技傳播，2011，14(9):1641 －1647.

［4］ILLINGWORTH J，KITTLER J.The adaptive Hough Transform ［J］.IEEE Trans.Pattern Anal，Mach Intell PAMI，1987，9(5):691 －698.

［5］周德新，樊智勇.環境泄漏監測與控制技術的研究［J］.計算機測量與控制，2005(13):237－240.