一種土壤濕度測定方法在Zig Bee 無線傳感器網絡中的應用*

高 翔，劉 鵬，盧潭城，陸起涌

(復旦大學 電子工程系，上海200433)

0 引 言

近年來，利用信息技術發展現代農業成為了世界各國農業發展的熱點［1］，同時，“精準農業”體系已成為一種重要的現代農業生產形式［2］。在該體系中，對農業環境參數的實時監測提出了更高的要求，而基于Zig Bee 的農業無線傳感網絡(WSNs)是實現這一目標的重要手段。盡管Zig Bee 在通信層面考慮了低功耗，但傳感器層面的功耗問題未得到解決。農作物生長依賴于水，故在農業環境參數的監控中，對土壤濕度的監測尤為重要。但現有的土壤濕度傳感器多數成本高且未作低功耗處理，故如何使用一種低成本且低功耗的方式對土壤濕度進行測定是農業無線傳感網絡中亟待解決的一個重要問題。

本文提出了一種將土壤電阻傳感器和土壤溫度傳感器共同用于農業無線傳感網絡中土壤濕度測定的方法，并利用多元線性回歸模型和BP 神經網絡模型對該方法進行土壤濕度的數據標定;最后，本文將該方法應用于一種基于Zig Bee 的農業無線傳感網絡中。

1 實驗平臺與建模問題的描述

建模實驗的載體為土壤電阻傳感器，其原理如圖1 所示。土壤電阻的大小會影響三極管基極電流，從而改變Vout。而土壤濕度和土壤溫度均是影響土壤電阻率的重要因素［3，4］，故可以利用土壤電阻傳感器結合土壤溫度傳感器對土壤濕度進行測定。實驗采用TI 公司的CC2530［5］組成Zig Bee 網絡進行自動化數據采集，為了定量描述Vout，實驗中的采樣電壓值為經過CC2530 采樣后的ADC 值。實驗所用土壤的類型為壤土，田間持水量在25%左右。本文使用的土壤溫度傳感器是經不銹鋼外殼封裝的DS18B20［6］。土壤濕度的真實值通過武漢新惠普科技有限公司的農業專用土壤濕度傳感器PHTS—5V—V2 測得。

圖1 土壤電阻傳感器原理圖Fig 1 Principle diagram of soil resistive sensor

2 土壤濕度測定模型

2.1 多元線性回歸模型

首先要確定電壓采樣值(ADC 采樣值)與土壤濕度和土壤溫度間的關系，實驗結果如圖2 和圖3 所示。從中可以看出，當土壤溫度一定時，電壓采樣值與土壤濕度之間具有正相關的線性關系。經過計算，其相關系數均接近于1，最小相關系數R 為0.989 5;另一方面，當土壤濕度一定時，電壓采樣值與土壤溫度之間正相關且具有二次曲線的關系，其曲率也隨著土壤濕度的改變而改變。經過擬合，二次多項式擬合曲線的相關指數R2均接近于1，最小相關指數R2為0.986 9。

圖2 土壤濕度與電壓采樣值的關系Fig 2 Relationship between soil moisture and sampling value of voltage

圖3 土壤溫度與電壓采樣值的關系Fig 3 Relationship between soil temperature and sampling value of voltage

基于上述結論，以ADC 為應變量，土壤濕度hump 和土壤溫度temp 為自變量，可建立式(1)的多元線性回歸方程和式(2)的土壤濕度測定方程

通過實驗，本文獲得了共199 組樣本數據。根據式(1)，對樣本數據進行多元線性擬合，最終得到的擬合參數為:b0=641.804 5，α=2 243.5，β= 11.372 9，γ=－0.027 3，δ=－0.461 9。通過計算，得到模型的全相關系數R=0.996 7。

2.2 BP 神經網絡模型

BP(back propagation)神經網絡［7］是一種多層前饋網絡，能很好地反映輸入輸出向量之間的變化規律。本文建立的BP 神經網絡模型的輸入向量為電壓采樣值和土壤溫度，輸出為土壤濕度，采用三層網絡結構，隱含層節點數為5。在199 組訓練樣本下對網絡進行訓練，最終得到的BP 神經網絡模型如圖4 所示。

圖4 土壤濕度與電壓采樣值和土壤溫度間的BP 神經網絡模型Fig 4 BP neural network model of soil moisture with sampling value of voltage and soil temperature

3 實際測試結果與分析

3.1 Zig Bee 農業無線傳感網絡終端節點

基于土壤電阻傳感器的Zig Bee 農業無線傳感網絡終端節點如圖5 所示。其中，CC2530 置于盒子內部，外部插入土壤的探頭即是土壤電阻傳感器和土壤溫度傳感器。土壤電阻傳感器的電源端用CC2530 的P1_0 進行控制，可使土壤電阻傳感器在終端節點休眠周期不耗電，減少終端節點的功耗。

圖5 Zig Bee 農業無線傳感器網絡終端節點Fig 5 Terminal node of agricultural WSNs based on Zig Bee

3.2 多元線性回歸模型的檢驗

在基于Zig Bee 的農業無線傳感網絡的實際應用中，得到共120 組測試集數據。將這些測試集數據分為兩類:在測試集1 中，選取的土壤濕度值與建模樣本接近;在測試集2中，選取的土壤溫濕度值均與建模樣本不同。多元線性回歸模型在測試集中的殘差圖如圖6 所示。從圖中可以看出，在測試集1 中，模型精度約為±1.5%，均方誤差(MSE)為0.26;在測試集2 中，模型精度約為±2.5%，MSE 為0.79。

3.3 BP 神經網絡模型的檢驗

BP 神經網絡模型在測試集中的殘差圖如圖7 所示。從圖中可以看出，在測試集1 中，模型精度約為±0.8%，MSE 為0.05;在測試集2 中，模型精度約為±2.5%，MSE為0.57。可見，雖然模型訓練的過程更復雜，但使用BP 神經網絡建立的土壤濕度模型比多元線性回歸模型具有更高的精度。

圖6 多元線性回歸模型在測試集中的殘差分析Fig 6 Residual analysis of multiple linear regression model in test set

圖7 BP 神經網絡模型在測試集中的殘差分析Fig 7 Residual analysis of BP neural network model in test set

4 結束語

本文針對農業無線傳感網絡中土壤濕度測定的問題進行了研究，提出了利用土壤電阻傳感器和土壤溫度傳感器進行土壤濕度測定的方法，并在實際的Zig Bee 農業無線傳感網絡中得到驗證。測試結果表明:在同一種類型的土壤中，本文提出的方法在測試集中可達到±2.5%的精度，具有實用價值。

［1］ 孫忠富，杜克明，尹首一.物聯網發展趨勢與農業應用展望［J］.農業網絡信息，2010(5):5－8.

［2］ 劉愛民，封志明，徐麗明.現代精準農業及我國精準農業的發展方向［J］.中國農業大學學報，2000，5(2):20－25.

［3］ Archie G E.The electrical resistivity log as an aid in determining some reservoir characteristics［J］.Trans AIME，1942，146(1):54－62.

［4］ 曹曉斌，吳廣寧，付龍海，等.溫度對土壤電阻率影響的研究［J］.電工技術學報，2007，22(9):1－6.

［5］ Texas Instruments.CC2530 Datasheet［EB/OL］.［2010—10—05］.http:∥www.ti.com.cn/cn/lit/ds/symlink/cc2530.pdf.

［6］ Dallas Semiconductor.Datasheet of DS18B20［EB/OL］.［2012—01—12］.http:∥dlnmh9ip6v2uc.cloudfront.net/datasheets/Sensors/Temp/DS18B20.pdf.

［7］ Rumelhart D E，Hinton G E，Williams R J.Learning internal representations by error propagation［R］.San Diego:California Univ San Diego La Jolla Inst for Cognitive Science，1985.