基于物聯網的精準農業果蔬種植預警系統

摘要：依托專家系統，構建了基于遺傳算法優化神經網絡的病害診斷預警平臺、生產管理預警平臺和物流運輸預警平臺，合理布置傳感器，同時應用了RFID、3G、ZigBee、GPRS等物聯網技術。該系統用于涮涮辣示范生產，在生產與運輸過程中，起到了對環境參數超出適宜值范圍進行預警，并能精細調控肥水、溫濕度、農藥等的作用，以降低生產成本，大范圍應用能產生更好的經濟效益。

關鍵詞：物聯網；精準農業；果蔬種植；預警系統；專家系統

中圖分類號：S126；TP391 文獻標識碼：A 文章編號：0439-8114（2016）14-3741-04

DOI：10.14088/j.cnki.issn0439-8114.2016.14.051

Abstract： The Internet of thing early warning system for precision agriculture， relying on expert system， neural network based on genetic algorithm to optimize of disease diagnosis of early warning platform， production management early warning platform and logistics platform is constructed， reasonable arrangement of sensors， at the same time， the application of Internet of things technology such as RFID，3G， ZigBee， GPRS. The system applied in the production of rinse hot demonstration in the process of production and transportation， the environment parameters beyond good value for early warning， and fine regulation and water， the effect of temperature and humidity， pesticide and so on， in order to reduce the production cost， wide range application can create better economic benefits.

Key words： the Internet of things； precision agriculture； fruit and vegetable production； early warning system； expert system

精準農業，也稱精細農業，是根據作物生長的土壤墑情來調節對作物的投入，以最節省的投入達到更高的收入，并能改善環境的生產方式。精準農業技術由田間信息采集、智能決策和智能裝備技術組成，通過對信息采集、加工及應用，以實現糧食增產和農民增收的目標。其中，從田間實時、準確地采集各種影響作物生長的環境信息及作物長勢是實現精準農業的基礎[1]。物聯網作為現代信息技術發展的產物，具有全面感知、可靠傳送、智能處理等特征，將其用于農業生產中，為實現田間信息采集、遠程監測及控制提供可靠保障。物聯網是指通過射頻識別、傳感器、全球定位系統、激光掃描器等信息傳感設備，按照約定的協議，把物品與互聯網連接起來，進行信息交換和通信，采用智能計算技術對信息進行分析處理，以實現智能識別、定位、跟蹤、智能決策和監控的一種網絡。物聯網技術已經深入應用在許多領域[2-6]，而將精準農業與物聯網技術相結合，可最大限度提高農業生產力，是實現優質、高產、低耗、環保等可持續發展農業的有效途徑。

本研究提出基于物聯網的精準農業果蔬種植預警系統，利用各種傳感設備實時獲取田間信息，通過無線網絡技術傳至上位機，依托專家系統進行分析、處理，對影響作物生長的因素做出預警與調控，使果蔬生長在最佳的環境中，從而實現精準農業作業的經濟化及智能化。基于物聯網精準農業的果蔬種植預警系統包括軟、硬件兩部分，軟件開發含3個預警平臺，依托專家系統，實現病害診斷預警平臺、生產管理預警平臺和物流運輸預警平臺，通過合理布置無線傳感器，融合3G、ZigBee等無線網絡，運用物聯網技術實現高效、便捷、實時的科學化果蔬生產管理體系。

1 專家系統構建

專家系統（Expert System）是人工智能的一個重要分支，包括知識庫與推理機，將人類專家的知識及經驗以適當的形式存入計算機，利用一定的算法對知識進行推理，做出判斷和決策等。知識庫是專家系統的核心，是問題求解的集合，包括基本事實、規則和其他相關信息。推理機是專家系統運用知識對數據進行推理的邏輯核心，它控制著知識庫中的知識，對數據庫中的數據進行推理，以得出新的結論。用戶提供事實或信息給專家系統，相應地收到專家系統的建議或專門知識。

農業是一個復雜的巨系統，農業生產具有復雜多變性。從不同作物的生長需求出發，通過總結、收集作物栽培領域的知識、專家經驗和試驗數據構建專家知識庫，實現具有咨詢和決策能力的應用服務平臺，是現代農業技術的研究熱點。本研究以果蔬種植為例，采用B/S三層體系結構，在Windows NT Server平臺下使用，以SQL Server 2008為數據庫管理系統，采用Visual C#.NET編程語言，整個軟件分基于遺傳算法優化神經網絡的病害預警、生產管理預警、產品運輸預警等服務平臺，平臺包括表現層、業務層、數據訪問層和數據庫4層。數據訪問用于所有業務層與數據庫之間的數據管理，是一個公共層，由數據訪問組件與數據庫連接組件構成。業務層根據不同的管理對象建立不同的業務組件，如用戶注冊管理組件、信息采集組件、實施控制組件等，還可根據實際需求的變化方便地增改組件，易于系統的維護和升級[7]。在果蔬生產管理中，依托專家系統，對物聯網技術獲取的影響果蔬生長的環境參數進行推理，并做出決策及調控，以實現動態調節適宜果蔬生長的最佳條件，為果蔬種植實現智能、節能、高效的管理提供保障。

2 基于遺傳算法優化BP神經網絡的病蟲害診斷預警平臺

實現果蔬病害的預警預報，是有效防治和控制病害發生發展，減少農藥施用和生產無公害果蔬的最佳途徑。影響果蔬病蟲害發生的因素較多，包括氣象、自然環境、本身表現出的密度和非密度制約因素等。其中，氣象因子與病害密切相關，大棚內濕度、溫度不適是造成病害發生和蔓延的主要原因。如涮涮辣種植中常見病害有疫病、葉斑病、灰霉病、炭疽病等，每種病害有其獨特的生長習性，其中疫病在溫度為25～30 ℃、濕度高于85%時發病較重。但氣象因子與病害不具備線性關系，若用數理統計方法找出氣象因子與病害之間的某種函數關系有一定難度。BP神經網絡理論是一種非線性識別理論，它具有自學習、自適應和容錯能力，在模式識別中得到廣泛應用。但BP神經網絡容易陷入局部最優的缺點，而遺傳算法可很好克服此缺陷，可先用遺傳算法搜索BP神經網絡權值和閾值，求出最優的權值和閾值后再訓練BP神經網絡，以實現全局最優。其思想是對神經元的連接權值和閾值進行編碼，使之成為碼串的初始群體，進而通過遺傳選擇、交叉、變異操作對每一代群體進行計算和篩選，直到獲得最佳權值和閾值。將神經網絡輸出的均方誤差作為遺傳算法的個體適應度，經重復計算，將誤差降至全局最小[8]。遺傳算法優化BP神經網絡的算法流程如圖1所示。

本研究基于遺傳優化后的BP神經網絡采用三層結構，即輸入層、隱含層和輸出層，每層神經元個數分別用s、q、m表示，則可表示為BP（s，q，m）。以最高溫度、最低溫度、平均溫度、最高濕度、最低濕度、平均濕度、光照強度共7個因素為輸入參數，以作物病感指數為輸出。病感指數的計算分別見表1病害分級標準和公式（1）。

隱層節點數的確定采用試湊法，以涮涮辣常見病害：疫病、青枯病、猝倒病為例進行訓練，根據表2的訓練結果，最后確定的網絡結構為BP（7，19，1）。用遺傳算法優化BP神經網絡的病害預警模型的步驟及用Matlab2009a實現的偽代碼如下：

1）創建BP神經網絡

net=newff（minmax（P），[S1，3]，{‘tansig’，‘tansig’}，’trainlm’）/*S1為隱含層神經元數，R、S2分別為輸入、輸出神經元數

2）對初始化參數選定

3）用遺傳算法優化BP神經網絡的權值、閾值

R=size（pn，1）；

S2=size（tn，1）；

S1=20；

S=R*S1+S1*S2+S1+S2；/*S為遺傳算法編碼長度

主程序實現：/*P，T為訓練樣本的輸入、輸出維數

[P，T，R，S1，S2，S]=nninit/*初始化

bb=ones（S，1）*[-1，1]；/*初始化種群

initPbb=initializega（popa，bb，'gabpEval'）；/*初始化遺傳算法

計算最優的網絡權值與閾值：

[W1，B1，W2，B2]=gadecod（x）；

net.IW{1，1}=W1；

net.LW{2，1}=W2；

net.b{1}=B1；

net.b{2}=B2；

net=train（net，P，T）；/*用新的權值及閾值訓練網絡

4）仿真操作

訓練停止后可用語句tn_bp_sim=sim（net_bp，P_test）進行仿真，5個測試樣本的正確率分別為98%、99%、100%、92%，97%，平均正確率為97.2%。

3 生產管理預警服務平臺

果蔬生產管理預警平臺包括視頻監控、農業環境監測、采集數據的存儲及遠程控制模塊組成。視頻監控用于定點、定時的觀測果蔬生長情況，該系統包括遠程Web在線查看、視頻數據存儲、回放等功能。農業環境監測是精準農業的基礎部分，用于監測影響果蔬生長的環境參數變化。本研究以物聯網技術為核心，監測影響果蔬生長的光照強度、CO2濃度，溫度、濕度，土壤含氮量、pH等環境信息[9，10]，生產管理者可通過智能終端、Web瀏覽器等方式實時查看監控區域的詳細監測信息和經推理后的預警信息。

1）大棚精準農業檢測控制系統設計。在果蔬大棚內合理布置各種傳感器，以實現實時監測各項環境參數，同時安裝可調控設施（如抽風機、噴淋系統、加熱器、補光燈等設備），基于物聯網精準農業的果蔬種植預警管理系統如圖2所示。該系統可實時采集棚內環境參數，將數據通過有線或無線方式發送至上位機，服務器對數據進行分析，最后以直觀的曲線、圖表、報警信息等通過終端展現給用戶。同時，系統軟件為棚內可控設施預留了端口，可通過預警后的人工操作，或用智能終端開啟或關閉調控設施實現自動調控，使作物生長在最佳環境中。

不同果蔬對環境、氣象在不同時期有不同的需求，如涮涮辣生長過程中，播種后3～4 d，溫度要控制在30 ℃左右，當種子破土后，白天溫度要控制在15～20 ℃，晚上控制在12～16 ℃；當第一片針葉露尖后白天控制在20～25 ℃，晚上控制在適15～20 ℃；當分苗后前3 d，要保持好空氣濕度和溫度，保證白天25～30 ℃，晚上控制在15～20 ℃左右，其他時期最宜溫度平均為16～21 ℃。這些溫度值可預先在專家系統進行設置，若監測到的溫度超出設定的范圍，系統將自動報警。同樣光照、濕度、CO2濃度、肥水的最佳范圍值及自動控制策略均可在專家系統中設定。

2）物聯網傳感平臺節點布置。基于物聯網的精準農業生產預警系統，無線傳感器節點是采集信息單元。傳感器節點通常是一個嵌入式系統，各傳感器節點集成有傳感器其執行器模塊、計算與存儲模塊、通信模塊和電源模塊[11，12]，其結構如圖3所示。為確保大棚果蔬能在最適宜的環境中生長，對傳感器節點的設計提出了較高要求，既要求傳感器節點能夠精確檢測大棚內的各種氣象、土壤墑情等參數，又要求傳感器有效覆蓋大棚的每個角落。

該系統在涮涮辣大棚中進行試驗，傳感器節點的處理器單元和無線傳輸單元采用CHIPCON公司的CC2430芯片，它是一種基于ZigBee協議，集成89C51內核處理器芯片和ZigBee無線收發模塊，內置RF2420射頻芯片，并增加CC2591增益放大芯片。單點之間傳輸有效距離可達700 m，系統監測并存儲大棚內各個環境數據，所有監測節點均采用無線傳輸。棚內空氣溫濕度、CO2濃度、光照強度按每隔10 m布置一個監測節點，每個監測點分上、中、下3個層次，距地面高度分別為50、100、160 cm。每個大棚部署3個土壤溫濕度傳感器監測點，每個監測點又分土層5、15、30 cm 3個層次，布置3個pH和氨氮傳感器監測點，每個監測點分土層5、、15、30 cm 3個層次。若還需增加監測節點，只需在軟件系統中設置即可，硬件的采集節點無需修改。施工采用支架式插入土壤，種植時可快速方便布置，而在空閑季節，可方便回收至倉庫保管。采集節點供電采用鋰電池供電和太陽能板供電二種模式，根據無線節點的采集頻率和傳感器耗電量而定，當采集頻率間隔≥5 min/次，無線節點的低功耗模式啟動，節點可持續工作6個月。

4 物流管理預警平臺

物流管理預警平臺是果蔬生產管理的擴展平臺，是保證其價值量的環節之一。據統計數據顯示，每年在運輸過程中腐爛變質的水果、蔬菜、乳制品等易損壞食品的總價值達1 000億元以上，損失率高達25%～30%，而發達國家果蔬的損失率一般控制在5%。因此對鮮嫩易爛的果蔬在運輸車輛中安裝GPS定位、溫濕度傳感器及RFID射頻識別，實時采集車輛、產品的基本信息，通過3G、GPRS等技術[13]傳至監控中心，依托專家系統對采集的數據分析，對貨損、延遲、失竊、線路異常等情況預警，以便實現調度和調控，從而有效降低果蔬運輸中因腐爛變質的損失率。其運輸預警功能結構如圖4所示。

底層信息釆集由GPS衛星導航定位、RFID貨物基本信息采集、傳感器貨物狀態信息采集等軟硬件組成。監控中心的軟件包含數據接收存儲、異常報警、基本功能、GIS電子地圖繪制等組成。其中GPS導航定位每隔5 min采集車輛途中的實時經緯度、速度及方向信息，通過3G上傳至監管中心，監管中心收到信息，計算并結合GIS功能在電子地圖上顯示，若與預設的不一致，通過3G向管理員及駕駛員發出異常報警信息；RFID定時采集物品的基本信息[14]，如物品編碼、采摘日期、數量、價格、目的地等信息，并與RFID中的初始信息對比，若出現信息不一致，則將異常信息通過3G上傳至監管中心，并發出報警信息；傳感器主要釆集物品的溫濕度、壓力等狀態信息，這些參數通過無線通訊網傳至監控中心，計算是否在適宜值范圍內，否則發出預警信息，并通知運輸人員采取相應措施，實現對環境的精準調控，以滿足產品對保鮮保質的需求，降低果蔬在運輸過程中的損失率。

5 小結

基于物聯網的精準農業果蔬種植預警系統還處于試驗階段，由于該系統可根據不同作物在不同時期對影響其生長的環境參數按需求設定，并可隨時采集環境環境參數傳至上位機，依托專家系統對數據分析，用戶可通過終端設備對環境參數進行監測，當參數超出了預設值范圍，將收到警報信息，并能精細控制肥水、及時預警病蟲害、對環境參數調控等功能。因此，基于物聯網的精準果蔬預警系既能節約人工工時，將生產成本降低20%左右，又能提高生產效率、提高果蔬的品質，為高品質果蔬打下良好口碑，為強化區域生態果蔬，打造本地高端精品果蔬的推廣做了鋪墊工作。

參考文獻：

[1] 王汝傳，孫力娟.物聯網技術導論[M].北京：清華大學出版社，2011.

[2] 朱會霞，王福林，索瑞霞，等.物聯網在中國現代農業中的應用[J].中國農學通報，2011，33（8）：226-228.

[3] 方 露.淺析物聯網技術在科技館中的應用[J]，科技通報，2012，28（3）：165-168.

[4] 朱景鋒.物聯網環境下電子政務信息系統入侵檢測技術分析與對策研究[J]，科技通報，2012，28（4）：130-132.

[5] 張國軍，賴小龍，楊睿茜，等.物聯網技術在精準農業環境監測系統中的應用研究[J].湖南農業科學，2011，（15）：173-176.

[6] 付 兵.物聯網精準農業系統在瓜果種植中的應用[J].科技通報，2014，30（1）：106-109.

[7] 楊 嵐，李書琴.基于Web Service的農產品交易系統的研究與設計[J].計算機工程與設計，2008，29（8）：2118-2120.

[8] 王福順，孫小華.基于優化神經網絡的溫室厚皮甜瓜病害預測[J].河南農業科學，2012，41（11）：103-106.

[9] 馬斌強，劉美琪，季寶杰，等.ZigBee技術在精準農業中的應用[J].江西農業學報，2008，20（10）：121-123.

[10] 洪 霞，江 洪，余樹全.高光譜遙感在精準農業生產中的應用[J].安徽農業科學，2010（1）：529-531.

[11] 董方敏，王紀華，任 東.農業物聯網技術及應用[M].北京：中國農業出版社，2012.

[12] 丁海峽，賈寶磊，倪遠平.基于GPRS和ZigBee的精準農業模式研究[J].自動化儀表，2009，4（30）：17-23.

[13] 寧煥生.RFID重大工程與國家物聯網[M].北京：機械工業出版社，2010.

[14] BOWMAN K D.Longevity of radio frequency identification device microchips in Citrus Trees[J]. Hortscienc，2010，45（3）： 451-452.