農業物聯網光譜感知及系統方案研究

賈應彪 羅忠亮

摘要 農業物聯網是實現農業生產信息化的核心技術，但在信息感知階段由于采用的傳感技術簡單，只能獲取一些簡單的農作物生長環境信息，無法實現對農作物養分與生理信息的有效感知。就農業物聯網采用光譜感知技術獲取農作物養分與生理信息展開研究，并就光譜技術與其他傳感技術在農業物聯網的聯合感知分析了物聯網的技術架構及感知控制層結構，討論了信息傳輸流程及數據網關結構。農業物聯網采用光譜感知技術可增加對農作物生長信息的泛在感知能力，進一步促進農業產業的信息化和精細化。

關鍵詞 農業物聯網；光譜技術；生理信息

中圖分類號 S126 文獻標識碼 A 文章編號 0517-6611（2018）20-0191-02

Abstract The agricultural internet of things （IOT） is the core technology to realize the informatization of agricultural production. However， the ordinary sensing technology can only get some simple information about crop growth environment. As a result， physiological information of crops lacks corresponding sensors. In this paper， the spectroscopic technology is used in agricultural IOT to obtain the physiological information of crops. The framework of spectrum sensing agricultural IOT technology and the structure of perception control layer were analyzed， and the process of information transmission was discussed. The use of spectral sensing technology in the agricultural IOT can increase the perception ability of crop growth information， and further promote the informatization and refinement of agricultural industry.

Key words Agricultural IOT；Spectroscopic technology；Physiological information

作為當代農業信息化發展的新方向，農業物聯網技術是加快我國農業由傳統農業向現代農業轉型的關鍵技術之一，能有效提高農業生產力水平和資源利用率。物聯網在農業生產中的應用主要體現在對農作物種植環境進行監控，隨時隨地了解環境參數是否滿足農作物的生長要求，及時對農作物生長環境進行調整，最大限度地推進農業生產的信息化和自動化水平，提高生產效率和農作物品質。目前大多數農業物聯網采用的傳感器都相對比較簡單，感知對象局限于溫度、濕度、風速、CO2濃度和光照強度等簡單的外部參量，只能實現農業生長環境信息的監測，無法實現對農作物內部有效成分的動態感知，更無法對農作物生長狀態進行評估與預測，距離精細化農業的要求還差很遠[1]。

農作物養分與生理信息檢測是實現精細化農業的重要手段之一[2]。農作物生理信息主要包括營養狀態、生長形態及農作物所受病蟲害等信息，通過對生理信息的有效檢測與利用，可判斷農作物長勢，分析出農作物生長對不同養分的需求，再通過檢測土壤成分信息（包括氮、磷、鉀及有機質含量）來優化調整肥料成分配比，實現精準施肥，有助于提高農產品的產量和品質狀況；通過對農作物生理信息的有效檢測與利用，可預測農作物病蟲害情況及發展趨勢，在此基礎上調節農藥使用量，盡量降低農藥使用量，減少污染，實現更精細的農業生產管理；通過對生理信息的有效檢測與利用，可實現農作物產量預測，對后期農產品存儲與流通具有重要的參考意義。因此，研究農作物養分與生理信息的感知技術，有利于實現精細化農業生產，若在農業物聯網中能實現對農作物養分與生理信息的有效感知，必將有助于農業物聯網的進一步推廣與使用。

光譜感知技術能夠在紫外、可見光、近紅外和中紅外等較寬的電磁波譜區域內，為感知目標提供多波段的光譜信息，從而能快速無損地辨別和區分目標物質成分，實現對目標物性質的無損分析。光譜感知技術的發展為信息測量應用開辟了新的領域，其開始成為現代農業生產中農業信息獲取的技術手段之一，可有效感知農作物養分與生理信息[3]。筆者在分析采用光譜感知技術獲取農作物養分與生理信息的基礎上，就光譜感知農業物聯網系統方案展開研究。

1 光譜感知技術及農作物養分與生理信息獲取

從農耕時代開始，農民就已經憑借世代積累的種植經驗，通過觀察農作物外觀分析植物的養分情況和生長狀況，但由于經驗存在偏差或觀察不全面，往往很難獲得客觀結果。從19世紀開始，化學測定法等植物養分信息檢測方法開始受到國際上大量農業研究工作者的高度關注，這些方法觀測結果較為客觀，但會對植物造成一定的影響，做不到無損檢測，且不宜對大量樣本進行分析。20世紀60年代起，植物養分的無損診斷研究開始出現，如比色法等方法被用于獲取植物養分信息。近年來，發展于20世紀90年代的可見及近紅外光譜技術被推廣應用于農作物養分信息分析，它具有測定速度快、樣本無損、準確度高、重復性好及樣本制備簡單等優點，并越來越受到重視。

光譜技術采集的信息能反映物質成分，近紅外譜區包含物質內部信息，可見光波段包含物質表面信息，利用光譜技術再結合化學計量學方法，可對農作物生理信息進行定性和定量分析[4-5]。肥料缺乏和病蟲害侵襲均可引起農作物葉片顏色、厚度以及形態結構等發生變化，從而導致光譜反射特性產生變化，使得基于葉片光譜反射特征來識別分析農作物的生長狀況成為可能。光譜技術可以對葉片中化學成分含量做出比較準確的預測，根據光譜特性監測植物的水分狀況已成為農業生產研究的熱點之一。葉綠素含量與葉片顏色相關，而葉片含氮量又和葉綠素變化趨勢相似，因此，可通過光譜技術來測定葉綠素含量并以此分析農作物的氮素營養狀況。光譜分析技術可用于對農作物進行營養診斷分析，目前主要集中在對氮、磷、鉀含量的無損檢測研究上，并開始用于對農作物品質成分的定量測定。隨著光譜技術的發展，融合了光譜技術和圖像處理技術的高光譜成像技術由于能夠對所獲得的信息進行可視化展示而開始受到重視。利用高光譜圖像技術能獲得農作物葉片和植株的高光譜圖像，可以將檢測的農作物生理指標在圖像上顯示，直觀地顯示不同區域待測指標的含量值，從而利于推廣應用。

綜上所述，光譜技術用于農作物養分與生理信息檢測是可行的。近年來國內外一些學者已將光譜分析技術應用于檢測農作物養分和生長狀況，并取得了一定的研究進展。但是，在植物養分傳感器方面，國內外相關研究主要集中在靜態檢測傳感儀器方面，在動態式的農業物聯網方面研究和應用比較少見。目前大部分基于光譜技術的作物養分信息檢測均是靜態的，只能表示某個特定生長時期的檢測結果，能應用到農業物聯網的方案較少[6]。將能實現植物養分快速檢測的光譜傳感技術應用于農業物聯網的信息感知，可實現農作物養分與生理信息的連續、動態采集，相關研究已經開始受到關注，最近，中國科學院上海技術物理研究所的科研工作者就研制了一種能實現近紅外光譜數據的采集和無線傳輸的微型化物聯網節點[7]。

2 光譜感知農業物聯網系統方案分析

2.1 農業物聯網信息技術體系架構

農業物聯網系統按照物聯網的框架由感知控制層、網絡傳輸層、應用層3個層次構成，感知控制層包含數據采集子層、短距離通信傳輸子層和協同信息處理子層，主要負責農作物種植環境參數和生長狀態信息的采集，并將局部范圍內采集的信息匯聚到網絡傳輸層的信息傳輸系統；網絡傳輸層主要負責數據傳輸，將來自感知控制層的信息通過各種承載網絡傳送到應用層，農業物聯網用到的承載網主要由4G模塊、以太網模塊等部分組成；應用層主要由后臺服務器和客戶端組成，主要通過數據處理并結合農業生產控制設備來實現農業生產智能化與信息化管理。光譜感知農業物聯網信息技術體系架構如圖1所示。

2.2 光譜感知數據采集結構

與傳統農業物聯網相比，光譜感知農業物聯網的感知控制層采集信息更加多樣，除了需要檢測農作物生長環境參數（包括空氣、土壤溫濕度，CO2濃度及光照強度等），還需要獲取農作物的實時生理信息。感知控制層在將局部范圍內采集的信息匯聚到網絡傳輸層的信息傳送系統時，可采用的短距離無線傳輸技術有多種，其中2種典型技術是zigbee技術與wifi技術。農業物聯網數據采集一般采用zigbee自組織網，由于光譜技術感知產生的數據量較大，無法通過zigbee網絡傳輸，需要單獨采用wifi或以太網傳輸。因此，光譜感知農業物聯網系統中，使用wifi技術實現光譜感知數據的傳輸，而空氣、土壤溫濕度、CO2濃度及光照強度傳感器等組成的傳感器組使用 zigbee技術，系統的數據采集前端結構如圖 2所示。

感知控制層中的數據采集網絡由zigbee網絡與wifi網絡構成，其中wifi網絡完成高速率光譜感知儀器的數據傳輸，zigbee網絡則負責低速率傳感設備的數據傳輸。zigbee網絡中每個zigbee節點與一個或若干個農業生產環境參數采集模塊相連接，負責采集相應的數據，并把采集到的數據轉發給zigbee協調器，再通過無線網絡發送到數據網關。

2.3 光譜感知農業物聯網信息傳輸

數據采集端的主要功能是采集農作物生長的環境參數，并通過各個節點之間“多級跳”的方式將數據匯聚到協調器節點，最終將數據發送給數據網關。采集的信息經過3G/4G/以太網等承載網傳送到系統服務端，經過后臺數據處理程序進行信息協同、信息處理、信息儲存，而用戶通過客戶端軟件程序。農業物聯網信息傳輸如圖3所示。

網關在農業物聯網中扮演非常重要的角色，作為數據的中轉站，其是物聯網的核心設備之一，它是連接感知控制層與傳輸層的關鍵設備，感知控制層獲取的數據通過網關發送至網絡傳輸層，最終傳輸至應用層，用戶下發的指令也需要通過網關傳輸至感知控制層的設備，從而實現設備的遠程控制。物聯網網關的另一項重要功能是進行協議的轉換[8]。

由于感知控制層設備間的通信協議往往與網絡傳輸層不同，因此就需要網關對感知層上傳的數據或者網絡傳輸層下發的數據進行協議格式的轉換，實現不同協議數據的透明傳輸。數據網關組成結構如圖4所示，主要由光譜信息模塊、3G/4G模塊、以太網模塊和zigbee網絡接口模塊組成。

3 結語

筆者針對目前農業物聯網無法實現農作物生理信息感知這一現狀，就光譜感知技術在農業物聯網的信息感知應用

展開初步研究。雖然將光譜技術用于農業物聯網還有不少實際問題需要解決，但光譜感知技術對農作物生長信息的泛在感知能力，無疑將進一步促進農業物聯網的應用發展。

參考文獻

[1] 柳平增，孟祥偉，田盼，等.基于物聯網的精準農業信息感知系統設計[J].計算機工程與科學，2012，34（3）：137-141.

[2] 何勇，趙春江. 精細農業[M]. 杭州：浙江大學出版社，2010.

[3] 莊新港.近紅外光譜分析應用研究及新型光譜感知節點入射光學系統設計[D].濟南：山東大學，2017.

[4] 褚小立，陸婉珍. 近五年我國近紅外光譜分析技術研究與應用進展[J].光譜學與光譜分析，2014，34（10）： 2595-2605.

[5] QIN H，MA J Y，CHEN S J，et al. Identification of haploid maize kernel using NIR spectroscopy in reflectance and transmittance modes：A comparative study[J].Spectroscopy and spectral analysis，2016，36（1） ：292-297.

[6] 何勇，聶鵬程，劉飛. 農業物聯網與傳感儀器研究進展[J]. 農業機械學報，2013，44（10）：216-226.

[7] 王緒泉，黃松壘，于月華，等.微型長波近紅外物聯網節點及實驗研究[J]. 紅外與毫米波學報，2018，37（1）：42-46.

[8] 周高星.基于農業物聯網多源異構傳感網絡的研究與實現[D].泉州：華僑大學，2017.