基于物聯網的農業環境數據收集系統設計

2018-07-27 12:22:50陳顯明劉書煥

實驗室研究與探索 2018年7期

陳顯明，劉書煥

(1.西京學院信息工程學院，西安 710123；2.西安交通大學能動工程學院，西安 710010)

0 引言

近年來，物聯網在農業生產中的應用越來越廣泛，如病蟲害的檢測和診斷、數據的采集、環境的實時檢測等。應用物聯網技術可以對土壤溫度、濕度、風速和光照等因素進行智能分析，從而實現農業的精細化發展。目前，真菌是導致農作物疾病的一種突出病菌。增加作物產量的一種方法是通過預測真菌病害傳播的環境，主動保護農作物。因此，需要一個衡量和預測農村實時環境條件的系統[1-3]。本文介紹了基于物聯網的環境預測和環境數據收集系統。并且著重介紹如何通過處理收集到的數據來預測空氣溫度，空氣濕度，預測風速以幫助預測真菌疾病通過孢子傳播的能力。該系統可以幫助作物管理人員了解當前和未來的環境狀況，以防止產量損失。此外，該物聯網系統允許管理人員和研究人員從農村地區遠程檢索環境數據，而無需從現場檢索存儲設備。該系統幫助農業實現優質高產，具有很好的經濟效益、生態效益和社會效益[4-7]。

1 硬件設計

圖1所示為環境數據采集系統的硬件框圖，該設備負責現場數據收集。所有硬件設備通過太陽能電池板充電器和12 V鉛酸電池供電。

圖1 環境數據采集系統的硬件框圖

1.1 傳感器模塊

該裝置包含真菌檢測器，測量空氣溫度，相對空氣濕度，土壤含水量，風速、風向和陽光強度等傳感器在內的十幾種傳感器設備。微控制器控制傳感器按照指定的時間間隔進行采樣[8]。

1.2 ZigBee模塊

該模塊主要提供本地自組網，數據通過異步串口和WiFi模塊進行數據通信，實現遠程計算機訪問云存儲器，從而幫助科研人員無需到農田現場便可以輕松獲取傳感器采集到的數據[9]。

1.3 WiFi模塊

WiFi模塊主要是簡化開發物聯網系統。通過異步收發器從微控制器接收傳感器數據，然后通過無線網絡將傳感器數據傳輸到互聯網云存儲器。WiFi模塊與無線網絡一起為系統的硬件部分提供了物聯網功能[10]。

2 軟件設計

圖2所示為環境數據采集系統的軟件框圖。該系統采用C語言進行編程。微控制器被編程為以用戶指定的時間間隔對數據進行采樣和推送。微控制器能夠關閉未使用的模塊從而節省現場的功耗。

圖2 環境數據采集系統的軟件框圖

WiFi模塊是以面向對象的編程語言進行編程；WiFi模塊通過微控制器的串行接口接收數據；WiFi模塊將數據在線傳輸給云存儲服務器[11]。

3 環境數據采集與處理

使用支持向量機回歸(SVMR)算法對傳感器獲取的環境數據進行預測[12]。因為農作物病菌的存在和空氣溫度、相對空氣濕度、風速具有相當高的相關性，可以采用SVMR算法進行環境數據預測的優化，而且SVMR算法在環境數據預測方面相當成熟。在未來，可以進行更多的環境數據的預測，將數據存儲在云服務器。在實驗室里遠程計算機可以訪問云端的數據，建立一個特征向量X，形式如下:

(1)

式中：L行對應于收集的1 d數據，第L行對應于在第Ld收集的數據；N列對應于當天具體時間的傳感器采集的原始數據。

根據SVMR算法得到下面一個真值向量：

YK=[YK2YK3…YKL]

(2)

式中：包含空氣溫度、相對空氣濕度和風速3個向量的日平均值信息。該平均值是通過SVMR算法計算特征向量X的數據得出來,這種結構允許訓練機器學習，經過訓練的算法可以根據過去預測現在和未來的數據[13]。使用特征向量X和真值向量，便可建立一個經過訓練的函數庫?，F在對第Ld數據進行預測，將其創建一個預測向量，形式如下:

YP=[YPL]

(3)

收集第Ld完整的傳感器數據，系統的性能通過估計絕對值誤差，

E=|YKL-YPL|

(4)

然后，SVMR算法重新訓練特征向量X和真值向量[14]。同樣的辦法估計第L+1 d的值，所以預測向量如下:

YP=[YPLYP(L+1)]

(5)

首先迭代更新特征向量X和真值向量,然后SVMR算法進行再訓練，以此預測未來的平均空氣溫度、相對空氣濕度和風速值，于是預測向量中便形成一個短期的天氣預報系統。此外，在每一次重新訓練的迭代中，最小化絕對值誤差還優化了算法。從而在SVMR算法獲得最優值[15]。

4 結果與分析

圖3所示為環境數據的收集設備。該裝置通過傳感器收集數據，通過自組網和WiFi將數據存儲到云端，遠端計算機訪問云端存儲器獲取環境數據，SVMR算法使用這些數據進行開發和訓練，從而進行現在和未來的空氣溫度，相對空氣濕度和風速進行預測。

圖3 環境數據的收集設備

圖4所示為預測的平均空氣溫度值和實際測量值,平均絕對誤差為1 ℃。圖5所示為預測平均相對空氣濕度值和實際測量值，平均絕對誤差為5%。圖6所示為預測的平均風速值和實際測量值，平均誤差為1 km/h。因此作物田間管理者可以確定未來的高溫和相對濕度天數，因為這些數據與有害病菌的存在有高度的相關性。此外，風速將有助于確定病菌通過孢子傳播的能力。從而可以提前預測病蟲害，提高農作物的產量。