溫室物聯網多傳感器數據融合算法設計與應用

張平川　白林峰　張灑　孫紅杏　張遠生　曲培新　張利偉　許睿　趙明富

摘要：基于CC2530嵌入式系統與溫濕度、光照度、CO2等傳感器構建的溫室物聯網系統，設計實現了卡爾曼濾波、歐幾里德距離公式及多元聚類統計技術相結合的多傳感數據融合算法，對溫室冬茬黃瓜掛果期的溫度、濕度、光照度3個參數進行了數據融合試驗。試驗結果表明，該算法能較好地實現數據融合，減小因各類誤差引起的數據不確定性及誤差，溫度、濕度、光照度的相對誤差明顯小于算術平均值算法，優化了系統對各類環境參數的決策調控依據，有助于提高溫室生產的經濟效益。

關鍵詞：溫室物聯網;卡爾曼濾波;歐幾里德距離公式;多元聚類統計

中圖分類號： TP393;S126? 文獻標志碼： A? 文章編號：1002-1302（2019）03-0174-03

利用物聯網構建的溫室作為一種信息化的高效現代農業生產設施，已經實現了基本的參數采集和基本的控制，如CO2濃度、光照度、pH值、溫濕度、氮磷鉀等的采集與控制，實現了自動澆灌、通風、遠程監控等多種功能[1-5]。但由于溫室物聯網是一個典型的多傳感器系統，涉及的傳感器不僅種類多且因多點布設而數量眾多，其內部環境溫濕度、土壤溫濕度、光照度、CO2濃度、氮磷鉀含量、pH值等受多種因素的影響，分布存在著不均勻性，傳感器節點的故障或安放位置的差異，使得物聯網數據具有時變、多變量的特點，采集數據的實時性、準確性、穩定性和容錯性等性能直接影響整個系統的決策[6-10]。設施農業發達國家如法國、荷蘭、美國、日本等已經實現了將數據融合技術應用到溫室環境控制領域，將溫室環境因子進行多傳感器數據融合，將數據融合技術應用到溫室作物生長環境參數的調控系統中，提高了控制的準確性[11-13]。我國溫室物聯網系統應用控制決策技術較為滯后，多采用比例-積分-微分（PID）算法等傳統的控制技術，目前對利用數據融合技術獲得準確可靠有效數據進行環境參數調控方面開展了大量的研究，如貝葉斯估計、多貝葉斯估計、數字化構建技術、統計決策理論、神經網絡方法、D-S（Dempster-Shafer）算法、模糊邏輯法、自適應加權算法、產生式規則法等，以實現對溫室CO2濃度、光照度、pH值、溫濕度、氮磷鉀等作物生長因素作出綜合和全面的優化[1，6，8-9，14-15]。因此，本研究針對溫室物聯網系統具有時變、多變量的多傳感器特征，構建一個溫室物聯網系統，利用CC2530嵌入式系統作為節點控制器控制各類傳感器進行數據采集和設備控制，采用ZigBee無線組網技術實現傳感器數據的實時采集和在節點與上位機之間的數據傳輸，由上位機運行卡爾曼濾波、歐式距離矩陣和多元聚類算法，完成傳感數據的融合，進而構建一種具有優化控制功能的溫室物聯網系統。

1 系統方案設計

設計實現的溫室物聯網系統總體結構見圖1。

從圖1可以看出，傳感器節點控制器CC2530控制空氣溫濕度傳感器DHT11、CO2傳感器MG811、光照度傳感器GY30、土壤溫濕度傳感器FDR100W、土壤pH值傳感器SM2120B、基質肥力氮磷鉀傳感器SSIOT-SOIL-NPK等進行溫室環境參數采集，經CC2530內置的ZigBee模塊將數據傳送給智能物聯網網關ANGW1E4C4G，網關將各個節點的數據經過Internet傳輸給溫室物聯網數據中心，數據中心按照一定算法對數據進行存儲、可視化顯示、查詢、分析決策等，并根據決策結果控制相對應的執行機構進行參數調控，如通風、澆灌、增加光照度等。

節點控制器選用的CC2530是具有2.4 GHz IEEE 802.15.4、ZigBee和RF4CE多種無線協議的1個真正的片上系統（SoC），能夠以低功耗低成本建立強大的網絡節點。本設計利用片內ZigBee功能，要求具有256 kB閃存容量，采用的是CC2530F256（256 kB閃存）。

空氣溫濕度傳感器DHT11是數字溫濕度復合傳感器，能輸出已校準溫濕度數字信號。內部有1個負溫度系數（NTC）測溫元件和1個電阻式感知濕度的元件，并與內部的1個高性能8位單片機相連接，具有超快響應、抗干擾能力強、性能優良、性價比高、體積小、超低功耗等優點。采用4針單排引腳封裝，連接方便。它應用了溫濕度傳感技術和專用的數字模塊采集技術，保證了高可靠性與長期穩定性。每個DHT11傳感器都在極為精確的濕度校驗室中進行校準。信號傳輸距離可達20 m以上，使其能適應各類應用環境甚至最為苛刻的應用場合。

CO2傳感器選用MQ811，MQ811采用固體電解質電池原理，主要特點是對CO2有良好的靈敏度和選擇性，受溫濕度變化的影響較小，具有良好的穩定性、重復性，可應用于空氣質量控制系統、發酵過程控制、溫室CO2濃度檢測等領域。

光照度傳感器選用GY30，GY30是1種數字光強度檢測傳感器，內置16 bit模數（AD）轉換器，直接數字輸出，光照度范圍為0～65 535 lx，可對各類環境的亮度進行1 lx的高精度測定，可省略復雜的計算，無需標定，不區分環境光源，接近于視覺靈敏度的分光特性。

土壤溫濕度傳感器FDR100W采用德國先進的頻域反射測量技術（FDR技術）原理，是目前國際上流行的土壤水分測量方法，能夠精確測量土壤和其他多孔介質的體積含水量。該傳感器具有精度高、性能穩定、靈敏度高的特點，可用于土壤水分自動監測站、自動灌溉控制、溫室環境等系統集成。土壤濕度（土壤容積含水率）的測量范圍為0～100%（m3/m3），測量精度在0～50%（m3/m3）測量范圍內為±2%（m3/m3）;分辨率為0.1%;測量主頻為100 MHz，工作溫度范圍為 -40～85 ℃。適用于土壤墑情監測、水文水利監測、節水農業灌溉、溫室大棚、草地牧場、土壤速測、植物培養、花卉蔬菜、科學試驗等領域。

pH值傳感器選用SM2120B，可實現多點同時監測，組網并遠傳。適用于各種場所，尤其適用于土壤、污水處理等場所。為便于工程組網及工業應用，本模塊采用工業廣泛使用的MODBUS-RTU通信協議，支持二次開發。主要優點是可組網，每個設備都可設置設備地址，采用DC7-24V寬范圍電源供電，具有較高的線性度，一致性好，用戶可校正。pH值測量范圍為4～9，pH值分辨率為0.1/0.01，測量精度為±0.5，反應時間小于14 s，適用溫度范圍為0～65 ℃。

土壤基質肥力氮磷鉀傳感器SSIOT-SOIL-NPK，可適應設施精準農業需要，利用離子大孔液體接觸電位分析原理，配合云端分析，提供穩定連續定量的氮磷鉀含量。基本參數：總氮含量測量范圍為0～1 000 mg/L，精度為±5%～10%;磷含量測量范圍為0～1 000 mg/L，精度為±5%～10%;鉀含量測量范圍為0～1 000 mg/L，精度為±5%～10%;重復性為1%，具有較高的測量精度，線性度好。

系統可以采集溫室的環境參數，可以通過設定溫室內的土壤溫度、土壤濕度、電導率、pH值、時間等參數來自動控制電磁閥和水泵、施肥系統等的目標值，通過空氣溫度、空氣濕度、光照度、二氧化碳等參數來自動控制內遮陽、外遮陽、天窗、側窗、外翻窗、加溫設備、風機、濕簾、加濕設備、CO2發生器等的目標值和設備的開啟/關閉時間等。更主要的是各類控制是基于上位機數據中心對傳感器數據進行融合后作出的較優控制。

2 系統數據融合算法設計

溫室物聯網是一個典型的多傳感器系統，必須采用計算機技術對不同時間、空間的多傳感器信息資源，按照一定準則加以分析、綜合、支配和使用，獲得被測對象一致性解釋和描述，完成需要的決策和評估，以提高信息的準確性和全面性，降低信息的不確定性等。系統數據融合的基本過程見圖2。

從圖2可以看出，采用各類多種傳感器采集溫室的環境參數，經過控制系統或物聯網傳感器節點進行A/D轉換得到各類參數的數字信號，再經過參數特征提取或者數據預處理消除參數采集過程中的噪聲或干擾信號，得到純凈數據送入數據融合中心完成數據融合并輸出融合/決策結果進行執行。

本研究采用卡爾曼濾波與歐幾里德加權平均相結合的數據融合算法進行溫室物聯網數據融合處理。卡爾曼濾波算法能較好適用于溫室物聯網等系統相對穩定線性的動態環境中傳感器冗余數據信息的融合處理。

應用卡爾曼算法對N個傳感器采集的數據進行融合后，既可以獲得系統的當前狀態估計，又可以預報系統的未來狀態，由此可以從數據中抽取特征值或測量值本身。

卡爾曼算法的基本數學模型由公式（1）、公式（2）組成，算法流程見圖3。

3 結果與分析

為了對系統進行驗證，選擇溫室早春茬黃瓜在3月結果期的主導環境因子作為試驗對象，此時植株生長量大，產瓜多。白天適宜溫度是25～32 ℃;需要白天盡量創造較長的光照時間;黃瓜在不同生育階段對濕度的要求是不同的，結果期所需相對濕度為70%～80%。試驗采集了1組溫度、濕度、光照度環境數據。

本研究選取溫度、濕度、光照度3類傳感器，每類設置8個傳感器采集溫室10：00—17：00之間相關數據。表1為選取的1組傳感器采集的數據。

對溫室內15：00采集的數據運用數據融合算法進行處理，數據融合結果見表2。

從公式（10）可以看出，d24=27.49為最小元素值，按照融合算法公式（9）得到溫度值為28.64，類似的得到濕度值為78.91%，光照度為2 588 lx。數據融合結果與真實測量值之間的相對誤差見表3。

從表3可以看出，采用“2”節中的融合算法得到的數據比較接近于測量值，且相對誤差小于簡單的數據平均算法融合結果，因此可以提高溫室內數據的準確度與精確度，對于控制執行正確操作具有重要意義。

4 結束語

采用卡爾曼濾波算法結合歐幾里德距離公式及多元聚類思想構建了數據融合算法，針對溫室春茬黃瓜的主要環境參數如溫度、濕度、光照度等進行了數據融合試驗，得到了較為接近真實值的融合結果，并將數據融合結果與常用的算術平均值算法的融合結果進行比較，結果表明所設計的數據融合算法的相對誤差要明顯小于算術平均值算法，準確反映了溫室實際狀態，提高了數據采集的精度與準確度，對于溫室中環境節約能源、提高溫室控制的準確性具有重要價值。

參考文獻：

[1]鄒承俊，余 攀. 基于物聯網技術的智能溫室關鍵技術研究[J]. 物聯網技術，2015（4）：33-35.

[2]段益群，劉國彥. 基于物聯網的智慧農業大棚系統設計[J]. 軟件工程師，2013（12）：35-35，31.

[3]王鴻磊，徐平平，樊繼德，等. 多源感知高效循環智能控制設施大棚架構與實現[J]. 浙江農業學報，2016，28（7）：1224-1234.

[4]姜新華，張麗娜. 基于LabVIEW的日光溫室多點溫度監測系統設計[J]. 內蒙古大學學報（自然科學版），2012，43（1）：81-84.

[5]魏 芬，季宇峰. 基于無線傳感網的溫室大棚智能監控系統的研究[J]. 測控技術，2016（2）：104-107.

[6]阿蘭·阿皮諾. 不確定性理論與多傳感器數據融合[M]. 郎為民，余亮琴，陳 紅，等譯. 北京：機械工業出版社，2016.

[7]陳春玲，崔 琳，許童羽，等. 日光溫室無線傳感器多數據融合技術研究[J]. 沈陽農業大學學報，2016，47（1）：86-91.

[8]李富娟. 溫室控制系統多傳感器數據融合方法的設計[J]. 湖北農業科學，2016，55（16）：4287-4289.

[9]溫 靜，程 茂. 多傳感器數據融合技術在溫室控制中的應用[J]. 河北農業大學學報，2015，38（4）：111-115.

[10]Chen Y K，Si X C，Li Z G. Research on Kalman-filter based multisensor data fusion[J]. Journal of Systems Engineering and Electronics，2007，18（3）：497-502.

[11]熊迎軍. 基于物聯網的設施農業環境監控系統關鍵技術研究與應用[D]. 南京：南京農業大學，2013.

[12]黃小紅. 傳感器網絡數據融合技術研究及在溫室控制中的應用[D]. 成都：電子科技大學，2009.

[13]馮 穎. 基于物聯網的現代農業信息智能化系統研究及應用[D]. 天津：天津大學，2013.

[14]王 振，白星振，馬夢白，等. 一種基于數據預處理和卡爾曼濾波的溫室監測數據融合算法[J]. 傳感技術學報，2017，30（10）：1525-1530.

[15]董 偉，朱建勇. 基于多傳感器的溫室環境數據融合算法研究[J]. 物聯網技術，2013（2）：16-18.張 奇，徐艷蕾，朱熾陽，等. 植物葉片面積精確測量系統的設計與開發[J]. 江蘇農業科學，2019，47（3）：189-192，202.