多傳感器數據融合技術在溫室控制系統中的應用研究

李菲

【摘 要】本文將多傳感器數據融合技術應用到溫室控制系統中，實現對溫室環境的智能感知、智能預警以及智能決策，實現溫室的精準化種植與智能可視化的管理。在多傳感器數據融合的過程中，采用兩級融合方式，首先對同類數據采取自適應加權平均算法進行局部融合，再對異類數據采取D-S證據推斷算法進行全局融合，并根據專家系統進行分析，從而作出最佳的決策判斷。

【關鍵詞】多傳感器;數據融合;溫室控制系統

中圖分類號： S625;S126 文獻標識碼： A文章編號： 2095-2457（2019）30-0034-003

DOI：10.19694/j.cnki.issn2095-2457.2019.30.015

Application Research of Multi-sensor Data Fusion Technology in Greenhouse Control System

LI Fei

（Shaoyang University，Hunan Shaoyang 422000， China）

【Abstract】In this paper， the multi-sensor data fusion technology is applied to the greenhouse control system to realize the intelligent perception， intelligent early warning and intelligent decision-making of the greenhouse environment， and realize the precise planting and intelligent visualization management of the greenhouse. In the process of multi-sensor data fusion， a two-level fusion method is adopted. Firstly， an adaptive weighted average algorithm is used for local fusion of similar data， and then DS evidence inference algorithm is used for global fusion of heterogeneous data， and analyzed according to an expert system，Make the best decision judgment.

【Key words】Multi-sensor; Data fusion; Greenhouse control system

1 現狀分析

智能溫室控制系統主要依托部署在溫室內的各種傳感器，采集當前實時的環境溫濕度、光照強度、二氧化碳濃度、土壤水分等，并通過無線通信網絡與控制系統連接，實現對溫室環境的智能感知、智能預警以及智能決策，提供精準化的種植與智能可視化的管理。

在整個智能控制系統中，智能預警與智能決策很大程度上都取決于智能感知的精確度，因此，多傳感器信息的采集以及數據處理起到了非常關鍵的作用。

但是在溫室環境中，利用傳感器進行實時信息采集時，經常會遇到以下一些問題：

（1）由于溫室的區域較大，而且為達到最適宜的培育環境，需要大量的傳感器對溫度、濕度等多個參數進行采集，同時為保證準確度，也需要對某一個參數采用多個傳感器來采集。因此整個溫室中，采集的實時數據是非常多的，但如果傳感器采集到的大量數據不經過處理直接傳送到溫室控制系統，則會由于大量冗余數據的存在導致整個無線傳感網絡的負載過大，效率較低，導致系統出現響應延遲，從而嚴重地影響到測量精度與溫室自動控制效果。

（2）傳感器在測量數據的過程中，可能由于故障的原因導致現傳感器節點失效或數據丟失或數據異常的現象，也有可能由于環境中的不穩定性，造成大量的不確定、隨機性信息存在于測量數據中，最終導致系統出現誤判的現象。

（3）在信息采集的過程中，既有同類傳感器采集，也有異類傳感器采集，但如果采集的數據比較分散，數據之間的關聯性不明確，那么控制系統就不能進行綜合性的分析，從而作出最有判斷。因此，控制系統中必須要避免采用單參數開關量的閾值控制方式。那么，將多傳感器融合技術引入到溫室的智能監控系統中是非常有必要的。

2 溫室控制系統中多傳感器數據融合技術的應用

各種傳感器采集的信息可能具有不同的特點，有響應速度快的、有響應速度慢的、有實時變化的、有非實時變化的、有相互支持的、也有相互矛盾的。多傳感器數據融合技術實際上就是對這些復雜的數據進行處理，并依據某種準則進行組合，以此來實現被測對象的不失真獲取，從而作出最優的判斷與合理的推斷。

多傳感器數據融合的過程主要包括多傳感器信號的獲取、預處理、多傳感器融合以及控制決策輸出這幾個環節，如圖1所示。

圖1 多傳感器融合環節

2.1 預處理

由于信號的采集是基于多傳感器的多點實時檢測，因此，傳感器采集的原始數據是非常龐大的，而且由于環境等隨機因素的影響，其中較多干擾、噪聲和失效信號。如果直接進行數據融合的話，那么會出現效率低、誤判率高的情況。

因此，在進行數據融合之間要對采集的數據進行預處理，同時對測量信息進行相關性分析，判斷不同時間和空間采集的數據是否關聯于同一個被測目標，并建立N個類型，每個類型具有獨立的特征。當采集到多個傳感器的新測量值，與已知類型的特征進行比較，從而實現數據的分類。

2.2 多傳感器數據融合

數據分類完成后就進入到多傳感器的融合階段，本文主要采用兩級融合的方式來實現。首先對同類數據進行局部融合，再對異類數據進行全局融合，達到信息的全時間全空間處理。

由于溫度、濕度、光照以及二氧化碳的濃度是溫室農作物正常生長的必備條件，因此選取溫室環境的這4個參數進行數據融合，具體的融合過程如圖2所示。

圖2 數據融合過程

2.2.1 局部融合

數據融合的方法可以分為隨機類和人工智能類。隨機類包括加權平均法、Bayes概率推理法、卡爾曼濾波法等;人工智能類包括模糊邏輯推理、神經網絡、專家系統等算法。在本文的設計中，局部融合主要針對的是同類傳感器采集的數據，需對同類環境數據進行冗余去除和優化處理。因此，在本文的局部融合中主要采用的是自適應加權平均算法。

加權平均法是將傳感器提供的數據進行加權平均，結果作為融合值。在加權平均算法中最關鍵的問題就是如何選擇合適的權值計算形式以及權值如何分配。該算法主要依據測量數據的精度來確定權值的分配，最終得出均方差最小的融合值。

假設測量溫室的當前溫度，在溫室的不同區域布置了n個同型號的溫度傳感器進行測量，測量值為X1、X2、X3…Xn，每只傳感器的權數為W1、W2、W3…Wn，在保證總均方差最小的目標下，根據各點的測量值以自適應的求值方式計算出各點的最優加權因子，進而使融合結果得到最優值。具體的加權算法如圖3所示。

圖3 加權算法結構圖

2.2.2 全局融合

基于溫室內作物的生長特點，全局融合主要采用的是D-S證據推斷和專家系統結合的算法。其中，D-S證據推斷算法主要分為更新、推斷和合成3個層次。由于傳感器存在一定的隨機誤差，因此在進行推理之前要更新傳感器的觀測數據，再經過推斷獲得傳感器的觀測結果，最終合成目標決策輸出。D-S證據推斷算法實現的具體結構圖如圖2.4所示，在D-S證據推斷算法中最核心的問題就是D-S合成規則。

圖4 D-S證據推斷算法結構圖

經過D-S證據推斷算法進行全局融合后的數據再輸送到專家系統。專家系統將人類專家的知識和經驗以知識庫的形式存入計算機，并模擬人類專家的思維進行推理。專家系統會根據參數的相互關系，分析數據結果，作出最佳的決策判斷。

3 融合實例

以溫室中黃瓜的種植為例，黃瓜喜濕、怕澇、不耐旱，它的生長分為幼苗期、定植期、初花期和結果期，不同的生長周期對溫室環境的參數要求不同。

土壤水分：黃瓜發芽期的土壤相對含水量為80%-90%，定植期為80%左右，初花期為70%左右，結瓜期為80%。光照：要求中等強度的光照，光飽和點和補償點分別為55000-66000lux和2000-3000lux，日照時間保持在8小時左右。幼苗期要注意遮陰，結瓜期可增長日照時間?？諝鉂穸龋嚎諝獾南鄬穸葹?0%-80%。溫度：白天的適宜溫度為25℃-32℃，夜間的適宜溫度為15℃-18℃。若溫度低于10℃，會出現營養不良繼而停止生長，若高于35℃，會引起落花，高于40℃，會停止生長。二氧化碳濃度：濃度越高，光合作用越強。在新型溫室大棚中，溫度適宜，通風效果好，故不需要專門釋放二氧化碳進行補充。

以黃瓜的生長與蟲害預測為例，多傳感器數據融合過程如圖5所示。

圖5 基于多傳感器數據融合的黃瓜生長與預測系統實現流程

該系統首先通過多個傳感器對溫室的環境參數進行檢測，然后對采集好的數據實施預處理，再進入到兩級的數據融合，最后輔以專家系統，對黃瓜生長或蟲害預測作出決策處理。兩級結合的融合算法不僅可以減輕融合負擔，提高系統的融合效率，還能提高系統的有效決策能力。

4 總結

溫室環境是一個多參數、復雜的系統，將多傳感器數據融合技術引入到溫室控制系統中，避免了單一環境參數作為系統閾值信號的控制方式。

在傳感器數據進行融合時，本文采用了兩層融合技術，對于同類傳感器采用自適應加權平均算法實現局部融合，對于異類傳感器采用D-S證據推斷算法和專家系統實現全局融合，更好地提高了系統的測量精度以及決策的有效性。經過這種多傳感器數據融合技術，溫室控制系統能夠自動將溫室中的環境參數調整為農作物生長所需的最優參數。

【參考文獻】

[1]唐娟.溫室番茄生長中多傳感器數據融合的應用[J].傳感器與儀器儀表，2007（06）.

[2]程曼，袁洪波，張素，張德寧，史湘玲.基于多傳感器數據融合的溫室環境控制的研究[J].農機化研究，2009（07）.

[3]李瓊.溫室監控系統中多傳感器數據融合技術的研究及應用[D].寧夏大學，2013.

[4]武曉嘉.多傳感器數據融合在溫室智能控制中的應用研究[D].太原理工大學，2005.