基于UWB與物聯網的移動式溫室環境監測系統設計與實現

侯加林，蒲文洋，李天華，丁小明，張觀山

基于UWB與物聯網的移動式溫室環境監測系統設計與實現

侯加林1,2，蒲文洋1，李天華1,2，丁小明3，張觀山1,2

（1. 山東農業大學機械與電子工程學院，泰安 271018； 2. 山東省農業裝備智能化工程實驗室，泰安 271018；3.農業農村部規劃設計研究院設施農業研究所，北京 100125）

為低成本實現對溫室不同區域環境的全面感知，該研究設計了移動式溫室環境監測系統，其采用超寬帶（Ultra Wide Band，UWB）網狀拓撲結構進行分布式組網，節點設備以一主多從的形式對移動工作臺實時定位。利用優化后的雙向雙邊測距算法計算各基站與標簽之間的距離，通過距離的歸一化殘差分布判斷是否存在非視距（Non Line of Sight, NLOS）誤差，利用改進后的增量卡爾曼濾波算法消除NLOS誤差，通過Chan算法解算標簽準確位置。移動工作臺以Arduino控制器為核心，搭載溫度、濕度、二氧化碳和光照度傳感器，實現對溫室環境的實時監測和對移動工作臺的遠程控制。測試結果表明，系統靜態定位最大橫向偏差為7.92 cm，最大縱向偏差為7.98 cm，橫向和縱向偏差的平均值均<5 cm；移動工作臺以0.4 m/s的平均速度行駛，動態定位最大橫向偏差為8.7 cm，平均橫向偏差為4.7 cm；采集參數上傳平均丟包率為2.78%；溫度、濕度、光照度和二氧化碳濃度監測相對誤差分別低于0.63%、0.34%、0.70%和0.67%，滿足溫室環境信息移動監測要求。該研究對溫室環境調控和溫室內作業機具精準定位技術的發展具有一定的理論意義和參考價值。

溫室；環境調控；物聯網；UWB；移動工作臺；定位

0 引 言

在世界園藝發達國家向信息化、智能化加速升級的大背景下，中國設施園藝面積快速持續增加[1-4]，2019年，中國設施園藝規模達到370萬hm2，占世界設施園藝面積的80%[5-7]。溫室可使農作物不受地理環境、氣候以及季度交替變化的影響，提高作物產量，節約種植成本，提高經濟效益[8-10]。環境監測作為現代化溫室的一項重要功能，對溫室內農作物的生長起著關鍵作用。通過環境監測，用戶可根據溫室中的環境變化調控環境，為種植作物提供適宜生長條件[11-14]。

目前，溫室內環境監測方式主要為布點式[15-16]，即在固定環境監測點安裝傳感器[17]，此種環境監測方式覆蓋范圍有限[18-19]，當監測較大區域時需增加測量點即增加傳感器的數量，安裝和維護工作繁瑣且成本較高[20-21]。Nair等[22]針對此問題研制了可移動環境監測平臺，可移動的特性是低成本實現對大型溫室不同區域環境全面感知的關鍵。張慶雷[23]設計出基于紅外遙控的移動式環境監測平臺，紅外遙控的方式可實現對移動平臺的運動控制但通信距離有限；張世昂等[24]設計了基于樹莓派的智能巡檢車，控制端與巡檢車連接相同的無線保真（Wireless Fidelity, WiFi）信號后通過安全外殼協議（Secure Shell, SSH）建立通信，與紅外通信相比，此通信增加了通信距離，但通信距離仍有限。物聯網技術的發展解決了通信距離有限的弊端，實現對溫室環境信息的實時獲取和對移動工作臺的遠程控制。

為控制移動工作臺準確到達溫室中的環境監測點還需對移動工作臺實時定位。在室內定位技術的選擇上，全球衛星定位系統（Global Positioning System, GPS）通常用于室外定位，室內環境下由于遮擋物較多，衛星信號易丟失[25-26]。實際室內定位過程中，定位精度主要受三方面影響：試驗設備的制造誤差、安裝誤差和室內環境內部對信號的遮擋等影響；傳感器偏差、靈敏度誤差、噪聲等其他隨機誤差的影響；信號傳播特性和測距方式的影響[27-28]。因此，提高定位精度必須提高抗干擾能力，解決信號衰減、多徑效應、視距傳播和信號振蕩校準等傳統問題。除了定位精度問題，能耗和成本也是室內定位不可忽視的考慮因素。目前大部分定位技術通過在環境中安裝輔助節點，增加位置信息的方式提高精度，增大了系統建設成本和能耗[29]。在測量誤差和能耗不可避免的情況下，盡可能減小測量誤差和控制能耗顯得尤為重要。超寬帶（Ultra Wide Band，UWB）技術是一種短距離內在寬頻帶上低功率發送數據的無線通信技術，與傳統通信技術相比，UWB通過發送納秒級或者納秒級以下的超窄脈沖傳輸數據，可獲得吉赫級的數據帶寬，時間分辨率強[30]。UWB技術因其穿透力強、功耗低、抗多徑效果好、安全性高、系統復雜度低、對應用環境無苛刻要求等優點，適用于對室內靜態或動態物體的定位跟蹤，定位精度高[31-32]。

綜上，本研究基于UWB與物聯網技術研制移動式溫室環境監測系統，實現了溫室環境下對移動工作臺的精準定位和遠程控制，兼具定點監測和移動監測功能，可穩定可靠的監測溫室環境，對溫室環境調控和溫室內作業機具精準定位技術的發展具有一定的理論意義和參考價值。

1 系統組成與設計

1.1 系統組成

移動式溫室環境監測系統由遠程監控平臺、移動工作臺和UWB定位模塊3部分組成。遠程監控平臺包括電腦控制端和手機控制端，電腦控制端實時顯示移動工作臺位置，手機控制端控制移動工作臺運動，顯示溫室環境監測信息。移動工作臺接收并執行監控平臺發布的控制指令，實時采集溫室環境參數并通過無線網絡發送到監控平臺。UWB定位模塊包括標簽、基站和計算單元，標簽安裝于移動工作臺上以實時標記移動工作臺位置，基站計算與標簽之間的距離并通過主基站上傳計算單元，計算單元根據各基站與標簽間的距離利用定位算法解算標簽在溫室中的實時位置并顯示，系統組成如圖1所示。

1.移動工作臺 2.超寬帶定位模塊 3.計算單元 4.WiFi模塊 5.服務器 6.數據庫 7.電腦控制端 8.手機控制端

1.2 移動工作臺硬件設計

移動工作臺長255 mm、寬165 mm、高275 mm，由移動底盤、驅動模塊、控制模塊、環境信息監測模塊、UWB定位標簽和通信模塊組成，硬件結構如圖2所示。

1.移動底盤 2.光照度測量傳感器 3.二氧化碳濃度傳感器 4.Arduino控制器 5.超寬帶定位標簽 6.溫濕度傳感器 7.WiFi模塊 8.電池1.Mobile chassis 2.Illuminance measurement sensor 3.Carbon dioxide concentration sensor 4.Arduino controller 5.Ultra Wide Band (UWB) positioning label 6.Temperature and humidity sensor 7.WiFi module 8.Battery

環境信息監測模塊：移動工作臺上安裝BH1750FVI光照度傳感器，光照度測量范圍為0～65 535 lx；SGP30二氧化碳濃度監測傳感器，測量范圍為600～24 000 mg/m3；DHT11溫濕度傳感器，溫度和相對濕度的測量精度分別為±2 ℃和±5%，分辨率分別為1 ℃和1%。

控制模塊：使用Arduino Uno控制器解析運動控制指令并執行，上傳環境信息監測模塊采集的溫室環境信息。

驅動模塊：本系統以地面硬化條件較好的無土栽培溫室為主要應用對象而設計，移動工作臺采用2輪驅動，使用L298N電機驅動模塊控制電機轉向和轉速，低成本實現了對移動工作臺的完整運動控制。

UWB定位標簽：基于STM32F104RC和DWM1000定位模塊開發定位功能板，型號為D-DWM-PG1.7V，具體參數如表1所示。通過計算單元配置功能板的工作類型（基站或標簽），功能板兼具一對一測距和二維定位功能。

通信模塊：通過WiFi模塊實現遠程監控平臺與移動工作臺間的遠程通信，移動工作臺通過WiFi模塊接收運動控制指令，反饋工作狀態和溫室環境參數。遠程監控平臺和計算單元之間通過互聯網遠程通信，WiFi模塊和遠程監控平臺、遠程監控平臺和計算單元之間的通信均采用4G技術，滿足實時性通信需求。

表1 定位基站及標簽規格參數

1.3 移動式溫室環境監測系統軟件設計

移動式溫室環境監測系統軟件由位置信息交互層、環境信息監測層和運動控制層構成。位置信息交互層為基于Windows的實時定位程序，解算并實時顯示移動工作臺在溫室中的位置。環境信息監測層為基于安卓（Android）手機的環境信息解析及顯示程序，實時顯示溫室中的溫濕度、二氧化碳濃度和光照度。運動控制層為基于Android的移動工作臺遠程控制程序，通過微信公眾平臺向移動工作臺發送運動控制遠程通信協議，遠程控制移動工作臺運動。

2 移動式環境監測功能實現

2.1 實時定位功能實現

UWB定位精度的影響因素主要為傳感器布設位置、多路徑效應、信號衰減和非視距（Non Line of Sight, NLOS）誤差，當室內遮擋非常嚴重時，超寬帶定位誤差較大，僅靠優化算法難以有效消除。因此在溫室布置節點位置時應盡可能避開作物冠層等對信號遮擋較嚴重的障礙物，本系統采取措施如下：

1）根據移動工作臺的實際高度，將4個基站分別豎直放置在溫室四角距地面10 cm處，使得移動工作臺與基站之間在溫室內大部分活動范圍內為視距條件；

2）增強DW1000芯片的信號發射和接收功率，提高靈敏度，通過該方式增大測量范圍，減少信號衰減導致的定位偏差。

使用UWB技術作為無線載波通信技術，通過優化后的雙向雙邊測距（Double-Side-Two-Way-Ranging，DS-TWR）算法計算基站與標簽之間的距離，利用Chan算法初步求解標簽位置，通過基站與標簽間距離的歸一化殘差是否服從中心卡方分布判斷是否存在NLOS誤差，對存在NLOS誤差的距離值利用改進后的增量式卡爾曼濾波算法修正，將修正后的距離值再次通過Chan算法解算，獲得移動工作臺準確位置。定位流程如圖3所示。

圖3 定位功能實現流程圖

2.1.1 雙向雙邊測距算法測距原理及改進

通過雙向雙邊測距算法計算標簽與基站之間的距離，為減少由時鐘偏差引起的誤差，雙向雙邊測距采用2個往返時間計算飛行時間。2次往返時間間隔對結果無影響，飛行時間（prop, s）的計算如式（1）所示：

式中round1為第一次通訊設備A接收到設備B信號的時間與設備A發送信號的時間差，s；reply1為第一次通訊設備B在收到設備A的信號后，延遲固定時間回發信號與收到設備A信號時的時間差，s；round2為第二次通訊設備A接收到設備B信號的時間與設備A發送信號的時間差，s；reply2為第二次通訊設備B在收到設備A的信號后，延遲固定的時間回發信號與收到設備A信號時的時間差，s。

計算單元向主基站下達測距指令，主基站收到指令后立刻發送信號，接收基站收到信號立刻回傳，主基站收到回傳信號后再次發送信號，計算的飛行時間取平均值，帶入電磁波傳輸速度即可得到2個基站的距離如式（2）所示：

=?prop（2）

式中為2個基站間距離，m；為電磁波傳輸速度，數值為300 000 000m/s。

時鐘引入誤差（Error，s）計算如式（3）所示：

式中f為設備A時鐘的實際頻率和預期頻率的比值；f為設備B時鐘的實際頻率和預期頻率的比值。

改進前與改進后的雙向雙邊測距算法測距過程如圖4所示。由圖4a可知，A設備為主動端，B設備為被動端，雙向雙邊測距方式是A設備主動訪問，并且由B設備計算距離，基站第二次數據包發出時間戳（5）時間由基站第一次數據包接收時間戳（4）加延時估算得出。實際二維定位中，基站為主動端A，標簽為被動端B，標簽安裝于移動工作臺上處于不斷運動的狀態，標簽與計算單元串口通信以使標簽計算距離后將距離值上傳到計算單元，這就要求移動工作臺有足夠大的空間和載重來運載計算單元，因此如果直接使用雙向雙邊測距算法則存在以下缺點：1）計算單元為一臺筆記本電腦，不易攜帶；2）增加了移動工作臺研制成本；3）計算單元對標簽與基站之間的信號傳遞存在遮擋作用，增加定位誤差；4）5時間戳由估算得出，增加了飛行時間計算誤差。為了解決上述問題，提高距離計算精度，本研究對雙向雙邊測距算法進行了改進（圖4b），其優勢在于1）增加一次被動端B向主動端A數據包回傳過程，并讓主動端A（基站）計算距離；2）真實讀取5時間戳。這雖然延長了數據處理時間，增加了計算量，但提高了測距的穩定性和精度。

基站處于固定狀態，計算單元與主基站連接，定位過程以基站主動掃描標簽的方式進行，發送測距命令和測距數據處理均由主基站負責（圖5）。以本研究實際采用的4基站1標簽為例，圖5中編號代表通信行為，行為反應了基站與標簽間的測距流程，具體說明如表2所示。

注：T1、T4、T5和T8分別為主動端A第一次數據包發出、第一次數據包接收、第二次數據包發出和第二次數據包接收時間戳；T2、T3、T6和T7分別為被動端B第一次數據包接收、第一次數據包發出、第二次數據包接收和第二次數據包發出時間戳。

圖5 4基站1標簽測距示意圖

表2 4基站1標簽間測距步驟

2.1.2 非視距誤差判斷

本研究對基站與標簽之間的距離值是否存在非視距誤差的判斷方法參考吳承鈺[33]的研究，通過基于距離殘差的識別算法判斷處于非視距誤差下的基站，首先利用Chan算法初步解算標簽位置，Chan算法通過2次加權最小二乘法的計算，在噪聲服從零均值的高斯分布的環境下，能夠利用所有的測量值獲得較好的計算結果，但是在 NLOS環境的信道下，定位精度會顯著下降，Chan算法具體實現過程參考孫頂明[34]的研究。為Chan算法提供測量數據的一組基站若均處于視距（Line Of Sight, LOS）條件，則其距離的歸一化殘差應當服從中心卡方分布[33]，通過這一特性使用距離殘差算法可以有效的完成對NLOS基站的識別工作。以本系統所用4基站1標簽為例，具體做法為獲取4基站與標簽之間的測距信息，使用Chan算法對待測目標的位置進行估計，判斷是否存在非視距誤差，如存在非視距誤差，再選取3個基站，重新進行位置解算，每3個基站作為一組定位組合，共有5組對待測目標的估計，結果如式（4）所示：

式中()表示第種組合的基站測量結果解算得到的位置估計；()表示第種組合的基站測量結果解算得到的橫坐標；()表示第種組合的基站測量結果解算得到的縱坐標；表示種組合包含的基站數量；為基站總數量，本研究中設置為4。歸一化距離殘差定義如式（5）和式（6）所示：

由式（5）和式（6）可知各基站組合均為視距情況時各基站與標簽間距離的歸一化殘差服從中心卡方分布，存在非視距誤差時不再服從中心卡方分布。

2.1.3 非視距誤差消除

對非視距條件下產生的基站與標簽距離值中包含的NLOS誤差，參考蔡博等[35]的研究，通過改進后的增量式卡爾曼濾波算法消除。主要實現過程為建立測距模型，如式（7）所示：

式中()、()是時刻基站與標簽之間的測量距離和真實距離，m；()是非視距誤差；()是標準測量誤差；()是測量系統誤差。

傳統卡爾曼濾波不適用于非高斯分布條件下的NLOS誤差和實際中存在的測量系統誤差模型，根據線性系統的特點，建立增量卡爾曼濾波狀態方程，其空間模型描述如式（8）和式（9）所示：

式中S和S-1分別是時刻和-1時刻目標狀態矩陣；ΔZ是時刻測量增量矩陣；Φ-1是-1時刻狀態轉移矩陣；H和H-1分別是時刻和-1時刻測量矩陣；Γ-1為-1時刻噪聲驅動矩陣；W-1是-1時刻過程噪聲矩陣；V為時刻測量噪聲矩陣。

測量增量計算如式（10）所示：

式中Z和Z-1分別是時刻和-1時刻測量矩陣；V-1是-1時刻測量噪聲矩陣。

由于UWB信號很高的采樣率，因而V?V-1為相對小量，可以忽略不計。對于式（8）和式（9）構成的增量系統模型可以有效消除未知的系統誤差。增量卡爾曼濾波的迭代過程如式（11）~ 式（14）所示，其中：

狀態一步預測方程如式（11）所示：

式中S|k-1是-1時刻對時刻目標狀態的一步預測矩陣。

一步預測誤差均方差如式（12）所示：

狀態估計方程為如式（13）所示：

式中K是時刻濾波增益矩陣；ΔZ|k-1是-1時刻對時刻的預測測量增量矩陣。

濾波均方誤差更新如式（14）所示：

由傅惠民等[36]研究可知增量卡爾曼濾波具有無偏性。基于標準測量誤差和NLOS誤差之間的無關性，將NLOS誤差加入到狀態變量中，經過增量卡爾曼濾波器處理后得到估計出的NLOS誤差，用實際測量值減去NLOS誤差即可得到消除NLOS誤差的超寬帶模塊測距值。在卡爾曼濾波迭代過程中，基于NLOS誤差的正值性，將可能出現負的NLOS估計值置0，從而得到NLOS誤差估計值，進一步可以獲得兩點之間精確的距離值R()。在消除掉NLOS后，采用Chan算法對移動工作臺進行重新定位，可以得到較高的定位精度。

2.1.4 系統性能評價方法

系統定位偏差分為橫向偏差和縱向偏差，橫向偏差（1，cm）計算如式（15）所示：

式中1是計算坐標中的橫坐標值，cm；2是實際測量坐標中的橫坐標值，cm。

縱向偏差（2，cm）計算如式（16）所示：

式中1是計算坐標中的縱坐標值，cm；2是實際測量坐標中的縱坐標值，cm。

為評價系統定位的精度和穩定性，本研究對定位偏差進行統計學分析，通過標準差判斷系統定位的穩定性，通過均方根誤差評估系統定位精度，標準差（）和均方根誤差（Root Mean Square Error，RMSE）的計算方法分別如式（17）和式（18）所示：

式中表示目標點的總數量；X表示第個目標點處的偏差（縱向偏差或橫向偏差），cm；表示各目標點處偏差（縱向偏差或橫向偏差）的平均值，cm；X表示第個目標點的計算坐標（橫坐標或縱坐標），cm；X表示第個目標點的實際測量坐標（橫坐標或縱坐標），cm。

通過計算丟包率評估系統上傳溫室環境采集信息的穩定性，丟包率（，%）計算如式（19）所示：

式中表示數據丟失數量；表示數據采集時間段內應上傳的數據總數量。

通過計算相對誤差驗證環境信息測量精度，相對誤差（，%）計算如式（20）所示：

式中表示各測量點處測量值與對比值之間的絕對誤差；表示對比值。

2.1.5 計算單元操作界面設計

基于Visual Studio 2017本研究設計了計算單元操作界面（圖6）。操作界面主要包括標簽位置坐標實時顯示區、標簽與基站相對距離顯示區、地圖屬性設置區、串口配置與設備連接區、設備配置區、設備狀態顯示區和基站坐標設置區。其中，定位功能中實現計算單元設置的步驟為1）獲取溫室二維俯視圖并導入上位機，圖像像素大小要求為800×450；2）搜索并打開電腦驅動串口，設置串口通信波特率，使主基站與電腦驅動串口波特率一致，數值為115 200 bps；3）掃描串口上的串行通信協議（MODBUS）設備并連接；4）與設備建立串口通信后設置設備類型（主基站、次基站或標簽）及定位模式（一對一測距或二維定位）；5）設置地圖中的坐標原點及主基站和各次基站的位置坐標；6）設置標簽數量；7）點擊開始定位，界面顯示定位標簽在建立坐標系中的實時位置坐標及定位標簽與各基站之間的相對距離；8）點擊取消定位，定位結束。

1.標簽位置坐標實時顯示區 2.標簽與基站相對距離顯示區 3.地圖屬性設置區 4.串口配置與設備連接區 5.設備配置區 6.設備狀態顯示區 7.基站坐標設置區

2.2 基于物聯網的移動工作臺遠程控制

本研究通過WiFi模塊實現遠程監測平臺與移動工作臺之間的遠程通信，WiFi模塊作為一個站點去連接其他設備（路由器等）發出的無線信號，每一個連接到無線網絡中的終端都為一個站點，各站點之間可通過數據通信協議進行信息交互。

WiFi模塊和安卓（Android）手機控制端通過連接路由器等設備發出的無線信號連接互聯網，WiFi模塊與手機控制端之間可作為兩站點實時通信。Android手機控制端通過微信公眾平臺向移動工作臺發布遠程控制協議，實現對移動工作臺的運動控制。作為服務器端的移動工作臺通過Arduino控制器與WiFi模塊串口通信，對接收到的控制協議進行解析，完成相應動作，相應動作通過編程實現。

Android手機控制端控制移動工作臺運動的基本流程如圖7所示，具體步驟為1）Android手機控制端與移動工作臺WiFi模塊分別進行配網連接互聯網；2）Android手機控制端打開微信公眾平臺，輸入移動工作臺設備號，與移動工作臺建立通信；3）初始化Arduino控制器串口，將串口波特率設置為9 600 bps，與WiFi模塊默認的串口波特率一致，監聽串口是否有數據，如果沒有，則繼續等待；4）Android手機控制端通過微信公眾平臺向移動工作臺發送控制協議，控制協議通過互聯網傳輸到WiFi模塊后，通過串口轉發到移動工作臺上的Arduino控制器，在成功接收控制協議后解析；5）如果解析后的控制指令準確無誤，則驅動L298N電機驅動模塊，控制移動工作臺執行相應的操作，并向Android手機控制端發送執行指令成功的反饋信息（如前進動作正常執行）。如果解析后的控制指令不符合設定的通信協議，則移動工作臺繼續保持當前狀態，并向Android手機控制端發送控制指令有誤的反饋信息。

圖7 移動工作臺運動控制流程圖

2.3 基于微信公眾平臺的環境信息監測功能設計

環境信息監測應包括人機交互界面、存儲溫室環境參數的數據庫和負責數據傳輸的服務器。服務器與數據庫的穩定性、方便性和廣泛實用性顯得尤為重要，本系統選用MySQL數據庫和阿里云服務器進行數據傳送、存儲和管理，通過微信公眾平臺實現人機交互。

安裝在移動工作臺上的環境信息監測傳感器采集的溫濕度等數據通過WiFi模塊連接互聯網以從指定的資源請求數據的方式發送到阿里云服務器中，阿里云服務器通過超文本預處理器（Hypertext Preprocessor, PHP）腳本語言與SQL語句連接以實現數據的存儲與管理，服務器與數據庫間通過HTTP協議的GET請求方式將傳感器發送來的數據進行傳輸。為使微信公眾平臺發送的請求命令能被響應，需將微信公眾號與服務器綁定，綁定后，微信公眾平臺發送請求指令到服務器，服務器讀取數據庫中的數據反饋到微信公眾平臺，實現信息交互。

3 移動式溫室環境監測系統性能測試試驗

試驗地點為農業農村部規劃設計研究院設施農業研究所河北永清科研基地芬洛（Venlo）型溫室的番茄種植區。番茄種植區總長40 m、寬16 m，占地面積為640 m2，其中栽培區長34 m、寬15 m，占地面積為510 m2，番茄植株定植于番茄架上，共9行，行間距為1.4 m，番茄架長30 cm、寬34 m，單行番茄架上層面積為10.2 m2（圖8a）。采用4基站1標簽式布置方式對移動工作臺定位，4基站分別豎直放置在溫室4角距地面10 cm處，各基站距離最近的溫室墻面的水平和垂直距離均為2 m，標簽安裝在移動工作臺上，通過遠程監測平臺監控移動工作臺的實時位置（圖8b）。

圖8 基站、目標點分布和試驗實景圖

試驗內容包括移動工作臺遠程控制及定位（動態和靜態）精度測試試驗、環境信息采集穩定性測試試驗和環境參數測量精度測試試驗。

1）移動工作臺遠程控制及靜態定位精度測試試驗過程為在溫室內選擇12個目標點，以主基站為坐標原點建立坐標系，測量各目標點與主基站之間的水平和垂直距離作為該目標點的實際坐標，測量后各目標點的實際坐標如圖8a所示。為計算移動工作臺的定位偏差，需確保移動工作臺準確到達目標點，由于定位偏差的影響，通過遠程控制移動工作臺準確到達目標點難以實現，需要在試驗現場增加一名輔助實驗員。因此試驗由2人共同完成，1號實驗員在試驗溫室中負責輔助2號實驗員將移動工作臺準確移動到各目標點處并處理試驗過程中的突發狀況，2號實驗員位于山東農業大學8號樓通過Android手機控制端對移動工作臺進行遠程控制，2號實驗員通過遠程監控平臺上顯示的移動工作臺的位置及在1號實驗員的輔助指揮下使移動工作臺依次經過標記的目標點，每到達一個目標點記錄遠程監測平臺顯示的標簽坐標，將計算坐標與實際測量坐標對比，計算定位偏差，試驗重復3次。3次試驗計算結果取平均值作為各目標處的定位偏差。

動態定位精度測試試驗中，設置上位機為路徑跟蹤模式，即上位機跟蹤標簽的行走軌跡并標記。在試驗溫室中測量并標記第④行和第⑤行之間與第⑤行和第⑥行之間道路的中心線作為規劃路徑（圖8a），實驗員在試驗溫室中控制移動工作臺分別以0.4、0.8和1.2 m/s的平均速度沿規劃路徑行走，以1 m為間隔，記錄上位機中的實際跟蹤路徑與規劃路徑間的橫向偏差，以圖8a中標記的方位為準，若實際跟蹤路徑在規劃路徑的東側，則橫向偏差為正，若實際跟蹤路徑在規劃路徑的西側，則橫向偏差為負。

2）環境信息采集穩定性測試試驗中，選擇2019年11月12日—2019年11月14日3 d測量并保存環境參數，記錄數據連續性，試驗期間，給鋰電池持續充電以保證移動工作臺持續采集環境信息。

3）環境參數測量精度測試試驗時間為2019年11月15日—2019年11月17日，共3 d，在試驗溫室中選擇3個測量點（圖8a），11月15日在測量點1采集環境參數，11月16日在測量點2采集環境參數，11月17日在測量點3采集環境參數。為了驗證移動工作臺環境信息測量的準確性。選用武漢漢秦信通科技有限公司生產的HQZDZ型數據采集器采集各測量點環境參數，室內空氣溫濕度傳感器型號為HQWD，溫度測量精度和測量范圍分別為±0.3 ℃和?50～100 ℃，相對濕度測量精度和測量范圍分別為±1%和0～100%；光照度傳感器型號為HQZD，測量范圍0～200 000 lx；二氧化碳傳感器型號為HQCO2-W，量程為0～8 000 mg/m3，測量精度為±160 mg/m3，以上數據每1 h存儲到數據采集器中，各傳感器與數據采集器串口通信，通過RS485通信可將存儲數據從數據采集器中讀出。移動工作臺測量的環境參數為實測值，數據采集器測量的環境參數為對比值。

3.1 移動工作臺遠程控制及靜態定位精度測試試驗

分析后的定位偏差數據如表3所示，試驗表明可遠程控制移動工作臺順利到達各目標點，控制指令發出（按鍵按下）與移動工作臺指令執行之間的延遲時間為2～3 s；移動工作臺在各目標點處的最大橫向偏差為7.92 cm，最大縱向偏差為7.98 cm，平均值均<5 cm，標準差<4 cm，均方根誤差<5 cm，定位精度較高。

表3 定位偏差數據分析

3.2 動態定位精度測試試驗

不同速度下實際跟蹤路徑與規劃路徑間的橫向偏差對比結果如表4所示。移動工作臺分別以0.4、0.8和1.2 m/s的平均速度沿規劃路徑行駛，最大定位偏差分別為8.7、13.3和19.2 cm，平均偏差分別為4.7、7.8和14.5 cm。結果表明，當移動工作臺速度增加時，定位精度明顯下降。原因可能是使用改進增量式卡爾曼濾波算法消除非視距誤差，需要獲取實時數據作為觀測值經計算得到最終值，因此會使計算的時間復雜度增加，上位機計算位置與移動工作臺實際位置之間在時間上會產生一定的滯后性，當移動工作臺速度增加時，滯后性更加明顯，因此由于滯后性造成的定位誤差也會增大，使定位精度下降。

王俊等[37]針對溫室移動節點定位的需求，提出了一種基于遺傳誤差反向傳播（Error Back Propagation，BP）的溫室無線傳感器網絡定位方法，試驗結果表明，該方法具有較高的魯棒性和定位精度，定位結果波動范圍小，且超過86%的試驗數據的定位誤差<3.5 m，相對定位誤差低于4.8%；王新等[38]將慣性傳感技術與基于無線傳感器網絡的接收信號強度（Received Signal Strength Indication, RSSI）技術相結合，利用卡爾曼濾波算法進行定位信息最優化計算，提出多源數據融合溫室作業機具定位算法，試驗測量的最大定位誤差<12.5 cm，平均定位誤差為6.9 cm，標準差為4.4 cm。與基于遺傳誤差反向傳播算法的溫室無線傳感器網絡定位算法和多源數據融合溫室作業機具定位算法相比，本研究提出的定位算法在定位精度上具有一定的優越性，能夠較好地滿足溫室內作業機具的定位及作業軌跡實時獲取與監測的需求。

表4 實際跟蹤路徑與規劃路徑間橫向偏差統計

3.3 環境信息采集穩定性測試試驗

環境參數測量連續性記錄結果如表5所示。其中，11月12日各項環境參數數據缺失量均為0，11月13日環境參數數據缺失量為16，11月14日環境參數數據缺失量為8，原因應與網絡波動有關，但總體數據完整，環境信息采集穩定。

分析試驗期間共72 h的測量數據，Arduino控制器通過WiFi模塊連接互聯網每1 h向服務器發送一次環境參數，3 d理論上共采集864條記錄。試驗結果全部保存在數據庫中，試驗后統計數據庫共存儲840條記錄且無異常數據，缺失24條數據，根據張傳帥等[39]丟包率計算方法，3 d平均丟包率為2.78 %，環境信息上傳穩定。

表5 連續性測量各環境參數的數據總數量和數據丟失數量

3.4 環境參數測量精度測試試驗

通過溫室環境參數實測值與對比值的比較（圖9），由定性分析可知，移動工作臺采集數據隨時間變化曲線與采集器采集的溫室環境參數隨時間變化趨勢的一致性表明移動工作臺采集的環境參數具有一定的準確性；由定量分析可知，在72 h的采樣時間段內，溫度實測值與對比值之間差值的最大值為1.6 ℃，最大相對誤差為0.63%；相對濕度實測值與對比值之間的最大值為2.3%，最大相對誤差為0.34%；光照度實測值與對比值之間的最大值為320 lx，最大相對誤差為0.70%；二氧化碳濃度實測值與對比值之間的最大值為136 mg/m3，最大相對誤差為0.67%。

圖9 溫室環境參數實測值和對比值對比曲線

4 結 論

1）研制了基于超寬帶（Ultra Wide Band，UWB）技術與物聯網的移動式溫室環境監測系統，可移動監測溫室環境。該系統采用模塊化的硬件結構設計、分層式的軟件結構設計，兼顧了系統對數據通量與響應速度的要求。結合遠程監測平臺，實現了對移動工作臺的遠程控制、精準定位和對溫室環境的遠程實時監測。

2）系統靜態定位最大橫向偏差為7.92 cm，最大縱向偏差為7.98 cm，橫向和縱向偏差的平均值均<5 cm；移動工作臺以0.4 m/s的速度行駛，動態定位最大橫向偏差為8.7 cm，平均橫向偏差為4.7 cm，當移動工作臺速度增加時，定位精度下降。采集的溫室環境參數上傳遠程監控平臺時的平均丟包率為2.78%，環境信息采集穩定。溫度、相對濕度、光照度和二氧化碳濃度實測值與對比值之間最大相對誤差分別為0.63%、0.34%、0.70%和0.67%，環境監測精度較高。該系統對遠程環境調控技術和溫室內作業機具精準定位技術的發展具有一定的理論意義和參考價值。

[1]劉霓紅，蔣先平，程俊峰，等. 國外有機設施園藝現狀及對中國設施農業可持續發展的啟示[J]. 農業工程學報，2018，34(15)：1-9. Liu Nihong, Jiang Xianping, Cheng Junfeng, et al. Current situation of foreign organic greenhouse horticulture and its inspiration for sustainable development of Chinese protected agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(15): 1-9. (in Chinese with English abstract)

[2]侯加林，蒲文洋，李天華，等. 雙激光雷達溫室運輸機器人導航系統研制[J]. 農業工程學報，2020，36(14)：80-88. Hou Jialin, Pu Wenyang, Li Tianhua, et al. Development of dual-lidar navigation system for greenhouse transportation robot[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(14): 80-88. (in Chinese with English abstract)

[3]郭世榮，孫錦，束勝，等. 國外設施園藝產業概況、特點及趨勢分析[J]. 南京農業大學學報，2012，35(5)：43-52. Guo Shirong, Sun Jin, Shu Sheng, et al. General situation’ characteristics and trends of protected horticulture in foreign[J]. Journal of Nanjing Agricultural University, 2012, 35(5): 43-52. (in Chinese with English abstract)

[4]毛罕平，晉春，陳勇. 溫室環境控制方法研究進展分析與展望[J]. 農業機械學報，2018，49(2)：1-13. Mao Hanping, Jin Chun, Chen Yong. Research progress and prospect on control methods of greenhouse environment[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(2): 1-13. (in Chinese with English abstract)

[5]孫錦，高洪波，田婧，等. 我國設施園藝發展現狀與趨勢[J]. 南京農業大學學報，2019，42(4)：594-604. Sun Jin, Gao Hongbo, Tian Jing, et al. Development status and trends of protected horticulture in China[J]. Journal of Nanjing Agricultural University, 2019, 42(4): 594-604. (in Chinese with English abstract)

[6]付學謙，周亞中，孫宏斌，等. 園區農業能源互聯網：概念、特征與應用價值[J]. 農業工程學報，2020，36(12)：152-161. Fu Xueqian, Zhou Yazhong, Sun Hongbin, et al. Park-level agricultural energy internet: Concept, characteristic and application value[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(12): 152-161. (in Chinese with English abstract)

[7]李萍萍，王紀章. 溫室環境信息智能化管理研究進展[J].農業機械學報，2014，45(4)：236-243. Li Pingping, Wang Jizhang. Research progress of intelligent management for greenhouse environment information[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(4): 236-243. (in Chinese with English abstract)

[8]Konstantinos P F, Nikolaos K, Antonis T, et al. Wireless sensor networks for greenhouse climate and plant condition assessment[J]. Biosystems Engineering, 2017, 153: 70-81.

[9]范治慧. 農業溫室智能控制系統的設計與開發[D].大連：大連海洋大學，2019. Fan Zhihui. Design and Development of Intelligent Control System for Agricultural Greenhouse[J]. Dalian: Dalian Ocean University, 2018. (in Chinese with English abstract)

[10]Soiket M I H, Oni A O, Kumar A. The development of a process simulation model for energy consumption and greenhouse gas emissions of a vapor solvent-based oil sands extraction and recovery process[J]. Energy, 2019,173: 799-808.

[11]雷鈞，殷國鑫. 基于太陽能的大棚溫控系統設計與試驗[J].農機化研究，2021，43(6)：210-213，218. Lei Jun, Yin Guoxin. Design and experiment of greenhouse temperature control system based on solar energy[J]. Journal of Agricultural Mechanization Research, 2021, 43(6): 210-213, 218. (in Chinese with English abstract)

[12]張猛，房俊龍，韓雨. 基于ZigBee和Internet的溫室群環境遠程監控系統設計[J]. 農業工程學報，2013，29(25)：171-176. Zhang Meng, Fang Junlong, Han Yu. Design on remote monitoring and control system for greenhouse group based on ZigBee and Internet[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(25): 171-176. (in Chinese with English abstract)

[13]Liang Meihui, He Yaofeng, Chen Lijun, et al. Greenhouse environment dynamic monitoring system based on WIFI[J]. IFAC-PapersOnLine, 2018, 51(17): 736-740.

[14]馬增煒，馬錦儒，李亞敏. 基于WIFI的智能溫室監控系統設計[J]. 農機化研究，2011，33(2)：154-157，162. Ma Zengwei, Ma Jinru, Li Yamin. Intelligent greenhouse monitoring and control system design based on wireless fidelity[J]. Journal of Agricultural Mechanization Research, 2011, 33(2): 154-157, 162. (in Chinese with English abstract)

[15]龐子杰. 基于嵌入式智能溫室環境監控系統設計[D]. 保定：河北大學，2018. Pang Zijie. Design of Embedded Intelligent Greenhouse Environment Monitoring System[J]. Baoding: Hebei University, 2018. (in Chinese with English abstract)

[16]許朋，孫通，馮國坤，等. 基于STM32的智能溫室無線監控系統設計[J]. 農機化研究，2015，37(3)：87-90. Xu Peng, Sun Tong. Feng Guokun, et al. The research of intelligent agricultural wireless monitoring system based on STM32[J]. Journal of Agricultural Mechanization Research, 2015, 37(3): 87-90. (in Chinese with English abstract)

[17]Sangyeon L, Inbok L, Ukhyeon Y, et al. Optimal sensor placement for monitoring and controlling greenhouse internal environments[J], Biosystems Engineering, 2019, 188: 190-206.

[18]Wu Yong, Li Minzan, Zhang Man, et al. Remote-control system for greenhouse based on open source hardware[J]. IFAC-PapersOnLine, 2019, 52(30): 178-183.

[19]趙文兵，毛罕平，馬萬征. 基于物聯網的智能溫室遠程監控系統設計[J]. 中國農機化學報，2016，37(6)：230-233. Zhao Wenbing, Mao Hanping, Ma Wanzheng. Design of remote monitoring system based on IOT for intelligent greenhouse environment control[J]. Journal of Chinese Agricultural Mechanization, 2016, 37(6): 230-233. (in Chinese with English abstract)

[20]任延昭，陳雪瑞，賈敬敦，等. 基于微信平臺的溫室環境監測與溫度預測系統[J]. 農業機械學報，2017，48(增刊1)：302-307. Ren Yanzhao, Chen Xuerui, Jia Jingdun, et al. Environment monitoring and temperature prediction in greenhouse based on wechat platform[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(Supp.1): 302-307. (in Chinese with English abstract)

[21]廖建尚. 基于物聯網的溫室大棚環境監控系統設計方法[J]. 農業工程學報，2016，32(11)：233-243. Liao Jianshang. Design of agricultural greenhouse environment monitoring system based on internet of things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(11): 233-243. (in Chinese with English abstract)

[22]Nair A S, Bechar A, Tao Y, et al. The HUB-CI model for telerobotics in greenhouse monitoring[J]. Procedia Manufacturing, 2019, 39: 414-421.

[23]張慶雷. 基于物聯網架構的可移動溫室環境監測系統研究[D]. 泰安：山東農業大學，2018. Zhang Qinglei. Movable Monitoring System for Greenhouse Environment[D]. Taian: Shandong Agricultural University, 2018. (in Chinese with English abstract)

[24]張世昂，付根平. 農業智能巡檢小車的設計[J]．中國農機化學報，2018，39(4)：82-89. Zhang Shiang, Fu Genping. Design of intelligent routing inspection car for agricultural[J]. Journal of Chinese Agricultural Mechanization, 2018, 39(4): 82-89. (in Chinese with English abstract)

[25]Alkan R M, Saka M H, Ozulu ? M, et al. Kinematic precise point positioning using GPS and GLONASS measurements in marine environments[J]. Measurement, 2017, 109: 36-43.

[26]Karnik J, Streit J. Summary of available indoor location techniques[J], IFAC-PapersOnLine, 2016, 49(25): 311-317.

[27]Seol S, Lee E K, Kim W. Effects of a WLAN-based real time location system on outpatient contentment in a Level I trauma center[J]. International Journal of Medical Informatics, 2014, 83(1): 19-26.

[28]Stubig T, Zeckey C, Min W, et al. Summary of available indoor location techniques[J]. IFAC-Papers On Line, 2016, 49(25): 311-317.

[29]林相澤，王祥，林彩鑫，等. 基于超寬帶的溫室農用車輛定位信息采集與優化[J]. 農業機械學報，2018，49(10)：23-29，45. Lin Xiangze, Wang Xiang, Lin Caixin, et al. Location information collection and optimization for agricultural vehicle based on UWB[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(10): 23-29, 45. (in Chinese with English abstract)

[30]嵇茂祥. UWB室內定位系統研究與實現[D]. 上海：華東師范大學，2017. Ji Maoxiang. Research and Implementation of Indoor Positioning System Based on UWB[D]. Shanghai: East China Normal University, 2017. (in Chinese with English abstract)

[31]徐明生. 基于UWB的智能巡邏機器人設計與實現[D]. 哈爾濱：哈爾濱理工大學，2019. Xu Mingsheng. Design and Realization of Intelligent Patrol Robot Based on UWB[J]. Harbin: Harbin University of Science and Technology, 2019. (in Chinese with English abstract)

[32]Moe Z W, Robert A S. Characterization of ultra-wide bandwidth wireless indoor channels: A communications theoretic view[J]. IEEE Journal on Selected Areas in Communications, 2002, 20(9): 1613-1627.

[33]吳承鈺. 基于UWB的室內定位系統設計與實現[D]. 哈爾濱：哈爾濱工業大學，2019. Wu Chengyu. Design and Implementation of Indoor Positioning System Based on UWB[D]. Harbin: Harbin Institute of Technology, 2019. (in Chinese with English abstract)

[34]孫頂明. 基于CHAN-Taylor的室內復雜環境UWB定位算法研究[D]. 南京：南京郵電大學，2019. Sun Dingming. Study on UWB Location Algorithm for Indoor Complex Environment Based on CHAN-Taylor[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2019. (in Chinese with English abstract)

[35]蔡博，高宏力，宋興國，等. 基于改進增量卡爾曼濾波算法的UWB室內定位研究[J]. 機械設計與制造，2020(2)：22-25. Cai Bo, Gao Hongli, Song Xingguo, et al. Research of UWB indoor location based on improved incremental Kalman filter algorithm[J]. Machinery Design ＆ Manufacture, 2020(2): 22-25. (in Chinese with English abstract)

[36]傅惠民，吳云章，婁泰山. 欠觀測條件下的增量 Kalman 濾波方法[J]. 機械強度，2012，34(1)：43-47. Fu Huimin, Wu Yunzhang, Lou Taishan. Incremental Kalman filter method under poor observation condition[J]. Journal of Mechanical Strength, 2012, 34(1): 43-47. (in Chinese with English abstract)

[37]王俊，李樹強，劉剛. 基于相似度的溫室無線傳感器網絡定位算法[J]. 農業工程學報，2013，29(22)：154-161. Wang Jun, Li Shuqiang, Liu Gang. Greenhouse wireless sensor network localization method based on similarity[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(22): 154-161. (in Chinese with English abstract)

[38]王新，許苗，張京開，等. 溫室作業機具室內定位方法研究[J]. 農業機械學報，2017，48(1)：21-28，13. Wang Xin, Xu Miao, Zhang Jingkai, et al. Greenhouse agricultural machinery indoor positioning method[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(1): 21-28, 13. (in Chinese with English abstract)

[39]張傳帥，張天蛟，張漫，等. 基于 WSN 的溫室環境信息遠程監測系統[J]. 中國農業大學學報，2014，19(5)：168-173. Zhang Chuanshuai, Zhang Tianjiao, Zhang Man, et al. Remote environmental monitoring system for greenhouse based on WSN[J]. Journal of China Agricultural University, 2014, 19(5): 168-173. (in Chinese with English abstract)

Design and implementation of mobile greenhouse environmental monitoring system based on UWB and Internet of Things

Hou Jialin1,2, Pu Wenyang1, Li Tianhua1,2, Ding Xiaoming3, Zhang Guanshan1,2

(1.271018; 2.271018; 3.100125)

To grasp timely and conveniently environmental information such as temperature and humidity in the greenhouse, a mobile greenhouse environment monitoring system was designed, which realized the mobile monitoring of greenhouse environmental parameters. According to the improved double-side-two-way-ranging algorithm, the distance between each base station and the tag was calculated. The NLOS error was judged by the normalized residual distribution of distance, and the improved incremental Kalman filter algorithm was used to eliminate the NLOS error, and the Chan algorithm was used to calculate the accurate tag position. The mobile greenhouse environment monitoring system was composed of a remote monitoring platform, mobile workstation, and UWB positioning module. The remote monitoring platform was responsible for displaying the location information of the mobile workstation in real-time, controlling the movement of the mobile workstation remotely, displaying and storing the environmental information uploaded by the environmental information monitoring module. Mobile workstation mainly included mobile chassis, drive module, control module, environmental information measurement module, UWB positioning label, and communication module. As the specific executor of the command, the mobile workstation was responsible for receiving and executing the mobile command issued by the monitoring platform, collecting and sending the measured temperature and humidity and other environmental parameters to the monitoring platform in real-time. The remote monitoring platform and the mobile workstation communicate timely through the wireless network. The UWB positioning module included a positioning tag, positioning base station, and a computing unit. The positioning tag was installed on the mobile workstation to mark the position of the mobile workstation in the greenhouse. The positioning base station was responsible for calculating the distance between each base station and the tag and sending it to the computing unit by serial communication. The computing unit calculated the position of the tag in the greenhouse and displays it. The software of the environmental monitoring system consisted of a position information interaction layer, environment information monitoring layer, and motion control layer. The position information interaction layer was a real-time positioning program based on windows, which displayed the position of a mobile workstation in the greenhouse. The environmental information monitoring layer was an Android-based program to collect and display environmental information measured by sensors, drawing the hourly temperature and humidity change curve. The motion control layer was an Android-based remote control program, which sent motion instructions to the mobile workstation through the remote communication protocol to control the stable and safe movement of the mobile workstation in the greenhouse. The remote control and positioning accuracy-test showed that the maximum lateral deviation of the system static positioning was 7.92 cm, the maximum longitudinal deviation was 7.98 cm, and the average value of both horizontal and longitudinal deviation was less than 5 cm. When the mobile workstation was running at a speed of 0.4 m/s, the maximum lateral deviation of dynamic positioning was 8.7 cm and the average lateral deviation was 4.7 cm. Through the stability test of environmental information collection, the average data loss rate of the collected greenhouse environmental parameters uploaded to the remote monitoring platform was 2.78%, the environmental information collection was stable. The relative errors of temperature, humidity, light intensity and carbon dioxide concentration were less than 0.63%, 0.34%, 0.70%, and 0.67%, respectively, the environmental monitoring accuracy was high. The system adopted modular hardware structure design and layered software structure design, taking into account the requirements of the system for data through flux and response speed. Combined with the remote monitoring platform, it realized remote control, precise positioning, and remote real-time monitoring of the greenhouse environment. The system could have certain reference significance for the development of remote environmental monitoring technology and greenhouse precise positioning technology.

greenhouse; environmental control; Internet of Thing; UWB; mobile workstation; location

侯加林，蒲文洋，李天華，等. 基于UWB與物聯網的移動式溫室環境監測系統設計與實現[J]. 農業工程學報，2020，36(23)：229-240.doi：10.11975/j.issn.1002-6819.2020.23.027 http://www.tcsae.org

Hou Jialin, Pu Wenyang, Li Tianhua, et al. Design and implementation of mobile greenhouse environmental monitoring system based on UWB and Internet of Things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(23): 229-240. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.23.027 http://www.tcsae.org

2020-09-09

2020-10-27

十三五國家重點研發計劃項目智能農機裝備專項“溫室智能化精細生產技術與裝備研發”（2017YFD0701500）；山東省重大科技創新工程項目（2019JZZY020620）

侯加林，博士，教授，主要從事設施農業研究。Email：jlhou@sdau.edu.cn

10.11975/j.issn.1002-6819.2020.23.027

S625.5

A

1002-6819(2020)-23-0229-12