兩級決策模型下的多網融合農業物聯網智能節水灌溉系統

裴煥杰，陶 嬋，鄧 昀，陳守學，夏勁彪，梁煜釩

（桂林理工大學，廣西 桂林 541006）

引言

我國是一個水資源極其匱乏的國家。考慮到我國的農業發展中廣泛存在的人工粗放式灌溉所造成的水資源嚴重浪費問題；加之國內智能節水灌溉系統的開發尚處于初級階段且引進國外技術價格比較昂貴，灌溉技術領域普遍存在節水精度不強、實時性不高、準確度不夠等一系列問題；基于此研發出一款符合本國國情的智能灌溉控制系統很是重要。針對當下傳統農業向現代農業過渡階段中所面臨的種種問題，借鑒前人經驗創造并設計了一款基于多種網絡相互融合的農業物聯網智能節水灌溉系統，實現對農田環境狀況的遠程實時監測，進行灌溉預報與決策。

1 系統整體框架

系統整體架構及硬件設計多網融合的農業物聯網智能節水灌溉系統按功能可以分為終端信息采集控制系統和灌溉控制系統兩部分，終端信息采集控制系統由終端監控設備、網關模塊、云服務器三部分組成，終端采集控制模塊與網關模塊間通過ZigBee、Lora WAN、NB-IOT 等網絡通信[2]，網關模塊與云服務器之間借助于4G、以太網等因特網進行通信；灌溉控制系統部署在云端服務器并將決策結果通過云端服務器實時傳送到網關模塊。具體結構如圖1 所示。

數據采集設計：終端信息采集設備由信息獲取終端模塊、控制終端模塊及電磁閥三部分構成。本系統采用單一節點ZigBee 網絡信息獲取設備，通過外接任意類別傳感器，ZigBee 節點將傳感器所傳遞的數據通過自組好的網絡發送到協調器，隨即協調器調用串口模塊令數據發送至上位機軟件[3]。

通信網絡設計：主要由 ZigBee、Lora WAN、NB-IOT、4G、以太網等多種網絡相互融合，終端監控設備與網關模塊間通過 ZigBee、Lora WAN、NB-IOT 等網絡通信，網關模塊與云服務器間借助4G、以太網等網絡通信。

圖1 系統總體架構

網關模塊設計：網關模塊是整個通信網絡的協議轉換設備，接收來自終端信息獲取模塊傳送的數據包，進行分析、壓縮和融合數據后[4]，通過4G、以太網在內的多種網絡將數據傳遞至云端，并借助ZigBee、Lora WAN、NBIOT 網絡將同步數據包傳遞至終端信息獲取模塊，使其與網關模塊達到時間同步后隨即進入休眠模式以用于降低功耗；網關同云端建立TCP/IP 連接并通過4G、以太網接收并解析云端所傳遞的決策結果數據包，借助ZigBee、Lora WAN、NB-IOT 在內的多種網絡傳送到控制終端模塊隨即控制電磁閥，之后，控制終端模塊與網關模塊達到時間同步即進入低功耗休眠模式。

云服務器：云服務器采用TCP 并發服務器模型，首先云服務器等待網關模塊的連接請求，一旦網關發送連接請求，便產生1 個用于處理該網關的業務新線程，并分析計算該網關模塊所傳送的數據包最后將其存儲到決策數據庫以利于灌溉控制系統調用；此外，為防止避免延遲，在云服務器的每個線程中均采用輪詢算法，不間斷實時循環查詢智能灌溉系統決策結果數據庫是否存在更新，若存在，讀取該網絡并傳輸到與其相對應的網關。

2 系統軟件設計

智能灌溉控制系統由基礎數據設置模塊、實時監控與報警模塊以及灌溉預測與專家決策模塊這3 個模塊組成；基礎數據設置模塊其主要功能為錄入或更新基礎信息、氣象、土壤特性等資料以便于為其他模塊的功能提供數據支持；實時監控與報警模塊主要是通過如同表格、圖形等相對直觀的表達方式在客戶端上直觀顯示出實時環境信息以實現動態顯示功能，一旦任意環境因素超過設定閾值，系統便自動發送報警信號到用戶客戶端上；灌溉預測與專家決策模塊通過錄入經驗豐富的農作物種植專家的灌溉方法及模型庫中存儲的大量灌溉預測和決策的數學模型，得出是否達到灌溉標準并計算出灌溉時間和灌溉量以達到實現高效、高品質節水。

系統的軟件設計包括計算參考物蒸發蒸騰量、灌溉預報、灌溉決策三大功能部分，軟件系統都是依據硬件采集設備的數據作為參數輸入，然后根據不同的功能設計計算程序。

（1）計算蒸發蒸騰量程序設計。計算蒸發蒸騰量主要是為了得出作物次數刻一個需水狀態，首先將硬件設備采集到的參數作為初始值，采用Penman-Monteith 公式對參數進行計算，得出作物的蒸發蒸騰量，得出作物是否缺水，缺水則計算灌溉量，不缺水則等待下次重新采集數據進行計算判斷作物是否缺水。

（2）灌溉預報程序設計。該功能的設計主要是根據硬件收集的數據作為程序的參數輸入，然后根據首先判斷是否缺水，只有在缺水的狀態下才能計算出作物的灌溉時間間隔，不缺水則等待下次參數的傳輸重新計算，如果缺水則根據灌溉預報算法公式計算出灌溉的時間間隔是否與原始間隔相等，如果相等則不更新，等待chongx1 計算，如果不相等，則更新時間間隔。

（3）灌溉決策程序設計。灌溉決策程序設計主要的原理是用戶可以根據三種決策方式進行選擇，提供灌溉定量指導，每一種決策都有不同的決策公式，最終可得出一個具體的灌溉決策方案，具體的程序流程框圖如圖2 所示：

圖2 程序流程圖

3 系統功能測試

設計了基于隨機森林和長短時記憶網絡模型的農作物產量氣候因子分析及預測評價模型，通過對玉米進行試驗，參考2006-2017年的人均玉米產量統計同年份的氣象觀測資料，基于決策樹和隨機森林模型，通過對影響玉米產量的氣候因子、測試得到的數據結果分析[5]，得出在玉米不同生育期中，哪些氣候因子對玉米生長影響最大；結果表明：玉米在不同生育期下受不同氣候因子的影響。接著選取2017年的日均溫度數據為歷史數據，通過長短時記憶網絡對玉米成熟期最后15 天的日均氣溫進行預測（（A）為歷史數據，（B）為預測未來一段時間的數據）；最后通過氣候因子綜合評價指標對被預測數據進行分析。系統模型流程如圖3 所示：

圖3 系統模型流程圖

實驗結果圖如圖4、圖5、圖6 所示：

圖4 玉米相對氣象產量和各生育期氣候因子間的關系圖

4 結束語

提出了一種新型的基于智能節水灌溉系統的智能灌溉決策系統，該系統將終端信息采集系統與智能灌溉決策系統相結合，云服務器通過無線網絡將終端信息采集系統獲取的數據傳遞到智能灌溉決策系統，通過對參考物蒸發蒸騰量的計算，得出最佳灌溉時間間隔利用大數據分析得出最優灌溉決策。該系統的應用可大幅度減少農業生產中生產資料消耗和水資源浪費等問題，具有一定的社會效益和經濟效益[6]。

圖5 隨機森林模型下的玉米產量影響的環境因子相關性

圖6 LSTM 算法預測的未來15 天內的溫度變化圖