一種基于大數(shù)據(jù)的農(nóng)業(yè)四情智能監(jiān)測系統(tǒng)

張海濱

（四創(chuàng)電子股份有限公司，安徽 合肥 230031）

0 引言

農(nóng)業(yè)“四情”是指墑情、苗情、病蟲情、災情。農(nóng)業(yè)“四情”監(jiān)測預警系統(tǒng)以先進的無線傳感器、物聯(lián)網(wǎng)、云平臺、大數(shù)據(jù)以及互聯(lián)網(wǎng)等信息技術為基礎，由墑情傳感器、苗情災情攝像機、蟲情測報燈、網(wǎng)絡數(shù)字攝像機、作物生理生態(tài)監(jiān)測儀，以及預警預報系統(tǒng)、專家系統(tǒng)、信息管理平臺組成。系統(tǒng)對每個監(jiān)測點的病蟲狀況、作物生長情況、災害情況、空氣溫度、空氣濕度、露點、土壤溫度、光照強度等各種作物生長過程中重要的參數(shù)進行實時監(jiān)測、管理。系統(tǒng)聯(lián)合作物管理知識、作物圖庫、災害指標等模塊，對作物實時遠程監(jiān)測與診斷，提供智能化、自動化管理決策，是農(nóng)業(yè)技術人員管理農(nóng)業(yè)生產(chǎn)的“千里眼”和“聽診器”。

1 主要技術原理

監(jiān)測點的數(shù)據(jù)采集終端采用穩(wěn)定的Linux作為運行環(huán)境，采集終端直接通過移動互聯(lián)網(wǎng)將視頻及土壤空氣傳感器的實施信息上報給監(jiān)控指揮中心的數(shù)據(jù)。

數(shù)據(jù)接入系統(tǒng)采用穩(wěn)定高效安全的Linux作為運行環(huán)境，采用Java作為開發(fā)語言，采用智能網(wǎng)關技術[1]將數(shù)據(jù)接入，并根據(jù)設備的傳輸協(xié)議和數(shù)據(jù)類型，對監(jiān)測點上報信息進行解碼、拆分、清洗、轉存、歸檔。

圖像識別和檢測系統(tǒng)采用穩(wěn)定高效安全的 Linux作為運行環(huán)境，以Python作為開發(fā)語言，利用 Tensorf low作為深度學習框架，利用Keras作為高層 API，實現(xiàn)對視頻中病害，蟲害及植株的識別和檢測。

數(shù)據(jù)管理分析與存儲子系統(tǒng)作為平臺數(shù)據(jù)分析和處理的核心系統(tǒng)，采用云主機+Linux+Tomcat作為應用運行環(huán)境，通過彈性計算和負載均衡進行計算資源調度管理。采用成熟的J2EE+SSH作為Web 后臺應用開發(fā)框架，利用云平臺提供的CDN，對象存儲，云數(shù)據(jù)庫，高速緩存，消息推送服務實現(xiàn)對海量數(shù)據(jù)的切片、整合、識別、分析和存儲。

業(yè)務門戶作為平臺對外的管理門戶，采用云主機+Linux+Tomcat作為應用運行環(huán)境，采用成熟的 J2EE+SSH作為Web后臺應用開發(fā)框架，前端采用H5+Ajax作來做數(shù)據(jù)獲取和呈現(xiàn)，同時利用云平臺提供的運維監(jiān)控，安全管理監(jiān)控服務，實現(xiàn)對監(jiān)測數(shù)據(jù)，業(yè)務流程，統(tǒng)計分析表報，用戶權限，系統(tǒng)日志等的綜合管理。

2 系統(tǒng)設計實現(xiàn)

農(nóng)業(yè)“四情”智能監(jiān)測系統(tǒng)采用全省一級平臺的架構，即在省一級建庫、集中部署，全省系統(tǒng)用戶依據(jù)不同層級、不同級別、不同業(yè)務，通過互聯(lián)網(wǎng)利用瀏覽器或手機APP訪問，使用不同的應用功能，訪問不同范圍的數(shù)據(jù)。

圖1 系統(tǒng)總體架構

整個系統(tǒng)主要分為監(jiān)測點和省級監(jiān)控指揮中心2個部分。監(jiān)測點部署有智能球型攝像頭、土壤墑情傳感器、溫濕度傳感器和無線傳輸設備等，主要負責大氣溫濕度、土壤含水量、視頻圖像等監(jiān)測數(shù)據(jù)的實時采集。監(jiān)測數(shù)據(jù)經(jīng)由高速無線網(wǎng)絡接入監(jiān)控指揮中心，由圖像識別和檢測子系統(tǒng)進行識別檢測后，將識別結果報送數(shù)據(jù)管理分析系統(tǒng)進行數(shù)據(jù)分析并存儲在中央數(shù)據(jù)庫。最終由業(yè)務門戶子系統(tǒng)通過大屏，工作PC以及手機App呈現(xiàn)給用戶。

2.1 數(shù)據(jù)接入

接收監(jiān)測點的視頻和環(huán)境監(jiān)控設備上報的視頻、溫濕度、土壤墑情等數(shù)據(jù)。管理員可以在系統(tǒng)中添加或維護監(jiān)測監(jiān)控設備，用智能為監(jiān)控設備配置接入?yún)?shù)，設置數(shù)據(jù)解碼、數(shù)據(jù)處理單元、數(shù)據(jù)閾值等。收到監(jiān)測站上報的實時視頻或環(huán)境監(jiān)測數(shù)據(jù)后，首先這些數(shù)據(jù)加載到高速緩存中，之后再由不同的數(shù)據(jù)適配器對數(shù)據(jù)進行解碼，形成內存數(shù)據(jù)對象，并根據(jù)時間、區(qū)域、監(jiān)測內容分類進行歸類。

監(jiān)測站通過墑情傳感器測量土壤的體積含水量（VWC）、土壤溫度、土壤電導率、地下水位、空氣溫濕度、太陽輻射、降雨量等眾多相關傳感器。監(jiān)測數(shù)據(jù)統(tǒng)一由自動監(jiān)測站發(fā)送到網(wǎng)絡數(shù)據(jù)平臺，數(shù)據(jù)按照統(tǒng)一的格式進行存儲。

2.2 圖像識別檢測

2.2.1 病蟲害監(jiān)測

基于TensorFlow深度學習框架開發(fā)適合小麥常見病蟲害（目前主要針對白粉病、赤霉病、銹病、紋枯病、麥蜘蛛、蚜蟲、吸漿蟲等）的識別算法。在物種外形差異不大的細分類條件下，也能達到較高識別精度，這是因為綜合吸收了學術界先進模型的思路理念：非對稱卷積，通道1x1卷積（Inception）；殘差Block（ResNet）；模塊熔接（Deeply Fusion MR）；Fine-Grained語義分割重構（FC）；Feature Map拼接（Inception，Part-Stacked CNN）。

圖2 圖像識別架構圖

基于TensorFlow的目標檢測技術并結合GPS和GIS，對視頻中發(fā)病植株的數(shù)目，范圍進行智能識別和檢測[2]，實現(xiàn)對小麥大田長時間、大范圍的野外自動監(jiān)測和數(shù)據(jù)采集。首先經(jīng)過小麥的目標檢測，即輸入圖像將小麥框出。目標檢測后，采用深度學習中的卷積神經(jīng)網(wǎng)絡模型訓練分類器，將圖像通過一系列的卷積、非線性、池（采樣）、全連接層，可克服場景多樣性帶來的特 征多樣性，實現(xiàn)目標識別。利用卷積神經(jīng)網(wǎng)絡訓練足量的數(shù)據(jù)，進行足量的訓練迭代[3]，實現(xiàn)更多的權重更新，對神經(jīng)網(wǎng)絡進行更好的調參，可以獲得較理想的檢測結果。圖3即識別小麥是否正常或患有病蟲害的深度學習 CNN模型圖，輸入檢測為小麥的圖像，經(jīng)過數(shù)據(jù)初始化后，經(jīng)過CNN模型的卷積層池化層等特征值提取過程后全連接層分類，得到預測結果百分比：

圖3 小麥圖像目標識別圖

2.2.2 生長期監(jiān)測

傳統(tǒng)的生長期監(jiān)測方法是以野外觀測為基礎的，通過目視觀察法來記錄典型生物個體年復一年的差異。本文通過在監(jiān)測點設置多光譜高清定點拍攝設備，在中小尺度模式下對特定的植物植株整體、主干、局部枝葉多個點位進行長時間的定點拍攝，通過與參照尺寸標的物對比，實現(xiàn)對植株的高度、寬度等自動測量。

本文通過深度學習圖像識別技術對小麥植株出苗、返青、抽穗、灌漿等物候狀態(tài)進行智能識別，自動形成物候發(fā)育的檢測數(shù)據(jù)。實現(xiàn)物候觀測由手工到自動、由點到面的轉換，使得區(qū)域大范圍的宏觀物候監(jiān)測成為可能。

通過卷積神經(jīng)網(wǎng)絡CNN（如圖4所示），本文在ImageNet上預訓練的模型如Z F、VGG16以及ResNet上進行Fine-tune，結合特有的植物圖像特點，學習每個周期的特征表示，最后得到輸入植物圖像對應的預測生長周期。

圖4 具有選擇分集、EGC和MRC的Rayleigh衰落信道中BPSK調制誤碼率性能的仿真

圖4 小麥圖像生長周期預測圖

2.3 數(shù)據(jù)管理存儲

業(yè)務數(shù)據(jù)的存取通過2種方式進行：用于歸檔存儲的監(jiān)控數(shù)據(jù)，通過文件的方式進行存儲；用于實時查詢的數(shù)據(jù)，通過K-V型內存數(shù)據(jù)庫來進行。數(shù)據(jù)管理分析系統(tǒng)對各類監(jiān)控數(shù)據(jù)進行切分后，形成基礎元數(shù)據(jù)，這部分數(shù)據(jù)首先通過高速緩存來保存，之后根據(jù)時間區(qū)域整合成統(tǒng)計分析報表并存儲到塊存儲中。

系統(tǒng)定期將監(jiān)控數(shù)據(jù)及形成的數(shù)據(jù)分析報表進行歸檔，將超過1個月的數(shù)據(jù)轉儲至歸檔服務器，采用2點冗余備份，年整體數(shù)據(jù)備份量為50 T。提供標準的RESTful API接口，方便上傳/下載、檢索，支持流式寫入和讀出，特別適合大文件的邊寫邊讀業(yè)務場景。對系統(tǒng)內的生產(chǎn)的數(shù)據(jù)分析報告進行管理，支持各種形式數(shù)據(jù)產(chǎn)品信息的列表和查詢，提供對數(shù)據(jù)產(chǎn)品生產(chǎn)情況的統(tǒng)計。

2.4 業(yè)務門戶

基于WebGIS的可視化數(shù)據(jù)綜合管理，所有監(jiān)控點直觀顯示，監(jiān)測數(shù)據(jù)一目了然。具備空間差值分析功能，利用專用軟件自動繪制系統(tǒng)數(shù)據(jù)等級評價空間等值線面圖，并實現(xiàn)圖形管理。提供基于位置、時間、數(shù)據(jù)類型、數(shù)據(jù)范圍等多維度的查詢接口。歷史數(shù)據(jù)可按曲線、報表形式展現(xiàn)，清晰直觀查看所有監(jiān)測設備的監(jiān)測數(shù)據(jù)。實現(xiàn)對野生動物分布及活動范圍的大數(shù)據(jù)圖譜、植物物候監(jiān)測分析報告等的呈現(xiàn)。基于B/S結構，按訪問權限為用戶提供所轄區(qū)域內野生動植物監(jiān)測數(shù)據(jù)的個性化查詢和統(tǒng)計接口，提供多維度的查詢條件，滿足林業(yè)管理統(tǒng)計業(yè)務需要。

3 結束語

通過建立農(nóng)業(yè)四情智能監(jiān)測系統(tǒng)，可以通過精確、科學的數(shù)字化控制手段進行農(nóng)業(yè)生產(chǎn)和管理，提高農(nóng)作物的產(chǎn)量和品質，并且保護了生態(tài)環(huán)境，有效避免用藥、施肥、灌溉等行為的過度化和濫用。同時可以為政府、科研單位及用戶提供詳細準確的農(nóng)業(yè)“四情”數(shù)據(jù)，以便于專家及時診斷提出解決方法。還可以大幅減少水、電、人力等能源和資源使用，減少農(nóng)業(yè)生產(chǎn)的成本，有效解決農(nóng)民增產(chǎn)不增收等問題。