基于改進K-means的農田濕度評估研究

彭 源，徐曉輝，宋 濤，郝淼淼，趙法川

（河北工業大學電子信息工程學院，天津300400）

0 引 言

目前在農業生產中，粗放用水和農田干旱嚴重影響農業生產效率及產量，因此，制定科學合理的農田灌溉計劃尤為重要[1]。制定科學的農田灌溉計劃需要準確地獲取農田的土壤濕度，并設計一個自動化的農田濕度評估系統，對農田的土壤濕度作出準確的評估。

現有的農田濕度控制系統主要以文獻[2]、文獻[3]設計的農業灌溉系統為主，系統的實時性強，但其土壤濕度信息大多數是由單個土壤濕度傳感器測得，即數據只能代表農田某一部分的土壤濕度，比較單一，缺乏代表性，不能準確反映農田整體的濕度情況。同時由于系統決策完全依賴于一個土壤濕度傳感器，會使系統整體缺乏抗干擾性，一旦濕度土壤傳感器出現故障，會導致控制系統作出錯誤的決策，影響灌溉效果。

為解決上述問題，文獻[4]以北京大興試驗區3.645 km2為例，布設了129個采樣點，對農田濕度進行評估。基于此，本文采用多傳感器數據融合的方法，在所測農田的不同位置，分別放置3個土壤傳感器節點，然后使用Lora通信方式將節點采集到的濕度信息傳輸到同一個控制中心，對數據進行處理和評估[5]。土壤濕度傳感器在測量土壤濕度時，受到外界因素的影響，會產生噪聲，引起測量誤差。為了消除誤差和更準確地得到農田土壤濕度值，引入K-means 方法消除有誤差的濕度數據[6]，同時為了提高K-means 的運算效率，對K-means做了進一步改進。基于此，本文設計了基于改進K-means 的農田濕度評估系統

1 系統的組成

1.1 系統的功能設計

基于物聯網的架構模式，設計了土壤傳感器節點、控制中心和移動設備APP，其系統架構見圖1[7]。當系統正常工作時，首先，移動設備或控制中心將采集指令發送到土壤傳感器節點。其次，土壤傳感器節點將采集到的濕度數據通過Lora 協議傳輸到控制中心。然后，控制中心先判斷土壤傳感器是否有故障，并使用改進的K-means 算法對濕度數據進行聚類、加權等操作，評估出農田的土壤濕度。最后，控制中心將評估后的農田濕度傳遞至移動設備。用戶可以直接根據移動端APP 顯示的濕度信息，向土壤傳感器節點發出準確的灌溉指令。

1.2 控制中心和土壤傳感器節點設計

控制中心與土壤傳感器節點的電路結構分別見圖2和圖3。控制中心由電源模塊、STM32最小系統、Lora通信模塊和NBiot 通信模塊組成。土壤傳感器節點由電源模塊、STC89C52 最小系統、土壤濕度傳感器和Lora 通信模塊組成[9]。下面分別對控制中心和土壤傳感器節點的各個模塊作詳細分析。

（1）電源模塊。電源采用12 V 蓄電池，并接入LM1117芯片將12 V電壓降為5 V和3.3 V對各個模塊供電。

（2）STM32 最小系統。其內核型號為cortex-A7，引腳資源多、功耗小，外部晶振頻率為8 MHz，能夠高效運行改進的K-means算法。

（3）通信單元。控制中心的通信單元由Lora 通信模塊和NB-iot通信模塊組成，Lora通信模塊的型號為AS32-TTL-1W，通信距離為3 km，能夠自組網，無需運營商網絡的支持，適用于田間通信[8]。NB-iot 通信模塊型號為WH-NB73，支持運營商網絡通信。在運營商網絡覆蓋的范圍內，控制中心就能夠將評估出的農田濕度信息通過NB-iot 傳輸到移動端設備，以便用戶隨時查詢。

（4）STC89C52 最小系統。STC89C52 功耗小、穩定性高，其晶振頻率是11.059 2 MHz，適宜在田間長時間工作。

（5）土壤傳感器。型號為PR-3000-ECT-N01，采用頻域反射的原理將土壤濕度轉換為485 信號輸出到STC89C52，測量誤差小于2%。

1.3 移動端APP設計

移動端APP 由Android Studio 軟件開發設計，其界面（Graphical User Interface，GUI）見圖4。

APP 實現了TCP socket 網絡通信功能，與控制中心的NBiot進行數據傳輸。點擊圖4中的“獲取”按鈕時，APP發送采集指令，控制中心就會依次獲取3個土壤傳感器節點采集到的農田土壤濕度信息，然后，控制中心節點將評估后的農田土壤濕度信息上傳到APP顯示。如果有故障節點，GUI中相應節點就會顯示紅色，表示該節點的土壤濕度傳感器發生故障，然后報警。

2 濕度評估方法設計

2.1 K-means算法

K-means 是一種無監督學習聚類算法，它將所有數據以k個點為中心進行聚類，對最靠近它們的數據歸為一類，再通過迭代的方法，依次更新各聚類中心的值，使集群更相似，直至得到最好的聚類效果[9]。

數據集D={x1,x2,x3,…,xn}，聚類數目k為該算法的輸入，經過聚類操作，輸出集合的劃分C={C1,C2,C3,…,Ck}及更新后的k個聚類中心。

算法流程如下[10]：

（1）從數據集D中，隨機選擇k個數據作為初始的聚類中心，記為：{a1,a2,a3,…,ak}。

（2）用式(1)計算每個樣本xi(i= 1,2,3,…,n)和各個質心aj(j= 1,2,3,…,k)的歐式距離，然后將xi歸類到距離最小的dij所對應的類別。

（3）對Cj(j= 1,2,3,…,k)中所有的樣本點重新計算均值得到新的聚類中心μj。

（4）用公式(2)計算平方誤差標準函數，檢測是否收斂，收斂則完成劃分，否則重復步驟（2）、（3）。

通過上述步驟，在農田濕度評估時，控制中心就能夠剔除個別土壤濕度傳感器本身產生的隨機誤差及其他因素引起的測量誤差值。

2.2 K-means算法改進

K-means的時間復雜度為：

式中：k代表聚類數目；n代表聚類的樣本數；l代表迭代次數。

該算法隨機選擇初始聚類中心會導致迭代次數l不確定，造成收斂速度慢、聚類效果差、運算復雜度高等問題[11]。這里在算法實現前采用確定初始聚類中心的方法來解決上述問題。

在實際的運用場景中，由于STM32 的運算速度較慢，要快速得到評估值，就需要減少K-means 的時間復雜度。因為土壤濕度數據是一維數據，改進后的K-means 算法流程圖見圖5，首先，遍歷整個數據集群D，得到集群中數據的最小和最大值，然后，多次采用二分法，獲取濕度數據的中值，直到獲得想要個數的聚類中心。獲取的各個聚類中心分布均勻，K-means迭代次數l就會減少，時間復雜度也隨之降低。

3 主程序設計

系統主流程框圖見圖6，將整個系統流程劃分為數據采集、故障診斷、濕度信息評估3個階段。

3.1 數據采集

一個控制中心對應3個土壤傳感器節點，土壤濕度傳感器采集到的濕度數據通過RS485 總線傳輸到STC89C52[13]，再經由Lora 通信模塊傳輸到控制中心。控制中心程序流程見圖7。當收到移動端APP評估命令后，改變程序中mode_flag標志位，控制Lora模塊輪詢采集3個土壤傳感器節點的濕度數據并存入3個數組中。

在人總行和昆明中支黨委的正確領導下，全省人民銀行消保部門認真貫徹落實總行對金融消費權益保護工作的統一部署，堅持金融為民理念，以金融消費者保護為抓手，以金融消費者教育為重點，各項工作取得積極進展。人行昆明中支法律事務處自設立以來，采取多項措施暢通金融消費維權渠道，促進金融消費權益保護工作上臺階。

控制中心和土壤傳感器節點之間的信息傳遞采用一主多從的通信方式。首先，不同土壤傳感器節點的STC89C52 給Lora 模塊設置不同的地址、信道，并對其進行編號，方便控制中心區分不同的土壤傳感器節點；然后，設置Lora 模塊使其進入喚醒模式。控制中心采集濕度數據時，將其Lora 模塊設置為接收模式，在接收模式下，依次設置該Lora 模塊的地址、信道與土壤傳感器節點的Lora 模塊地址、信道一致，喚醒土壤傳感器節點使其采集土壤濕度并將土壤濕度傳輸到控制中心[12]。

3.2 故障診斷

故障診斷采用多傳感器數據融合的方法，即控制中心將采集到的濕度數據存入3個的數組，計算每個數組的均值、方差，以及兩兩均值的差值。經過實驗驗證，在沒有極端因素影響的情況下，被測農田不同區域的濕度差值不大，當某組數據均值與其他2組數據均值的差值大于10%時，就可以判定相應土壤傳感器出現故障。判定土壤傳感器出現故障后，控制中心立即使用NB-iot 向移動設備上報故障土壤傳感器編號，然后移動設備發出報警信號。移動端GUI 顯示如圖4 所示，“節點2”顯示紅色，即土壤傳感器節點2出現了故障。控制中心將刪除土壤傳感器節點2的數據，拒絕此數據集進入濕度信息評估階段。

3.3 濕度信息評估

控制中心使用改進的K-means算法對采集到的3組數據進行處理。在處理過程中，設定初始的聚類中心數k=5，運算后，舍棄5個聚類中心值的最小值和最大值，最后用式(4)計算出農田的濕度。

式中：S代表評估后的濕度；x、y、z代表未舍棄聚類中心的最小值、中值和最大值；k1、k2、k3代表加權系數，k1+k2+k3= 1。

通過多組試驗證明，當設置k1= 0.3、k2= 0.4、k3= 0.3時得出的濕度值與農田的平均濕度最接近，得出的評估結果最優。

4 系統測試與評價

4.1 田間實驗

在不同時間段（晴朗、雨后等）對同一塊農田進行了多次田間實驗，驗證此濕度評估系統的準確性和穩定性。實驗過程中，將3個土壤傳感器節點分別放置在農田的中央、東北角和西南角，同時通過人工的方式，采集此塊農田位置分布均勻的10 份土壤，在實驗室通過烘干法計算出10 份土壤的濕度值，然后計算10 份土壤的濕度均值，將此均值與評估系統的輸出結果進行比較。

由表1田間實驗結果得出。在田間實驗中，此濕度評估系統的評估值和采集的10 份土壤濕度的均值相對誤差小于2%，且5次實驗的均方誤差為1.004 1%。此誤差在農業生產的要求范圍以內，滿足精準農業要求，證明了此系統評估效果良好。

表1 田間實驗結果Tab.1 Field experiment results

4.2 單土壤濕度傳感器故障引入實驗

在驗證此系統的故障診斷功能時，引入誤差模擬土壤濕度傳感器發生故障。在某一個土壤傳感器節點的測量處加入少量水，使土壤濕度傳感器的測量值與其他兩個土壤濕度傳感器的測量值差值較大，然后評估此濕度評估系統的可靠性。單土壤濕度傳感器故障引入實驗結果見表2。

從表2 可以看出：以節點1 作為基準中心點，節點1 與節點3 的差值為4.074 9%，但是節點2 與節點1 的差值和節點3的差值都大于10%，故判斷節點2 出現故障。控制中心刪除土壤傳感器節點2 采集的濕度數據后，系統的濕度評估為19.461 1%，符合要求。

表2 單土壤濕度傳感器故障實驗結果Tab.2 Experimental results of single soil moisture sensor failure

5 結 論

（1）改進后的K-means 能在STM32 處理器上高效運行，拋棄土壤傳感器采集的噪聲數據，在實現濕度評估的同時，能有效診斷土壤傳感器是否故障。

（2）系統的通信傳輸使用了Lora 和NB-iot 技術，使用Lora 技術解決了農田無運營商網絡覆蓋的問題；使用NB-iot技術將土壤濕度傳輸到移動設備，方便用戶查看土壤濕度信息。

（3）田間實驗結果表明，評估系統的評估值和農田土壤平均濕度的相對誤差在5%以內，滿足設計要求。

（4）本評估系統的誤差能夠滿足農業要求，但還存在對于不同農田的適應性，評估精度還有待提高。

（5）為進一步提高濕度評估系統的準確性，還可以在農田中加入更多的土壤傳感器節點。