基于物聯網技術的農業生產數據分析和評價系統研究

宋俊慷 楊秀增

（廣西民族師范學院物聯網技術集成與應用重點實驗室，廣西 崇左 532200）

0 引言

2020年中央1號文件指出依托現有資源建設農業農村大數據中心，加快物聯網、大數據、區塊鏈、人工智能、第五代移動通信網絡、智慧氣象等現代信息技術在農業領域的應用。“十三五”廣西科技計劃項目申報指南（第五版）中的廣西重點研發項目也明確了“科技強農”專項。因此，采用物聯網技術克服傳統農業生產數據收集時效性低、人工成本高和難以有效的匯集等缺點，使用人工智能中的機器學習算法對通過物聯網技術收集的農業生產數據進行分析評價，從而實現對農業生產過程的科學指導，將為進一步推廣農業信息化建設打下必要的研究基礎。

1 主要研究對象

從物聯網技術和機器學習算法協同創新應用出發，首先使用物聯網技術實現農業生產數據的實時采集、組網傳輸和集中存儲；其次通過預處理算法消除集中存儲的農業生產數據隨機誤差；最后研究聚類、神經網絡等機器學習算法對農業生產過程數據的分析評價及其在農業生產過程中的現實應用。主要研究對象如下：

（1）研究物聯網技術實現農業生產中數據采集的實施方案，探索物聯網傳感器、物聯網通信技術和物聯網開放云平臺協同搭建物聯網監測系統，在此基礎上實現農業生產過程數據的實時采集、組網傳輸和集中存儲。

（2）研究農業生產數據的預處理算法，通過物聯網技術獲得的農業生產數據存在隨機誤差不能很好地反應生產的現實情況，隨機誤差的存在將直接影響后期使用聚類、神經網絡等機器學習算法對農業生產數據分析評價的結果，因此需要選擇合適的預處理算法對集中存儲農業生產數據進行去噪。

（3）在前述工作的基礎上，使用聚類、神經網絡等機器學習算法對預處理后的農業生產數據進行分析評價，將評價結果應用于農業生產過程控制，為農業生產提質增效提供必要的決策依據。

2 系統總體框架和設計步驟

2.1 系統總體框架

在借鑒國內外已有的理論和實踐研究成果的基礎上，結合實際情況加以發展和改進，以聚類、神經網絡等機器學習算法在農業生產中的應用為目標。在使用物聯網技術實現對農業生產數據進行收集后，將聚類、神經網絡等機器學習算法應用在農業生產數據分析和評價。利用分析評價結果可指導農業生產過程實踐的同時，為農業生產過程自動化、智能化控制提供相關決策依據，系統結構如圖1所示。

圖1 系統結構

通過對農業生產調研發現農業生產數據主要有兩種分布形式，一類數據分布相對集中，另一類數據分布相對分散。針對分布相對集中的農業生產數據，可使用物聯網傳感器對其進行采集后，直接由5G數據傳輸模塊經Internet上傳至物聯網開放平臺；針對分布相對分散的農業生產數據可將物聯網傳感器采集的數據經ZigBee或LoRa等WSN網絡進行匯集后再由5G數據傳輸模塊經Internet上傳至物聯網開放平臺。物聯網開放平臺在接收到由物聯網傳技術采集、傳輸的農業生產數據后主要完成數據的存儲、發布和可視化展示工作。在此之后，一方面可使用計算機或智能手機查看物聯網開放平臺存儲的農業生產數據；另一方面可以使用聚類、神經網絡等機器學習算法對農業生產數據進行分析評價。

2.2 系統設計流程

（1）通過對近年來國內外物聯網技術和機器學習在農業生產實際應用的相關文獻的研究，選擇具有代表性的農業生產數據作為分析評價目標，針對該類農業生產數據分布情況確定基于物聯網技術的數據收集方案，根據收集的農業生產數據選用合適的分析評價算法（如聚類、神經網絡等）進行分析評價。

（2）針對（1）中最后決定的農業生產數據形式、物聯網數據收集方案和分析評價算法，選取合適的硬件和軟件開發平臺完成具有相應功能的實物系統開發，該系統主要分為兩個部分，一部分基于物聯網技術實現農業生產數據收集工作；另一部分基于聚類、神經網絡等機器學習算法實現農業生產數據分析評價。

（3）系統功能驗證研究：將已經完成的實物系統應用到具體農業生產過程中，驗證其是否可以使用物聯網技術有效采集、傳輸和存儲農業生產數據，并在此基礎上使用聚類、神經網絡等機器學習算法實現對農業生產數據的分析評價。

3 技術路線與實施步驟

3.1 技術路線

研究技術路線如圖2所示，以物聯網技術作為支撐，實現農業生產數據的實時監測、遠程傳輸和集中存儲，在此基礎上使用聚類、神經網絡等機器學習算法對農業生產數據進行分析評價。由于農業生產數據涉及范圍廣，可根據不同類型的農業生產數據特性選用合適的機器學習算法進行分析評價，進行具體實踐時選取“農作物種植”或“水產養殖”兩類農業生產活動為主要研究對象，通過物聯網技術采集這兩類農業生產數據后使用聚類、神經網絡等機器學習算法對“農作物種植”或“水產養殖”的農業生產數據進行分析評價，最終驗證整個系統功能。

圖2 技術路線圖

3.2 實施步驟

第一步，將農作物種植的土壤環境數據或水產養殖的水域環境數據，作為農業生產數據分析和評價的主要研究對象。

第二步，根據土壤環境數據或水域環境數據分布形式選擇合適的物聯網傳感器對這兩類農業生產數據進行實時采集工作。

第三步，采用5G+WSN或者單獨的5G作為物聯網通信技術完成對物聯網傳感器采集的農業生產環境數據進行遠程傳輸。

第四步，使用物聯網開放平臺完成農業生產數據的存儲、發布和展示工作，用戶可使用電腦或手機快速查詢下載存儲的農業生產環境數據。

第五步，在使用聚類、神經網絡等機器學習算法對經過預處理的土壤環境數據或水環境數據進行分析評價，將評價結果作為農業生產過程自動化和智能化的依據。

4 結語

農業生產的分布形式多樣，難以有效的收集農業生產數據，因此本文以物聯網技術為基礎，將物聯網傳感器、物聯網通信技術和物聯網開發平臺聯合，搭建農業生產數據遠程監測平臺。具體實施時首先需針對不同的農業生產活動類型確定合適的物聯網傳感器采集農業生產數據，其次選取與物聯網傳感器分布形式匹配的物聯網通信技術完成農業生產數據的遠程傳輸工作，最后選擇合適的物聯網開放平臺完成農業生產數據的匯集和調用。整個系統以農業生產數據分析和評價為目的，將物聯網技術實現農業生產數據實時采集、組網傳輸和集中存儲作為基礎，選取農作物種植的土壤環境數據或水產養殖的水域環境數據為分析評價對象，使用聚類、神經網絡等機器學習算法完成農業生產數據的分析和評價。