基于邊緣計算的AI-IoT智慧農(nóng)業(yè)綜合節(jié)能系統(tǒng)研究

摘要 智慧農(nóng)業(yè)是將云計算、物聯(lián)網(wǎng)、人工智能以及大數(shù)據(jù)等現(xiàn)代信息技術(shù)融入農(nóng)業(yè)生產(chǎn)活動中，通過對農(nóng)業(yè)生產(chǎn)及其環(huán)境的智能感知和數(shù)據(jù)分析，實現(xiàn)農(nóng)業(yè)生產(chǎn)精準化管理。基于邊緣計算的AI-IoT，研究了一種智慧農(nóng)業(yè)綜合節(jié)能系統(tǒng)，實現(xiàn)了農(nóng)業(yè)生產(chǎn)及氣候數(shù)據(jù)監(jiān)測，進行灌溉、施肥、施藥智能控制，以科學(xué)手段指導(dǎo)農(nóng)業(yè)生產(chǎn)，降低生產(chǎn)投入，實現(xiàn)節(jié)能環(huán)保的綠色生產(chǎn)。

關(guān)鍵詞 智慧農(nóng)業(yè);智能物聯(lián)網(wǎng);邊緣計算;綜合節(jié)能

中圖分類號 S126 文獻標識碼 A

文章編號 0517-6611（2025）06-0227-05

doi：10.3969/j.issn.0517-6611.2025.06.051

Study on AI-IoT Intelligent Agriculture Integrated Energy Saving System Based on Edge Computing

ZHU Yu-ye SONG Ling-ling LIU Jian2 et al

（1.Binzhou Polytechnic， Binzhou， Shandong 256603;2.Yellow River Delta National Agricultural High-tech Demonstration Park， Binzhou， Shandong 256603）

Abstract Intelligent agriculture is the integration of modern information technologies， such as cloud computing， the Internet of Things， artificial intelligence and big data into agricultural production activities.Through intelligent perception and data analysis of agricultural production and its environment， we achieved precise management of agricultural production.Based on AI-IoT of edge computing， a smart agriculture comprehensive energy saving system was studied， which realized agricultural production and climate data monitoring， carried out intelligent control of irrigation， fertilization and pesticide application， guided agricultural production by scientific means， reduced production input， and realized green production of energy conservation and environmental protection.

Key words Intelligent agriculture;AI-IoT;Edge computing;Comprehensive energy saving

智慧農(nóng)業(yè)是運用云計算、物聯(lián)網(wǎng)、人工智能以及大數(shù)據(jù)等先進技術(shù)手段，對農(nóng)業(yè)生產(chǎn)實現(xiàn)可視化、標準化、精準化、智能化的新型農(nóng)業(yè)生產(chǎn)模式［1］，是現(xiàn)代信息技術(shù)綜合應(yīng)用的結(jié)果。智慧農(nóng)業(yè)的實質(zhì)是通過傳感和信息采集系統(tǒng)對農(nóng)業(yè)生產(chǎn)過程中溫度、氣候條件、土壤等自然環(huán)境因素，施肥、施藥、灌溉等人為因素進行實時監(jiān)測， 獲取農(nóng)作物生長狀況、生長環(huán)境、病蟲害等信息數(shù)據(jù)，利用智能技術(shù)和專家系統(tǒng)進行分析決策，從而對農(nóng)作物生長及其環(huán)境進行人為干涉，達到實現(xiàn)對資源的合理利用、降低生產(chǎn)成本、改善生態(tài)環(huán)境、提高農(nóng)作物產(chǎn)量和質(zhì)量的目的［2］。

國外已經(jīng)形成了3種典型的智慧農(nóng)業(yè)模式，即美國智能化精準農(nóng)業(yè)模式、日本集約化精耕模式和西歐模式。當前美國智慧農(nóng)業(yè)創(chuàng)造了僅以1%農(nóng)業(yè)人口成就農(nóng)業(yè)大國的奇跡［3］。日本在政府和社會各界的共同努力下利用智慧農(nóng)業(yè)擺脫農(nóng)業(yè)勞動力短缺的約束， 農(nóng)業(yè)生產(chǎn)效率又有了極大提高， 農(nóng)業(yè)和農(nóng)村的發(fā)展煥發(fā)新的活力［4］。智慧農(nóng)業(yè)是我國農(nóng)業(yè)根本出路，從2014年起，國家陸續(xù)出臺了諸多有關(guān)支持和指導(dǎo)智慧農(nóng)業(yè)建設(shè)的文件，推動現(xiàn)代農(nóng)業(yè)發(fā)展，加快數(shù)字農(nóng)業(yè)的建設(shè)，加強物聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)在農(nóng)業(yè)生產(chǎn)上的應(yīng)用。當前，國內(nèi)智慧農(nóng)業(yè)現(xiàn)狀如下：①智慧農(nóng)業(yè)場所的設(shè)立較少且不很完善；②智慧農(nóng)業(yè)系統(tǒng)設(shè)備、設(shè)計和平臺技術(shù)水平低、不完備；③智慧農(nóng)業(yè)智能網(wǎng)絡(luò)建設(shè)不足，節(jié)點智能化低；④智慧農(nóng)業(yè)建設(shè)中相關(guān)專業(yè)人才稀缺問題突出；⑤智慧農(nóng)業(yè)新的智能要求不斷提升［5］。

2021年12月28日，國務(wù)院印發(fā)《“十四五”節(jié)能減排綜合工作方案》，方案要求完善實施能源消費強度和總量雙控，推動能源利用效率大幅提高，實現(xiàn)節(jié)能降碳減污協(xié)同增效、生態(tài)環(huán)境質(zhì)量持續(xù)改善［6-7］。到2025年，農(nóng)村生活污水治理率達到40%，秸稈綜合利用率穩(wěn)定在86%以上，主要農(nóng)作物化肥、農(nóng)藥利用率均達到43%以上，畜禽糞污綜合利用率達到80%以上，綠色防控、統(tǒng)防統(tǒng)治覆蓋率分別達到55%、45%，京津冀及周邊地區(qū)大型規(guī)模化養(yǎng)殖場氨排放總量削減5%［8］。為達到此目標，實現(xiàn)農(nóng)業(yè)地理環(huán)境和生態(tài)環(huán)境的質(zhì)量持續(xù)改善，智慧農(nóng)業(yè)建設(shè)勢在必行。

利用邊緣計算和AI-IoT技術(shù)賦能智慧農(nóng)業(yè)達到減少農(nóng)業(yè)投入，減少碳排放，實現(xiàn)綜合節(jié)能目的，是當前智慧農(nóng)業(yè)建設(shè)中一項非常重要且能利用現(xiàn)有技術(shù)發(fā)展狀態(tài)可以實現(xiàn)的任務(wù)，現(xiàn)實意義重大。鑒于此，筆者介紹了基于邊緣計算的AI-IoT智慧農(nóng)業(yè)綜合節(jié)能系統(tǒng)的架構(gòu)、片區(qū)規(guī)劃，分析了其試驗測試結(jié)果，旨在以科學(xué)手段指導(dǎo)農(nóng)業(yè)生產(chǎn)，降低生產(chǎn)投入，實現(xiàn)節(jié)能環(huán)保的綠色生產(chǎn)。

1 系統(tǒng)架構(gòu)

灌溉、施肥、施藥是農(nóng)業(yè)生產(chǎn)管理中3項重要的田間作業(yè)，作業(yè)的精細化程度和作業(yè)時長直接關(guān)系著水、肥和藥的浪費，關(guān)系著對環(huán)境的直接污染程度，將其換算成碳排放，就是過量的碳排放。田間的溫度、濕度、蒸發(fā)量和作物種類決定著灌溉的投放量；作物的生長速度、營養(yǎng)狀況、表面色澤等因素決定著施肥的投放種類和間隔；田間的蟲口密度、害蟲種類和作物種類等決定著施藥的投放種類、時長和間隔。合理調(diào)度這3項作業(yè)的投放間隔、時長和種類能夠降低水、肥和藥投放總量，從而降低總碳排放。智慧農(nóng)業(yè)利用傳感器技術(shù)、物聯(lián)網(wǎng)等技術(shù)與傳統(tǒng)農(nóng)業(yè)的深度結(jié)合，能夠有效地對田間作物信息和環(huán)境信息進行實時監(jiān)測，利用智能技術(shù)進行自動化和智能化科學(xué)管理，減少了農(nóng)民的勞動，提升了農(nóng)業(yè)生產(chǎn)率［8-9］。該項目擬在現(xiàn)有智慧農(nóng)業(yè)基礎(chǔ)上，進一步深化研究，將邊緣計算和AI技術(shù)相融合運用于灌溉、施肥、施藥作業(yè)控制和影響因素監(jiān)測、分析、推理，從而決定灌溉、施肥、施藥作業(yè)的投放強度、時間、種類以及投放頻率，達到降低消耗、減少污染，實現(xiàn)綜合節(jié)能的目的［10］。

由圖1可知，該預(yù)測系統(tǒng)的總體架構(gòu)包含5個主要模塊，即片區(qū)投放強度預(yù)測模塊、片區(qū)投放時間預(yù)測模塊、片區(qū)投放種類預(yù)測模塊、相鄰片區(qū)數(shù)據(jù)收集模塊、片區(qū)環(huán)境預(yù)測模塊。片區(qū)作物狀態(tài)信息包括片區(qū)布控單元（FMU）收集的作物生長速度、營養(yǎng)狀況、表面色澤等，片區(qū)作物病蟲害監(jiān)測單元（DPMU）收集的蟲口密度、害蟲種類、霉菌種類與孢子密度、病毒種類與繁殖速度等信息。片區(qū)內(nèi)外，每次灌溉、施肥、施藥作業(yè)的投放強度、時間、種類等信息都記錄在相應(yīng)項數(shù)據(jù)庫系統(tǒng)中。片區(qū)環(huán)境檢測包括空氣的溫度、濕度、陽光照射強度、淺層地表的溫度和濕度等。片區(qū)環(huán)境、投放強度、投放時間、投放種類和周圍片區(qū)投放影響的預(yù)測計算均采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF-NN）進行處理。所有經(jīng)過處理的預(yù)測信息提供給自動投放控制處理服務(wù)器進行投放處理，或調(diào)整投放參數(shù)，或保持投放參數(shù)不變。根據(jù)實時檢測的數(shù)據(jù)進行適當?shù)恼{(diào)整預(yù)設(shè)投放參數(shù)，可以有效杜絕過量投放和不精準投放，特別是降低淺投放造成的超調(diào)投放，這使得總體投放平滑化、均勻化，投放設(shè)施和設(shè)備能夠在最佳的工作狀態(tài)，從而降低能耗，減少碳排放。

1.1 預(yù)測系統(tǒng)的分層結(jié)構(gòu)

由圖2可知，預(yù)測系統(tǒng)有4個層次組成，即基礎(chǔ)設(shè)施層、網(wǎng)絡(luò)層、服務(wù)層、應(yīng)用層。每層信息僅通過服務(wù)訪問點（SAP）傳遞。SAP擔任上下2層直接信息交換的端口或者控制門。

1.1.1 基礎(chǔ)設(shè)施層。基礎(chǔ)設(shè)施包括所有類型的設(shè)備，如傳感器、FMU、DPMU、邊緣計算設(shè)備等。MAS部署在這些設(shè)備中用于收集數(shù)據(jù)，并提供給邊緣計算設(shè)備進行分析和提煉。處理后的數(shù)據(jù)存儲并發(fā)送至網(wǎng)絡(luò)層進行共享。

1.1.2 網(wǎng)絡(luò)層。網(wǎng)絡(luò)層主要負責(zé)利用4G、5G、WLAN等通信技術(shù)，為使用物聯(lián)網(wǎng)通信提供無縫連接。

1.1.3 服務(wù)層。服務(wù)層主要負責(zé)基于AI的預(yù)測和服務(wù)提供，由4個子模塊組成，即片區(qū)環(huán)境預(yù)測、投放時間預(yù)測、投放強度預(yù)測、投放種類預(yù)測。該層使用基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)進行上述信息預(yù)測，這些預(yù)測信息與相鄰片區(qū)進行共享并存儲在云中。

1.1.4 應(yīng)用層。應(yīng)用層根據(jù)收到的預(yù)測信息，決策灌溉、施肥和施藥投放參數(shù)是否修改。若要修改，將修改參數(shù)變更到自動投放控制系統(tǒng)執(zhí)行修改，否則保持原參數(shù)不變，執(zhí)行既定的投放任務(wù)。

1.2 基于MAS的數(shù)據(jù)收集與分析

采用多代理系統(tǒng)（MAS）進行數(shù)據(jù)收集、分析和處理。在片區(qū)每一個環(huán)境檢測、FMU和DPMU內(nèi)都部署1個智能代理，同時在各個預(yù)測模塊也部署智能代理。環(huán)境檢測內(nèi)智能體負責(zé)收集、分析和傳遞大氣和土壤信息；FMU和DPMU內(nèi)智能體負責(zé)收集、分析和傳遞作物狀態(tài)信息和病蟲害信息。由圖3可知，每個模塊內(nèi)智能代理進行數(shù)據(jù)分析和處理，并與其他模塊進行信息交換，完成預(yù)測任務(wù)，同時將數(shù)據(jù)保存到數(shù)據(jù)庫內(nèi)。最后，依賴數(shù)據(jù)庫和歷史數(shù)據(jù)庫由邊緣計算設(shè)備估計出最優(yōu)投放參數(shù)，并提供給自動投放控制系統(tǒng)進行投放作業(yè)。

1.3 基于RBF-NN模型的預(yù)測算法

使用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) （RBF-NN） 模型來實現(xiàn)預(yù)測。由圖4可知，RBF-NN預(yù)測模型由1個具有1層隱藏層的前饋神經(jīng)網(wǎng)絡(luò)組成。該模型采用監(jiān)測到的實時數(shù)據(jù)和歷史作業(yè)數(shù)據(jù)，生成預(yù)測數(shù)據(jù)進行投放參數(shù)修改。預(yù)測模型用高斯函數(shù)作為激活函數(shù)。RBF-NN 模型由2個階段組成：①訓(xùn)練過程中，采用基函數(shù)參數(shù)建模無條件數(shù)據(jù)密度。高斯模型的協(xié)方差矩陣期望算法用于確定RBF-NN的訓(xùn)練中心。②采用Moore-Penrose 的廣義偽逆計算輸出和隱藏層之間的權(quán)重。使用RBF-NN算法對投放時間、強度和種類進行預(yù)測，增加擴展能力，減少訓(xùn)練和學(xué)習(xí)時間，提高預(yù)測精度。

2 片區(qū)規(guī)劃

2.1 片區(qū)設(shè)定

作物控制片區(qū)共分為4個層次，用于進行管理控制。片區(qū)劃分首先按照作物種類及其種植地域進行劃分，大片區(qū)稱為頂層片區(qū)或0層片區(qū)。在頂層片區(qū)內(nèi)，按照土壤自然環(huán)境差別進行區(qū)域劃分，分割后的片區(qū)稱為1層片區(qū)。1層片區(qū)內(nèi)，根據(jù)灌溉、施肥和施藥的投放有效作用范圍進行分割，形成2層片區(qū)。根據(jù)灌溉、施肥和施藥劃分的2層片區(qū)的大小和范圍可以相同，也可以不同。若2層片區(qū)面積比較大，則細分為3層片區(qū)。3層片區(qū)的劃分是按照環(huán)境監(jiān)測、FMU和DPMU等監(jiān)測設(shè)施的有效作用范圍和最佳布置數(shù)量進行。監(jiān)測設(shè)施布置數(shù)量和3層片區(qū)大小相互影響。在最初的3層片區(qū)劃分的基礎(chǔ)上，在AI系統(tǒng)的幫助下，可以根據(jù)作物狀態(tài)監(jiān)測結(jié)果和綜合節(jié)能效果進行動態(tài)調(diào)整。

2.2 環(huán)境監(jiān)測、FMU、DPMU部署

環(huán)境監(jiān)測是對大氣、光照和土壤狀態(tài)的監(jiān)測。由于大氣和光照變換的影響范圍很大，所以部署數(shù)量較少，在頂層片區(qū)或1層片區(qū)上布置1～2個觀測點即可。當頂層片區(qū)過大時，在1層片區(qū)部署。1個土壤狀態(tài)的監(jiān)測點作用范圍較小，單點覆蓋小于0.67 hm2。需在2或3層片區(qū)上部署一定數(shù)量的監(jiān)測點。在系統(tǒng)實際運行過程中，可根據(jù)監(jiān)測結(jié)果，進行動態(tài)調(diào)整監(jiān)測點的作用范圍。FMU為作物生長狀態(tài)的監(jiān)測單元，其部署根據(jù)作物不同和監(jiān)測項目，部署在2或3層片區(qū)上，部署數(shù)量根據(jù)監(jiān)測結(jié)果進行動態(tài)調(diào)整。DPMU為病蟲害監(jiān)測單元，由于病蟲害初期發(fā)生地域范圍較小，因此在部署數(shù)量上最多，甚至0.07 hm2地上就需布置9個監(jiān)測點，因為這樣才能迅速捕捉病蟲害的初期發(fā)展狀態(tài)。當系統(tǒng)運行到一定狀態(tài)，可以根據(jù)AI的范圍建議進行適當調(diào)整。

2.3 智能代理、邊緣計算設(shè)備部署

智能代理作為最基礎(chǔ)的處理單元，具有收集、分析傳感數(shù)據(jù)以及傳遞信息的功能，須在每個監(jiān)測點部署。邊緣計算設(shè)備進行的計算活動高于智能代理，擁有部分AI計算功能，在每層片區(qū)上均需布置。邊緣計算設(shè)備的種類和級別按照片區(qū)等級進行設(shè)置。

3 試驗與測試

濱州黃河三角洲高效生態(tài)產(chǎn)業(yè)現(xiàn)代技術(shù)研究院成立于2010年7月，主要從事高效生態(tài)產(chǎn)業(yè)有重大影響的關(guān)鍵技術(shù)和共性技術(shù)組織科研攻關(guān)和產(chǎn)業(yè)開發(fā)，現(xiàn)已成為魯北地區(qū)智慧農(nóng)業(yè)產(chǎn)業(yè)技術(shù)研究中心，已建成基于IoT的土壤數(shù)據(jù)采集系統(tǒng)、智慧灌溉系統(tǒng)、智慧農(nóng)機設(shè)施等智慧農(nóng)業(yè)基礎(chǔ)設(shè)施。因此，該項目選擇高效生態(tài)產(chǎn)業(yè)現(xiàn)代技術(shù)園區(qū)作為試驗基地，對上述系統(tǒng)進行綜合試驗。選取園區(qū)管理的66.67 hm2耕地作為采集和投放區(qū)，按照上述系統(tǒng)要求進行部署設(shè)置。對玉米和小麥進行對比種植試驗，其中灌溉、施肥和施藥作業(yè)都能有效節(jié)約其用量，結(jié)果見表1。從表1可以看出，試驗組與對照的產(chǎn)量變化沒有明顯差異，其差別主要是由土地本身不同造成的。從灌溉用水量看，試驗組小麥和玉米比對照用水量分別少14.15%、12.98%，可以明顯看出智能系統(tǒng)的節(jié)約作用。從用藥量來看，試驗組小麥和玉米比對照用藥量分別少55.67%、46.50%，因此智慧系統(tǒng)大大降低了農(nóng)業(yè)使用量，非常利于大氣環(huán)保和降低土壤污染。從用肥量來看，試驗組小麥和玉米比對照分別少22.62%、27.84%，明顯減少了化肥的用量，降低了對土壤的污染投放。總體來看，智慧系統(tǒng)的使用可以極大程度降低灌溉、施肥和施藥用量，特別是農(nóng)藥用量，既達到了環(huán)保要求，又達到了節(jié)能效果，實現(xiàn)了綜合節(jié)能目的。

4 結(jié)語

在鄉(xiāng)村振興背景下，智慧農(nóng)業(yè)的發(fā)展也迎來了新機遇。該研究設(shè)計并實現(xiàn)了一種基于邊緣計算的智能物聯(lián)網(wǎng)農(nóng)業(yè)綜合節(jié)能智慧系統(tǒng)。該系統(tǒng)采用傳感器技術(shù)對農(nóng)業(yè)生產(chǎn)和環(huán)境數(shù)據(jù)進行實時采集，通過物聯(lián)網(wǎng)絡(luò)進行數(shù)據(jù)傳輸，利用邊緣計算進行智能處理，對數(shù)據(jù)進行實時分析及挖掘，準確地對用水、給藥、施肥等用量進行預(yù)測及決策，達到綜合節(jié)能效果，促進農(nóng)業(yè)可持續(xù)發(fā)展。

參考文獻

［1］ 劉建波，李紅艷，孫世勛，等.國外智慧農(nóng)業(yè)的發(fā)展經(jīng)驗及其對中國的啟示［J］.世界農(nóng)業(yè)，2018（11）：13-16.

［2］ 中國信息通信研究院政策與經(jīng)濟研究所，中國人民大學(xué)智慧農(nóng)業(yè)與數(shù)字鄉(xiāng)村發(fā)展研究中心.中國智慧農(nóng)業(yè)發(fā)展研究報告：新一代信息技術(shù)助力鄉(xiāng)村振興［EB/OL］.（2021-12）［2023-04-25］.http：//www.caict.ac.cn/kxyj/qwfb/ztbg/202201/P020220104495485440718.pdf.

［3］ 周路.中美智慧農(nóng)業(yè)的比較分析與啟示［J］.中國集體經(jīng)濟，2020（20）：167-168.

［4］ 郝宇.智慧農(nóng)業(yè)的國際經(jīng)驗與中國鏡鑒［J］.深圳社會科學(xué)，2024，7（1）：43-56.

［5］ 宋亞蒙.智慧農(nóng)業(yè)中節(jié)水灌溉技術(shù)應(yīng)用：以河南省為例［J］.南方農(nóng)機，2024，55（2）：94-97.

［6］ 楊波，王玉.農(nóng)業(yè)氣候監(jiān)測及智能控制系統(tǒng)的設(shè)計與實現(xiàn)［J］.黑龍江科學(xué)，2023，14（24）：95-97.

［7］ 國務(wù)院關(guān)于印發(fā)“十四五”節(jié)能減排綜合工作方案的通知［J］.資源再生，2022（1）：54-58.

［8］ 張輝，曾婉君，黃琴，等.智慧農(nóng)業(yè)建設(shè)成效與發(fā)展研究［J］.合作經(jīng)濟與科技，2022（8）：28-29.

［9］ 吳思佳.基于“智能農(nóng)業(yè)云”項目的智慧農(nóng)業(yè)發(fā)展新模式研究［J］.南方農(nóng)機，2023，54（24）：116-118.

［10］ 傅瑜佳，泮晨濤，邢雨，等.大數(shù)據(jù)背景下基于物聯(lián)網(wǎng)的智慧農(nóng)業(yè)與鄉(xiāng)村振興發(fā)展［J］.價值工程，2023，42（34）：160-162.

基金項目 濱州市農(nóng)社領(lǐng)域科技創(chuàng)新政策引導(dǎo)計劃項目（2022SHFZ015）。

作者簡介 朱玉業(yè)（1970—），女，山東鄒平人，教授，碩士，從事智慧農(nóng)業(yè)研究。*通信作者，教授，碩士，從事計算機算法研究。

收稿日期 2024-01-11