基于物聯網的農業生產智能監測技術研究

摘 要：為了提升農業生產過程的生產效率和自動化程度，本文構建了基于物聯網的智能監測系統。在智能監測系統中，每一個農業大棚內配置多個CCD視覺傳感器和紅外光電傳感器。各大棚的計算機終端與上位機服務器相連，運用本文提出的雙向搜索方法完成各任務需求的資源配置。在配置過程中，本文以虛擬機為媒介，包括帶寬、負載、硬件數量和資源等的匹配。試驗結果表明，物聯網監測系統可以成功完成農業生產過程監測，雙向搜索算法也具有更優秀的資源配置性能。

關鍵詞：物聯網；農業生產；智能監測

中圖分類號：TP 274" " " 文獻標志碼：A

在我國的國民經濟體系結構中，劃分標準包括第一產業、第二產業和第三產業。農業作為第一產業一直具有十分重要的地位[1]。我國的農業生產經營活動有著悠久的歷史，可以追溯到數千年以前。改革開放以來，尤其是進入21世紀以后，我國在科技領域取得了豐碩成果，科技助農合科技興農也逐漸駛入了快車道[2]。利用現代化科學技術對農業生產方式進行改造，可以打破原始的粗狂式農業經營局限，提供農業生產效率和農產品質量。農業科技中的關鍵工作是利用自動化、智能化的生產方式代替原有的人工生產方式[3]。在農業生產的全過程中，如果能夠加大儀器設備對生產環境、生產條件的監控，并自動化、智能化地調整環境參數，使環境一直能夠適應農作物的生長需求，那么可以更好地推動農業生產的發展。影響農作物生長的環境條件較多，例如光照、水分、溫度、濕度、土壤酸堿度以及是否受外界干擾和破壞等[4]。要實現對這些條件的監控，就需要采用各種類型的傳感器，進而構建能夠控制這些傳感器的物聯網系統。本文以此為出發點進行研究，致力于推動農業科技的進步與發展。

1 農業生產物聯網系統的體系結構設計

物聯網是多傳感器構成的網絡，即傳感器的類型多、傳感器的數量多。針對農業生產過程的環境，通常需要監測光照條件、溫度條件、濕度條件、農作物生長情況以及是否有動物和人闖入破壞等，可以相應地選擇光照傳感器、溫度傳感器、濕度傳感器、CCD視覺傳感器和紅外光電傳感器。

本文出于對測試模型的簡易化考慮，選擇2種傳感器，即CCD視覺傳感器和紅外光電傳感器。CCD視覺傳感器可以對視野范圍內的農業生產環境進行整體監控，例如農作物的生長態勢、生長高度和健康狀況，同時也可以反饋監控區域內的光照條件。紅外光電傳感器可以對闖入的動物和人進行監測，并及時發出報警信息。

考慮現代化農業生產以農業大棚為主，因此以農業大棚為基本單元，構建若干個獨立的監控區域。每個農業大棚為一個基本單元，內部設置多個CCD視覺傳感器和紅外光電傳感器。同時，每個農業大棚內部設置一臺控制計算機，以便對其內的各種傳感器進行數據收集、簡單處理，并向上位機服務器進行進一步反饋。服務器端能夠進行總體資源調度、各農業大棚的監控信息和處理決策協調。部分農業大棚的剔除或新的農業大棚加入并不影響整個物聯網系統的正常工作和使用。所得農業生產物聯網系統的體系結構設計結果如圖1所示。

2 農業生產物聯網系統的軟硬件設計

本文系統主要是利用2類光電傳感器完成農業大棚內的監控任務，一種是CCD視覺傳感器，另一種是主動式紅外光電傳感器。其中，CCD視覺傳感器主要用于對大棚內農作物生長狀態進行監控，主動式紅外光電傳感器主要用于對入侵者或動物的破壞行為進行監測與報警。本節將分別針對這2類傳感器進行硬件和軟件設計。

2.1 農業生產物聯網系統的硬件設計

CCD視覺傳感器、主動式紅外光電傳感器的內部結構如圖2、圖3所示。

本文選擇S865801型CCD視覺傳感器，如圖2所示。從工作原理上看，物體表面的反射光線經鏡頭進入CCD陣列，先進入CCD陣列的光敏區域，進而在CCD陣列的存儲區域進行緩存，再經轉移柵進入輸出寄存器，最后經功率放大器到達圖像采集卡，形成計算機上可以識別、存儲和處理的圖像信息。

本文選擇SA1168A型號的主動式紅外光電傳感器，如圖3所示。在這款紅外光電傳感器中，紅外發光二極管的體積小、使用壽命長，能夠滿足直流和交流系統的使用需求。從工作原理來看，紅外發射機主動向外發射紅外光線，紅外接收機對應地加以接收。一旦有入侵者進入監測區域，阻斷了紅外光線的收發通路，紅外光電傳感器即觸發報警控制器并進行報警。

2.2 農業生產物聯網系統的軟件設計

為了實現對農業大棚的預期監控功能，本文給出2類傳感器的軟件控制流程，如圖4所示。

CCD光電傳感器的控制可以分為以下3個步驟。第一步，對CCD陣列進行參數配置，完成初始化。第二步，開啟禎采集模式，利用圖像采集卡，將大棚內的監控結果顯示在計算機上。第三步，判斷計算機上的監控圖像結果是否清晰，如果清晰，那么在此參數配置情況下開啟連續采集模式；如果不清晰，那么重新調整CCD陣列參數，再次開啟禎采集模式。根據上述步驟不斷進行循環操作，完成對農業大棚內部的自動監控。

主動式紅外光電傳感器軟件控制流程如圖5所示。主動式紅外光電傳感器的控制可以分為以下4個步驟。第一步，控制主動式紅外光電傳感器的多諧振蕩器產生諧振。第二步，控制主動式紅外光電傳感器的驅動電路，調整發光二極管發光。第三步，控制主動式紅外光電傳感器的接收器，接收發射出來的紅外光束。第四步，判斷紅外光線的收發通路是否被阻斷，如果沒有被阻斷，那么繼續執行收發；如果被阻斷，那么產生報警信息。

2.3 農業生產物聯網總體控制的資源調度算法

農業生產物聯網系統內配置多個農業大棚，每個農業大棚內再分別配置一臺計算機、多個CCD視覺傳感器和多個紅外光電傳感器，這些硬件設備會利用各自的通信方式和上位機服務器相連，為了完成自己的監控任務而爭取服務器上的資源。服務器計算機需要一定的調度算法，并按照一定的優先級為每一個任務請求配置最合適的資源。

本文在農業大棚終端各硬件任務需求和上位機服務器間建立一種虛擬機資源配置機制，其原理是將農業大棚終端的每一個任務需求對應配置一個虛擬機，其所申請的服務器資源就相當于虛擬機在服務器上得到的資源，上位機服務器會根據這些虛擬機申請的優先順序、任務量大小合理配置資源。因此，虛擬機在農業大棚終端和上位機服務器間具有中介作用。農業大棚終端的任意一個虛擬機資源請求可以抽象為公式（1）。

XVM=α1Num+α2Bw+α3Load+α4Hard （1）

式中：Num表示農業大棚終端中有任務請求的硬件數量；Bw表示農業大棚終端各任務的總帶寬需求；Load表示農業大棚終端完成的總負載情況；Hard表示農業大棚終端完成所有任務的硬件資源；αi表示上述4個參數的權重。

根據上述配置關系，可以將向上位機服務器接收的所有農業大棚終端的虛擬機請求配置成一個集合，如{XVMi}所示。

為了在服務器上形成合理的資源調度，將服務器上有限的資源合理配置給每一個虛擬機，進而配置給每一個農業大棚終端，并順利完成資源配置任務，本文設計了一個雙向搜索聚類算法。在資源配置搜索過程中，搜索方向的處理如公式（2）所示。

（2）

式中：||XVMi-XVMi-1||是逐步向虛擬機集合中的前向進行搜索，觀察是否有閑置的虛擬機；||XVMi-XVMi+1||是逐步向虛擬機集合中的后向進行搜索，觀察是否有閑置的虛擬機。

在搜索過程中，要不斷進行4個參數的比較，其中前向搜索的處理如公式（3）所示。

（3）

后向向搜索的處理如公式（4）所示。

（4）

2.4 農業生產物聯網總體控制的資源調度流程

根據上文構建的農業生產物聯網總體控制的資源調度算法，實際執行中的操作流程如下所示。

第一個階段，對每一個農業大棚的硬件連接、硬件狀態、通信狀態和任務需求進行參數量化處理，并完成其屬性計算。

第二個階段，將連接到上位機服務器的每個農業大棚的虛擬機配置，按照通信請求的先后順序納入虛擬機集合中。

第三個階段，根據公式（2）對農業大棚監測任務請求的虛擬機集合進行分向聚類，一個聚類是前向方向，一個聚類是后向方向。

第四個階段，根據公式（3）對農業大棚監測任務請求的虛擬機集合進行前向聚類，逐一搜索出合適的虛擬機請求，并為其配置上位機服務器的硬件資源。

第五個階段，根據公式（4）對農業大棚監測任務請求的虛擬機集合進行后向聚類，逐一搜索出合適的虛擬機請求，并為其配置上位機服務器的硬件資源。

第六個階段，不斷重復前面所述步驟，直到農業大棚監測任務請求的虛擬機集合中的所有任務都找到匹配的硬件資源。

3 農業生產物聯網系統的性能測試試驗

3.1 農業生產過程監控效果

上文為了解決農業生產的智能監測問題，構建了以多傳感器為監測手段的物聯網系統。其中，傳感器分別選擇了CCD視覺傳感器和紅外光電傳感器，每個農業大棚都配置了不同數量的2類傳感器和一臺終端計算機。每個農業大棚的終端計算機均連接到上位機服務器，服務器再對各終端的傳感器信息和任務請求進行進一步處理。在軟件設計方面，分別對CCD視覺傳感器和紅外光電傳感器進行了控制流程設計，并針對上位機服務器的任務調度設計了一種新的雙向搜索方法，以便給合理的任務匹配最佳的虛擬機，進而找到最合適的硬件資源。

下文將進行一組試驗，以測試農業生產過程中的監控效果，即對CCD視覺傳感器和紅外光電傳感器的效果進行監測。第一組試驗監測結果的部分數據見表1。

從表1的監控結果可以看出，本文架構的物聯網系統實現了各個大棚的集中自動化監控，其中大部分時間內，各大棚的農業生產過程均處于正常狀態且沒有入侵者。但是，18時40分和20時20分，分別顯示有入侵，原因是有老鼠在這2個時間段活動，被紅外光電傳感器成功監測到。

3.2 物聯網系統資源調度測試

第二組試驗，對農業生產物聯網總體控制的資源調度算法和雙向搜索算法進行驗證。驗證試驗的設定如下所示。當各農業大棚的硬件設備不斷接入物聯網后，其任務需求數量持續增加。本文將任務需求的數量變化上限設定為100個，而用于這些任務需求配置的虛擬機數量為20個，試驗結果如圖6所示。

從圖6可以看出，隨著農業大棚各終端傳感器等設備任務需求的數量從0增至100個，20個虛擬機在雙向搜索算法下，逐漸獲得了各自的配置。到任務執行最后階段，1號、4號和11號虛擬機仍然處在空閑狀態，可以供新增的任務需求使用。

為了與所提出的雙向搜索方法的性能進行比較，本文選擇最大值搜索方法、最小值搜索方法作為參照方法，比較3種方法在不同任務數量情況下配置時間的差異，如圖7所示。

從圖7可以看出，隨著農業大棚各終端任務需求數量從100個增至600個，3種方法的資源配置時間也不斷增加。與最大值搜索方法和最小值搜索方法相比，本文提出的雙向搜索方法用時更少。

4 結論

影響農作物生長的環境條件較多，例如光照、水分、溫度、濕度、土壤酸堿度、是否有外界干擾和破壞等。要對這些條件進行監控，就需要采用各種類型的傳感器，進而構建能夠控制這些傳感器的物聯網系統。為了解決農業生產的智能監測問題，本文構建了以多傳感器為監測手段的物聯網系統。每個農業大棚的終端計算機與上位機服務器相連，由服務器對各終端的傳感器信息和任務請求進行進一步處理。在軟件設計方面，本文分別對CCD視覺傳感器和紅外光電傳感器進行了控制流程設計，并針對上位機服務器的任務調度，設計了一種新的雙向搜索方法，以便給合理的任務匹配最佳的虛擬機。試驗結果驗證了所構建的農業生產過程物聯網系統的有效性。

參考文獻

[1]葛文杰，趙春江.農業物聯網研究與應用現狀及發展對策研究[J].農業機械學報，2014，45（7）：10.

[2]鄭紀業，阮懷軍，封文杰，等.農業物聯網體系結構與應用領域研究進展[J].中國農業科學，2017，50（4）：12.

[3]李瑾，郭美榮，馮獻.農業物聯網發展評價指標體系設計：研究綜述和構想[J].農業現代化研究，2023，37（3）：423-429.

[4]曹明勤，張濤，王健.基于ZigBee的農業物聯網監測系統的設計與實現[J].電子技術應用，2013，39（12）：86-89.

作者簡介：吳漢昌（1972—），男，廣西玉林市人，本科，講師，研究方向為農業生產智能。

電子郵箱：whcls962@163.com。