一種土壤濕度測(cè)定方法在Zig Bee 無線傳感器網(wǎng)絡(luò)中的應(yīng)用*

高 翔，劉 鵬，盧潭城，陸起涌

(復(fù)旦大學(xué) 電子工程系，上海200433)

0 引 言

近年來，利用信息技術(shù)發(fā)展現(xiàn)代農(nóng)業(yè)成為了世界各國農(nóng)業(yè)發(fā)展的熱點(diǎn)［1］，同時(shí)，“精準(zhǔn)農(nóng)業(yè)”體系已成為一種重要的現(xiàn)代農(nóng)業(yè)生產(chǎn)形式［2］。在該體系中，對(duì)農(nóng)業(yè)環(huán)境參數(shù)的實(shí)時(shí)監(jiān)測(cè)提出了更高的要求，而基于Zig Bee 的農(nóng)業(yè)無線傳感網(wǎng)絡(luò)(WSNs)是實(shí)現(xiàn)這一目標(biāo)的重要手段。盡管Zig Bee 在通信層面考慮了低功耗，但傳感器層面的功耗問題未得到解決。農(nóng)作物生長(zhǎng)依賴于水，故在農(nóng)業(yè)環(huán)境參數(shù)的監(jiān)控中，對(duì)土壤濕度的監(jiān)測(cè)尤為重要。但現(xiàn)有的土壤濕度傳感器多數(shù)成本高且未作低功耗處理，故如何使用一種低成本且低功耗的方式對(duì)土壤濕度進(jìn)行測(cè)定是農(nóng)業(yè)無線傳感網(wǎng)絡(luò)中亟待解決的一個(gè)重要問題。

本文提出了一種將土壤電阻傳感器和土壤溫度傳感器共同用于農(nóng)業(yè)無線傳感網(wǎng)絡(luò)中土壤濕度測(cè)定的方法，并利用多元線性回歸模型和BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)該方法進(jìn)行土壤濕度的數(shù)據(jù)標(biāo)定;最后，本文將該方法應(yīng)用于一種基于Zig Bee 的農(nóng)業(yè)無線傳感網(wǎng)絡(luò)中。

1 實(shí)驗(yàn)平臺(tái)與建模問題的描述

建模實(shí)驗(yàn)的載體為土壤電阻傳感器，其原理如圖1 所示。土壤電阻的大小會(huì)影響三極管基極電流，從而改變Vout。而土壤濕度和土壤溫度均是影響土壤電阻率的重要因素［3，4］，故可以利用土壤電阻傳感器結(jié)合土壤溫度傳感器對(duì)土壤濕度進(jìn)行測(cè)定。實(shí)驗(yàn)采用TI 公司的CC2530［5］組成Zig Bee 網(wǎng)絡(luò)進(jìn)行自動(dòng)化數(shù)據(jù)采集，為了定量描述Vout，實(shí)驗(yàn)中的采樣電壓值為經(jīng)過CC2530 采樣后的ADC 值。實(shí)驗(yàn)所用土壤的類型為壤土，田間持水量在25%左右。本文使用的土壤溫度傳感器是經(jīng)不銹鋼外殼封裝的DS18B20［6］。土壤濕度的真實(shí)值通過武漢新惠普科技有限公司的農(nóng)業(yè)專用土壤濕度傳感器PHTS—5V—V2 測(cè)得。

圖1 土壤電阻傳感器原理圖Fig 1 Principle diagram of soil resistive sensor

2 土壤濕度測(cè)定模型

2.1 多元線性回歸模型

首先要確定電壓采樣值(ADC 采樣值)與土壤濕度和土壤溫度間的關(guān)系，實(shí)驗(yàn)結(jié)果如圖2 和圖3 所示。從中可以看出，當(dāng)土壤溫度一定時(shí)，電壓采樣值與土壤濕度之間具有正相關(guān)的線性關(guān)系。經(jīng)過計(jì)算，其相關(guān)系數(shù)均接近于1，最小相關(guān)系數(shù)R 為0.989 5;另一方面，當(dāng)土壤濕度一定時(shí)，電壓采樣值與土壤溫度之間正相關(guān)且具有二次曲線的關(guān)系，其曲率也隨著土壤濕度的改變而改變。經(jīng)過擬合，二次多項(xiàng)式擬合曲線的相關(guān)指數(shù)R2均接近于1，最小相關(guān)指數(shù)R2為0.986 9。

圖2 土壤濕度與電壓采樣值的關(guān)系Fig 2 Relationship between soil moisture and sampling value of voltage

圖3 土壤溫度與電壓采樣值的關(guān)系Fig 3 Relationship between soil temperature and sampling value of voltage

基于上述結(jié)論，以ADC 為應(yīng)變量，土壤濕度hump 和土壤溫度temp 為自變量，可建立式(1)的多元線性回歸方程和式(2)的土壤濕度測(cè)定方程

通過實(shí)驗(yàn)，本文獲得了共199 組樣本數(shù)據(jù)。根據(jù)式(1)，對(duì)樣本數(shù)據(jù)進(jìn)行多元線性擬合，最終得到的擬合參數(shù)為:b0=641.804 5，α=2 243.5，β= 11.372 9，γ=－0.027 3，δ=－0.461 9。通過計(jì)算，得到模型的全相關(guān)系數(shù)R=0.996 7。

2.2 BP 神經(jīng)網(wǎng)絡(luò)模型

BP(back propagation)神經(jīng)網(wǎng)絡(luò)［7］是一種多層前饋網(wǎng)絡(luò)，能很好地反映輸入輸出向量之間的變化規(guī)律。本文建立的BP 神經(jīng)網(wǎng)絡(luò)模型的輸入向量為電壓采樣值和土壤溫度，輸出為土壤濕度，采用三層網(wǎng)絡(luò)結(jié)構(gòu)，隱含層節(jié)點(diǎn)數(shù)為5。在199 組訓(xùn)練樣本下對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最終得到的BP 神經(jīng)網(wǎng)絡(luò)模型如圖4 所示。

圖4 土壤濕度與電壓采樣值和土壤溫度間的BP 神經(jīng)網(wǎng)絡(luò)模型Fig 4 BP neural network model of soil moisture with sampling value of voltage and soil temperature

3 實(shí)際測(cè)試結(jié)果與分析

3.1 Zig Bee 農(nóng)業(yè)無線傳感網(wǎng)絡(luò)終端節(jié)點(diǎn)

基于土壤電阻傳感器的Zig Bee 農(nóng)業(yè)無線傳感網(wǎng)絡(luò)終端節(jié)點(diǎn)如圖5 所示。其中，CC2530 置于盒子內(nèi)部，外部插入土壤的探頭即是土壤電阻傳感器和土壤溫度傳感器。土壤電阻傳感器的電源端用CC2530 的P1_0 進(jìn)行控制，可使土壤電阻傳感器在終端節(jié)點(diǎn)休眠周期不耗電，減少終端節(jié)點(diǎn)的功耗。

圖5 Zig Bee 農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)終端節(jié)點(diǎn)Fig 5 Terminal node of agricultural WSNs based on Zig Bee

3.2 多元線性回歸模型的檢驗(yàn)

在基于Zig Bee 的農(nóng)業(yè)無線傳感網(wǎng)絡(luò)的實(shí)際應(yīng)用中，得到共120 組測(cè)試集數(shù)據(jù)。將這些測(cè)試集數(shù)據(jù)分為兩類:在測(cè)試集1 中，選取的土壤濕度值與建模樣本接近;在測(cè)試集2中，選取的土壤溫濕度值均與建模樣本不同。多元線性回歸模型在測(cè)試集中的殘差圖如圖6 所示。從圖中可以看出，在測(cè)試集1 中，模型精度約為±1.5%，均方誤差(MSE)為0.26;在測(cè)試集2 中，模型精度約為±2.5%，MSE 為0.79。

3.3 BP 神經(jīng)網(wǎng)絡(luò)模型的檢驗(yàn)

BP 神經(jīng)網(wǎng)絡(luò)模型在測(cè)試集中的殘差圖如圖7 所示。從圖中可以看出，在測(cè)試集1 中，模型精度約為±0.8%，MSE 為0.05;在測(cè)試集2 中，模型精度約為±2.5%，MSE為0.57?？梢?，雖然模型訓(xùn)練的過程更復(fù)雜，但使用BP 神經(jīng)網(wǎng)絡(luò)建立的土壤濕度模型比多元線性回歸模型具有更高的精度。

圖6 多元線性回歸模型在測(cè)試集中的殘差分析Fig 6 Residual analysis of multiple linear regression model in test set

圖7 BP 神經(jīng)網(wǎng)絡(luò)模型在測(cè)試集中的殘差分析Fig 7 Residual analysis of BP neural network model in test set

4 結(jié)束語

本文針對(duì)農(nóng)業(yè)無線傳感網(wǎng)絡(luò)中土壤濕度測(cè)定的問題進(jìn)行了研究，提出了利用土壤電阻傳感器和土壤溫度傳感器進(jìn)行土壤濕度測(cè)定的方法，并在實(shí)際的Zig Bee 農(nóng)業(yè)無線傳感網(wǎng)絡(luò)中得到驗(yàn)證。測(cè)試結(jié)果表明:在同一種類型的土壤中，本文提出的方法在測(cè)試集中可達(dá)到±2.5%的精度，具有實(shí)用價(jià)值。

［1］ 孫忠富，杜克明，尹首一.物聯(lián)網(wǎng)發(fā)展趨勢(shì)與農(nóng)業(yè)應(yīng)用展望［J］.農(nóng)業(yè)網(wǎng)絡(luò)信息，2010(5):5－8.

［2］ 劉愛民，封志明，徐麗明.現(xiàn)代精準(zhǔn)農(nóng)業(yè)及我國精準(zhǔn)農(nóng)業(yè)的發(fā)展方向［J］.中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，2000，5(2):20－25.

［3］ Archie G E.The electrical resistivity log as an aid in determining some reservoir characteristics［J］.Trans AIME，1942，146(1):54－62.

［4］ 曹曉斌，吳廣寧，付龍海，等.溫度對(duì)土壤電阻率影響的研究［J］.電工技術(shù)學(xué)報(bào)，2007，22(9):1－6.

［5］ Texas Instruments.CC2530 Datasheet［EB/OL］.［2010—10—05］.http:∥www.ti.com.cn/cn/lit/ds/symlink/cc2530.pdf.

［6］ Dallas Semiconductor.Datasheet of DS18B20［EB/OL］.［2012—01—12］.http:∥dlnmh9ip6v2uc.cloudfront.net/datasheets/Sensors/Temp/DS18B20.pdf.

［7］ Rumelhart D E，Hinton G E，Williams R J.Learning internal representations by error propagation［R］.San Diego:California Univ San Diego La Jolla Inst for Cognitive Science，1985.