基于物聯網的大棚作物生產智能管理系統(tǒng)研究

摘要：引入物聯網技術在作物生產中進行智能化管理是推進現代農業(yè)的有效途徑。物聯網大棚作物生產智能管理系統(tǒng)，依托智能專家系統(tǒng)原理，設計開發(fā)了基于貝葉斯網的病害診斷、生產智能管理等服務平臺，同時合理布置傳感器，應用了3G、ZigBee等物聯網技術。該物聯網作物生產智能管理系統(tǒng)應用于涮涮辣示范生產，起到了智能控制棚內肥水、農藥、溫濕度等環(huán)境因素，診斷病害等功效，大范圍應用會產生更好的經濟效益。

關鍵字：物聯網；智能管理；專家系統(tǒng)；大棚作物生產

中圖分類號：TP391 文獻標識碼：A 文章編號：2095-2163（2015）06-

Abstract： The introduction of the Internet of things technology for intelligent management in crop production is an effective way to promote the modern agriculture. The IOT greenhouse crop production intelligent management system， relying on the principle of intelligent expert system， designed and developed intelligent disease diagnosis based on Bayesian network， production intelligent management， resource trading service platform， at the same time reasonable arrangement of sensors， the application of RFID， 3G and ZigBee technology of Internet of things. The IOT intelligent management system is applied in crop production rinse hot production demonstration， the intelligent control of relative environmental factors ，such as fertilizer， pesticides， temperature and humidity， diagnosis of diseases， the quality of the product traceability etc， a wide range of application will produce better economic benefits.

Key words： IOT；Intelligent Management；Expert system；Greenhouse crop production

0 引言

2015年“中央一號文件”指出：中國農業(yè)必須盡快從主要追求產量和依賴資源消耗的粗放型經營方式轉到數量、質量、效益并重，可持續(xù)發(fā)展的集約型生產方式上來，走產出高效、產品安全、資源節(jié)約、環(huán)境友好的現代農業(yè)發(fā)展道路。在作物生長過程中，產品的質和量與溫濕度、光照強度、CO2濃度、肥水、養(yǎng)分等環(huán)境因素息息相關。目前，對這些環(huán)境參數的獲取，主要通過經驗、主觀感知、人工測量等方式獲得，進而對這些環(huán)境因素進行調控。這樣不僅耗費大量人力，還存在準確性不高，致使生產控制智能化程度不高，無法實現精準控制的技術弊端，并且還普遍呈現為一種粗放的生產管理方式。物聯網作為現代信息技術發(fā)展的產物，具有全面感知、可靠傳送、智能處理等特征，將其用于農業(yè)智能生產中，為實現田間信息采集、遠程監(jiān)測及控制提供可靠、完善保障。物聯網是通過射頻識別、傳感器、全球定位系統(tǒng)、激光掃描器等設備，按約定協議，把物品與互聯網連接起來，進行信息交換，采用智能計算技術對信息展開分析處理，以實現智能識別、定位、跟蹤、決策和監(jiān)控的一種新式實效研究網絡[1-2]。物聯網已在不少領域具有深入拓展應用[3-5]。將物聯網技術用于農業(yè)生產智能管理，通過在田間大棚內合理部署各種傳感器和網絡傳輸設備，對影響作物生長的環(huán)境參數進行采集，依托智能專家系統(tǒng)對采集的環(huán)境參數、作物長勢等進行分析，得出決策，用戶也可通過終端設備實時監(jiān)測作物長勢及決策信息，根據設定的參數閾值自動開啟或關閉棚內可調控設備（如遮陽簾、澆灌、風機、加熱器等），以實現智能化管理。這樣可最大限度提高農業(yè)生產力，是實現優(yōu)質、高產、低耗、環(huán)保等可持續(xù)發(fā)展農業(yè)的有效途徑。

基于物聯網的大棚作物生產智能管理系統(tǒng)包括軟、硬件兩部分，軟件開發(fā)重點涵蓋三個服務平臺，依托智能專家系統(tǒng)，分別延展為基于貝葉斯網的病害診斷平臺和生產智能管理平臺。通過合理布置無線傳感器，融合無線網絡，以及物聯網技術與軟件平臺的具體應用，在作物生產中對肥水、溫濕度等進行精細化、智能化控制等，實現高效、便捷、實時的智能化作物生產管理。

1 物聯網農業(yè)智能管理系統(tǒng)構建

1.1智能專家系統(tǒng)構建

智能專家系統(tǒng)是人工智能的一個重要分支，是用人工智能的方法來模擬專家的特性，以便使電腦能象專家一樣來解決問題。智能專家系統(tǒng)=知識庫+推理機，任務是將人類專家的知識和經驗以適當的形式存入知識庫，用戶提供數據給專家系統(tǒng)，利用適當的推理算法，相應地推理演繹而得專家系統(tǒng)的判斷和決策。其中，知識庫是專家系統(tǒng)的核心部分，是問題求解的知識集合，推理機是專家系統(tǒng)運用知識對數據進行推理的邏輯核心，控制著知識庫中的知識，并對綜合數據庫中的數據開展仿生智能推理，以得出新的結論。

在作物生長過程中，不同作物對環(huán)境因素的需求各不相同。依據智能專家系統(tǒng)原理，將作物專家具有的作物生產經驗知識用于定制創(chuàng)建智能專家系統(tǒng)，而利用物聯網技術對影響作物生長的環(huán)境因素進行采集、通過推理機推理，得出決策，實現對棚內設備進行調控，使作物生長在最佳的環(huán)境中。本文依據領域專家知識即已研發(fā)創(chuàng)建了病害診斷、生產管理、產品質量溯源等智能服務平臺。平臺采用B/S三層體系結構，在Windows NT Server平臺下使用，SQL Server 2008為數據庫管理系統(tǒng)，采用Visual C#.NET編程語言，整個軟件分為病害診斷、生產智能管理、溯源等服務平臺。具體來說，平臺包括了表現層、業(yè)務層、數據訪問層和數據庫4個層次。其中，數據訪問用于所有業(yè)務層與數據庫之間的數據管理，是一個公共層，由數據訪問組件與數據庫連接組件構成，業(yè)務層根據不同的管理對象建立不同的業(yè)務組件，如用戶注冊管理組件、信息采集組件、實施控制組件等，還可根據實際需求的變化方便地增改組件，易于系統(tǒng)的維護和升級[6]。

1.2基于貝葉斯網的病害診斷服務平臺

作物病害的發(fā)生往往是各類病害以不同的病斑顏色、形狀、質地及發(fā)病部位等形式進行顯性呈現，如表1為涮辣常見病害：疫病、青枯病、猝倒病、病毒病、葉斑病、炭疽病等共10種病害的特征診斷表。這些特征可通過安裝在大棚內的攝像頭或視覺傳感器Invision5000通過在線采集獲得。

從表1可看出，這些病害特征具有復雜多變性，如何有效表示并處理這些不確定性的特征則是實現病害診斷的重點和關鍵。對于作物病害的診斷，國內外已有一些比較成功的模型和應用，但對不確定性知識的表示和處理卻主要還是基于規(guī)則的。貝葉斯網在處理不確定性復雜問題方面具有其獨特的優(yōu)勢長處，與基于規(guī)則的診斷方式相比，基于貝葉斯網的病害診斷以網絡拓撲結構表達定性知識，以網絡結點的概率分布表達不確定性知識，從而使不確定性知識的表示更顯直觀、明確，同時又拓寬了表示范圍，而且也提高了推理精度。

貝葉斯網是二元組BN=（D，P），其中，D=（V，E）是有向無環(huán)圖，V是結點集合，對應域中的變量， E是有向邊集合，表示變量間的直接依賴關系，P是概率集合，表示因果關系的強度。建立貝葉斯網有三種方法：一是應用領域專家知識手工建造；二是采用機器學習從數據庫中自動生成模型[7]，此方法在實際中常遇到數據收集難的問題，而當網絡結點較多時，搜索空間勢必龐大，切效率低下，除非能依據先驗知識排除大量不可能的網絡結構，否則將無實際用處[8]；三是采用手工建造和機器學習相結合，收集專家知識存在知識庫中，而后使用推理方法構造模型。本文即采用第三種方式來實施構建。對于貝葉斯網來說，其貝葉斯網的構建和推理分別對應于專家系統(tǒng)的知識庫和推理機。

1.2.1 貝葉斯網結構確定

采用Cheng Jie 的三階段算法[9]及應用貝葉斯網的局部語義和全局語義[10]構建貝葉斯網絡。步驟如下：

（1）草擬（Drafting）。計算每對結點間的互信息，若結點變量是連續(xù)型變量，需對其采用等距法或等頻法進行離散化處理，并以此生成結構草圖。

（2）加厚（Thickening）。添加邊，通過獨立性測試判斷，如果結點對條件不獨立，則在這一對結點間添加一條邊，此階段的學習結果會得到所有可能存在的邊。

（3）削減（Thinning）。根據獨立性測試解析刪減多余的邊，即檢查有邊連接的每個點對，若兩個結點是條件獨立的，則移走該邊。

（4）采用分離技術簡化貝葉斯網。若某結點有多個父結點，且結點的狀態(tài)大于等于3時，可根據問題的實際情況適當地分離父結點，以減少概率數目的計算[11]。

1.2.2 結點概率計算

1.2.2.1 采用最大似然估計法

算法的基本思想如下：

1.2.2.2 用噪音或技術簡化概率計算

對有父結點的結點來說，父結點每取一個值，都需計算相應的條件概率值，通常，一個信賴于k個父結點的結點，若用全部條件概率表示，需O（2k）個值；若滿足噪音或條件，可用O（k）個值表示即可。噪音或技術適用于所有變量都是二元（如只取True 或False）的情況，滿足噪音或邏輯可歸結為：

（1）孩子結點是僅當它的值為真的父結點受到抑制；

（2）孩子結點受抑制的概率是每個父結點受抑制的概率乘積；

（3）孩子結點為真的概率就是由1減去值為真的受抑制概率乘積。

如設結點X的父結點為H={H1，H2，…，Hn}，規(guī)定當Hi是H中唯一取真的條件下，X取真的概率為：

其中，qi看作是事件Hi阻礙X為真的阻礙因子。當H取值為H={ H1，H2，…Hn}，Hi∈{True，False}時，X為True 或False的概率分別為：

其中Th={i：Hi=True}，表示H中取真的集合。

依據問題特征，本文以涮辣常見的10種病害為例，創(chuàng)建病害診斷系統(tǒng)，其診斷系統(tǒng)是兩層結構，第一層表示病害癥狀B1，B2，…，Bn，第二層表示病害W1，W2，W3，…，W10。每個結點都有兩個狀態(tài)，對病害結點取值“發(fā)現”和“未發(fā)現”，對癥狀結點取值“有”和“無”兩種狀態(tài)。頂層結點之間滿足條件獨立性，詳細結構如圖1所示。

1.2. 3 cutset conditioning算法

構建出符合問題域的貝葉斯網后，調用推理算法計算后驗概率，就得出實際問題解。本文采用精確推理中的條件切集化（cutset conditioning）算法，該算法原則上可解決任意貝葉斯網的推理問題，可計算一組證據下單個結點的后驗概率。cutset conditioning算法的偽代碼如下：

Procedure cutest condition

輸入：Z={Z1，Z2，…，Zn}//貝葉斯網的頂點集

（Zi| parents zi）//結點的概率表

X={x1， x2，…，xk}//查詢變量

e = {e1， e2，…，em}//證據變量

Y= {Y1， Y2，…，Yn}//隱藏變量Y=Z-e

輸出：P（ x |e）=BEL（x）//計算λ（x） //

則λyj（x）=（1，1，...，1），否則λyj（x）=（0，0，...，0，1，0，...，0）//計算π（x） //

For u=1 to m

{For i =1 to n

F=F*πx（Ui） （若Ui無父結點，則πx（Ui）=P（Ui））；

M=P（x|U）*F；

D=D+M；}}

Return BEL（x）=a*λ（x）*D；

圖2是給定某證據條件下經推理得到的每種病害的后驗概率。

1.3生產智能管理平臺

作物生產智能管理平臺由視頻監(jiān)控、作物生長環(huán)境監(jiān)測、數據存儲分析及遠程控制系統(tǒng)組成。其中，視頻監(jiān)控系統(tǒng)用于定點、定時的觀測作物生長情況，該系統(tǒng)包括遠程Web在線查看、視頻數據存儲、回放等功能。作物生長環(huán)境監(jiān)測是實現智能管理的基礎核心部分，用于定量、定時、定區(qū)域地監(jiān)測影響作物生長的環(huán)境關鍵因素[12]?？刂葡到y(tǒng)主要由控制設備和相應的繼電器控制電路組成，軟件為作物生產自動化控制預留了端口，用戶可利用智能終端設備（程序自動完成）遠程控制棚內可控設施，以實現作物生產環(huán)境的智能化控制?；谝陨瞎δ芤?，本文以物聯網傳輸技術為核心，設計了物聯網智能農業(yè)大棚作物生產智能控制系統(tǒng)，其結構可見圖3物聯網大棚作物生產智能管理系統(tǒng)。通過該系統(tǒng)，可定時采集棚內的環(huán)境參數，如光照強度、CO2濃度、溫濕度、土壤元素含量、作物長勢等信息，采集的信息通過無線方式上傳至以專家系統(tǒng)為主的上位機數據處理系統(tǒng)中，進行存儲、分析，使生產管理者可通過智能終端查看監(jiān)控區(qū)域的詳細信息、分析結果、決策建議等。同時，應用遠程控制功能，并結合專家系統(tǒng)與實際生產需求，執(zhí)行上位機或用戶智能終端設備發(fā)來的命令，開啟或關閉可調控設施（噴淋、抽風機、加熱器等），以創(chuàng)造適宜作物生長的最佳環(huán)境。

不同作物在不同時期，所需的環(huán)境因素也不相同，如涮涮辣生長過程中，播種后4天內，溫度要控制在30℃左右，當種子破土后，白天溫度要控制在15-20℃，晚上控制在12-16℃；當第一片針葉露尖后白天控制在20-25℃，晚上控制在適15-20℃；當分苗后前三天，要保持好空氣濕度和溫度，白天要控制在25-30℃，晚上在15-20℃左右等。軟件系統(tǒng)中大棚自動控制部分可根據需求提前設定控制程序，如提前設定適宜值范圍，當所測溫度一旦超出范圍，根據提前設定的程序，系統(tǒng)將自動幵啟或關閉抽風機系統(tǒng)。同樣光照、濕度、CO2濃度、肥水等自動控制策略也可提前在專家系統(tǒng)中實現預期設定。

1.4棚內傳感節(jié)點布置

在基于物聯網的農業(yè)生產智能中，無線傳感器節(jié)點是采集最末端單元，為保證作物生長在最適宜的環(huán)境中，對傳感器節(jié)點的設計提出了較高的要求，既要求傳感器節(jié)點能夠精確檢測各種環(huán)境參數，又要求合理設計及部署傳感器節(jié)點，有效覆蓋整個環(huán)境，最大化整個系統(tǒng)的效率。傳感器節(jié)點通常是一個嵌入式系統(tǒng)，各傳感器節(jié)點集成有傳感器及執(zhí)行器模塊、計算與存儲模塊、通信模塊和電源模塊[13-14]。

本系統(tǒng)在涮涮辣大棚中進行實驗，傳感器節(jié)點的處理器單元和無線傳輸單元采用CHIPCON公司的CC2430芯片，這是一款基于ZigBee協議，集成89C51內核處理器的芯片和ZigBee無線收發(fā)模塊，內置RF2420射頻芯片，并增加CC2591增益放大芯片，是一種比較成熟的無線傳感芯片。設計形成的傳感器節(jié)點結構圖如圖4所示。單點之間傳輸有效距離可達700米，系統(tǒng)監(jiān)測并存儲大棚內各個環(huán)境數據，所有監(jiān)測節(jié)點均采用無線傳輸。大棚內空氣溫濕度、CO2濃度、光照強度按每隔10米布置一個監(jiān)測節(jié)點，每個監(jiān)測點分上中下三個層次，距地面高度分別為50厘米 、100厘米、160厘米；土壤溫濕度傳感器每個大棚部署3個監(jiān)測點，每個監(jiān)測點分為土層5厘米、10厘米、15厘米三個層次，另布置pH值和氨氮傳感器，共部署3個監(jiān)測點，每個監(jiān)測點分土層5厘米、30厘米兩個層次。施工采用支架插入土壤方式，種植時可方便布置，空閑季節(jié)，可方便收回至倉庫保管，若需增加監(jiān)測節(jié)點，只需在后臺系統(tǒng)中設置即可，而無需在采集節(jié)點修改硬件。采集節(jié)點供電采用鋰電池供電和太陽能板供電兩種形式，根據無線節(jié)點的采集頻率和傳感器耗電量而定，當采集頻率間隔大于等于5min/次，無線節(jié)點的低功耗模式啟動，節(jié)點可持續(xù)工作6個月。

2 結束語

基于物聯網技術的作物生產智能管理系統(tǒng)還處于試驗階段，由于能依托智能專家系統(tǒng)實現：及時診斷病害，根據預先設定的參數閾值自動控制棚內設施，對肥水、溫濕度等影響作物生長的環(huán)境因素進行精準調控，使作物生長在最佳的環(huán)境中，既節(jié)約資源、人力，又提高了產品質量。目前，物聯網作物生產智能管理系統(tǒng)主要應用在示范基地，其涉及技術門類較多，融合了3G、寬帶、物聯網、傳感器等技術，成本也頗顯客觀，同時更存在一些安全威脅[15]，這也是項目全面推廣的風險因素。隨著物聯網技術的廣泛應用，成本必會大幅降低，其應用將拓展到作物生產的各個環(huán)節(jié)。

參考文獻

[1]International Telecommunication Union. ITU Internet Reports 2005： The Internet of Things[R] Geneva： ITU， 2005.

[2]寧煥生.RFID 重大工程與國家物聯網[M].北京：機械人民出版社，2010：48-52.

[3]方露.淺析物聯網技術在科技館中的應用[J].科技通報，2012，28（3）：165-168.

[4]朱景鋒.物聯網環(huán)境下電子政務信息系統(tǒng)入侵檢測技術分析與對策研究 [J]. 科技通報，2012，28（4）：130-132.

[5]張國軍，賴小龍，楊睿茜，等.物聯網技術在精準農業(yè)環(huán)境監(jiān)測系統(tǒng)中的應用研究[J].湖南農業(yè)科學，2011，（15）：173-176.

[6]楊嵐，李書琴.基于Web Service的農產品交易系統(tǒng)的研究與設計[J].計算機工程與設計，2008， 29（8）： 2118-2120.

[7]CHENG J， GREINER R， KELLY J， et al. Learning Bayesian networks from data： An information-theory based approach [J]. Artificial Intelligence， 2002（137）： 43-90.

[8] Stuart R，Peter N.Artificial Intelligence—A modem approach[M]北京：清華大學版社（影印版），2006：493-496.

[9]COOPER G， HERSKOVITS E. A bayesian method for the induction of Probabilistic Networks from data [J]. Machine Learning （S0885-6125）， 1992， 122（9）： 309-347.

[10]陸汝鈐. 世紀之交的知識工程與知識科學[M]. 北京： 清華大學出版社， 2001： 420-437.

[11]濮永仙.貝葉斯網在農業(yè)專家系統(tǒng)中的研究與應用[J]安徽農業(yè)科學，2011（7）：：4209-4213.

[12]付兵.物聯網精準農業(yè)系統(tǒng)在瓜果種植中的應用[J].科技通報，2014，30（1）：106-109.

[13]董方敏，王紀華，任東.農業(yè)物聯網技術及應用[M].北京：中國農業(yè)出版社，2012.

[14]丁海峽，賈寶磊，倪遠平. 基于GPRS和ZigBee的精準農業(yè)模式研究[J].自動化儀表，2009，4（30）：17-23.

[15]楊光，耿貴寧，都婧，等.物聯網安全威脅與措施[J].清華大學學報（自然科學版），2011，51（10）：1335-1340.