基于物聯網技術的智能溫室關鍵技術研究

鄒承俊　余攀

摘 要：物聯網技術為農業信息化建設注入了強勁的動力，基于物聯網技術的智能溫室作為設施農業中的主要應用近年來發展迅速，極大地提高了農業信息化水平。但一些關鍵技術還不成熟，整體達到了自動化，還沒有上升到智能化的水平。在分析當前智能溫室研究現狀的基礎上，對農業專家系統、數據融合、視頻圖像分析、模糊控制等在實際應用上還比較欠缺的關鍵技術進行了分析和探討，并提出了未來智能溫室技術的發展方向。

關鍵詞：物聯網；智能溫室；農業專家系統；數據融合；視頻圖像分析；模糊控制

中圖分類號：TP277 文獻標識碼：A 文章編號：2095-1302（2015）04-00-03

0 引 言

物聯網技術作為近年來最熱門的話題之一，被認為是繼計算機、互聯網之后的第三次信息技術革命。其在農業領域中有著廣泛地應用，無論是從農產品種植地培育準備階段、生長階段還是收獲階段，都可以用物聯網技術來提高效率、精細管理和降低生產管理成本[1-5]?？v觀當前物聯網技術在智能溫室中的應用，大多注重在信息監測、傳輸和一些簡單的自動化控制方面，實際上僅僅是實現了由機器設備代替人力勞動。在對大數據的融合、數據深度挖掘、生長模型建立、人工智能等方面的應用上還存在較大不足。本文在對智能溫室研究現狀進行分析的基礎上，提出了將農業專家系統、模糊控制、數據融合、視頻圖像分析等關鍵技術應用到現代智能溫室系統中的方法。

1 智能溫室研究現狀分析

當前基于物聯網技術的智能溫室系統研究較多的集中在對前端信息感知和數據通信網絡的研究，如無線傳感器網絡、ZigBee通信協議、物聯網網關接入等[6-11]。在環境調控方面，主要通過反饋控制的方式來實現。通常采用在建立相應控制規則的基礎上，對傳感器采集數據值和預設參數值比較，通過條件判斷的方式來下發對現場機電設備的控制指令。這種實現方式可根據溫室內現狀來自動調控環境因素，但控制方式簡單，無法在作物整個生長周期內提供穩定、可靠的調控。往往在面臨較為復雜的實際情況時，出現控制工作的不穩定甚至錯誤?？傮w上看，缺乏一個系統科學的決策機制，無法完全體現出人工智能的特點。

在數據處理和發掘方面，當前更多的是完成對傳感器數據和視頻信息地存儲，提供實時、歷史數據地查詢和數據報表地呈現。對數據的融合、分析和挖掘方面是非常缺乏的，無法對數據進行深層次的利用，從而去指導生產和管理，造成數據的浪費。

綜上，合理的將農業專家系統、數據融合、視頻圖像、模糊控制分析等技術應用到智能溫室中，將極大地提高系統智能化水平，真正讓農業用戶體驗到基于物聯網技術的智能溫室帶來的效益。

2 關鍵技術研究

2.1 農業專家系統

農業專家系統是整個智能溫室系統的核心和大腦，一般由知識獲取工具、知識庫、數據庫、模型庫、推理機、人機界面等組成。專家系統地開發需要大量農業專家知識的積累、對知識的恰當表示和描述、作物生長模型的建立、推理機的實現等過程[12，13]。由于開發過程長、難度大，往往最為關鍵的農業專家系統在智能溫室建設中容易被忽視。

下面以智能溫室中種植的番茄為例，提出一種番茄專家系統的構建方法。

通過采用Java Web、Tomcat以及MySQL 進行Web應用程序開發，實現支持用戶通過網絡瀏覽器的應用方式。系統功能主要分為番茄模型預測子系統、番茄病蟲害診斷子系統以及智能決策子系統三部分。采用三層架構的B/S模式實現。第一層為視圖層，由JSP頁面完成用戶的交互，包括番茄栽培的預測、診斷、管理的相關狀態輸入，對策、結果輸出等。第二層為邏輯應用層，即控制層，包括Web服務器和應用服務器，專家系統的推理、解釋等功能在該層實現。第三層是數據庫服務器，即模型，在農作物專家系統推理機中要使用到的知識以數據庫的形式存放于數據層，并在數據層完成對數據的完整性和安全性的檢驗工作。數據庫使用MySQL，數據庫中包含作物基本信息表、環境因素表、病蟲害信息表、知識表等。

2.2 數據融合

在智能溫室中，數據是核心。系統對溫室內環境是否適應作物生長的判斷主要依賴大量傳感器數據的上報。單個傳感器獲取的數據是單一和片面的，信息的參考價值有限。對各個單一傳感器的數據獨立處理，其結論必定是片面的和不準確的。在某個傳感器故障且用戶又不知曉的情況下，可能會導致錯誤的結論。因此采用多個不同種類、不同數量的傳感器進行溫室內環境數據的監測，以生成滿足實際需求的合成信息，提高決策的可靠性和準確性，使系統性能得到極大提高，這其中的關鍵是多傳感器數據融合技術。

此外多傳感器數據融合也是傳感器節點實現節能的一種有效技術途徑，數據融合技術通過降低網絡的數據傳輸量，能夠達到節約能量的目的。它在數據從節點向基站傳輸的過程中，由中間節點收集多個節點的數據，并對這些數據進行融合處理，去除冗余數據之后再轉發出去。這在智能溫室的實際應用中具有重要的意義。

數據融合就是利用計算機對各種信息源進行處理、控制和決策的一體化過程。多傳感器數據融合技術的基本原理就像人腦綜合處理來自視覺、聽覺、味覺、觸覺等感官信息一樣，通過對多種傳感器數據進行聯合處理、分析和綜合，把多傳感器在空間或時間上冗余或互補信息依據某種準則來進行組合，以獲得被測對象的一致性解釋或描述。

多數據傳感器數據融合的常用方法基本上可概括為隨機和人工智能兩大類，隨機類方法有加權平均法、卡爾曼濾波法、多貝葉斯估計法、Dempster-Shafer（ D-S）證據推理、產生式規則等；而人工智能類則有模糊邏輯理論、神經網絡、粗糙集理論、專家系統等。常用多數據傳感器數據融合方法及其特點見表1所示，應視具體場合采用不同的方法。且在實際應用中，常采用兩種或以上的方法來實現多數據傳感器數據的融合。

2.3 視頻圖像分析

相對傳感器數據而言，圖像和視頻（圖像序列）提供的農作物生長狀態信息更加豐富和直觀。目前大多數智能溫室都安裝了圖像采集設備（攝像機），但對其所獲取數據地利用能力卻有待提高。通常的應用方式是采用農業專家在線視頻診斷和對歷史圖片地查看來判斷作物生長態勢和病蟲害的相關情況，遠遠沒有達到智能的目標。

通過引入數字圖像處理、模式識別、數據挖掘等前沿技術，可以提取出其中蘊含的人類不易發現的有用信息（如作物的總體生長態勢、個體作物的特殊病變、作物生長隨時間演變的周期規律等），從而幫助我們及早發現問題，作出有針對性的決策，或者輔助構建客觀、準確的作物生長模型，用于專家系統的知識庫等。

通過攝像機對作物生長態勢進行評估并預警的原理是，首先對攝像機采集的圖像進行預處理（包括圖像去噪、復原及增強等），然后通過圖像分析技術提取出能夠反映作物生長態勢的特征量（如作物各部位的顏色、大小、根莖的粗細、紋理的分布等），進一步對由各特征量組成的特征矢量X=（X1，X2，…，Xn）進行決策處理，最后得出作物生長良好或是較差的評判，并在作物生長較差的結論下作出預警處理。

特征矢量X不是一個確定的量，因為攝像機采集到的某一株具體作物、采集的時間、采集時的工作狀態都是隨機的，因此應該把X視作隨機分布在特征空間中的一個元素，即X是一個隨機矢量。對獲取的隨機矢量X，我們運用之前獲得的先驗知識，采取一定的決策規則（如最小誤判概率準則、最小損失準則等），就可以得出作物長勢良好還是較差的結論。當然，由于針對的是隨機量，運用的是統計技術，因此結論會有一定的誤判（結論本身也應視作隨機的），這種誤判的大?。ɑ蛘叻催^來說，可靠性的大?。┛梢酝ㄟ^熵理論來量化地分析。

2.4 模糊控制

農業生產是一個非常復雜的過程，在這個生產過程中，各種各樣影響作物生長的因素并存，并且它們之間也存在各種各樣的關系，它們對作物的影響或大或小，不能明確區分，而作物本身地生長長勢也常常不能簡單地判斷為好或壞。因此，在基于物聯網的智能溫室智能決策中，無論是模型地建立，還是推理，如果采用傳統的技術，進行明確的劃分和硬性的規定，實際上是不能很好地描述客觀對象的。通過引入模糊處理方式，并滲透到上述的各個技術領域中，如專家系統的實現、數據的融合以及圖像和視頻的處理等，將進一步提高它們的性能。這里引入的模糊技術，并不是要把各個概念和結論模糊化，而是通過更逼真地描述客觀對象，得出更為準確的確定性決策和結論。

3 未來發展方向

近年來，基于物聯網技術的智能溫室方興未艾。在實際建設和應用過程中，各地智能溫室如雨后春筍遍地開花，但還缺乏科學的統籌規劃。各個智能溫室地建設往往各自為戰、信息孤立，單一服務器難以支撐智能溫室海量數據存儲、處理、挖掘的需求。且當前智能溫室數據中心、機房、軟件的開發存在重復建設的浪費。隨著云計算技術的落地生根、觸手可及，未來智能溫室可能會朝著前端溫室差異化建設、后端云計算中心統一管理的方向發展?；谖锫摼W和云計算技術的智能溫室云服務平臺應該會成為未來的趨勢。

4 結 語

隨著物聯網技術的不斷發展，物聯網在農業方面的應用日趨廣泛和成熟。尤其在智能溫室應用上，物聯網技術有著獨到的優勢。從農情信息的感知、傳輸到數據分析和挖掘、智能決策和控制，能夠極大地減少人力、物力地投入，降低成本，確保農產品的增產增收。

同時，物聯網在智能溫室的應用上還存在一些技術上亟待改善的地方，如在多傳感器數據融合、傳感器節點的節能管理、農業專家系統開發、視頻圖像分析、模糊控制等多個方面。我們只有不斷加強上述關鍵技術的研究和優化，并將它們應用到實際建設中，才能真正的為實現溫室的智能化，實現農業信息化和現代化提供強勁的支持。

參考文獻

[1] 趙湘寧. 農業物聯網中關鍵技術研究進展[J]. 臺灣農業探索，2011 （6）：103-107.

[2] 李錫文，楊明金，楊仁全. 現代溫室環境智能控制的發展現狀及展望[J]. 農機化研究， 2008（4）：9-12.

[3] 馬享優，信麗媛，王曉蓉，等.國內農業領域物聯網研究與應用現狀分析[J]. 天津農業科學， 2012，18（6）：69-72.

[4] 張丹，王建華，吳玉華.物聯網技術在農業溫室大棚中的應用研究[J]. 安徽農業科學， 2013，41（7）：3218-3219.

[5] 管繼剛. 物聯網技術在智能農業中的應用[J]. 通信管理與技術， 2010（3）：24-47.

[6] 尹會明，秦曉東. 溫室環境無線傳感網絡監控系統設計研究[J]. 科技通報，2012，28（6）：217-219.

[7] 曹新，董瑋，譚一酉. 基于無線傳感網絡的智能溫室大棚監控系統[J]. 電子技術應用， 2012，38（2）：84-87.

[8] 韋興龍，賀歡. 基于Zigbee網絡的智能溫室大棚溫濕度檢測系統[J].技術與市場， 2012，19（5）：16-17.

[9] 李建飛，靖文. 基于Zigbee和LabVIEW的智能農業大棚溫濕度監測系統設計[J]. 現代農業科技， 2013（5）：205，209.

[10] 劉宏偉，戎世華.物聯網中的網關接入系統設計[J]. 電信快報， 2012（11）：44-47.

[11] 俞正明，張曉珊.面向行業應用的物聯網終端接入技術研究[J].移動通信，2012，36（11）：32-34.

[12] 楊娜，錢金良，李勃，等. 農業專家系統應用研究[J]. 農業網絡信息，2010（8）：9-12.

[13] 孫妮娜，秦向陽，楊寶祝，等. 農業專家系統開發平臺的研究現狀及發展趨勢[J]. 中國農學通報，2006，22（6）：436-440.