基于物联网灌溉节水系统的设计与实现

许晓玲

(宁夏职业技术学院电子与信息技术系，宁夏 银川 750021)

近年来，国内多地区遭受干旱气候侵袭，持续的干旱，已对这些地区的农业生产生活造成极大危害。由于受地理环境和气候条件的制约，长期以来，国内农业用水资源匮乏且使用效率不高，耕地和淡水资源短缺压力不断加大［1］。为此，对农业技术的信息化现代化提出了更高要求。加快先进物联网技术与传统农业生产相结合，规模推广以智能滴灌控制技术为核心的高效农业灌溉，切实解决了干旱区域农田饮水难的问题。据统计，国内春季受旱面积已超过1000万亩，占总播种面积的10%以上，成为国家粮食生产安全的最大威胁［2］。国内的某些粮、棉等农产品主产区，由于地处欧亚大陆腹地的干旱、半干旱区域，传统灌溉水利用率仅为40%，单位产出耗水量是全国平均水平的6倍，面临水资源紧缺与消耗过大的双重挑战。因此对智能化的灌溉方式提出了更高的要求［3］。这也促使物联网技术成为了农业生产领域研究的热点。但传统的灌溉技术存在着较大的缺陷，尤其是一些地质条件较为复杂的区域不断扩大，地区耕地受旱、受虫害程度有着较大的差异，如果采用传统的灌溉方式，会造成灌溉成本增加、水资源浪费［4－5］。灌溉的准确度较低，无法达到精准灌溉。因此，如何能够适应时域范围大的土地环境，根据不同情况做到精准灌溉成为难题。

1 物联网与计算机视觉技术框架设计

系统针对农业大田种植分布广、监测点多、布线和供电困难等特点，利用物联网技术，采用高精度土壤温湿度传感器和智能气象站，远程在线采集土壤墒情、气象信息，实现旱情自动预报、灌溉用水量智能决策、远程/自动控制灌溉设备等功能。

该系统根据不同地域的土壤类型、灌溉水源、灌溉方式、种植作物等划分不同类型区，在不同类型区内选择代表性的地块，建设具有土壤含水量、地下水位和降雨量等信息自动采集、传输功能的监测点。通过灌溉预报软件结合信息实时监测系统，获得作物最佳灌溉时间、灌溉水量及需采取的节水措施为主要内容的灌溉预报结果，定期发布、科学指导农民实时实量灌溉，达到节水目的。

该系统包括:智能视觉旱情识别平台、无线传输平台及灌溉应用平台。

图1 物联网视觉监控平台

(1)智能感知平台包括:土壤水分与土壤温度视觉传感器、包括智能图像处理系统。

(2)传输网络包括:网络传输标准、PAN网络、LAN网络、WAN网络，这也是物联网络组成的基础。

图2 物联传感平台的工作原理

(3)运维管理平台包括:旱情预报、灌溉远程/自动控制和农田水利管理。

(4)在应用平台上，用户可通过手机、PDA、计算机等信息终端接收农田旱情信息、气象信息，并可远程控制灌溉设备。对政府管理部门而言，则可通过该平台，提升农情、农业气象、农田水利的综合性管理水平。

2 灌溉系统的硬件设计

采集系统模块:现代的图形采集技术发展迅速，各种基于ISA、PCI等总线的图形采集卡已进入市场，但价格较为昂贵，且处理功能简单。文中探讨的是采用STC89C516和K9 F2808UOC实现基于机器视觉的图像采集系统不仅能够满足一般用户的基本需求，更主要是从硬件设计及实现上一步探讨。

图3 图像采集设备硬件

传感网络的硬件设计:前端视觉采集系统采集到的信息，经过相关的处理后，需要将相关的控制命令，以信息的形式通过无线传感网络传递给控制终端，无线传感网络的硬件设计就显得尤为关键。文中的无线传感网络由WSN传感节点、控制节点、网络基站及监控终端等组成。传感器采集节点采用CS4ER4控制节点，是物联网的基础，其硬件如图4所示。

图4 传感器控制节点硬件设计

管控阀门控制硬件:阀门采用智能9500电磁阀，流量范围3.41～34.1 m3/h;最低工作压力为103 kPa;最高工作压力为1.38 MPa;输入电压为交流24 V;启动电流≤0.5 A;吸持电流为0.23 A;外形尺寸为171 mm×140 mm×203 mm(9515型);接口为6.66 cm内螺纹;使用内放水手动，操作简单，只需拧松电磁先导阀即可。

标准配置流量调节功能，需要时调节流量，反之则拆掉手柄，防止人为失误操作。硬件结构如图5所示。

图5 阀门硬件原理图

3 系统的软件设计

针对不同的土地干旱程度建立不同的灌溉管理机制尤为重要，也可根据不同土壤的受旱情况进行灌溉。也可得到实时的土地信息数据，对不同地区的干旱程度进行全局的预测和判断;这样第一手材料能够及时为相关部门提供有效的处理依据和参考方案。基于物联网的灌溉区域调度方法的中心任务是根据不同区域的受旱情况，分别调度灌溉系统，根据得到的数据，通过将前期采集到的土壤受旱等级以及处理方法传递给传感器节点，根据处理算法得到反馈信息对传感器网络终端的调度终端提供相关的信息，计算不同的灌水量，保证能源的节约。

为计算不同的灌水量。用正向指标处理过程如下，负向指标同理。

δ表示经验统计值，以此为依据，分别用δ的均值E(δ)表示“不干旱”情况，用δ的方差值D(ε)表示“重度干旱”情况，如下所示

图6 软件设计流程

参数δ和ζ可由上式得到，如下所示

综上，可以通过最小二乘法估计插值法判定当前交通状况的安全级别，如下所示

从湿度传感器节点、簇头节点和基站三方面描述土壤干旱情况下，喷头的工作情况，完成分区域，分等级灌溉。

4 实验结果及对比

为验证文中所提出系统设计的有效性，现采用对比测试的方法来完成实验，通过传统的广域灌溉方法和文中的方法进行不同区域的土壤灌溉。实验环境如图7所示。

图7 实验流程图

实验中物联网模型由土壤图像采集、图像处理、信息反馈等部分组成，选用不同区域不同旱情的图像作为对比的实验对象，因不同区域中，土壤的旱情不同，符合文中的实验情况，统计两种算法在这种情况下，灌溉准确度，灌溉准确度的趋势如图8所示。

图8 灌溉准确率对比

通过图8可看出，在不同区域的土壤环境下，土壤的区域越大，文中算法的灌溉准确率要高于传统灌溉方法，这是因为文中算法运用了基于物联网的分区域计算技术，对不同区域土壤图像中的不同旱情进行了分析，因此优势明显。具体统计结果如表1所示。

表1 两种算法用水量的对比

由上述统计数据可看出，文中提出的基于物联网与计算机视觉识别技术的多区域灌溉系统设计方法，用水量要大幅的低于传统方法，有效弥补了传统方法的不足。

5 结束语

提出一种基于物联网与计算机视觉识别技术的多区域灌溉系统设计方法，通过采集不同区域的土壤图像，对土地的旱情进行有效的识别，通过物联网技术，对不同区域进行有效的灌溉，克服传统灌溉方法中，不能对区域进行划分及耗水量大的缺陷。实验证明，基于计算机视觉与物联网相结合的方法能够大幅节约灌溉成本，精确度较高。

［1］TOMASI C，KANADE T.Shape and motion from image streams:a factorization method ［J］.International Journal of Computer Vision，1992，9(2):137 －154.

［2］BAYRAM S，SENCAR H T，MEMON N.An efficient and robust method for detecting copy－move forgery［C］.Taipei:Proceedings of 2009 IEEE International Conference on A-coustics，Speech and SignalProcessing，IEEE，2009:1053－1056.

［3］杨胜利.浅析物联网智能家居系统中图像预处理及特征提取［J］.科技传播，2011，14(9):1641 －1647.

［4］ILLINGWORTH J，KITTLER J.The adaptive Hough Transform ［J］.IEEE Trans.Pattern Anal，Mach Intell PAMI，1987，9(5):691 －698.

［5］周德新，樊智勇.环境泄漏监测与控制技术的研究［J］.计算机测量与控制，2005(13):237－240.