基于物联网的大棚作物生产智能管理系统研究

摘要：引入物联网技术在作物生产中进行智能化管理是推进现代农业的有效途径。物联网大棚作物生产智能管理系统，依托智能专家系统原理，設计开发了基于贝叶斯网的病害诊断、生产智能管理等服务平台，同时合理布置传感器，应用了3G、ZigBee等物联网技术。该物联网作物生产智能管理系统应用于涮涮辣示范生产，起到了智能控制棚内肥水、农药、温湿度等环境因素，诊断病害等功效，大范围应用会产生更好的经济效益。

关键字：物联网；智能管理；专家系统；大棚作物生产

中图分类号：TP391 文献标识码：A 文章编号：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“中央一号文件”指出：中国农业必须尽快从主要追求产量和依赖资源消耗的粗放型经营方式转到数量、质量、效益并重，可持续发展的集约型生产方式上来，走产出高效、产品安全、资源节约、环境友好的现代农业发展道路。在作物生长过程中，产品的质和量与温湿度、光照强度、CO2浓度、肥水、养分等环境因素息息相关。目前，对这些环境参数的获取，主要通过经验、主观感知、人工测量等方式获得，进而对这些环境因素进行调控。这样不仅耗费大量人力，还存在准确性不高，致使生产控制智能化程度不高，无法实现精准控制的技术弊端，并且还普遍呈现为一种粗放的生产管理方式。物联网作为现代信息技术发展的产物，具有全面感知、可靠传送、智能处理等特征，将其用于农业智能生产中，为实现田间信息采集、远程监测及控制提供可靠、完善保障。物联网是通过射频识别、传感器、全球定位系统、激光扫描器等设备，按约定协议，把物品与互联网连接起来，进行信息交换，采用智能计算技术对信息展开分析处理，以实现智能识别、定位、跟踪、决策和监控的一种新式实效研究网络[1-2]。物联网已在不少领域具有深入拓展应用[3-5]。将物联网技术用于农业生产智能管理，通过在田间大棚内合理部署各种传感器和网络传输设备，对影响作物生长的环境参数进行采集，依托智能专家系统对采集的环境参数、作物长势等进行分析，得出决策，用户也可通过终端设备实时监测作物长势及决策信息，根据设定的参数阈值自动开启或关闭棚内可调控设备（如遮阳帘、浇灌、风机、加热器等），以实现智能化管理。这样可最大限度提高农业生产力，是实现优质、高产、低耗、环保等可持续发展农业的有效途径。

基于物联网的大棚作物生产智能管理系统包括软、硬件两部分，软件开发重点涵盖三个服务平台，依托智能专家系统，分别延展为基于贝叶斯网的病害诊断平台和生产智能管理平台。通过合理布置无线传感器，融合无线网络，以及物联网技术与软件平台的具体应用，在作物生产中对肥水、温湿度等进行精细化、智能化控制等，实现高效、便捷、实时的智能化作物生产管理。

1 物联网农业智能管理系统构建

1.1智能专家系统构建

智能专家系统是人工智能的一个重要分支，是用人工智能的方法来模拟专家的特性，以便使电脑能象专家一样来解决问题。智能专家系统=知识库+推理机，任务是将人类专家的知识和经验以适当的形式存入知识库，用户提供数据给专家系统，利用适当的推理算法，相应地推理演绎而得专家系统的判断和决策。其中，知识库是专家系统的核心部分，是问题求解的知识集合，推理机是专家系统运用知识对数据进行推理的逻辑核心，控制着知识库中的知识，并对综合数据库中的数据开展仿生智能推理，以得出新的结论。

在作物生长过程中，不同作物对环境因素的需求各不相同。依据智能专家系统原理，将作物专家具有的作物生产经验知识用于定制创建智能专家系统，而利用物联网技术对影响作物生长的环境因素进行采集、通过推理机推理，得出决策，实现对棚内设备进行调控，使作物生长在最佳的环境中。本文依据领域专家知识即已研发创建了病害诊断、生产管理、产品质量溯源等智能服务平台。平台采用B/S三层体系结构，在Windows NT Server平台下使用，SQL Server 2008为数据库管理系统，采用Visual C#.NET编程语言，整个软件分为病害诊断、生产智能管理、溯源等服务平台。具体来说，平台包括了表现层、业务层、数据访问层和数据库4个层次。其中，数据访问用于所有业务层与数据库之间的数据管理，是一个公共层，由数据访问组件与数据库连接组件构成，业务层根据不同的管理对象建立不同的业务组件，如用户注册管理组件、信息采集组件、实施控制组件等，还可根据实际需求的变化方便地增改组件，易于系统的维护和升级[6]。

1.2基于贝叶斯网的病害诊断服务平台

作物病害的发生往往是各类病害以不同的病斑颜色、形状、质地及发病部位等形式进行显性呈现，如表1为涮辣常见病害：疫病、青枯病、猝倒病、病毒病、叶斑病、炭疽病等共10种病害的特征诊断表。这些特征可通过安装在大棚内的摄像头或视觉传感器Invision5000通过在线采集获得。

从表1可看出，这些病害特征具有复杂多变性，如何有效表示并处理这些不确定性的特征则是实现病害诊断的重点和关键。对于作物病害的诊断，国内外已有一些比较成功的模型和应用，但对不确定性知识的表示和处理却主要还是基于规则的。贝叶斯网在处理不确定性复杂问题方面具有其独特的优势长处，与基于规则的诊断方式相比，基于贝叶斯网的病害诊断以网络拓扑结构表达定性知识，以网络结点的概率分布表达不确定性知识，从而使不确定性知识的表示更显直观、明确，同时又拓宽了表示范围，而且也提高了推理精度。

贝叶斯网是二元组BN=（D，P），其中，D=（V，E）是有向无环图，V是结点集合，对应域中的变量， E是有向边集合，表示变量间的直接依赖关系，P是概率集合，表示因果关系的强度。建立贝叶斯网有三种方法：一是应用领域专家知识手工建造；二是采用机器学习从数据库中自动生成模型[7]，此方法在实际中常遇到数据收集难的问题，而当网络结点较多时，搜索空间势必庞大，切效率低下，除非能依据先验知识排除大量不可能的网络结构，否则将无实际用处[8]；三是采用手工建造和机器学习相结合，收集专家知识存在知识库中，而后使用推理方法构造模型。本文即采用第三种方式来实施构建。对于贝叶斯网来说，其贝叶斯网的构建和推理分别对应于专家系统的知识库和推理机。

1.2.1 贝叶斯网结构确定

采用Cheng Jie 的三阶段算法[9]及应用贝叶斯网的局部语义和全局语义[10]构建贝叶斯网络。步骤如下：

（1）草拟（Drafting）。计算每对结点间的互信息，若结点变量是连续型变量，需对其采用等距法或等频法进行离散化处理，并以此生成结构草图。

（2）加厚（Thickening）。添加边，通过独立性测试判断，如果结点对条件不独立，则在这一对结点间添加一条边，此阶段的学习结果会得到所有可能存在的边。

（3）削减（Thinning）。根据独立性测试解析删减多余的边，即检查有边连接的每个点对，若两个结点是条件独立的，则移走该边。

（4）采用分离技术简化贝叶斯网。若某结点有多个父结点，且结点的状态大于等于3时，可根据问题的实际情况适当地分离父结点，以减少概率数目的计算[11]。

1.2.2 结点概率计算

1.2.2.1 采用最大似然估计法

算法的基本思想如下：

1.2.2.2 用噪音或技术简化概率计算

对有父结点的结点来说，父结点每取一个值，都需计算相应的条件概率值，通常，一个信赖于k个父结点的结点，若用全部条件概率表示，需O（2k）个值；若满足噪音或条件，可用O（k）个值表示即可。噪音或技术适用于所有变量都是二元（如只取True 或False）的情况，满足噪音或逻辑可归结为：

（1）孩子结点是仅当它的值为真的父结点受到抑制；

（2）孩子结点受抑制的概率是每个父结点受抑制的概率乘积；

（3）孩子结点为真的概率就是由1减去值为真的受抑制概率乘积。

如设结点X的父结点为H={H1，H2，…，Hn}，规定当Hi是H中唯一取真的条件下，X取真的概率为：

其中，qi看作是事件Hi阻碍X为真的阻碍因子。当H取值为H={ H1，H2，…Hn}，Hi∈{True，False}时，X为True 或False的概率分别为：

其中Th={i：Hi=True}，表示H中取真的集合。

依据问题特征，本文以涮辣常见的10种病害为例，创建病害诊断系统，其诊断系统是两层结构，第一层表示病害症状B1，B2，…，Bn，第二层表示病害W1，W2，W3，…，W10。每个结点都有两个状态，对病害结点取值“发现”和“未发现”，对症状结点取值“有”和“无”两种状态。顶层结点之间满足条件独立性，详细结构如图1所示。

1.2. 3 cutset conditioning算法

构建出符合问题域的贝叶斯网后，调用推理算法计算后验概率，就得出实际问题解。本文采用精确推理中的条件切集化（cutset conditioning）算法，该算法原则上可解决任意贝叶斯网的推理问题，可计算一组证据下单个结点的后验概率。cutset conditioning算法的伪代码如下：

Procedure cutest condition

输入：Z={Z1，Z2，…，Zn}//贝叶斯网的顶点集

（Zi| parents zi）//结点的概率表

X={x1， x2，…，xk}//查詢变量

e = {e1， e2，…，em}//证据变量

Y= {Y1， Y2，…，Yn}//隐藏变量Y=Z-e

输出：P（ x |e）=BEL（x）//计算λ（x） //

则λyj（x）=（1，1，...，1），否则λyj（x）=（0，0，...，0，1，0，...，0）//计算π（x） //

For u=1 to m

{For i =1 to n

F=F*πx（Ui） （若Ui无父结点，则πx（Ui）=P（Ui））；

M=P（x|U）*F；

D=D+M；}}

Return BEL（x）=a*λ（x）*D；

图2是给定某证据条件下经推理得到的每种病害的后验概率。

1.3生产智能管理平台

作物生产智能管理平台由视频监控、作物生长环境监测、数据存储分析及远程控制系统组成。其中，视频监控系统用于定点、定时的观测作物生长情况，该系统包括远程Web在线查看、视频数据存储、回放等功能。作物生长环境监测是实现智能管理的基础核心部分，用于定量、定时、定区域地监测影响作物生长的环境关键因素[12]。控制系统主要由控制设备和相应的继电器控制电路组成，软件为作物生产自动化控制预留了端口，用户可利用智能终端设备（程序自动完成）远程控制棚内可控设施，以实现作物生产环境的智能化控制。基于以上功能要求，本文以物联网传输技术为核心，设计了物联网智能农业大棚作物生产智能控制系统，其结构可见图3物联网大棚作物生产智能管理系统。通过该系统，可定时采集棚内的环境参数，如光照强度、CO2浓度、温湿度、土壤元素含量、作物长势等信息，采集的信息通过无线方式上传至以专家系统为主的上位机数据处理系统中，进行存储、分析，使生产管理者可通过智能终端查看监控区域的详细信息、分析结果、决策建议等。同时，应用远程控制功能，并结合专家系统与实际生产需求，执行上位机或用户智能终端设备发来的命令，开启或关闭可调控设施（喷淋、抽风机、加热器等），以创造适宜作物生长的最佳环境。

不同作物在不同时期，所需的环境因素也不相同，如涮涮辣生长过程中，播种后4天内，温度要控制在30℃左右，当种子破土后，白天温度要控制在15-20℃，晚上控制在12-16℃；当第一片针叶露尖后白天控制在20-25℃，晚上控制在適15-20℃；当分苗后前三天，要保持好空气湿度和温度，白天要控制在25-30℃，晚上在15-20℃左右等。软件系统中大棚自动控制部分可根据需求提前设定控制程序，如提前设定适宜值范围，当所测温度一旦超出范围，根据提前设定的程序，系统将自动幵启或关闭抽风机系统。同样光照、湿度、CO2浓度、肥水等自动控制策略也可提前在专家系统中实现预期设定。

1.4棚内传感节点布置

在基于物联网的农业生产智能中，无线传感器节点是采集最末端单元，为保证作物生长在最适宜的环境中，对传感器节点的设计提出了较高的要求，既要求传感器节点能够精确检测各种环境参数，又要求合理设计及部署传感器节点，有效覆盖整个环境，最大化整个系统的效率。传感器节点通常是一个嵌入式系统，各传感器节点集成有传感器及执行器模块、计算与存储模块、通信模块和电源模块[13-14]。

本系统在涮涮辣大棚中进行实验，传感器节点的处理器单元和无线传输单元采用CHIPCON公司的CC2430芯片，这是一款基于ZigBee协议，集成89C51内核处理器的芯片和ZigBee无线收发模块，内置RF2420射频芯片，并增加CC2591增益放大芯片，是一种比较成熟的无线传感芯片。设计形成的传感器节点结构图如图4所示。单点之间传输有效距离可达700米，系统监测并存储大棚内各个环境数据，所有监测节点均采用无线传输。大棚内空气温湿度、CO2浓度、光照强度按每隔10米布置一个监测节点，每个监测点分上中下三个层次，距地面高度分别为50厘米 、100厘米、160厘米；土壤温湿度传感器每个大棚部署3个监测点，每个监测点分为土层5厘米、10厘米、15厘米三个层次，另布置pH值和氨氮传感器，共部署3个监测点，每个监测点分土层5厘米、30厘米两个层次。施工采用支架插入土壤方式，种植时可方便布置，空闲季节，可方便收回至仓库保管，若需增加监测节点，只需在后台系统中设置即可，而无需在采集节点修改硬件。采集节点供电采用锂电池供电和太阳能板供电两种形式，根据无线节点的采集频率和传感器耗电量而定，当采集频率间隔大于等于5min/次，无线节点的低功耗模式启动，节点可持续工作6个月。

2 结束语

基于物联网技术的作物生产智能管理系统还处于试验阶段，由于能依托智能专家系统实现：及时诊断病害，根据预先设定的参数阈值自动控制棚内设施，对肥水、温湿度等影响作物生长的环境因素进行精准调控，使作物生长在最佳的环境中，既节约资源、人力，又提高了产品质量。目前，物联网作物生产智能管理系统主要应用在示范基地，其涉及技术门类较多，融合了3G、宽带、物联网、传感器等技术，成本也颇显客观，同时更存在一些安全威胁[15]，这也是项目全面推广的风险因素。随着物联网技术的广泛应用，成本必会大幅降低，其应用将拓展到作物生产的各个环节。

参考文献

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

[2]宁焕生.RFID 重大工程与国家物联网[M].北京：机械人民出版社，2010：48-52.

[3]方露.浅析物联网技术在科技馆中的应用[J].科技通报，2012，28（3）：165-168.

[4]朱景锋.物联网环境下电子政务信息系统入侵检测技术分析与对策研究 [J]. 科技通报，2012，28（4）：130-132.

[5]张国军，赖小龙，杨睿茜，等.物联网技术在精准农业环境监测系统中的应用研究[J].湖南农业科学，2011，（15）：173-176.

[6]杨岚，李书琴.基于Web Service的农产品交易系统的研究与设计[J].计算机工程与设计，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：清华大学版社（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]陆汝钤. 世纪之交的知识工程与知识科学[M]. 北京： 清华大学出版社， 2001： 420-437.

[11]濮永仙.贝叶斯网在农业专家系统中的研究与应用[J]安徽农业科学，2011（7）：：4209-4213.

[12]付兵.物联网精准农业系统在瓜果种植中的应用[J].科技通报，2014，30（1）：106-109.

[13]董方敏，王纪华，任东.农业物联网技术及应用[M].北京：中国农业出版社，2012.

[14]丁海峡，贾宝磊，倪远平. 基于GPRS和ZigBee的精准农业模式研究[J].自动化仪表，2009，4（30）：17-23.

[15]杨光，耿贵宁，都婧，等.物联网安全威胁与措施[J].清华大学学报（自然科学版），2011，51（10）：1335-1340.