基于物联网技术的农业大棚环境监控系统设计＊

张开生，田开元，吕 明，吕 超

(1.陕西服装工程学院 教务处，陕西 西安712046;2.陕西科技大学 电信学院，陕西 西安710021)

0 引 言

近年来，温室大棚已经逐渐成为高效农业的一个重要组成部分，农业大棚已经在全国各地的现代农业设施项目中得到了广泛应用，但目前在农业温室大棚信息监控方面仍存在着诸多问题。传统温室监测与控制系统采用架设多种可采集环境信息的传感器，通过埋设的信号控制线，将采集到的环境参数传输至监测平台PC 机。这样会造成温室内线缆纵横交错，使用不便、安装维护困难、可靠性差、劳动生产率较低等问题，同时由于农业大棚的地处偏僻、分布广阔等特点，管理员需要分析返回的环境参数信息并做出决策，再亲临现场对农业大棚设备进行手动控制调节，这种控制方式对作物生长状况的改变难以及时做出反应，难以介入作物生长的内在规律，浪费人力资源且容易造成误操作。故此，互联网技术的发展与崛起，为农业的智能化、农业物联网的发展打好了技术基础。农业物联网［1-4］，即在大棚控制系统中，运用物联网系统的温度传感器、湿度传感器、PH 值传感器、光传感器、CO2传感器等设备，监测环境中的温度、相对湿度、PH 值、光照强度、土壤养分、CO2浓度等物理量参数，通过各种仪器仪表实时显示并且作为自动控制的参变量参与到数据服务器上对实时监测数据进行存储、智能分析与决策的智能控制调节中，保证农作物有一个良好的、适宜的生长环境［5-7］，采用ZigBee 技术实现传感器的组网及进行数据的采集和传输，代替了传统农业温室大棚采用有线设备来进行大棚环境数据的采集及传输，降低了系统成本及施工和维护难度，极大地提高了农业大棚系统内用户的工作效率。

本课题研究的基于物联网技术的农业大棚监控系统，将物联网与Internet 结合起来，采用物联网技术搭建系统主结构，各个模块保持独立的工作过程。系统通过构建无线传感网络来实现对大棚内环境参数的信息采集。系统实现监测数据的采集、传输及显示功能，同时根据监测到的参数值对控制设备进行智能自动控制。

1 系统硬件设计

系统总体结构由信息采集设备、用户监测终端、专家系统计算机、调控设备和连接在Internet上的远程计算机组成。ZigBee 无线传感器节点负责对大棚内环境参数温度、湿度、光照强度与二氧化碳浓度的数据采集;调控设备包括卷帘电机、浇灌设备、制冷设备和照明设备。控制对象是农业大棚，执行机构为调控设备，信息的传输通过Zig-Bee 无线传感网络来实现。园区内设置有中枢控制室，用户监测终端通过Internet 将数据传送至远程计算机进行环境信息的云记录与保存。主控PC上位机监测平台通过一台专家系统计算机与无线传感网络中的协调器即中央设备连接，经串口通讯实现中央设备与主控PC 机之间的信息传输。系统总体结构如图1 所示。

图1 系统总体结构图Fig.1 System architecture diagram

1.1 控制对象分析

当前农业温室大棚的特点就是监控区域很大，普通单个连栋温室都在几千平方米，而一个园区温室群的面积可能会在几百亩以上，因此需要大量的传感器节点构建传感网络，以一个跨度为6～12 m，长度30 ～60 m，肩高1 ～1.5 m，脊高1.8～2.5 m 的农业大棚作为控制对象;在每个温室中布设采集传感器与调控设备，布设示意图如1 所示。系统需要监测的环境参数包括农业大棚内的环境温度、光照强度、二氧化碳浓度以及土壤湿度与温度。

1)温度。大棚内的室温是直接影响作物的主要生长因素，每隔8 ～10 m 处架设一个DWS -S8温湿度传感器进行环境信息的采集，温度参数的调控通过卷帘电机和通风设备来完成。

2)湿度。湿度决定了大棚内作物生长的水分，湿度参数的调控执行设备是浇灌设备。

3)光照。光照时间与强度与大棚内作物的生长有着密切联系，本系统采用光照传感器HA2003来实时监测棚内的光照情况，系统中主要通过卷帘电机来调控白天的光照强度，适时增加或减弱光照是可以通过开启或关闭照明设备来实现。

4)二氧化碳浓度。农业大棚内的二氧化碳浓度一般要保持与大气的浓度值一致即可，采用CO2浓度传感器BMG -CO2-NDIR 进行监测，其参数的控制主要通过通风设备来调节。

5)土壤温湿度。土壤温湿度是影响作物能否正常生长的最基本因素，系统采用PH-TS 土壤湿度传感器、FC-TRW 土壤温度传感器来监测土壤温湿度参数，其参数的控制主要通过通风浇灌设备、卷帘电机来调节。

1.2 传感器节点硬件设计

传感器节点是整个农业大棚监测系统中的最底层，负责完成大棚内环境信息的采集并对采集到的信号转化为射频信号发送到ZigBee 无线传感网络中，经由路由器节点接收并转发传感器节点所采集到的环境数据，最终通过协调器与用户监测终端、远程计算机进行数据通信。传感器节点硬件框架设计如图3 所示，该节点由无线收发器CC2430、射频天线RF、电源模块和晶振电路组成。

CC2430 芯片是CHIPCON 公司提供的全世界首款支持ZigBee 协议的SoC 解决方案，仅需很少的外置元件，且所选用元件均为低成本型，可支持快速、廉价的ZigBee 节点的构建。CC2430 片上系统保持了CC2430 所包括的卓越射频性能，包括超低功耗、高灵敏度、出众的抗噪声级抗干扰能力。

CC2430 芯片延用了以往CC2420 芯片的架构，在单个芯片上整合了ZigBee 射频(RF)前端、内存和微控制器。它使用1 个8 位MCU(8051)，具有128 KB 可编程闪存和8 KB 的RAM，还包含模拟数字转换器(ADC)、几个定时器(Timer)、AES128 协同处理器、看门狗定时器(Watchdog timer)、32 kHz 晶振的休眠模式定时器、上电复位电路(Power On Reset)、掉电检测电路(Brown out detection)，以及21 个可编程I/O 引脚。CC2430 芯片采用0.18 μm CMOS 工艺生产;在接收和发射模式下，电流损耗分别低于27 mA 或25 mA。CC2430的休眠模式和转换到主动模式的超短时间的特性，特别适合那些要求电池寿命非常长的应用，CC2430 芯片的外围电路，如图4 所示。

1.3 网络拓扑结构的优化设计

1.3.1 网络拓扑结构的选择与设计

本设计采用星型拓扑结构，将所有的传感器节点连接在配备的中央设备上，再由这个中央设备传输给实时显示棚内环境信息的用户监测终端，即客户机手持终端。中央设备即园区农业大棚无线传感网络中的路由器节点与协调器节点，一个大棚对应一个路由器节点，每一个独立的农业大棚内所有传感器节点都连接至对应的路由器节点上，再将所有的路由器连接至整个园区无线传感网络中唯一的协调器上。中央设备中的路由器节点负责每个大棚环境信息的接收转发任务，而协调器负责整个无线网络的建立并与用户监测设备、远程计算机进行通信。星型拓扑结构有很好的容错性，星型网络中的任何一个节点出现故障，不会导致整个网络不能工作，这样就增强了网络的鲁棒性。但是同时也出现了一个问题，一旦中央设备(协调器/信号收集)出现故障则会使整个感知互动层的网络不能工作。传感器网络拓扑结构如图5 所示。

1.3.2 网络拓扑结构的优化

基于原结构所涉及的中央设备一旦故障会导致整个网络失效的问题，本设计通过在网络中添加备用中央设备，即增加园区无线传感网络中的路由节点，棚内的传感器节点可以连接至周围多个路由节点，数据信息在传输路径上有更多的选择，以此来增加中央设备的可靠性，如果其中一个中央设备出现问题，另一个仍可以独立完成收集传感器各个节点信息的任务。优化后的网络结构如图6 所示。

2 系统软件设计

整个系统的应用程序结构从总体上分为3 大部分:传感节点程序、中央设备节点程序和客户端PC 机程序。传感节点程序包括节点的描述、节点的绑定和数据发送;收集节点的程序包括节点的描述、节点的绑定、收据接收和串口通信;客户端PC 接程序是一个可视化的人机交互界面程序。

2.1 系统工作流程

系统工作流程:首先启动采集设备，设置按键使按键按下后设备作为协调器工作，再次按下按键设备将处于允许绑定状态;然后开启传感设备，设置按键使按键按下后设备作为终端节点工作，此时终端设备将处于请求绑定状态，系统工作流程如图7 所示。

2.2 传感器节点程序流程设计

设备初始化后，传感器节点会依据ZigBee 协议搜寻网络，并请求加入节点。请求得到确定后，传感器节点会将自身的地址发送给协调器，并自动与协调器建立绑定。在接受到数据传送请求之后，传感器节点就会将温度值按时传给协调器。

由于节点在休眠、唤醒、工作等不同的工作模式下的功耗差别非常大，传感器节点的工作设定一定周期，工作周期内总是执行唤醒，工作周期外回复休眠。这样可以大大减少传感器各个节点的耗电量。传感器节点程序流程图如图8 所示。

2.3 中央设备(协调器/信号收集)程序设计

在设备初始化完毕后，中央设备(协调器)新建无线网络。如果新建网络成功，允许协调器设定为绑定。此时，协调器检测是否有节点要求加入网络，如果接收到节点的加入请求，协调器会记录下节点的地址，并建立绑定，同时向节点发出传送数据请求，得到节点的确认后，协调器开始接收数据，最后通过串口发送给上位机。中央设备(协调器/信号收集)程序流程图如图9 所示。

3 Bayes 滤波算法

在传感器节点采集数据时，由于电路本身的噪声以及外界环境的不确定性，系统采集到的数据往往都是有偏差的，这里利用Bayes 滤波对数据进行一个修正和优化，主要对相同传感器信息进行数据融合［8-10］，将会大大提高数据的可靠性。Bayes 滤波是一种基于概率估计的算法，可应用于非线性系统。

考虑具有加性噪声的非线性系统

其中 k∈N 是时间指标;xk∈Rn是k 时刻的系统状态向量，fk:Rn→Rn是系统状态演化映射，而wk是n 维离散时间过程噪声，zk∈Rm是k 时刻对系统状态的量测向量，而hk:Rn→Rm是量测映射，vk是m 维量测噪声。假定［11-12］

1)初始状态概率密度函数已知，则有

p(x0)，

2)过程噪声wk和量测噪声vk都是独立过程，而且两者相互独立与初始状态也相互独立已知他们的概率密度有

ρ(wk)，v(vk)，k∈N，

3)所有概率密度函数都可以计算得到

而Bayes 滤波就是在每个时刻k 利用所获得实时信息Zk得状态xk的后验概率密度函数

p(xk|Zk)，k∈N，

从而得到k 时刻的状态估计及其估计误差的协方差阵，即

Bayes 滤波步骤

1)假定k-1 时刻已经获得了p(xk-1| zk-1)，那么状态一步预测的概率密度函数是

其中

δ(·)是Dirac delta 函数

2)在以获得p(xk| zk-1)基础上，计算得到量测一步预测的概率密度函数是

其中

δ(·)是Dirac delta 函数

3)在k 时刻，已经获得新的量测数据zk，可利用Bayes 公式计算得到后验概率密度函数

通过Bayes 滤波从序贯量测中在线、实时地估计和预测出动态系统的状态和误差的统计量，根据对后验概率密度的近似方法的不同，将数据进行了修正与过滤，最终实现系统对采样数据的有效利用率的提高［13-15］。

4 结果与分析

系统中主要负责信息采集的感知互动层，将采集到的数据进行数据级的融合，主要通过Bayes滤波算法进行数据的处理，通过Matlab 对Bayes 滤波进行仿真，选择每5 路传感器采集到的同类数据，这里以温度为例，共选择20 组数据，对数据首先进行最小二乘法估计，选出最优的一组作为系统此时刻的量测状态，一这组数据为原始数据进行Bayes 滤波处理，进而得到此时刻更好的状态估计，最终的仿真结果如图10 所示。从图10 中可以看出，经过最小二乘法估计后的状态依然不够准确，数据也不够平滑，再经过Bayes 滤波估计后，数据变得平滑，减小了系统中不确定因素对数据造成的误差，提高了系统感知层获取信息的可靠性。

5 结 论

物联网技术中的传感器技术、无线传输技术在农业上的应用，使得现代农业越来越多地朝精细化方向发展，精细农业将会成为农业现代化与信息化的发展方向，文章通过对物联网结构的分析设计出对农业大棚中植物生长环境信息感知、传输、处理并做出科学控制的自动监控系统。其中包含传感器节点的电路设计、无线传感网络的拓扑结构优化、网络硬件设备的软件设计。对设计一个农业感知控制系统做了一个全面的分析，对于目前智能农业的研究有较好的借鉴价值。通过实验论证，系统可行。

References

［1］ 孙 健.基于3G 网络的农业大棚环境数据采集及自动控制系统设计与实现［D］.长春:吉林大学，2014.SUN Jian. Based on the 3G network of agricultural greenhouse environment data acquisition and automatic control system design and implementation of［D］.Changchun:Jilin University，2014.

［2］ 吴 舟.基于移动互联网的农业大棚智能监控系统的设计与实现［D］.北京:北京邮电大学，2013.WU Zhou.The design and implementation of intelligent monitoring system of agricultural greenhouse based on mobile Internet［D］.Beijing:Beijing University of Posts and Telecommunications，2013.

［3］ 张小伟.基于物联网技术的农业大棚监控系统研究［D］.西安:陕西科技大学，2014.ZHANG Xiao-wei. Research on agricultural greenhouse monitoring system based on internet of things［D］. Xi’an:Shaanxi University of Science and Technology，2014.

［4］ 孙 鹏，王耀辉，陈 超.物联网核心技术与应用场景［J］.通信技术，2011，44(5):100 -101.SUN Peng，WANG Yao-hui，CHEN Chao.Core technology and application scenarios［J］. Communications Technology，2011，44(5):100 -101.

［5］ 庄 健，杨清宇，杜海峰.一种高效的复杂系统遗传算法［J］.软件学报，2011，11(21):2 791 -2 794.ZHUANG Jian，YANG Qing-yu，DU Hai-feng.High efficient complex system genetic algorithrn［J］. Journal of Software，2011，11(21):2 791 -2 794.

［6］ 李 鑫. 农业物联网平台的研究与实现［D］. 北京:北京邮电大学，2014.LI Xin.Research and implementation of agricultural IOT platform［D］. Beijing:Beijing University of Posts and Telecommunications，2014.

［7］ 温乃宁，龚尚福. 基于ARM 的矿用温湿度监测系统研究［J］. 西安科技大学学报，2013，33(4):455 -459.WEN Nai-ning，GONG Shang-fu. Research on temperature and humidity monitoring system of mine based on ARM［J］. Journal of Xi’an University of Science and Technology，2013，33(4):455 -459.

［8］ 郝秦霞.基于物联网的数字化矿山异构信息集成处理模型［J］.西安科技大学学报，2015，35(1):132 -136.HAO Qin-xia.Integrated treatment model for heterogeneous information integration of Digital Mine Based on the Internet of things［J］. Journal of Xi’an University of Science and Technology，2015，35(1):132 -136.

［9］ 韩崇昭，朱洪艳，段战胜.多源信息融合［M］. 北京:清华大学出版社，2010.HAN Chong-zhao，ZHU Hong-yan，DUAN Zhan-sheng.Multi-source information fusion［M］. Beijing:Tsinghua University Press，2010.

［10］马 莉，李树刚，肖 鹏，等.云计算环境下煤矿应急管理海量数据存储技术［J］. 西安科技大学学报，2014，34(5):596 -601.MA Li，LI Shu-gang，XIAO Peng，et al.The massive data storage technology of coal mine emergency management under cloud computing environment［J］.Journal of Xi’an University of Science and Technology，2014，34(5):596 -601.

［11］方荣富.基于ZigBee 和红外技术的控制系统研究与设计［D］.合肥:安徽大学，2011.FANG Rong-fu.Design and research of the control system based on ZigBee and Infrared technology［D］.Hefei:Anhui University，2011.

［12］朱 斌.基于ZigBee 的工控网数据采集传输系统设计［J］.化工自动化及仪器，2010(4):1 -3.ZHU Bin. The design of data acquisition and transmission system of industrial control network based on Zig-Bee［J］. Chemical Automation and Instrumentation，2010(4):1 -3.

［13］郝秦霞.智能分户供暖监控系统的无线温控器设计［J］.西安科技大学学报，2013，33(6):7.HAO Qin-xia. Intelligent household heating monitoring system of wireless temperature controller design［J］.Journal of Xi’an University of Science and Technology，2013，33(6):7.

［14］刘西青.论国内煤矿瓦斯监测监控系统现状与发展［J］.山西焦煤科技，2006(3):37 -40.LIU Xi-qing.The status quo and development of domestic coal mine gas monitoring and control system［J］.Shanxi Coking Coal Technology，2006(3):37 -40.

［15］李和平.基于AT89S52 的矿井温湿度智能控制系统设计［J］.吉首大学学报:自然科学版，2010，31(1):70 -72.LI He-ping. Intelligent control system design of mine temperature and humidity based on AT89S52［J］.Journal of Jishou University:Natural Science Edition，2010，31(1):70 -72.