基于农作物全生命周期的信息系统管控研究

王显梅

(广西职业技术学院 机电与信息工程学院, 南宁 530226)

0 引言

当前耕地面积在不断减少,为了保证粮食的稳定供应,需要努力提高农作物的单产。一直以来,农作物的高产都是通过单位面积土地上的高投入来实现的,消耗的资源包括水分、肥料和农药等。这些高投入不仅增加了农业生产的成本,还会造成环境污染,缺乏可持续发展的能力。为此,人们提出了生命周期评价(Life Cycle Assessment,即LCA)的概念,并将其引入到农业领域。农作物的生命周期评价是对作物全生命周期内的资源消耗和环境排放进行系统的评价,消耗的资源为水分、肥料和农药等物资,环境排放涉及对土壤、空气、水体和其它生命体的影响[1]。

以生命周期评价为基础,农作物生产资源的投入可以更加合理有效,农作物对环境的影响也可以被准确掌控。生命周期评价依赖于对农作物全生命周期内生长信息的了解,如外观形态、发育阶段和生理状态等。大部分农作物的全生命周期持续几个月,可以划分为营养生长和生殖生长这两个主要阶段:农作物在营养生长阶段吸收矿质元素用于生物化学合成,制造营养器官并积累有机物质;生殖生长阶段则是开花结果,将生物量转化为营养物质,形成最终的产量。

农作物在营养生长和生殖生长过程中的外观特征差异很大,需要关注的生长信息也不同;但也有部分生长信息贯穿于作物的整个生命周期,包括需水量和施肥量,相关的研究对于合理利用生产资源具有重要意义。肖俊夫等通过分析作物全生育期耗水量与产量的关系,建立了我国各地区主要农作物全生育期耗水量与产量之间的函数关系模型[2]。毕宏伟等提出了区域农业逐日需水量估算方法,可以作为制定作物灌溉制度的参考依据[3]。

在所有的环境因子中,温度最为重要,对作物生长发育进程和生命周期历时长短都有很大的影响[4]。除了外部性状外,对作物全生命周期中的内部性状进行研究也较为关键。杨天骏等通过温室模拟方法动态监测小麦各器官中的甲基汞浓度,揭示了小麦生长周期中甲基汞在不同器官的分布和转移规律[5]。

结合当前数字农业的发展方向,农作物全生命周期的信息系统应该具有信息采集、数据传输、信息管理和智能决策的功能,才能实现对农作物生长的精确管理和控制[6]。作物的生长信息类型多样,所处的环境也很复杂,给信息采集增加了难度。信息采集是农作物信息系统中最具农业特色的功能,一直以来都是研究的热点,已经开发出了多种信息采集的技术方法。耿楠等利用计算机视觉获取小麦图像,然后分析生长特性,以此为基础建立了检测小麦生长信息的方法[7]。倪军等根据作物不同发育时期的光谱特性,研制了一种多光谱传感器,能够实时、快捷、无损地获取作物的生长信息[8]。卢少林等在作物生长光谱分析原理的基础上,研制基于主动光源的监测仪,实现了对大田作物生长信息的全天候实时监测[9]。遥感技术作为获取大面积地表信息的有效手段,也在农业中得到了应用,可以构建作物生长数据模型,对作物的产量进行预测[10]。在上述方法中,计算机视觉和光谱分析技术的应用较为普遍,但分别在图像数据算法和光谱预测模型方面有所不足,还须要进一步优化完善[11]。

信息系统的数据传输和信息管理功能大多是通过物联网来实现的,代表着现代信息技术发展的最新阶段。物联网也称传感网络技术,是以传感器、自动控制和信息技术为基础,将各种传感器、信息处理器和无线网络整合成一个整体进行目标的智能识别、监测和管理的技术[12]。早期的物联网在农业中侧重于对数据的采集和展示,后来引入专家系统,从而获得了智能监控以及科学分析决策功能[13-16]。

在之前的研究中,对农作物的生长监测大多集中在重点关注的生理状态和产量性状上,缺乏对作物整个生命周期不同阶段的生长信息的采集和分析,限制了其作用的发挥。本研究建立了一个农作物全生命周期的信息系统,并对管理控制功能进行完善,以期更合理地配置生产资源和提高可持续发展能力。

1 系统组成

基于农作物全生命周期的信息系统包括信息采集模块、信息传输模块和信息管控模块共3个部分。信息采集模块包括各种传感器、CT-CA500型CCD摄像机、大疆精灵的Phantom4型智能无人机、UHD185型机载光谱仪、基于主动光源的作物监测仪及相应的信号采集元件。传感器包括LM-879型温度传感器、OSA-1型湿度传感器和DATA-LYNX型计数传感器,分别安装在感知的目标区域。CCD摄像机安装在田边或温室中,也可以由无人机搭载,拍摄的像素达到200万dpi,能够获得清晰稳定的原始图像。Phantom4型无人机最长可以飞行30min,具有GPS和GLONASS两种定位模式。无人机安装了方向舵、升降舵和副翼舵,通过偏转舵面来改变无人机的方向和姿态,避障能力则通过红外线来实现。UHD185型机载光谱仪质量为0.47kg,由无人机搭载进行全画幅的非扫描成像。光谱仪的扫描光谱在500～900nm之间,分辨率可以达到8nm,一次拍摄形成45×45像素的光谱影像。作物监测仪安装在温室或田块的上方,以对目标性状敏感的波长为主动光源照射作物,采集反射的光谱信号,根据归一化模型分析获得目标性状。

地面设备的信息传输模块采用基于ZigBee技术的无线传感网络,其抗干扰性强,信号传输距离达到7km,覆盖了整个试验区域。传输节点采用树形方式组网,单个节点可以与20个信息采集设备连接,再通过协调器连接到管控模块。无人机与地面站之间采用WiFi技术进行数据传输,无线通讯带宽大,实时传输能力强。地面站安装大疆DJIGS Pro专业版软件,用于实时控制飞行姿态。地面站与管控模块之间通过UART接口连接,传输采集的图像和光谱数据,同时发送控制无人机飞行的信号。

信息管控模块以处理器为核心,还包括专家数据库、专家知识库、存储器和操作界面。处理器为联想X3550型服务器,负责对采集的作物信息进行管理和分析,最终生成控制指令。专家数据库包含农作物的生长信息内容和数学计算方法,专家知识库包含农作物的生长规律、营养状况评估和病虫害预测等方法,为系统做出控制决策提供依据。存储器为10TB硬盘,用于保存采集的农作物全生命周期生长信息、信息的计算推导过程及最终的专家决策数据。操作界面上安装Windows10系统,可以实时显示数据信息,并设定系统运行的各项参数。信息系统组成如图1所示。

图1 信息系统的组成Fig.1 Components of information system

2 管控流程

农作物生长信息的采集贯穿于整个生命周期,作物的发育阶段信息由监测仪进行采集和评判。监测仪设置730nm和810nm两个主动光源波长,分析获得作物的冠层植被指数,以此为依据确定作物的发育阶段。在营养生长阶段,主要由摄像机拍摄图像,利用计算机视觉进行图像的预处理、灰度化和目标识别,分析作物的长势和叶绿素含量。温度传感器和湿度传感器采集环境中的空气温度和土壤含水量,与计算机视觉分析的结果一起作为水肥管理的依据。计数传感器采集环境中的昆虫飞蛾数量,用于开展对虫害的控制。在生殖生长阶段,主要由无人机搭载的摄像机和光谱仪采集作物影像:视觉图像用于提取颜色信息,以便分析作物的成熟进程,确定收获时期;高光谱影像用于提取作物生理特征相关的参数,分析营养状况,确定后期的肥料施用量,并预测最终产量。

采集的信息通过信息传输模块发送到存储器中,对各种传感器采集的信号进行模数转换;在操作界面上设置系统的运行参数,处理器从存储器中提出数据,对图像进行计算机视觉分析,对高光谱影像进行归一化处理,对传感器数据进行模拟分析;最后,处理器引入专家数据库和知识库的计算模型,生成对作物生长发育状况的评估结果及管理控制指令,并存储数据,如图2所示。

图2 信息系统的管控流程Fig.2 Management and control process of information system

3 试验结果与分析

2018年,在广西职业技术学院试验基地中对作物全生命周期的信息系统及其管控功能进行了试验,试验的作物是水稻。选择4个田块,各田块的形状面积都不同,土壤肥力各异。将每个田块分成面积相等的两部分;一部分进行人工管控,另一部分进行信息系统管控。信息系统管控的田块在水稻的全生命周期中采集生长信息,并按照系统的管控指令灌水、施肥和喷施农药,最后测定水稻的产量并与人工管控方式进行比较。

试验的结果表1所示。由表1可以看出:采用人工管控方式时,4个田块的淡水、肥料和农药消耗量都较大,产量维持在7.18～7.63t/hm2之间;当采用信息系统进行管控时,上述3种生产资源的消耗量大幅降低,部分减少幅度超过10%。与人工管控方式相比,水稻产量的降幅较小,在第2号和4号田块中甚至没有体现出差别,具有更高的种植效益。

表1 不同管控方式下水稻全生命周期的资源消耗和产量Table 1 Resource consumption and yield of rice during full life-cycle under different management and control method

4 结论

为了解决现有生长监测方法难以涵盖农作物全生育期的问题,建立了基于农作物全生命周期的信息系统。系统由信息采集模块、信息传输模块和信息管控模块3个部分组成,在作物的不同生长阶段采集相应的信息,经过分析后评估作物的生长发育状况并形成管理控制指令。试验结果表明:信息系统管控下的作物生产资源消耗量大幅降低,且产量降幅较小,体现出更高的种植效益。因此,建立农作物全生命周期的信息系统并对其管控功能进行完善,可以实现生产资源更合理的配置,提高可持续发展能力。