AIOT背景下病虫害智能化监测系统设计

宁学星　杨溢凡　王涵凝　李志远　曾程龙　于丽娜

摘要：为有效准确地监测和防治病虫害，以AIOT为基础设计一种立体的监测病虫害监测系统。系统硬件设备主要是无人机监测设备和地面监测设备，软件系统为智农大数据平台和智农APP，可实现对农田的全天候、立体化监测。

关键词：人工智能;监测系统;病虫害;传感器;图像识别

中图分类号：S431.7;TP29    文献标识码：A    文章编号：1674-1161（2021）06-0036-02

病虫害一直是阻碍我国农业发展的重要因素。为有效监测和防治病虫害，科研工作者设计多种智能化病虫害监测系统，为智能精确地开展病虫害监测提供便利，但部分监测系统存在一些缺陷并逐渐展现。AIOT是人工智能技术和物联网技术相结合的产物，具有智能识别、智能感知、自动控制的特点，被称为人工智能物联网。为降低病虫害监测的误差，基于AIOT设计一种立体的监测病虫害监测系统，旨在为农作物病虫害监测提供技术支持。

1 AIOT智能化病虫害监测技术

1.1 算法开发

算法共历经三代。初代precise算法只能监测小麦一种农作物的病虫害。第二代用卷积神经网络制作precise-cnn算法，加入水稻病虫害研究，且识别速度得到显著提升，提取过程进一步改善。开发第三代precise-rcnn算法时，加入棉花的病虫害研究，可识别小麦、水稻、棉花共3种农作物。通过使用RPN网络和引入ROI Pooling池化层，使病虫害识别更加准确。高效快速产生建议框，精确提取存在特征的目标区域，算法可实现分类与回归等功能。

1.2 图像识别技术

1.2.1 图像采集 图像采集原理如图1所示。

1.2.2 图像预处理 将图片进行分类并交由识别模块进行高效识别，即为图像预处理。在软件运行过程中，祛除无用图片并筛选出有用信息。在简化信息、提高特征提取的同时对图片进行分割、匹配、识别等操作。

1.2.3 图像特征提取 利用计算机提取图像信息，并根据特征对其进行划分。计算机将提取结果上的点分为不同子集，这些子集由点、曲线或连续区域组成。

1.2.4 图像识别 Precise—RCNN植物病虫害识别算法需要从图片中提取出具有病虫害特征的部分，并对其进行相应的图像分析。通过卷积神经网络CNN对提取出的图片特征进行分类、识别后，根据提取出的特征建立虚拟外观模型。综合分析信息通过ROI Pooling池化层进行锁定，将其中最显著的特征作为最终提取对象，利用Fully全链接层进行识别分类。分类结果通过Sotfmax进行逻辑回归反馈，判断识别的图像部分是否为害虫。

1.3 传感器技术

1.3.1 传感器 选用风力风速传感器和光照传感器进行外部环境监测，利用土壤温湿度、土壤酸碱度、土壤有机质数据采集器进行数据采集。

1.3.2 传感器网络 感应、通讯、计算是传感器网络的三大技术，其中无线数据库是关键技术。传感器网络是传感器技术、计算技术、现代网络、无线通信技术和分布式信息处理等技术的融合体。客户通过传感器对监测队形进行实时监测，传感器将采集的各种环境信息传送到计算机系统中并对采集信息进行处理，再通过无线通信网络将信息传送到客户端。

1.4 大数据与云计算

“大数据”技术以多元形式对搜集而来的庞大数据组进行处理、分类。数据平台对大数据信息进行整合后提供给客户。云计算需要多部服务器支撑。通过这些服务器组成的系统将需要运算的巨大数据进行分解，将分解后的数据通过小程序运算得到最终的结果，再将结果反馈给客户的过程就是云计算。系统监测空气湿度、温度，土壤温度、湿度、肥力、pH值，风向，风速等环境参数，以及植物健康状况，并直接上传至云平台后，云计算将其与各种病虫害的爆发环境参数进行对比。

1.5 通信技术

在农业病虫害监测系统的感知层中的传感器不仅数量众多，种类更是繁杂。因此必须采用特定的组网、通信策略实现与上位机通讯。IFI，ZigBee，BLE等短距离无线通信在物联网系统应用较为普遍。在实际应用中，传感器对低功耗有强烈的需求，虽然WiFi拥有许多优势，但是功耗明显高于Zigbee和NB-IoT，不适合系统使用。NB-IoT技术拥有ZigBee所有优点，但服务端和通讯费用高昂，不适于大规模应用，因此项目选用ZigBee技术进行组网。

ZigBee技术能够传输信息容量较大的数据，其自身具有高效的碰撞避免机制，因此数据传输安全高效，可有效避免数据传输过程中的信号碰撞。ZigBee技术具有与网络相融合的特点，数据传输操作时可直接连接家庭中的控制网络。使用ZigBee技术进行数据传输时，每个节点都能节约电耗，2节5号电池的工作时间高达1 a之久，大大节约使用成本。

1.6 定位技术

GIS技术利用定位信息技术和电子地图技术相结合的方式，将地图和移动目标显示在APP的屏幕或计算机屏幕上，使客户的使用感受更加直观。

2 智能化病蟲害监测系统的实现

智能病虫害监测系统的硬件包括无人机模块、Atlas 200人工智能开发套件、光照传感器、风力传感器、温湿度传感器和空气质量监测传感器。监测流程主要为：信号采集—数据传递（ZigBee组网）—数据包处理及上传。

2.1 无人机

空中监测设备主要包含无人机及Atlas 200人工智能开发套件两部分。无人机搭载智能计算终端识别农作物病虫害图片，通过高清变焦摄像头自动规划农田巡航路线，通过5G/4G通信模块将拍摄的实时画面回传到智农大数据平台。终端设备用图片处理技术和大数据分析技术分析病虫害的类型，并将诊断结果页面回传到大数据平台和APP。

2.2 地面监测设备

地面监测设备主要包括光照、风力风速、温度、湿度系列传感器/探测器，太阳能板，摄像头，数据采集器，5G通信模块或4G通信模块，避雷针等。这些部件组合成一套完善的地面监测系统，用于监测农田的实时环境状况，并与比云端大数据库的病虫害高发环境进行对比，预测出病虫害的发病时间，阻止病虫害大面积爆发。

3 结论

基于AIOT的智能化病虫害监测系统由硬件设备和软件系统组成，其中硬件设备主要是无人机监测设备和地面监测设备，软件系统是智农大数据平台和智农APP。远程监控、病虫害诊断、视频监控、数据存储等功能集于一体，实现对农田全天候、立体化监测。农作物病虫害监测系统是一个复杂的系统工程，其概念也不断向前延伸，其研究也必将不断深入。

参考文献

[1] 张星刚.传感器在智能交通工程中的应用[J].中国交通信息化，2014（11）：139-142.

[2] 陈亮. 图像分割部分理论与关键技术研究[D].沈阳：辽宁师范大学，2017.

[3] 李翔敏，戴帅.基于大数据的道路交通管理反思——小即是美[J].城市交通，2015，13（3）：71-75.

[4] 康国胜.云计算与信息资源共享管理[J].科技创新导报，2020，17（17）：126+128.

Design of Intelligent Monitoring System for Diseases and Insect Pests

under the Background of AIOT

NING Xuexing， YANG Yifan， WANG Hanning， LI Zhiyuan， ZENG Chenglong， YU Lina*

（Shandong Xiehe University， Jinan 250299， China）

Abstract： In order to monitor and control diseases and pests effectively and accurately， a three-dimensional monitoring system is designed based on AIOT.  The hardware equipment of the system is mainly UAV monitoring equipment and ground monitoring equipment， and the software system is zhinong big data platform and ZHInong APP， which can realize all-weather and three-dimensional monitoring of farmland.

Key words： artificial intelligence; monitoring system; plant diseases and insect pests; sensor; image identification

收稿日期：2020-09-12

基金項目：2021国家大学生创新创业训练计划项目基于AIoT智能化病虫害监测系统设计方案（202113324927X）

作者简介：宁学星（2000—），男，从事物联网工程方面的研究。

通信作者：于丽娜（1987—），女，硕士，讲师，从事物联网技术应用方面的研究。