基于Jetson Nano深度学习的新型农业系统*

李双斌 ， 王 平 ， 吕志华 ， 吴春笑

（山东华宇工学院，山东 德州 253034）

0 引言

近年来季外植物变得非常热门，绿色房屋的自动化和智能化变得越来越重要[1]。提出合理的温室气体系统解决方案，可以控制温室环境和其他方面的工作，监测通风、灌溉、化肥和药物的使用，实现温室的自动化和智能化。

在查阅大量温室大棚系统相关文献和资料[2]的基础上，对温室大棚系统的特点和要求进行综合对比分析，设计了基于Jetson Nano（AI图像处理终端）深度学习的新型农业系统。

该农业系统将人工智能技术与现代农业相结合，能够为农业提供智能决策的支持，达到精准化生产管理的目的，同时还可以提高农作物单产，从而促进我国农业产业发展，提高人民生活水平。农业智慧控制系统提供视觉深度教育，检测各种疾病并分析原因，检测果蔬的成熟程度，确定采集的最佳时间，并通过互联网数据监测价格[3-6]。通过控制各种环境变量，最终使用移动应用程序的互联网进行操作控制，大大提高了农作物的产量，减少了人力资源成本。

1 国内外研究现状和发展动态

荷兰、以色列和其他发达国家正在发展密集型温室工业，以达到温室温度、灯光、水、天然气、肥料的计算机控制。从种植选择、作物管理到收获物包装，已经建立了一套标准化的技术系统[7]。

国际上最具代表性的产品之一是美国的温室，温室检测项目包括室内气温、水温度、空气相对湿度、隔热状况、隔热室状况、泵的工作状况、CO2含量、调节水池回流管，外部检测项目包括大气温度、阳光辐射强度、风向、相对湿度等。温室系统的使用为农户种植农作物提供了许多便利[8]。

河北职业技术师范学院的闫忠文研制了作物大棚温湿度测量系统，能对大棚内的温湿度进行实时测量与控制。中科院合肥智能机械研究所研制了“农业专家系统开发环境—DET系列软件”和智能温室自动控制系统[9]。北京农业大学成功研制“WJG-1”温室环境监控计算机管理系统，采用了分布式控制系统，其在农业管理上得到了广泛应用。而当今大多数温室环境的日常监测记录与日常管理记录都是由人工进行管理的，不可避免会存在测量和控制精度低、农户工作强度大、对植物的检测和控制不及时等缺点，不能达到预期的效果。基于以上调研，课题组提出了一个基于Jetson Nano深度学习的新型农业系统。

2 基于Jetson Nano深度学习的新型农业系统

2.1 系统总体需求

近年来，根据研究结果可以看出，以蔬菜大棚为代表的现代农业设施在现代农业生产中发挥着巨大的作用，目前大部分的温度、湿度和CO2含量都是通过传统的人工管理来控制的。测量控制精度低，劳动强度大，企业不能及时控制，其造成的损失也是不可预估的。这样一来，不仅提高了生产成本，还浪费了大量的人力物力，达不到农户的预期效果。因此，高效的农业生产对于满足人类生活需求具有十分重要的意义。

2.2 设计内容

本项目在山东华宇工学院电气学院的指导老师的共同指导下，由项目负责人带领的小组研究基于Jetson Nano深度学习的新型农业系统。通过控制系统接收农业生产的环境因素，如空气温度和湿度传感器、CO2传感器、光照传感器、土壤湿度传感器和土壤pH传感器。控制系统自动控制环境，如窗户开口、卷膜、风扇湿帘、生物管、灌溉施肥和自动给药，以达到适合植物生长的环境[10]。它还配备了物联网（IoT）智能控制系统，允许实时查看作物生长状态，并为植物生长提供适宜的环境。

2.3 整体设计

基于上述分析，设计一款通过深度学习检测叶片病虫害和瓜果成熟度及自动监测周围环境和大棚内环境，为农作物提供适宜的环境的新型农业系统[11]。采用集中控制将信息通过互联网传到手机后台APP中，控制开发为用户提供更好的实时监控服务，便于用户调节综合比较。将技术路线主要分为四部分：环境监测系统、监控系统、云平台、控制系统，如图1所示。

图1 系统结构图

2.4 硬件设计

基于Jetson Nano深度学习的新型农业系统的主要硬件是中央处理器空气温湿度传感器（DHT11）、二氧化碳传感器、土壤湿度传感器、土壤pH值传感器、紫外线传感器、二氧化碳发生器等。

硬件平台的设计主要包括：1）环境监测系统；2）监控系统；3）云平台；4）控制系统。实物结构图如图2所示。

图2 实物结构图

用T e n s o r F l o w（神经网络模型框架）进行YOLOv5（基于深度学习的回归方法）卷积神经网络深度学习模型训练，再部署到Jeston Nano来进行图像识别。流程图如图3所示。

图3 模型训练流程图

2.5 软件设计

农业温室网络管理系统可以进行温室空气的温度和湿度、土壤的湿度、二氧化碳的含量、光强度和远程视频图像的接入[12]。对模型进行分析，它可以实现自动控制设备，例如湿风扇、干灌、外阴影、屋顶和侧窗、暖气灯等。

另外，实时监测数据和报警信息由手机信息终端、PDA和计算机推向管理员，以实现智能温室管理。充分发挥互联网在农业生产中的作用，确保温室和温室环境最适合作物生长，并实现良好的管理，为高产量、高质量、高效率、高生态和高安全创造条件[13]。满足客户高效率、低成本、高收入的要求。软件设计如图4所示。

图4 软件设计图

3 结论

通过学习和研究，可以采用Jetson Nano深度学习的方法，自动识别叶片病虫害和水果成熟度，同时结合大数据的价格趋势，向农户告知最佳采集时间。手机APP的开发为用户提供了更好的实时监控功能，便于用户调节综合比较。本项目所设计的基于Jetson Nano深度学习的新型农业系统的各个方面的性能都比较高，有着较高的研究价值，发展前景乐观。