基于多传感器数据融合自动滴灌系统的研究

郑志建，谢怀民，黄 蓉，蔡卓翊，白清源

(1.福州软件职业技术学院智能产业学院，福建福州350003；2.福州大学计算机与大数据学院，福建福州350108)

世界各国都在节约淡水资源，不当的灌溉方式造成的淡水资源浪费问题越来越严重，农业用水节能减排也是如此。一方面，将农作物种植中的灌溉方式由粗放型灌溉方式转变为节能灌溉方式，积极加快精准农业的快速发展[1]。另一方面，国家积极推动工业反哺农业政策，将现代工业当中的新技术应用到农业生产当中。因此，自动滴灌技术将是未来灌溉技术的发展趋势。对于农作物的生长，传统的灌溉技术无法实现对农作物的实时定量灌溉。一方面会使作物错过最佳生长期，另一方面也会导致作物病虫害的发生。在我国节能降耗的大背景下，基于多传感器数据融合的自动滴灌技术研究显得尤为重要。电子技术、自动化技术和农业技术的结合，一方面采用自动滴灌技术和多传感器参数融合方法，具有测量精度高等特点，可以避免水资源的浪费;另一方面，自动滴灌技术可以完全无人值守，大大节省人力成本[2]。基于多传感器数据融合的自动滴灌系统主要包括以下模块:远程监测模块、土壤环境参数提取模块、STM32核心控制器模块、ZigBee无线通信数据传输模块、滴灌控制模块等。系统根据土壤参数提取模块提取的数据进行数据融合，将融合后的数据发送到STM32嵌入式控制模块。嵌入式控制模块根据输入数据进行判断，如果土壤湿度值超过系统设定的阈值，将停止滴灌。

1 多传感器数据融合系统算法设计

多传感器数据融合的滴灌系统土壤环境参数提取模块使用的传感器为土壤湿度传感器、土壤温度传感器和光强传感器。传统的滴灌系统土壤环境参数模块采用的是单节点采集数据方式，仅使用土壤湿度传感器采集土壤湿度后决定电磁阀是否开启。单类型传感器检测土壤环境湿度得到的结果往往不准确，不准确的结果导致系统耗水量的增加。多传感器数据融合的自动滴灌系统采用了多种类型传感器，将收集到的传感器数据进行融合，在测量精度上相比于传统滴灌系统具有更好地效果，因此在节水减排方面表现更好。农作物的生长需要合适的土壤湿度、土壤温度而且光照强度对作物的光合作用也有深刻的影响，因为作物的生长必须在一定的光照强度下进行，过强的光照会使农作物发生光破坏现象[3]。过低的光照强度又不适合农作物的光合作用，所以这三个因子对多传感器融合滴灌的效果都会有影响，其中多传感器数据融合过程如图1所示。

图1 多传感器数据融合过程

最小二乘法在多传感器数据融合时具有简单、高效、错误低、准确度高等特点。农田区域内布置的多种传感器会采集到海量的土壤温度、土壤湿度、光照强度传感器的数据。为了提高数据处理的速度和精度，首先对同一传感器类型的传感器数据采用加权最小二乘法融合[4]。同时，为了避免因某些传感器检测环境因子异常而产生的误差，增加误差较小的传感器数据的权重值，减小误差较大传感器数据的权重值，进而得到同类传感器数据融合函数模型[5]。此时，当某个传感器出现异常时当前传感器对整体系统数据的影响便会减小，一方面，保证整个系统的稳定性，另外一方面还可以提高传感器测量数据的精度。基于加权最小二乘法同类传感器数据融合计算流程如图2所示，采用数据融合算法对采集到的三种传感器数据进行数据融合，然后将系统融合后的值送入决策系统作为多传感器数据融合后滴灌系统的依据。

图2 加权最小二乘法传感器数据融合过程

假设区域内有n个传感器，n个传感器的测量值构成向量Y，同时环境噪声e=[e1,e2,e3,…,en]T，相对于系统的真实值x，其中，H=[1,1,1,…,1]T，则环境状态的检测方程如式(1)所示。

Y=Hx+e

(1)

(2)

(3)

(4)

(5)

通过式(5)推导得知传感器的值直接受到传感器测量当中的误差平方的影响，通过式(4)推导得到传感器数据融合过程当中的估计状态方差如式(6)所示。

(6)

同时考虑到大田环境参数提取比较复杂，为保证系统的精确性，将测量结果的算数平均值作为传感器测量数据的真实值，如式(7)所示。

(7)

同时第i个传感器的第m个结果的方差估计如下式(8)所示。

(8)

将n个传感器的方差估计求和联合式(8)可以得到如式(9)所示。

(9)

(10)

将最终结果作为下级异类传感器结果的输入。

2 系统硬件设计

2.1 系统整体硬件设计

多传感器数据融合的滴灌系统硬件部分主要由核心控制模块、电路模块、传感器参数采集模块、ZigBee无线传输模块、时钟模块、电路复位模块等组成[6]。其中传感器参数采集模块包括土壤湿度采集模块、土壤温度采集模块、光照强度采集模块组成，多传感器数据融合自动滴灌系统的主要原理框图如图3所示。

图3 多传感器数据融合自动滴灌系统主要原理框图

2.2 无线通信模块硬件设计

多传感器数据融合的自动滴灌系统无线通信模块采用的是基于ZigBee协议栈的CC2530模块，多传感器数据融合自动滴灌系统无线传输模块的无线透传网络是由一个主机设备、多个路由设备以及多个终端设备组成，ZigBee无线通信模块具有三种通信模式，具体三种模式表现为:广播模式、一对多模式、点对点模式。每一种模式都存在其优缺点，例如广播模式传输数据的时候完全透明传输，但数据传输的时候会发生丢包现象并且使用广播模式时数据的传输速率比其他两种模式低。ZigBee的一对多模式使用简便，数据传输速率比较高，但其功耗比较大，不适用于低功耗场合[7]。ZigBee点对点模式，数据传输效率更高，功耗更低，因此选择ZigBee的模式为点对点模式，低功耗终端平时处于休眠状态以减少电量损耗，并定期唤醒采集传感器数据上传。

无线通信模块主要包括ZigBee终端节点、ZigBee协调器两部分组成，其中ZigBee无线通信模块的整体结构框图如图4所示。ZigBee终端节点负责采集土壤湿度传感器、土壤温度传感器、光照强度传感器的数据。然后将ZigBee终端节点收集到的数据返回到ZigBee协调器当中。ZigBee协调器是整个ZigBee网络组织的管理者，每个ZigBee网络只能接入一个ZigBee的协调器，ZigBee协调器首先选择频道以及网络id，之后开启该网络[8]。ZigBee协调器是多传感器数据融合网络整体的开端，因此它拥有网络的最高权限，作为整个网络的维护者，ZigBee协调器可以设计安全中心以及执行其他的动作。

图4 ZigBee无线通信模块整体结构框图

3 系统软件设计

多传感器数据融合的自动滴灌系统软件设计主要包括如下:无线通信模块软件设计、监控模块的软件设计。其中无线通信模块的软件设计主要是ZigBee无线通信模块的软件设计，为了方便查看以及控制电磁阀的状态设计了监控模块。根据监控模块的状态实时查看到土壤温度传感器数据、土壤湿度传感器数据以及光照强度传感器数据，系统根据融合算法会生成融合后的传感器数值。

3.1 无线通信模块软件设计

ZigBee通信模块硬件由协调器和终端节点构成，协调器也是整个ZigBee网络系统的枢纽。它的主要作用是为加入ZigBee网络的子节点分配地址，并协调终端节点之间的关系。系统上电并初始化协议后，开始扫描通道并建立网络。扫描通道的功能是搜索节点通信中的网络信息。当ZigBee网络当中没有协调器的时候，则ZigBee网络当中的某个终端自动成为系统当中的协调器，其他节点可以向该协调器发送信息[9]。当系统终端节点和协调器当中的网络建立成功之后，系统便可以收发信息。传感器采集到的数据主要通过终端节点反馈给ZigBee网络的汇聚节点，ZigBee网络中的汇聚节点通过串口通信反馈给远程监控终端，其中协调器流程图如图5所示。

图5 协调器流程图

当CC2530模块上电后，首先对ZigBee的终端节点进行终端节点初始化操作，此时若ZigBee终端节点接收到协调器发送过来的加入网络的信号则终端节点将加入协调器构建的网络当中[10]。并允许由终端节点给协调器分配地址，当终端节点入网成功后，系统会周期性的读取传感器当中的数据并将读取的数据返回给协调器，其中终端节点流程图如图6所示。

图6 终端节点流程图

3.2 监控模块软件设计

首先设置串口名称和波特率，设置完成后，点击串口启动按钮，远程控制端监听串口启动的事件。监听的内容包括串口名称、波特率、串口是否被占用等信息。当串口名称错误或该端口被其他程序占用时，则会提示通信失败。初始化完成后，远程监控终端向下位机发送地址码，等待握手信号[11]。此时下位机检测是否有来自远程监控终端的信号，判断特征码是否与下位机特征码对应。当特征码与下位机特征码一致时，下位机回传给远程监控终端相同的特征码。如果远程监控终端判断下位机返回的特征码是正确的，就可以接受下位机的传感器数据，其中远程控制端流程图如图7所示。

图7 远程控制端流程图

4 实验方法和实验结果

多传感器精度验证实验方案采用的是常见的FDR土壤湿度传感器以及多传感器数据融合后实际测量的数据进行对比实验。实验过程是先获取福州永泰大田当中的土壤，烘干土壤并等分成17份，将土壤配比成土壤湿度为5%、9%、13%、17%、21%、25%、29%、33%、37%、41%、45%、47%、49%、53%、55%、57%、60%，对每一份土壤样本进行标记处理。使用多传感器数据融合的自动滴灌系统进行检测相关土壤湿度、同样的样本也使用FDR传感器进行土壤湿度的检测，并且记录。记录结果如表1所示。

表1 传感器测量值对比表 %

对记录后得到的结果进行对比绘图如图8所示，证明传统的FDR土壤湿度传感器测量土壤湿度随着环境当中的土壤湿度值的增加而测量精度不精准，基于多传感器数据融合后测量的土壤湿度值比传统的FDR传感器测量土壤湿度更稳定且测量精度更高。

图8 FDR土壤湿度与多传感器融合后湿度对比图

5 结论

本文研究了多传感器数据融合的自动滴灌系统的问题，该自动滴灌系统包括了软件设计、硬件设计以及传感器融合的算法设计，在该自动滴灌系统当中存在的多传感器数据来源是土壤温度传感器、土壤湿度传感器以及光照强度传感器，根据各种传感器采集的各项数据进行融合，将融合后的数据作为最终的决策依据，系统根据融合后的参数值进行滴灌。实验表明，该自动滴灌系统具有测量精度高、方便农事活动等优点。