基于NB-IoT的智能農(nóng)業(yè)輔助控制系統(tǒng)

　　賀敏娜，王新懷，徐?茵，王?煥，王晗宇（西安電子科技大學(xué)，陜西?西安?710126）

　　摘?要：設(shè)計了以單片機(jī)為核心、基于NB-IoT、PID控制和阿里云服務(wù)器等技術(shù)的智能農(nóng)業(yè)輔助控制系統(tǒng)。設(shè)計中系統(tǒng)可實時監(jiān)測大棚內(nèi)作物的生長狀況，并自動對溫濕度等環(huán)境因素作出相應(yīng)調(diào)整，將分布式傳感器在不同節(jié)點采集到的作物生長狀況及生長環(huán)境等數(shù)據(jù)發(fā)送到數(shù)據(jù)采集中心，自動進(jìn)行初步分析后上傳至服務(wù)器，用戶可通過網(wǎng)頁或手機(jī)客戶端遠(yuǎn)程了解作物生長狀況、控制環(huán)境參數(shù)及設(shè)備運行。由于系統(tǒng)成本低廉，有著廣闊的應(yīng)用場景，可在農(nóng)業(yè)基地大棚、家庭植物護(hù)理等場景布置應(yīng)用，適應(yīng)精準(zhǔn)扶貧。

　　關(guān)鍵詞：NB-IoT；智慧農(nóng)業(yè)；視覺分析；FCN；精準(zhǔn)扶貧

　　注：本文受中央高?？蒲袠I(yè)務(wù)費項目（項目編號20101195625）支持；本項目獲得了2018年陜西省互聯(lián)網(wǎng)+大賽銅獎

　　0 引言

　　長期以來，中國農(nóng)業(yè)發(fā)展較為落后，科學(xué)技術(shù)對農(nóng)業(yè)生產(chǎn)的貢獻(xiàn)率較低。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，農(nóng)業(yè)智能化時代逐步到來。筆者經(jīng)過對陜西省蒲城縣等農(nóng)業(yè)基地的多次實地考察，發(fā)現(xiàn)存在著農(nóng)業(yè)自動化程度低、無法遠(yuǎn)程監(jiān)控、增產(chǎn)因素難以把控等問題，因此對大棚內(nèi)作物的生長狀況進(jìn)行實時監(jiān)控十分必要。本系統(tǒng)以分布式傳感器節(jié)點、NB-IoT數(shù)據(jù)鏈、云端服務(wù)器為關(guān)鍵組分，設(shè)計了具有遠(yuǎn)端監(jiān)控作物生長狀態(tài)，調(diào)節(jié)環(huán)境參數(shù)等功能的智能農(nóng)業(yè)輔助控制系統(tǒng)。

　　1 系統(tǒng)設(shè)計

　　本系統(tǒng)整體可分為4部分：第1部分是以單片機(jī)(MCU)和NB-IoT模塊為核心的節(jié)點主體；第2部分是以透傳云、服務(wù)器為核心的遠(yuǎn)程分析及數(shù)據(jù)傳輸系統(tǒng)；第3部分是包括DHT11溫濕度傳感器、CCS811二氧化碳傳感器、BH1750光照度傳感器等定制化外置傳感器和繼電器、電磁閥等控制器；第4部分是樹莓派微型電腦和NB-IoT模塊節(jié)點以及攝像頭等數(shù)據(jù)量較大的傳感器。樹莓派上可讀取攝像頭拍攝畫面，運行本地分析程序，將分析結(jié)果通過NB-IoT上傳至透傳云。整體系統(tǒng)框架圖見圖1。

　　通過引入視覺分析，使用動態(tài)閾值離散化和FCN（全卷積神經(jīng)網(wǎng)絡(luò)）等語義分割技術(shù)對棚區(qū)木耳的長勢進(jìn)行動態(tài)追蹤，有效解決了當(dāng)前采摘效率較低的問題。將傳感器和中心節(jié)點模塊化，用戶也可通過選裝相關(guān)配件、傳感器來選擇相關(guān)服務(wù)。通過對農(nóng)作物生長狀況歷史記錄分析，系統(tǒng)可半監(jiān)督學(xué)習(xí)作物生長全過程的最優(yōu)環(huán)境參數(shù)，對整個生長周期有更全面的了解和調(diào)整，從而有效實時地監(jiān)測大棚內(nèi)作物的生長狀況，并自動作出相應(yīng)調(diào)整，真正實現(xiàn)智能農(nóng)業(yè)生產(chǎn)。

　　1.1 系統(tǒng)控制算法

　　系統(tǒng)在安裝后，節(jié)點向服務(wù)器進(jìn)行注冊，發(fā)送安裝的傳感器和控制器的種類和個數(shù)。接著初始化用戶界面，顯示各個傳感器和控制器的狀態(tài)，儲存各傳感器的歷史數(shù)據(jù)表格，以供用戶在圖形化界面上選擇自動控制的流程和條件。服務(wù)器根據(jù)各節(jié)點的運算能力及接入的傳感器和控制器，將每個控制流程平均分布加載到各節(jié)點。最后對NB-IoT兩次喚醒之間的休眠間隔進(jìn)行配置，并使之實現(xiàn)同步喚醒。當(dāng)NB-IoT休眠時，不進(jìn)行通訊，各節(jié)點和服務(wù)器獨立運行。需要發(fā)送的數(shù)據(jù)自動存入緩沖區(qū)，等待NB-IoT喚醒后再進(jìn)行發(fā)送。設(shè)定控制算法流程示意圖見圖2。

　　1.2 系統(tǒng)工作過程

　　節(jié)點將接收到的傳感器數(shù)據(jù)輸入到控制中進(jìn)行計算，得出控制指令，并將得出的控制指令存入緩沖區(qū)等待發(fā)送。再讀取各個傳感器，將數(shù)據(jù)儲存至緩沖區(qū)等待上傳。若數(shù)據(jù)超過報警上下限則強(qiáng)制喚醒NB-IoT，向服務(wù)器發(fā)送報警信息；反之則進(jìn)入低功耗模式，等待NB-IoT模塊定時喚醒，以減小功耗。

　　服務(wù)器通過分析歷史數(shù)據(jù)，結(jié)合基地中心上傳的長勢數(shù)據(jù)，得出目前狀態(tài)的種植方案，更新控制過程的各個參數(shù)。待節(jié)點的NB-IoT喚醒后，各節(jié)點向服務(wù)器上傳最新傳感器數(shù)據(jù)，在服務(wù)器上更新控制參數(shù)，進(jìn)而向其他節(jié)點發(fā)送控制指令（或接收其他節(jié)點發(fā)來的控制指令）。從其他節(jié)點接收本節(jié)點內(nèi)控制算法所需要的數(shù)據(jù)。最后結(jié)束一次工作循環(huán)，使NB-IoT休眠。

　　2 系統(tǒng)功能實現(xiàn)

　　2.1 硬件部分

　　2.1.1 節(jié)點探針模塊

　　采用STM32F103C8T6作為微控制器（MCU），其功能強(qiáng)大且價格低廉。將每塊單片機(jī)封裝成一個監(jiān)測“探針”，置于大棚中的監(jiān)測點處，實現(xiàn)對大棚內(nèi)的空氣溫濕度、光照強(qiáng)度和二氧化碳濃度的實時記錄，并將數(shù)據(jù)上傳至上位機(jī)，以便農(nóng)業(yè)工作人員依據(jù)實地情況及時作出處理。

　　2.1.2 溫濕度檢測模塊

　　溫濕度測量采用數(shù)字傳感器DHT11，該傳感器依靠單總線協(xié)議與MCU（單片機(jī)）進(jìn)行通信。在未接收主機(jī)發(fā)送的開始信號時，傳感器處于超低能耗狀態(tài)，盡可能地節(jié)省消耗。同時它應(yīng)用了專用的數(shù)字模塊采集技術(shù)和溫濕度傳感技術(shù)，可確保高的測量可靠性與長期穩(wěn)定性。DHT11單總線協(xié)議時序圖見圖3。

　　2.1.3 光照強(qiáng)度檢測模塊

　　光照強(qiáng)度測量采用數(shù)字型光強(qiáng)度傳感器BH1750，它具有較高的分辨率，利用它可探測到變化范圍在1~65535 lx內(nèi)的光強(qiáng)數(shù)據(jù)。傳感器有6種分辨率模式可供選擇，基于對實際情況的分析，采用了連續(xù)H分辨率模式，該模式工作在11 lx分辨率下，一次測量時長約為120 ms。依照芯片對應(yīng)的通信時序圖，我們編寫了基于I 2 C通信協(xié)議的使用程序。I 2 C協(xié)議時序圖見圖4。

　　2.1.4 二氧化碳濃度檢測模塊

　　二氧化碳濃度是農(nóng)業(yè)生產(chǎn)中一項較為重要的參數(shù)，在考慮了工作性能、實際需求、傳感器體積、成本等多個方面之后，最終確定使用Cambridge CMOS Sensors公司生產(chǎn)的超低功耗微型氣體傳感器CCS811。

　　2.2 軟件部分

　　2.2.1 服務(wù)器搭建

　　本系統(tǒng)通過租用云服務(wù)器將NB-IoT采集的數(shù)據(jù)保存下來，進(jìn)行數(shù)據(jù)管理。通過瀏覽器打開我們的web端界面，輸入對應(yīng)的NB-IoT設(shè)備ID，可實現(xiàn)web端與NB-IoT設(shè)備的連接。web端程序監(jiān)測NB-IoT的實時情況，一旦NB-IoT采集的數(shù)據(jù)更新，即可立即獲取最新的大棚數(shù)據(jù)。這里同樣通過程序連接NB-IoT模塊，利用自定義函數(shù)來獲取賬號下的大棚數(shù)據(jù)信息。獲取的數(shù)據(jù)分別對應(yīng)著大棚號、節(jié)點號、棚內(nèi)溫度(℃)，空氣濕度(%)、光照強(qiáng)度(lx)以及二氧化碳濃度。

　　為了方便數(shù)據(jù)的管理，我們使用關(guān)系型數(shù)據(jù)庫管理系統(tǒng)MySQL，存儲數(shù)據(jù)信息。通過建立獨立數(shù)據(jù)庫，在庫內(nèi)為每個大棚單獨建表，各自存儲對應(yīng)的數(shù)據(jù)，表的數(shù)量可根據(jù)當(dāng)前狀況進(jìn)行增添或刪減，利于后期項目管理。當(dāng)節(jié)點有需要時，服務(wù)器可回歸分析歷史記錄，得出對當(dāng)前情況最有利的參數(shù)值。

　　在ODBC驅(qū)動的輔助下，實現(xiàn)了JavaScript和MySQL數(shù)據(jù)庫的連接，當(dāng)JavaScript獲取NB-IoT更新的數(shù)據(jù)時，數(shù)據(jù)即可有序存入庫中。

　　2.2.2 用戶界面實現(xiàn)

　　為了實現(xiàn)直觀顯示用戶所有設(shè)備狀態(tài)及關(guān)鍵數(shù)據(jù)，遠(yuǎn)程控制大棚設(shè)備運作等功能，界面每個賬戶下的設(shè)備在首頁以卡片形式展示，用戶可看到各個設(shè)備所監(jiān)測指標(biāo)的數(shù)值及當(dāng)前設(shè)備的在線狀態(tài)。用戶在界面點擊單個卡片便可進(jìn)入詳情頁面，查看該設(shè)備上的具體數(shù)據(jù)及圖表化形象展示。

　　配置適配器MyFragmentPagerAdapter，創(chuàng)建ViewHolder 并定義item點擊回調(diào)接口。用TabLayout控件，設(shè)置監(jiān)聽并重寫onTabSelected方法。利用Adapter實現(xiàn)各個Fragment切換，并用RecyclerView來實現(xiàn)在頁面中添加列表式的item，同樣需要配置適配器RvAdapter。每個item配置但單獨的xml文件。各個item點擊的效果由item_selector.xml來實現(xiàn)。

　　利用Android下的廣播機(jī)制，通過自定義的UsrCloudClient、UsrCloudClientService等Java類，來連接NB-IoT設(shè)備并進(jìn)行實時數(shù)據(jù)更新與獲取。

　　2.2.3 作物長勢分析系統(tǒng)實現(xiàn)

　　本系統(tǒng)通過網(wǎng)絡(luò)攝像頭對圖像進(jìn)行采集后，先對圖像進(jìn)行語義分割。進(jìn)而采用FCN（全卷積網(wǎng)絡(luò)）對語義進(jìn) 行分割，通過預(yù)先劃分區(qū)域的圖像數(shù)據(jù)集訓(xùn)練后，可對任意場景和角度將作物區(qū)域進(jìn)行分割。相比傳統(tǒng)的（Mask）蒙版劃分適應(yīng)性更強(qiáng)，可靠性更高。典型FCN網(wǎng)絡(luò)架構(gòu)見圖5。

　　3 結(jié)論

　　經(jīng)實際測試，本系統(tǒng)硬件、軟件及方案都可行，且高度滿足當(dāng)前中國科技農(nóng)業(yè)推廣的需求。對比目前同類產(chǎn)品，本系統(tǒng)具有成本低、效率高、可定制化等優(yōu)點，基本適用于所有農(nóng)作物的農(nóng)業(yè)生產(chǎn)。

　　參考文獻(xiàn)

　　[1]孫科.使用 NB-IoT物聯(lián)網(wǎng)技術(shù)建設(shè)智慧小區(qū)[J].中國新通信，2017，19(9):95-96.

　　[2]許愛萍.天津智慧農(nóng)業(yè)發(fā)展中的主要問題與解決路徑[J].世界農(nóng)業(yè)，2017(3):198-203.

　　[3]夏顯力，趙凱，王勁榮.美國農(nóng)業(yè)發(fā)展對加快我國現(xiàn)代農(nóng)業(yè)建設(shè)的啟示與借鑒[J].農(nóng)業(yè)現(xiàn)代化研究，2007，28(4):467-471.

　　[4]王蘭明，牛文林.從以色列高效集約型農(nóng)業(yè)看高科技應(yīng)用效果[J].河北北方學(xué)院學(xué)報(自然科學(xué)版)，2001(2):39-41.

　　[5]林長勇.基于NB-IoT的物聯(lián)網(wǎng)應(yīng)用研究[J].信息與電腦(理論版)，2017(17):167-168.

　　[6]孟凡，王金忠.NB-IoT聯(lián)合組網(wǎng)及優(yōu)化策略[J].電信工程技術(shù)與標(biāo)準(zhǔn)化，2018，31(6):32-36.

　　[7]徐軍， 孫庭.數(shù)字圖像處理技術(shù)在圖像識別上的應(yīng)用[J].有線電視技術(shù)，2008，15(5):129-130.

　　[8]李冠林，王海光，黃沖，等.基于圖像處理和圖像識別的植物病害診斷方法初探[C].公共植保與綠色防控，2010.

　　[9]于海斌，曾鵬，王忠鋒，等.分布式無線傳感器網(wǎng)絡(luò)通信協(xié)議研究[J].通信學(xué)報，2004，25(10):102-110.

　　[10]梅方權(quán).農(nóng)業(yè)信息化帶動農(nóng)業(yè)現(xiàn)代化的戰(zhàn)略分析[J].中國農(nóng)村經(jīng)濟(jì)，2001(12):22-26.

　　[11]吳靜，張冬平.國家科技政策對農(nóng)業(yè)創(chuàng)新型企業(yè)發(fā)展影響的實證分析[J].技術(shù)經(jīng)濟(jì)與管理研究，2018(6):106-113.

　　[12] Yang J D，Chen Y S，Hsu W H.Adaptive thresholding algorithm and itshardware implementation[J].Pattern Recognition Letters，1994，15(2):141-150.

　　[13] Long J， Shelhamer E， Darrell T. Fully convolutional networks forsemantic segmentation[J]. IEEE Transactions on Pattern Analysis & MachineIntelligence，2014，39(4):640-651.

　　作者簡介：

　　王新懷，男，博士，副教授，研究方向：微波毫米波電路與系統(tǒng)設(shè)計、智能天線與天線組陣技術(shù)等領(lǐng)域。

　　徐茵，女，高級工程師，研究方向：微波毫米波電路與系統(tǒng)設(shè)計、實時信號處理系統(tǒng)設(shè)計等領(lǐng)域。

　　賀敏娜，經(jīng)濟(jì)與管理學(xué)院信息管理與信息系統(tǒng)專業(yè)。

　　王煥，電子工程學(xué)院電子信息工程專業(yè)。

　　王晗宇，電子工程學(xué)院電子信息工程專業(yè)。

　?。ㄗⅲ罕疚膩碓从诳萍计诳峨娮赢a(chǎn)品世界》2019年第9期第73頁，歡迎您寫論文時引用，并注明出處。）