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(jì)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(jì)中系統(tǒng)可實(shí)時(shí)監(jiān)測(cè)大棚內(nèi)作物的生長(zhǎng)狀況，并自動(dòng)對(duì)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(diǎn)采集到的作物生長(zhǎng)狀況及生長(zhǎng)環(huán)境等數(shù)據(jù)發(fā)送到數(shù)據(jù)采集中心，自動(dòng)進(jìn)行初步分析后上傳至服務(wù)器，用戶可通過(guò)網(wǎng)頁(yè)或手機(jī)客戶端遠(yuǎn)程了解作物生長(zhǎng)狀況、控制環(huán)境參數(shù)及設(shè)備運(yùn)行。由于系統(tǒng)成本低廉，有著廣闊的應(yīng)用場(chǎng)景，可在農(nóng)業(yè)基地大棚、家庭植物護(hù)理等場(chǎng)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(jué)分析；FCN；精準(zhǔn)扶貧

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

　　0 引言

　　長(zhǎng)期以來(lái)，中國(guó)農(nóng)業(yè)發(fā)展較為落后，科學(xué)技術(shù)對(duì)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(shí)代逐步到來(lái)。筆者經(jīng)過(guò)對(duì)陜西省蒲城縣等農(nóng)業(yè)基地的多次實(shí)地考察，發(fā)現(xiàn)存在著農(nóng)業(yè)自動(dòng)化程度低、無(wú)法遠(yuǎn)程監(jiān)控、增產(chǎn)因素難以把控等問(wèn)題，因此對(duì)大棚內(nèi)作物的生長(zhǎng)狀況進(jìn)行實(shí)時(shí)監(jiān)控十分必要。本系統(tǒng)以分布式傳感器節(jié)點(diǎn)、NB-IoT數(shù)據(jù)鏈、云端服務(wù)器為關(guān)鍵組分，設(shè)計(jì)了具有遠(yuǎn)端監(jiān)控作物生長(zhǎng)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(jì)

　　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(diǎn)主體；第2部分是以透?jìng)髟?、服?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(diǎn)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(yùn)行本地分析程序，將分析結(jié)果通過(guò)NB-IoT上傳至透?jìng)髟?。整體系統(tǒng)框架圖見圖1。

　　通過(guò)引入視覺(jué)分析，使用動(dòng)態(tài)閾值離散化和FCN（全卷積神經(jīng)網(wǎng)絡(luò)）等語(yǔ)義分割技術(shù)對(duì)棚區(qū)木耳的長(zhǎng)勢(shì)進(jìn)行動(dòng)態(tài)追蹤，有效解決了當(dāng)前采摘效率較低的問(wèn)題。將傳感器和中心節(jié)點(diǎn)模塊化，用戶也可通過(guò)選裝相關(guān)配件、傳感器來(lái)選擇相關(guān)服務(wù)。通過(guò)對(duì)農(nóng)作物生長(zhǎng)狀況歷史記錄分析，系統(tǒng)可半監(jiān)督學(xué)習(xí)作物生長(zhǎng)全過(guò)程的最優(yōu)環(huán)境參數(shù)，對(duì)整個(gè)生長(zhǎng)周期有更全面的了解和調(diào)整，從而有效實(shí)時(shí)地監(jiān)測(cè)大棚內(nèi)作物的生長(zhǎng)狀況，并自動(dòng)作出相應(yīng)調(diào)整，真正實(shí)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(diǎn)向服務(wù)器進(jìn)行注冊(cè)，發(fā)送安裝的傳感器和控制器的種類和個(gè)數(shù)。接著初始化用戶界面，顯示各個(gè)傳感器和控制器的狀態(tài)，儲(chǔ)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(dòng)控制的流程和條件。服務(wù)器根據(jù)各節(jié)點(diǎn)的運(yùn)算能力及接入的傳感器和控制器，將每個(gè)控制流程平均分布加載到各節(jié)點(diǎn)。最后對(duì)NB-IoT兩次喚醒之間的休眠間隔進(jìn)行配置，并使之實(shí)現(xiàn)同步喚醒。當(dāng)NB-IoT休眠時(shí)，不進(jìn)行通訊，各節(jié)點(diǎn)和服務(wù)器獨(dú)立運(yùn)行。需要發(fā)送的數(shù)據(jù)自動(dòng)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(guò)程

　　節(jié)點(diǎn)將接收到的傳感器數(shù)據(jù)輸入到控制中進(jìn)行計(jì)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(gè)傳感器，將數(shù)據(jù)儲(chǔ)存至緩沖區(qū)等待上傳。若數(shù)據(jù)超過(guò)報(bào)警上下限則強(qiáng)制喚醒NB-IoT，向服務(wù)器發(fā)送報(bào)警信息；反之則進(jìn)入低功耗模式，等待NB-IoT模塊定時(shí)喚醒，以減小功耗。

　　服務(wù)器通過(guò)分析歷史數(shù)據(jù)，結(jié)合基地中心上傳的長(zhǎng)勢(shì)數(shù)據(jù)，得出目前狀態(tài)的種植方案，更新控制過(guò)程的各個(gè)參數(shù)。待節(jié)點(diǎn)的NB-IoT喚醒后，各節(jié)點(diǎn)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(diǎn)發(fā)送控制指令（或接收其他節(jié)點(diǎn)發(fā)來(lái)的控制指令）。從其他節(jié)點(diǎn)接收本節(jié)點(diǎn)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(shí)現(xiàn)

　　2.1 硬件部分

　　2.1.1 節(jié)點(diǎn)探針模塊

　　采用STM32F103C8T6作為微控制器（MCU），其功能強(qiáng)大且價(jià)格低廉。將每塊單片機(jī)封裝成一個(gè)監(jiān)測(cè)“探針”，置于大棚中的監(jiān)測(cè)點(diǎn)處，實(shí)現(xiàn)對(duì)大棚內(nèi)的空氣溫濕度、光照強(qiáng)度和二氧化碳濃度的實(shí)時(shí)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(shí)地情況及時(shí)作出處理。

　　2.1.2 溫濕度檢測(cè)模塊

　　溫濕度測(cè)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(hào)時(shí)，傳感器處于超低能耗狀態(tài)，盡可能地節(jié)省消耗。同時(shí)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(cè)量可靠性與長(zhǎng)期穩(wěn)定性。DHT11單總線協(xié)議時(shí)序圖見圖3。

　　2.1.3 光照強(qiáng)度檢測(cè)模塊

　　光照強(qiáng)度測(cè)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(cè)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(duì)實(shí)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(cè)量時(shí)長(zhǎng)約為120 ms。依照芯片對(duì)應(yīng)的通信時(shí)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(shí)序圖見圖4。

　　2.1.4 二氧化碳濃度檢測(cè)模塊

　　二氧化碳濃度是農(nóng)業(yè)生產(chǎn)中一項(xiàng)較為重要的參數(shù)，在考慮了工作性能、實(shí)際需求、傳感器體積、成本等多個(gè)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(guò)租用云服務(wù)器將NB-IoT采集的數(shù)據(jù)保存下來(lái)，進(jìn)行數(shù)據(jù)管理。通過(guò)瀏覽器打開我們的web端界面，輸入對(duì)應(yīng)的NB-IoT設(shè)備ID，可實(shí)現(xiàn)web端與NB-IoT設(shè)備的連接。web端程序監(jiān)測(cè)NB-IoT的實(shí)時(shí)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(guò)程序連接NB-IoT模塊，利用自定義函數(shù)來(lái)獲取賬號(hào)下的大棚數(shù)據(jù)信息。獲取的數(shù)據(jù)分別對(duì)應(yīng)著大棚號(hào)、節(jié)點(diǎn)號(hào)、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(kù)管理系統(tǒng)MySQL，存儲(chǔ)數(shù)據(jù)信息。通過(guò)建立獨(dú)立數(shù)據(jù)庫(kù)，在庫(kù)內(nèi)為每個(gè)大棚單獨(dú)建表，各自存儲(chǔ)對(duì)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(xiàng)目管理。當(dāng)節(jié)點(diǎn)有需要時(shí)，服務(wù)器可回歸分析歷史記錄，得出對(duì)當(dāng)前情況最有利的參數(shù)值。

　　在ODBC驅(qū)動(dòng)的輔助下，實(shí)現(xiàn)了JavaScript和MySQL數(shù)據(jù)庫(kù)的連接，當(dāng)JavaScript獲取NB-IoT更新的數(shù)據(jù)時(shí)，數(shù)據(jù)即可有序存入庫(kù)中。

　　2.2.2 用戶界面實(shí)現(xiàn)

　　為了實(shí)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(yùn)作等功能，界面每個(gè)賬戶下的設(shè)備在首頁(yè)以卡片形式展示，用戶可看到各個(gè)設(shè)備所監(jiān)測(cè)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(diǎn)擊單個(gè)卡片便可進(jìn)入詳情頁(yè)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(diǎn)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(shí)現(xiàn)各個(gè)Fragment切換，并用RecyclerView來(lái)實(shí)現(xiàn)在頁(yè)面中添加列表式的item，同樣需要配置適配器RvAdapter。每個(gè)item配置但單獨(dú)的xml文件。各個(gè)item點(diǎn)擊的效果由item_selector.xml來(lái)實(shí)現(xiàn)。

　　利用Android下的廣播機(jī)制，通過(guò)自定義的UsrCloudClient、UsrCloudClientService等Java類，來(lái)連接NB-IoT設(shè)備并進(jìn)行實(shí)時(shí)數(shù)據(jù)更新與獲取。

　　2.2.3 作物長(zhǎng)勢(shì)分析系統(tǒng)實(shí)現(xiàn)

　　本系統(tǒng)通過(guò)網(wǎng)絡(luò)攝像頭對(duì)圖像進(jìn)行采集后，先對(duì)圖像進(jìn)行語(yǔ)義分割。進(jìn)而采用FCN（全卷積網(wǎng)絡(luò)）對(duì)語(yǔ)義進(jìn) 行分割，通過(guò)預(yù)先劃分區(qū)域的圖像數(shù)據(jù)集訓(xùn)練后，可對(duì)任意場(chǎng)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(shí)際測(cè)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(guó)科技農(nóng)業(yè)推廣的需求。對(duì)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(diǎn)，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(guó)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(wèn)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(guó)農(nóng)業(yè)發(fā)展對(duì)加快我國(guó)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(bào)(自然科學(xué)版)，2001(2):39-41.

　　[5]林長(zhǎng)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(shí)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(shí)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(wú)線傳感器網(wǎng)絡(luò)通信協(xié)議研究[J].通信學(xué)報(bào)，2004，25(10):102-110.

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

　　[11]吳靜，張冬平.國(guó)家科技政策對(duì)農(nóng)業(yè)創(chuàng)新型企業(yè)發(fā)展影響的實(shí)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(jiǎn)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(jì)、智能天線與天線組陣技術(shù)等領(lǐng)域。

　　徐茵，女，高級(jí)工程師，研究方向：微波毫米波電路與系統(tǒng)設(shè)計(jì)、實(shí)時(shí)信號(hào)處理系統(tǒng)設(shè)計(jì)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?lái)源于科技期刊《電子產(chǎn)品世界》2019年第9期第73頁(yè)，歡迎您寫論文時(shí)引用，并注明出處。）