基于物联网技术智能温室关键技术研究.docVIP

基于物联网技术智能温室关键技术研究 　　摘 要：物联网技术为农业信息化建设注入了强劲的动力，基于物联网技术的智能温室作为设施农业中的主要应用近年来发展迅速，极大地提高了农业信息化水平。但一些关键技术还不成熟，整体达到了自动化，还没有上升到智能化的水平。在分析当前智能温室研究现状的基础上，对农业专家系统、数据融合、视频图像分析、模糊控制等在实际应用上还比较欠缺的关键技术进行了分析和探讨，并提出了未来智能温室技术的发展方向。 　　关键词：物联网；智能温室；农业专家系统；数据融合；视频图像分析；模糊控制 　　中图分类号：TP277 文献标识码：A 文章编号：2095-1302（2015）04-00-03 　　0 引 言 　　物联网技术作为近年来最热门的话题之一，被认为是继计算机、互联网之后的第三次信息技术革命。其在农业领域中有着广泛地应用，无论是从农产品种植地培育准备阶段、生长阶段还是收获阶段，都可以用物联网技术来提高效率、精细管理和降低生产管理成本[1-5]。纵观当前物联网技术在智能温室中的应用，大多注重在信息监测、传输和一些简单的自动化控制方面，实际上仅仅是实现了由机器设备代替人力劳动。在对大数据的融合、数据深度挖掘、生长模型建立、人工智能等方面的应用上还存在较大不足。本文在对智能温室研究现状进行分析的基础上，提出了将农业专家系统、模糊控制、数据融合、视频图像分析等关键技术应用到现代智能温室系统中的方法。 　　1 智能温室研究现状分析 　　当前基于物联网技术的智能温室系统研究较多的集中在对前端信息感知和数据通信网络的研究，如无线传感器网络、ZigBee通信协议、物联网网关接入等[6-11]。在环境调控方面，主要通过反馈控制的方式来实现。通常采用在建立相应控制规则的基础上，对传感器采集数据值和预设参数值比较，通过条件判断的方式来下发对现场机电设备的控制指令。这种实现方式可根据温室内现状来自动调控环境因素，但控制方式简单，无法在作物整个生长周期内提供稳定、可靠的调控。往往在面临较为复杂的实际情况时，出现控制工作的不稳定甚至错误。总体上看，缺乏一个系统科学的决策机制，无法完全体现出人工智能的特点。 　　在数据处理和发掘方面，当前更多的是完成对传感器数据和视频信息地存储，提供实时、历史数据地查询和数据报表地呈现。对数据的融合、分析和挖掘方面是非常缺乏的，无法对数据进行深层次的利用，从而去指导生产和管理，造成数据的浪费。 　　综上，合理的将农业专家系统、数据融合、视频图像、模糊控制分析等技术应用到智能温室中，将极大地提高系统智能化水平，真正让农业用户体验到基于物联网技术的智能温室带来的效益。 　　2 关键技术研究 　　2.1 农业专家系统 　　农业专家系统是整个智能温室系统的核心和大脑，一般由知识获取工具、知识库、数据库、模型库、推理机、人机界面等组成。专家系统地开发需要大量农业专家知识的积累、对知识的恰当表示和描述、作物生长模型的建立、推理机的实现等过程[12，13]。由于开发过程长、难度大，往往最为关键的农业专家系统在智能温室建设中容易被忽视。 　　下面以智能温室中种植的番茄为例，提出一种番茄专家系统的构建方法。 　　通过采用Java Web、Tomcat以及MySQL 进行Web应用程序开发，实现支持用户通过网络浏览器的应用方式。系统功能主要分为番茄模型预测子系统、番茄病虫害诊断子系统以及智能决策子系统三部分。采用三层架构的B/S模式实现。第一层为视图层，由JSP页面完成用户的交互，包括番茄栽培的预测、诊断、管理的相关状态输入，对策、结果输出等。第二层为逻辑应用层，即控制层，包括Web服务器和应用服务器，专家系统的推理、解释等功能在该层实现。第三层是数据库服务器，即模型，在农作物专家系统推理机中要使用到的知识以数据库的形式存放于数据层，并在数据层完成对数据的完整性和安全性的检验工作。数据库使用MySQL，数据库中包含作物基本信息表、环境因素表、病虫害信息表、知识表等。 　　2.2 数据融合 　　在智能温室中，数据是核心。系统对温室内环境是否适应作物生长的判断主要依赖大量传感器数据的上报。单个传感器获取的数据是单一和片面的，信息的参考价值有限。对各个单一传感器的数据独立处理，其结论必定是片面的和不准确的。在某个传感器故障且用户又不知晓的情况下，可能会导致错误的结论。因此采用多个不同种类、不同数量的传感器进行温室内环境数据的监测，以生成满足实际需求的合成信息，提高决策的可靠性和准确性，使系统性能得到极大提高，这其中的关键是多传感器数据融合技术。 　　此外多传感器数据融合也是传感器节点实现节能的一种有效技术途径，数据融合技术通过降低网络的数据传输量，能够达到节约能量的目的。它在数据从节点向基站传输的过程