基于智能数据挖掘技术的温室大棚环境参数优化.pdf

基于智能数据挖掘技术的温室大棚环境参数优化 张呈宇 重庆财经职业学院 重庆 402160 摘 要 针对温室大棚环境控制自动化程度较低 运营成本高和能耗大的问题 基于智能数据挖掘技术对温室 大棚的环境参数优化管理系统进行研究 系统根据功能分为数据采集层 网络传输层和控制层 为了实现温室 大棚环境管理系统对环境参数的优化 通过创建温室大棚的环境模型 并采用聚类算法对获取的样本数据进行 数据挖掘 从而得到环境参数内部的规律 最终确定环境参数优化方案 为了验证该管理系统的有效性 对温度 控制模型进行仿真试验 结果表明 系统的拟合性良好 可以将其应用于温室大棚环境参数的优化控制 关键词 温室大棚环境参数 优化 智能数据挖掘技术 聚类算法 中图分类号 S625 5 1 文献标识码 A文章编号 1003 188X 2022 10 0213 05 0 引言 温室大棚是近年来我国发展起来的一种产业化 种植模式 尤其在北方 可以有效地提高冬季土地利 用率 但是 温室环境控制系统较为复杂 自动化程 度较低 能源消耗过大 运营成本过高 成为制约我国 温室发展的主要问题之一 随着物联网技术的发展 人们在温室大棚内部布设多种传感器 控制器和相应 的控制系统 通过对环境参数进行采集 处理 实现对 温室大棚环境的智能化控制 从而实现高效 节能的 生产 1 物联网技术的不断普及和应用 致使温室大棚采 集的环境数据呈现爆发式增长 网络数据的数量 体 积和结构过于庞大 冗余数据过多 另一方面 物联网 数据库中的数据大多以描述性文字为主 在温室大棚 的环境控制中较难获取并直接应用 在环境参数控制 方面 仍然以各参数的阀值控制方式为主 并不能够 达到对能源的按需 高效利用 因此 还需要对获取 的各类数据进行挖掘 以获取有用的信息 2 数据挖掘技术是利用算法从数据库或信息库的 大量数据中挖掘提取有效信息的过程 是近年来新兴 的一种技术 该技术集合了数据库 统计学 信息管 收稿日期 2020 09 25 基金项目 重庆市高等教育学会2019 2020年高等教育科学研究重 点项目 CQGJ19A36 重庆市教委高等教育教学改革研究 项目 193479 重庆市教育科学 十三五 规划项目 2020 GX 170 作者简介 张呈宇 1982 女 重庆璧山人 副教授 硕士 E mail tian7049743506 163 com 理 模式识别等学科 目前已经在天文学 生物学和商 业管理等领域有了较为深入的应用 且已经取得成 果 但是尚未在农业领域获得应用 因此可以考虑将 其应用于温室大棚环境的智能化高效管理中 为此 笔者拟将基于智能数据挖掘技术对温室大棚环境参 数进行优化研究 1 硬件设计 1 1 总体结构设计 温室大棚管理系统根据功能可以分为数据采集 层 网络传输层和控制层 如图1所示 图1 温室大棚管理系统总体结构图 Fig 1 The structure of greenhouse management system 1 2 数据采集层 数据采集层主要用于采集温室大棚的环境数据 由很多个数据采集模块构成 可通过网络传输层将数 据反馈给控制层 数据采集模块基于ZigBee无线通 312 2022年10月 农机化研究 第10期 信技术构建 在每个模块中都包含温度传感器 湿度 传感器 光照度传感器 空气质量传感器以及现场监 控节点 3 这些节点将采集到的温室大棚环境参数 定时传递给起协调器作用的汇聚节点 汇聚节点通过 串口与网络传输层实现通信 数据采集模块的结构 如图2所示 图2 数据采集模块结构图 Fig 2 The structure diagram of data acquisition module 数据采集模块中的汇聚节点和传感器节点都属 于微型嵌入系统 结构近似 可选择同一种芯片 考 虑到节点的使用环境为温室大棚 在进行芯片选择时 需要同时具备低成本 低能耗 适当的扩展性 较高的 可靠性以及较少的外围元件的特点 因此选用TI公司 生产的CC2530芯片 4 该芯片只有在进行数据采 集 处理和发送时有能量消耗 在间隙过程中则处于 休眠状态 不仅降低了能耗 还延长了芯片的使用时 间 芯片的工作流程如图3所示 图3 芯片工作流程图 Fig 3 The work flowchart of the chip 1 3 网络传输层 网络传输层是控制层与数据采集层之间数据的 中转站 一方面将采集到的数据进行存储和转发 一 方面将控制层发出的指令进行处理和传输 主要由嵌 入控制装置和移动Agent两部分构成 为了实现温室大棚环境的数据传输 需要不同类 型的网络 无线传感网用于实现近距离 低能耗的物 联网底层之间的数据传输 5 无线网卡和无线路由器 用于实现物联网底层数据的远距离传输 移动通信网 则用于将移动终端与网络的连接 实现对温室大棚环 境的远程监控 嵌入控制装置则是网络传输层的核 心单元 主要用于将各类设备 GPRS模块 无线网卡 移动通信网 无线传感网等 融合 保证数据的传输 网络传输层硬件结构示意图如图4所示 图4 网络传输层硬件结构示意图 Fig 4 The diagram of hardware in network transport layer 物联网的底层数据过多 为了从这些数据中筛选 出与温室作物生长有关的环境因素 在嵌入控制装置 之前安装移动Agent装置 对获得的数据进行挖掘 处 理和整合 以减少网络响应时间和降低网络资源的浪 费 提升数据传输速度 1 4 控制层 控制层主要包括控制中心 信息提示部件和各执 行机构组成 其中 移动Agent将处理后的数据传输 至控制中心 根据处理结果向对应的执行机构 通风 系统 天窗 灌溉系统 加热系统等 发出指令 执行机 构按照指令执行 直到温室大棚的环境符合作物最优 生长环境 信息提示部件用于及时地将温室大棚的 环境参数 作物生长状态和处理后的数据显示并传递 给用户 2 数据挖掘算法设计 为了从获取的环境参数中提取有效信息 实现温 室大棚环境参数的优化 需要创建温室大棚的环境模 型 再采用聚类算法对获取的样本数据进行数据挖 掘 从而得到环境参数内部的规律 最终确定环境参 数优化方案 2 1 温室大棚环境模型构建 温室大棚环境的物理模型如图5所示 由图5 可以看出 温室大棚环境参数会受到各种内部和外部 因素的影响 为了研究温室大棚内的各环境参数对 农作物的影响 需要将模型简化 并做以下假设 温 室大棚内的环境参数在短时间能够维持恒定 温室 412 2022年10月 农机化研究 第10期 大棚内的环境参数只考虑温度 湿度 温度和湿度 对农作物的影响权重看作相同 由此 可以将温室环 境模型简化为图6所示模型 图5 温室大棚物理模型 Fig 5 The physical model of greenhouse 图6 温室模型简化图 Fig 6 The schematic diagram of greenhouse model 温室大棚中环境输入参数包括土壤温度 大气温 湿度 光照 加热和通风 输入参数包括温室大棚的温 度和湿度 因此 温室大棚环境模型的函数可以通过 下式表示 X y X x1 x2 xn 其中 X为 温室大棚函数的n个输入参数 y为函数的输出参数 为复合函数 2 2 聚类算法设计 温室大棚的输出参数包括温度和湿度两个参数 为了确定两个参数的关联性 采用HCS方法进行计 算 假设目标函数为f x 输入向量为x 每个输入向 量的对应的子系统为fn x 目标函数需要满足以下 条件 f x f1 x f2 x fn x 对于子系统f1 x 共输出两个参数 一是结果 y1 二是结果对输入参数的x1的依赖程度 1 从微 积分叠加方向考虑 可以得到以下关系 即 f x n i 1 fi x i x dx 对于本温室大棚环境模型来说 温度和湿度对农 作物的影响程度看作相同 上式可以变为 f x n i 1 fi x i x dx n i 1 fi x i x 因此 温室大棚的温度和湿度参数可以看作是相 互独立的参数 在进行模型构建时分别计算 由于温室大棚的输出参数温度和湿度 其输入参 数相同 因此采用数学的方法探究两个参数之间的关 系不可取 可以采用聚类分析的算法进行输入参数有 效的分类 6 首先 按照k 平均算法的方式 将样本 根据聚类规则的不同划分为两个聚类 分别为 1和 2 并将聚类的中心作为样本统计量 两个聚类中心分 别为 1和 2 由此得出聚类规则为 If x x 1 then y y 1 If x x 2 then y y 2 其中 x为模型输入的参数数据 y为模型输出的 参数数据 模型的参数数据输出时需要统计其分布 即建模函数 一般按照T S模糊推理形式确定 其形 式为 y k i 1 aif x10 xn0 n i 1 ai 其中 ai为模型参数 一般根据经验选取 7 这 种算法在不同的系统中具有不同的跟踪能力 适应能 力较差 8 而高斯隶属函数的逼近能力较好 可以将 其与T S模糊推理模型结合进行建模 最终确定建模 函数为 fk x n i 1 Al k exp x x c 2 n i 1 Bl k exp x x c 2 其中 为隶属函数的宽度 为常数 Al k 和Bl k 分别为第l个聚类的样本总数量和输出样本的总 数量 当有样品数据时 首先建模函数 然后确定样本 聚类的数量n及每个聚类的中心 其他的样本则按 照欧几里得距离d进行计算 确定每个样本的聚类 最后开始迭代 使目标函数E的结果尽可能小 目标 函数为 E n i 1 p i p i 最后 对将每个样本带入建模函数中进行计算 最终得到模型输出的参数数据y 512 2022年10月 农机化研究 第10期 3 试验结果 为了验证该温室大棚的环境参数模型的有效性 需要对其进行试验验证 因此 采用MatLab进行仿 真试验 通过对比仿真数据和真实数据 确定模型的 准确性 3 1 仿真试验设置 由于温室大棚环境的湿度和温度可以看作是相 互独立的参数 且建模函数相同 因此只以温度作为 试验仿真对象 输入参数设定为土壤温度 土壤湿 度 大气湿度 阳光辐射 加热系统和通风系统 每隔 5min进行数据检测 总时长48h 共测得576个时间 点的数据 数据总数为4032个 将这些数据采用模 型进行分析 并与实际测得数据进行拟合 计算拟合 度 模型仿真参数设置如表1所示 表1 仿真参数设定值 Table 1 The setting value of simulation parameters 仿真参数系统设定值 聚类数量6 学习效率e x 领域x 2 高斯隶属函数宽度2 神经元数量6 3 2 试验结果分析 为了分析模型的数据挖掘效果 采用拟合度作为 作为标准 分析原始数据和数据挖掘后数据的差异 拟合度 为 n i 1 y0 y1 2 其中 y0为检测值 y1为模拟值 拟合度 值越 小 则模型的数据挖掘效果越好 根据上式计算可得温度的模型数据与实际数据 的拟合度为0 13 说明该模型的拟合性良好 可以将 其应用于温室大棚环境参数的优化控制 4 结论 1 针对温室大棚环境控制自动化程度较低 运营 成本高和能耗大的问题 基于智能数据挖掘技术对温 室大棚的环境参数优化管理系统进行研究 系统根 据功能分为3层 分别是数据采集层 网络传输层和 控制层 2 为了实现温室大棚环境管理系统的对环境参 数优化 通过创建温室大棚的环境模型 并采用聚类 算法对获取的样本数据进行数据挖掘 从而得到环境 参数内部的规律 最终确定环境参数优化方案 3 为了验证该管理系统的有效性 对温度控制模 型进行仿真试验 结果表明 该系统的拟合性良好 可 以将其应用于温室大棚环境参数的优化控制 参考文献 1 MCBERATNEY A WHELAN B ANCEV T Future direc tions of precision agriculture J Precisioin agriculture 2005 6 1 7 23 2 王元卓 靳小龙 程学旗 网络大数据 现状与展望 J 计 算机学报 2013 36 6 1125 1138 3 徐敬东 赵文耀 李淼 等 基于ZigBee的无线传感器网络 设计 J 计算机工程 2010 36 5 110 112 4 刘旭飞 李晓辉 梁新宇 基于Zigbee技术的无线数据传 输系统及抗干扰分析 J 电脑知识与技术 2012 8 10 2412 2414 5 胡培金 江挺 赵燕东 基于ZigBee无线网络的土壤墒情 监控系统 J 农业工程学报 2011 27 4 230 234 6 GUHA S RASTOGI R SHIM K Rock A robust clustering algorithm for categorical attributes C Seattle proceedings of the ACM SIGMOD conference 1998 73 74 7 于进 钱锋 基于粒子群优化的高斯核函数聚类算法 J 计算机工程 2010 36 14 22 8 李文 基于类高斯隶属函数的自适应模糊推理建模研究 J 科学技术与工程 2010 10 6 1433 The Optimization of Greenhouse Environmental Parameters Based on Intelligent Data Mining Technology Zhang Chengyu Chongqing College of Finance and Economics Chongqing 402160 China Abstract Aiming at the problem of low automation high operating cost and high energy consumption of greenhouse envi ronmental control system The greenhouse environmental parameter optimization manage system based on intelligent data mining technology was studied The system was constituted of data acquisition layer network transmission layer and con 612 2022年10月 农机化研究 第10期 trol layer according to the function The greenhouse environmental model was built to realize the parameter optimization of the greenhouse environmental manage system To obtain the internal rules of environmental parameters and ensure the op timization scheme the clustering algorithm was also used to the acquisition sample data to do the data mining To verify the effective of the management system the temperature control model was simulated The test results show that the sys tem has good fitting performance it could be applied to the optimal control of environmental parameter Key words greenhouse environmental parameters optimization intelligent data mining technology clustering algorithm 上接第208页 Abstract ID 1003 188X 2022 10 0206 EA Semantic Analysis of Adjectives for Plug Seeding Robot Control Bian Jie School of Foreign Languages Sanjiang University Nanjing 210012 China Abstract With the continuous development of national agriculture the intelligence of national agricultural machinery is also constantly improving Plug seeding robot can realize automatic seeding in the greenhouse and improve the efficiency of vegetable planting The correct instructions interpretation of automatic seeding process is the basis for its normal and efficient work Semantic understanding is a technology thatactively processes information and has gradually become an important tool in the development of modern intelligent agricultural equipment Adjectives can be used in English to modify the nature status andattributes of ranks or nominal phrases During the operation of plug seeding robot different adjectives areoften involved to modify its operation state control direction and the affairs it controls This article first ex plains the English language understanding and introduces the specific process of the language understan ding of plug seeding robot Then it discusses the application of the semantic understanding of adjectives in path planning automatic seeding speed and direction control in the tray seeding robot Finally it is determined that the language understanding of adjectives can play a important role in the control function of plug seeding robot and can improve the development of intelligent machinery in China Key words plug seeding robot control semantic understanding adjectives 上接第212页 Abstract ID 1003 188X 2022 10 0209 EA Application of 3D Virtual Simulation System in Farmland Visualization Liu Jie Henan Art Vocational College Zhengzhou 450000 China Abstract This paper takes the three dimensional virtual simulation system of farmland visualization operation is taken as the research object Through the analysis of the design principle of farmland visual operation system a kind of 3D virtual simulation system with high practicability is designed to realize the process of farmland visual operation Through the data collection and analysis of the operation environment a three dimensional visualization model is established According to the model attributes the relevant operation parameters are set and the database information is compared to obtain the scene driving of the three dimensional virtual simulation system Through the test and analysis of the system the 3D vir tual simulation system can collect the relevant parameter information in the working environment in real time and com pare with the database predict the yield of agricultural production process or adjust the irrigation and fertilization scheme according to the target yield so as to improve the economy of agricultural production process Key words farmland visualization operation 3D virtual simulation system 3D scene modeling 3D scene driving 712 2022年10月 农机化研究 第10期