物联网在规模化辣椒种植生长分析中的应用.pdf

物联网在规模化辣椒种植生长分析中的应用刘 娇 ， 徐国华 石家庄信息工程职业学院 ， 石家庄 050000摘 要 为了实现规模化辣椒种植生长状态的实时监控 ， 基于物联网技术 ， 设计了生长等级评价分析系统 ， 且土壤水分含量 、土壤 pH 和温室温度被选为本系统监控指标 。采用 ZigBee 技术建立传感器局域网 ， 传感器节点采用六边形布局 ; 通过协调器 ， 采用 GPＲS 技术 ， 将检测数据上传物联网服务器 ， 分析 3 种传感器检测数据 ， 确定三者对于辣椒生长的影响 ， 建立生长评级标准 ， 并建立对应区间隶属度函数 。利用本系统监测辣椒样本数据 ， 根据建立的生长评级标准 ， 计算其隶属度矩阵和权重向量 ， 最终得到样本模糊判定集 ， 进而计算该样本生长健康等级 。系统可实现对于大规模辣椒生长的实时监控 ， 并量化评级 ， 及时有效地反映辣椒生长状态 ， 具有普及潜力 。关键词 物联网 ; 网络结构 ; 环境因子 ; 辣椒健康模型中图分类号 S126 文献标识码 A 文章编号 1003 －188X 2020 09 －0238 －050 引言辣椒以其独特口味 ， 受到大众喜爱 ， 特别是在湘菜和川菜中具有举足轻重的地位 ， 作为经济作物 ， 在我国广泛种植［ 1］。其对生长环境要求较为严格 ， 水肥供应不当 ， 极易造成减产 ， 影响农户收入［ 2］。目前 ， 对于辣椒长势的评价多为用经验农户进行人工观察 ， 凭借经验进行浇水施肥 ， 可能造成土壤进一步酸化 ， 使辣椒产量进一步恶化［ 3］， 因此科学地评价辣椒健康状况迫在眉睫 。传统的检测手段对辣椒取样 ， 人工检验样本 ， 采集温度 、土壤含水量 、土壤 pH， 然后测量植株高度判定其健康状态 。该方法受到样本容量 ， 即取样手段的限制 ， 无法很好匹配实际情况 ， 且处理检测数据时间长 、实时性差 。为此 ， 基于物联网系统 ， 将温度传感器 ， 土壤含水量传感器 ， 及土壤 pH 传感器组成局域网 ， 实现检测数据互联 ; 通过 Zigbee［ 4］和 GPＲS 技术 ， 将检测数据及时上传控制中心服务器 ， 实现对于辣椒生长环境的实时监测 ; 通过数据分析 ， 分析不同环境因子对于辣椒生长的影响 ， 建立分级标准 ; 利用物联网系统检测辣椒样本 ， 采用模糊数学方法计算其健康等级 ， 提醒农户浇水施肥 。1 系统组成系统结构如图 1 所示 。物联网辣椒健康监测系统收稿日期 2019 －02 －28基金项目 河北省教育厅人文社会科学研究项目 SQ172010作者简介 刘 娇 1980 － ， 女 ， 河北晋州人 ， 副教授 ， 硕士 ， E －mail luhexian3685395 163． com。分为 3 层 ， 即感知层 、网络层和应用层 。图 1 系统结构框图Fig． 1 Structure of system感知层主要完成温室辣椒生长环境数据采集 ， 采用 FM － KWS 型温度传感器 ， 采集温室温度样本 ; 采用SHT11 土壤含水量传感器检测土壤含水量 ; 采用托普云农公式的 TP － SPH －1 土壤 pH 传感器检测土壤酸碱度 ; 采用 MB2168B 摄像头拍摄辣椒植株 ， 与标准物比对 ， 计算得到植株高和茎粗 。网络层将感知层采集到的数据传输到应用层 ， 网络层主要分为两部分 ①传感器局部组网 ， 采用 ZigBee 标准 ; ②传感器局域网数据上传 ， 采用网络提供商的 GPＲS 标准［ 5］。应用层·832·2020 年 9 月 农 机 化 研 究 第 9 期DOI10.13427/ki.njyi.2020.09.042中数据接收存储系统 ， 将传感器采集数据进行接收储存 ; 数据分析系统根据采集数据 ， 分析 3 种因素对于辣椒生长的影响 ; 辣椒健康评价系统根据 3 种因素对于辣椒影响情况 ， 建立评价等级标准 ; 同时 ， 采用模糊数学算法 ， 对辣椒监测样本进行分析 ， 判定辣椒生长健康状态 。2 网络结构物联网监测系统由温度传感器 、湿度传感器 、pH传感器和植株高度与茎粗摄像机等感知元件组成 ， 所有监测数据需要传输到控制中心的服务器上 ， 采用传感器局部组网 ， 将不同传感器检测数据汇总 ， 通过远程无线传输 ， 上传互联网 ， 最后数据传输到控制中心服务器上 ， 在服务器上进行数据分析处理 。为了实现对温室内辣椒的有效监控 ， 要完成两大任务 ①完成数据传输拓扑结构 ， 实现检测数据到控制中心服务的传输 ; ②传感器在温室内的合理布置 ， 确保温室内所有种植辣椒土地均在监测范围内 。2．1 网络拓扑结构整个网络结构 见图 2 分为 3 部分 ①温室内传感器局域网 ; ②局域网向互联网传输 ; ③数据从互联网到控制中心服务器传输 。由于温室局域空间固定 ，且相对封闭 ， 传感器数据量有限 ; 同时 ， 由于野外供电不方便 、温室内潮湿等特点 ， 组网技术应具有能耗低 ，可靠性高的特点 。因此 ， 采用 ZigBee 技术 ， 该技术基于 IEEE802． 15． 4 协议 ， 是一种近距离无线局域网络构架 ， 具有低成本 、低功耗的特点［ 6］。图 2 网络拓扑结构Fig． 2 Topology of network传感器局域网采用网状结构 ， 实现传感器不同节点之间的互通 ， 具有良好的扩展性 ， 且新加入的传感器节点可以通过接力的形式 ， 通过临近节点将数据传输到中心协调器上 。该结构可靠性高 ， 当某节点失效时 ， 数据可以通过附件其他节点传向中心协调器 ; 局域网向互联网传输数据采用 GPＲS 协议 ， 依托通讯运营商发达的基站可信号塔等基础建设 ， 数据可靠性高 ， 实现 24h 不间断数据上传 ， 同时可提供 114kbp/s上传速度 ， 满足温室传感器数据传输需求［ 7］; 数据从互联网到控制中心服务器传输采用成熟的 TCP/IP 协议［ 8］， 传输速度快 、可靠性高 ， 不需要额外添加设备 ，经济性好 。2．2 传感器节点分布设计由于 ZigBee 终端有覆盖范围 ， 设覆盖范围半径为Ｒ。传感器局域网采用网状拓扑结构 ， 使每一个节点传感器检测数据通过接力的形式传向协调器节点 ， 两终端之间的距离必须小于 2Ｒ。但当终端间距分布过于密集时 ， 就会造成大量冗余数据 ， 影响输出速度 ， 同时过多的节点终端会使系统成本升高 。因此 ， 需要对终端节点分布进行优化设计 ， 在保证数据传输的前提下 ， 增大终端间距 ， 减少 ZigBee 终端数量 。设 ZigBee 终端节点位置为 P x， y ， 平面任意点P1 x1， y1 ， 则 P1点属于 P 点终端监测的概率为S 1， d x1－ x2 y1－ y槡2≤ Ｒ0， d x1－ x2 y1－ y槡2{＞ Ｒ 1即当 P1到终端的距离为设覆盖范围半径 Ｒ 时 ， 为属于终端监测的极限位置 。根据以上原理设计终端分布 ， 如图 3 a 所示 。设 P1点处于相邻 3 个终端监测极限位置 ， P1到 P， P0和 P23 个终端节点之间的距离均为 Ｒ， 则 ＜ P2P1P≤P0P1P≤P0P1P2120°， 因此 d P0P P0P2 P2P槡 3Ｒ ， 且 △P0PP2为等边三角形 。由上述分析可知 节点之间的距离 d槡 3Ｒ ， 中心节点P 同相邻两节点连线之间的夹角为 60o， 中间节点与相邻 6 个节点成正六边形分布 。采用正六边形布局 ， 温室传感器节点布局如图 3 b 所示 。图 3 传感器节点设计Fig． 3 Design for sensor node3 物联网监测环境因子对辣椒生长的影响利用建立的物联网系统对大棚辣椒长势进行监测 ， 主要包括温室中环境因子和辣椒生长状态两部·932·2020 年 9 月 农 机 化 研 究 第 9 期分 。植物生长需要有特定的温度 ， 在其适当的温度中发生蒸腾作用 ， 根系以水为载体 ， 将土壤中的氮磷等元素运输到叶面 ， 完成光合作用 ， 实现生长 ， 而土壤的酸碱性直接影响着植物根系发育 。因此 ， 物联网系统重点检测土壤水含量 、土壤 pH 值和温室内温度 ; 辣椒生长状态选用植株高度与茎粗两指标 。3．1 土壤含水量对辣椒生长影响水分是辣椒生长的必须要素 ， 主要来源为土壤中水分 。水分直接参与辣椒光合作用 ， 与 CO2作用 ， 生成O2和辣椒生长必须的有机物 ; 同时 ， 水分作为载体 ， 通过蒸腾作用［ 9］， 将土壤中的氮磷等元素输送到叶片 ，合成叶绿素 ; 保持细胞膨胀压 ， 为细胞增殖提供动力 。当土壤缺水时 ， 分生组织细胞分裂 ， 伸长速率降低 ， 蒸腾作用降低 ， 养分元素运输量减小 ， 叶绿素合成量降低 ， 造成植株矮小 ， 直接影响产量 ; 土壤水分过高 ， 会造成植物生长过快 ， 叶茎柔嫩 ， 结节过长 ， 植物抵御病虫害的能力降低 ; 当水分严重过多时 ， 根系呼吸作用变差 ， 会出现根部疾病 ， 严重影响辣椒生长 。现讨论土壤含水量对于辣椒茎粗和植株高度的影响 ， 在温室内不同区域 ， 控制土壤含水量 ， 在 60 天生长周期中 ，不同土壤含水量的辣椒植株高度和茎粗增长如图 4 所示 。图 4 土壤含水量对于辣椒生长的影响Fig． 4 The effect of soil water content on pepper growth当含水量为 40 ～ 60 时 ， 植株高度增长缓慢 ;60 ～70 时增长速度显著提高 ， 含水量为 70 时达到最大值 ; 70 ～ 80 区间植株高度开始下降 ， 当含水量高于 80 时 ， 植株高度明显降低 ， 此时根系由于水分过量出现病变 ; 当含水量为 40 ～ 50 时 ， 植株茎粗增长缓慢 ; 50 ～ 65 时增长速度显著提高 ， 含水量为 65 时达到最大值 ， 此后缓慢下降 。由上述数据可知 ， 在 65 ～75 区间 ， 最适合辣椒生长 ， 其次为75 ～80 区间 ， 最差为 40 ～65 区间 。3．2 温度对辣椒生长影响辣椒生长对温度有一定的要求 ， 其生理 、生化活动必须在一定的温度范围内进行 。总体上温度升高 ，酶活性增强 ， 生理 、生化反应增强 ， 植物生长速度加快 ; 温度降低 ， 酶活性降低 ， 光合作用降低 ， 植物生长速度降低 。本实验采用昼夜平均温度 ， 辣椒生长 45天内 ， 观测其植株高和茎粗 ， 结果如图 5 所示 。由图 5可知 温度从 7℃ 增长到 13℃， 植株高度成准线性增长 ， 超过 13℃， 高度开始下降 ， 但下降速度低于前期生长速度 ; 植株茎从 8 ～12℃成准线性增长 ， 12 ～13℃出现负增长 ， 最大茎粗出现在 15℃， 此后开始缓慢下降 。综上所述 ， 12 ～ 15℃ 最适宜辣椒生长 ， 其次为 15 ～18℃， 最差为 8 ～ 12℃。这是由于植物白天进行光作用 ， 温度越高 ， 光合作用越强 ， 到黑夜植物只进行呼吸作用 ， 消耗光合作用生成的有机物 ; 当温度较低时 ， 呼吸作用受到抑制有机物消耗降低 ， 因此昼夜温差较大有利于植株生长 。由于采用昼夜平均温度 ， 因此 12 ～15℃比 15 ～ 18℃ 更适宜辣椒生长 ; 7 ～ 12℃ 昼夜温度均低 ， 光合作用差 ， 因此辣椒生长最慢 。图 5 温度对辣椒生长的影响Fig．5 The effect of temperature on pepper growth3．3 土壤 pH 辣椒生长影响土壤酸碱性对于植物生长的影响最主要表现为 ①影响细胞分裂复制 ， 酸性土壤中铝离子和氢离子含量增多 ， 会抑制 DNA 复制 ， 减缓细胞分裂 ; ②影响元素吸收 ， 碱性土壤中 ， 铁和锰不能溶出 ， 表现出缺铁锰症状 ; 酸性土壤中 ， 铁和锰溶出 ， 溶解度随着酸性增强而增强 ， 当 pH 过低时 ， 植物出现铁锰中毒线性［ 10］。土壤 pH 对辣椒生长影响如图 6 所示 。由图 6 可知 土壤 pH6 ～6． 6 过程中 ， 植株高度呈现先减小后增高趋势 ， 且增长较为缓慢 ; 土壤 pH6． 6 ～6． 9 过程中呈现缓慢下降 ， 当 pH 超过 6． 9 时 ， 植株高度快速下降 ;土壤 pH6 ～6． 8 过程中 ， 植株茎呈现先减小后增大趋·042·2020 年 9 月 农 机 化 研 究 第 9 期势 ， 且 pH6． 2 ～6． 8 呈现出线性增长趋势 ， 当 pH 超过6． 9 时 ， 植株茎粗快速下降 。因此 ， 最适宜辣椒生长的区间为 pH6． 6 ～6． 9， 其次为 pH6 ～6． 6， 最不是于辣椒生长 pH 区间为 6． 9 ～7． 5。由此可知 ， 偏酸性土壤适合辣椒生长 。图 6 土壤 pH 对辣椒生长的影响Fig．6 The effect of soil pH on pepper growth4 辣椒生长水平评价本物联网系统采用摄像头监控辣椒植株高度和茎粗度作为衡量辣椒生长健康程度的标准 ， 通过传感器监测其种植环境中土壤含水量 、温度和土壤 pH 值作为影响辣椒生长的环境因素 ， 良好的环境因素对于辣椒健康至关重要 。现综合考量 3 种环境因子 ， 对辣椒健康状况进行等级划分 ， 量化处理有利于指导农户把握辣椒生长状态 ， 及时作出调整 。辣椒健康状况分级如表 1 所示 。不同等级对应环境因子均为一个连续的区间 ， 而辣椒生长样本的 3 个环境因素为定值 ， 因此采用模糊数学的方法 ， 建立模型 。模型建立主要分为两步 ①计算模糊判定集 S; ②采用加权平均法计算样品健康等级 。表 1 辣椒健康分级Table 1 Grade for pepper health等级土壤含水量/温度/℃土壤 pH 值1 65 ～75 12 ～15 6．6 ～6．92 75 ～85 15 ～18 6．0 ～6．63 40 ～65 7 ～12 6．9 ～7．54．1 建立糊判定集 S模糊判定集 S 的计算公式如式 2 所示 。其中 ， Ｒ为不同环境因子的隶属度矩阵 ， W 为权重向量 ， 则有S W  Ｒ w1， w2， ， w mr11r12 r1nr21r22 r2n   rm1rm2 rmns1， s2， ， s n 2采用 M ∧， ∨ 模糊算子 ， 计算规则如式 3 所示 。现讨论隶属度矩阵 Ｒ 和权重向量 W 的计算方法 ，有sk ∨mj 1 μj∧ rjk max1≤j≤mminμj， r { }jkk 1， 2， ， n 3隶属度矩阵 Ｒ 的计算方法为 ①选定隶属度函数 ， 根据表 1 依次计算 3 个健康等级的隶属度函数 ; ②将样品环境因子依次带入 3 个健康等级的隶属度函数 ， 计算 3 个不同等级的隶属度 ， 由于环境因子有 3个 ， 等级有 3 个 ， 因此隶属度矩阵 Ｒ 为 3 3 矩阵 。三因素对于辣椒健康状态的影响 ， 在各等级区间内没有发生震荡 ， 总体上呈增加或减小趋势 ， 区间中心值最能代表其等级区间 ， 因此采用三角形隶属度函数 ， 如式 4 所示 。其中 ， b 为区间下限 ; c 为区间上限 ; a 为区间中点 ， 即 a b c /2。r x mnx － ba － b， b ≤ x ≤ ac － xc － a， a ≤ x ≤ c0， x ＜ b，x ＞ cm， n 1， 2， 3 4权重向量 w 计算过程为 ①计算土壤含水量 、土壤 pH 和温度 3 种指标各自单项权重 ; ②计算 3 种指标中的一种占 3 种指标整体的权重 ， 即w，iDiＲi 5其中 ， Di为传感器实测值 ， Ｒi为该传感器在三组区间中值平均数 ， 计算式如式 6 所示 。其中 ， ri x ， i 1， 2， 3 为 3 个健康等级对应的区间中值 。Ｒi13r1 x r2 x r3 x[ ] 6单一种指标占整体的权重计算如式 7 所示 ， 得到权重向量 W w1w2w3 。wiDi/Ｒi∑3i 1Di/Ｒii 1， 2， 3 74．2 样品生长等级模型建立与应用根据表 1 建立样品健康等级向量 u u1u2u3 ， 和其对应的模糊判定向量 S s1s2s3 相乘 ， 并取加权平·142·2020 年 9 月 农 机 化 研 究 第 9 期均值 ， 计算得到样品辣椒健康等级 ， 则有u ∑3i 1ui·si∑3i 1sii 1， 2， 3 8现采用物联网系统在温室中监测到某区域辣椒温度为 12． 5℃， 土壤含水量为 78 ， 土壤 pH 为 6． 5。分析该组数据可知 温度处于第 1 健康等级 ， 土壤含水量和土壤 pH 均处于第 2 健康等级 ， 因此直观无法确定该区域辣椒的健康等级 ， 现采用本系统健康评价模型进行分析 。步骤如下 1 采用式 4 ， 计算其隶属度矩阵 ， 即Ｒ 0 0．6 00．33 0 00 0．33 02 利用式 5 、式 6 ， 计算其权重向量 ， 即 W 0．377 0．309 0．[ ]314。3 利用式 2 、式 3 ， 计算模糊判定集 ， 即S 0．377 0．309 0．[ ]314°0 0．6 00．33 0 00 0．33 00．309 0．[ ]377 04 计算健康等级有u ∑3i 1ui·si∑3i 1si 1． 56 9计算结果表明 该样品健康等级低于第一健康等级 ， 处于第 1 等级向第 2 等级过渡位置 ， 且更趋向第 2健康等级 ， 因此需要及时调整生长环境因素 ， 确保辣椒健康生长 。5 结论基于物联网技术建立了辣椒生长健康监测系统 ，针对辣椒生长习性 ， 选取土壤含水量 、土壤 pH 和温室温度作为物联网系统监控量 。物联网系统采用 ZigBee协议 ， 建立温室传感器局域网 ; 采用 GPＲS 协议 ， 将温室传感器局域网检测数据上传互联网 ， 进而传输到物联网服务器 。服务器对 3 种传感器检测数据进行分析 ， 确定不同环境因素对于辣椒生长的影响 ， 并将每种因素对辣椒生长的影响分为 3 种 ， 最优为 1 级 ， 中等为 2 级 ， 很差为 3 级 ， 并采用模糊数学方法 ， 建立隶属度函数 。利用物联网系统采集辣椒生长环境因子样本 ， 计算样本隶属度矩阵和权重向量 ， 最终得到样本模糊判定集 ， 采用加权平均的方法计算样本的健康等级 。本系统可对复杂辣椒生长健康进行量化分级 ， 直观表明该辣椒生长情况 ， 能及时提醒农户改进环境因素 ， 确保辣椒丰收 。参考文献 ［ 1］ 蒋祖煊 ． 湖南辣椒与湖南菜 ［ J］ ． 辣椒杂志 ， 2003 4 46－48．［ 2］ 许春华 ． 辣椒综合种植技术研究 ［ J］ ． 农业开发与装备 ，2018 12 185 －195．［ 3］ 咸文荣 ， 杨君丽 ． 循化线辣椒种植上存在的问题及对策［ J］ ． 中国果菜 ， 2004 5 22 －25．［ 4］ 赵诗博 ， 于利永 ， 张文静 ． 基于 ZigBee 网络的数据采集系统的研究 ［ J］ ． 南方农机 ， 2019 1 35 －37．［ 5］ 冯军 ， 王筱东 ， 申智辉 ， 等 ． 基于 GPＲS 和 LOＲA 的大棚智能灌溉系统探索与设计 ［ J］ ． 现代信息科技 ， 2018， 2 11 189 －193．［ 6］ 陈永康 ， 郑笔耕 ． 基于 ZigBee 技术的数据采集系统设计研究 ［ J］ ． 信息通信 ， 2018 12 154 －155．［ 7］ 李毅超 ． GPＲS 技术在计量自动化系统的应用研究 ［ J］ ．中国高新科技 ， 2018 2 71 －73．［ 8］ 杨小凡 ． TCP/IP 相关协议及其应用 ［ J］ ． 通讯世界 ，2019， 26 1 27 －28．［ 9］ Song L， Liu S， Kustas W P． Monitoring and validating spa-tially and temporally continuous daily evaporation and tran-spiration at river basin scale ［ J］ ． Ｒemote Sensing of Envi-ronment， 2018， 219 3 72 －80．［ 10］ 罗彦学 ． 水肥处理对辣椒保护地土壤酸碱值影响分析［ J］ ． 北京农业 ， 2015 12 131 －135． 下转第 247 页 ·242·2020 年 9 月 农 机 化 研 究 第 9 期Quantitative Analysis of Pesticide Spraying onPesticide Application Plat Based on Large DataZeng Xinzhou College of Software， Changsha Commerce ＆ Tourism College， Changsha 410116， ChinaAbstract In recent years， it is rapid the development momentum of small － scale agricultural unmanned plant protectionaircraft in China． At present， there are more than 10 manufacturers producing unmanned plant protection aircraft in Chi-na， and the trend is fast growing． In order to improve the accuracy of pesticide spraying in UAV spraying equipment， itproposed a real － time analysis plat for large data of pesticide spraying based on cloud technology， and it realized theprecise control of pesticide spraying quantity by PID regulation． In order to verify the feasibility of the scheme， it de-signed a real － time data analysis plat for quantitative analysis of spraying agent． Taking UAV spraying agent as theresearch object， it tested the reliability of the plat for quantitative analysis of spraying agent， including the speed ofdata analysis and the accuracy of spraying agent． The test results show that， compared with the traditional data analysisserver， the large data analysis plat based on cloud technology has higher ability of quantitative data analysis of pesti-cide application． After using the data analysis plat， the precision of pesticide application is also higher， which canmeet the needs of the unmanned plant protection operation．Key words UAV spraying; large data analysis; quantitative spraying; PID adjustment; cloud plat 上接第 242 页 Abstract ID 1003 －188X 2020 09 －0238 －EAThe Application of Epc System Network in Growth Analysis ofMass Pepper PlantingLiu Jiao， Xu Guohua Shijiazhuang Ination Engineering Vocational College， Shijiazhuang 050000， ChinaAbstract In order to achieve real － time monitoring for large range pepper growth， grade uation and analysis systemwas built， based on epc system network． Soil water content， soil pH and temperature of greenhouse were monitored bythis system． The local area network of sensor was built， and sensor nodes spread as regular hexagon． The data of sensorswas transmit to the server of epc system network by coordinator， based on GPＲS． The effect of three sensors on peppergrowth was analyzed by the server． Then the rule for grade uation and membership function was built． One peppersample data was test by this system， membership matrix and weight vector were calculated， then the fuzzy decision setwas get． In the end grade of pepper growth was calculated． This system achieved real － time monitoring for large rangepepper， and quantifying grade reflected growth state of pepper． This system had the potential of large － scale dissemina-tion．Key words epc system network; network structure; environmental factors; model of pepper health·742·2020 年 9 月 农 机 化 研 究 第 9 期