郭鵬,李鈞,張海燕

(1.石家莊學(xué)院物理與電氣信息工程學(xué)院,石家莊 050035;2.上海大學(xué)材料科學(xué)與工程學(xué)院,上海 200444; 3.石家莊郵電職業(yè)技術(shù)學(xué)院郵政通信管理系,石家莊 050021)

基于云平臺的智能遠(yuǎn)程種植系統(tǒng)

郭鵬1,李鈞2,張海燕3

(1.石家莊學(xué)院物理與電氣信息工程學(xué)院,石家莊 050035;2.上海大學(xué)材料科學(xué)與工程學(xué)院,上海 200444; 3.石家莊郵電職業(yè)技術(shù)學(xué)院郵政通信管理系,石家莊 050021)

為解決休閑農(nóng)園用戶種植時間和經(jīng)驗匱乏問題,設(shè)計了一種休閑農(nóng)園云平臺.用戶可通過云計算技術(shù)遠(yuǎn)程種植作物,也可利用基于模糊控制的專家種植決策系統(tǒng)實現(xiàn)智能種植.通過模糊聚類和自適應(yīng)模糊推理系統(tǒng)對數(shù)據(jù)進行挖掘,用戶可實現(xiàn)云平臺專家種植決策系統(tǒng)的私人訂制.實驗結(jié)果證明該系統(tǒng)設(shè)計有效、可靠.

云計算;模糊聚類;自適應(yīng)模糊推理系統(tǒng);專家決策

隨著社會的發(fā)展,城市居民普遍感到工作壓力越來越大,而對傳統(tǒng)農(nóng)業(yè)生產(chǎn)生活日益向往,使得以土地租賃種植為賣點的休閑農(nóng)園一度成為城市熱點項目.然而,由于休閑農(nóng)園一般位于城市遠(yuǎn)郊,在經(jīng)歷初期種植熱情后,距離遠(yuǎn)、時間緊、種植經(jīng)驗缺乏等問題,使得人們對農(nóng)園的關(guān)注度不斷降低[1].

本工作設(shè)計了一種基于云計算的休閑農(nóng)園云平臺,不僅可以解決休閑農(nóng)園中的智能遠(yuǎn)程種植問題,也為人們提供了一種較好的項目運營模式.該平臺利用底層硬件將農(nóng)園作物的種植環(huán)境信息通過互聯(lián)網(wǎng)導(dǎo)入云端,由云服務(wù)器對作物生長環(huán)境進行數(shù)據(jù)分析,并結(jié)合作物生長模型為用戶提供專家種植決策.用戶只需通過手機、電腦、平板等終端驗證登陸網(wǎng)頁,即可通過云平臺的Web應(yīng)用體驗休閑農(nóng)園的智能種植.

1 云計算技術(shù)

云計算技術(shù)是集互聯(lián)網(wǎng)、虛擬化、分布式計算、數(shù)據(jù)庫、負(fù)載均衡、沙箱等多種技術(shù)于一體的IT資源提供模式.該技術(shù)對虛擬化和泛化后的資源進行統(tǒng)一管理,并向異地用戶提供服務(wù),具體包括基礎(chǔ)架構(gòu)即服務(wù)(infrastructure as a service,IaaS)、平臺即服務(wù)(platform as a service,PaaS)和軟件即服務(wù)(soft as a service,SaaS).云計算技術(shù)使得用戶可以在任意時間、任意地點使用各種終端并獲取應(yīng)用服務(wù)[2-3].

相比傳統(tǒng)的智能硬件平臺,人們在通過云計算技術(shù)進行智能平臺設(shè)計時,只需關(guān)注數(shù)據(jù)采集和云應(yīng)用設(shè)計,而將服務(wù)器架設(shè)、大數(shù)據(jù)存儲、數(shù)據(jù)庫管理、數(shù)據(jù)分析、Web應(yīng)用發(fā)布、安全驗證、系統(tǒng)維護等問題交由云計算平臺解決.這不僅大幅降低平臺建設(shè)成本,也提高了用戶彈性擴展能力、平臺服務(wù)能力和安全系數(shù).因此,本工作在云計算平臺基礎(chǔ)上,從開發(fā)運營成本、安全等方面考慮并結(jié)合休閑農(nóng)園的特點,設(shè)計了一種新型休閑農(nóng)園云平臺.

2 系統(tǒng)設(shè)計

休閑農(nóng)園云平臺由感知控制層、傳輸層、云服務(wù)層和接入層等組成,具體結(jié)構(gòu)如圖1所示.

2.1 感知控制層

感知控制層處于平臺底層,包括休閑農(nóng)園的各種前端設(shè)施,負(fù)責(zé)農(nóng)園種植環(huán)境參數(shù)的采集和遠(yuǎn)程種植命令的執(zhí)行.目前,種植環(huán)境參數(shù)包括土壤溫度、土壤濕度、空氣溫度、空氣濕度和光照強度等,這些環(huán)境參數(shù)是用戶和專家決策系統(tǒng)進行種植的數(shù)據(jù)基礎(chǔ).如果用戶缺乏種植經(jīng)驗可選擇自動種植模式,在該模式下云平臺中的專家種植決策系統(tǒng)會根據(jù)環(huán)境參數(shù)自動調(diào)節(jié)作物種植環(huán)境,具體控制對象為加熱管、風(fēng)扇、澆灌設(shè)備等.此外,作物的生長視頻圖像采集也在本層完成,用戶可通過網(wǎng)頁對作物生長情況進行實時觀測.

2.2 傳輸層

傳輸層主要負(fù)責(zé)環(huán)境參數(shù)、用戶信息、控制信息等數(shù)據(jù)的傳遞.底層傳感器節(jié)點先將采集數(shù)據(jù)發(fā)送至用戶主控節(jié)點,然后由主控節(jié)點匯總至休閑農(nóng)園本地服務(wù)器,再由互聯(lián)網(wǎng)上傳至云服務(wù)器;控制信息則先由網(wǎng)絡(luò)傳至本地服務(wù)器,然后再傳給主控節(jié)點控制相應(yīng)執(zhí)行機構(gòu)完成命令.

2.3 云服務(wù)層

云服務(wù)層是休閑農(nóng)園云平臺的核心,用于提供中間件服務(wù)、云資源和云應(yīng)用等云平臺基礎(chǔ)設(shè)施.中間件服務(wù)包括互聯(lián)網(wǎng)中間件、通信消息中間件、信息傳輸校驗中間件等.云資源包括數(shù)據(jù)庫管理、數(shù)據(jù)挖掘、推理機、常見作物生長模型、農(nóng)業(yè)知識庫等.在中間件服務(wù)和云資源中,除作物生長模型和數(shù)據(jù)挖掘模塊外,其他服務(wù)由云計算中心提供.

云應(yīng)用是云服務(wù)層的核心,是用戶足不出戶即可體驗休閑農(nóng)趣的基礎(chǔ),也是本工作的研究重點,包括品種選擇、作物生長環(huán)境監(jiān)測、環(huán)境控制、專家種植決策系統(tǒng)、作物生長日志等.

2.4 接入層

用戶接入云平臺的具體實現(xiàn)由云計算中心負(fù)責(zé).借助現(xiàn)有的云計算中心,休閑農(nóng)園云平臺為用戶和管理員提供了便捷的Web界面,用戶和管理員可以通過移動終端或PC驗證登陸網(wǎng)頁進入休閑農(nóng)園云平臺.

圖1 休閑農(nóng)園云平臺結(jié)構(gòu)框圖Fig.1 Block diagram of cloud platform of leisure agricultural garden

3 功能設(shè)計

3.1 云平臺管理門戶

作為休閑農(nóng)園的新型運營模式,休閑農(nóng)園云平臺為用戶提供門戶服務(wù),包括常見作物品種介紹、種植常識、病蟲害防治常識、索引及應(yīng)用服務(wù).由于設(shè)計工作較繁瑣,目前已實現(xiàn)的服務(wù)為用戶信息、知識服務(wù)、休閑農(nóng)園云應(yīng)用加載及部分云資源應(yīng)用.根據(jù)系統(tǒng)權(quán)限不同,休閑農(nóng)園云平臺提供云平臺管理者和種植者兩種模式,用戶信息存儲在云數(shù)據(jù)庫中.

3.2 云應(yīng)用設(shè)計

通過前期對“開心農(nóng)場”等項目用戶的調(diào)研,休閑農(nóng)園云平臺共設(shè)計了6種云應(yīng)用.

(1)品種選擇.云平臺根據(jù)當(dāng)季氣候提供若干種植作物,用戶可自由選擇,但是同時種植作物的數(shù)量一般不超過3種.云平臺利用農(nóng)業(yè)知識庫為每種作物搭配種植參考,提醒用戶作物種植的難度及注意事項,如建議播種面積、種子處理、播種量、播種期、播種方法、植株喜水喜溫情況、施肥方案等.目前,系統(tǒng)為用戶提供了5種最常見的種植作物,分別是番茄、黃瓜、豇豆、菠菜和油麥菜.

(2)作物環(huán)境參數(shù)監(jiān)測.用戶可實時監(jiān)測作物生長過程中的5種環(huán)境參數(shù):土壤濕度、空氣濕度、土壤溫度、空氣溫度和光照強度.土壤濕度即水分,是作物種植中最關(guān)鍵的參數(shù),不同作物由于生長習(xí)性、形態(tài)特征等因素對濕度有不同的要求,同一作物在不同生長階段對濕度要求也不同.空氣濕度會影響作物蒸騰速率、開花授粉和病害情況,對作物產(chǎn)量和品質(zhì)有影響.空氣溫度會影響作物生長過程,作物生長有三基點溫度,即作物生長最適溫度、最低溫度和最高溫度.土壤溫度對作物及作物根系生長的影響較大,土壤溫度越高,作物生長越快.光照是作物生長必要條件,綠色植物須在陽光下進行光合作用,且作物重量的增加與光照強度相關(guān),作物能否正常發(fā)育也與光照強度相關(guān).綜上所述,用戶可通過改變環(huán)境參數(shù)影響作物生長過程.此外,環(huán)境參數(shù)也是專家決策的數(shù)據(jù)支撐.

(3)作物環(huán)境控制.該應(yīng)用負(fù)責(zé)對種植環(huán)境進行遠(yuǎn)程控制.底層硬件將環(huán)境參數(shù)通過網(wǎng)絡(luò)上傳至云平臺后,用戶可對種植環(huán)境進行手動在線調(diào)節(jié),也可由專家種植決策系統(tǒng)自動調(diào)節(jié)環(huán)境.控制命令由云平臺通過網(wǎng)絡(luò)傳給現(xiàn)場主控節(jié)點,再由主控節(jié)點控制執(zhí)行設(shè)備進行澆水、通風(fēng)、加熱等操作.

(4)專家種植決策.在作物種植過程中,用戶常由于缺乏經(jīng)驗導(dǎo)致作物生長狀況欠佳.因此,云平臺為用戶提供了專家種植決策系統(tǒng),幫助用戶種植作物.這一系統(tǒng)對由天氣等原因引起的環(huán)境突變,作用尤其明顯.由于作物種植環(huán)境受多種因素影響,是一個典型的非線性系統(tǒng),很難建立精確的模型.因此,本工作在專家系統(tǒng)中引入了模糊控制.

(5)作物生長日志.5種作物生長環(huán)境參數(shù)以曲線形式實時顯示,并存入云端作為歷史數(shù)據(jù).用戶可將作物實際生長過程中的點點滴滴記錄下來,配合環(huán)境參數(shù)、生長圖像等形成作物生長日志,從而更好地激發(fā)用戶種植興趣,提升種植經(jīng)驗.圖2為作物生長過程中的部分溫度數(shù)據(jù).

(6)作物視頻圖像.利用監(jiān)控攝像頭,使得作物生長情況以及病害發(fā)生情況可通過網(wǎng)絡(luò)實時傳入云平臺.

圖2 作物生長過程中的部分溫度數(shù)據(jù)Fig.2 Partial temperature data in the growth process of crops

4 軟件設(shè)計

休閑農(nóng)園云平臺的云服務(wù)器和云存儲由云計算平臺提供,軟件設(shè)計的主要任務(wù)是本地服務(wù)器和云應(yīng)用設(shè)計.與一般智能監(jiān)控項目相比,休閑農(nóng)園產(chǎn)生數(shù)據(jù)量較少,因此在前期工作中,本地服務(wù)器用C++語言編寫了基礎(chǔ)服務(wù)端,用于數(shù)據(jù)采集、清洗和上傳至云端.由于品種選擇、環(huán)境監(jiān)測、環(huán)境控制和生長日志的實現(xiàn)相對簡單,因此重點介紹專家種植決策系統(tǒng)設(shè)計.

專家種植決策系統(tǒng)的實現(xiàn)基礎(chǔ)是農(nóng)業(yè)專家知識庫和模糊控制.下面以種植率最高的番茄(有限生長型)種植為例,介紹專家種植決策系統(tǒng)實現(xiàn)澆水、蟲害預(yù)防、施肥的方法,以及基于模糊聚類和自適應(yīng)模糊推理系統(tǒng)(adaptive neuro-fuzzy inference system,ANFIS)的知識提取過程.

4.1 專家澆水控制策略

為節(jié)約用水,防止土壤板結(jié),提高作物產(chǎn)量及品質(zhì),專家種植決策系統(tǒng)采用調(diào)虧灌溉策略,根據(jù)作物不同生長期對水需求量的不同,控制灌溉時機,減少作物冗余生長.番茄生長期起始時間如表1所示.基于調(diào)虧灌溉的番茄生長期各階段最佳的土壤相對濕度如表2所示.

表1 生長期起始時間Table 1 Starting time of growth periodd

表2 各生長期最佳土壤相對濕度Table 2 Optimal soil relative humidity in different growth period%

系統(tǒng)首先根據(jù)番茄播種時間和番茄生長周期估算番茄當(dāng)前生長期,確定土壤最佳濕度,然后通過云平臺調(diào)用環(huán)境數(shù)據(jù).若土壤濕度處于最佳濕度范圍則無需澆水,系統(tǒng)根據(jù)環(huán)境參數(shù)計算蒸騰量及土壤滲透系數(shù),估算下次澆水時間,時間到后重新調(diào)用濕度數(shù)據(jù)判斷是否需要澆水,如此不斷循環(huán).澆水時間計算公式如下:

式中,He為土壤當(dāng)前濕度,Ho為土壤最佳濕度,E為作物蒸騰量,I為土壤滲透系數(shù).

若土壤濕度脫離最佳濕度范圍,則系統(tǒng)利用模糊算法控制滴灌設(shè)備澆水,模糊控制器如圖3所示.

圖3 模糊控制器框圖Fig.3Block diagram of fuzzy controller

模糊控制器的兩個輸入:T是當(dāng)前溫度,ΔH是土壤最佳濕度Ho與當(dāng)前濕度He之差. KT和KH是量化因子,KI是比例因子.輸出量IH是需增加的土壤濕度.根據(jù)環(huán)境參數(shù)和滴灌設(shè)備參數(shù),IH可通過公式轉(zhuǎn)換成澆水時間Hw或減濕時間Hd.當(dāng)土壤濕度不足時,滴灌設(shè)備開始工作,為作物澆水;當(dāng)土壤濕度過大時,通風(fēng)設(shè)備開始工作,降低土壤濕度.在正常生長期內(nèi),番茄土壤濕度變化一般為0～10%,溫度變化為10～35°C.因為用戶種植是以娛樂休閑為目的,對作物產(chǎn)量一般無要求,在保證一定精度的基礎(chǔ)上,為方便系統(tǒng)設(shè)計,模糊控制器輸入、輸出語言變量均為5個{NB,NS,Z,PS,PB}.通過對番茄種植經(jīng)驗進行總結(jié)共得到25條控制規(guī)則,具體如下:

具體模糊規(guī)則如表3[4]所示.

為降低蟲害,系統(tǒng)可根據(jù)番茄播種時間和生長周期,估算番茄當(dāng)前生長期,并結(jié)合作物環(huán)境提供蟲害預(yù)防策略.施肥策略與蟲害預(yù)防類似,同樣是根據(jù)番茄不同生長周期和作物環(huán)境確定相應(yīng)施肥方案.受篇幅所限,相關(guān)內(nèi)容不再贅述.

表3 模糊控制規(guī)則表Table 3 Fuzzy control rules

4.2 專屬種植決策獲取

為向用戶提供更貼切的種植決策,云平臺向用戶提供個人專屬種植決策.同樣以澆水策略為例,目前澆水策略是基于專家經(jīng)驗的模糊控制,具體模糊控制規(guī)則源于對專家經(jīng)驗的總結(jié)凝練,針對的是作物種植的一般情況,控制規(guī)則適用范圍較廣.但對具體用戶而言,由于土壤及選種各不相同,澆水時間及澆水量應(yīng)該有所區(qū)別.因此,通過對用戶澆水過程中的歷史數(shù)據(jù)進行數(shù)據(jù)挖掘[5-6],云平臺可尋找更適合用戶的特定澆水規(guī)律,具體方法如下:首先對云數(shù)據(jù)庫的歷史數(shù)據(jù)T,ΔH和IH進行減法聚類,生成初始模糊推理系統(tǒng)(fuzzy inference system, FIS),確定模糊控制規(guī)則組數(shù)和隸屬函數(shù)個數(shù);然后在初始FIS基礎(chǔ)上,利用ANFIS通過數(shù)據(jù)訓(xùn)練得到專屬模糊控制器,用于澆水控制.為驗證算法效果,現(xiàn)將基于ANFIS的FIS和基于專家經(jīng)驗的FIS進行對比,結(jié)果如圖4所示[7].

圖4 專家經(jīng)驗和ANFIS生成的FIS仿真比較Fig.4 Comparisons of FIS simulation between expert decision and ANFIS

由圖4可知,隨著歷史數(shù)據(jù)的不斷積累,由ANFIS通過數(shù)據(jù)挖掘得到的模糊控制器將日趨完善,其控制效果與基于專家經(jīng)驗的模糊控制器相比,更適合農(nóng)園種植實際.

5 硬件設(shè)計

5.1 傳感器節(jié)點設(shè)計

傳感器節(jié)點負(fù)責(zé)采集土壤溫度、土壤濕度、空氣溫度、空氣濕度和光照強度,并上傳給用戶主控節(jié)點.由于休閑農(nóng)園無需對作物精耕細(xì)作,傳感器節(jié)點也無需進行高精度、高頻率數(shù)據(jù)采集.因此,傳感器節(jié)點微控制單元(micro controller unit,MCU)選擇了AT89S51,土壤溫度傳感器為DS18B20,空氣溫、濕度傳感器為SHT11,光照傳感器為GY-30,電源模塊由ASM1117提供3.3 V電壓,電路原理圖略.

5.2 主控節(jié)點設(shè)計

用戶主控節(jié)點負(fù)責(zé)作物環(huán)境參數(shù)的接收、與本地服務(wù)器通信及農(nóng)園各執(zhí)行設(shè)備的控制.考慮外設(shè)資源、運算速度等,主控節(jié)點MCU選擇了32位單片機STM32F103C8T6.3組串口當(dāng)中,USART1利用RS232接收傳感器節(jié)點的采集數(shù)據(jù),RS232芯片選擇MAX232.USART2利用RS485與本地服務(wù)器進行主從式通信,主機為本地服務(wù)器,從機為用戶主控節(jié)點,RS485芯片選擇MAX3485.從運行可靠性考慮,主控節(jié)點和服務(wù)器間的上層通信協(xié)議選擇Modbus協(xié)議.電源模塊由MP2303提供4.02 V電壓,ASM1117提供3.3 V電壓.為減少實驗過程中的布線難度,節(jié)約成本,實驗用主控節(jié)點直接利用GPRS模塊SIM900A將數(shù)據(jù)上傳至云服務(wù)器,電路原理如圖5所示.

圖5 用戶主控節(jié)點電路原理圖Fig.5Circuit diagram of user master node

5.3 光伏供電系統(tǒng)

由于農(nóng)園項目位置一般處于市郊,供電不便,因此設(shè)計了光伏供電系統(tǒng)[8],為云平臺底層硬件和小型執(zhí)行設(shè)備供電,如分布在田地中的傳感器節(jié)點、主控節(jié)點、滴灌設(shè)備等.圖6為采用光伏供電的休閑農(nóng)園實驗?zāi)M系統(tǒng).目前,該系統(tǒng)運行正常,實現(xiàn)了預(yù)期的設(shè)計功能.

6 結(jié)束語

從用戶角度看,休閑農(nóng)園云平臺較好地解決了農(nóng)園運營中的智能遠(yuǎn)程種植問題,尤其是專家種植決策系統(tǒng)的設(shè)計使用戶擺脫了農(nóng)園地理位置和種植經(jīng)驗的限制.用戶只需一個終端,通過Web應(yīng)用,足不出戶即可輕松種田,體驗休閑農(nóng)趣.從經(jīng)營者角度看,休閑農(nóng)園云平臺不受地域限制,應(yīng)用范圍廣,運營成本低,對城市白領(lǐng)極具吸引力.目前,休閑農(nóng)園云平臺的研究工作仍在進行,隨著研究的深入和設(shè)計的完善,休閑農(nóng)園云平臺可為休閑農(nóng)業(yè)的發(fā)展提供更大的便利.

圖6 休閑農(nóng)園云平臺實驗系統(tǒng)Fig.6 Experimental system of cloud platform of leisure agricultural garden

[1]李良濤,王文惠,WELLER L,等.美國市民農(nóng)園的發(fā)展、功能及建設(shè)模式初探[J].中國農(nóng)學(xué)通報, 2011,27(33):306-313.

[2]陳聯(lián)誠,胡月明,張飛揚,等.農(nóng)產(chǎn)品安全追溯系統(tǒng)的云計算技術(shù)性能提升設(shè)計[J].農(nóng)業(yè)工程學(xué)報, 2013,29(24):268-274.

[3]王于丁,楊家海,徐聰,等.云計算訪問控制技術(shù)研究綜述[J].軟件學(xué)報,2015,25(5):1129-1149.

[4]過潤秋,洪旭,蘇旺旺.基于模糊控制理論的二級倒立擺控制算法[J].西安電子科技大學(xué)學(xué)報,2006, 33(1):111-115.

[5]尤建新,孟銀薇.基于Web數(shù)據(jù)挖掘的網(wǎng)站知識獲取及應(yīng)用——以大眾點評網(wǎng)為例[J].上海大學(xué)學(xué)報(自然科學(xué)版),2014,20(3):261-273.

[6]孫丙香,高科,姜久春,等.基于ANFIS和減法聚類的動力電池放電峰值功率預(yù)測[J].電工技術(shù)學(xué)報,2015,30(4):272-279.

[7]楊茂,齊玥,穆鋼,等.基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率預(yù)測方法[J].電測與儀表,2015, 52(14):6-10.

[8]鄭曉斌.神經(jīng)網(wǎng)絡(luò)模糊PID技術(shù)在光伏系統(tǒng)MPPT控制器中的應(yīng)用[J].長春理工大學(xué)學(xué)報(自然科學(xué)版),2015,38(1):102-106.

本文彩色版可登陸本刊網(wǎng)站查詢:http://www.journal.shu.edu.cn

Intelligent remote planting system based on cloud platform

GUO Peng1,LI Jun2,ZHANG Haiyan3
(1.College of Physics and Electrical and Information Engineering,Shijiazhuang University, Shijiazhuang 050035,China; 2.School of Materials Science and Engineering,Shanghai University,Shanghai 200444,China; 3.Department of Postal Communication Management,Shijiazhuang Post and Telecommunication Technical College,Shijiazhuang 050021,China)

To solve the problem of lack of time and experience,a leisure agricultural garden is designed.Users can plant remotely by means of cloud computing.Intelligent planting using an expert decision system can also be achieved based on fuzzy control.Using fuzzy clustering and adaptive neuro-fuzzy inference system(ANFIS)to explore the user’s planting data,private ordering of expert decision system can be obtained.Experimental results show that the designed system is effective and reliable.

cloud computing;fuzzy clustering;adaptive neuro-fuzzy inference system (ANFIS);expert decision

TP 393

A

1007-2861(2017)02-0244-08

10.3969/j.issn.1007-2861.2016.02.021

2015-12-24

河北省自然科學(xué)基金資助項目(F2014208145);河北省科技計劃資助項目(15214313);石家莊學(xué)院科研啟動基金資助項目(14YB003)

郭鵬(1981—),男,講師,研究方向為嵌入式系統(tǒng)設(shè)計、模糊控制等.E-mail:guopeng993@163.com