濮永仙

(德宏師范高等專科學(xué)校計算機科學(xué)系　德宏　678400)

物聯(lián)網(wǎng)智能農(nóng)業(yè)系統(tǒng)在果蔬種植中的應(yīng)用

濮永仙

(德宏師范高等?？茖W(xué)校計算機科學(xué)系德宏678400)

摘要因引入基于物聯(lián)網(wǎng)技術(shù)的智能農(nóng)業(yè)系統(tǒng),能加快我國邁向現(xiàn)代化農(nóng)業(yè)的進(jìn)程,為此設(shè)計開發(fā)了物聯(lián)網(wǎng)智能農(nóng)業(yè)系統(tǒng)。通過開發(fā)具備基于支持向量機的病害預(yù)警診斷、生產(chǎn)的智能化管理、產(chǎn)品溯源等功能的軟件系統(tǒng),同時在田間合理布置各種傳感器、攝像頭、可控設(shè)施,并應(yīng)用了3G、GPRS、ZigBee等物聯(lián)網(wǎng)技術(shù),從而實現(xiàn)農(nóng)業(yè)生產(chǎn)一體化的智能管理系統(tǒng)。該物聯(lián)網(wǎng)智能農(nóng)業(yè)系統(tǒng)應(yīng)用于黃瓜示范生產(chǎn),起到了預(yù)警診斷病害,智能、精細(xì)地控制棚內(nèi)肥水、農(nóng)藥、溫濕度等生產(chǎn)要素,以及產(chǎn)品安全溯源等功效,若大范圍應(yīng)用,將會產(chǎn)生較好的經(jīng)濟效益。

關(guān)鍵詞物聯(lián)網(wǎng); 智能農(nóng)業(yè)系統(tǒng); 產(chǎn)品溯源; 瓜果生產(chǎn)

Class NumberTP302

1引言

2015年“中央一號文件”指出:中國農(nóng)業(yè)必須盡快從主要追求產(chǎn)量和依賴資源消耗的粗放型經(jīng)營方式轉(zhuǎn)到數(shù)量、質(zhì)量、效益并重,可持續(xù)發(fā)展的集約型生產(chǎn)方式上來,走產(chǎn)出高效、產(chǎn)品安全、資源節(jié)約、環(huán)境友好的現(xiàn)代農(nóng)業(yè)發(fā)展道路。智能農(nóng)業(yè)是將人工智能、通信、計算機和農(nóng)學(xué)等學(xué)科相結(jié)合,利用傳感器及監(jiān)控設(shè)備采集影響作物生長的信息,通過智能專家系統(tǒng)分析,并指導(dǎo)作物生產(chǎn)的過程。智能農(nóng)業(yè)系統(tǒng)由田間信息采集、信息管理與分析、經(jīng)分析做出決策、由決策決定具體實施方案共四個步驟組成。其中,對農(nóng)田信息的快捷、準(zhǔn)確獲取是實現(xiàn)智能農(nóng)業(yè)的關(guān)鍵,否則將無法建造真正的智能農(nóng)業(yè)[1]。物聯(lián)網(wǎng)作為現(xiàn)代信息技術(shù)發(fā)展的產(chǎn)物,具有全面感知、可靠傳輸、智能處理等特征[2～3],將其用于農(nóng)業(yè)生產(chǎn),可為實現(xiàn)田間信息采集、遠(yuǎn)程監(jiān)測、控制等提供可靠保障。目前,物聯(lián)網(wǎng)技術(shù)已在不少領(lǐng)域深入應(yīng)用了[4～7]。將物聯(lián)網(wǎng)技術(shù)與智能農(nóng)業(yè)相結(jié)合,通過在田間合理部署各種傳感器、網(wǎng)絡(luò)傳輸設(shè)備、環(huán)境控制設(shè)施等,實時采集影響作物生長的環(huán)境參數(shù),傳至上位機,依托智能專家系統(tǒng)對采集的信息進(jìn)行分析,依據(jù)設(shè)置的各參數(shù)閾值,自動開啟或關(guān)閉可調(diào)控設(shè)備(遮陽簾、澆灌、風(fēng)機、加熱器等),對作物生長的環(huán)境進(jìn)行智能化調(diào)控。此外,應(yīng)用物聯(lián)網(wǎng)技術(shù)對作物產(chǎn)品的生長、運輸、加工、消費等環(huán)節(jié)進(jìn)行監(jiān)控、跟蹤,從而實現(xiàn)產(chǎn)品質(zhì)量安全溯源服務(wù)。物聯(lián)網(wǎng)技術(shù)與智能農(nóng)業(yè)系統(tǒng)的珠聯(lián)璧合,不但可最大限度提高農(nóng)業(yè)現(xiàn)實生產(chǎn)力,而且是實現(xiàn)優(yōu)質(zhì)、高產(chǎn)、低耗和環(huán)保的可持續(xù)發(fā)展農(nóng)業(yè)的有效途徑。

基于物聯(lián)網(wǎng)智能農(nóng)業(yè)的果蔬種植系統(tǒng)包括軟、硬件兩部分,軟件開發(fā)含三個服務(wù)平臺,依托智能專家系統(tǒng),分別為基于支持向量機的病害預(yù)測、生產(chǎn)智能管理、溯源交易等服務(wù)平臺。通過合理布置無線傳感器,融合無線網(wǎng)絡(luò),以及物聯(lián)網(wǎng)技術(shù)與軟件平臺的具體應(yīng)用,在果蔬生產(chǎn)中對肥水、溫濕度、農(nóng)藥等農(nóng)資要素進(jìn)行精細(xì)化、智能化控制,從而實現(xiàn)果蔬生產(chǎn)的智能化管理。

2物聯(lián)網(wǎng)智能農(nóng)業(yè)系統(tǒng)在果蔬生產(chǎn)中的應(yīng)用

2.1智能專家系統(tǒng)構(gòu)建

智能專家系統(tǒng)是人工智能的一個重要分支,是用人工智能的方法來模擬專家的特性,以便使電腦能象專家一樣來解決問題。智能專家系統(tǒng)=知識庫+推理機,任務(wù)是將人類專家的知識和經(jīng)驗以適當(dāng)?shù)男问酱嫒胫R庫,用戶提供數(shù)據(jù)給專家系統(tǒng),通過適當(dāng)?shù)耐评硭惴?相應(yīng)地得到專家系統(tǒng)的判斷和決策。其中,知識庫是專家系統(tǒng)的核心部分,是問題求解的知識集合,推理機是專家系統(tǒng)運用知識對數(shù)據(jù)進(jìn)行推理的邏輯核心,它控制著知識庫中的知識,對綜合數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行推理,以得出新的結(jié)論。

在作物生長過程中,不同作物對環(huán)境因素的需求各部相同。依據(jù)智能專家系統(tǒng)原理,將作物專家具有的作物生產(chǎn)經(jīng)驗知識創(chuàng)建專家系統(tǒng),利用物聯(lián)網(wǎng)技術(shù)對影響作物生長的環(huán)境因素進(jìn)行采集、通過推理機推理,得出決策,實現(xiàn)對棚內(nèi)設(shè)備進(jìn)行調(diào)控,使作物生長在最佳的環(huán)境中。本文依據(jù)領(lǐng)域?qū)＜抑R創(chuàng)建了基于支持向量機的病害預(yù)測、生產(chǎn)智能控制、產(chǎn)品質(zhì)量溯源等智能服務(wù)平臺。平臺采用B/S三層體系結(jié)構(gòu),在Windows NT Server平臺下使用,SQL Server 2008為數(shù)據(jù)庫管理系統(tǒng),采用Visual C#.NET編程語言,整個軟件分病害診斷、生產(chǎn)智能管理、溯源等服務(wù)平臺,平臺包括表現(xiàn)層、業(yè)務(wù)層、數(shù)據(jù)訪問層和數(shù)據(jù)庫四個層次。數(shù)據(jù)訪問用于所有業(yè)務(wù)層與數(shù)據(jù)庫之間的數(shù)據(jù)管理,是一個公共層,由數(shù)據(jù)訪問組件與數(shù)據(jù)庫連接組件構(gòu)成,業(yè)務(wù)層根據(jù)不同的管理對象建立不同的業(yè)務(wù)組件,如用戶注冊管理組件、信息采集組件、實施控制組件等,還可根據(jù)實際需求的變化方便地增改組件,易于系統(tǒng)的維護(hù)和升級[8]。

2.2基于支持向量機的果蔬病害預(yù)測

實現(xiàn)果蔬病害預(yù)測,是有效防治和控制病害發(fā)生發(fā)展,減少農(nóng)藥施用和生產(chǎn)無公害果蔬的最佳途徑。影響果蔬病害發(fā)生的因素較多,包括氣象、自然環(huán)境、本身表現(xiàn)出的密度和非密度制約因素等。其中,氣象因子與病害密切相關(guān),如棚內(nèi)濕度、溫度不適是造成病害發(fā)生和蔓延的主要原因。如黃瓜種植中常見病害有:霜霉病、灰霉病、褐斑病、炭疽病等,且每種病害有其獨特的生長習(xí)性。其中,霜霉病在溫度為20℃～25℃、相對濕度為70%～85%時最可能發(fā)病;灰霉病在低溫18℃～23℃、相對濕度94%以上、光照不足時容易發(fā)病;炭疽病在生長中后期發(fā)病較重,主要危害葉片,當(dāng)濕度高達(dá)87%～95%時發(fā)病迅速。

因氣象因子與病害不具備線性關(guān)系,若用數(shù)理統(tǒng)計方法找出氣象因子與病害之間的某種函數(shù)關(guān)系有一定難度。而支持向量機是Vapnik等根據(jù)統(tǒng)計學(xué)理論中結(jié)構(gòu)風(fēng)險最小化原則提出的一種模式識別方法,它在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢[9～11]。

支持向量機的基本原理是:如有兩類線性集合D={(x1,y1),(x2,y2),…,(xi,yi)},x∈Rd,y∈{-1,1}為保證對所有樣本均正確分類,要求滿足如下約束:

yi[ω·x+b]-1≥0(i=1,2,…,n)

(1)

式中ω為分類面權(quán)系數(shù)向量,此時最大化分類間隔等價于式(1)約束下,求式(2)的最小值。

(2)

解決約束最小化問題引入Lagrange函數(shù),有:

(3)

將原問題變?yōu)閷ε紗栴},有

(4)

式中a為Lagrange乘子,若a*為最優(yōu)解,則

(5)

式中s為訓(xùn)練樣本下標(biāo)集合,其相應(yīng)的分類閾值為b*,xs為特定的支持向量。解上述問題得最優(yōu)分類函數(shù)。

(6)

對線性不可分問題,只需加一個松弛變量ξi,此時約束條件為

yi[ω·xi+b]≥1-ξi

(7)

目標(biāo)函數(shù)變?yōu)?/p>

(8)

式中C為懲罰因子,控制著對錯分樣本懲罰度的作用。對非線性的解決是定義一個核函數(shù)k(xi,xj),使其在高維空間線性可分,k(xi,xj)=〈φ(xi),φ(xj)〉,相應(yīng)的分類函數(shù)變?yōu)?/p>

(9)

常用的核函數(shù)有線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)、Sigmoid核函數(shù)等。

實踐證明,對同種病害發(fā)生發(fā)展的氣象、氣候等一些自然條件是穩(wěn)定的,本文以最高溫度、最底溫度、平均溫度、最高濕度、最底濕度、平均濕度、光照強度共七個因素為輸入?yún)?shù),以作物病感指數(shù)為輸出。規(guī)定將病感指數(shù)的計算分別見表1病害分級標(biāo)準(zhǔn)和式(10)。

表1　病害分級標(biāo)準(zhǔn)

×100%

(10)

本文選擇黃瓜常見病害:霜霉病、炭疽病、褐斑病、灰霉病共四種為對象,收集樣本400個,每種病害100個,在Matlab2009a環(huán)境下用Matlab語言編程進(jìn)行仿真實驗。為加快分類收斂性及泛化能力,其輸入?yún)?shù)采用最大最小規(guī)格化方法將特征向量數(shù)據(jù)進(jìn)行歸一化處理。分類器選用SVM的一對一投票策略實現(xiàn)預(yù)測結(jié)果識別。共訓(xùn)練k(k-1)/2(k為類別數(shù)取4)個二值分類器,在分類時采用了打分策略,分別用訓(xùn)練過程得到的k(k-1)/2個分類器進(jìn)行測試,每個結(jié)果為1分,累計各類別得分,選擇得分最高的為測試類別。采用SVM中徑向基核函數(shù)K(x,y)=exp(-γ|x-y|2)作為核函數(shù),經(jīng)多次實驗其參數(shù)C=50,γ=0.125效果較好,輸出采用十進(jìn)制編碼輸出,0代表正常,1代表輕,2代表偏輕,3代表中,4代表重,5代表偏重,共六種輸出。

采用同樣的數(shù)據(jù),構(gòu)建并訓(xùn)練基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的識別模型,最后用BP神經(jīng)網(wǎng)絡(luò)的三層結(jié)構(gòu)BP(7,23,6)表示,即輸入層節(jié)點數(shù)為7,輸出層為6,隱含層節(jié)點數(shù)通過試湊法選定為23。

為比較識別結(jié)果,引入四種病害的平均絕對誤差、均方差及平均絕對百分比誤差作為評價指標(biāo),結(jié)果如表2所示。

表2　支持向量機/利用BP神經(jīng)網(wǎng)絡(luò)識別結(jié)果比較

從表2可知,支持向量機的識別精度要比用遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)模型的高。通過物聯(lián)網(wǎng)技術(shù)實時獲取作物生長的氣象參數(shù),用支持向量技術(shù)進(jìn)行預(yù)測,這樣提高了診斷的效率和精準(zhǔn)度,為作物保護(hù)智能化、變量噴藥等提供了科學(xué)依據(jù)。

2.3生產(chǎn)智能管理平臺

作物生產(chǎn)智能管理平臺由視頻監(jiān)控、作物生長環(huán)境監(jiān)測、數(shù)據(jù)存儲分析及遠(yuǎn)程控制系統(tǒng)組成。視頻監(jiān)控系統(tǒng)用于定點、定時地觀測作物生長情況,該系統(tǒng)包括遠(yuǎn)程Web在線查看、視頻數(shù)據(jù)存儲、回放等功能。作物生長環(huán)境監(jiān)測是實現(xiàn)智能管理的基礎(chǔ)核心部分,用于定量、定時、定區(qū)域地監(jiān)測影響作物生長的環(huán)境關(guān)鍵因素?？刂葡到y(tǒng)主要由控制設(shè)備和相應(yīng)的繼電器控制電路組成,軟件為作物生產(chǎn)自動化控制預(yù)留了端口,用戶可利用智能終端設(shè)備(程序自動完成)遠(yuǎn)程控制棚內(nèi)可控設(shè)施,以實現(xiàn)作物生產(chǎn)環(huán)境的智能化控制?；谝陨瞎δ芤?本文以物聯(lián)網(wǎng)傳輸技術(shù)為核心,設(shè)計了物聯(lián)網(wǎng)智能農(nóng)業(yè)大棚作物生產(chǎn)智能控制系統(tǒng),其結(jié)構(gòu)圖見圖1物聯(lián)網(wǎng)大棚作物生產(chǎn)智能管理系統(tǒng)。通過該系統(tǒng),可定時采集棚內(nèi)的環(huán)境參數(shù),如光照強度、CO2濃度、溫濕度、土壤元素含量、作物長勢等信息,采集的信息通過無線方式上傳至以專家系統(tǒng)為主的上位機數(shù)據(jù)處理系統(tǒng)中,進(jìn)行存儲、分析,使生產(chǎn)管理者可通過智能終端查看監(jiān)控區(qū)域的詳細(xì)信息、分析結(jié)果、決策建議等。同時,應(yīng)用遠(yuǎn)程控制功能,并結(jié)合專家系統(tǒng)與實際生產(chǎn)需求,執(zhí)行上位機或用戶智能終端設(shè)備發(fā)來的命令,開啟或關(guān)閉可調(diào)控設(shè)施(噴淋、抽風(fēng)機、加熱器等),以創(chuàng)造適宜作物生長的最佳環(huán)境。

圖1　物聯(lián)網(wǎng)智能農(nóng)業(yè)大棚果蔬生產(chǎn)控制系統(tǒng)

不同果蔬在不同生長時期,所需的環(huán)境因素各不相同,如黃瓜生長的適宜溫度為15℃～32℃,在不同生長期對溫度的要求又不同,如種子萌芽期適宜溫度為28℃～32℃;幼苗期,白天的溫度在晴天不應(yīng)超過24℃～28℃,陰天不應(yīng)低于18℃～22℃,而在夜晚不應(yīng)低于12℃～17℃;開花結(jié)果期,白天溫度不能低于20℃,25℃～30℃溫度條件下果實生長最快。若氣溫、地溫過低,會導(dǎo)致種子發(fā)芽、出苗延遲,會導(dǎo)致苗黃、苗弱,生長受阻,或發(fā)生猝倒病、根腐病等多種病害。此外,黃瓜的根系對地溫比較敏感,最適溫度為20℃～25℃,地溫降至12℃以下,根系生長受阻會引起下部葉片發(fā)黃,地溫過高,超過32℃～35℃,根系生長受阻。軟件系統(tǒng)中大棚自動控制部分可根據(jù)需求提前設(shè)定控制程序,如提前設(shè)定適宜值范圍,當(dāng)所測溫度一旦超出范圍,根據(jù)提前設(shè)定的程序,系統(tǒng)將自動幵啟或關(guān)閉抽風(fēng)機系統(tǒng)、加熱器等。同樣光照、濕度、CO2濃度、肥水等自動控制策略也可提前在專家系統(tǒng)中設(shè)定。

2.4大棚內(nèi)傳感節(jié)點布置

在基于物聯(lián)網(wǎng)的智能農(nóng)業(yè)生產(chǎn)中,無線傳感器節(jié)點是采集最末端單元,為保證果蔬生長在最適宜的環(huán)境中,對傳感器節(jié)點的設(shè)計提出了較高的要求,既要求傳感器節(jié)點能夠精確檢測各種環(huán)境參數(shù),又要求合理設(shè)計及部署傳感器節(jié)點,有效覆蓋整個環(huán)境,最大化整個系統(tǒng)的效率。傳感器節(jié)點通常是一個嵌入式系統(tǒng),各傳感器節(jié)點集成有傳感器其執(zhí)行器模塊、計算與存儲模塊、通信模塊和電源模塊[12～13]。

本系統(tǒng)在黃瓜大棚中進(jìn)行實驗,傳感器節(jié)點的處理器單元和無線傳輸單元采用CHIPCON公司的CC2430芯片,它是一款基于ZigBee協(xié)議,集成89C51內(nèi)核處理器的芯片和ZigBee無線收發(fā)模塊,內(nèi)置RF2420射頻芯片,并增加CC2591增益放大芯片,是一種比較成熟的無線傳感芯片。其傳感器節(jié)點結(jié)構(gòu)圖如圖2所示。單點之間傳輸有效距離可達(dá)700m,系統(tǒng)監(jiān)測并存儲大棚內(nèi)各個環(huán)境數(shù)據(jù),所有監(jiān)測節(jié)點均采用無線傳輸。大棚內(nèi)空氣溫濕度、CO2濃度、光照強度按每隔10m布置一個監(jiān)測節(jié)點,每個監(jiān)測點分上中下三個層次,距地面高度分別為50cm、100cm、160cm;土壤溫濕度傳感器每個大棚部署三個監(jiān)測點,每個監(jiān)測點分為土層5cm、10cm、15cm三個層次,另布置pH值和氨氮傳感器,共部署三個監(jiān)測點,每個監(jiān)測點分土層5cm、30cm兩個層次。施工采用支架插入土壤方式,種植時可方便布置,空閑季節(jié),可方便收回至倉庫保管,若需增加監(jiān)測節(jié)點,只需在后臺系統(tǒng)中設(shè)置即可,而無需在采集節(jié)點修改硬件。采集節(jié)點供電采用鋰電池供電和太陽能板供電兩種形式,根據(jù)無線節(jié)點的采集頻率和傳感器耗電量而定,當(dāng)采集頻率間隔大于等于5min/次,無線節(jié)點的低功耗模式啟動,節(jié)點可持續(xù)工作6個月。

圖2　傳感器節(jié)點結(jié)構(gòu)圖

2.5果蔬溯源交易服務(wù)平臺

產(chǎn)品溯源交易平臺是作物生產(chǎn)的擴展平臺,是作物生產(chǎn)管理功能的延伸,能提升產(chǎn)品的附加值。本平臺主要依靠各個環(huán)節(jié)中的智能信息節(jié)點,使用電子標(biāo)簽技術(shù)、GPS定位技術(shù)、互聯(lián)網(wǎng)技術(shù)、無線傳感技術(shù)和數(shù)據(jù)庫技術(shù),將各個節(jié)點有機的結(jié)合在一起,通過無線、有線網(wǎng)絡(luò)與溯源中心數(shù)據(jù)庫相連接,對生產(chǎn)、加工、物流、檢測、銷售等各個環(huán)節(jié)的數(shù)據(jù)進(jìn)行搜集[14],利用二維碼編碼技術(shù)生成二維碼,采用手機掃描產(chǎn)品二維碼,實現(xiàn)對產(chǎn)品信息的追溯。據(jù)于此,本平臺的系統(tǒng)結(jié)構(gòu)功能圖如圖3所示,共分三層,分別是作物生產(chǎn)現(xiàn)場層、溯源數(shù)據(jù)管理層和用戶層。為使溯源信息的采集,查詢更加便捷,在用戶層利用了主流的操作系統(tǒng)開發(fā)了分別基于Android和IOS系統(tǒng)的APP,一個用于客戶端采集信息,另一個供消費者掃碼查詢溯源信息。這樣通過在Android(2.2及以上版本)和IOS操作系統(tǒng)的3G手機上安裝客戶端軟件,信息錄入時,用戶可利用采集客戶端方便快捷地錄入信息,如將圖片、音頻、視頻等文件上傳至溯源數(shù)據(jù)中。消費者通過使用查詢客戶端軟件掃碼二維碼或者手工錄入條碼后,可以查詢到產(chǎn)品的溯源信息,如查看是哪個大棚生產(chǎn)的,是否施過農(nóng)藥與化肥,生產(chǎn)保質(zhì)期相關(guān)信息,以及各個環(huán)節(jié)的詳細(xì)信息。同時消費者還可通過客戶端的信息反饋菜單向監(jiān)管部門投訴,監(jiān)管部門在處理后,會及時將處理結(jié)果反饋給消費者,以節(jié)約時間及保障溯源系統(tǒng)的正常運行。

圖3　產(chǎn)品溯源平臺結(jié)構(gòu)圖

3結(jié)語

本文將智能農(nóng)業(yè)理論和物聯(lián)網(wǎng)技術(shù)的珠聯(lián)合碧,通過在田間合理布置各種影響作物生長的信息獲取和環(huán)境因素控制設(shè)備,以及智能控制平臺的創(chuàng)建,可實現(xiàn)病害的預(yù)測,變量噴施肥水、農(nóng)藥等,以及能自動控制棚內(nèi)設(shè)施,使作物生長在最佳的環(huán)境中,既節(jié)約資源、人力,又提高了產(chǎn)品質(zhì)量。此外,從產(chǎn)品安全追溯的角度出發(fā),實施了果蔬質(zhì)量安全溯源服務(wù)平臺,能宣傳產(chǎn)地果蔬生態(tài)生產(chǎn),價格也得到一定幅度的提升?；谖锫?lián)網(wǎng)的智能農(nóng)業(yè)系統(tǒng)在果蔬種植中的應(yīng)用,節(jié)約了成本,提高果蔬的品質(zhì),為高品質(zhì)果蔬打下良好口碑,也防止了其他地方果蔬假冒,強化區(qū)域生態(tài)果蔬打造,為本地高端精品果蔬的推廣做好鋪墊工作。

目前,基于物聯(lián)網(wǎng)的智能農(nóng)業(yè)系統(tǒng)還處于試驗階段,主要應(yīng)用在示范基地,其涉及技術(shù)門類多,融合了3G、寬帶、物聯(lián)網(wǎng)、傳感器等技術(shù),成本還較高,也存在一些安全威脅[15]是項目全面推廣的風(fēng)險因素。隨著物聯(lián)網(wǎng)的廣泛應(yīng)用,成本會大幅降低,其應(yīng)用將拓展到農(nóng)業(yè)生產(chǎn)的各個環(huán)節(jié)。

參 考 文 獻(xiàn)

[1] 王汝傳,孫力娟.物聯(lián)網(wǎng)技術(shù)導(dǎo)論[M].北京:清華大學(xué)出版社,2011:11-15.

WANG Ruchuan, SUN Lijuan. The introduction to the Internet of things technology[M]. Beijing: Tsinghua University Press,2011:11-15.

[2] International Telecommunication Union. ITU Internet Reports 2005: The Internet of Things[R]. Geneva: ITU,2005.

[3] 寧煥生.RFID重大工程與國家物聯(lián)網(wǎng)[M].北京:機械人民出版社,2010:48-52.

NING Huansheng. RFID major projects and national iot[M]. Beijing: Mechanical Industry Press,2010:48-52.

[4] 方露.淺析物聯(lián)網(wǎng)技術(shù)在科技館中的應(yīng)用[J].科技通報,2012,28(3):165-168.

FANG Lu. Application of the Internet of Things Technology in the Museum Service[J]. Bulletin of Science and Technology,2012,28(3):165-168.

[5] 朱景鋒.物聯(lián)網(wǎng)環(huán)境下電子政務(wù)信息系統(tǒng)入侵檢測技術(shù)分析與對策研究[J].科技通報,2012,28(4):130-132.

ZHU Jingfeng. Analysis and Countermeasures on Intrusion Detection Based on the E-government Information Systems Under the Internet of Things[J]. Bulletin of Science and Technology,2012,28(4):130-132.

[6] 張國軍,賴小龍,楊睿茜,等.物聯(lián)網(wǎng)技術(shù)在精準(zhǔn)農(nóng)業(yè)環(huán)境監(jiān)測系統(tǒng)中的應(yīng)用研究[J].湖南農(nóng)業(yè)科學(xué),2011(15):173-176.

ZHANG Junguo, LAI Xiaolong, YANG Ruixi, et al. Application of Internet of Things Technology in environmental Monitoring System for Precise Agriculture[J]. Hunan Agricultural Sciences,2011(15):173-176.

[7] 張翔,耿曉琴,張云華.農(nóng)產(chǎn)品溯源系統(tǒng)的設(shè)計與實現(xiàn)[J].工業(yè)控制計算機,2014,27(6):129-133.

ZHANG Xiang, GENG Xiaoqin, ZHANG Yunhua. The Design and Development of the Traceability System for Agricultural Products[J]. Industrial Control Computer,2014,27(6):129-133.

[8] 楊嵐,李書琴.基于Web Service的農(nóng)產(chǎn)品交易系統(tǒng)的研究與設(shè)計[J].計算機工程與設(shè)計,2008,29(8):2118-2120.

YANG Lan, LI Shuqin. Research and design of business system for farm produce based on web service[J]. Computer Engineering and Design,2008,29(8):2118-2120.

[9] Domini Mazzoni, Michael J Garay. An operational MISR pixel classifier using support vector machines[J]. Remte sensing of Envioronment,2007,107(1):149-158.

[10] Burges C J C. A totorial on support vector machines for pattern recognition[J]. Data Mining and Knowledge Discovery,1998,2(2):121-169.

[11] Steve R Gunn. Support vector machines for classification and regression[R]. Technical Report, Southampton: University of Southampton,1998:1-28.

[12] 董方敏,王紀(jì)華,任東.農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)及應(yīng)用[M].北京:中國農(nóng)業(yè)出版社,2012.

DONG Fangmin, WANG Jihua, REN Dong. Agricultural Internet technology and applications[M]. Beijing: China Agriculture Press,2012.

[13] 丁海峽,賈寶磊,倪遠(yuǎn)平.基于GPRS和ZigBee的精準(zhǔn)農(nóng)業(yè)模式研究[J].自動化儀表,2009,4(30):17-23.

DING Haixia, JIA Baolei, NI Yuanping. Research on Precision Agriculture Based on GPRS and ZigBee[J]. Automation Instrument,2009,4(30):17-23.

[14] 王靜.西部綠色農(nóng)產(chǎn)品物聯(lián)網(wǎng)結(jié)構(gòu)模式與系統(tǒng)優(yōu)化——以典型山區(qū)農(nóng)業(yè)市商洛為例[J].社會科學(xué)家,2011,9(4):14-17.

WANG Jing. Western Internet of green agricultural products structure model and practical system optimization, with typical hilly agricultural city as an example[J]. Social Scientist,2011,9(4):14-17.

[15] 楊光,耿貴寧,都婧,等.物聯(lián)網(wǎng)安全威脅與措施[J].清華大學(xué)學(xué)報(自然科版),2011,51(10):1335-1340.

YANG Guang, GENG Guining, DU Jing, et al. Security threats and measures for the Internet of Things[J]. J Tsinghua Univ Sci Tech,2011,51(10):1335-1340.

Application of Intelligent Agricultural System Base on IOT in Melon and Fruit Production

PU Yongxian

(Department of Computer Science, Dehong Teachers’ College, Dehong678400)

AbstractThe introduction of intelligent agricultural system based on the technology of IOT can accelerate the process of our country’s entry into the modern agriculture. For this purpose, the intelligent agricultural system based on IOT was designed and developed. By developing such software systems as the early warning diagnosis of disease based on support vector machine(SVM), the intelligent production management, product traceability and arranging a variety of sensors, cameras, controllable facilities in the field, and with IOT technology such as 3G, GPRS and ZigBee, the integrating intelligent management system of agricultural production has been achieved. The system has been applied in cucumber production, which functions as the early warning diagnosis of disease, intelligent and precise control of such relative factors of production as fertilizer, pesticides, temperature, humidity, and product safety traceability of production etc. If it is applied on a large scale, it will bring about a better economic benefie.

Key WordsIOT, intelligent agriculture, intelligent expert system, fruit and vegetable production

收稿日期:2015年12月11日,修回日期:2016年1月30日

基金項目:云南省科學(xué)研究基金子課題(編號:2013Y571)資助。

作者簡介:濮永仙,女,碩士,副教授,研究方向:物聯(lián)網(wǎng)智能農(nóng)業(yè)系統(tǒng),作物病害診斷,物聯(lián)網(wǎng)技術(shù)等。

中圖分類號TP302

DOI:10.3969/j.issn.1672-9722.2016.06.024