摘要：本文介紹了一種用多傳感器數(shù)據(jù)融合技術對溫室大棚環(huán)境進行控制的方法。溫室大棚空間大且內部各種參數(shù)受環(huán)境影響也大。為了對其數(shù)據(jù)進行良好的管理和控制，本文采取了格羅貝斯（Grubbs）作為研究方法進行數(shù)據(jù)的判斷，同時還排除測試數(shù)據(jù)里的疏失誤差數(shù)據(jù)，然后再利用自適應加權平均算法對數(shù)據(jù)進行融合處理。這種方法提高了溫室大棚環(huán)境各參數(shù)監(jiān)測的精確度，使其參數(shù)達到了理想的條件。

關鍵詞：數(shù)據(jù)融合；格羅貝斯準則；自適應加權平均；溫室大棚

伴隨時代的發(fā)展，全球已經(jīng)逐漸進入設施農業(yè)發(fā)展的時代，許多國家均重視到智能設施化農業(yè)的重要性，擴大投資規(guī)模，開展了一系列農業(yè)扶持措施。一般來說，當溫室里的生物生長到某個階段，如果能有效的對溫室環(huán)境開展調控，那么就能引導與促使作物的健康成長；如果能對室內的溫度、光照、二氧化碳濃度等參數(shù)進行智能調控，該方法不僅能最大限度優(yōu)化農業(yè)資源，而且還能有效的增強農業(yè)生產(chǎn)效益 [1]。所以，加強對溫室環(huán)境控制的現(xiàn)狀及發(fā)展趨勢刻不容緩，也是未來農業(yè)溫室環(huán)境控制的重中之重，因為這不僅關系到作物產(chǎn)量的提高，而且還能顯著的緩解溫室效應，促使溫室環(huán)境朝良性循環(huán)發(fā)展 [2]。

作為一個復雜的分布參數(shù)系統(tǒng)，溫室環(huán)境具有延時長、變量強度多與非線性事變等典型特點，如果存在參數(shù)的變化，那就會直接對多個環(huán)境參數(shù)產(chǎn)生影響，所以數(shù)據(jù)處理不夠精確，整個溫室系統(tǒng)也就無法到達最優(yōu)的效益[3]。所以，本文采用了一種格羅貝斯判據(jù)準則判斷并剔除測量數(shù)據(jù)中的疏失誤差，同時，通過發(fā)揮自適應加權融合算法的作用，有效的開展數(shù)據(jù)整合，按照整合后的數(shù)據(jù)來針對性的提出控制措施，調整溫室環(huán)境參數(shù)，為溫室作物提供最適宜的生長環(huán)境，提高農業(yè)生產(chǎn)科技水平[4]。

1 數(shù)據(jù)融合算法

1.1 采用格羅貝斯準則剔除疏失誤差數(shù)據(jù)

當開展具體的計量測試的時候，因為許多阻礙因素的影響，容易導致疏失誤差的出現(xiàn)。具體來說，疏失誤差是和事實存在很大相悖情況的一系列誤差，其產(chǎn)生主要來源于系統(tǒng)內部器件存在損壞、接線松動或者操作不正確等原因造成。因此，如果出現(xiàn)了疏失誤差，必須盡快的剔除，否則影響到實際的測量分析與測量結果。

一般來說，目前運用最為頻繁的疏失誤差剔除算法主要有3種，分別是萊特準則、分布圖法以及格羅貝斯判據(jù)準則等，本文主要采用的是格羅貝斯判據(jù)準則。這是建立在測得值與正太分布的假設相匹配的一種算法，這種算法呈現(xiàn)一定的遞歸性。具體的計算操作流程如下：

1）根據(jù)升序的原理，把測試數(shù)據(jù)進行對應的依序排列，同時還要計算均值、標準差。

根據(jù)格羅貝斯判據(jù)準則的原理，我們能做出這樣的判斷，并不會面臨樣本數(shù)據(jù)容量多少的束縛，對1個或者多疏失誤差剔除后，能夠獲得較佳的研究效果，這被頻繁的運用到具體的實際操作上。

1.2 基于自適應加權數(shù)據(jù)的融合處理

經(jīng)過格羅貝斯判據(jù)準則的疏失誤差數(shù)據(jù)的剔除后，傳感器采集的到數(shù)據(jù)誤差也越來越小，采用自適應加權平均數(shù)據(jù)融合的算法，對采集到的數(shù)據(jù)進行融合[5]。其自適應加權平均數(shù)據(jù)融合算法的估計模型如圖1所示。

針對不同的傳感器，應該進行不同的權值選擇，根據(jù)總均方誤差最小的原理，對經(jīng)過格羅貝斯判據(jù)剔除的疏失誤差數(shù)據(jù)處理后的剩余數(shù)據(jù)，結合相關數(shù)值選擇自適應的方法來計算各自對應的權值，這就能獲得最優(yōu)的融合數(shù)據(jù) [6]。當計算加權因子的過程中，智能檢測系統(tǒng)的多傳感器數(shù)據(jù)融合值也能進行計算，具體的計算步驟如下：

通過對采集到的數(shù)據(jù)先進行剔除疏失誤差處理，在經(jīng)行加權數(shù)據(jù)的融合，根據(jù)各傳感器的方差變化，來及時調整它們的權系數(shù)，使得融合系統(tǒng)的均方差值最小。

2 基于數(shù)據(jù)融合技術的溫室環(huán)境智能控制

在溫室技術的組成方面，環(huán)境控制技術非常關鍵。對于現(xiàn)代大型溫室而言， 要想保證自動化控制管理，就必須科學合理的監(jiān)測、計算、調節(jié)與傳感全部的環(huán)境因子、環(huán)境溫濕度等方面的內容，這就要求必須嚴格加強對室內溫、熱營養(yǎng)分狀況和溫度、陽光與空氣、植物根部環(huán)境溫濕度等方面的管理 [7]。開展溫室環(huán)境控制，主要是希望結合作物的不同生理特征，避免或者克服不良的外界氣候與客觀環(huán)境的影響，構建適應作為健康生長的良好環(huán)境。

如今，溫室環(huán)境控制普遍是結合低成本設施農業(yè)的需求，所以在實際的研究開發(fā)上，主要站在計算機技術的角度，鮮少引導與支持農業(yè)專家融入其中，這就導致作物計算機系統(tǒng)雖然研發(fā)成功，但是沒有結合作物生理信息的特征，也導致該系統(tǒng)在實際的運用中受到限制 [8]。結合多傳感器采集數(shù)據(jù)的原理，利用格羅貝斯判據(jù)準則剔除疏失誤差，通過自適應加權數(shù)據(jù)融合技術，獲知溫室各參數(shù)的準確值，這有利于加強對溫室環(huán)境控制系統(tǒng)的理論性與實踐價值，真正成為作物生長的主要評判依據(jù)之一 [9]。并且，還可以通過一定的對策來加強對環(huán)境參數(shù)的控制與調節(jié)，創(chuàng)造良好的作物調節(jié)環(huán)境。

具體來說，基于數(shù)據(jù)融合技術的溫室環(huán)境智能控制系統(tǒng)結構詳見圖2所示：

3 融合數(shù)據(jù)的實驗分析

結合溫室作物栽培的各項環(huán)境因素，本文采取融合算法的方式來開展仿真實驗。為了增強自適應加權融合方法的理論性，采取了測量溫度環(huán)境溫度的原理，采用了8個溫度傳感器采集溫室大棚內的溫度。每個傳感器，每20妙開展1次數(shù)據(jù)采集，并選擇了2分鐘里的六個數(shù)據(jù)來開展融合，從而提供啊數(shù)據(jù)融合方法的合理性。各溫度傳感器節(jié)點測量平均值與方差，以及結合公式（11）計算相應的權值wi的具體情況詳見表1所示。

將采集到的數(shù)據(jù)先經(jīng)過格羅貝斯判據(jù)剔除的疏失誤差數(shù)據(jù)處理，根據(jù)第1章節(jié)中1.1中的格羅貝斯判據(jù)算法的計算，可將表中的第3和第7個數(shù)值剔除掉，則經(jīng)過處理后的剩余數(shù)據(jù)為表2。

最后獲得的方差結果是：與多只傳感器取平均值獲取的估計值的方差相比，多只傳感器采集后的數(shù)據(jù)采樣自適應融合算法后的估計值的方差要小，也就是說后者有效性遠遠高于算術平均方法 [10]。同實際數(shù)據(jù)數(shù)據(jù)相比，融合后的數(shù)據(jù)與其十分類似，這表明該計劃擬定的較為科學合理，也能有利于后續(xù)的生產(chǎn)過程優(yōu)化，創(chuàng)造良好的數(shù)據(jù)融合環(huán)境。

4 結論

室環(huán)境屬于一個十分復雜又包含許多參數(shù)的系統(tǒng)，通過發(fā)揮多傳感器融合技術的作用，有利于加強溫室環(huán)境的控制與調節(jié)。為了更好的提高論文研究的深度，選擇了自適應加權數(shù)據(jù)融合的方法，主要對采集到的數(shù)據(jù)進行處理[11]。本文還具體的闡述了疏失誤差處理的主要方法，并深刻的采取案例分析的方式來剖析格羅貝斯判據(jù)的算法。其次，按照自適應加權數(shù)據(jù)融合的相關理論，以及系統(tǒng)融合模塊的結構圖。

文中對溫室大盆環(huán)境的溫度采集進行了仿真，借助格羅貝斯判據(jù)算法的原理，把收集匯總的數(shù)據(jù)進行疏失誤差數(shù)據(jù)的分析與處理，剔除掉不符合的數(shù)據(jù)，然后在通過自適應加權平均算法對處理后的數(shù)據(jù)進行數(shù)據(jù)融合，將處理后的數(shù)據(jù)的結果誤差降到最小，得到與真實值最接近的數(shù)據(jù)。在多傳感器采集數(shù)據(jù)基礎上，利用格羅貝斯判據(jù)準則剔除疏失誤差，通過自適應加權數(shù)據(jù)融合技術，獲知溫室各參數(shù)的

準確值，這有利于為后續(xù)溫室環(huán)境控制系統(tǒng)奠定理論基礎，豐富論文研究的可執(zhí)行性[12]。并且，通過合理的方法來調節(jié)一系列的環(huán)境參數(shù)，這能更加了解與掌握作物生長的生理信息，創(chuàng)造良好的環(huán)境調節(jié)基礎。

參考文獻：

[1]偉鋒，葉祥.溫室環(huán)境多點數(shù)據(jù)嵌入式智能監(jiān)測系統(tǒng)[J].農機化研究，2010（6）：139142.

[2]王玉軍，張本華.溫室技術的現(xiàn)狀及發(fā)展趨勢[J].農機化研究，2008（1）：249250.

[3]Lou R C， Lin M， Scherp P S. DynamicMultiSensorData Fusion Systemfro Intelligent Robots. IEEE Journal of Robotics and Automation，1988，4（4）.

[4]于海業(yè).遠程控制技術在溫室環(huán)境控制中的應用現(xiàn)狀分析[J].農業(yè)機械學報，2003（6）：160163.

[5]翟翌立，戴逸松.多傳感器數(shù)據(jù)自適應加權融合估計算法的研究[J].計量學報，1998，19（1）：17.

[6]滕召勝，羅勝福，童調生.智能檢測系統(tǒng)與數(shù)據(jù)融合技術[M].北京：機械工業(yè)出版社，2000.

[7]AlanN.Steinberg，ChristopherL.Bowman，F(xiàn)ranklinE.White.RevisionstotheJDLdatafusionmodel [J].SensorFusion：Architectures，Algorithms，andApplicationsIII，1999，3719（11）：430441.

[8]梁婧宇.智能溫室環(huán)境溫濕度測控系統(tǒng)的研究與設計[D].太原：太原理工大學，2005：1928.

[9]涂國平，葉素萍.一種傳感器數(shù)據(jù)的融合算法.傳感器技術，2003，22（3）.

[10]楊帆.多傳感器信息融合測控體系在溫室測控中的應用研究[J].武漢理工大學學報，2011，33（9）：156159.

[11]劉同明，夏祖，解洪成.數(shù)據(jù)融合技術及其應用[M].北京：國防工業(yè)出版社，2009 .

[12]張娟.基于多傳感器數(shù)據(jù)融合的溫室溫度采集[J].傳感器與儀器儀表，2007，23（1）：152154.

作者簡介：劉亞偉，男，湖南人，在讀研究生。