張士敏

(冀中職業(yè)學(xué)院,河北 定州 073000)

0 引言

農(nóng)作物新品種的區(qū)域試驗在多個年份和地點的環(huán)境下種植，需要分析評價品種的特征特性，以確定其是否具有較好的適應(yīng)性及大規(guī)模推廣應(yīng)用價值[1]。農(nóng)作物區(qū)域試驗為品種審定提供重要的科學(xué)依據(jù)，是作物育種和品種推廣應(yīng)用之間的重要環(huán)節(jié)，歷來受到育種企業(yè)、科研單位和農(nóng)業(yè)管理部門的高度重視。我國每年都進行各種農(nóng)作物的國家和省級區(qū)域試驗，投入大量的人力和物力篩選優(yōu)良品種，為農(nóng)業(yè)的發(fā)展做出了重要貢獻。

目前，受一些主觀和客觀因素的影響，農(nóng)作物的區(qū)域試驗過程中也存在若干問題，會對試驗的質(zhì)量和效果造成影響。例如，在試驗點的選擇上，各點一般分布于不同的種植區(qū)，代表著所在的生態(tài)條件；部分優(yōu)良品種未經(jīng)過初步試驗，盲目參加不完全適應(yīng)生態(tài)區(qū)的試驗，便可能被淘汰。為保證作物生長條件的一致性，區(qū)域試驗一般采用相同的常規(guī)栽培管理措施；而各參試品種因特性的差異，所適應(yīng)的最佳栽培措施可能不同，在常規(guī)方法的栽培下便不能發(fā)揮出自身的優(yōu)勢[2]。另外，參試作物品種的數(shù)量在近幾年有逐漸增加的趨勢，但是投入的試驗經(jīng)費增長幅度與之不匹配，無法保證試驗質(zhì)量和工作人員的待遇，對試驗的具體操作造成了影響。每年的區(qū)域試驗內(nèi)容和操作方法的相似度高、重復(fù)性強，因此容易忽視對工作人員的技能培訓(xùn)和知識更新，延緩了區(qū)域試驗理論、措施和方法的改進速度[3]。

水稻是我國最主要的糧食作物，我國的水稻種植面積為世界第二，年產(chǎn)量為世界第一。我國絕大部分省份都種植有一定面積的水稻，水稻高產(chǎn)穩(wěn)產(chǎn)與國計民生緊密相關(guān)，其在農(nóng)業(yè)中的地位是不言而喻的。作為最重要的糧食作物，優(yōu)良品種是水稻實現(xiàn)高產(chǎn)穩(wěn)產(chǎn)的關(guān)鍵。因此，水稻新品種的審定標準高，對品種區(qū)域試驗提出了更為嚴格的要求。我國具有多樣的自然生態(tài)條件和栽培管理模式，形成了與之相適應(yīng)的水稻品種。在育種企業(yè)、科研單位和相關(guān)管理部門的推動下，每年參試的水稻品種類型復(fù)雜，數(shù)量龐大，給區(qū)域試驗承擔(dān)人員帶來了極大的工作量。另一方面，區(qū)域試驗的費用和投入沒有相應(yīng)增加，使得農(nóng)作物區(qū)域試驗所面臨的問題在水稻上表現(xiàn)得尤為明顯。

新型技術(shù)方法的應(yīng)用是現(xiàn)代智能農(nóng)業(yè)發(fā)展的趨勢，也是解決農(nóng)作物區(qū)域試驗所面臨問題的必然選擇。王磊等通過建立基于Internet的區(qū)域試驗信息系統(tǒng)，提高了區(qū)域試驗的信息化程度和管理水平，使區(qū)域試驗獲得了更高的效率和參考價值。另一種能有效應(yīng)用于區(qū)域試驗的技術(shù)為物聯(lián)網(wǎng)，這是一種以傳感器、自動測控和信息技術(shù)為基礎(chǔ)開發(fā)的傳感網(wǎng)絡(luò)技術(shù)。物聯(lián)網(wǎng)是將傳感器、信息處理器和無線網(wǎng)絡(luò)整合成的體系，可以實現(xiàn)對目標的智能識別和精準管理[4]。農(nóng)業(yè)是物聯(lián)網(wǎng)應(yīng)用的一個重要領(lǐng)域，美國早在21世紀初便用物聯(lián)網(wǎng)監(jiān)測葡萄園土壤溫濕度和有害物含量，以保證葡萄的產(chǎn)量[5]。目前，物聯(lián)網(wǎng)已經(jīng)在我國的糧食生產(chǎn)、智慧農(nóng)業(yè)、精準管理和水產(chǎn)養(yǎng)殖等多個領(lǐng)域得到了廣泛應(yīng)用[6-9]。在具體的農(nóng)業(yè)生產(chǎn)操作上，物聯(lián)網(wǎng)應(yīng)用最多的為節(jié)水灌溉，即通過傳感器采集作物生長環(huán)境中的含水量，根據(jù)灌溉決策和實際需求適時地啟動微灌或滴灌系統(tǒng)實現(xiàn)智能灌溉?；谖锫?lián)網(wǎng)的智能灌溉系統(tǒng)適用的作物種類較多，節(jié)水效果非常顯著[10-13]。此外，物聯(lián)網(wǎng)還用于作物生長信息采集和蟲害的智能監(jiān)測等方面[14-16]。

隨著國家對區(qū)域試驗要求的不斷提高，越來越多設(shè)施完善的區(qū)域試驗站建立了區(qū)域試驗站除了滿足作物的種植和正常生長外，還需進行生育期調(diào)查、施肥灌溉、病蟲鳥害防治和收獲測產(chǎn)等。因此，區(qū)域試驗站不僅包含了各種緊密聯(lián)系的設(shè)施設(shè)備，還有對龐大數(shù)據(jù)信息進行采集處理的需求，為物聯(lián)網(wǎng)提供了廣闊的應(yīng)用平臺。2013年，國家在上海、天津和安徽3個地區(qū)分別啟動了農(nóng)業(yè)物聯(lián)網(wǎng)區(qū)域試驗點的建設(shè)工作，開創(chuàng)了物聯(lián)網(wǎng)與區(qū)域試驗結(jié)合應(yīng)用的新局面[17]。本文以物聯(lián)網(wǎng)為基礎(chǔ)，設(shè)計了水稻區(qū)域試驗的信息采集系統(tǒng)，由信息感知層收集氣象、環(huán)境及水稻生長信息后通過網(wǎng)絡(luò)傳輸層發(fā)送到信息管理層，分析之后為區(qū)域試驗的農(nóng)藝操作和結(jié)果判定提供依據(jù)。

1 系統(tǒng)組成和工作原理

水稻信息采集系統(tǒng)由信息感知層、網(wǎng)絡(luò)傳輸層和信息管理層3部分組成，信息感知層又包括氣象信息、環(huán)境信息和作物信息3個模塊，如圖1所示。氣象信息模塊采集空氣溫濕度、降雨量及風(fēng)向風(fēng)速等，環(huán)境信息模塊采集土壤水分、光照強度等，作物信息模塊采集作物長勢、生育期和營養(yǎng)狀況等。上述信息通過網(wǎng)絡(luò)傳輸層以無線形式發(fā)送給信息管理層，網(wǎng)絡(luò)傳輸層包括無線傳輸裝置和基站。信息管理層為顯示屏、計算機和存儲專家知識庫的服務(wù)器，主要進行系統(tǒng)參數(shù)設(shè)定、采集數(shù)據(jù)顯示、計算機視覺分析和形成專家決策。

圖1 系統(tǒng)的組成部分Fig.1 Constituent parts of system

2 主要設(shè)備和功能

2.1 信息感知層

信息感知層的設(shè)備主要采集氣象信息、環(huán)境信息和作物信息。氣象信息采集設(shè)備包括LM-879型空氣溫濕度傳感器，用于采集空氣的溫度和濕度；上海瑞昕RN1型雨量傳感器，用于采集降雨量；武漢中科能慧NHFS47型超聲波風(fēng)速風(fēng)向一體傳感器，用于測定風(fēng)向和風(fēng)速。每個區(qū)域試驗站配備1套上述的設(shè)備，安裝在試驗站附近沒有高大樹木或建筑物遮擋的區(qū)域。環(huán)境信息采集設(shè)備包括SWR-100型土壤水分傳感器，用于測定土壤含水量；武漢中科能慧NHZD10型光照傳感器，用于采集光照強度，每個獨立的田塊中安裝1套。作物信息采集設(shè)備為V10-IM型高光譜相機及AD6673型A/D轉(zhuǎn)換器，用于拍攝田間的水稻圖像。相機安裝在田塊邊緣，均勻排布使其拍攝范圍覆蓋田塊各個角落；相機安裝高度2m，俯視拍攝，光軸與豎直方向的夾角為60°，獲得的圖像由計算機視覺進行分析。

2.2 網(wǎng)絡(luò)傳輸層

網(wǎng)絡(luò)傳輸層將信息感知層采集的信息傳輸給信息管理層，是二者之間連接的紐帶。有線傳輸需要的線路復(fù)雜，鋪設(shè)成本較高，因此本系統(tǒng)采用了無限傳輸?shù)姆绞?。常用的無線通信方式有Wifi、藍牙和ZigBee這3種，本系統(tǒng)選擇了ZigBee傳輸技術(shù)，其通信距離較遠，抗干擾能力強。根據(jù)區(qū)域試驗站的自然環(huán)境，無線傳輸網(wǎng)絡(luò)選擇樹形組網(wǎng)的方式，每個接口可以通過4G網(wǎng)絡(luò)與20個感應(yīng)終端連接。通信基站為固定式，安裝在與氣象信息設(shè)備相同的區(qū)域，用于接收4G網(wǎng)絡(luò)信號并發(fā)送給信息管理層?；咎峁┑男盘栍行Ь嚯x達到50km，可以覆蓋整個區(qū)域試驗站。

2.3 信息管理層

信息管理層位于試驗站的辦公區(qū)，其核心計算機為聯(lián)想揚天4000型臺式電腦，配置Intel i7中央處理器、16G內(nèi)存、2T硬盤和LS2223WC型顯示器。安裝的軟件為Windows10操作系統(tǒng)和MatLab圖像處理工具箱，用于進行系統(tǒng)參數(shù)設(shè)定、采集數(shù)據(jù)顯示和計算機視覺分析。專家知識庫存儲在聯(lián)想X3550 M5型服務(wù)器中，配置16GB的DDR4內(nèi)存和300GB硬盤，可以根據(jù)專家經(jīng)驗和知識對采集的信息進行分析，形成專家決策。

計算機視覺軟件對水稻圖像的處理過程依次為預(yù)處理、灰度化、二值化和特征提取，最后獲得水稻的輪廓。營養(yǎng)生長期的水稻為綠色，生殖生長期的水稻除綠色外，還會出現(xiàn)黃色的稻穗。因此，通過統(tǒng)計水稻輪廓所占圖像的比例，可以判斷其長勢。通過分析水稻輪廓中綠色和黃色這2種顏色像素的組成，可以判別發(fā)育階段和抽穗期。圖2是兩個水稻參試品種的計算機視覺分析結(jié)果，圖2C中白色為田間空白區(qū)域，灰色為水稻綠色部分，黑色為黃色的稻穗部分。若一個參試品種的稻穗部分占到整個輪廓的50%，便設(shè)置為進入抽穗期，如圖2所示。

A.原始圖像 B.灰度化圖像 C.輪廓提取圖像圖2 水稻圖像的計算機視覺分析Fig.2 Computer vision analysis of rice image

3 試驗方法及結(jié)果

2017年，在本單位的水稻區(qū)域試驗站中運行信息采集系統(tǒng)，對其功能進行了驗證。參加區(qū)域試驗的水稻包括早稻、中稻和晚稻，都在當(dāng)季種植。參試品種按照隨機區(qū)組排布，3個重復(fù)，不同品種之間空2行作為工作行，如圖3所示。

圖3 水稻品種的區(qū)域試驗Fig.3 Regional trial of rice variety

采集的信息有降雨量、土壤含水量和水稻抽穗期。采集方式為物聯(lián)網(wǎng)采集和人工采集，其中物聯(lián)網(wǎng)采集在核心計算機上顯示和存儲。降雨量的人工采集是用雨量器測量，土壤含水量為計算特定時間點的絕對含水量，抽穗期通過人工觀察記載獲得。最后，比較兩種方式采集的數(shù)據(jù)差異。試驗結(jié)果如表1所示。

表1 兩種方式采集的數(shù)據(jù)差異Table 1 Difference of data collected by two methods

由表1可知：兩種采集方式所獲得的降雨量、土壤含水量和水稻抽穗期信息數(shù)據(jù)接近，沒有明顯的差異，物聯(lián)網(wǎng)對水稻抽穗期的評估最為準確，與人工方式的采集結(jié)果僅相差1～2天，可以代替人工實現(xiàn)對水稻生育期的觀察記載。

4 結(jié)論

以物聯(lián)網(wǎng)為基礎(chǔ)，設(shè)計了水稻區(qū)域試驗的信息采集系統(tǒng)。該系統(tǒng)由信息感知層、網(wǎng)絡(luò)傳輸層和信息管理層3部分組成，信息感知層收集氣象、環(huán)境及水稻生長信息后通過網(wǎng)絡(luò)傳輸層發(fā)送到信息管理層，分析之后為區(qū)域試驗的農(nóng)藝操作和結(jié)果判定提供依據(jù)。2017年，在本單位的水稻區(qū)域試驗站運行信息采集系統(tǒng)，對其功能進行了驗證。物聯(lián)網(wǎng)與人工采集獲得的降雨量、土壤含水量和水稻抽穗期信息數(shù)據(jù)接近，沒有明顯的差異。物聯(lián)網(wǎng)對水稻抽穗期的評估最為準確，與實際結(jié)果僅相差1～2天，可以代替人工實現(xiàn)對水稻生育期的觀察記載，極大地減少了區(qū)域試驗的工作量。