趙新穎，羅 坤

(鄭州鐵路職業(yè)技術(shù)學(xué)院，鄭州 451460)

0 引言

農(nóng)作物區(qū)域試驗(yàn)是將參試品種在不同的地點(diǎn)種植多年，調(diào)查農(nóng)藝性狀并測(cè)產(chǎn)，以評(píng)價(jià)它們?cè)诖笠?guī)模種植條件下的適應(yīng)性和豐產(chǎn)性[1]。區(qū)域試驗(yàn)作為農(nóng)作物育種研究與實(shí)踐應(yīng)用之間的橋梁，其結(jié)果是新品種審定的關(guān)鍵依據(jù)。因此，區(qū)域試驗(yàn)的重要性不言而喻，我國(guó)每年都在國(guó)家和各省級(jí)的區(qū)域試驗(yàn)中投入大量的人力和物力，為糧食的高產(chǎn)穩(wěn)產(chǎn)提供保障。實(shí)踐證明，經(jīng)過(guò)區(qū)域試驗(yàn)篩選出來(lái)的作物品種在推廣種植過(guò)程表現(xiàn)出優(yōu)良的適應(yīng)性和豐產(chǎn)性，受到種植戶、加工企業(yè)和消費(fèi)者的認(rèn)可。

區(qū)域試驗(yàn)在自然條件下進(jìn)行，由人工進(jìn)行操作，不可避免地受到主觀和客觀因素的影響。在客觀方面，各試驗(yàn)點(diǎn)位于不同的種植區(qū)，氣候條件復(fù)雜多變，導(dǎo)致生態(tài)環(huán)境存在較大的差異。一般的品種難以適應(yīng)所有的試驗(yàn)點(diǎn)，部分優(yōu)良品種會(huì)因?yàn)樵趥€(gè)別試驗(yàn)點(diǎn)的表現(xiàn)欠佳而被淘汰。另外，各區(qū)域試驗(yàn)點(diǎn)大多采用相同的高產(chǎn)栽培措施，進(jìn)行最優(yōu)的水肥管理，而具有節(jié)水節(jié)肥特性的品種在這種條件下無(wú)法發(fā)揮出優(yōu)勢(shì)[2]。在主觀方面，近些年參試的作物品種數(shù)量日益增加，但是試驗(yàn)費(fèi)用沒(méi)有保持相應(yīng)的增長(zhǎng)，導(dǎo)致試驗(yàn)人員待遇降低，影響了工作積極性；同時(shí)，工作量大幅增加，試驗(yàn)的質(zhì)量無(wú)法得到保證[3]。區(qū)域試驗(yàn)內(nèi)容和方法重復(fù)性強(qiáng)，試驗(yàn)人員容易忽視知識(shí)更新和技能培訓(xùn)，不利于理論和方法的創(chuàng)新[4]。

水稻是我國(guó)最重要的糧食作物，超過(guò)1/2的人口以之為主食。水稻在我國(guó)大部分省份都有種植，總面積居世界第二，產(chǎn)量世界第一，對(duì)我國(guó)糧食安全的重要性是不言而喻的。我國(guó)各稻區(qū)的種植環(huán)境多樣，水稻的高產(chǎn)穩(wěn)產(chǎn)在很大程度上依賴于選育的優(yōu)良品種。作為最主要的糧食作物，水稻的品種審定標(biāo)準(zhǔn)多，區(qū)域試驗(yàn)規(guī)程嚴(yán)格，對(duì)區(qū)域試驗(yàn)的承擔(dān)單位提出了更高的要求。近年來(lái)，水稻新品種的選育工作在科研單位和育種企業(yè)廣泛開(kāi)展，每年的參試品種數(shù)量大幅增加，類型也遍及早、中、晚稻，秈、粳稻和雜交、常規(guī)稻等類型，區(qū)域試驗(yàn)的工作量加重。同時(shí)，單個(gè)品種的參試費(fèi)用和區(qū)域試驗(yàn)總體投入沒(méi)有相應(yīng)地增加，使區(qū)域試驗(yàn)面臨的問(wèn)題在水稻上體現(xiàn)得更為明顯。

在大力發(fā)展智能農(nóng)業(yè)的背景下，各種新型技術(shù)(包括物聯(lián)網(wǎng)、大數(shù)據(jù)和云計(jì)算等)在農(nóng)業(yè)科研和生產(chǎn)中得到應(yīng)用，并取得了良好的成效。隨著試驗(yàn)要求的提高，區(qū)域試驗(yàn)站的設(shè)施建立也愈加完善，逐漸成為一個(gè)集多種功能于一體的系統(tǒng)。區(qū)域試驗(yàn)站不僅包含各種儀器設(shè)備，還必須對(duì)龐大的數(shù)據(jù)信息進(jìn)行采集和分析，特別適合于新技術(shù)的應(yīng)用。王磊等建立了以Internet為核心的信息系統(tǒng)，提高了區(qū)域試驗(yàn)所獲得結(jié)果的效率和參考價(jià)值[1]。我國(guó)于2013年在上海、天津和安徽分別啟動(dòng)農(nóng)業(yè)物聯(lián)網(wǎng)區(qū)域試驗(yàn)點(diǎn)建設(shè)工作，成為區(qū)域試驗(yàn)技術(shù)升級(jí)的開(kāi)端[5]。

云計(jì)算的概念首先在1983年提出，于2006年由Google首先應(yīng)用到實(shí)踐中[6]。云計(jì)算是以互聯(lián)網(wǎng)為基礎(chǔ)共享IT信息，通過(guò)網(wǎng)絡(luò)統(tǒng)一管理和調(diào)度各種資源，整合和優(yōu)化后為用戶提供有償服務(wù)[7]。云計(jì)算在農(nóng)業(yè)領(lǐng)域的應(yīng)用包括海量農(nóng)作物信息存儲(chǔ)、生物信息學(xué)數(shù)據(jù)分析和農(nóng)業(yè)物聯(lián)網(wǎng)解決方案3個(gè)方面，并且在敏捷性、成本和精度上都體現(xiàn)出巨大的優(yōu)勢(shì)[8]。在具體的應(yīng)用上，劉洋等和易瑜將云計(jì)算與物聯(lián)網(wǎng)結(jié)合，建立智能化平臺(tái)，提高了溫室的生產(chǎn)和管理水平[9-10]。王長(zhǎng)斌和王師等分別利用云計(jì)算進(jìn)行作物病蟲(chóng)害遙感數(shù)據(jù)分析和病害預(yù)警模型構(gòu)建，以提高對(duì)生物逆境的應(yīng)對(duì)能力[11-12]。王嘉鵬將無(wú)線通訊、傳感器和云計(jì)算技術(shù)結(jié)合，設(shè)計(jì)農(nóng)業(yè)信息采集系統(tǒng)，解決了農(nóng)業(yè)信息獲取困難和存儲(chǔ)的穩(wěn)定性問(wèn)題[13]。

水稻區(qū)域試驗(yàn)的信息豐富，既描述環(huán)境條件，也反映水稻的生理狀況，是農(nóng)藝操作的重要依據(jù)。水稻區(qū)域試驗(yàn)的信息采集以人工為主，工作量極大，精確度不高，容易對(duì)試驗(yàn)結(jié)果和質(zhì)量造成影響。本文基于云計(jì)算技術(shù)，建立水稻區(qū)域試驗(yàn)站的信息采集系統(tǒng)，利用各種傳感器收集環(huán)境及水稻生長(zhǎng)信息，利用云計(jì)算技術(shù)進(jìn)行分析和整理，作為區(qū)域試驗(yàn)農(nóng)藝操作和結(jié)果評(píng)判的依據(jù)，以提高水稻的區(qū)域試驗(yàn)質(zhì)量。

1 系統(tǒng)的工作流程

水稻信息采集系統(tǒng)包括信息采集模塊、無(wú)線通訊模塊、信息處理模塊和控制執(zhí)行模塊4個(gè)部分，其流程如圖1所示。信息采集模塊為各種傳感器和攝像機(jī)，可以采集試驗(yàn)站中的氣象信息(空氣溫濕度、降雨量、風(fēng)向、風(fēng)速)、環(huán)境信息(土壤水分、光照強(qiáng)度)和作物信息(長(zhǎng)勢(shì)、生育期、營(yíng)養(yǎng)狀況)。采集的信息由無(wú)線通訊模塊發(fā)送給信息處理模塊，無(wú)線通訊模塊由無(wú)線傳輸裝置和基站組成。信息處理模塊為顯示屏、計(jì)算機(jī)和云服務(wù)器，用于參數(shù)設(shè)定、數(shù)據(jù)顯示、計(jì)算機(jī)視覺(jué)分析和云計(jì)算分析信息。云計(jì)算后做出專家決策，并將形成的操作指令通過(guò)無(wú)線通訊模塊發(fā)送給試驗(yàn)站的控制執(zhí)行模塊，進(jìn)行相應(yīng)的農(nóng)藝操作。

圖1 系統(tǒng)的工作流程

2 系統(tǒng)的組成

2.1 信息采集模塊

信息采集模塊可以采集氣象信息、環(huán)境信息和作物信息。氣象信息設(shè)備為L(zhǎng)M-879型空氣溫濕度傳感器、上海瑞昕RN1型雨量傳感器和武漢中科能慧NHFS47型風(fēng)速風(fēng)向一體傳感器，都安裝在試驗(yàn)站內(nèi)。環(huán)境信息設(shè)備為SWR-100型土壤水分傳感器和武漢中科能慧NHZD10型光照傳感器，安裝在各個(gè)田塊中。作物信息設(shè)備為V10-IM型高光譜相機(jī)用于獲取水稻圖像，DATA-LYNX型計(jì)數(shù)傳感器用于記錄飛行的飛虱、蛾、蚊、蠅類害蟲(chóng)數(shù)量。相機(jī)和計(jì)數(shù)傳感器安裝在田塊邊緣，均勻分布并覆蓋整個(gè)田塊。

2.2 無(wú)線通訊模塊

通訊模塊是連接信息采集模塊和信息處理模塊的橋梁，因有線傳輸?shù)木€路復(fù)雜且鋪設(shè)成本較高，故本系統(tǒng)采用了無(wú)線通訊的模式。無(wú)線通訊選擇ZigBee技術(shù)，其通信距離和抗干擾能力性能較好，適合區(qū)域試驗(yàn)的環(huán)境。通訊采用樹(shù)形方式組網(wǎng)，每個(gè)接口通過(guò)4G網(wǎng)絡(luò)連接15個(gè)傳感器。通訊基站安裝在試驗(yàn)區(qū)域內(nèi)，通過(guò)UART接口將數(shù)據(jù)發(fā)送給信息處理模塊，其信號(hào)輻射距離最遠(yuǎn)50km，能夠覆蓋整個(gè)試驗(yàn)站。

2.3 信息處理模塊

信息處理模塊的計(jì)算機(jī)為聯(lián)想揚(yáng)天4000型臺(tái)式電腦，帶有Intel i7處理器、8G內(nèi)存和1T硬盤，安裝Windows10操作系統(tǒng)。顯示器為L(zhǎng)S2223WC型，可以進(jìn)行參數(shù)設(shè)定和數(shù)據(jù)顯示。計(jì)算機(jī)視覺(jué)軟件為MatLab工具箱，對(duì)圖像的視覺(jué)分析依次為去除噪音、畸變矯正、灰度化和二值化，從而提取目標(biāo)輪廓。水稻植株通常由綠色的葉片和黃色的稻穗或谷穗組成，通過(guò)統(tǒng)計(jì)植株或稻穗所占圖像的比例，可以評(píng)判水稻的長(zhǎng)勢(shì)和發(fā)育階段；通過(guò)分析谷穗的密度，則可以評(píng)估產(chǎn)量組成性狀及最終的產(chǎn)量。圖2為單個(gè)參試品種的發(fā)育階段分析結(jié)果。圖2(c)中，白色部分為綠色葉片，黑色部分為黃色稻穗。若稻穗部分在整個(gè)圖像中的占比達(dá)到50%，便認(rèn)定為抽穗期。

云服務(wù)器為百度云普通型BBC云服務(wù)器，內(nèi)置Intel Xeon E5-2680 V4型 2.4GHZ的CPU，搭配DDR4內(nèi)存，提供最高48核192G套餐服務(wù)。云服務(wù)器存儲(chǔ)專家知識(shí)庫(kù)，根據(jù)空氣溫濕度、降雨量、土壤水分和水稻發(fā)育階段，計(jì)算灌溉量；根據(jù)土壤含水量和葉片顏色，確定施肥種類和數(shù)量；根據(jù)害蟲(chóng)密度發(fā)出蟲(chóng)害預(yù)警；根據(jù)水稻長(zhǎng)勢(shì)、發(fā)育情況和谷穗密度，計(jì)算產(chǎn)量組成，并對(duì)最終產(chǎn)量進(jìn)行預(yù)測(cè)。

云計(jì)算以Hadoop平臺(tái)為基礎(chǔ)，采用Linux虛擬服務(wù)器進(jìn)行構(gòu)建，以減少計(jì)算的復(fù)雜度和工作量。服務(wù)器啟動(dòng)后通過(guò)編輯器切換Hadoop下的環(huán)境變量，配置通訊地址并運(yùn)行文件存放目錄。服務(wù)器采用Python軟件進(jìn)行代碼編寫并解析數(shù)據(jù)，最后將部分結(jié)果繪制成可視化的圖標(biāo)等格式輸出。數(shù)據(jù)的計(jì)算結(jié)果由云存儲(chǔ)模塊進(jìn)行備份保存，同時(shí)依據(jù)專家知識(shí)庫(kù)形成決策和操作指令。

圖2 水稻發(fā)育的計(jì)算機(jī)視覺(jué)分析

2.4 控制執(zhí)行模塊

控制執(zhí)行模塊在各種農(nóng)藝操作上都有相應(yīng)的設(shè)備，執(zhí)行灌溉的是地面水管和安裝在出口的GAG型電磁閥，漫灌跑馬水使其自然落干。殺蟲(chóng)裝置為云飛YF-WL-40型太陽(yáng)能殺蟲(chóng)燈，具有振頻式高壓殺蟲(chóng)電網(wǎng)。施肥運(yùn)籌措施、水稻生長(zhǎng)發(fā)育及產(chǎn)量信息通過(guò)聯(lián)想LJ2400型打印機(jī)輸出，為試驗(yàn)人員提供執(zhí)行方案和產(chǎn)量評(píng)估依據(jù)。

3 試驗(yàn)方法及結(jié)果

2017年，在本單位的早稻區(qū)域試驗(yàn)中對(duì)信息采集系統(tǒng)的功能進(jìn)行檢驗(yàn)，如圖3所示。從當(dāng)季種植的早稻中隨機(jī)選擇5個(gè)參試品種，分別利用人工調(diào)查和云計(jì)算方法采集各個(gè)品種的抽穗期、單位有效穗數(shù)、每穗實(shí)粒數(shù)和產(chǎn)量，比較兩種方式所采集信息的差異。抽穗期為水稻從播種至50%分蘗抽出稻穗的天數(shù)，單位有效穗數(shù)為每667m2田塊內(nèi)的稻穗總數(shù)，每穗實(shí)粒數(shù)為20個(gè)代表性成熟單株總粒數(shù)與穗數(shù)的比值，產(chǎn)量為試驗(yàn)小區(qū)測(cè)產(chǎn)后計(jì)算獲得。

圖3 早稻的區(qū)域試驗(yàn)

試驗(yàn)的結(jié)果如表1所示。

表1 兩種方式采集的信息差異

續(xù)表1

以人工調(diào)查結(jié)果作為對(duì)照，則云計(jì)算所獲得的早稻抽穗期、單位有效穗數(shù)、每穗實(shí)粒數(shù)和產(chǎn)量的變異系數(shù)分別為0.7%～1.8%、5.0%～7.6%、2.5%～4.7%和1.6%～4.1%，與人工調(diào)查的結(jié)果都沒(méi)有明顯的差異。在5組數(shù)據(jù)中，云計(jì)算對(duì)抽穗期的評(píng)估最為準(zhǔn)確，與實(shí)際結(jié)果僅差1～2天。因此，云計(jì)算可以代替人工對(duì)水稻生長(zhǎng)發(fā)育和產(chǎn)量信息進(jìn)行采集，可大幅降低區(qū)域試驗(yàn)的人工成本，提高試驗(yàn)質(zhì)量。

4 結(jié)論

基于云計(jì)算技術(shù)，建立了一個(gè)水稻區(qū)域試驗(yàn)的信息采集系統(tǒng)，包括信息采集模塊、無(wú)線通訊模塊、信息處理模塊和控制執(zhí)行模塊4個(gè)部分。系統(tǒng)利用云計(jì)算對(duì)傳感器收集的環(huán)境及水稻生長(zhǎng)信息進(jìn)行分析處理，為區(qū)域試驗(yàn)的農(nóng)藝操作和結(jié)果評(píng)判提供依據(jù)。試驗(yàn)結(jié)果表明：云計(jì)算獲得的早稻抽穗期、單位有效穗數(shù)、每穗實(shí)粒數(shù)和產(chǎn)量與人工調(diào)查的結(jié)果都沒(méi)有明顯的差異，對(duì)抽穗期的評(píng)估最準(zhǔn)確。因此，云計(jì)算可以代替人工對(duì)水稻的信息進(jìn)行采集，降低區(qū)域試驗(yàn)的人工成本，提高試驗(yàn)質(zhì)量。