陳家儒 薛艷 杜冬月 夏天鈺 于浩

摘 要：本文運用多傳感器設(shè)備、視頻實時監(jiān)控技術(shù)、Labview 、Python等構(gòu)建了基于物聯(lián)網(wǎng)技術(shù)的智慧農(nóng)業(yè)大棚動態(tài)監(jiān)測與決策系統(tǒng)。系統(tǒng)通過接收大棚內(nèi)傳感器的數(shù)據(jù)，實時獲取大棚內(nèi)的空氣溫濕度、土壤溫濕度、土壤酸堿度、光照強度、CO2濃度等數(shù)據(jù)，并在網(wǎng)頁端實現(xiàn)對草莓大棚的溫度、pH值、土壤濕度等數(shù)據(jù)的實時檢測和報警，進(jìn)而提出優(yōu)化方案。后臺Python端可對草莓大棚的數(shù)據(jù)進(jìn)行智能分析，并精準(zhǔn)預(yù)測產(chǎn)量以及提供最優(yōu)的草莓種植方案。該系統(tǒng)對農(nóng)作物生長過程精準(zhǔn)化、智能化管理，提高農(nóng)業(yè)生產(chǎn)效率具有重要的應(yīng)用價值。

關(guān)鍵詞：物聯(lián)網(wǎng)技術(shù);智慧農(nóng)業(yè);動態(tài)監(jiān)測;數(shù)據(jù)分析

中圖分類號：S126 ? ? 文獻(xiàn)標(biāo)識碼：A ? ? 文章編號：1003-5168（2021）36-0013-05

Intelligent Agricultural Greenhouse Dynamic Monitoring and Decision-Making System Based on Internet of Things Technology

CHEN Jiaru XUE Yan ? ?DU Dongyue ?XIA Tianyu ?YU Hao

（Jiangsu Ocean University，Lianyungang ?Jiangsu ?222005）

Abstract：This article uses multi-sensor equipment， video real-time monitoring technology， Labview， Python， etc. to build a smart agricultural greenhouse dynamic monitoring and decision-making system based on the Internet of Things technology. The system monitors the air temperature and humidity， soil temperature and humidity， soil pH， light intensity， carbon dioxide concentration and other parameters in the greenhouse in real time by receiving data from multiple sensors in the greenhouse， and realizes the temperature and pH value of the strawberry greenhouse on the hardware equipment and web page. ， soil moisture and other real-time data detection and alarm， and propose optimization schemes. The background python terminal can intelligently analyze the data of strawberry greenhouses and accurately predict the output and provide data standards for the optimal strawberry planting plan. This system has important application value for the precise and intelligent management of the crop growth process and the improvement of agricultural production efficiency.

Keywords： internet of things technology; smart agriculture; dynamic monitoring; data analysis

近年來，隨著國家對農(nóng)業(yè)領(lǐng)域的重視與扶持，越來越多的農(nóng)業(yè)機(jī)械化產(chǎn)品應(yīng)用到日常農(nóng)業(yè)生產(chǎn)當(dāng)中。其中，設(shè)施農(nóng)業(yè)中有我們熟知的大棚，但是大棚還沒有實現(xiàn)規(guī)模化的管控，更多還是依賴于人工種植管理。然而人們獲取大棚生產(chǎn)信息的方式有限，主要是通過人工測量，耗時耗力，而且不具備實時性，不利于提高生產(chǎn)效率、擴(kuò)大生產(chǎn)規(guī)模。隨著新時代的到來，物聯(lián)網(wǎng)技術(shù)被廣泛應(yīng)用于農(nóng)業(yè)領(lǐng)域[1-2]。物聯(lián)網(wǎng)是繼計算機(jī)、互聯(lián)網(wǎng)與移動通信網(wǎng)之后的世界信息產(chǎn)業(yè)第三次浪潮[3]，它以多種傳感器感知物理世界的各種信息，再以通信網(wǎng)絡(luò)手段傳遞到人們的設(shè)備終端，從而實現(xiàn)對外界環(huán)境的感知。

隨著物聯(lián)網(wǎng)應(yīng)用的落地，使傳統(tǒng)農(nóng)業(yè)逐漸向智慧農(nóng)業(yè)轉(zhuǎn)型。智慧農(nóng)業(yè)是按照工業(yè)發(fā)展理念，以信息和知識為生產(chǎn)要素，通過互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等現(xiàn)代信息技術(shù)與農(nóng)業(yè)深度跨界融合，實現(xiàn)農(nóng)業(yè)生產(chǎn)全過程的信息感知、定量決策、智能控制、精準(zhǔn)投入和個性化服務(wù)的全新農(nóng)業(yè)生產(chǎn)方式[4-5]。

水分、陽光、溫度、CO2濃度、土壤養(yǎng)分等是設(shè)施內(nèi)影響植物生長的重要因素[6]。一般來說，對棚內(nèi)環(huán)境參數(shù)的管理，必須結(jié)合作物種類、生長周期等不同而有所改變[7]。同時，棚內(nèi)空間較大，要想準(zhǔn)確地采集到大棚內(nèi)果蔬生長的環(huán)境參數(shù)，需在空間范圍內(nèi)合理布置物聯(lián)網(wǎng)感知層重要設(shè)備傳感器，并且每個節(jié)點處實現(xiàn)多環(huán)境參數(shù)采集，將采集到的數(shù)據(jù)實時傳輸?shù)较到y(tǒng)，從而實現(xiàn)對棚內(nèi)環(huán)境的動態(tài)感知。

1 系統(tǒng)總設(shè)計

本系統(tǒng)分為三個部分，分別是動態(tài)數(shù)據(jù)感知模塊、后臺數(shù)據(jù)處理與分析模塊、智能決策模塊。動態(tài)監(jiān)測模塊將獲得的數(shù)據(jù)傳輸給路由器，4G路由器將獲得的數(shù)據(jù)傳輸?shù)皆贫撕褪謾C(jī)端。后臺數(shù)據(jù)處理與分析模塊對獲得的實時動態(tài)數(shù)據(jù)進(jìn)行分析，得出符合大棚果蔬生長的精確化環(huán)境參數(shù)，并將此環(huán)境參數(shù)作為智能決策模塊的參數(shù)閾值。同時，初步強化計算機(jī)識別草莓傷痕和病害的能力，實現(xiàn)智慧農(nóng)業(yè)大棚智能化管理（見圖1）。

智慧農(nóng)業(yè)大棚動態(tài)監(jiān)測與決策系統(tǒng)分為三個部分。

1.1 動態(tài)數(shù)據(jù)感知

實時收集土壤溫濕度、土壤養(yǎng)分、空氣溫濕度、光照強度、CO2濃度等設(shè)施內(nèi)農(nóng)作物生長環(huán)境參數(shù)，為數(shù)據(jù)處理模塊提供實時數(shù)據(jù)。通過攝像頭實時畫面確定農(nóng)作物生長狀態(tài)，實現(xiàn)全方位、高精度的動態(tài)監(jiān)測。

1.2 數(shù)據(jù)分析

系統(tǒng)接收大量的實時動態(tài)數(shù)據(jù)，將數(shù)據(jù)可視化，分析每一種參數(shù)對農(nóng)作物生長的影響，得出精確的、適合農(nóng)作物生長的環(huán)境參數(shù)，為后面決策閾值做準(zhǔn)備。通過Python軟件對獲得的實時圖像進(jìn)行灰度處理，將農(nóng)作物生長狀況放大，對農(nóng)作物的生長情況做出精準(zhǔn)的分析與判斷。

1.3 智能決策

數(shù)據(jù)分析模塊在發(fā)現(xiàn)環(huán)境異常時將給出報警提示。此時，可以啟動串口來控制外置設(shè)備，如霧化設(shè)備、遮陽設(shè)備、噴灌設(shè)備等。

2 動態(tài)數(shù)據(jù)監(jiān)測模塊設(shè)計

動態(tài)監(jiān)測模塊硬件部分主要包括傳感器、工業(yè)4G路由器USR-806、網(wǎng)絡(luò)控制器ZZ-IO444及一些輔助設(shè)備;軟件部分主要是由智慧云平臺以及微信小程序組成。傳感器負(fù)責(zé)采集環(huán)境參數(shù)，數(shù)據(jù)上傳設(shè)備通過基站上傳數(shù)據(jù)包，平臺解析數(shù)據(jù)包用來展示數(shù)據(jù)。

2.1 傳感器硬件部分設(shè)計

本系統(tǒng)動態(tài)監(jiān)測模塊硬件部分采用的設(shè)備包括LTE路由器、土壤溫濕度傳感器、百葉箱式集成傳感器、土壤pH值傳感器、頁面溫濕度傳感器、光合有效輻射傳感器、攝像機(jī)等。

通過對大棚設(shè)施內(nèi)空氣溫濕度、CO2濃度、光照強度等環(huán)境參數(shù)的監(jiān)測分析，發(fā)現(xiàn)在小范圍內(nèi)的空氣溫濕度、CO2濃度、光照強度等環(huán)境參數(shù)隨著時間變化而變化[7]。因此，從綠色環(huán)保的角度出發(fā)，在每個大棚內(nèi)只需要擺放一臺設(shè)備即可。

棚內(nèi)植物葉面濕度的大小對植物葉片的生長是十分重要的。以往的研究者常常對空氣的溫度和濕度進(jìn)行監(jiān)測，忽略了對葉面溫濕度的監(jiān)測，而葉面溫濕度是更能反映葉面真實生長情況的指標(biāo)。本系統(tǒng)為解決這一問題，增加了葉面溫濕度傳感器。通過對葉面的溫度、濕度進(jìn)行精準(zhǔn)測量，實現(xiàn)了對植物葉片生長環(huán)境的精準(zhǔn)檢測，達(dá)到預(yù)防病蟲害的目的。

測量土壤溫濕度、土壤pH值所用的傳感器是插針式土壤溫濕度、電導(dǎo)率、pH一體化傳感器，該傳感器可同時測量土壤溫度、土壤濕度和土壤電導(dǎo)率;通過測量土壤的介電常數(shù)，能直接穩(wěn)定地反映各種土壤的真實水分含量。土壤水分傳感器可測量土壤水分的體積百分比，是符合目前國際標(biāo)準(zhǔn)的土壤水分測量方法。由于土壤環(huán)境多樣，選擇多個傳感器共同測量不同地塊的土壤pH值。

光合作用是植物在光照射下通過葉綠素吸收光能，在植物體內(nèi)將CO2和水合成碳水化合物放出氧氣的過程，是植物成長過程中不可或缺的一部分[8]。因此，本系統(tǒng)選取光合有效輻射傳感器ZZ-LRS-PAR-485-A來監(jiān)測植物的光合有效情況。

2.2 通信組網(wǎng)設(shè)計

大棚屬于室外環(huán)境，環(huán)境差異較大，因此，本系統(tǒng)對不同的環(huán)境設(shè)計了兩種通信方式。第一種方式是以太網(wǎng)模式，第二種方式是以物聯(lián)網(wǎng)卡為基礎(chǔ)的無線方式。以太網(wǎng)模式適用于距離居住區(qū)較近的大棚環(huán)境，由于系統(tǒng)搭載的網(wǎng)絡(luò)傳輸攝像頭數(shù)據(jù)量較大，從減小成本的角度，有線網(wǎng)的成本會比第二種方式物聯(lián)網(wǎng)卡的成本低。而物聯(lián)網(wǎng)卡在野外插卡即用，方便快捷，應(yīng)用范圍廣，可滿足一些特殊環(huán)境的需求，對于遠(yuǎn)離居住區(qū)的野外大棚是一種很好的選擇。

以太網(wǎng)組網(wǎng)模式選用的硬件設(shè)備是ZZ-IO444網(wǎng)絡(luò)控制器，該網(wǎng)絡(luò)控制器是一款結(jié)合網(wǎng)絡(luò)IO功能、繼電器輸出控制設(shè)備。能夠?qū)鞲衅鞑杉臄?shù)據(jù)實時傳輸?shù)较到y(tǒng)平臺和微信小程序。

物聯(lián)網(wǎng)卡入網(wǎng)方式，快捷簡單，方便使用。其主要的硬件有USR-G806路由器、IO404繼電器控制卡。USR-G806是一款4G無線路器，提供了一種通過WIFI或是網(wǎng)口接入4G網(wǎng)絡(luò)的解決方案。該設(shè)備高性能嵌入式 CPU，工作頻率高達(dá)580 MHz，可為智能電網(wǎng)、智能家居等數(shù)據(jù)傳輸領(lǐng)域提供可靠性的數(shù)據(jù)傳輸組網(wǎng)。

該組網(wǎng)方式同時擁有兩個可以連接到廣域網(wǎng)的接口（以太網(wǎng)口的WAN口和M2M網(wǎng)絡(luò)的4G口），兩路通道形成互補及備份，同時接上后優(yōu)先使用以太網(wǎng)口的WAN口以保證數(shù)據(jù)的流暢，也節(jié)省4G的流量。當(dāng)WAN口出現(xiàn)異常不能連接到廣域網(wǎng)時，路由器又可以通過4G網(wǎng)口聯(lián)通服務(wù)器，從而保證了數(shù)據(jù)的完整、可靠、穩(wěn)定。組網(wǎng)方式如圖2所示。

3 數(shù)據(jù)分析模塊

本系統(tǒng)的數(shù)據(jù)分析部分包括Labview數(shù)據(jù)分析部分、NI VISION視覺處理部分、Python環(huán)境因素分析部分。Labview數(shù)據(jù)分析設(shè)計程序模組（與相對應(yīng)的硬件設(shè)備對接）實現(xiàn)對草莓大棚的溫度、土壤濕度、pH、CO2濃度等數(shù)據(jù)的實時檢測與達(dá)到閾值的報警。提出和實施對應(yīng)的解決方案，使得大棚生態(tài)相對穩(wěn)定，運用Data Dashboard軟件與電腦端連接，實現(xiàn)手機(jī)與電腦端互通數(shù)據(jù)，方便使用者隨時隨地觀測數(shù)據(jù)，及時發(fā)現(xiàn)并處理出現(xiàn)的問題[9]。NI VISION部分實現(xiàn)了對草莓大棚植株的圖像采集和病蟲害分析，確保植株生長的每個時期處在相對健康的狀態(tài)。Python部分程序設(shè)計實現(xiàn)了對具體問題具體分析的目標(biāo)，通過每年/每天測量的大量數(shù)據(jù)和生長產(chǎn)出，進(jìn)行數(shù)據(jù)篩選與集合，得出最佳的生長環(huán)境，有助于草莓大棚植株的最大化量產(chǎn)。

3.1 Labview部分

主程序基于Labview開發(fā)，Labview共分為兩個面板：前面板和后面板。前面板用于操作和顯示數(shù)據(jù)，后面板為內(nèi)置程序設(shè)計與控件設(shè)計。后面板包括溫度區(qū)塊、大氣壓區(qū)塊、CO2區(qū)塊、pH檢測區(qū)塊，來顯示作物生長環(huán)境的實時變化[10]。溫度區(qū)塊采用圖表加溫度計顯示的方式來展示數(shù)據(jù)，寫入模塊實現(xiàn)歷史數(shù)據(jù)的存儲，算法方面采用數(shù)據(jù)與輸入控件數(shù)值比較判斷顯示燈閃爍，添加了兩個控制柄來防止溫度異常。大氣壓區(qū)塊和CO2區(qū)塊采用相同的方法，一是顯示實時數(shù)據(jù)（大氣壓表和CO2圖表），二是歷史數(shù)據(jù)記錄。對于pH值檢測區(qū)塊，為了準(zhǔn)確定位，采用分地區(qū)處理，將一個地域分為三個地區(qū)，一號地、二號地和三號地。分別檢測三個地塊的pH，讀取的數(shù)據(jù)采用草莓樣本比較（pH5～8為正常），過大或過小指示燈都會閃爍?？傮w設(shè)置6 000 ms的延時，保證數(shù)據(jù)穩(wěn)定輸入，另外本系統(tǒng)還設(shè)計了串口模塊，用于連接大棚設(shè)備，實現(xiàn)虛擬數(shù)據(jù)與實際數(shù)據(jù)的區(qū)分和比較。

前面板設(shè)計了寫入程序、控制柄、溫度、pH等判斷控件。運行文件把數(shù)據(jù)存儲點依次連接，設(shè)置草莓為樣本的溫度閾值25 ℃，pH閾值5～8，然后開始運行，可以看到當(dāng)溫度超過閾值時，指示燈會閃爍，溫度計會顯示溫度和圖表，并記錄數(shù)據(jù)。溫度異常時使用控制柄，通過加熱和噴灑清水來維持溫度正常，大氣壓表和CO2圖表也會有同樣的顯示與記錄。為了準(zhǔn)確定位pH異常的地區(qū)，將地域分為三塊，這樣能及時做出準(zhǔn)確判斷、處理。

最后，通過對網(wǎng)頁板塊的設(shè)計，整個程序不形成程序閉環(huán)，依靠互聯(lián)網(wǎng)知識面廣的優(yōu)點，權(quán)衡利弊。點擊網(wǎng)址就可以進(jìn)入物聯(lián)網(wǎng)平臺，輸入所給賬號、密碼，在數(shù)據(jù)中心可以看到空氣溫濕度、土壤溫濕度、土壤pH、光照強度等環(huán)境條件的實時信息。

3.2 NI VISION部分

本程序是基于Labview的視覺與運動模塊，對原始草莓的圖像進(jìn)行初步處理，使草莓的病害更為清晰，且易于被機(jī)器識別[11-12]。

在實際圖像處理中，NI VISION中含有很多圖像顏色模型，例如，RGB、HIS、HSL、HSV等[13-14]。不同的顏色模型即指不同的三維顏色空間的可見光子集。例如，RGB顏色模型是在單位立方體空間內(nèi)的顏色合集，RGB分別表示紅綠藍(lán)三原色;HSL顏色模型則是用圓錐來描述，HIS分別表示色調(diào)、飽和度、亮度。不同的顏色模型之間可以互相轉(zhuǎn)化[15]。

該程序首先將由攝像頭拍攝的RGB圖像轉(zhuǎn)換為HSL、HSV圖像，如圖3、圖4所示。

由圖3和圖4可知，轉(zhuǎn)換為HSV格式的黑白對比度明顯高于HSL格式，傷痕和病理位置區(qū)分也更加明顯。由于程序會改變圖片的亮度、對比度、Gamma值，使得圖片更容易被機(jī)器或者管理人員識別。圖像亮度是圖像給人的一種直觀感受，如果是灰度圖像，則與灰度值有關(guān)，灰度值越高則圖像越亮。圖象對比度是一副圖像中各種不同顏色最亮處和最暗處之間的差別，差別越大對比度越高，與分辨率沒有很大關(guān)系，只與最暗和最亮有關(guān)，圖像對比度越高給人的感覺就越刺眼，更加鮮亮突出;越低則給人感覺變化不明顯，反差就越小。這個概念只在給定的圖像中，與圖像中顏色亮度的變化有關(guān)[16-17]。

3.3 Python部分

3.3.1 需求分析。用戶在草莓種植過程中，會遇到不少問題。通過傳感器采集的數(shù)據(jù)可以來實時監(jiān)控草莓生產(chǎn)情況，并及時解決可能出現(xiàn)的意外情況。但是，用戶對于環(huán)境因素與草莓最終品質(zhì)之間的關(guān)系不清晰。以往用戶只能憑借經(jīng)驗來改善種植技術(shù)，不僅費時而且效率低下。因此，用戶迫切需要一個能夠幫助其探究草莓品質(zhì)與環(huán)境因素聯(lián)系的功能。

3.3.2 系統(tǒng)功能分析。用戶需要探究的是草莓品質(zhì)與環(huán)境因素的聯(lián)系，因此該系統(tǒng)需要具備以下功能。第一，能夠收集草莓從發(fā)芽到成熟整個過程的環(huán)境數(shù)據(jù);第二，能夠通過離散數(shù)據(jù)擬合出草莓品質(zhì)與環(huán)境因素的函數(shù);第三，能夠?qū)Σ涣紨?shù)據(jù)進(jìn)行分析，并弄清具體是哪個環(huán)境因素的影響和影響值的多少。

3.3.3 具體實現(xiàn)。本程序是通過多元線性擬合算法，分析草莓生長的5個影響參數(shù)對草莓最終品質(zhì)的影響（草莓品質(zhì)以百分制來體現(xiàn)，例如，100草莓品質(zhì)最佳）。

根據(jù)草莓的記錄進(jìn)行人工評分，且數(shù)據(jù)需要保證盡可能多和準(zhǔn)確，需要把這樣的數(shù)據(jù)成為樣本數(shù)據(jù)，通過這些樣本數(shù)據(jù)進(jìn)行多元線性擬合[18-19]，最終得到如公式（1）的草莓評級函數(shù)。

[a0+a1x1+a2x2+…+anxn] ? ?（1）

得到函數(shù)后，需要對采集到的大量草莓記錄放入模型中，得出在該記錄下的草莓評級，需要先將數(shù)據(jù)以數(shù)組的形式存儲，在完成草莓評級后對數(shù)據(jù)進(jìn)行分析。首先求出在所有記錄下草莓評級的平均值，標(biāo)記低于平均值的參數(shù)，同時，求出記錄下每個因素的超標(biāo)量（或多于平均值或少于平均值），然后乘以對應(yīng)的權(quán)值（權(quán)值不固定，通過算法擬合后生成），最終得到每個因素的超標(biāo)量，有的可能超標(biāo)過多，有的可能超標(biāo)一點點（在Excel表上乘以100%）。這樣用戶就可以清晰地了解是什么影響了草莓的評級，處理后數(shù)據(jù)如表1所示。

3.3.4 算法特點。分析過程并不會具體給出評級公式，這種評級公式根據(jù)具體的樣本數(shù)據(jù)得出，并且可以加入機(jī)器學(xué)習(xí)的方法進(jìn)行訓(xùn)練得到精度更高的模型。

算法是一個學(xué)習(xí)型算法，用戶可以通過本算法計算出今年的評級結(jié)果，然后摘選出準(zhǔn)確度高的記錄，并將其當(dāng)作樣本數(shù)據(jù)，這樣就可以對模型進(jìn)行更新優(yōu)化，然后第二年可以得到更好的結(jié)果。

算法可以讓用戶預(yù)測草莓的最終評級，用戶可以手動輸入實際的環(huán)境因素值，然后模型將給出預(yù)測評級，那么用戶可以根據(jù)想要的結(jié)果來調(diào)整環(huán)境的布置以及技術(shù)。

4 智能決策模塊

當(dāng)空氣溫濕度、土壤鹽分、土壤溫濕度等環(huán)境參數(shù)不在草莓生長的閾值范圍內(nèi)，繼電器可以打開相應(yīng)的排風(fēng)、遮陽、噴灌、水肥等命令。本系統(tǒng)所使用的4路繼電器，既能將傳感器數(shù)據(jù)通過基站上傳至平臺，又能實現(xiàn)繼電器功能，采取相應(yīng)的解決措施，如采用霧化降溫裝置、遮陽裝置、澆灌設(shè)備、水肥系統(tǒng)等。

智能決策模塊作為本系統(tǒng)的最后一個環(huán)節(jié)，作為環(huán)境監(jiān)測模塊的一個反饋，是整個系統(tǒng)一個不可缺少的部分。目前系統(tǒng)決策模塊尚不完善，控制方法有待提高。為了進(jìn)一步提高智慧農(nóng)業(yè)的智能化程度，必須使用更加先進(jìn)的控制算法或原理。

5 結(jié)語

本文實現(xiàn)了對農(nóng)業(yè)大棚設(shè)施內(nèi)的環(huán)境參數(shù)的實時動態(tài)監(jiān)測、實時傳輸，并且對草莓大棚做了詳細(xì)的數(shù)據(jù)分析，通過對3塊地對比試驗得出符合草莓生長的最佳生存環(huán)境。雖然系統(tǒng)經(jīng)過了實測，但經(jīng)驗并不豐富，智能決策模塊并不完善，對于實時動態(tài)監(jiān)測模塊得到的環(huán)境數(shù)據(jù)，不能夠作為實現(xiàn)自動化的反饋措施，仍需要人工進(jìn)行簡單手動操作，如自動識別病蟲害后自動噴灑農(nóng)藥;溫度、CO2濃度等檢測異常后做出報警但不執(zhí)行噴灑清水降溫、施肥等操作仍需要人工確認(rèn)。

參考文獻(xiàn)：

[1] 申格，吳文斌，史云，等.我國智慧農(nóng)業(yè)研究和應(yīng)用最新進(jìn)展分析[J].中國農(nóng)業(yè)信息，2018（2）：1-14.

[2] 王杰華，洪麗芳，許錦麗，等.基于物聯(lián)網(wǎng)的智慧農(nóng)業(yè)管理系統(tǒng)設(shè)計[J].湖北農(nóng)業(yè)科學(xué)，2021（10）：133-136.

[3] 王保云.物聯(lián)網(wǎng)技術(shù)研究綜述[J].電子測量與儀器學(xué)報，2009（12）：1-7.

[4] 張洲.基于物聯(lián)網(wǎng)的智慧農(nóng)業(yè)系統(tǒng)設(shè)計及實現(xiàn)[D].成都：電子科技大學(xué)，2019.

[5] 何東健.基于物聯(lián)網(wǎng)的農(nóng)業(yè)信息感知智能服務(wù)研究與實踐[R].咸陽：西北農(nóng)林科技大學(xué)，2018.

[6] 王文斌，高占峰.影響蔬菜生長的氣象因子分析[J].安徽農(nóng)業(yè)科學(xué)，201（35）：17202-17203，17211.

[7] 馬光恕，廉華.設(shè)施內(nèi)環(huán)境要素的變化規(guī)律及對蔬菜生長發(fā)育的影響[J].黑龍江八一農(nóng)墾大學(xué)學(xué)報，2002（3）：16-20.

[8] 劉慶.不同光周期及光質(zhì)對草莓生理特性及品質(zhì)的影響[D].泰安：山東農(nóng)業(yè)大學(xué)，2015.

[9] 陳福彬，柴海莉，高晶敏.基于LabVIEW的自動化測試平臺的設(shè)計[J].國外電子測量技術(shù)，2012（11）：9-14.

[10] 趙敏.基于LabVIEW的運動控制系統(tǒng)的軟件設(shè)計[D].太原：中北大學(xué)，2014.

[11] 楊忠仁，饒程，鄒建，等.基于LabVIEW數(shù)據(jù)采集系統(tǒng)[J].重慶大學(xué)學(xué)報（自然科學(xué)版），2004（2）：32-35.

[12] 賈昊，張燁，崔忠政，等.基于NI Vision機(jī)器視覺技術(shù)的應(yīng)用[J].電子測試，2018（21）：28-29，39.

[13] 牛沖，牛昱光，李寒，等.基于圖像灰度直方圖特征的草莓病蟲害識別[J].江蘇農(nóng)業(yè)科學(xué)，2017（4）：169-172.

[14] 劉晶，鄭書恒，張濤，等.北京地區(qū)設(shè)施草莓主要病蟲害發(fā)生現(xiàn)狀調(diào)查與防控建議[J].中國植保導(dǎo)刊，2015（10）：35-37，60.

[15] 楊晉丹，楊濤，苗騰，等.基于卷積神經(jīng)網(wǎng)絡(luò)的草莓葉部白粉病病害識別[J].江蘇農(nóng)業(yè)學(xué)報，2018（3）：527-532.

[16] 牛沖.基于圖像處理的草莓病害識別方法研究[D].太原：太原理工大學(xué)，2016.

[17] 蘇博妮，化希耀.基于機(jī)器視覺的草莓圖像處理研究[J].首都師范大學(xué)學(xué)報（自然科學(xué)版），2018（4）：42-45.

[18] 龔紅菊.基于分形理論及圖像紋理分析的水稻產(chǎn)量預(yù)測方法研究[D].南京：南京農(nóng)業(yè)大學(xué)，2008.

[19] 邵秀鳳，李利.基于最小二乘法曲線擬合的油井產(chǎn)量預(yù)測[J].微型電腦應(yīng)用，2009（12）：13-14，76.