李 偉，金 梁，杜 麗

（1.河南工業(yè)職業(yè)技術(shù)學院，河南 南陽 473005；2.南陽師范學院，河南 南陽 473001；3.河南省月季種質(zhì)創(chuàng)新與栽培技術(shù)工程研究中心，河南 南陽 473001）

0 引 言

【研究意義】作物種植方式逐漸由傳統(tǒng)的粗放式種植過渡到精細集約的現(xiàn)代化規(guī)模種植[1-2]。溫室作物的產(chǎn)量和品質(zhì)受所處生長環(huán)境的影響，主要包括空氣及土壤溫度和濕度、光照強度、土壤肥力等因素[3]，科學合理地控制這些生長因素使其維持在適宜的指標，確保作物在最佳環(huán)境中生長，從而達到提高作物產(chǎn)量、改良作物品質(zhì)、保障食品安全、調(diào)節(jié)生長周期的目的。如何借助于新一代信息技術(shù)對溫室加以改進，使其充分發(fā)揮潛力，已成為農(nóng)業(yè)生產(chǎn)部門和科研工作者關(guān)心的問題。

隨著人力成本的增加和智慧農(nóng)業(yè)的不斷發(fā)展，從經(jīng)濟角度和技術(shù)角度，都要求在農(nóng)業(yè)生產(chǎn)中實現(xiàn)對溫室氣候小環(huán)境的實時監(jiān)測和自動化控制。傳統(tǒng)的溫室調(diào)控依賴于手工方式或有線組網(wǎng)，手工方式需要人工觀察放置在溫室內(nèi)的測量儀表得到數(shù)據(jù)，再手動調(diào)控設(shè)備到適宜的環(huán)境，不但耗費時間和人力成本，且觀察到的數(shù)據(jù)主觀性強、誤差大，不利于精確、連續(xù)地記錄。有線組網(wǎng)方式需要在溫室內(nèi)交錯穿插線纜，布線復雜、成本高、靈活性不強[4]。

【研究進展】基于上述問題，使用無線網(wǎng)絡(luò)的溫室智能調(diào)控成為智慧農(nóng)業(yè)設(shè)施栽培技術(shù)的重要應(yīng)用領(lǐng)域，國內(nèi)外學者、工程師對其進行了大量的研究。在溫室調(diào)控設(shè)施構(gòu)建層面，張?zhí)炝⒌萚5]、張輝等[6]、楊再永等[7]分別使用遠距離無線電、自組織多跳網(wǎng)絡(luò)、消息隊列遙測傳輸?shù)燃夹g(shù)搭建無線網(wǎng)絡(luò)，聯(lián)網(wǎng)各類傳感器監(jiān)測出環(huán)境因子的即時變量，進行實時在線監(jiān)測和調(diào)控。這些工作更多集中于對溫室環(huán)境參數(shù)數(shù)據(jù)的簡單采集，而做出的調(diào)控決策需依靠經(jīng)驗，缺乏深層次和大樣本的相關(guān)性分析，并不能保證其合理有效。在溫室環(huán)境調(diào)控策略方面，劉洪靜等[8]使用模糊PID算法結(jié)合MCGS組態(tài)系統(tǒng)，以設(shè)定的土壤濕度作為灌溉的依據(jù)，研究并設(shè)計了一種節(jié)水灌溉智能控制系統(tǒng)；劉斌等[9]將農(nóng)田土壤墑情數(shù)據(jù)作為模糊控制器的輸入量，基于Smith預(yù)估模糊控制器實現(xiàn)作物灌溉需水量的模糊控制；李浩楠等[10]通過分析作物生長典型環(huán)境因子，將模糊理論和神經(jīng)網(wǎng)絡(luò)結(jié)合，引入動量梯度下降優(yōu)化算法提高調(diào)控精度?！厩腥朦c】以上研究都只將空氣及土壤溫濕度、光照強度、土壤肥力等信息作為模糊輸入量，忽略了各環(huán)境信息之間的強耦合性，對某單一環(huán)境因子進行調(diào)控，一般會影響其他環(huán)境因子的調(diào)控作用，使得決策不夠準確。

【擬解決的關(guān)鍵問題】本文根據(jù)溫室的實際需求，采用ZigBee片上系統(tǒng)CC2530配合各種環(huán)境因素傳感器，基于無線傳感網(wǎng)絡(luò)布網(wǎng)獲取、傳輸數(shù)據(jù)，綜合考慮影響植物生長的各項環(huán)境要素，將其視為不確定型決策的多項屬性，建立基于灰熵評價的數(shù)學模型，計算各影響要素的最優(yōu)值；并將結(jié)果反饋給各類數(shù)控農(nóng)業(yè)機械，實現(xiàn)對溫室環(huán)境的自動調(diào)控，從而給植物生長配置最優(yōu)生長環(huán)境。

1 系統(tǒng)設(shè)計

1.1 系統(tǒng)功能及目標分析

溫室智慧調(diào)控系統(tǒng)主要功能包括以下3個方面：

1）實時監(jiān)測。利用物聯(lián)網(wǎng)技術(shù)及各種傳感器采集溫室內(nèi)的環(huán)境影響因素，并通過ZigBee無線分布式傳感網(wǎng)絡(luò)將各項數(shù)據(jù)指標傳輸?shù)娇刂破脚_。

2）智能分析。將實時監(jiān)測過程中得到的各項數(shù)據(jù)存儲、分析和處理，利用灰色關(guān)聯(lián)分析理論，并結(jié)合種植經(jīng)驗，得出最有利于植物育苗生長的理想值，將傳統(tǒng)種植中被模糊處理的問題，通過信息化手段成為實時、定量、精準的標準化管理。

3）精準調(diào)控。實現(xiàn)信息數(shù)據(jù)與溫室設(shè)備的無縫對接，保障各自動化設(shè)備按照指令工作。根據(jù)實時采集的數(shù)據(jù)和系統(tǒng)設(shè)定的理想值進行分析，智能判斷是否需要調(diào)節(jié)溫室小氣候環(huán)境指標，自動控制澆水、排風、透光、加濕、施肥、噴藥等設(shè)備的狀態(tài)[11]。

溫室智能調(diào)控系統(tǒng)應(yīng)達到如下目標：通過自動化調(diào)節(jié)，平衡溫室小氣候環(huán)境指標間的關(guān)系，節(jié)約水肥資源，降低人力成本，提高管理效率，確保植物在最佳生長環(huán)境中快速生長，達到提產(chǎn)優(yōu)質(zhì)、調(diào)節(jié)生長的目的。

1.2 系統(tǒng)體系結(jié)構(gòu)設(shè)計

整個系統(tǒng)由無線終端、傳輸網(wǎng)絡(luò)和數(shù)據(jù)管理平臺3個部分構(gòu)成。其中，無線終端分為環(huán)境因素傳感器和自動控制執(zhí)行器2類，主要是由ZigBee終端節(jié)點、具有計算和通信能力的傳感器以及各類自動化設(shè)備構(gòu)成；傳輸網(wǎng)絡(luò)包括ZigBee、WLAN及4G網(wǎng)絡(luò)等通訊設(shè)施；數(shù)據(jù)管理平臺實現(xiàn)感知數(shù)據(jù)管理、存儲等功能[12-13]。系統(tǒng)框架如圖1所示。

圖1 溫室控制系統(tǒng)框架Fig.1 The framework of greenhouse control system

控制系統(tǒng)無線終端按照如圖2所示的星型結(jié)構(gòu)布局，位于系統(tǒng)最底層。終端節(jié)點間距5～30 m之間，具體可根據(jù)溫室跨度、植株疏密、指標種類等因素調(diào)整。根據(jù)實際需要，在ZigBee終端安裝溫濕度傳感器、光照傳感器等設(shè)備，采集植物生長環(huán)境信息并轉(zhuǎn)化為一定格式的數(shù)字量；控制處理執(zhí)行器驅(qū)動各類自動化設(shè)備包括遮陽簾、灌溉閥、補光燈、肥料泵、通風窗、加熱器等設(shè)備。無線傳感終端平時處于休眠狀態(tài)，每隔30 min自動采集1次數(shù)據(jù)并將數(shù)據(jù)發(fā)送給匯聚節(jié)點，匯聚節(jié)點收到數(shù)據(jù)后傳輸至上位機軟件。圖3為CC2530片上系統(tǒng)傳感器節(jié)點的結(jié)構(gòu)框圖。

圖2 控制系統(tǒng)無線終端分布Fig.2 Wireless terminal distribution of control system

圖3 傳感器節(jié)點結(jié)構(gòu)Fig.3 Structure of sensor node

各種傳感器節(jié)點分布在監(jiān)測區(qū)域，通過Mesh自組織形式，沿著路由節(jié)點、匯聚節(jié)點逐級在無線ZigBee網(wǎng)絡(luò)中傳遞信息[14]；最后通過WLAN、4G網(wǎng)絡(luò)傳遞到感知數(shù)據(jù)管理平臺，為植物生長分析系統(tǒng)提供可靠的數(shù)據(jù)統(tǒng)計。

2 溫室環(huán)境智能調(diào)控決策

2.1 灰色關(guān)聯(lián)分析原理

因溫室氣候小環(huán)境因素與植株生長之間不是線性關(guān)系，僅通過數(shù)理統(tǒng)計方法很難發(fā)掘其內(nèi)在關(guān)系?；疑到y(tǒng)理論[15]（Grey System Theory，GST）特別適合求解作物生長環(huán)境優(yōu)化這種較為繁雜，影響因素眾多，部分信息明確、部分信息缺失，存在信息參數(shù)模糊不全的問題。

作物生長周期內(nèi)連續(xù)測量記錄其生長量X0、空氣溫度X1、空氣濕度X2、光照輻射強度X3和土壤濕度X4等數(shù)據(jù)，其中X0是反映植物生長行為特征的數(shù)據(jù)序列，稱為參考序列，Xi(i=1,2,3,…)為影響植物生長行為的各項環(huán)境指標組成的數(shù)據(jù)序列，稱為被比較序列?；异仃P(guān)聯(lián)分析是GST的重要內(nèi)容，它通過分析參考序列與被比較序列之間的“距離”來度量各個序列之間的異同，“距離”的大小直接反映系統(tǒng)中的各因素對目標值的影響程度，從而確定它們之間的相互影響關(guān)系以及影響系統(tǒng)行為的最主要因素[16]。

式（1）的計算結(jié)果H(X)為序列的灰熵，xi稱為屬性信息。由定義可知，當序列X的各項值均相等，即x1=x2=…=xn時，灰熵達到最大值Hmax(X)=lnn。

定義序列X的均衡度為：

顯然，B數(shù)值越大，整個序列就越均衡，當B達到極值1時，H(X)=Hmax(X)。

式中：ρ為分辨系數(shù)，ρ∈[0,1]，在運算中可調(diào)節(jié)，一般取值為0.5；xi0為參考序列的第i個值；xij為第j個比較序列的第i個值。

2.2 算法描述

設(shè)X={xi|1≤i≤m}為待決策試點集，

S={sj|1≤j≤n}為生長環(huán)境評價因素集，構(gòu)建出各評價因素的收益值矩陣V={vij|1≤i≤m;1≤j≤n}。

步驟1：確定理想方案?？紤]到各環(huán)境因素對植物的影響既不是理想值越大越好的效益型指標，也不是理想值越小越好的成本型指標，故首次試驗理想方案的設(shè)定選用經(jīng)驗值，后續(xù)即可選定通過算法計算得到理想方案最優(yōu)值。

步驟2：計算理想方案與待評方案的損失矩陣，即因為沒有選擇理想方案而對收益值造成的損失，

步驟3：對收益值矩陣進行無量綱化，計算式為：

損失矩陣歸一化，計算式為：

步驟4：計算灰色關(guān)聯(lián)度。以理想方案為參考序列，各環(huán)境因素屬性為被比較序列，使用式（3）—式（6）對無量綱化的收益值矩陣中理想方案與各比較方案分別計算灰色關(guān)聯(lián)度Gi。

步驟5：使用式（1）、式（2）計算的熵權(quán)及均衡度：

步驟6：按照均衡接近準則，綜合考慮灰色關(guān)聯(lián)度和均衡度屬性，制定選取規(guī)則W=B×G。W值越大，越接近理想方案，故選擇W值較大的生長環(huán)境數(shù)據(jù)。

3 結(jié)果與分析

3.1 數(shù)據(jù)采集

試驗地點為河南省南陽市月季培育溫室。試驗時間為2020年11月，植株處于育苗期，選擇本地豐花月季植株當年生花枝中部枝條，截成10 cm莖段插穗，保留3個腋芽。溫室長寬高分別約為120、10、3.5 m，主體結(jié)構(gòu)為鋼結(jié)構(gòu)支撐，覆蓋材料為聚碳酸酯板，頂部設(shè)有天窗和遮簾網(wǎng)用于空氣流通與遮陽。

為了保證試驗的嚴謹，將溫室劃分成9個小區(qū)，分別扦插不同品種豐花月季，小區(qū)內(nèi)月季植株數(shù)量和密度相等，每個小區(qū)100株植株。ZigBee無線傳感網(wǎng)絡(luò)按小區(qū)部署終端網(wǎng)絡(luò)，采用正六邊形方式布局，各節(jié)點掛載光照強度傳感器BH1750FVI、空氣溫濕度傳感器DHT11、土壤水分傳感器GS3。除此之外，在另一個溫室中選擇同樣生長條件的月季種植小區(qū)建立對比樣本。對比樣本中僅通過ZigBee網(wǎng)絡(luò)采集影響月季生長各項環(huán)境要素并依靠月季種植經(jīng)驗進行簡單的人工調(diào)節(jié)[18]。

3.2 結(jié)果驗證與討論

本試驗進行數(shù)據(jù)采集以及組網(wǎng)測試，采集到土壤濕度、空氣溫濕度、光照強度等信息，通過采取不同的調(diào)控方式進行對比來說明本方法的有效性，并從網(wǎng)絡(luò)性能和月季出芽生根情況2個方面進行了分析。

隨著收發(fā)節(jié)點之間距離的增加，ZigBee無線通信在接收信號強度指示（Received Signal Strength Indicator，RSSI）、平均丟包率、平均誤碼率等方面的測試結(jié)果見表1。單個節(jié)點的RSSI、丟包率、誤碼率可通過對CC2530芯片內(nèi)置寄存器RSSI_VAL在8個符號周期（128 μs）的平均值得到。整個網(wǎng)絡(luò)的平均丟包率、平均誤碼率的計算如式（10）、式（11）所示：

表1 ZigBee網(wǎng)絡(luò)無線通信性能測試結(jié)果Table 1 Test results of wireless communication performance of ZigBee network

式中：n為節(jié)點個數(shù)；S為發(fā)送節(jié)點數(shù)據(jù)包總數(shù)；R為網(wǎng)關(guān)接收到的數(shù)據(jù)包總數(shù)；E為網(wǎng)關(guān)接收到的錯誤數(shù)據(jù)包數(shù)。

采用從月季扦插開始后2個月內(nèi)，每隔10 d系統(tǒng)采集的出芽及生根等數(shù)據(jù)，與經(jīng)驗種植下的數(shù)據(jù)進行對比如表2所示。

表2 月季育苗情況對比試驗分析Table 2 Comparative analysis of rose seedling

在月季育苗期連續(xù)統(tǒng)計每日耗水量，在試驗小區(qū)及對比小區(qū)中，通過GS3傳感器測量土壤濕度。土壤濕度過低時，啟動灌溉泵，達到要求濕度時向電磁閥發(fā)送指令關(guān)閉水泵。由圖4可知，在使用種植經(jīng)驗進行調(diào)控的情況下，日耗水量約為1.7～1.9 mm，而使用灰熵調(diào)控策略的系統(tǒng)日耗水量減少到1.5～1.6 mm左右。同時，結(jié)合表2可知，使用灰熵調(diào)控策略的系統(tǒng)中，月季出芽及生根情況均較經(jīng)驗調(diào)控情況有所改善。在耗水量減小13.89%的條件下，植株成活率提升約3.1%，節(jié)水效果顯著。

圖4 日耗水量Fig.4 Daily water consumption

由表1可知，隨著距離越來越遠，RSSI值逐漸衰減，當接收距離在20 m范圍以內(nèi)RSSI值變化較為明顯，從-26.1 dBm降至-57.3 dBm。接收距離進一步增加，RSSI的降低趨緩。傳輸距離在100 m以內(nèi)時，RSSI變化不大，測量精度較高。當傳輸距離超過100 m時，丟包率開始高于1%，且隨著傳輸距離的進一步增大，丟包率明顯增加。同時檢測誤差較大，并伴有較大的波動性，這與于明月等[19]研究結(jié)果一致。綜上所述，將節(jié)點間距離控制在20 m以內(nèi)可基本避免數(shù)據(jù)包在傳輸過程中的丟失情況，可滿足溫室需求。

通過表2中月季育苗對比試驗結(jié)果表明，月季扦插育苗環(huán)境中的溫濕度、光照等對月季的生根出芽及成活率起到關(guān)鍵作用，設(shè)計的溫室智能調(diào)控系統(tǒng)對溫室內(nèi)月季生長環(huán)境控制精準，比依靠種植經(jīng)驗調(diào)控狀態(tài)下月季植株的成活率提高了3.1%。從觀測數(shù)據(jù)來看，該系統(tǒng)對月季育苗溫室環(huán)境的調(diào)控是準確可靠的。

4 結(jié) 論

根據(jù)現(xiàn)代化溫室環(huán)境監(jiān)測的實際需要，采用物聯(lián)網(wǎng)技術(shù)，設(shè)計了一種基于灰熵關(guān)聯(lián)分析的溫室智能調(diào)控方法。系統(tǒng)集成各種小型化傳感器節(jié)點實現(xiàn)了對溫室光、溫、氣、濕、肥等信息以及植株長勢的實時監(jiān)測；基于WSN的無線通信網(wǎng)絡(luò)在確保數(shù)據(jù)傳輸質(zhì)量的同時延長了傳感器節(jié)點的使用壽命；同時，灰熵關(guān)聯(lián)分析被應(yīng)用于溫室氣象小環(huán)境數(shù)據(jù)的智能精準調(diào)控。在溫室環(huán)境進行了實地數(shù)據(jù)測量，驗證了該系統(tǒng)的可行性及可靠性，具有成本低、布置簡便、性價比高等優(yōu)點。

本系統(tǒng)詮釋了物聯(lián)網(wǎng)技術(shù)的優(yōu)越性，將環(huán)境參數(shù)實時獲取，利用灰熵關(guān)聯(lián)分析調(diào)控算法及經(jīng)驗參數(shù)實現(xiàn)相關(guān)設(shè)備的自動決策。在一定程度上解放了生產(chǎn)力，提高了植株的質(zhì)量和抵御自然災(zāi)害的能力，形成了良好的產(chǎn)業(yè)化應(yīng)用格局。