基于物联网的葡萄园信息获取与智能灌溉系统设计

董征宇

(重庆电子工程职业学院，重庆　400030)

0　引言

我国的淡水资源总量丰富，但是人均占有量很少，只有世界平均水平的1/4；另外，一半的淡水资源被用于农业灌溉，且以传统的漫灌方式为主，利用率仅为40%。传统的漫灌造成了水资源的巨大浪费，加剧了水资源短缺的状况。因此，发展节水灌溉对农业的可持续发展来说已是刻不容缓。对此，人们开发了各种新的灌溉技术(如微灌和滴灌等)，在一定的程度上提高了水资源的利用效率；但是，上述的灌溉方式在灌溉时机和用水量上仍然是根据人为经验和判断，具有一定的盲目性。

近年来，随着传感器、自动测控和信息技术的进步，基于GPRS、ZigBee和物联网等新型技术的智能灌溉系统应运而生，且物联网应用最多[1-4]。物联网也被称为传感网络技术，是信息领域继计算机和互联网之后的第三次革命。物联网通过融合传感器、分布信息处理、现代网络和无线通信等技术，将各种信息传感器与互联网整合成一个庞大的网络，以实现对目标的智能识别和管理[5]。物联网应用于农业的研究在国外开始较早，2002年英特尔公司在美国第1次将物联网用于对葡萄园土壤温湿度和有害物剂量的监测，促进了葡萄的大丰收[6]。我国物联网技术的应用研究虽然起步晚，但是发展较快，主要集中在4个方面，分别是粮食作物生产、农业生产设施、果园精准管理和畜牧水产养殖[7]。目前，物联网应用面临的最大问题，是对采集数据的利用大多还停留在展示和统计的层次上，没有形成相应的科学决策并对执行装置进行控制[8]。

物联网在农业生产中用途广泛，其与专家决策系统结合可以实现对果园的远程监测和智能化精准灌溉。余国雄等基于物联网技术，设计了荔枝园的信息获取和智能灌溉系统，结果表明具有较强的实时性和较高的准确率[9]。吴秋明等利用物联网技术，设计了一种棉花的智能微灌系统，将水分的利用效率提高了22.6%，而成本比国外同类型产品降低44.8%。刘书伦等也设计了类似的系统，增加了传感器节点，从而使系统获得了更高的可行性和有效性[10]。随着技术的进步和系统的优化，智能灌溉系统覆盖的范围和植物种类越来越多，包括各种蔬菜、作物、果树和园林树木等[11-15]。

葡萄是一种具有较高营养价值和经济价值的水果，我国的葡萄种植面积居世界第二，产量居世界第一。近10年来我国的葡萄产量逐年上升，已经超过1 200万t。葡萄树的根系深达50cm，所需水分主要从土壤中吸收。土壤含水量过低会导致葡萄树吸水量不足，妨碍正常生长发育；土壤含水量过高又会引起根系腐烂，并诱发葡萄园中的病虫草害，也会影响葡萄的产量和品质[13]。葡萄树在不同生育时期和季节的需水量不同，对灌溉精度的要求较高。但是在大部分的葡萄主产区，灌溉仍然以较为落后的明渠和漫灌为主，不仅浪费了水资源，还影响到葡萄的生长和产量。将现代物联网技术引入葡萄园实现智能灌溉，可以为葡萄的高产稳产提供保障，具有重大的现实意义。

当前，基于物联网的智能灌溉系统虽然具有较为完整的信息获取和智能控制装置，但获取的信息种类有限，且一般只根据土壤湿度这个单一的参数为阈值进行灌溉的决策和控制，导致灌溉的时机和水量不能随着其它的气象因素而变化，也缺乏实时性。葡萄园需水量在时空上具有更高的特异性，因此现有的系统可能无法达到较好的灌溉效果。为此，本文以物联网为核心，设计了一种葡萄园的信息获取和智能灌溉系统，通过信息采集模块的各种传感器采集葡萄园环境信息，由ZigBee无线通信网络将数据传递到信息处理模块上，最后经过专家决策模块形成智能灌溉的指令，按照指令实现智能灌溉。同时，在葡萄园环境中对系统的准确性和实时性进行验证，以期为葡萄园的科学管理提供技术支持。

1　系统的工作原理和组成

1.1工作原理

信息获取和智能灌溉系统主要由信息采集模块、无线通信网络、信息处理模块、专家决策模块和指令执行模块等部分组成。其中，信息采集模块和指令执行模块一起组成1个控制终端，系统可以连接多个控制终端，具体数目根据葡萄园的实际情况进行确定。

信息采集模块包括多种环境传感器，可以采集空气温湿度、土壤含水率、光照度和降雨量。采集到的数据信息通过基于ZigBee技术的无线通信网络发送到信息处理模块中；信息处理模块对接收的数据进行分类管理和整合，同时带有人工操作界面，用于数据的实时显示及设定各种参数和阈值；专家决策模块接收信息处理模块发来的实时数据和阈值，经过综合分析后，根据专家经验诊断葡萄园的需水情况并做出决策反馈给信息处理模块；最终的决策经过信息处理模块后，由无线通信网络以控制指令的形式发送给指令执行模块，控制滴灌管道上的电磁阀开关时机和程度，从而实现智能灌溉。

系统工作原理如图1所示。

图1　系统的工作原理

1.2系统的组成

控制终端由信息采集模块和指令执行模块组成。其中，信息采集模块包括JCJ109型空气温湿度传感器、SWR-100型土壤水分传感器、NH207型光照度传感器和SRY-3型雨量计，安装在葡萄园中实时测量相应的环境信息；指令执行模块是地面的滴灌管道和安装在其上的电磁阀，与信息采集模块安装在一起。电磁阀为AG-GAG二位三通多用途型，反应灵敏，功耗较低。以上的装置通过一个STC89C51型单片机与无线网络连接。控制终端的组成如图2所示。

图2　控制终端的组成

当前的无线通信手段主要有Wifi、蓝牙和ZigBee3种模式。其中，Wifi模式的信号容易被葡萄园的植物遮挡，数据传输无法获得较高的可靠性；蓝牙模式的信号作用距离小，导致覆盖整个葡萄园所需的数量太多；ZigBee模式的抗干扰性强，通信距离较远，因此被本系统采用。根据葡萄园的自然环境条件，系统的无线通信网络选择了树形的组网方式，拥有的接口可以支持与20个控制终端有效连接。

信息处理模块的核心是联想I5-6400型台式计算机，配置Intel i5中央处理器和4G内存，安装Windows 10操作系统和相关的数据分析软件。通过USB2.0接口接收数据，在操作界面上显示实时的环境数据信息，完成分析计算。信息处理模块还用于对系统的各种参数和电磁阀的开关阈值进行设定，辅助专家决策模块将最终的决策转换为控制指令后发出。

从表2中可以看出，与安静对照组相比，力竭运动即刻组(E0)骨骼肌和血清中AMPK含量上升，有极显著性差异(P<0.01)；而C组、E24组、E48组之间骨骼肌和血清中AMPK含量无明显差异。

专家决策模块是联想X3550 M5型服务器，配置16GB DDR4 内存和300GB 硬盘，可以存储系统获取的葡萄园所有信息。数据库是专家决策模块的重要内容，包括综合数据库和知识数据库。综合数据库是关于葡萄园的各种事实数据的推理过程和结果计算公式，具体表现为葡萄园的基础气象信息和监测数据；知识数据库是基于专家经验和知识的葡萄生长发育规律、水分需求量和水分吸收能力的信息。模块以数据库为基础，通过对实时信息的分析，做出相应的灌溉预测和决策。

2　试验

2016年，在本单位的葡萄园中对系统信息获取的准确性和智能灌溉的实时性进行了试验。葡萄园面积5 hm2，均匀分布着15个控制终端。葡萄品种为巨峰，开花之前要求土壤湿度较大，开花期则要求相对干燥，浆果生长期需水量再次增加。总体而言，巨峰葡萄的全生育期水分需求量较大。

为了验证系统信息获取的准确性，试验采用S500-TH型空气温湿度计、MP-406型土壤水分测定仪、NHTESTO540型手持式光照度仪和DY1090A型雨量计分别测定各个控制终端位置上的空气温湿度、土壤含水率、光照度和降雨量。测量过程持续7d，将两种方法获得的数据进行比较，结果表明：5种环境信息参数的最大相对误差分别为2.33%、3.18%、2.46%、3.24%、2.45%，都在允许的范围内，表现出较高的准确性。试验结果如表1所示。

表1　两种方式测量的环境信息

验证系统智能灌溉实时性时葡萄处于浆果成熟期，专家决策模块根据各项环境信息提供的葡萄生长最佳土壤含水率约为25%。因此，设定土壤含水率的上下限分别为27.5%和22.5%，启动系统开始智能灌溉控制。试验期间，对15个控制终端上的土壤含水率用人工方法测量，计算平均值。试验持续10天，每天测量4次，结果如图3所示。由图3可以看出：随着降雨量的减少，土壤含水率开始降低；当土壤含水率低于22.5%的下限时，智能灌溉系统立即启动，土壤含水率开始升高；当土壤含水率升至27.5%的上限时，智能灌溉系统立即关闭，土壤含水率开始回落。整个试验期间，土壤含水率始终处于22.3%～27.7%之间。这说明，系统可以实现实时灌溉，为葡萄生长提供最适宜的条件。

图3　智能灌溉的土壤含水率

3　结论

基于物联网技术，设计了一种葡萄园的信息获取和智能灌溉系统。系统主要由信息采集模块、无线通信网络、信息处理模块、专家决策模块和指令执行模块等部分组成。信息采集模块采集空气温湿度、土壤含水率、光照度和降雨量；数据信息通过基于ZigBee技术的无线通信网络发送到信息处理模块中进行分类管理和整合；专家决策模块接收信息处理模块发来的实时数据和阈值，诊断葡萄园的需水情况并做出决策；最终的决策以控制指令的形式发送给指令执行模块，控制滴灌管道上的电磁阀开关时机和程度，从而实现智能灌溉。在准确性和实时性的验证试验中，系统测量的空气温湿度、土壤含水率、光照度和降雨量等5种环境信息参数的最大误差分别为2.33%、3.18%、2.46%、3.24%、2.45%，表现出较高的准确性。智能灌溉下土壤含水率始终处于设定的阈值之间，说明系统可以实现实时灌溉，为葡萄园的科学管理提供技术支持。

参考文献：

[1]王福平，冯盼盼.基于GPRS和ZigBee的智能灌溉监控系统的设计[J].江苏农业科学，2014, 42(12):404-406.

[2]赵伶俐.基于物联网的智能节水灌溉系统的研究[J].节水灌溉，2015(8):84-85.

[3]侯永进. 基于大数据的物联网技术应用—智能灌溉系统[J].中国管理信息化，2016, 19(12):174-175.

[4]钱春阳，王建春，吕雄杰.基于植物全生育期的精量智能灌溉控制器设计[J].节水灌溉，2016(11):115-117.

[5]吴秋明，缴锡云，潘渝，等.基于物联网的干旱区智能化微灌系统[J].农业工程学报，2012, 28(1):118-122.

[6]刘志良. 物联网技术在农业园区的应用[J].农机科技推广，2012(2):48-49.

[7]吕雄杰，陆文龙，王艳，等.基于物联网技术的日光温室黄瓜智能灌溉控制系统研究[J].天津农业科学，2014,20(9):34-37.

[8]阎晓军，王维瑞，梁建平.北京市设施农业物联网应用模式构建[J].农业工程学报，2012, 28(4):149-1547.

[9]余国雄，王卫星，谢家兴，等.基于物联网的荔枝园信息获取与智能灌溉专辑决策系统[J].农业工程学报，2016,32(20):144-152.

[10]刘书伦，冯高峰，贾宝华.基于物联网Android平台的远程智能节水灌溉系统[J].农机化研究，2015,37(6):217-220.

[11]陆林.基于物联网的番茄智能灌溉系统设计[D].合肥:安徽农业大学，2014.

[12]贾艳玲，朱瑜红，刘思远. 基于无线传感网络的枸杞园智能灌溉系统设计[J].湖北农业科学，2014, 53(23):5861-5864.

[13]贾艳玲，刘思远. 基于ZigBee技术的葡萄园智能灌溉系统设计[J].江苏农业科学，2015, 43(6):383-385.

[14]余国雄，王卫星，谢家兴，等.基于ASP. NET技术的荔枝园智能灌溉远程监控系统的设计与实现[J].福建农业学报，2016, 31(7):770-776.

[15]郑淼. 智能灌溉在园林方面的应用[J].现代园艺，2016(12):128.