基于物联网的农业虫害智能监控系统

基于物联网的农业虫害智能监控系统

张恩迪，张佳锐

（湖南大学物理与微电子科学学院，长沙

摘

410082）

要：为提高我国农业抗病虫害的整体水平，精准研究农作物生长环境对虫害数目变化趋势的影响尤为重要。

基于物联网的农业虫害智能监控系统研发了一套自动采集农田环境信息、害虫数目，并且可以进行设备参数设置的系统。采用K－means聚类算法从拍摄图片背景中提取稻飞虱和最小二乘法椭圆拟合，用椭圆率区分虫体和杂质统计稻飞虱数目。同时，详细介绍了系统的硬件组成和软件设计功能模块，实现了虫害等信息的自动采集和自动化运作，为有效防控病虫害奠定基础。关键词：物联网；GPＲS/GPS；农业病虫害；中图分类号：TP273．4

DOI:10.13427/ki.njyi.2015.05.051

+

K－means；椭圆拟合；智能监控

文章编号：1003－188X（2015）05－0229－06

文献标识码：A

0引言

物联网技术的发展给我国农业发展带来了新的机

精准定位、无线传输、网络发布、实信息的自动采集、

时监控和远程设备参数设置等功能

［1］

。本系统研究

了农作物生长环境与病虫害、昆虫诱捕量与病虫害的关系，进而为研究农作物生长环境、病虫害等与产量、质量的相关性与应对方案打下基础。

基于物联网的农业虫害智能监控系统的体系构架（见图1）由3层组成，由下往上依次是监测站点感知层、网络传输层和服务器应用管理层。

人均耕地稀少的国遇和挑战。我国是一个人口众多，

家，随着自然生态环境逐渐恶化和城市化进程日益加速，人均可用耕地面积将进一步减少。传统农业生产存在很多问题如基础设施薄弱、管理粗放、生产技术落后及抵御自然灾害能力差等。农业病虫害是农作物生长过程中遭受的重大客观存在的自然灾害，直接威胁着农作物的产量和品质。

本系统是基于“十二五”国家科技支撑计划“农村物联网综合信息服务科技工程”的项目，以湖南省20hm2生态茶叶示范基地和20hm2袁隆平水稻田示范基地为例，设计一套集远程农作物环境监控、病虫害监测、专家数据库智能分析数据和设备参数智能设置为一体的农业虫害监控系统，旨在有效提升农业生产技术的管理水平，建立智能化农业信息网。其对于指导农业生产，提高农业病虫害预测防控的准确率和减少农作物损害，指导我国的农业科学生产具有重大意义。

图1Fig．1

系统的体系构架

Architectureofthesystem

1系统总体结构设计

基于物联网的农业虫害智能监控系统利用

2监测站点感知层设计

温农作物生产环境是一个开放复杂的生态系统，

GPＲS/GPS及Internet等多种网络，实现多平台的农田

收稿日期：2014－05－19

基金项目：“十二五”国家科技支撑计划项目（2012BAD35B06）作者简介：张恩迪（1964－），男，湖南常德人，高级工程师，硕士生导

（E－mail）zediot@163．com。师，

（E－mail）通讯作者：张佳锐（1989－），女，湖北襄阳人，硕士研究生，

marvellouszhang@163．com。

度、湿度、光照以及地理位置等生长环境信息都与虫害数目的变化息息相关，因此准确、有效获取农作物生长环境数据与虫害数量是十分必要的。

监测站点是系统的底层终端，主要负责农作物生长环境数据的采集、处理、存储和转发，用户也可以通

过监测站点终端查询和监控传感器的工作状态。感知层信息采集终端硬件结构图，如图2所示。

于农田潮湿环境、单数据线输出的AM2305。供电电压为3．3～6V。温度测量范围为－40～125℃，测量精度为±0．3℃；相对湿度测量范围为0～100%，测量精度为±2%。温湿度传感器输出已校准数字信号。光照强度传感器采用16位高精度数字光强度传感器BH1750FVI，是一种用于两线式串行总线接口的数字型光强度传感器集成电路，可支持较大范围的光照强度变化。昆虫计数传感器采用DATA－LYNX型昆虫自动计数站，内部由昆虫计数传感器和数据采集器组成，运用昆虫激素吸引相应昆虫撞击传感器，形成脉冲信号来计数，从而准确记录昆虫的数量。

监测站点地理位置获取选用带有时间校准功能的GPS模块BS－126GPS。GPS接收机在上电完成初始

图2

Fig．2

监测站点信息采集终端硬件结构图

化后，天线自动接收导航卫星实时播发导航电文（$GPＲMC帧数据），GPS模块将采集的导航电文通微处理器模块提取出精过串口中断发送到微处理器，

UTC时间和日期等信息。BS－126连接电路度、纬度、如图4所示。STM32F105的GPIO端口PA1与场效应晶体管AO4803构成控制电路，控制BS－126的启动和停止。

Hardwarestructurediagramofimformationcollectionterminal

由图2可以看出，感知层信息采集终端使用了模块化结构设计，由供电模块、核心处理器模块、监测传感器组模块（温湿度传感器、光照强度、昆虫计数传感器）、定位模块及通讯模块等组成。

为了适应农作物生长的露天开放环境，监测站点供电采用太阳能供电和锂电池储能。太阳能充电结构图如图3所示。太阳能电池板的输出电源VCC，经过集成电路CN3722对锂电池充电。该芯片充电管理采用PWM降压模式，具有太阳能电池最大功率点跟踪功能及恒流和恒压多种充电模式。锂电池电压在3．6～+4．2V，经过降压稳压后可以对微处理器及外围模块供电

。

图3

Fig．3

太阳能充电结构图

Solarenergychargingcircuitstructure

监测站点终端采集信息核心控制芯片采用STM32F105，它采用高性能的AＲMCOＲTEX－M332位精简指令集，拥有标准和先进的通讯接口，可以满足监测站点传感器采集信息的硬件要求。该芯片可以工作在－40～+105℃的温度范围，以2～3．6V供电，适应于野外监测环境。监测站点在能量管理上采用休眠/运行机制，拥有一套全面的节电模式允许低功耗设计应用。本系统一般处于休眠状态，如进行数据采集和发送，转入运行状态。

监测站点感知层设计中，温湿度传感器采用适用

图4Fig．4

BS－126连接电路

BS－126connectioncircuit

监测站点感知层设计中，传感器模块每日采集大量数据存储在FLASH中，采用SPI通信的25Q80模

块，存储器用于存放设备参数信息、采集的数据和作为大容量缓冲区。为了方便监测站点采集信息与用户的交互，采用图形LCDLX－12864B液晶屏显示，采用覆盖LCD显示屏的防水薄膜键盘，用户可以通过操作键盘查询FLASH中存储的历史及实时信息，设置采集间隔。

据按照如表1的通信协议发送至用户手机和服务器，同时可以接收新的信息修改设备参数。

表1Table1

数据时间经度纬度温度湿度光照强度昆虫数目

GPＲS模块传输协议GPＲSmoduletransferprotocol

说明（连续字母，十进制）yy年m月d日h时m分s秒

d度m角分d度m角分

w温度/℃，d小数位后1位

w%

uW/cm2（0～20000）

0～FFFF

字节数7222124

3网络传输层设计

GSM/GPＲS模块可方便可靠地将监测站点存储在

FLASH中的信息传输到移动通信网络和互联网。本系统将GPＲS模块整合在传感器终端，通过移动通信网络与服务器联网，省去了传统物联网关的独立设计，更适用于野外农田环境，极大地节省了硬件和软件开发成本，实现了感知网与通信网的结合。

网络传输层采用SIMCOM公司的低功耗SIM900A模块。该模块待机模式电流低于18mA、睡眠模式低于2mA，支持TCP/IP协议和GSM/GPＲS9001800MHZ两种工作频段，并提供AT命令编程功能。GSM/GPＲS通信电路结构如图5所示。其由天线、SIM卡电路和电源模块组成。其中，SIM900A通过其串口与STM32F105的串口进行数据通信，电源控制部分通过STM32F105的GPIO来控制SIM900A的启动和关闭，使SIM900A模块大部分时间处于休眠模式，关断电源来降低功耗

［2］

。

图5

Fig．5

GPＲS通信电路结构

GPＲScommunicationcircuitstructure

为了方便服务器将多个监测站点采集的数据存入数据库，需要制定统一的GPＲS传输协议，如表1所示。

每个监测站点的传输网络层工作流程如图6所示。监测终端系统上电后，设备进行初始化，开启传感器组中断和GSM/GPＲS定时中断，之后进入休眠状态，直到定时时间到，与移动通信网络和互联网建立连接。STM32F105处理器通过串口将存储在FLASH中的采集数据传输至GSM/GPＲS模块。该模块将数

Fig．6

图6

传输网络层工作流程图

Transmissionnetworklayerworkflowchart

4服务器应用管理层设计

专家和普通访客，他们均系统用户包括管理员、

普通访客只能修改用户信息，不能设置用户权限。监测站点每日定时将采集的数据通过网络传送到服务器端，服务器通过socket将采集的数据存入数据库。用户可以通过数据查询模块自主选择时间范围来查询采集的历史和实时数据，数据会以表格和曲线图形式显示在页面上。用户除了可以通过设备控制模块在服务器平台设置温湿度、光照、昆虫计数采集间隔外，还可以通过短信设置参数。数据库模块对原始流水数据进行分析，生成数据变化趋势图，专家可以上传数据存入数据库形成专家数据库，用户可以下载原始数据、专家数据和分析数据。当采集到的数据超过了设定的标准值上下限时，服务器主页面显示预警信息，同时短信通知用户

［3］

可以通过电脑、手机、平板电脑登陆远程服务器自主选择所需查看实时和历史的监测站点感知层采集的数据和远程设置参数；农业专家可以对采集数据进行分析，建立专家数据库。4．1

服务器平台体系结构

服务器平台由以下模块组成：用户管理模块、数据查询模块、设备控制模块、数据库模块和预警模块。

服务器平台功能模块如图7所示。管理员/专家登录系统后，可以通过用户管理模块来修改个人信息，包括用户名、密码和设置用户使用系统的权限等，

。

图7

Fig．7

服务器平台功能模块

Functionaldiagramofserverplatform

4．2稻飞虱计数

针对水稻田中虫害稻飞虱体型小的特点，昆虫计

经图像分割后的稻飞虱在外形上类似椭圆，文献［4］中采用最小二乘法的椭圆拟合方法，用拟合后的椭圆面积来区分虫体和非虫体，不同时期的虫体大小存在很大差异，没有结合昆虫本身的特点，存在较大5］误差。参考文献［提出水稻飞虱几何形状特征椭圆率（短轴与长轴的比值）是不随物体大小变化产生敏感变化的形态参数，因此本文提取拟合后的椭圆率特征，对椭圆进行筛选和个数的统计。

最小二乘法椭圆拟合是较常用的椭圆拟合方法，它是在随机误差为正态分布时，由最大似然法推出的最优估计技术

［10］

数传感器误差较大、成本高，采用人工拍摄稻飞虱图片，上传至服务器，在服务器平台对上传图片进行分析，记录稻飞虱数目。

采用k－means聚类算法将稻飞虱图像从背景中k－means分割出来，聚类是无监督学习的重要形式，聚类是解决聚类问题的一种经典算法。将稻飞虱和背景图像的颜色特征值设为2个分类中心，k－means算法对待计数图像进行分块，利用中间块图像更新稻飞虱颜色特征值，计算图像中各像素到2个分类中心的距离，将像素归到距离最小的那个聚类中心所在的类，重复多次至相邻2次的聚类中心不变。

。设椭圆方程的一般形式为

（1）

Ax2+Bxy+Cy2+Dx+Ey+1=0

B、C、D、E可采用最小二乘其中，各项的系数A、

法来进行拟合，即通过计算图像中边缘点到拟合椭圆的距离平方和为最小，最小值为

F（A，B，C，D，E）=

N

图8（a）是人工拍摄的原始图像，并对图像进行分块；用k－means聚合算法对图像进行分割，白色为虫体，黑色为背景，初始图像聚合如图8（b）所示；利用

∑i=1

2

（Ax2i+Bxiyi+Cyi+Dxi+Eyi+1）

2

（2）中间块图像更新颜色特征值，再次进行图像分割后可以除去杂质点，最终图像聚合如图8（c）所示；然后，提取虫体白色边界坐标，对其进行最小二乘法椭圆拟合，拟合后的椭圆和长短轴中用红线画出，如图8（d）所示。多次试验验证确定水稻飞虱的椭圆率范围，以此为标准统计椭圆个数。

将稻飞虱从背景中提取出来有多种算法，将固定阈值分割和k－means聚类算法进行对比。阈值分割算法是根据固定阈值将图像中的稻飞虱和背景的边界分割开来，然后直接对分割结果中的连通区域进行计数，作为图像中稻飞虱的个数。两种算法对比如表2所示。

表2

Table2

本文计数方法与阈值分割算法的对比

（xi，yi）为边缘N为图形边缘点的个数，其中，

点的坐标值。由极值原理，欲使F值为最小，有

FFFFF

=====0BCDEA

（3）

B、C、D、E值。由此可得一个线性方程组，求得A、根据求得的椭圆参数，可求解出平面直角坐标系中拟合椭圆长半轴a和短半轴b，椭圆率p为

a=2

A－C

）B+（F

2

（4）

b=2

A+C－

2

A+C+

A－C

）B+（F

（5）

Comparisonofproposedmethodandthresholdingalgorithm

阈值分割法

本文算法

人工法

计数

误差/%36．0831．2228．7024．1613．10

计数251198220174143

误差/%1．563．411．352．241．38

255205223178145

bp=

a

（6）

作物种类

图像处理过程如图8所示。

水稻站点1水稻站点2水稻站点3水稻站点4水稻站点5

163141159135126

相对于固定阈值算法，本文算从表2中可以看出，

法的适应性强、精确度高、计数准确。4．3

服务器平台的实现

用户进行权限认证后，登录主页面。当用户选择

（a）

原始图像分块

（b）

查询6月到9月、监测站点1、农作物水稻、病虫害稻

初始图像聚合

飞虱数目，系统主页面如图9所示。

（c）最终图像聚合图8

（d）椭圆拟合

图9Fig．9

系统主页面显示效果图Figureofsystemmainpage

水稻飞虱图像分割与椭圆拟合

Fig．8Segmentationandellipsefittingresultsofriceplanthoppers

5结论

通过对现有的农业虫害智能化系统的对比研究，

［1］孙彦景，丁晓慧，于满，等．基于物联网的农业信息化系

．计算机研究与发展，2011，48（51）：统研究与设计［J］326－331．

［2］翟顺，张衎，等．基于SIM900A的物联网短信报王卫红，

J］．现代电子技术，2012，35（5）：86－89．警系统［

［3］颜波，石平．基于物联网的水产养殖智能化监控系统

［J］．农业机械学报，2014，45（1）：259－265．

［4］王志彬，王开义，张水发，等．基于K_means聚类和椭圆

．农业工程学报，2014，拟合方法的白粉虱计数算法［J］30（1）：105－112．

［5］杨玲玲，丁为民，刘德营，等．水稻飞虱图像几何形状特

J］．农机化研究，2008（6）：180－183．征的提取［

［6］FUKATSUT．HirafujiMFiddMonitoringUsingSensorNodes

withaWebServer［J］．JournalofＲoboticsandMechatron-ics，2005，17（2）：164－172．

设计了一套适用于茶园和水稻的农作物环境农业虫害监控系统。该系统可以实现准确采集农作物生长环境信息、虫害数目、支持专家数据库智能分析数据和远程设备参数智能设置，极大地方便了农业专家研究病虫害暴发与季节气候、地理位置、光照等自然环境的关系，从而制定科学有效的病虫害防控预案，科学指导农业生产，提高农作物质量和产量。

系统是建立在广泛覆盖的移动通信网络基础上，可以通过重组适应于多种农田环境，将为农业现代化建设中的全面感知、稳定传输及智能管理奠定基础。参考文献：

IntelligentMonitoringSystemforAgriculturalPestsBasedon

InternetofThings

ZhangEndi，ZhangJiarui

（SchoolofPhysicsandMicroelectronicsScience，HunanUniversity，Changsha410082，China）

Abstract：〗InordertoimprovetheoveralllevelofChina＇sagriculturalpestresistance，preciseresearchofhowcropgrowthenvironmentaffectsthenumberofplantpesttrendsisparticularlyimportant．IntelligentmonitoringsystemforAg-riculturalPestsBasedonInternetofThings（IoT）developsasetofautomaticdatacollectionsystemoffarml－andenvi-ronmentinformation，thenumberofpests，anditcanalsosettheequipmentparameters．Artificialtakingpicturesofpla-nthopper，thissystemusesk－meansclusteringalgorithmtoseparatetheplanthopperfromthebackgr－ound，usesanel-lipsefittingbasedonleastsquaremethodtogettheellipticity，whichisusedtodistinguishbetweeninsectbodyandim-puritiesandaddupthepestsnumber．Hardwarecompositionofthesystemandsoftwaredesignoffunctionmodulesarein-troducedindetail，whichrealizesautomaticinformationcollectionandautomatedoperationandlaysthefoundationofef-fectivepreventionandcontrolofpest．

Keywords：internetofthings（IoT）；GPＲS/GPS；agriculturepest；K－means；ellipsefitting；intelligentmonitoring

本文来源：https://www.bwwdw.com/article/lt4m.html