劉新宇 陳東雷 張鑫 蔣偉 周凱 葉騰

摘要：為解決在植物生長過程中的最優(yōu)環(huán)境自動控制與遠程監(jiān)控等問題，設(shè)計了一種植物工廠系統(tǒng)。該系統(tǒng)通過傳感器采集環(huán)境參數(shù)，通過單片機控制執(zhí)行模塊，通過4G-LTE模塊經(jīng)云服務(wù)器在單片機與客戶端之間實現(xiàn)數(shù)據(jù)傳輸，并使用LabVIEW軟件與易安卓軟件分別設(shè)計了電腦與手機客戶端。采用了矩陣算法與模糊控制算法將輸入環(huán)境參數(shù)進行模糊化，確認了環(huán)境參數(shù)優(yōu)先級，并查詢規(guī)則庫以采取不同的執(zhí)行措施。通過制作實物模型并對系統(tǒng)進行了48 h測試，證實該系統(tǒng)可以實現(xiàn)數(shù)據(jù)的實時采集并傳輸?shù)杰浖孙@示，可自動調(diào)節(jié)環(huán)境參數(shù)或在電腦端與手機APP中手動調(diào)節(jié)。

關(guān)鍵詞：自動控制; 遠程通信; 單片機; 模糊控制算法; 4G-LTE; LabVIEW

中圖分類號： TP273.4 ?文獻標志碼： A ?文章編號：1002-1302（2020）23-0220-07

現(xiàn)代信息技術(shù)飛速發(fā)展，而利用互聯(lián)網(wǎng)技術(shù)與自動控制技術(shù)來實現(xiàn)農(nóng)業(yè)信息化與智能化已成為未來農(nóng)業(yè)的發(fā)展趨勢[1]。植物工廠系統(tǒng)智能化程度高，可節(jié)約大量人力與物資，已成為當(dāng)前熱門的農(nóng)業(yè)智能化設(shè)備。張強等設(shè)計了基于S3C6410的LED植物工廠視頻監(jiān)控系統(tǒng)，可實現(xiàn)植物工廠實時視頻監(jiān)測[2];魏軼凡等將家用微型植物工廠劃分為若干子系統(tǒng)分別進行設(shè)計，并進行了生菜栽培試驗[3];張樣平等研究了日光型植物工廠綠葉蔬菜軌道式高效栽培，并做了效益分析，證實這是一種推廣性很高的栽培方式[4]。

光照、溫度、濕度、CO2濃度等是影響植物生長的主要環(huán)境變量，并且隨時受外部因素的干擾，因此很難維持在植物所需的理想狀態(tài)[5]。植物工廠可保證作物生長的最佳環(huán)境，實現(xiàn)快速穩(wěn)定生產(chǎn)，并且可以應(yīng)用于細胞工程、基因工程等農(nóng)業(yè)高科技領(lǐng)域[6]，提供種子培育所需的嚴格環(huán)境。

本研究設(shè)計的植物工廠系統(tǒng)，采用單片機作為主控模塊，各種傳感器用于采集環(huán)境數(shù)據(jù)，通過模糊控制算法將輸入數(shù)據(jù)模糊化[7]，經(jīng)過模糊推理系統(tǒng)確定適合的執(zhí)行措施，并采用RS 485通信接口與 4G-LTE DTU進行遠程通信。同時，本研究制作了實物模型并進行測試，以驗證本系統(tǒng)是否可以長時間維持適宜的植物生長環(huán)境，是否可在電腦端與手機端顯示環(huán)境參數(shù)，并手動下達指令。

1 系統(tǒng)總體設(shè)計方案

1.1 整體結(jié)構(gòu)

如圖1所示，植物工廠系統(tǒng)主要由傳感器模塊、主控模塊、執(zhí)行模塊、通信模塊與客戶端模塊組成。傳感器模塊可以準確地采集植物周邊生長環(huán)境的溫度、CO2濃度、土壤濕度、pH值、光照度等參數(shù)。主控模塊STC90C51單片機是控制功能的核心，可收集傳感器采集的數(shù)據(jù)，通過算法得出參數(shù)值及控制要求，既可自動控制執(zhí)行模塊改變環(huán)境，也可接收用戶指令進行控制。執(zhí)行模塊則由電熱絲、微型空調(diào)、CO2小鋼瓶、水泵、加濕器、pH值調(diào)節(jié)劑、紅藍LED補光燈等組成。通信模塊選擇4G-LTE設(shè)備，將數(shù)據(jù)傳送到云服務(wù)器，并進一步發(fā)送到用戶的電腦或手機端，同時接收用戶的操作指令;結(jié)合表1可知，目前僅有4G技術(shù)可以較好地實現(xiàn)無距離限制數(shù)據(jù)傳輸。在客戶端模塊中，電腦端采用組態(tài)軟件進行編程，手機端采用易安卓進行APP開發(fā)，設(shè)計各自的用戶操作界面。

1.2 運行過程分析

系統(tǒng)運行過程如下：傳感器實時感測周邊環(huán)境數(shù)據(jù)，并將模擬信號/數(shù)字信號傳送到單片機內(nèi)部，由模糊控制算法生成被控參數(shù)值并顯示在LCD液晶顯示屏上，單片機再根據(jù)設(shè)定好的環(huán)境參數(shù)值進行偏差判斷，進而控制執(zhí)行模塊;其中，紅藍LED補光燈、水泵、電熱絲、微型空調(diào)、CO2小鋼瓶等設(shè)備的通斷都通過對繼電器的控制來完成。單片機與 4G-LTE 模塊采用RS 485串口方式進行連接，實時進行數(shù)據(jù)輸出與輸入，4G LTE-DTU模塊通過無線串口軟件進行調(diào)試，可將數(shù)據(jù)上傳至服務(wù)器儲存，再在電腦端通過組態(tài)軟件獲取服務(wù)器數(shù)據(jù)。前面板設(shè)計了顯示部分與控制部分，顯示部分將服務(wù)及接收的數(shù)據(jù)進行顯示，控制部分可接受用戶指令，再通過服務(wù)器與4G LTE-DTU將指令傳回單片機。

2 實物模型開發(fā)

通過制作微型植物工廠的實物模型，初步驗證其中環(huán)境參數(shù)控制過程的可行性，以及利用4G模塊進行遠程通信的效果。

2.1 硬件選擇

主控模塊：考慮到經(jīng)濟性與適用性，采用STC90C51作為控制核心，在此基礎(chǔ)上配制16位定時器。設(shè)置8個中斷源、32個通用輸入/輸出（I/O）端口。選擇工作電壓為5 V，并連接外部電路。

傳感器模塊：該實物模型可檢測3種環(huán)境參數(shù)。采用DS18B20溫度傳感器檢測環(huán)境溫度，測量范圍-55～125 ℃，精度為±0.5 ℃，以“一線總線”方式傳輸數(shù)字信號;采用YL-69土壤濕度傳感器與LM393比較器芯片檢測土壤濕度;采用內(nèi)置BH1750芯片的數(shù)字光強度傳感器檢測光照度，檢測范圍0～65 535 lx，信號為數(shù)字量直出。

4G-LTE DTU模塊：選用COMWAY公司的WL-4010 4G-LTE DTU，此模塊支持七網(wǎng)通信制式以及COMWAY協(xié)議，具備網(wǎng)口與串口同時通信能力及虛擬服務(wù)器功能。

執(zhí)行模塊：采用了電熱絲對環(huán)境進行加熱，模擬簡單的控溫過程;采用小型水泵進行澆水，模擬噴灌過程;采用紅、藍2種LED燈串實現(xiàn)對環(huán)境的補光過程。3種裝置均使用同一5 V四路繼電器控制通斷。

2.2 軟件開發(fā)

編程軟件：采用KEIL軟件對單片機進行編程。如圖2所示，以模塊化編程為原則，將傳感器檢測、LCD液晶屏顯示、總線、串口通信等功能分別編為不同的子程序與子函數(shù)，再匯總到主函數(shù)中執(zhí)行，提高了程序的可讀性與操作性。

通信軟件：采用COMWAY公司無線串口軟件接收4G模塊數(shù)據(jù)并保存，同時實現(xiàn)連接云端數(shù)據(jù)庫功能（圖3）。在電腦端采用LabVIEW組態(tài)軟件進行監(jiān)控面板的編程與設(shè)計，可接收數(shù)據(jù)與發(fā)送指令;采用易安卓軟件進行手機APP的開發(fā)，此APP同樣可以從云服務(wù)器中獲取數(shù)據(jù)顯示在面板上，并可以發(fā)送指令。

3 模糊控制算法分析

在實物模型可以精確采集并傳輸數(shù)據(jù)的基礎(chǔ)上，為了確保對環(huán)境參數(shù)的控制精度，采用模糊控制的思想進行系統(tǒng)算法的設(shè)計，此方法既可以完善實物模型，實現(xiàn)相應(yīng)功能，又可以為植物工廠的設(shè)計方案提供參考。

3.1 模糊理論

模糊理論是模糊控制算法的基礎(chǔ)，其工作原理如下：不同傳感器測量的準確參數(shù)通過轉(zhuǎn)換，成為可用于模糊運算的模糊量，再通過模糊控制器運算，最后將得到的模糊量結(jié)果轉(zhuǎn)換成精確量，進而控制各種執(zhí)行單位。模糊控制可分為模糊化、規(guī)則建立、模糊推理、去模糊化四步來執(zhí)行[8]（圖4）。

3.2 執(zhí)行模塊優(yōu)先級的評價

在實物模型中，模糊控制系統(tǒng)的輸入值即為3種不同傳感器檢測到的環(huán)境參數(shù)與植物適宜生長參數(shù)之間的偏差;而為了確定各執(zhí)行模塊指令的時間，則需要對3種執(zhí)行模塊的動作優(yōu)先級進行確認，以確認模糊控制系統(tǒng)的輸出值。故采用層次分析法[9]進行優(yōu)先級確認，分如下2步進行：

第1步：輸入值優(yōu)先級確定。本研究選擇辣椒作為試驗對象，對實物模型中3種環(huán)境參數(shù)做出了重要性評價（表2），并由此得出比較矩陣A，即式（1）。

求出矩陣A的最大特征值對應(yīng)的標準化特征向量I，如式（2）所示，此向量反映了輸入值優(yōu)先級。

第二步：執(zhí)行模塊對輸入值的優(yōu)先級確定。依照筆者所在的研究團隊的建議，對各執(zhí)行模塊對輸入值的重要性做了評價（表3），進一步得出不同執(zhí)行模塊對3種輸入值的比較矩陣，分別求出對應(yīng)的權(quán)向量I1、I2、I3及組合權(quán)向量Q，最后與輸入值優(yōu)先級權(quán)向量I結(jié)合得出各執(zhí)行模塊的優(yōu)先級評價。

根據(jù)表3可得到執(zhí)行模塊對溫度的重要程度比較矩陣A1，即式（3），并由此得到其最大特征值對應(yīng)的標準化特征向量I1，即式（4）。同理可得執(zhí)行模塊對濕度與光強的權(quán)向量I2、I3，從而得到組合權(quán)向量Q，即式（5），結(jié)合輸入值優(yōu)先級權(quán)向量I得到最終的執(zhí)行模塊的優(yōu)先度矩陣（6），加熱、澆水、補光的優(yōu)先級系數(shù)分別為 0.501 7、0.383 6、0.114 6。此優(yōu)先級列表，可以為模糊控制系統(tǒng)規(guī)則制定提供參考。

3.3 參數(shù)的模糊化

3.3.1 規(guī)則設(shè)計 根據(jù)3種環(huán)境參數(shù)對辣椒生長的影響程度，將它們各分成5個等級，即負大、負中、中、正中、正大;而模糊控制系統(tǒng)中3種執(zhí)行模塊輸出的執(zhí)行程度也設(shè)為5個等級[10]。根據(jù)筆者所在研究團隊的建議及相關(guān)資料[11]，溫室中辣椒生長過程中的最適參數(shù)如表4所示，以此對輸入數(shù)值進行模糊化。

環(huán)境參數(shù)由精確輸入值轉(zhuǎn)化為模糊控制值應(yīng)通過量化函數(shù)來實現(xiàn)，求得量化函數(shù)的規(guī)則如下：將精確輸入?yún)?shù)與最適值的差值除以量化因子K，便得到量化函數(shù)。

3.3.2 輸入?yún)?shù)模糊化 以辣椒生長期的溫度為示例進行模糊化過程的分析：當(dāng)生長期溫度為 20～30 ℃時，用模糊值“中”來表示，溫度在10～20 ℃ 間時，則用“負中”表示更為合理，溫度低于 10 ℃ 則為“負大”，溫度為30～40 ℃則為“正中”，高于 40 ℃ 用“正大”表示。由此可將溫度量化函數(shù)以 Y=（X-25）/5來表示，X為溫度值，Y為量化輸出，溫度便被量化在-4～4的范圍內(nèi)，結(jié)合輸入?yún)?shù)與模型復(fù)雜程度，確定溫度模糊函數(shù)圖（圖5）。

利用上述方法，結(jié)合傳感器的測量范圍與濕度、光照度的最適參數(shù)，將辣椒生長期的濕度與光強也用量化函數(shù)來表示。土壤濕度通常為 20%～80%，則量化函數(shù)為Y=（X-50）/7.5，X為濕度值，Y為量化輸出，濕度同樣被量化到-4～4的范圍;光照度的量化函數(shù)為Y=（X-25 000）/6 250，X為光照度，Y為量化輸出，光照度也被量化到-4～4的范圍內(nèi)，三者函數(shù)圖相同，在此不進一步展開。

3.3.3 輸出參數(shù)模糊化 以濕度補償模塊為示例，結(jié)合上文的分析方法來進行輸出參數(shù)的模糊化：首先將水泵的執(zhí)行動作分為5個等級，分別是不動作、動作1秒、動作2秒、動作3秒、動作4秒，并將量化區(qū)間設(shè)置在0～8之間;選取與輸入同樣的函數(shù)模型，得到濕度補償模糊函數(shù)圖（圖6）。

3.4 總結(jié)

上述模糊控制方法，將3種環(huán)境參數(shù)的精確輸入值分別量化為5個等級，共建立了辣椒生長的125種環(huán)境情況，并與相應(yīng)125種執(zhí)行動作一一對應(yīng)，建立了包含125條規(guī)則的規(guī)則庫;在單片機執(zhí)行模糊推理過程時，首先將采集到的3種環(huán)境參數(shù)代入模糊函數(shù)中進行量化，再查詢規(guī)則庫進行動作匹配，最后得出相應(yīng)的執(zhí)行動作。

4 測試結(jié)果

4.1 控制組件測試

首先將傳感器模塊、STC90C51單片機與執(zhí)行模塊組成的控制系統(tǒng)連接，測試系統(tǒng)的數(shù)據(jù)采集與顯示功能以及自動控制執(zhí)行模塊的功能是否完善，部分結(jié)果如圖7所示，結(jié)果表明，液晶屏可以隨時顯示周邊環(huán)境參數(shù)，并且執(zhí)行模塊可以在達到設(shè)定閾值時自動動作。

4.2 通信測試

在通信測試中，采用將單片機通過RS485串口連接到4G-LTE DTU的方式實現(xiàn)數(shù)據(jù)傳輸，并在電腦端通過COMWAY無線串口助手接收數(shù)據(jù)，在手機端通過web服務(wù)器獲取云端數(shù)據(jù)，結(jié)果表明，軟件可以實現(xiàn)實時接收單片機數(shù)據(jù)，并通過中斷傳回操作指令的功能。在電腦端通過LabVIEW頁面顯示各種參數(shù)，如圖8所示，并設(shè)計了手機APP以提供更加靈活的服務(wù)，如圖9所示。

4.3 系統(tǒng)整體試驗測試

為了驗證實物模型能否初步實現(xiàn)維持植物適宜的生長環(huán)境的功能，本研究選擇了在江蘇省揚州市9月的某2 d對系統(tǒng)進行了連續(xù)48 h的測試。將系統(tǒng)的控制組件與通信設(shè)備全部進行組合，選擇全程錄像的方式對LCD1602液晶屏上的傳感器數(shù)據(jù)進行記錄，并且每隔30 min采集1次環(huán)境參數(shù)，分別將溫度、土壤濕度、光照度數(shù)據(jù)制成折線圖（圖10），可知辣椒生長環(huán)境得到了極大的改善，試驗全程基本處于適宜的生長環(huán)境中。

測試時，由于光照度會變化，為了防止系統(tǒng)在亮度低于閾值打開LED燈時又瞬間檢測到亮度高于閾值，從而執(zhí)行反復(fù)亮暗的錯誤動作，對補光閾值設(shè)定采用了滯回曲線的形式;同時，考慮到植物的生物特性，在溫度高于27 ℃時，澆水動作將被禁止，以防止植物受到損傷。

5 結(jié)論

基于STC90C51單片機與4G-LTE DTU模塊設(shè)計出的可遠程監(jiān)控植物工廠系統(tǒng)，采用模糊控制的思想處理收集到的環(huán)境參數(shù)，并自動控制周邊環(huán)境，利用RS485無線串口通信與云服務(wù)器實現(xiàn)單片機與電腦、手機端的數(shù)據(jù)傳輸。為了初步驗證系統(tǒng)設(shè)計的可行性，制作了實物模型并成功實現(xiàn)自動控制與遠程通信功能，經(jīng)過48 h的數(shù)據(jù)測試，表明實物模型可以基本實現(xiàn)維持植物生長環(huán)境穩(wěn)定的功能。此設(shè)計順應(yīng)了農(nóng)業(yè)現(xiàn)代化與信息化的趨勢，對于智能農(nóng)業(yè)設(shè)備的設(shè)計與制造具有一定的參考價值。

參考文獻：

[1]徐海斌，王鴻翔，楊曉琳，等. 現(xiàn)代農(nóng)業(yè)中物聯(lián)網(wǎng)應(yīng)用現(xiàn)狀與展望[J]. 江蘇農(nóng)業(yè)科學(xué)，2013，41（5）：398-400.

[2]張 強，田海濤，張浩偉. 基于S3C6410的LED植物工廠視頻監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[J]. 中國照明電器，2019 （5）：15-20.

[3]魏軼凡，毛罕平，左志宇，等. 家用微型植物工廠結(jié)構(gòu)設(shè)計與生菜栽培試驗[J]. 農(nóng)機化研究，2019，41（11）：98-103.

[4]張樣平，常麗英，黃丹楓，等. 日光型植物工廠綠葉蔬菜軌道式高效栽培與效益分析[J]. 中國蔬菜，2019（9）：89-92.

[5]徐少承. 嵌入式植物工廠智能監(jiān)控系統(tǒng)的設(shè)計與開發(fā)[D]. 廣州：華南理工大學(xué)，2017.

[6]Kumari P，Rastogi A，Shukla A，et al. Prospects of genetic engineering utilizing potential genes for regulating arsenic accumulation in plants[J]. Chemosphere，2018，211：397-406.

[7]卞和營，薛亞許，王軍敏.溫室大棚溫濕度模糊控制系統(tǒng)及PLC程序設(shè)計[J]. 農(nóng)機化研究，2014，36（9）：147-151.

[8]邢希君，宋建成，吝伶艷，等. 設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)的現(xiàn)狀與展望[J]. 江蘇農(nóng)業(yè)科學(xué)，2017，45（21）：10-15.

[9]劉 枚，崔衛(wèi)花. 基于模糊層次分析法的一體化物流風(fēng)險評價[J]. 物流技術(shù)，2014，33（1）：217-219.

[10]陳少偉. 基于Android平臺的植物生長信息采集與分析系統(tǒng)的開發(fā)[D]. 西安：西安理工大學(xué)，2019.

[11]計 橋. 溫室辣椒栽培技術(shù)[J]. 吉林農(nóng)業(yè)，2019（14）：78.王甲辰，梁麗娜，王學(xué)霞，等. 基于高光譜的夏玉米氮含量及產(chǎn)量估測模型[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（23）：227-233.