陳 東， 杜緒偉， 馬兆昆

(青島科技大學(xué) 機(jī)電工程學(xué)院， 山東 青島 266061)

我國(guó)水資源總量不足，僅為世界的6%，人均不足世界平均水平的1/4[1]。每年農(nóng)業(yè)灌溉用水缺口超過(guò)300億t，因缺水約有700萬(wàn)hm2灌溉土地得不到灌溉。目前我國(guó)農(nóng)業(yè)生產(chǎn)中水分生產(chǎn)效率及化肥利用率均偏低，2014年，我國(guó)農(nóng)業(yè)用水總量3 807億t，但主要糧食作物水分生產(chǎn)效率平均僅約1 kg/t，與發(fā)達(dá)國(guó)家平均2 kg/t存在較大差距[2]；2014年，我國(guó)化肥施用量約5 995萬(wàn)t，主要糧食作物化肥利用率35.2%。水肥資源匱乏約束已成為制約農(nóng)業(yè)可持續(xù)發(fā)展的瓶頸因素。《全國(guó)農(nóng)業(yè)可持續(xù)發(fā)展規(guī)劃(2015—2030年)》提出“一控兩減三基本”目標(biāo)，所以發(fā)展高端智能水肥一體化系統(tǒng)是未來(lái)的農(nóng)業(yè)發(fā)展趨勢(shì)。其中，監(jiān)測(cè)植物生長(zhǎng)參數(shù)、環(huán)境和土壤參數(shù)，智能化形成精準(zhǔn)肥水方案的先進(jìn)水肥一體化管理，是現(xiàn)代設(shè)施農(nóng)業(yè)亟待發(fā)展的關(guān)鍵。

土壤因素、植物生長(zhǎng)因素和環(huán)境因素直接影響植物的生長(zhǎng)。目前，國(guó)內(nèi)的水肥一體化系統(tǒng)主要根據(jù)土壤墑情和養(yǎng)分含量適時(shí)地把不同成分肥料進(jìn)行混肥后灌溉，應(yīng)中發(fā)現(xiàn)系統(tǒng)存在一定的缺點(diǎn)，其監(jiān)測(cè)參數(shù)少，一般只監(jiān)測(cè)土壤墑情、電導(dǎo)率(EC)和酸堿度(pH)，形成的植物生長(zhǎng)模型及混肥算法精準(zhǔn)度較低，控制系統(tǒng)運(yùn)算能力較弱、功能單一，不能實(shí)現(xiàn)智能控制等[3]。鑒于此，按照植物生長(zhǎng)的實(shí)際要求，采用視覺(jué)采集技術(shù)、無(wú)線傳感器物聯(lián)網(wǎng)監(jiān)控技術(shù)和自動(dòng)控制系統(tǒng)技術(shù)相結(jié)合，根據(jù)環(huán)境因素、土壤因素和植物生長(zhǎng)參數(shù)，運(yùn)用人工智能技術(shù)生成植物生長(zhǎng)模型和混肥算法，自動(dòng)精準(zhǔn)計(jì)算混肥和灌溉，構(gòu)建水肥一體化管理系統(tǒng)，旨在提高農(nóng)業(yè)生產(chǎn)上肥料與水資源的利用率，促進(jìn)現(xiàn)代農(nóng)業(yè)發(fā)展。

1系統(tǒng)設(shè)計(jì)總體方案

水肥一體化管理系統(tǒng)由視覺(jué)采集系統(tǒng)、物聯(lián)網(wǎng)監(jiān)控系統(tǒng)和控制系統(tǒng)3部分組成。采用視覺(jué)采集系統(tǒng)測(cè)量植物生長(zhǎng)參數(shù)；物聯(lián)網(wǎng)監(jiān)控系統(tǒng)由多種無(wú)線傳感器組成，實(shí)現(xiàn)監(jiān)測(cè)環(huán)境和土壤參數(shù)；控制系統(tǒng)采用ARM嵌入式系統(tǒng)為核心構(gòu)建，以人工智能算法進(jìn)行精準(zhǔn)水肥混合計(jì)算，實(shí)現(xiàn)水肥一體化精準(zhǔn)灌溉。系統(tǒng)設(shè)計(jì)方案見(jiàn)圖1。

Fig.1 Design scheme of integrated fertilizer and irrigation system

2系統(tǒng)功能與實(shí)現(xiàn)

2.1視覺(jué)采集系統(tǒng)

視覺(jué)系統(tǒng)主要對(duì)葉片面積、株高及徑粗等植物生長(zhǎng)因素進(jìn)行周期性監(jiān)測(cè)。采用非接觸的視覺(jué)測(cè)量，具有便捷、精確的優(yōu)點(diǎn)。視覺(jué)采集系統(tǒng)包括導(dǎo)軌、步進(jìn)電機(jī)、CCD工業(yè)相機(jī)和LED光源。該系統(tǒng)中CCD相機(jī)比CMOS相機(jī)具備更好的降噪能力，便于后期圖像處理[4]。采集作物圖像，利用步進(jìn)電機(jī)控制導(dǎo)軌上的工業(yè)相機(jī)及光源，定時(shí)重復(fù)采集多株樣本作物圖像，再利用無(wú)線WIFI技術(shù)將采集的圖像傳輸至水肥一體化控制器上位計(jì)算機(jī)進(jìn)行圖像處理使用。上位計(jì)算機(jī)進(jìn)行圖像處理大致分三步：一，先分析模糊圖像的退化與復(fù)原模型得出圖像退化的點(diǎn)擴(kuò)散函數(shù)，再利用復(fù)原算法對(duì)模糊圖像復(fù)原后的效果進(jìn)行比較，最終確定利用加入模塊自適應(yīng)算法的改進(jìn)Criminisi復(fù)原圖像算法[5]進(jìn)行圖像修復(fù)。該算法不僅改善圖像修復(fù)結(jié)果，使圖像更加清晰自然，而且可以提升修復(fù)效率，邊緣修復(fù)后的圖像效果更好。二，利用Canny算法處理復(fù)原后圖像，通過(guò)計(jì)算圖像背景與目標(biāo)之間的類方差減少錯(cuò)誤率來(lái)決定算法閾值進(jìn)而處理得到較清楚的植物圖像。三，最后對(duì)閾值分割后的圖像采用融合二值分割及圖像形態(tài)學(xué)等進(jìn)行圖像背景分割與處理，得到清晰的植物輪廓圖像(圖2)，即保留分離試驗(yàn)作物的葉片、株高及稈徑粗信息，并據(jù)此計(jì)算作物的相關(guān)生長(zhǎng)參數(shù)。

2.2物聯(lián)網(wǎng)監(jiān)控系統(tǒng)

利用物聯(lián)網(wǎng)構(gòu)建無(wú)線傳感器網(wǎng)絡(luò)是水肥一體化系統(tǒng)的發(fā)展趨勢(shì)[6]。相比于傳統(tǒng)采用RS485總線連接各種傳感器存在布線施工復(fù)雜、線管易老化、維護(hù)繁瑣且布局難于調(diào)整等缺點(diǎn)，無(wú)線網(wǎng)絡(luò)具有布設(shè)簡(jiǎn)便、靈活且成本低的優(yōu)點(diǎn)[7]。在WIFI、Zigbee和藍(lán)牙3種常用無(wú)線技術(shù)中，Zigbee技術(shù)因其低功耗、自組網(wǎng)、網(wǎng)絡(luò)容量大和傳輸距離為50～300 m的優(yōu)勢(shì)，最適合用于無(wú)線傳感器的數(shù)據(jù)傳輸[8]。相對(duì)而言，WIFI雖然應(yīng)用廣泛，傳輸距離遠(yuǎn)，但是功耗比Zigbee高數(shù)倍，不利于電池供電；而藍(lán)牙傳輸距離只有2～30 m，而且受遮擋后傳輸效果較差。系統(tǒng)基于Zigbee無(wú)線技術(shù)構(gòu)建星型無(wú)線傳感器網(wǎng)絡(luò)結(jié)構(gòu)，采集監(jiān)測(cè)設(shè)施農(nóng)業(yè)環(huán)境中土壤的電導(dǎo)率、酸堿度監(jiān)測(cè)墑情及養(yǎng)分情況，監(jiān)控環(huán)境中溫度、濕度、光照強(qiáng)度和CO2濃度，調(diào)控灌溉水肥混合濃度及酸堿度等參數(shù)。傳感器節(jié)點(diǎn)采用電池供電，中心網(wǎng)關(guān)節(jié)點(diǎn)由于負(fù)荷較重，采用固定電源供電。傳感器采集的數(shù)據(jù)經(jīng)過(guò)中心網(wǎng)管結(jié)點(diǎn)，傳輸?shù)剿室惑w化控制器中存儲(chǔ)，并上傳到網(wǎng)絡(luò)數(shù)據(jù)服務(wù)器，可被遠(yuǎn)程計(jì)算機(jī)和手機(jī)客戶端讀取。手機(jī)客戶端是基于物聯(lián)網(wǎng)平臺(tái)構(gòu)建的移動(dòng)監(jiān)控平臺(tái)；目的是實(shí)現(xiàn)專家遠(yuǎn)程的指導(dǎo)生產(chǎn)。手機(jī)客戶端操控平臺(tái)主要包括：當(dāng)?shù)貧庀笄闆r、土壤實(shí)時(shí)墑情、大氣環(huán)境等參數(shù)數(shù)據(jù)，歷史數(shù)據(jù)曲線，定時(shí)控制器，水泵的開(kāi)關(guān)控制。

圖2 視覺(jué)采集系統(tǒng)的采集圖像及其分割效果

Fig.2 Acquistion image and its segmentation effect in visual acquisition system

2.3植物生長(zhǎng)模型及混肥方案

植物生長(zhǎng)模型研究主要有機(jī)理模型、試驗(yàn)回歸模型和人工智能模型。機(jī)理模型，基于植物內(nèi)在機(jī)理建立植物生長(zhǎng)與水、肥的關(guān)系，精度相對(duì)不高[9]。試驗(yàn)回歸模型，多數(shù)基于田間水肥灌溉試驗(yàn)數(shù)據(jù)，利用多元線性或非線性回歸方法擬合模型，并計(jì)算模型參數(shù)，通常針對(duì)某一種作物及特定試驗(yàn)條件，預(yù)測(cè)精度相對(duì)較高。人工智能模型，主要是利用人工神經(jīng)網(wǎng)絡(luò)、模糊計(jì)算等智能算法，描述水、肥等參數(shù)與作物生長(zhǎng)的非線性關(guān)系，對(duì)多個(gè)參數(shù)參與的非線性關(guān)系的描述更精確，是目前植物生長(zhǎng)模型和混肥算法的研究趨勢(shì)。

建立生長(zhǎng)模型，首先需要在溫室栽培環(huán)境進(jìn)行試驗(yàn)作物種植，利用Penman-Monteith方程在特定的小氣候環(huán)境中研究其各生長(zhǎng)周期需水規(guī)律，為各生長(zhǎng)周期總灌概量提供理論依據(jù)[10]。檢測(cè)不同施肥量對(duì)試驗(yàn)作物葉面積、株高、徑粗、最長(zhǎng)根長(zhǎng)、光合速率及最終干鮮物質(zhì)生產(chǎn)的影響，確定不同生長(zhǎng)周期作物所需肥料的最佳EC值，建立試驗(yàn)作物肥水生長(zhǎng)模型[11]。模糊神經(jīng)網(wǎng)絡(luò)人工智能算法具有能綜合多個(gè)參數(shù)進(jìn)行決策形成準(zhǔn)確結(jié)果的優(yōu)勢(shì)。由于精確混肥方案還需要綜合考慮光照、二氧化碳濃度、溫度及濕度等多個(gè)參數(shù)的影響，因此，采用基于模糊神經(jīng)網(wǎng)絡(luò)人工智能算法基于試驗(yàn)作物肥水生長(zhǎng)模型形成精確的混肥算法。在此以番茄作為研究對(duì)象，采用基于輻熱積的Logistic模型，通過(guò)結(jié)合試驗(yàn)數(shù)據(jù)對(duì)葉面積和植株高度變化進(jìn)行回歸擬合，確定模型參數(shù)，總結(jié)水肥參數(shù)與番茄生長(zhǎng)指標(biāo)間的經(jīng)驗(yàn)關(guān)系。結(jié)合專家經(jīng)驗(yàn)知識(shí)和模糊推理的方法建立水肥參數(shù)與番茄生長(zhǎng)發(fā)育的模糊神經(jīng)網(wǎng)絡(luò)關(guān)系模型。

2.4控制器

水肥一體化控制器是系統(tǒng)關(guān)鍵硬件。目前國(guó)內(nèi)外的研究工作主要集中在采用可編程邏輯(PLC)控制器和嵌入式系統(tǒng)方面[12-13]。以PLC為核心的控制系統(tǒng)工作可靠，開(kāi)發(fā)周期短，但是成本相對(duì)較高，靈活性差，系統(tǒng)運(yùn)算能力弱。智能化、信息化是水肥一體化設(shè)備的發(fā)展趨勢(shì)。綜合看，嵌入式系統(tǒng)利用較強(qiáng)的運(yùn)算能力能夠?qū)崿F(xiàn)較復(fù)雜的智能算法，而且易于與其他設(shè)備聯(lián)網(wǎng)，工作可靠，功耗低、成本低，體積小，是發(fā)展高端水肥一體化控制器的合理選擇。該研究控制系統(tǒng)采用 ARM11開(kāi)發(fā)板，以運(yùn)行μC/OS-II的嵌入式架構(gòu)為核心，具有Zigbee無(wú)線接收、存儲(chǔ)、I/O輸入輸出及模擬量采集等功能。無(wú)線傳感器采集的參數(shù)接收后存入存儲(chǔ)器，再利用GPRS模塊聯(lián)入互聯(lián)網(wǎng)，向遠(yuǎn)程服務(wù)器上傳數(shù)據(jù)。采集的各種參數(shù)經(jīng)混肥算法程序計(jì)算形成精準(zhǔn)混肥方案，控制器根據(jù)混肥方案，由I/O輸出模塊控制混肥節(jié)流閥和灌溉管道開(kāi)閉電磁閥。電磁流量計(jì)、水溫傳感器和混肥罐內(nèi)的EC和pH等傳感器通過(guò)485總線或模擬量采集接口接入控制器，實(shí)時(shí)閉環(huán)反饋混肥灌溉情況，從而實(shí)現(xiàn)精準(zhǔn)水肥一體化控制。

3應(yīng)用測(cè)試效果

水肥系統(tǒng)在青島果園應(yīng)用試驗(yàn)，經(jīng)過(guò)一段時(shí)間的測(cè)試在番茄生長(zhǎng)過(guò)程中取得一些成效。采用機(jī)器視覺(jué)和物聯(lián)網(wǎng)結(jié)合的水肥監(jiān)測(cè)系統(tǒng)可以更加有效地節(jié)省水資源的利用，經(jīng)測(cè)試果園水利用系數(shù)明顯高于我國(guó)規(guī)定的0.9，節(jié)水達(dá)30%以上。建立模糊神經(jīng)網(wǎng)絡(luò)關(guān)系模型的水肥算法，可以讓系統(tǒng)更好地介入傳感器的控制邏輯。系統(tǒng)使用后水肥配比誤差低于0.01 ms/cm，整個(gè)系統(tǒng)的響應(yīng)時(shí)間在2 s以內(nèi)，實(shí)現(xiàn)了精準(zhǔn)水肥灌溉功能。PC端和手機(jī)端雙向控制可以達(dá)到實(shí)時(shí)監(jiān)測(cè)的效果，手機(jī)的遠(yuǎn)程控制程序可以實(shí)時(shí)傳輸各個(gè)傳感器的監(jiān)測(cè)數(shù)據(jù)和植物的生長(zhǎng)狀態(tài)，進(jìn)而對(duì)水肥一體機(jī)遠(yuǎn)程操控。利用文丘里水肥混合系統(tǒng)實(shí)現(xiàn)施肥和灌溉一起進(jìn)行，實(shí)現(xiàn)肥料準(zhǔn)確、均勻地運(yùn)輸?shù)礁浚行П苊夥柿系膿]發(fā)和過(guò)度施肥，也減少對(duì)環(huán)境的污染。經(jīng)試驗(yàn)得出此水肥管理系統(tǒng)比傳統(tǒng)施肥模式節(jié)省肥料40%以上。水肥管理系統(tǒng)采用自動(dòng)化控制方式，不僅實(shí)現(xiàn)水、肥精準(zhǔn)控制，還節(jié)省用工時(shí)間，提高生產(chǎn)效率，總體節(jié)省人工成本達(dá)20%左右。

4結(jié)語(yǔ)

通過(guò)集成視覺(jué)采集技術(shù)、無(wú)線傳感器物聯(lián)網(wǎng)監(jiān)控技術(shù)和自動(dòng)控制系統(tǒng)技術(shù)建成基于物聯(lián)網(wǎng)，采用機(jī)器視覺(jué)技術(shù)實(shí)現(xiàn)非接觸測(cè)量植物生長(zhǎng)參數(shù)，無(wú)線傳感器物聯(lián)網(wǎng)監(jiān)測(cè)環(huán)境和土壤參數(shù)，以植物生長(zhǎng)模型和模糊神經(jīng)網(wǎng)絡(luò)智能算法形成精準(zhǔn)水肥混合方案，以ARM11嵌入式系統(tǒng)為核心的農(nóng)作物智能水肥一體化管理系統(tǒng)應(yīng)用于設(shè)施農(nóng)業(yè)，節(jié)水達(dá)30%，節(jié)肥達(dá)40%以上，節(jié)省人工成本20%左右，且有效提高作物品質(zhì)，減少肥料對(duì)土壤污染，社會(huì)效益顯著，是未來(lái)先進(jìn)水肥一體化系統(tǒng)發(fā)展的趨勢(shì)。