金洲 張俊卿 郭紅燕 胡宜敏 陳翔宇 黃河 王紅艷

摘要： 為解決農(nóng)場(chǎng)當(dāng)?shù)禺?dāng)時(shí)的復(fù)合肥料精準(zhǔn)化配料問(wèn)題，本研究將水肥一體化智能灌溉施肥系統(tǒng)作為研究對(duì)象，構(gòu)建了水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)。首先提出現(xiàn)場(chǎng)在線(xiàn)水肥溶液智能感知模型的快速建立方法，利用數(shù)據(jù)分析算法從傳感器實(shí)時(shí)監(jiān)測(cè)的一系列濃度梯度的肥料溶液中挖掘出模型。其次基于上述模型設(shè)計(jì)水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)的框架結(jié)構(gòu)，闡述系統(tǒng)工作原理;并通過(guò)三種水體模擬在線(xiàn)配肥驗(yàn)證了該系統(tǒng)原位指導(dǎo)水肥濃度配比的有效性，同時(shí)評(píng)價(jià)了水體電導(dǎo)率對(duì)水肥配比濃度的干擾。試驗(yàn)結(jié)果表明，正則化條件下二階的多項(xiàng)式擬合曲線(xiàn)是表達(dá)溶液電導(dǎo)率與水肥濃度的變化關(guān)系最優(yōu)的模型，相關(guān)系數(shù)R2均大于0.999，由此模型可得出用戶(hù)關(guān)心的復(fù)合肥各指標(biāo)濃度。三種水體模擬在線(xiàn)配肥結(jié)果表明，水體會(huì)干擾電導(dǎo)率導(dǎo)致無(wú)法準(zhǔn)確反演水肥配比的濃度，相對(duì)偏差值超過(guò)了0.1。因此，本研究提出的在線(xiàn)水肥智能感知與精準(zhǔn)配比系統(tǒng)實(shí)現(xiàn)了消除當(dāng)?shù)厮w電導(dǎo)率對(duì)水肥配比準(zhǔn)確性的干擾，通過(guò)模型計(jì)算實(shí)現(xiàn)復(fù)合肥精準(zhǔn)化配比，并得出各指標(biāo)濃度。該系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，配比精準(zhǔn)，易與現(xiàn)有水肥一體機(jī)或者人工配肥系統(tǒng)結(jié)合使用，可廣泛應(yīng)用于設(shè)施農(nóng)業(yè)栽培、果園栽培和大田經(jīng)濟(jì)作物栽培等環(huán)境下的精準(zhǔn)智能施肥。

關(guān)鍵詞： 水肥一體化;電導(dǎo)率;感知;精準(zhǔn)配比;系統(tǒng)建模;多項(xiàng)式擬合

中圖分類(lèi)號(hào)： S237 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 202003-SA012

引文格式：金洲， 張俊卿， 郭紅燕， 胡宜敏， 陳翔宇， 黃河， 王紅艷. 水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)研制與試驗(yàn)[J]. 智慧農(nóng)業(yè)（中英文）， 2020， 2（2）： 82-93.

Citation：JIN Zhou， ZHANG Junqing， GUO Hongyan， HU Yimin， CHEN Xiangyu， HUANG He， WANG Hongyan. Development and testing of intelligent sensing and precision proportioning system of water and fertilizer concentration[J]. Smart Agriculture， 2020， 2（2）： 82-93.

1 引 ?言

在現(xiàn)代農(nóng)業(yè)生產(chǎn)中，將灌溉與施肥結(jié)合一同作用于作物根系的水肥一體化技術(shù)已逐漸成為趨勢(shì)，自動(dòng)灌溉施肥技術(shù)被認(rèn)為是當(dāng)今世界提高養(yǎng)分利用率的最有效方法之一[1]。灌溉施肥的主要優(yōu)點(diǎn)是施肥均勻、準(zhǔn)確，可以穩(wěn)定且高精度地控制灌水量、施肥量、施肥時(shí)間等參數(shù)，從而提高水肥的利用效率，避免肥料施在較干的表土層引起揮發(fā)損失、溶解慢，最終導(dǎo)致肥效發(fā)揮慢的問(wèn)題，既節(jié)約氮肥又有利于環(huán)境保護(hù)。水肥一體化技術(shù)已廣泛應(yīng)用于設(shè)施農(nóng)業(yè)栽培[2]、果園栽培[3]和棉花等大田作物栽培[4]，以及經(jīng)濟(jì)效益較好的其他作物[5]栽培，并取得了顯著的經(jīng)濟(jì)和社會(huì)效益[6]。因此，研發(fā)與推廣高效的水肥一體化技術(shù)具有重要的應(yīng)用價(jià)值。

水肥一體機(jī)的相繼面世并通過(guò)不斷升級(jí)優(yōu)化機(jī)械結(jié)構(gòu)顯著減少了人力，提升了生產(chǎn)效率[7]。然而，傳統(tǒng)水肥機(jī)無(wú)法在配比過(guò)程中獲取水肥濃度信息，因而無(wú)法實(shí)現(xiàn)水肥自動(dòng)精確配比，也無(wú)法實(shí)現(xiàn)肥料減施。近幾年，智能化水肥一體機(jī)通過(guò)添加水和肥料的流量傳感器用以控制水肥的加入比例，試圖間接感知水肥濃度，從而提升肥料的利用率水平[8]，此類(lèi)方法通過(guò)實(shí)現(xiàn)灌溉液的動(dòng)態(tài)調(diào)節(jié)從而達(dá)到節(jié)水增效的目的。學(xué)者和科研人員在智能水肥一體化灌溉施肥方面做了很多工作。王成[9]、韋立德[10]和韓啟彪[11]分別對(duì)傳統(tǒng)灌溉施肥系統(tǒng)進(jìn)行了研究和優(yōu)化，使得傳統(tǒng)施肥器能夠直接適用于灌溉施肥自動(dòng)控制系統(tǒng);付強(qiáng)等[12]、劉永華等[13]、趙景波等[14]和吳琦等[15]從智能調(diào)控設(shè)備、智能吸肥設(shè)備和智能施肥算法等不同方面開(kāi)展智能水肥一體化灌溉施肥的研究，顯著提升了傳統(tǒng)水肥一體化灌溉施肥系統(tǒng)的智能化水平。Yermiyahu等[16]在以色列利用傳感器網(wǎng)絡(luò)對(duì)作物水肥狀況進(jìn)行遠(yuǎn)程監(jiān)控，實(shí)現(xiàn)了一體化的灌溉和施肥。Pawlowski等[17]在西班牙基于事件的溫室灌溉過(guò)程預(yù)測(cè)控制方案建立了含水量模型觸發(fā)作物灌溉施肥系統(tǒng)完成精準(zhǔn)水肥施用。Jayakumar等[18]在印度南部研究了椰子的生長(zhǎng)參數(shù)與自動(dòng)噴滴灌系統(tǒng)的關(guān)聯(lián)程度，研制出了高性能的椰子灌溉施肥設(shè)施。這些工作針對(duì)具體作物和特殊場(chǎng)景進(jìn)行了優(yōu)化，但缺乏普適性，不具有良好的推廣性。智能灌溉施肥硬件也取得了一定發(fā)展，水肥一體化設(shè)備主要有以色列的Netajet自動(dòng)灌溉施肥機(jī)、Fertijet施肥機(jī)[19]，國(guó)內(nèi)的WGF-6-12自動(dòng)施肥機(jī)[20]、SYJ-2型液肥變量施肥機(jī)[21]和旁路吸肥式自動(dòng)施肥機(jī)[22]等，推動(dòng)節(jié)水灌溉與施肥于一體的新型農(nóng)業(yè)技術(shù)的應(yīng)用和發(fā)展。然而，這些自動(dòng)施肥機(jī)需要對(duì)農(nóng)場(chǎng)的灌溉設(shè)施進(jìn)行升級(jí)改造，成本巨大，后期維護(hù)成本也較高。

物聯(lián)網(wǎng)、云計(jì)算和人工智能的快速發(fā)展，給水肥一體化灌溉施肥帶來(lái)了新的思路和方法[23]。趙進(jìn)等[24]研制了一種基于物聯(lián)網(wǎng)遠(yuǎn)程控制技術(shù)水肥一體化智能系統(tǒng)，將物聯(lián)網(wǎng)遠(yuǎn)程控制技術(shù)引入水肥一體技術(shù);江新蘭等[25]研制了基于兩線(xiàn)解碼技術(shù)的水肥一體化灌溉系統(tǒng)，降低了系統(tǒng)控制結(jié)構(gòu)復(fù)雜度;駱東松和姜浩[26]設(shè)計(jì)了農(nóng)業(yè)水肥一體化智能監(jiān)測(cè)系統(tǒng)，利用物聯(lián)網(wǎng)和傳感器技術(shù)實(shí)現(xiàn)了遠(yuǎn)程灌溉和施肥;姜巖等[27，28]將農(nóng)業(yè)專(zhuān)家系統(tǒng)與物聯(lián)網(wǎng)技術(shù)結(jié)合，提出了基于專(zhuān)家系統(tǒng)的水肥智能系統(tǒng)，優(yōu)化了氮肥、磷肥、鉀肥的配比。然而，以上智能化水肥一體機(jī)主要針對(duì)氮、磷、鉀的單一肥料種類(lèi)，而農(nóng)戶(hù)實(shí)際上采用的是肥料廠家生產(chǎn)的復(fù)合水溶肥，建立不同肥料輸入和輸出裝置進(jìn)行配肥，不僅增加管路系統(tǒng)的復(fù)雜性，也顯著提高了成本。同時(shí)，農(nóng)戶(hù)為降低成本，傾向于采用當(dāng)?shù)刈匀凰w進(jìn)行配肥。因此，針對(duì)復(fù)合肥料和當(dāng)?shù)厮w，直接原位準(zhǔn)確地感知配比各環(huán)節(jié)中水肥濃度，從而精確調(diào)控水和肥的比例，對(duì)顯著提升肥料利用率具有重要現(xiàn)實(shí)意義。

本研究首先以水肥一體化智能灌溉施肥系統(tǒng)作為研究對(duì)象，針對(duì)農(nóng)場(chǎng)當(dāng)?shù)禺?dāng)時(shí)的復(fù)合肥料精準(zhǔn)化配料需求，創(chuàng)新性地提出可用于現(xiàn)場(chǎng)的水肥濃度智能感知和精準(zhǔn)配比思想，從水肥濃度智能感知方法、水肥濃度智能感知建模、水肥濃度智能感知和精準(zhǔn)配比系統(tǒng)等幾個(gè)方面進(jìn)行了深入研究，提出了一級(jí)原位水肥濃度建模子系統(tǒng)與二級(jí)水肥精準(zhǔn)配比子系統(tǒng)的結(jié)構(gòu)，其中一級(jí)原位水肥濃度建模集成了非接觸式電導(dǎo)傳感器，用以感知水肥濃度，構(gòu)建了水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)，并利用數(shù)據(jù)分析算法從傳感器實(shí)時(shí)監(jiān)測(cè)的一系列濃度梯度的肥料溶液中挖掘出最優(yōu)模型。其次設(shè)計(jì)了水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)的框架結(jié)構(gòu)，通過(guò)3種水體模擬在線(xiàn)配肥驗(yàn)證了系統(tǒng)的有效性，同時(shí)評(píng)價(jià)了水體電導(dǎo)率對(duì)水肥配比濃度的干擾。本研究提出的在線(xiàn)水肥智能感知與精準(zhǔn)配比系統(tǒng)具有系統(tǒng)結(jié)構(gòu)簡(jiǎn)單、水肥配比精準(zhǔn)、成本低等優(yōu)勢(shì)，易與現(xiàn)有水肥一體機(jī)或者人工配肥系統(tǒng)結(jié)合使用，可廣泛應(yīng)用于設(shè)施農(nóng)業(yè)栽培、果園栽培和大田經(jīng)濟(jì)作物栽培等環(huán)境下的精準(zhǔn)配比和智能施肥，具有實(shí)際應(yīng)用推廣價(jià)值。

2 試驗(yàn)設(shè)計(jì)與方案

2.1 儀器與試劑

水肥感知與配比模型試驗(yàn)所需儀器和設(shè)備：MSP60-3A注射泵（慧宇偉業(yè)（北京）流體設(shè)備有限公司），雷磁DDSJ-308A型電導(dǎo)率儀（帶兩支鉑黑電導(dǎo)率探頭，電極常數(shù)和量程分別為k=0.957，2～20，000 μS/cm;k=10.57，2～200 mS/cm;上海儀電科學(xué)儀器股份有限公司）;分析天平（北京賽多利斯儀器公司）;超聲波清洗器（昆山市超聲儀器有限公司）。

水肥感知與配比模型試驗(yàn)所需試劑和材料：芭田水溶肥料13-6-40（深圳市芭田生態(tài)工程股份有限公司），芭田水溶肥料20-20-20（深圳市芭田生態(tài)工程股份有限公司），超純水（18.25 MΩ·cm），150 mm定量濾紙（生工生物工程（上海）股份有限公司）。

水樣采集與前處理：采集安徽省合肥市董鋪水庫(kù)水體，用定量濾紙進(jìn)行過(guò)濾，濾液作為水肥在線(xiàn)配比試驗(yàn)的水庫(kù)水。直接收集安徽省合肥市自來(lái)水廠市政供水作為自來(lái)水體。

2.2 試驗(yàn)方案

為解決農(nóng)場(chǎng)復(fù)合肥料精準(zhǔn)化配料問(wèn)題，本研究建立如圖1所示的試驗(yàn)方案：將復(fù)合肥料進(jìn)行標(biāo)準(zhǔn)化檢驗(yàn)，獲得各項(xiàng)指標(biāo)的具體數(shù)值;在實(shí)驗(yàn)室采用純水配置一系列濃度梯度的復(fù)合肥溶液，進(jìn)行電導(dǎo)率測(cè)試試驗(yàn);獲取的電導(dǎo)率數(shù)據(jù)進(jìn)行水肥感知模型構(gòu)建，通過(guò)回歸擬合篩選出最優(yōu)模型;設(shè)計(jì)搭建硬件水肥精準(zhǔn)配比硬件系統(tǒng);采集自然水體，在硬件系統(tǒng)中通過(guò)先投肥料再持續(xù)加液的方式模擬農(nóng)場(chǎng)復(fù)合肥料配比，在每個(gè)濃度特征點(diǎn)即時(shí)采集水肥溶液中電導(dǎo)率參數(shù);通過(guò)篩選出的最優(yōu)模型指導(dǎo)自然水體配肥的模型校驗(yàn)，并進(jìn)行模型評(píng)價(jià)。

標(biāo)準(zhǔn)數(shù)值建立：試驗(yàn)選取同一批次的兩種芭田水溶肥料，各稱(chēng)取500 g水溶肥料樣品送檢至安徽省產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)研究院，委托對(duì)肥料中總氮（N）、五氧化二磷（P2O5）、氧化鉀（K2O）等指標(biāo)按照NY1107-2010標(biāo)準(zhǔn)進(jìn)行檢驗(yàn)，各指標(biāo)的檢驗(yàn)值作為建立水肥濃度智能感知模型的基準(zhǔn)。

水肥模型建立試驗(yàn)的前處理：分別稱(chēng)取兩種水溶肥料，超純水定容，放入超聲波清洗器內(nèi)溶解，分別配比成一系列濃度梯度的待測(cè)溶液。為了貼近農(nóng)業(yè)生產(chǎn)實(shí)際配比值，依據(jù)復(fù)合肥廠家對(duì)不同作物施肥的配比建議，并在此基礎(chǔ)上適當(dāng)擴(kuò)大梯度范圍，確保農(nóng)戶(hù)施肥的配比值被標(biāo)準(zhǔn)曲線(xiàn)覆蓋，試驗(yàn)中的肥料與水的配比濃度梯度選用為1：50、1：100、1：150、1：200、1：250、1：300、1：400和1：500共計(jì)8個(gè)濃度水平。

電導(dǎo)率測(cè)試：試驗(yàn)體系中引入溫度電極對(duì)電導(dǎo)率測(cè)試數(shù)據(jù)進(jìn)行修正，保證試驗(yàn)裝置可以適用于現(xiàn)場(chǎng)檢測(cè)。試驗(yàn)過(guò)程中將溫度補(bǔ)償電極與鉑黑電導(dǎo)率探頭一起依次插入待測(cè)溶液中，待測(cè)量值穩(wěn)定，進(jìn)行讀數(shù)。測(cè)試樣品之間用純水反復(fù)沖洗電導(dǎo)率探頭并擦干吹干，確保無(wú)交叉污染。

水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)試驗(yàn)：為了探究自然水體對(duì)水肥智能配比系統(tǒng)的影響，并在后臺(tái)系統(tǒng)中修正水體本身電導(dǎo)率引入的誤差，試驗(yàn)體系設(shè)計(jì)三種不同水體進(jìn)行配肥試驗(yàn)測(cè)試對(duì)比。三種水體分別為：安徽省合肥市董鋪水庫(kù)水過(guò)濾后的濾液、合肥蜀山區(qū)自來(lái)水和超純水，分別采用帶有溫度補(bǔ)償?shù)碾妼?dǎo)率電極進(jìn)行電導(dǎo)率測(cè)試。在實(shí)驗(yàn)室環(huán)境模擬水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)的原位使用，試驗(yàn)時(shí)三種水體的水溫均為17℃。將MSP60-3A型注射泵的進(jìn)口管路插入試驗(yàn)水體的桶中，出口管路放置在配肥池的燒杯內(nèi)壁，稱(chēng)取2 g芭田13-40-6水溶肥料加入燒杯內(nèi)，溫度補(bǔ)償電極與鉑黑電導(dǎo)率插入燒杯內(nèi)。試驗(yàn)時(shí)，注射泵每次自動(dòng)注入50 mL容量的試驗(yàn)水體，每次注入間隔為60 s，用以攪拌均勻與電導(dǎo)率讀數(shù)。

2.3 水肥濃度智能感知方法

智能感知是根據(jù)多傳感器所提供的多源信息，經(jīng)過(guò)智能信息分析和處理，實(shí)現(xiàn)對(duì)環(huán)境和對(duì)象的認(rèn)知，從而使基于經(jīng)驗(yàn)判斷和智能處理的決策成為可能。現(xiàn)代智能感知系統(tǒng)的首要任務(wù)是從各種傳感信息中抽取對(duì)象的各種特征，并利用對(duì)象的特征信息來(lái)確定目標(biāo)和環(huán)境的屬性，構(gòu)建特征和目標(biāo)屬性的關(guān)系模型，從而完成智能感知的完整過(guò)程。

針對(duì)復(fù)合肥料配比中的快速智能感知問(wèn)題，本研究提出一種新的思路，通過(guò)提前建立當(dāng)時(shí)當(dāng)?shù)貜?fù)合肥關(guān)鍵特征與水溶肥濃度關(guān)系的模型，后期在實(shí)際水肥配比工作中，基于模型即可準(zhǔn)確得知配肥池中氮磷鉀各指標(biāo)的濃度。因此需首先探究如何合理地構(gòu)建復(fù)合肥料配比的智能感知模型。

本研究將溫度補(bǔ)償電極與鉑黑電導(dǎo)率探頭用于快速感知時(shí)序變化的水肥溶液濃度特征信息，依據(jù)電導(dǎo)率值變化進(jìn)行水肥控制是水肥一體化的有效方法[29]，實(shí)時(shí)提取水肥溶液的電導(dǎo)率值作為關(guān)鍵特征信息。當(dāng)水肥溶液的關(guān)鍵特征被獲取后，實(shí)時(shí)利用后臺(tái)參數(shù)擬合算法學(xué)習(xí)出當(dāng)時(shí)當(dāng)?shù)夭捎脧?fù)合肥預(yù)測(cè)水肥濃度的回歸模型，再通過(guò)模型準(zhǔn)確得知配肥池中的氮磷鉀各項(xiàng)指標(biāo)濃度。

為了對(duì)比評(píng)價(jià)原位水肥濃度智能感知模型建立的準(zhǔn)確性，本研究重點(diǎn)是通過(guò)分析不同階數(shù)和不同正則化項(xiàng)的回歸模型，建立水肥濃度與電導(dǎo)率的關(guān)系，確定水肥濃度智能感知模型的最佳表達(dá)形式。基于統(tǒng)計(jì)回歸分析，每種水肥的濃度對(duì)溶液的電導(dǎo)率變化規(guī)律可用曲線(xiàn)函數(shù)表示為：

3 試驗(yàn)結(jié)果與討論

3.1 復(fù)合肥料檢驗(yàn)值

為了更精確地評(píng)價(jià)不同回歸曲線(xiàn)，委托安徽省產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)研究院對(duì)本研究采購(gòu)的兩種水溶肥進(jìn)行了標(biāo)準(zhǔn)化檢測(cè)。兩種水溶復(fù)合肥N、P2O5及K2O含量的詳細(xì)數(shù)據(jù)展示在表1中，這些數(shù)據(jù)將作為基準(zhǔn)值。

3.2 水肥濃度智能感知模型構(gòu)建

針對(duì)復(fù)合肥料配比中的智能感知問(wèn)題，研究通過(guò)感知每種復(fù)合肥料配比中關(guān)鍵濃度點(diǎn)，建立電導(dǎo)率與水溶肥濃度關(guān)系的回歸模型的方法來(lái)實(shí)現(xiàn)。本節(jié)探討構(gòu)建復(fù)合肥料配比的智能感知模型的合理性。

表2是采用的兩種肥料在8個(gè)濃度水平下的電導(dǎo)率檢測(cè)結(jié)果，這些關(guān)鍵特征濃度點(diǎn)為建立回歸模型提供支持。表2結(jié)果表明，溶液電導(dǎo)率和溶液濃度呈正相關(guān)，濃度越大電導(dǎo)率越高。根據(jù)水肥濃度智能感知方法對(duì)兩種肥料進(jìn)行不同階的曲線(xiàn)擬合，溶液的電導(dǎo)率與水肥濃度的變化關(guān)系可以分別用圖2的不同曲線(xiàn)進(jìn)行描述。

圖2（a）和圖2（b）分別是芭田20-20-20和芭田13-6-40兩種水肥溶液濃度的多項(xiàng)式擬合曲線(xiàn)，溶液的電導(dǎo)率對(duì)肥料濃度變化關(guān)系由1階到6階的曲線(xiàn)圖和對(duì)應(yīng)相關(guān)指數(shù)R2表示。

由結(jié)果可見(jiàn)，曲線(xiàn)的相關(guān)指數(shù)R2大于0.95，均達(dá)到顯著水平，一階到二階擬合曲線(xiàn)的相關(guān)指數(shù)R2從0.995到0.999有明顯提高，說(shuō)明二階擬合曲線(xiàn)對(duì)比一階擬合曲線(xiàn)的精度更高，擬合度更好，更接近實(shí)際濃度。多項(xiàng)式階數(shù)的進(jìn)一步增加相關(guān)指數(shù)沒(méi)有顯著變化，而且隨著階數(shù)和樣本特征增加，當(dāng)樣本數(shù)相對(duì)較少時(shí)，上圖中的高階曲線(xiàn)擬合過(guò)程容易使得模型陷入過(guò)擬合。

上述式中x是水肥溶液電導(dǎo)率值，mS/cm;y是對(duì)應(yīng)養(yǎng)分指標(biāo)的濃度值，g/L。由此得出，通過(guò)建立這種水肥配比過(guò)程中濃度與電導(dǎo)率的關(guān)系，在測(cè)定水肥溶液中的電導(dǎo)率后，可以得出用戶(hù)關(guān)心的N、P2O5和K2O各主要指標(biāo)的具體濃度數(shù)值，為用戶(hù)精準(zhǔn)施肥提供參考依據(jù)。同時(shí)，這也說(shuō)明電導(dǎo)率反演水肥中各指標(biāo)濃度具有可操作性，為下一步建立水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)提供依據(jù)。

4 水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)設(shè)計(jì)

4.1 結(jié)構(gòu)設(shè)計(jì)

面對(duì)實(shí)際生產(chǎn)中復(fù)合肥料的智能感知與精準(zhǔn)配比問(wèn)題，在完成合理的復(fù)合肥料配比的智能感知模型構(gòu)建后，本研究提出基于在配肥現(xiàn)場(chǎng)原位電導(dǎo)率速測(cè)的兩級(jí)水肥配比系統(tǒng)作為智能感知的模型構(gòu)建的硬件載體。此配比系統(tǒng)包括一級(jí)水肥濃度智能感知模型建立子系統(tǒng)與二級(jí)水肥精準(zhǔn)配比子系統(tǒng)，水肥一體配肥系統(tǒng)結(jié)構(gòu)如圖4所示。

一級(jí)系統(tǒng)設(shè)計(jì)為便攜式裝置，亦可與現(xiàn)有傳統(tǒng)水肥系統(tǒng)兼容，主要基于在線(xiàn)原位電導(dǎo)率探頭自動(dòng)采集水肥溶液的電導(dǎo)率數(shù)據(jù)，實(shí)時(shí)構(gòu)建水肥濃度智能感知模型。一級(jí)系統(tǒng)主要包括一臺(tái)精密的加液泵，可實(shí)現(xiàn)準(zhǔn)確定量加液;一只大量程在線(xiàn)電導(dǎo)率探頭，一只水肥配比塑料桶，以及配套的控制、感知與模型建立軟件。二級(jí)系統(tǒng)設(shè)計(jì)為動(dòng)態(tài)精準(zhǔn)配肥裝置，在水肥濃度智能感知模型的基礎(chǔ)上，依據(jù)不同肥料濃度需求進(jìn)行配肥決策，自動(dòng)進(jìn)行肥料濃度的配比。二級(jí)系統(tǒng)主要包括一臺(tái)加液水泵，支持定量加液控制;一只大量程在線(xiàn)電導(dǎo)率探頭，用于實(shí)時(shí)檢測(cè)水肥濃度變化，并反饋給配肥控制機(jī)構(gòu);一只流動(dòng)稀釋混肥罐，一個(gè)復(fù)合肥加肥裝置，用來(lái)按需添加和存儲(chǔ)肥液，一套施肥管路用于水肥傳輸，以及配套的用戶(hù)交互、控制軟件。

4.2 水肥配比系統(tǒng)試驗(yàn)和模型校驗(yàn)

前期走訪調(diào)研發(fā)現(xiàn)，農(nóng)戶(hù)為節(jié)約成本，配肥過(guò)程中采用的水體種類(lèi)繁多。考慮到農(nóng)場(chǎng)當(dāng)時(shí)當(dāng)?shù)嘏浞仕盟w的水質(zhì)問(wèn)題，為了探究水體本身的電導(dǎo)率是否與實(shí)驗(yàn)室采用純水建立的模型的不同、是否會(huì)干擾水肥智能配比系統(tǒng)等問(wèn)題，同時(shí)，農(nóng)場(chǎng)采用流動(dòng)注水方式配肥，與實(shí)驗(yàn)室提前配制樣本溶液、再逐一檢測(cè)的方式不同，本研究建立了一種近似原位配肥環(huán)境的裝置與方法，試圖實(shí)現(xiàn)在現(xiàn)場(chǎng)即時(shí)建立匹配當(dāng)?shù)厮w的水肥濃度智能感知模型，用以指導(dǎo)農(nóng)戶(hù)精確配肥。通過(guò)不同水體的配比試驗(yàn)從而驗(yàn)證本研究提出的水肥智能感知配比系統(tǒng)在面對(duì)當(dāng)時(shí)當(dāng)?shù)氐乃w具有較好的寬容性與一致性，實(shí)現(xiàn)從試驗(yàn)環(huán)境到生產(chǎn)環(huán)境的推廣。

如圖5所示，本研究在實(shí)驗(yàn)室搭建了一級(jí)配比系統(tǒng)試驗(yàn)裝置，試驗(yàn)前稱(chēng)量2 g芭田13-40-6水溶肥料加入燒杯內(nèi)。

考慮到復(fù)合肥廠家提供的對(duì)不同作物施肥的幾種建議配比，并在此基礎(chǔ)上適當(dāng)擴(kuò)大了梯度范圍，確保農(nóng)戶(hù)施肥的配比值被標(biāo)準(zhǔn)曲線(xiàn)覆蓋，試驗(yàn)的肥料與水的配比濃度梯度選用為1：25、1：50、1：75、1：100、1：125、1：150、1：175、1：200、1：225、1：250、1：275、1：300、1：325、1：350、1：375、1：400、1：425、1：450、1：475和1：500。試驗(yàn)采用精密注射泵按設(shè)置好的濃度梯度自動(dòng)加入確定體積的水量，嚴(yán)格控制肥料重量與加液體積實(shí)現(xiàn)與實(shí)驗(yàn)室同等精度的配比。每個(gè)配比濃度加液完成后停留30 s，攪拌并多次測(cè)量電導(dǎo)率值，電導(dǎo)率值依次輸入軟件，進(jìn)行建模分析。試驗(yàn)中，選取純水作為對(duì)照組，選取過(guò)濾后的董鋪水庫(kù)水和自來(lái)水作為試驗(yàn)組，三組各配比濃度梯度對(duì)應(yīng)的電導(dǎo)率值如表3所示。

根據(jù)水肥濃度智能感知模型構(gòu)建方法對(duì)芭田13-40-6不同水質(zhì)條件下的溶液的電導(dǎo)率與水肥濃度的變化關(guān)系進(jìn)行曲線(xiàn)擬合，正則化采用L_1范數(shù)結(jié)合L_2范數(shù)，各階曲線(xiàn)的擬合結(jié)果如圖6所示。對(duì)比圖中曲線(xiàn)，不同水質(zhì)配比的水肥溶液電導(dǎo)率和溶液濃度呈正相關(guān)，濃度越大電導(dǎo)率越高，曲線(xiàn)的相關(guān)指數(shù)均達(dá)到顯著水平。芭田13-40-6不同水質(zhì)條件下擬合誤差如表4所示，隨著擬合階數(shù)的增大，數(shù)據(jù)點(diǎn)偏差逐漸減小，二階擬合曲線(xiàn)在偏差指標(biāo)回歸平方和滿(mǎn)足小于1的條件下殘差平方和最小，精度和擬合程度達(dá)到最佳。同時(shí)擬合曲線(xiàn)的相關(guān)指數(shù)R2在高階擬合隨階數(shù)減小，表明復(fù)雜模型擬合過(guò)程容易陷入過(guò)擬合狀態(tài)。

由圖8可知，不同水體對(duì)溶液濃度的準(zhǔn)確感知會(huì)產(chǎn)生影響，水體電導(dǎo)率越大，配肥的濃度誤差越大。隨著溶液電導(dǎo)率的增大，水質(zhì)對(duì)溶液濃度的影響將逐漸降低。在低濃度水肥檢測(cè)中，水體對(duì)電導(dǎo)率檢測(cè)水肥濃度方法的干擾不可忽視，水肥濃度相對(duì)偏差值甚至超過(guò)了0.1，這將對(duì)實(shí)際生產(chǎn)作業(yè)產(chǎn)生較大影響。因此，在建立水肥濃度智能感知模型時(shí)需對(duì)水體作為重要因素進(jìn)行考慮。這進(jìn)一步說(shuō)明本研究提出的建立原位水肥模型的系統(tǒng)具有重要意義，可以消除當(dāng)?shù)厮w電導(dǎo)率的干擾因素，從而確保了水肥配比系統(tǒng)的準(zhǔn)確性。

據(jù)此，本研究提出基于原位電導(dǎo)率速測(cè)的兩級(jí)水肥配比系統(tǒng)，可以針對(duì)復(fù)合肥料與當(dāng)?shù)厮w進(jìn)行定制化的精準(zhǔn)配肥，通過(guò)現(xiàn)場(chǎng)快速建立所用肥料與水體的智能感知模型，可以消除當(dāng)?shù)厮w本底電導(dǎo)率對(duì)水肥濃度的干擾。建立的配肥模型可以直接指導(dǎo)在二級(jí)水肥智能配比系統(tǒng)中進(jìn)行的配肥。通過(guò)測(cè)試二級(jí)水肥智能配比系統(tǒng)中的電導(dǎo)率，可直接告知用戶(hù)N、P2O5和K2O各主要指標(biāo)的具體濃度數(shù)值。

5 結(jié) ?論

本研究通過(guò)將水肥一體化智能灌溉施肥系統(tǒng)作為研究對(duì)象，針對(duì)農(nóng)場(chǎng)當(dāng)?shù)禺?dāng)時(shí)的復(fù)合肥料精準(zhǔn)化配料問(wèn)題，提出一級(jí)原位水肥濃度建模子系統(tǒng)與二級(jí)水肥精準(zhǔn)配比子系統(tǒng)的結(jié)構(gòu)，在一級(jí)子系統(tǒng)中構(gòu)建水肥濃度智能感知模型，消除當(dāng)?shù)厮w電導(dǎo)率對(duì)水肥配比準(zhǔn)確性的干擾，實(shí)現(xiàn)水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)。本研究利用數(shù)據(jù)分析算法從傳感器實(shí)時(shí)監(jiān)測(cè)的一系列濃度梯度的肥料溶液中挖掘出模型，正則化條件下二階的多項(xiàng)式擬合曲線(xiàn)是表達(dá)溶液的電導(dǎo)率與水肥濃度的變化關(guān)系最優(yōu)的模型，由模型可得出用戶(hù)關(guān)心的各指標(biāo)濃度。通過(guò)建立流動(dòng)配肥裝置并建立三種水體的配肥模型，深入探究了三種水體的電導(dǎo)率對(duì)水肥配比準(zhǔn)確性的影響，從而確定了水體對(duì)電導(dǎo)率檢測(cè)水肥濃度方法的干擾不可忽視。

本研究提出的在線(xiàn)水肥感知與配比系統(tǒng)具有系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，自動(dòng)化程度高、水肥精準(zhǔn)配比，易與現(xiàn)有水肥一體機(jī)或者人工配肥系統(tǒng)結(jié)合使用的優(yōu)勢(shì)，可廣泛應(yīng)用于設(shè)施農(nóng)業(yè)栽培、果園栽培和大田經(jīng)濟(jì)作物栽培等環(huán)境下的精準(zhǔn)施肥。

參考文獻(xiàn)：

[1] 徐志龍， 喬曉君. 自動(dòng)灌溉施肥機(jī)在設(shè)施生產(chǎn)中的應(yīng)用[J]. 農(nóng)業(yè)工程技術(shù)（溫室園藝）， 2008（6）： 15-16.

XU Z， QIAO X. Application of automatic irrigation and fertilizer applicator in facility production[J]. Agriculture Engineering Technology （Greenhouse & Horticulture）， 2008（6）： 15-16.

[2] 李友麗， 李銀坤， 郭文忠， 等. 有機(jī)栽培水肥一體化系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2016， 47（S1）： 273-279.

LI Y， LI Y， GUO W， et al. Design and test of integrated water and fertilizer system in organic cultivation[J]. Transactions of the CSAM， 2016， 47（S1）： 273-279.

[3] 章偉. 渭北旱塬蘋(píng)果及葡萄水肥一體化技術(shù)研究[D]. 楊凌： 西北農(nóng)林科技大學(xué)， 2016.

ZHANG W. Application of fertigation in apple and grape orchard in Weibei arid plateau[D]. Yangling： Northwest A&F University， 2016.

[4] 高玉山， 孫云云， 劉方明， 等.玉米膜下滴灌水肥一體化技術(shù)研究進(jìn)展[J]. 玉米科學(xué)， 2016， 24（6）： 155-159.

GAO Y， SUN Y， LIU F， et al. Research progress of maize fertigation with drip irrigation under mulching film[J]. Journal of Maize Sciences， 2016， 24（6）： 155-159.

[5] 劉思汝， 石偉琦， 馬海洋， 等. 果樹(shù)水肥一體化高效利用技術(shù)研究進(jìn)展[J]. 果樹(shù)學(xué)報(bào)， 2019， 36（3）： 366-384.

LIU S， SHI W， MA H， et al. Advances in research on efficient utilization of fertigation in fruit trees[J]. Journal of Fruit Science， 2019， 36（3）： 366-384.

[6] 李永梅， 陳學(xué)東， 李鋒， 等. 寧夏枸杞水肥一體化智能控制技術(shù)應(yīng)用效益[J]. 江蘇農(nóng)業(yè)科學(xué)， 2018， 46（21）： 160-163.

LI Y， CHEN X， LI F， et al. Application benefits of water and fertilizer integration intelligent control technology for Lycium Barbarum[J]. Jiangsu Agricultural Sciences， 2018， 46（21）： 160-163.

[7] 吳松， 李國(guó)輝. 水肥一體化灌溉系統(tǒng)中的施肥設(shè)備[J]. 農(nóng)業(yè)技術(shù)與裝備， 2018（10）： 78-80， 83.

WU S， LI G. Fertilizer applying equipment in water and fertilizer integrated irrigation system[J]. Agricultural Technology & Equipment， 2018（10）： 78-80， 83.

[8] 韓啟彪， 馮紹元， 黃修橋， 等. 我國(guó)節(jié)水灌溉施肥裝置研究現(xiàn)狀[J].節(jié)水灌溉， 2014（12）： 76-79， 83.

HAN Q， FENG S， HUANG X， et al. Research on fertilizer injection units in saving-water irrigation in China[J]. Water Saving Irrigation， 2014（12）： 76-79， 83.

[9] 王成. 滴灌系統(tǒng)常用施肥裝置操作要點(diǎn)及優(yōu)缺點(diǎn)分析[J]. 現(xiàn)代農(nóng)業(yè)科技， 2015（9）： 234， 238.

WANG C. Analysis on operation points， advantages and disadvantages of common fertilizer devices in drip irrigation system[J]. Modern Agricultural Science and Technology， 2015（9）： 234， 238.

[10] 韋立德. 低壓灌溉系統(tǒng)文丘里混肥器變量施肥調(diào)控方式研究[D]. 昆明： 昆明理工大學(xué)， 2018.

WEI L. Study of variable fertilization controlling method of Venturi fertilizer applicator under low pressure irrigation System[D]. Kunming： Kunming University of Science and Technology， 2018.

[11] 韓啟彪. 滴灌壓差施肥濃度變化及其對(duì)水肥分布影響研究[D]. 揚(yáng)州： 揚(yáng)州大學(xué)， 2018.

HAN Q. Research on solute concentration change in drip fertigation of differential pressure and its effect on water and nitrogen distribution[D]. Yangzhou： Yangzhou University， 2018.

[12] 付強(qiáng)， 梅樹(shù)立， 李莉， 等.水肥一體化智能調(diào)控設(shè)備智能液位開(kāi)關(guān)設(shè)計(jì)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2015， 46（S1）： 108-115.

FU Q， MEI S， LI L， et al. Intelligent switcher design in water and fertilizer integration equipment[J]. Transactions of the CSAM， 2015， 46（S1）： 108-115.

[13] 劉永華， 沈明霞， 蔣小平， 等. 水肥一體化灌溉施肥機(jī)吸肥器結(jié)構(gòu)優(yōu)化與性能試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2015， 46（11）： 76-81， 48.

LIU Y， SHEN M， JIANG X， et al. Structure optimization of suction device and performance test of integrated water and fertilizer fertigation machin[J]. Transactions of the CSAM， 2015， 46（11）： 76-81， 48.

[14] 趙景波， 張文彬， 朱敬旭輝， 等.智能混肥控制系統(tǒng)水肥濃度控制策略研究[J]. 農(nóng)機(jī)化研究， 2020， 42（5）： 236-242.

ZHAO J， ZHANG W， ZHU J， et al. Study on water and fertilizer concentration control strategy of intelligent mixed fertilizer control system[J]. Journal of Agricultural Mechanization Research， 2020， 42（5）： 236-242.

[15] 吳琦， 詹宇， 于家旋， 等. 基于混合蟻群算法和變論域模糊控制的混肥系統(tǒng)設(shè)計(jì)[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 2019， 40（7）： 146-150.

WU Q， ZHAN Y， YU J， et al. Design of water and fertilizer mixing system based on hybrid ant colony algorithm and variable domain fuzzy control[J]. Journal of Chinese Agricultural Mechanization， 2019， 40（7）： 146-150.

[16] YERMIYAHU U， TAL A， BEN-GAL A， et al. Rethinking desalinated water quality and agriculture[J]. Science， 2007， 318（5852）： 920-921.

[17] PAWLOWSKI A， SáNCHEZ-MOLINA J A， GUZMáN J L， et al. Evaluation of event-based irrigation system control scheme for tomato crops in greenhouses[J]. Agricultural Water Management， 2016， 183： 16-25.

[18] JAYAKUMAR M， JANAPRIYA S， SURENDRAN U. Effect of drip fertigation and polythene mulching on growth and productivity of coconut （Cocos nucifera L.）， water， nutrient use efficiency and economic benefits[J]. Agricultural Water Management， 2017， 182： 87-93.

[19] FEDLER J. Israeli agriculture： Coping with growh[N]. Jerusalem Post， 2001： 5-18.

[20] 左志宇， 毛罕平， 魏新華， 等. WGF-6-12型溫室自動(dòng)灌溉施肥機(jī)的研制[C]// 中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集. 北京， 中國(guó)： 中國(guó)農(nóng)業(yè)工程學(xué)會(huì)， 2011.

ZUO Z， MAO H， WEI X， et al. Development of WGF-6-12 automatic greenhouse fertigation machine[C]// Proceedings of 2011 Annual Meeting of China Society of Agricultural Engineering. Beijing， China： Chinese Society of Agricultural Engineering， 2011.

[21] 王金武， 潘振偉， 周文琪，等. SYJ-2型液肥變量施肥機(jī)設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2015， 46（7）： 53-58.

WANG J， PAN Z， ZHOU W， et al. Design and test of SYJ-2 type liquid variable fertilizer[J]. Transactions of the CSAM， 2015， 46（7）： 53-58.

[22] 田莉， 李家春， 吳景來(lái)， 等. 旁路吸肥式水肥一體化自動(dòng)施肥機(jī)的設(shè)計(jì)與試驗(yàn)[J].節(jié)水灌溉， 2018 （11）： 98-102， 106.

TIAN L， LI J， WU J， et al. Design and experiment of bypass fertilizer-type water and fertilizer integrated automatic fertilizer applicator[J]. Water Saving Irrigation， 2018 （11）： 98-102， 106.

[23] WANG M， TANG Y， HAO H， et al. The design of agricultural machinery autonomous navigation system based on linux-ARM[C]// Advanced Information Management， Communicates， Electronic and Automation Control Conference.Piscataway， New York， USA： IEEE， 2016.

[24] 趙進(jìn)， 張?jiān)剑?趙麗清， 等.水肥一體化智能管理系統(tǒng)設(shè)計(jì)[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 2019， 40（6）： 184-190.

ZHAO J， ZHANG Y， ZHAO L， et al. Design of integral management system of water and fertilization[J]. Journal of Chinese Agricultural Mechanization， 2019， 40（6）： 184-190.

[25] 江新蘭， 楊邦杰， 高萬(wàn)林， 等. 基于兩線(xiàn)解碼技術(shù)的水肥一體化云灌溉系統(tǒng)研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2016， 47（S1）： 267-272.

JIANG X， YANG B， GAO W， et al. Cloud computing irrigation system of water and fertilizer based on dual-line decoding technology[J]. Transactions of the CSAM， 2016， 47（S1）： 267-272.

[26] 駱東松， 姜浩. 農(nóng)業(yè)水肥一體化智能監(jiān)控系統(tǒng)的研究與實(shí)現(xiàn)[J]. 自動(dòng)化技術(shù)與應(yīng)用. 2020， 39（1）： 164-168， 172.

LUO D， JIANG H. Research and realization of intelligent monitoring system of agricultural water and fertilizer integration [J]. Techniques of Automation and Applications， 2020， 39（1）： 164-168， 172.

[27] 姜巖， 唐勇偉， 李成攻， 等. 基于專(zhuān)家系統(tǒng)的水肥一體機(jī)智能控制系統(tǒng)[J]. 現(xiàn)代農(nóng)業(yè)科技， 2018（10）： 191-193.

JIANG Y， TANG Y， LI C， et al. Intelligent system of water and fertilizer based on expert system[J]. Modern Agricultural Science and Technology， 2018（10）： 191-193.

[28] 姜巖， 段杰， 王茂勵(lì)， 等. 基于物聯(lián)網(wǎng)技術(shù)的水肥一體化智能管理系統(tǒng)[J]. 現(xiàn)代農(nóng)業(yè)科技， 2018（16）： 279-281.

JIANG Y， DUAN J， WANG M， et al. Intelligent system of water and fertilizer based on internet of things technology[J]. Modern Agricultural Science and Technology， 2018（16）： 279-281.

[29] PERALTAPENA， ANGELMIGUEL. Fertilizer injection with rotary vane pumps and electrical conductivity control in mixed solutions for fertirrigation[J]. Revista Ciencias Te?cnicas Agropecuaria， 2010， 19： ID 3.

Abstract： Water and fertilizer integration technology can effectively improve nutrient utilization efficiency. However， the existing water and fertilizer machines have some shortcomings， such as huge cost， single fertilizer injection， need for cleaning water and so on， which hinder the development of water and fertilizer integration technology. Aiming at the problems of precise and low-cost compounding of compound fertilizer at the local farm， the water and fertilizer integrated intelligent irrigation and fertilization system were taken as the research object. In this research， new concept of an intelligent sensing system was proposed， and accurate proportioning system of water and fertilizer concentration was constructed and implemented. Firstly， a fast on-line method of intelligent sensing model of water and fertilizer was established based on a series of concentration gradient compound fertilizer solutions. The conductivity values of these formulated solutions were tested by contactless conductivity detection electrodes. Subsequently， the data analysis algorithms were discussed and compared to fit regression model. Based on the intelligent sensing model of water and fertilizer ， the framework structure of in-situ intelligent sensing and accurate proportioning system of water and fertilizer concentration was designed， and the working principle of the system was also explained. The system proposed includs a first-level water and fertilizer concentration intelligent perception model building subsystem and a second-level water and fertilizer accurate proportioning subsystem. The first-level subsystem was designed as a portable device， which mainly included a precise pump for quantitative dosing， a large-range online conductivity sensor， a plastic bucket and supporting control and model building software. The second-level subsystem was designed as a dynamic and precise fertilizer distribution device. The effectiveness of the system was verified by three types of water intelligent fertilizer application so as to guide the in-situ water and fertilizer concentration ratio. The testing results showed that the second-order polynomial fitting curve under regularization conditions was the best model to express the relationship between the conductivity and the concentration of water and fertilizer， and the correlation coefficients R2 was higher than 0.999. Combined with the proportion of each index of compound fertilizer， the concentration of each index of compound fertilizer that the user cares about can be obtained according to this model. The results of three types of water intelligent fertilizer application showed that the conductivity of natural water had an effect on the water and fertilizer system， and the relative deviation was more than 0.1. The online water and fertilizer perception and ratio system proposed in this research realized the elimination of the interference of the local water conductivity on the accuracy of the ratio of water and fertilizer， and the accurate calculation of compound fertilizer was achieved through model calculation. This system has a simple structure and accurate ratio， low cost， and can be easily combined with the existing water and fertilizer integrated machine or artificial fertilizer system. The system could be widely used in facility agriculture， orchard cultivation and field cash crop cultivation， et al.

Key words： water and fertilizer integration; conductivity; intelligent sensing; precision proportioning; system modeling; polynomial curve fitting