贺敏娜，王新怀，徐 茵，王 焕，王晗宇（西安电子科技大学，陕西 西安 710126）
摘 要：规划了以单片机为中心、根据NB-IoT、PID操控和阿里云服务器等技能的智能农业辅佐操控体系。规划中体系可实时监测大棚内作物的成长状况，并主动对温湿度等环境要素作出相应调整，将散布式传感器在不同节点收集到的作物成长状况及成长环境等数据发送到数据收集中心，主动进行开端剖析后上传至服务器，用户可经过网页或手机客户端长途了解作物成长状况、操控环境参数及设备运转。因为体系本钱低价，有着宽广的运用场景，可在农业基地大棚、家庭植物护理等场景安置运用，习惯精准扶贫。
要害词：NB-IoT；才智农业；视觉剖析；FCN；精准扶贫
注：本文受中心高校科研业务费项目（项目编号20101195625）支撑；本项目获得了2018年陕西省互联网+大赛铜奖
0 导言
长时间以来，我国农业开展较为落后，科学技能对农业出产的贡献率较低。跟着物联网技能的开展，农业智能化年代逐渐到来。笔者经过对陕西省蒲城县等农业基地的屡次实地考察，发现存在着农业主动化程度低、无法长途监控、增产要素难以把控等问题，因而对大棚内作物的成长状况进行实时监控十分必要。本体系以散布式传感器节点、NB-IoT数据链、云端服务器为要害组分，规划了具有远端监控作物成长状况，调理环境参数等功用的智能农业辅佐操控体系。
1 体系规划
本体系全体可分为4部分：第1部分是以单片机(MCU)和NB-IoT模块为中心的节点主体；第2部分是以透传云、服务器为中心的长途剖析及数据传输体系；第3部分是包含DHT11温湿度传感器、CCS811二氧化碳传感器、BH1750光照度传感器等定制化外置传感器和继电器、电磁阀等操控器；第4部分是树莓派微型电脑和NB-IoT模块节点以及摄像头号数据量较大的传感器。树莓派上可读取摄像头拍照画面，运转本地剖析程序，将剖析成果经过NB-IoT上传至透传云。全体体系结构图见图1。
经过引进视觉剖析，运用动态阈值离散化和FCN（全卷积神经网络）等语义切割技能对棚区木耳的长势进行动态追寻，有用处理了当时采摘功率较低的问题。将传感器和中心节点模块化，用户也可经过选装相关配件、传感器来挑选相关服务。经过对农作物成长状况历史记载剖析，体系可半监督学习作物成长全进程的最优环境参数，对整个成长周期有更全面的了解和调整，然后有用实时地监测大棚内作物的成长状况，并主动作出相应调整，真实完成智能农业出产。
1.1 体系操控算法
体系在装置后，节点向服务器进行注册，发送装置的传感器和操控器的品种和个数。接着初始化用户界面，显现各个传感器和操控器的状况，贮存各传感器的历史数据表格，以供用户在图形化界面上挑选主动操控的流程和条件。服务器根据各节点的运算才能及接入的传感器和操控器，将每个操控流程均匀散布加载到各节点。终究对NB-IoT两次唤醒之间的休眠距离进行装备，并使之完成同步唤醒。当NB-IoT休眠时，不进行通讯，各节点和服务器独立运转。需求发送的数据主动存入缓冲区，等候NB-IoT唤醒后再进行发送。设定操控算法流程示意图见图2。
1.2 体系作业进程
节点将接纳到的传感器数据输入到操控中进行核算，得出操控指令，并将得出的操控指令存入缓冲区等候发送。再读取各个传感器，将数据贮存至缓冲区等候上传。若数据超越报警上下限则强制唤醒NB-IoT，向服务器发送报警信息；反之则进入低功耗方式，等候NB-IoT模块守时唤醒，以减小功耗。
服务器经过剖析历史数据，结合基地中心上传的长势数据，得出现在状况的栽培计划，更新操控进程的各个参数。待节点的NB-IoT唤醒后，各节点向服务器上传最新传感器数据，在服务器上更新操控参数，从而向其他节点发送操控指令（或接纳其他节点发来的操控指令）。从其他节点接纳本节点内操控算法所需求的数据。终究完毕一次作业循环，使NB-IoT休眠。
2 体系功用完成
2.1 硬件部分
2.1.1 节点探针模块
选用STM32F103C8T6作为微操控器（MCU），其功用强大且价格低价。将每块单片机封装成一个监测“探针”，置于大棚中的监测点处，完成对大棚内的空气温湿度、光照强度和二氧化碳浓度的实时记载，并将数据上传至上位机，以便农业作业人员根据实地状况及时作出处理。
2.1.2 温湿度检测模块
温湿度丈量选用数字传感器DHT11，该传感器依托单总线协议与MCU（单片机）进行通讯。在未接纳主机发送的开端信号时，传感器处于超低能耗状况，尽可能地节约耗费。一起它运用了专用的数字模块收集技能和温湿度传感技能，可保证高的丈量可靠性与长时间稳定性。DHT11单总线协议时序图见图3。
2.1.3 光照强度检测模块
光照强度丈量选用数字型光强度传感器BH1750，它具有较高的分辨率，运用它可探测到改变范围在1~65535 lx内的光强数据。传感器有6种分辨率方式可供挑选，根据对实践状况的剖析，选用了接连H分辨率方式，该方式作业在11 lx分辨率下，一次丈量时长约为120 ms。按照芯片对应的通讯时序图，咱们编写了根据I 2 C通讯协议的运用程序。I 2 C协议时序图见图4。
2.1.4 二氧化碳浓度检测模块
二氧化碳浓度是农业出产中一项较为重要的参数，在考虑了作业功能、实践需求、传感器体积、本钱等多个方面之后，终究确认运用Cambridge CMOS Sensors公司出产的超低功耗微型气体传感器CCS811。
2.2 软件部分
2.2.1 服务器树立
本体系经过租借云服务器将NB-IoT收集的数据保存下来，进行数据办理。经过浏览器翻开咱们的web端界面，输入对应的NB-IoT设备ID，可完成web端与NB-IoT设备的衔接。web端程序监测NB-IoT的实时状况，一旦NB-IoT收集的数据更新，即可当即获取最新的大棚数据。这儿相同经进程序衔接NB-IoT模块，运用自界说函数来获取账号下的大棚数据信息。获取的数据别离对应着大棚号、节点号、棚内温度(℃)，空气湿度(%)、光照强度(lx)以及二氧化碳浓度。
为了便利数据的办理，咱们运用联系型数据库办理体系MySQL，存储数据信息。经过树立独立数据库，在库内为每个大棚独自建表，各自存储对应的数据，表的数量可根据当时状况进行增加或删减，利于后期项目办理。当节点有需求时，服务器可回归剖析历史记载，得出对当时状况最有利的参数值。
在ODBC驱动的辅佐下，完成了JavaScript和MySQL数据库的衔接，当JavaScript获取NB-IoT更新的数据时，数据即可有序存入库中。
2.2.2 用户界面完成
为了完成直观显现用户一切设备状况及要害数据，长途操控大棚设备运作等功用，界面每个账户下的设备在主页以卡片方式展现，用户可看到各个设备所监测目标的数值及当时设备的在线状况。用户在界面点击单个卡片便可进入概况页面，检查该设备上的详细数据及图表化形象展现。
装备适配器MyFragmentPagerAdapter，创立ViewHolder 并界说item点击回调接口。用TabLayout控件，设置监听并重写onTabSelected办法。运用Adapter完成各个Fragment切换，并用RecyclerView来完成在页面中增加列表式的item，相同需求装备适配器RvAdapter。每个item装备但独自的xml文件。各个item点击的作用由item_selector.xml来完成。
运用Android下的播送机制，经过自界说的UsrCloudClient、UsrCloudClientService等Java类，来衔接NB-IoT设备并进行实时数据更新与获取。
2.2.3 作物长势剖析体系完成
本体系经过网络摄像头对图画进行收集后，先对图画进行语义切割。从而选用FCN（全卷积网络）对语义进 行切割，经过预先区分区域的图画数据集练习后，可对恣意场景和视点将作物区域进行切割。比较传统的（Mask）蒙版区分习惯性更强，可靠性更高。典型FCN网络架构见图5。
3 定论
经实践测验，本体系硬件、软件及计划都可行，且高度满意当时我国科技农业推行的需求。比照现在同类产品，本体系具有本钱低、功率高、可定制化等长处，根本适用于一切农作物的农业出产。
参考文献
[1]孙科.运用 NB-IoT物联网技能建造才智小区[J].我国新通讯，2017，19(9):95-96.
[2]许爱萍.天津才智农业开展中的首要问题与处理途径[J].国际农业，2017(3):198-203.
[3]夏显力，赵凯，王劲荣.美国农业开展对加速我国现代农业建造的启示与学习[J].农业现代化研讨，2007，28(4):467-471.
[4]王兰明，牛文林.从以色列高效集约型农业看高科技运用作用[J].河北北方学院学报(自然科学版)，2001(2):39-41.
[5]林长勇.根据NB-IoT的物联网运用研讨[J].信息与电脑(理论版)，2017(17):167-168.
[6]孟凡，王金忠.NB-IoT联合组网及优化战略[J].电信工程技能与标准化，2018，31(6):32-36.
[7]徐军， 孙庭.数字图画处理技能在图画识别上的运用[J].有线电视技能，2008，15(5):129-130.
[8]李冠林，王海光，黄冲，等.根据图画处理和图画识别的植物病害确诊办法初探[C].公共植保与绿色防控，2010.
[9]于海斌，曾鹏，王忠锋，等.散布式无线传感器网络通讯协议研讨[J].通讯学报，2004，25(10):102-110.
[10]梅方权.农业信息化带动农业现代化的战略剖析[J].我国农村经济，2001(12):22-26.
[11]吴静，张冬平.国家科技方针对农业创新式企业开展影响的实证剖析[J].技能经济与办理研讨，2018(6):106-113.
[12] Yang J D，Chen Y S，Hsu W H.Adaptive thresholding algorithm and itshardware implementation[J].Pattern Recognition Letters，1994，15(2):141-150.
[13] Long J， Shelhamer E， Darrell T. Fully convolutional networks forsemantic segmentation[J]. IEEE Transactions on Pattern Analysis & MachineIntelligence，2014，39(4):640-651.
作者简介：
王新怀，男，博士，副教授，研讨方向：微波毫米波电路与体系规划、智能天线与天线组阵技能等范畴。
徐茵，女，高级工程师，研讨方向：微波毫米波电路与体系规划、实时信号处理体系规划等范畴。
贺敏娜，经济与办理学院信息办理与信息体系专业。
王焕，电子工程学院电子信息工程专业。
王晗宇，电子工程学院电子信息工程专业。
（注：本文来源于科技期刊《电子产品国际》2019年第9期第73页，欢迎您写论文时引证，并注明出处。）
