基于物聯(lián)網(wǎng)的精準(zhǔn)農(nóng)業(yè)果蔬種植預(yù)警系統(tǒng)

摘要：依托專家系統(tǒng)，構(gòu)建了基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的病害診斷預(yù)警平臺(tái)、生產(chǎn)管理預(yù)警平臺(tái)和物流運(yùn)輸預(yù)警平臺(tái)，合理布置傳感器，同時(shí)應(yīng)用了RFID、3G、ZigBee、GPRS等物聯(lián)網(wǎng)技術(shù)。該系統(tǒng)用于涮涮辣示范生產(chǎn)，在生產(chǎn)與運(yùn)輸過(guò)程中，起到了對(duì)環(huán)境參數(shù)超出適宜值范圍進(jìn)行預(yù)警，并能精細(xì)調(diào)控肥水、溫濕度、農(nóng)藥等的作用，以降低生產(chǎn)成本，大范圍應(yīng)用能產(chǎn)生更好的經(jīng)濟(jì)效益。

關(guān)鍵詞：物聯(lián)網(wǎng)；精準(zhǔn)農(nóng)業(yè)；果蔬種植；預(yù)警系統(tǒng)；專家系統(tǒng)

中圖分類(lèi)號(hào)：S126；TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2016）14-3741-04

DOI：10.14088/j.cnki.issn0439-8114.2016.14.051

Abstract： The Internet of thing early warning system for precision agriculture， relying on expert system， neural network based on genetic algorithm to optimize of disease diagnosis of early warning platform， production management early warning platform and logistics platform is constructed， reasonable arrangement of sensors， at the same time， the application of Internet of things technology such as RFID，3G， ZigBee， GPRS. The system applied in the production of rinse hot demonstration in the process of production and transportation， the environment parameters beyond good value for early warning， and fine regulation and water， the effect of temperature and humidity， pesticide and so on， in order to reduce the production cost， wide range application can create better economic benefits.

Key words： the Internet of things； precision agriculture； fruit and vegetable production； early warning system； expert system

精準(zhǔn)農(nóng)業(yè)，也稱精細(xì)農(nóng)業(yè)，是根據(jù)作物生長(zhǎng)的土壤墑情來(lái)調(diào)節(jié)對(duì)作物的投入，以最節(jié)省的投入達(dá)到更高的收入，并能改善環(huán)境的生產(chǎn)方式。精準(zhǔn)農(nóng)業(yè)技術(shù)由田間信息采集、智能決策和智能裝備技術(shù)組成，通過(guò)對(duì)信息采集、加工及應(yīng)用，以實(shí)現(xiàn)糧食增產(chǎn)和農(nóng)民增收的目標(biāo)。其中，從田間實(shí)時(shí)、準(zhǔn)確地采集各種影響作物生長(zhǎng)的環(huán)境信息及作物長(zhǎng)勢(shì)是實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)的基礎(chǔ)[1]。物聯(lián)網(wǎng)作為現(xiàn)代信息技術(shù)發(fā)展的產(chǎn)物，具有全面感知、可靠傳送、智能處理等特征，將其用于農(nóng)業(yè)生產(chǎn)中，為實(shí)現(xiàn)田間信息采集、遠(yuǎn)程監(jiān)測(cè)及控制提供可靠保障。物聯(lián)網(wǎng)是指通過(guò)射頻識(shí)別、傳感器、全球定位系統(tǒng)、激光掃描器等信息傳感設(shè)備，按照約定的協(xié)議，把物品與互聯(lián)網(wǎng)連接起來(lái)，進(jìn)行信息交換和通信，采用智能計(jì)算技術(shù)對(duì)信息進(jìn)行分析處理，以實(shí)現(xiàn)智能識(shí)別、定位、跟蹤、智能決策和監(jiān)控的一種網(wǎng)絡(luò)。物聯(lián)網(wǎng)技術(shù)已經(jīng)深入應(yīng)用在許多領(lǐng)域[2-6]，而將精準(zhǔn)農(nóng)業(yè)與物聯(lián)網(wǎng)技術(shù)相結(jié)合，可最大限度提高農(nóng)業(yè)生產(chǎn)力，是實(shí)現(xiàn)優(yōu)質(zhì)、高產(chǎn)、低耗、環(huán)保等可持續(xù)發(fā)展農(nóng)業(yè)的有效途徑。

本研究提出基于物聯(lián)網(wǎng)的精準(zhǔn)農(nóng)業(yè)果蔬種植預(yù)警系統(tǒng)，利用各種傳感設(shè)備實(shí)時(shí)獲取田間信息，通過(guò)無(wú)線網(wǎng)絡(luò)技術(shù)傳至上位機(jī)，依托專家系統(tǒng)進(jìn)行分析、處理，對(duì)影響作物生長(zhǎng)的因素做出預(yù)警與調(diào)控，使果蔬生長(zhǎng)在最佳的環(huán)境中，從而實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)作業(yè)的經(jīng)濟(jì)化及智能化?；谖锫?lián)網(wǎng)精準(zhǔn)農(nóng)業(yè)的果蔬種植預(yù)警系統(tǒng)包括軟、硬件兩部分，軟件開(kāi)發(fā)含3個(gè)預(yù)警平臺(tái)，依托專家系統(tǒng)，實(shí)現(xiàn)病害診斷預(yù)警平臺(tái)、生產(chǎn)管理預(yù)警平臺(tái)和物流運(yùn)輸預(yù)警平臺(tái)，通過(guò)合理布置無(wú)線傳感器，融合3G、ZigBee等無(wú)線網(wǎng)絡(luò)，運(yùn)用物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)高效、便捷、實(shí)時(shí)的科學(xué)化果蔬生產(chǎn)管理體系。

1 專家系統(tǒng)構(gòu)建

專家系統(tǒng)（Expert System）是人工智能的一個(gè)重要分支，包括知識(shí)庫(kù)與推理機(jī)，將人類(lèi)專家的知識(shí)及經(jīng)驗(yàn)以適當(dāng)?shù)男问酱嫒胗?jì)算機(jī)，利用一定的算法對(duì)知識(shí)進(jìn)行推理，做出判斷和決策等。知識(shí)庫(kù)是專家系統(tǒng)的核心，是問(wèn)題求解的集合，包括基本事實(shí)、規(guī)則和其他相關(guān)信息。推理機(jī)是專家系統(tǒng)運(yùn)用知識(shí)對(duì)數(shù)據(jù)進(jìn)行推理的邏輯核心，它控制著知識(shí)庫(kù)中的知識(shí)，對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行推理，以得出新的結(jié)論。用戶提供事實(shí)或信息給專家系統(tǒng)，相應(yīng)地收到專家系統(tǒng)的建議或?qū)ｉT(mén)知識(shí)。

農(nóng)業(yè)是一個(gè)復(fù)雜的巨系統(tǒng)，農(nóng)業(yè)生產(chǎn)具有復(fù)雜多變性。從不同作物的生長(zhǎng)需求出發(fā)，通過(guò)總結(jié)、收集作物栽培領(lǐng)域的知識(shí)、專家經(jīng)驗(yàn)和試驗(yàn)數(shù)據(jù)構(gòu)建專家知識(shí)庫(kù)，實(shí)現(xiàn)具有咨詢和決策能力的應(yīng)用服務(wù)平臺(tái)，是現(xiàn)代農(nóng)業(yè)技術(shù)的研究熱點(diǎn)。本研究以果蔬種植為例，采用B/S三層體系結(jié)構(gòu)，在Windows NT Server平臺(tái)下使用，以SQL Server 2008為數(shù)據(jù)庫(kù)管理系統(tǒng)，采用Visual C#.NET編程語(yǔ)言，整個(gè)軟件分基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的病害預(yù)警、生產(chǎn)管理預(yù)警、產(chǎn)品運(yùn)輸預(yù)警等服務(wù)平臺(tái)，平臺(tái)包括表現(xiàn)層、業(yè)務(wù)層、數(shù)據(jù)訪問(wèn)層和數(shù)據(jù)庫(kù)4層。數(shù)據(jù)訪問(wèn)用于所有業(yè)務(wù)層與數(shù)據(jù)庫(kù)之間的數(shù)據(jù)管理，是一個(gè)公共層，由數(shù)據(jù)訪問(wèn)組件與數(shù)據(jù)庫(kù)連接組件構(gòu)成。業(yè)務(wù)層根據(jù)不同的管理對(duì)象建立不同的業(yè)務(wù)組件，如用戶注冊(cè)管理組件、信息采集組件、實(shí)施控制組件等，還可根據(jù)實(shí)際需求的變化方便地增改組件，易于系統(tǒng)的維護(hù)和升級(jí)[7]。在果蔬生產(chǎn)管理中，依托專家系統(tǒng)，對(duì)物聯(lián)網(wǎng)技術(shù)獲取的影響果蔬生長(zhǎng)的環(huán)境參數(shù)進(jìn)行推理，并做出決策及調(diào)控，以實(shí)現(xiàn)動(dòng)態(tài)調(diào)節(jié)適宜果蔬生長(zhǎng)的最佳條件，為果蔬種植實(shí)現(xiàn)智能、節(jié)能、高效的管理提供保障。

2 基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的病蟲(chóng)害診斷預(yù)警平臺(tái)

實(shí)現(xiàn)果蔬病害的預(yù)警預(yù)報(bào)，是有效防治和控制病害發(fā)生發(fā)展，減少農(nóng)藥施用和生產(chǎn)無(wú)公害果蔬的最佳途徑。影響果蔬病蟲(chóng)害發(fā)生的因素較多，包括氣象、自然環(huán)境、本身表現(xiàn)出的密度和非密度制約因素等。其中，氣象因子與病害密切相關(guān)，大棚內(nèi)濕度、溫度不適是造成病害發(fā)生和蔓延的主要原因。如涮涮辣種植中常見(jiàn)病害有疫病、葉斑病、灰霉病、炭疽病等，每種病害有其獨(dú)特的生長(zhǎng)習(xí)性，其中疫病在溫度為25～30 ℃、濕度高于85%時(shí)發(fā)病較重。但氣象因子與病害不具備線性關(guān)系，若用數(shù)理統(tǒng)計(jì)方法找出氣象因子與病害之間的某種函數(shù)關(guān)系有一定難度。BP神經(jīng)網(wǎng)絡(luò)理論是一種非線性識(shí)別理論，它具有自學(xué)習(xí)、自適應(yīng)和容錯(cuò)能力，在模式識(shí)別中得到廣泛應(yīng)用。但BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)的缺點(diǎn)，而遺傳算法可很好克服此缺陷，可先用遺傳算法搜索BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值，求出最優(yōu)的權(quán)值和閾值后再訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，以實(shí)現(xiàn)全局最優(yōu)。其思想是對(duì)神經(jīng)元的連接權(quán)值和閾值進(jìn)行編碼，使之成為碼串的初始群體，進(jìn)而通過(guò)遺傳選擇、交叉、變異操作對(duì)每一代群體進(jìn)行計(jì)算和篩選，直到獲得最佳權(quán)值和閾值。將神經(jīng)網(wǎng)絡(luò)輸出的均方誤差作為遺傳算法的個(gè)體適應(yīng)度，經(jīng)重復(fù)計(jì)算，將誤差降至全局最小[8]。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的算法流程如圖1所示。

本研究基于遺傳優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)采用三層結(jié)構(gòu)，即輸入層、隱含層和輸出層，每層神經(jīng)元個(gè)數(shù)分別用s、q、m表示，則可表示為BP（s，q，m）。以最高溫度、最低溫度、平均溫度、最高濕度、最低濕度、平均濕度、光照強(qiáng)度共7個(gè)因素為輸入?yún)?shù)，以作物病感指數(shù)為輸出。病感指數(shù)的計(jì)算分別見(jiàn)表1病害分級(jí)標(biāo)準(zhǔn)和公式（1）。

隱層節(jié)點(diǎn)數(shù)的確定采用試湊法，以涮涮辣常見(jiàn)病害：疫病、青枯病、猝倒病為例進(jìn)行訓(xùn)練，根據(jù)表2的訓(xùn)練結(jié)果，最后確定的網(wǎng)絡(luò)結(jié)構(gòu)為BP（7，19，1）。用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的病害預(yù)警模型的步驟及用Matlab2009a實(shí)現(xiàn)的偽代碼如下：

1）創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)

net=newff（minmax（P），[S1，3]，{‘tansig’，‘tansig’}，’trainlm’）/*S1為隱含層神經(jīng)元數(shù)，R、S2分別為輸入、輸出神經(jīng)元數(shù)

2）對(duì)初始化參數(shù)選定

3）用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值

R=size（pn，1）；

S2=size（tn，1）；

S1=20；

S=R*S1+S1*S2+S1+S2；/*S為遺傳算法編碼長(zhǎng)度

主程序?qū)崿F(xiàn)：/*P，T為訓(xùn)練樣本的輸入、輸出維數(shù)

[P，T，R，S1，S2，S]=nninit/*初始化

bb=ones（S，1）*[-1，1]；/*初始化種群

initPbb=initializega（popa，bb，'gabpEval'）；/*初始化遺傳算法

計(jì)算最優(yōu)的網(wǎng)絡(luò)權(quán)值與閾值：

[W1，B1，W2，B2]=gadecod（x）；

net.IW{1，1}=W1；

net.LW{2，1}=W2；

net.b{1}=B1；

net.b{2}=B2；

net=train（net，P，T）；/*用新的權(quán)值及閾值訓(xùn)練網(wǎng)絡(luò)

4）仿真操作

訓(xùn)練停止后可用語(yǔ)句tn_bp_sim=sim（net_bp，P_test）進(jìn)行仿真，5個(gè)測(cè)試樣本的正確率分別為98%、99%、100%、92%，97%，平均正確率為97.2%。

3 生產(chǎn)管理預(yù)警服務(wù)平臺(tái)

果蔬生產(chǎn)管理預(yù)警平臺(tái)包括視頻監(jiān)控、農(nóng)業(yè)環(huán)境監(jiān)測(cè)、采集數(shù)據(jù)的存儲(chǔ)及遠(yuǎn)程控制模塊組成。視頻監(jiān)控用于定點(diǎn)、定時(shí)的觀測(cè)果蔬生長(zhǎng)情況，該系統(tǒng)包括遠(yuǎn)程Web在線查看、視頻數(shù)據(jù)存儲(chǔ)、回放等功能。農(nóng)業(yè)環(huán)境監(jiān)測(cè)是精準(zhǔn)農(nóng)業(yè)的基礎(chǔ)部分，用于監(jiān)測(cè)影響果蔬生長(zhǎng)的環(huán)境參數(shù)變化。本研究以物聯(lián)網(wǎng)技術(shù)為核心，監(jiān)測(cè)影響果蔬生長(zhǎng)的光照強(qiáng)度、CO2濃度，溫度、濕度，土壤含氮量、pH等環(huán)境信息[9，10]，生產(chǎn)管理者可通過(guò)智能終端、Web瀏覽器等方式實(shí)時(shí)查看監(jiān)控區(qū)域的詳細(xì)監(jiān)測(cè)信息和經(jīng)推理后的預(yù)警信息。

1）大棚精準(zhǔn)農(nóng)業(yè)檢測(cè)控制系統(tǒng)設(shè)計(jì)。在果蔬大棚內(nèi)合理布置各種傳感器，以實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)各項(xiàng)環(huán)境參數(shù)，同時(shí)安裝可調(diào)控設(shè)施（如抽風(fēng)機(jī)、噴淋系統(tǒng)、加熱器、補(bǔ)光燈等設(shè)備），基于物聯(lián)網(wǎng)精準(zhǔn)農(nóng)業(yè)的果蔬種植預(yù)警管理系統(tǒng)如圖2所示。該系統(tǒng)可實(shí)時(shí)采集棚內(nèi)環(huán)境參數(shù)，將數(shù)據(jù)通過(guò)有線或無(wú)線方式發(fā)送至上位機(jī)，服務(wù)器對(duì)數(shù)據(jù)進(jìn)行分析，最后以直觀的曲線、圖表、報(bào)警信息等通過(guò)終端展現(xiàn)給用戶。同時(shí)，系統(tǒng)軟件為棚內(nèi)可控設(shè)施預(yù)留了端口，可通過(guò)預(yù)警后的人工操作，或用智能終端開(kāi)啟或關(guān)閉調(diào)控設(shè)施實(shí)現(xiàn)自動(dòng)調(diào)控，使作物生長(zhǎng)在最佳環(huán)境中。

不同果蔬對(duì)環(huán)境、氣象在不同時(shí)期有不同的需求，如涮涮辣生長(zhǎng)過(guò)程中，播種后3～4 d，溫度要控制在30 ℃左右，當(dāng)種子破土后，白天溫度要控制在15～20 ℃，晚上控制在12～16 ℃；當(dāng)?shù)谝黄樔~露尖后白天控制在20～25 ℃，晚上控制在適15～20 ℃；當(dāng)分苗后前3 d，要保持好空氣濕度和溫度，保證白天25～30 ℃，晚上控制在15～20 ℃左右，其他時(shí)期最宜溫度平均為16～21 ℃。這些溫度值可預(yù)先在專家系統(tǒng)進(jìn)行設(shè)置，若監(jiān)測(cè)到的溫度超出設(shè)定的范圍，系統(tǒng)將自動(dòng)報(bào)警。同樣光照、濕度、CO2濃度、肥水的最佳范圍值及自動(dòng)控制策略均可在專家系統(tǒng)中設(shè)定。

2）物聯(lián)網(wǎng)傳感平臺(tái)節(jié)點(diǎn)布置?；谖锫?lián)網(wǎng)的精準(zhǔn)農(nóng)業(yè)生產(chǎn)預(yù)警系統(tǒng)，無(wú)線傳感器節(jié)點(diǎn)是采集信息單元。傳感器節(jié)點(diǎn)通常是一個(gè)嵌入式系統(tǒng)，各傳感器節(jié)點(diǎn)集成有傳感器其執(zhí)行器模塊、計(jì)算與存儲(chǔ)模塊、通信模塊和電源模塊[11，12]，其結(jié)構(gòu)如圖3所示。為確保大棚果蔬能在最適宜的環(huán)境中生長(zhǎng)，對(duì)傳感器節(jié)點(diǎn)的設(shè)計(jì)提出了較高要求，既要求傳感器節(jié)點(diǎn)能夠精確檢測(cè)大棚內(nèi)的各種氣象、土壤墑情等參數(shù)，又要求傳感器有效覆蓋大棚的每個(gè)角落。

該系統(tǒng)在涮涮辣大棚中進(jìn)行試驗(yàn)，傳感器節(jié)點(diǎn)的處理器單元和無(wú)線傳輸單元采用CHIPCON公司的CC2430芯片，它是一種基于ZigBee協(xié)議，集成89C51內(nèi)核處理器芯片和ZigBee無(wú)線收發(fā)模塊，內(nèi)置RF2420射頻芯片，并增加CC2591增益放大芯片。單點(diǎn)之間傳輸有效距離可達(dá)700 m，系統(tǒng)監(jiān)測(cè)并存儲(chǔ)大棚內(nèi)各個(gè)環(huán)境數(shù)據(jù)，所有監(jiān)測(cè)節(jié)點(diǎn)均采用無(wú)線傳輸。棚內(nèi)空氣溫濕度、CO2濃度、光照強(qiáng)度按每隔10 m布置一個(gè)監(jiān)測(cè)節(jié)點(diǎn)，每個(gè)監(jiān)測(cè)點(diǎn)分上、中、下3個(gè)層次，距地面高度分別為50、100、160 cm。每個(gè)大棚部署3個(gè)土壤溫濕度傳感器監(jiān)測(cè)點(diǎn)，每個(gè)監(jiān)測(cè)點(diǎn)又分土層5、15、30 cm 3個(gè)層次，布置3個(gè)pH和氨氮傳感器監(jiān)測(cè)點(diǎn)，每個(gè)監(jiān)測(cè)點(diǎn)分土層5、、15、30 cm 3個(gè)層次。若還需增加監(jiān)測(cè)節(jié)點(diǎn)，只需在軟件系統(tǒng)中設(shè)置即可，硬件的采集節(jié)點(diǎn)無(wú)需修改。施工采用支架式插入土壤，種植時(shí)可快速方便布置，而在空閑季節(jié)，可方便回收至倉(cāng)庫(kù)保管。采集節(jié)點(diǎn)供電采用鋰電池供電和太陽(yáng)能板供電二種模式，根據(jù)無(wú)線節(jié)點(diǎn)的采集頻率和傳感器耗電量而定，當(dāng)采集頻率間隔≥5 min/次，無(wú)線節(jié)點(diǎn)的低功耗模式啟動(dòng)，節(jié)點(diǎn)可持續(xù)工作6個(gè)月。

4 物流管理預(yù)警平臺(tái)

物流管理預(yù)警平臺(tái)是果蔬生產(chǎn)管理的擴(kuò)展平臺(tái)，是保證其價(jià)值量的環(huán)節(jié)之一。據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，每年在運(yùn)輸過(guò)程中腐爛變質(zhì)的水果、蔬菜、乳制品等易損壞食品的總價(jià)值達(dá)1 000億元以上，損失率高達(dá)25%～30%，而發(fā)達(dá)國(guó)家果蔬的損失率一般控制在5%。因此對(duì)鮮嫩易爛的果蔬在運(yùn)輸車(chē)輛中安裝GPS定位、溫濕度傳感器及RFID射頻識(shí)別，實(shí)時(shí)采集車(chē)輛、產(chǎn)品的基本信息，通過(guò)3G、GPRS等技術(shù)[13]傳至監(jiān)控中心，依托專家系統(tǒng)對(duì)采集的數(shù)據(jù)分析，對(duì)貨損、延遲、失竊、線路異常等情況預(yù)警，以便實(shí)現(xiàn)調(diào)度和調(diào)控，從而有效降低果蔬運(yùn)輸中因腐爛變質(zhì)的損失率。其運(yùn)輸預(yù)警功能結(jié)構(gòu)如圖4所示。

底層信息釆集由GPS衛(wèi)星導(dǎo)航定位、RFID貨物基本信息采集、傳感器貨物狀態(tài)信息采集等軟硬件組成。監(jiān)控中心的軟件包含數(shù)據(jù)接收存儲(chǔ)、異常報(bào)警、基本功能、GIS電子地圖繪制等組成。其中GPS導(dǎo)航定位每隔5 min采集車(chē)輛途中的實(shí)時(shí)經(jīng)緯度、速度及方向信息，通過(guò)3G上傳至監(jiān)管中心，監(jiān)管中心收到信息，計(jì)算并結(jié)合GIS功能在電子地圖上顯示，若與預(yù)設(shè)的不一致，通過(guò)3G向管理員及駕駛員發(fā)出異常報(bào)警信息；RFID定時(shí)采集物品的基本信息[14]，如物品編碼、采摘日期、數(shù)量、價(jià)格、目的地等信息，并與RFID中的初始信息對(duì)比，若出現(xiàn)信息不一致，則將異常信息通過(guò)3G上傳至監(jiān)管中心，并發(fā)出報(bào)警信息；傳感器主要釆集物品的溫濕度、壓力等狀態(tài)信息，這些參數(shù)通過(guò)無(wú)線通訊網(wǎng)傳至監(jiān)控中心，計(jì)算是否在適宜值范圍內(nèi)，否則發(fā)出預(yù)警信息，并通知運(yùn)輸人員采取相應(yīng)措施，實(shí)現(xiàn)對(duì)環(huán)境的精準(zhǔn)調(diào)控，以滿足產(chǎn)品對(duì)保鮮保質(zhì)的需求，降低果蔬在運(yùn)輸過(guò)程中的損失率。

5 小結(jié)

基于物聯(lián)網(wǎng)的精準(zhǔn)農(nóng)業(yè)果蔬種植預(yù)警系統(tǒng)還處于試驗(yàn)階段，由于該系統(tǒng)可根據(jù)不同作物在不同時(shí)期對(duì)影響其生長(zhǎng)的環(huán)境參數(shù)按需求設(shè)定，并可隨時(shí)采集環(huán)境環(huán)境參數(shù)傳至上位機(jī)，依托專家系統(tǒng)對(duì)數(shù)據(jù)分析，用戶可通過(guò)終端設(shè)備對(duì)環(huán)境參數(shù)進(jìn)行監(jiān)測(cè)，當(dāng)參數(shù)超出了預(yù)設(shè)值范圍，將收到警報(bào)信息，并能精細(xì)控制肥水、及時(shí)預(yù)警病蟲(chóng)害、對(duì)環(huán)境參數(shù)調(diào)控等功能。因此，基于物聯(lián)網(wǎng)的精準(zhǔn)果蔬預(yù)警系既能節(jié)約人工工時(shí)，將生產(chǎn)成本降低20%左右，又能提高生產(chǎn)效率、提高果蔬的品質(zhì)，為高品質(zhì)果蔬打下良好口碑，為強(qiáng)化區(qū)域生態(tài)果蔬，打造本地高端精品果蔬的推廣做了鋪墊工作。

參考文獻(xiàn)：

[1] 王汝傳，孫力娟.物聯(lián)網(wǎng)技術(shù)導(dǎo)論[M].北京：清華大學(xué)出版社，2011.

[2] 朱會(huì)霞，王福林，索瑞霞，等.物聯(lián)網(wǎng)在中國(guó)現(xiàn)代農(nóng)業(yè)中的應(yīng)用[J].中國(guó)農(nóng)學(xué)通報(bào)，2011，33（8）：226-228.

[3] 方 露.淺析物聯(lián)網(wǎng)技術(shù)在科技館中的應(yīng)用[J]，科技通報(bào)，2012，28（3）：165-168.

[4] 朱景鋒.物聯(lián)網(wǎng)環(huán)境下電子政務(wù)信息系統(tǒng)入侵檢測(cè)技術(shù)分析與對(duì)策研究[J]，科技通報(bào)，2012，28（4）：130-132.

[5] 張國(guó)軍，賴小龍，楊睿茜，等.物聯(lián)網(wǎng)技術(shù)在精準(zhǔn)農(nóng)業(yè)環(huán)境監(jiān)測(cè)系統(tǒng)中的應(yīng)用研究[J].湖南農(nóng)業(yè)科學(xué)，2011，（15）：173-176.

[6] 付 兵.物聯(lián)網(wǎng)精準(zhǔn)農(nóng)業(yè)系統(tǒng)在瓜果種植中的應(yīng)用[J].科技通報(bào)，2014，30（1）：106-109.

[7] 楊 嵐，李書(shū)琴.基于Web Service的農(nóng)產(chǎn)品交易系統(tǒng)的研究與設(shè)計(jì)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（8）：2118-2120.

[8] 王福順，孫小華.基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的溫室厚皮甜瓜病害預(yù)測(cè)[J].河南農(nóng)業(yè)科學(xué)，2012，41（11）：103-106.

[9] 馬斌強(qiáng)，劉美琪，季寶杰，等.ZigBee技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用[J].江西農(nóng)業(yè)學(xué)報(bào)，2008，20（10）：121-123.

[10] 洪 霞，江 洪，余樹(shù)全.高光譜遙感在精準(zhǔn)農(nóng)業(yè)生產(chǎn)中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2010（1）：529-531.

[11] 董方敏，王紀(jì)華，任 東.農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)及應(yīng)用[M].北京：中國(guó)農(nóng)業(yè)出版社，2012.

[12] 丁海峽，賈寶磊，倪遠(yuǎn)平.基于GPRS和ZigBee的精準(zhǔn)農(nóng)業(yè)模式研究[J].自動(dòng)化儀表，2009，4（30）：17-23.

[13] 寧煥生.RFID重大工程與國(guó)家物聯(lián)網(wǎng)[M].北京：機(jī)械工業(yè)出版社，2010.

[14] BOWMAN K D.Longevity of radio frequency identification device microchips in Citrus Trees[J]. Hortscienc，2010，45（3）： 451-452.