智聯(lián)網(wǎng)技術(shù)在林業(yè)信息化中的應(yīng)用研究 ?

李凡 馮鵬飛 孫蕊 金玉棟 徐平平 于新文 譚星

摘 要：隨著人工智能的發(fā)展，傳統(tǒng)的物聯(lián)網(wǎng)技術(shù)將結(jié)合人工智能技術(shù)形成智聯(lián)網(wǎng)。文章旨在闡述目前先進(jìn)的信息技術(shù)—智聯(lián)網(wǎng)的概念、本質(zhì)及關(guān)鍵技術(shù)，同時通過分析林業(yè)信息技術(shù)的發(fā)展，提出林業(yè)智聯(lián)網(wǎng)體系架構(gòu)，包括物理感知層、物聯(lián)網(wǎng)監(jiān)測層、智聯(lián)網(wǎng)監(jiān)測層和林業(yè)行業(yè)應(yīng)用層，并在此架構(gòu)的基礎(chǔ)上列舉分析森林和草原災(zāi)害智聯(lián)網(wǎng)監(jiān)測、野生動物智聯(lián)網(wǎng)監(jiān)測。實(shí)踐結(jié)果表明，智聯(lián)網(wǎng)技術(shù)在林業(yè)信息化中具有良好的應(yīng)用前景。

關(guān)鍵詞：物聯(lián)網(wǎng);智聯(lián)網(wǎng);智慧林業(yè);人工智能;林業(yè)信息化;物理感知

中圖分類號：TP242 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2019）06-0-03

0 引 言

當(dāng)今時代，信息技術(shù)已經(jīng)深入到各個行業(yè)和領(lǐng)域，互聯(lián)網(wǎng)、移動通信、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能應(yīng)用到了林業(yè)行業(yè)的多個業(yè)務(wù)中，我國的林業(yè)信息化建設(shè)已經(jīng)從數(shù)字林業(yè)向智慧林業(yè)邁進(jìn)[1]。

智慧林業(yè)是未來林業(yè)發(fā)展的必由之路，是未來林業(yè)工作的創(chuàng)新之路，通過智慧林業(yè)可以拓展林業(yè)技術(shù)應(yīng)用、提升林業(yè)管理水平、增強(qiáng)林業(yè)發(fā)展質(zhì)量、促進(jìn)林業(yè)可持續(xù)發(fā)展。智慧林業(yè)的核心是利用現(xiàn)代先進(jìn)的信息技術(shù)，建立一種長效的、智慧化的發(fā)展理念，實(shí)現(xiàn)傳統(tǒng)林業(yè)向高質(zhì)高效的現(xiàn)代林業(yè)轉(zhuǎn)變。智慧林業(yè)的關(guān)鍵是通過制定統(tǒng)一的技術(shù)標(biāo)準(zhǔn)和規(guī)范，形成互動化、一體化、主動化、智能化的運(yùn)行模式。智慧林業(yè)的目的是促進(jìn)林業(yè)資源管理、生態(tài)系統(tǒng)構(gòu)建、綠色產(chǎn)業(yè)發(fā)展等協(xié)同化推進(jìn)，實(shí)現(xiàn)生態(tài)、經(jīng)濟(jì)、社會綜合效益最大化。

文獻(xiàn)[1]提出智慧林業(yè)建設(shè)目標(biāo)。預(yù)計到2020年，基本構(gòu)成了智慧林業(yè)的應(yīng)用框架，完善林業(yè)信息基礎(chǔ)設(shè)施，提供智能化的高效的系統(tǒng)協(xié)同服務(wù)，有力支撐國家生態(tài)文明建設(shè)。只有將人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術(shù)融合和綜合應(yīng)用，才能實(shí)現(xiàn)這個目標(biāo)。

物聯(lián)網(wǎng)，顧名思義就是物物相連的互聯(lián)網(wǎng)[2]，物聯(lián)網(wǎng)技術(shù)作為智慧林業(yè)建設(shè)的重要信息手段，通過智能感知技術(shù)、智能識別技術(shù)與普適計算、認(rèn)知計算、泛在網(wǎng)絡(luò)的融合應(yīng)用，構(gòu)建一個覆蓋所有人和物的網(wǎng)絡(luò)信息系統(tǒng)，實(shí)現(xiàn)了物理世界與信息世界的無縫連接。隨著人工智能的發(fā)展，越來越多的應(yīng)用都是將人工智能與物聯(lián)網(wǎng)的應(yīng)用結(jié)合起來，形成智聯(lián)網(wǎng)，也就是所說的“行業(yè)智慧大腦末梢”。通過智聯(lián)網(wǎng)對物聯(lián)網(wǎng)感知到的森林?jǐn)?shù)據(jù)進(jìn)行更好的利用和價值提升，智慧林業(yè)平臺就具有了更智能的信息處理能力，提高了采集和應(yīng)用效率[3]。

1 智聯(lián)網(wǎng)技術(shù)

人工智能（Artificial Intelligence，AI）是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。AI通過計算機(jī)來模擬人的一些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等），根據(jù)大量的數(shù)據(jù)資料做出對未來的預(yù)測。由于同時分析過去的和實(shí)時的數(shù)據(jù)，AI能注意到有哪些資料屬于例外，并做出合理、合適的推斷，而數(shù)據(jù)對于人工智能的重要性也就不言而喻了。因此，若要使AI引擎變得更聰明、更強(qiáng)大，就需要持續(xù)的數(shù)據(jù)流入。對于AI來說，它可以處理和從中學(xué)習(xí)的數(shù)據(jù)越多，其預(yù)測的準(zhǔn)確率也會越高[4]。

物聯(lián)網(wǎng)（Internet of Things，IoT）是現(xiàn)代信息技術(shù)的重要組成部分之一，也是信息化時代的重要發(fā)展階段。IoT有兩層含義：其一，它的核心和基礎(chǔ)是在互聯(lián)網(wǎng)基礎(chǔ)上的延伸和擴(kuò)展;其二，它的用戶端延伸和擴(kuò)展到任何物品與物品之間，人和物品之間，并進(jìn)行信息交換和通信，也就是物物相息[5]。IoT通過通信技術(shù)、感知技術(shù)，廣泛應(yīng)用于各個行業(yè)當(dāng)中，也因此被稱為繼計算機(jī)、互聯(lián)網(wǎng)之后信息產(chǎn)業(yè)發(fā)展的又一次新的浪潮。

通過物聯(lián)網(wǎng)對林木的感知、林區(qū)環(huán)境的感知、林業(yè)管理的感知，可以源源不斷地為人工智能提供數(shù)據(jù)基礎(chǔ)，那么人工智能就可以發(fā)揮巨大的作用[6]。

智聯(lián)網(wǎng)（AIoT）概念明確提出是在2017年2月，在《人工智能芯片助陣，物聯(lián)網(wǎng)將進(jìn)化為AI+IoT》提到。目前受過訓(xùn)練的一些AI系統(tǒng)，在特定領(lǐng)域的表現(xiàn)已超越人類，而在相關(guān)軟件技術(shù)迅速發(fā)展的背后，離不開專用芯片技術(shù)的發(fā)展。在芯片技術(shù)對人工智能的不斷完善以后，IoT將可望進(jìn)化成AIoT（AI+IoT）。人工智能終端芯片引領(lǐng)的邊緣運(yùn)算，所帶來的商機(jī)更讓人引頸期盼[7]。

AIoT是指融合AI技術(shù)和IoT技術(shù)，通過物聯(lián)網(wǎng)產(chǎn)生、收集海量的數(shù)據(jù)存儲于云端、邊緣端，再通過大數(shù)據(jù)分析，以及更高形式的人工智能，形成智能化的應(yīng)用場景和應(yīng)用模式，服務(wù)實(shí)體經(jīng)濟(jì)，為人類的生產(chǎn)活動、生活所需提供更好的服務(wù)，實(shí)現(xiàn)萬物數(shù)據(jù)化、萬物互聯(lián)化。智聯(lián)網(wǎng)體系架構(gòu)如圖1所示。

伴隨AIoT的落地實(shí)現(xiàn)，在萬物智聯(lián)的場景中，設(shè)備與設(shè)備間將互聯(lián)互通，形成數(shù)據(jù)交互、共享的嶄新生態(tài)。在這個過程中，林業(yè)物聯(lián)網(wǎng)監(jiān)測終端不僅有更加高效的算力，在大多數(shù)場景中，還具備本地自主決斷及響應(yīng)能力。AIoT靠近林業(yè)監(jiān)測數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺，就近提供智能服務(wù)，滿足林業(yè)行業(yè)的敏捷連接、實(shí)時業(yè)務(wù)、數(shù)據(jù)優(yōu)化、智能應(yīng)用等方面的關(guān)鍵需求。智聯(lián)網(wǎng)在智慧林業(yè)中的應(yīng)用框架如圖2所示。

物理感知層主要是由基本的感應(yīng)器件構(gòu)成，如RFID標(biāo)簽、各類傳感器、攝像頭、GPS、二維碼標(biāo)簽和識讀器等基本標(biāo)識和傳感器件。該層的核心技術(shù)包括射頻技術(shù)、新興傳感技術(shù)等。

物聯(lián)網(wǎng)層主要考慮感應(yīng)器組成的網(wǎng)絡(luò)（RFID網(wǎng)絡(luò)、傳感器網(wǎng)絡(luò)等）。該層的核心技術(shù)包括通信單元組成的無線傳感器網(wǎng)絡(luò)、認(rèn)知網(wǎng)絡(luò)等。

智聯(lián)網(wǎng)層主要考慮應(yīng)用人工智能算法結(jié)合物聯(lián)網(wǎng)監(jiān)測數(shù)據(jù)進(jìn)行海量大數(shù)據(jù)分析。該層的核心技術(shù)包括邊緣計算、分布式機(jī)器學(xué)習(xí)、移動終端深度神經(jīng)網(wǎng)絡(luò)等。

林業(yè)行業(yè)應(yīng)用層主要考慮智聯(lián)網(wǎng)與林業(yè)業(yè)務(wù)的結(jié)合，包括森林資源監(jiān)測、森林和草原災(zāi)害監(jiān)測、野外動植物監(jiān)測、濕地資源監(jiān)測、荒漠化監(jiān)測等。

2 智聯(lián)網(wǎng)技術(shù)在林業(yè)信息化中的應(yīng)用場景分析

由于林業(yè)的特殊性和復(fù)雜性，其具有空間上廣闊和時間上周期長的特點(diǎn)。林業(yè)業(yè)務(wù)量繁重，外業(yè)龐大，采集海量數(shù)據(jù)，僅僅通過人工處理很難做到精準(zhǔn)、及時。智聯(lián)網(wǎng)技術(shù)利用智能終端和智能平臺，將紅外相機(jī)、聲音采集器、GPS、環(huán)境感應(yīng)傳感器等信息智能傳感設(shè)備以及遙感衛(wèi)星、無人機(jī)的數(shù)據(jù)相結(jié)合，使林業(yè)系統(tǒng)中的森林、濕地、荒漠、野生動物等林業(yè)資源可以相互感知，能隨時獲取需要的數(shù)據(jù)，并通過智能平臺上的算法將海量數(shù)據(jù)自動分析和處理，這樣就可以形成林業(yè)智慧立體感知，實(shí)現(xiàn)精準(zhǔn)林業(yè)、智慧林業(yè)。

2.1 森林、草原災(zāi)害監(jiān)測

人工智能是以數(shù)據(jù)為驅(qū)動的決策機(jī)制，根據(jù)實(shí)時數(shù)據(jù)和各類信息，綜合調(diào)配和運(yùn)用分析，最終實(shí)現(xiàn)自動智能化，達(dá)到最佳應(yīng)用[8]。有研究表明，森林氣象因素，如大氣相對濕度、空氣溫度、大氣壓力等與森林、草原的火災(zāi)和蟲災(zāi)密切相關(guān)，是災(zāi)害預(yù)測的主要依據(jù)之一。

在森林氣象及環(huán)境信息森林災(zāi)害監(jiān)測過程中，在觀測點(diǎn)周圍選擇有代表性的地段放置環(huán)境傳感器，自動監(jiān)測溫度、濕度、干燥度、蒸發(fā)量、風(fēng)向、風(fēng)力等環(huán)境因子[9-10]。某一區(qū)域內(nèi)的森林、草原在溫度、濕度等環(huán)境因子達(dá)到臨界點(diǎn)時，通過智聯(lián)網(wǎng)對傳感數(shù)據(jù)進(jìn)行快速分析處理，可以對森林、草原災(zāi)害的發(fā)生做出預(yù)測，及時發(fā)布監(jiān)測動態(tài)，制定預(yù)防和防治措施。通過安裝清晰度高的攝像頭，定期對周圍環(huán)境進(jìn)行掃描，通過智聯(lián)網(wǎng)可以實(shí)現(xiàn)災(zāi)害自動監(jiān)測、自動分析、自動制定策略[11]。

衛(wèi)星和無人機(jī)是對森林、草原進(jìn)行監(jiān)測的重要手段，在空間層次上也是基于高層的災(zāi)害監(jiān)測手段，具有監(jiān)測范圍廣、時間頻率高、時效性強(qiáng)的優(yōu)點(diǎn)，但是衛(wèi)星和無人機(jī)采集到的數(shù)據(jù)是海量數(shù)據(jù)。將人工智能和深度學(xué)習(xí)技術(shù)應(yīng)用到圖像數(shù)據(jù)處理當(dāng)中，大大提高了圖像自動識別和目標(biāo)提取的準(zhǔn)確率[12]。將處理結(jié)果傳輸?shù)街锹?lián)網(wǎng)中，與環(huán)境傳感器獲取的數(shù)據(jù)相融合，就能生成更加精確的災(zāi)害預(yù)測和預(yù)警結(jié)果。圖3為基于智聯(lián)網(wǎng)的森林、草原災(zāi)害監(jiān)測流程。

2.2 野生動物監(jiān)測

傳統(tǒng)的野生動物監(jiān)測主要依靠紅外相機(jī)以及聲音采集設(shè)備開展野外監(jiān)測[13]，其受到影像和聲音數(shù)據(jù)收集、處理及分辨耗時費(fèi)力，重要數(shù)據(jù)難以及時捕獲，偷盜獵行為無法及時監(jiān)控，動態(tài)與模糊影像無法分辨還原，采集聲音混雜等局限，目前的物聯(lián)網(wǎng)技術(shù)可以解決數(shù)據(jù)采集和傳輸?shù)膯栴}，但是無法解決數(shù)據(jù)的及時分析。只有應(yīng)用智聯(lián)網(wǎng)技術(shù)，在監(jiān)測終端的智能視覺、聲音處理設(shè)備開展基于人工智能的處理，才能提高有效數(shù)據(jù)量。

通過大數(shù)據(jù)分析、人工智能算法等進(jìn)一步對野生動物個體、生態(tài)鏈相關(guān)物種進(jìn)行識別歸類，并可針對棲息地域進(jìn)行有效的數(shù)據(jù)訓(xùn)練及分析，從而實(shí)施野生動物的監(jiān)測與保護(hù)[14]。圖4和圖5分別為基于智聯(lián)網(wǎng)野生動物的圖像和聲音的處理流程。

3 結(jié) 語

本文介紹智聯(lián)網(wǎng)技術(shù)的定義和框架，在森林災(zāi)害監(jiān)測、動植物保護(hù)等方面，探討了智聯(lián)網(wǎng)在林業(yè)信息化中的應(yīng)用前景。隨著智聯(lián)網(wǎng)在理論上、技術(shù)上的進(jìn)一步發(fā)展，智聯(lián)網(wǎng)將成為林業(yè)信息化的一個必需的技術(shù)手段，極大地提高林業(yè)信息化的水平和程度，更好地打造綠水青山。

參 考 文 獻(xiàn)

[1]佚名.國家林業(yè)局印發(fā)《中國智慧林業(yè)發(fā)展指導(dǎo)意見》[J].林業(yè)經(jīng)濟(jì)，2013（9）：32.

[2]李道亮.物聯(lián)網(wǎng)與智慧農(nóng)業(yè)[J].農(nóng)業(yè)工程，2012，2（1）：1-7.

[3]陳震.黑龍江省森工林區(qū)“智慧林業(yè)”框架應(yīng)用技術(shù)研究[D].哈爾濱：東北林業(yè)大學(xué)，2012.

[4]劉云浩.物聯(lián)網(wǎng)導(dǎo)論[M].北京：科學(xué)出版社，2011.

[5]王雪峰.林業(yè)物聯(lián)網(wǎng)技術(shù)導(dǎo)論[M].北京：中國林業(yè)出版社，2011.

[6]王穎，周鐵軍，李陽.物聯(lián)網(wǎng)技術(shù)在林業(yè)信息化中的應(yīng)用前景[J].湖北農(nóng)業(yè)科學(xué)，2010，49（10）：2601-2604.

[7] RUSSELL S J，NORVIG P.Artificial intelligence：a modern approach[J]. Appl mech mater，2010，263：2829-2833.

[8]李光輝，趙軍，王智.基于無線傳感器網(wǎng)絡(luò)的森林火災(zāi)監(jiān)測預(yù)警系統(tǒng)[J].傳感器技術(shù)學(xué)報，2006，19（6）：2760-2764.

[9]陶佰睿，張藝弛，苗鳳娟，等.基于物聯(lián)網(wǎng)技術(shù)森林火災(zāi)防控系統(tǒng)設(shè)計[J].東北林業(yè)大學(xué)學(xué)報，2014，42（8）：141-144.

[10]張海云，王阿川.基于BP神經(jīng)網(wǎng)絡(luò)在森林防火專家系統(tǒng)不確定推理中的應(yīng)用研究[J].中國安全科學(xué)學(xué)報，2010，20（7）：38-42.

[11]李云，徐偉，吳瑋.災(zāi)害監(jiān)測無人機(jī)技術(shù)應(yīng)用與研究[J].災(zāi)害學(xué)，2011，26（1）：138-143.

[12] ZHAO H，DANG G，WANG C，et al. Diet and seasonal changes in Sichuan snub-nosed monkeys（Rhinopithecus roxellana）in the southern Qinling Mountains in China [J]. Acta theriologica sinica，2015，35（2）：130-137.

[13]楊震，楊寧，徐敏捷.面向物聯(lián)網(wǎng)應(yīng)用的人工智能相關(guān)技術(shù)研究[J].電信技術(shù)，2016，8（5）：16-19.

[14] LECUN Y，BENGIO Y，HINTON G. Deep learning [J]. Nature，2015，521：436-444.