一種基于大數(shù)據(jù)的農(nóng)業(yè)四情智能監(jiān)測(cè)系統(tǒng)

張海濱

（四創(chuàng)電子股份有限公司，安徽 合肥 230031）

0 引言

農(nóng)業(yè)“四情”是指墑情、苗情、病蟲情、災(zāi)情。農(nóng)業(yè)“四情”監(jiān)測(cè)預(yù)警系統(tǒng)以先進(jìn)的無線傳感器、物聯(lián)網(wǎng)、云平臺(tái)、大數(shù)據(jù)以及互聯(lián)網(wǎng)等信息技術(shù)為基礎(chǔ)，由墑情傳感器、苗情災(zāi)情攝像機(jī)、蟲情測(cè)報(bào)燈、網(wǎng)絡(luò)數(shù)字?jǐn)z像機(jī)、作物生理生態(tài)監(jiān)測(cè)儀，以及預(yù)警預(yù)報(bào)系統(tǒng)、專家系統(tǒng)、信息管理平臺(tái)組成。系統(tǒng)對(duì)每個(gè)監(jiān)測(cè)點(diǎn)的病蟲狀況、作物生長情況、災(zāi)害情況、空氣溫度、空氣濕度、露點(diǎn)、土壤溫度、光照強(qiáng)度等各種作物生長過程中重要的參數(shù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)、管理。系統(tǒng)聯(lián)合作物管理知識(shí)、作物圖庫、災(zāi)害指標(biāo)等模塊，對(duì)作物實(shí)時(shí)遠(yuǎn)程監(jiān)測(cè)與診斷，提供智能化、自動(dòng)化管理決策，是農(nóng)業(yè)技術(shù)人員管理農(nóng)業(yè)生產(chǎn)的“千里眼”和“聽診器”。

1 主要技術(shù)原理

監(jiān)測(cè)點(diǎn)的數(shù)據(jù)采集終端采用穩(wěn)定的Linux作為運(yùn)行環(huán)境，采集終端直接通過移動(dòng)互聯(lián)網(wǎng)將視頻及土壤空氣傳感器的實(shí)施信息上報(bào)給監(jiān)控指揮中心的數(shù)據(jù)。

數(shù)據(jù)接入系統(tǒng)采用穩(wěn)定高效安全的Linux作為運(yùn)行環(huán)境，采用Java作為開發(fā)語言，采用智能網(wǎng)關(guān)技術(shù)[1]將數(shù)據(jù)接入，并根據(jù)設(shè)備的傳輸協(xié)議和數(shù)據(jù)類型，對(duì)監(jiān)測(cè)點(diǎn)上報(bào)信息進(jìn)行解碼、拆分、清洗、轉(zhuǎn)存、歸檔。

圖像識(shí)別和檢測(cè)系統(tǒng)采用穩(wěn)定高效安全的 Linux作為運(yùn)行環(huán)境，以Python作為開發(fā)語言，利用 Tensorf low作為深度學(xué)習(xí)框架，利用Keras作為高層 API，實(shí)現(xiàn)對(duì)視頻中病害，蟲害及植株的識(shí)別和檢測(cè)。

數(shù)據(jù)管理分析與存儲(chǔ)子系統(tǒng)作為平臺(tái)數(shù)據(jù)分析和處理的核心系統(tǒng)，采用云主機(jī)+Linux+Tomcat作為應(yīng)用運(yùn)行環(huán)境，通過彈性計(jì)算和負(fù)載均衡進(jìn)行計(jì)算資源調(diào)度管理。采用成熟的J2EE+SSH作為Web 后臺(tái)應(yīng)用開發(fā)框架，利用云平臺(tái)提供的CDN，對(duì)象存儲(chǔ)，云數(shù)據(jù)庫，高速緩存，消息推送服務(wù)實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的切片、整合、識(shí)別、分析和存儲(chǔ)。

業(yè)務(wù)門戶作為平臺(tái)對(duì)外的管理門戶，采用云主機(jī)+Linux+Tomcat作為應(yīng)用運(yùn)行環(huán)境，采用成熟的 J2EE+SSH作為Web后臺(tái)應(yīng)用開發(fā)框架，前端采用H5+Ajax作來做數(shù)據(jù)獲取和呈現(xiàn)，同時(shí)利用云平臺(tái)提供的運(yùn)維監(jiān)控，安全管理監(jiān)控服務(wù)，實(shí)現(xiàn)對(duì)監(jiān)測(cè)數(shù)據(jù)，業(yè)務(wù)流程，統(tǒng)計(jì)分析表報(bào)，用戶權(quán)限，系統(tǒng)日志等的綜合管理。

2 系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)

農(nóng)業(yè)“四情”智能監(jiān)測(cè)系統(tǒng)采用全省一級(jí)平臺(tái)的架構(gòu)，即在省一級(jí)建庫、集中部署，全省系統(tǒng)用戶依據(jù)不同層級(jí)、不同級(jí)別、不同業(yè)務(wù)，通過互聯(lián)網(wǎng)利用瀏覽器或手機(jī)APP訪問，使用不同的應(yīng)用功能，訪問不同范圍的數(shù)據(jù)。

圖1 系統(tǒng)總體架構(gòu)

整個(gè)系統(tǒng)主要分為監(jiān)測(cè)點(diǎn)和省級(jí)監(jiān)控指揮中心2個(gè)部分。監(jiān)測(cè)點(diǎn)部署有智能球型攝像頭、土壤墑情傳感器、溫濕度傳感器和無線傳輸設(shè)備等，主要負(fù)責(zé)大氣溫濕度、土壤含水量、視頻圖像等監(jiān)測(cè)數(shù)據(jù)的實(shí)時(shí)采集。監(jiān)測(cè)數(shù)據(jù)經(jīng)由高速無線網(wǎng)絡(luò)接入監(jiān)控指揮中心，由圖像識(shí)別和檢測(cè)子系統(tǒng)進(jìn)行識(shí)別檢測(cè)后，將識(shí)別結(jié)果報(bào)送數(shù)據(jù)管理分析系統(tǒng)進(jìn)行數(shù)據(jù)分析并存儲(chǔ)在中央數(shù)據(jù)庫。最終由業(yè)務(wù)門戶子系統(tǒng)通過大屏，工作PC以及手機(jī)App呈現(xiàn)給用戶。

2.1 數(shù)據(jù)接入

接收監(jiān)測(cè)點(diǎn)的視頻和環(huán)境監(jiān)控設(shè)備上報(bào)的視頻、溫濕度、土壤墑情等數(shù)據(jù)。管理員可以在系統(tǒng)中添加或維護(hù)監(jiān)測(cè)監(jiān)控設(shè)備，用智能為監(jiān)控設(shè)備配置接入?yún)?shù)，設(shè)置數(shù)據(jù)解碼、數(shù)據(jù)處理單元、數(shù)據(jù)閾值等。收到監(jiān)測(cè)站上報(bào)的實(shí)時(shí)視頻或環(huán)境監(jiān)測(cè)數(shù)據(jù)后，首先這些數(shù)據(jù)加載到高速緩存中，之后再由不同的數(shù)據(jù)適配器對(duì)數(shù)據(jù)進(jìn)行解碼，形成內(nèi)存數(shù)據(jù)對(duì)象，并根據(jù)時(shí)間、區(qū)域、監(jiān)測(cè)內(nèi)容分類進(jìn)行歸類。

監(jiān)測(cè)站通過墑情傳感器測(cè)量土壤的體積含水量（VWC）、土壤溫度、土壤電導(dǎo)率、地下水位、空氣溫濕度、太陽輻射、降雨量等眾多相關(guān)傳感器。監(jiān)測(cè)數(shù)據(jù)統(tǒng)一由自動(dòng)監(jiān)測(cè)站發(fā)送到網(wǎng)絡(luò)數(shù)據(jù)平臺(tái)，數(shù)據(jù)按照統(tǒng)一的格式進(jìn)行存儲(chǔ)。

2.2 圖像識(shí)別檢測(cè)

2.2.1 病蟲害監(jiān)測(cè)

基于TensorFlow深度學(xué)習(xí)框架開發(fā)適合小麥常見病蟲害（目前主要針對(duì)白粉病、赤霉病、銹病、紋枯病、麥蜘蛛、蚜蟲、吸漿蟲等）的識(shí)別算法。在物種外形差異不大的細(xì)分類條件下，也能達(dá)到較高識(shí)別精度，這是因?yàn)榫C合吸收了學(xué)術(shù)界先進(jìn)模型的思路理念：非對(duì)稱卷積，通道1x1卷積（Inception）；殘差Block（ResNet）；模塊熔接（Deeply Fusion MR）；Fine-Grained語義分割重構(gòu)（FC）；Feature Map拼接（Inception，Part-Stacked CNN）。

圖2 圖像識(shí)別架構(gòu)圖

基于TensorFlow的目標(biāo)檢測(cè)技術(shù)并結(jié)合GPS和GIS，對(duì)視頻中發(fā)病植株的數(shù)目，范圍進(jìn)行智能識(shí)別和檢測(cè)[2]，實(shí)現(xiàn)對(duì)小麥大田長時(shí)間、大范圍的野外自動(dòng)監(jiān)測(cè)和數(shù)據(jù)采集。首先經(jīng)過小麥的目標(biāo)檢測(cè)，即輸入圖像將小麥框出。目標(biāo)檢測(cè)后，采用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練分類器，將圖像通過一系列的卷積、非線性、池（采樣）、全連接層，可克服場(chǎng)景多樣性帶來的特 征多樣性，實(shí)現(xiàn)目標(biāo)識(shí)別。利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練足量的數(shù)據(jù)，進(jìn)行足量的訓(xùn)練迭代[3]，實(shí)現(xiàn)更多的權(quán)重更新，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行更好的調(diào)參，可以獲得較理想的檢測(cè)結(jié)果。圖3即識(shí)別小麥?zhǔn)欠裾；蚧加胁∠x害的深度學(xué)習(xí) CNN模型圖，輸入檢測(cè)為小麥的圖像，經(jīng)過數(shù)據(jù)初始化后，經(jīng)過CNN模型的卷積層池化層等特征值提取過程后全連接層分類，得到預(yù)測(cè)結(jié)果百分比：

圖3 小麥圖像目標(biāo)識(shí)別圖

2.2.2 生長期監(jiān)測(cè)

傳統(tǒng)的生長期監(jiān)測(cè)方法是以野外觀測(cè)為基礎(chǔ)的，通過目視觀察法來記錄典型生物個(gè)體年復(fù)一年的差異。本文通過在監(jiān)測(cè)點(diǎn)設(shè)置多光譜高清定點(diǎn)拍攝設(shè)備，在中小尺度模式下對(duì)特定的植物植株整體、主干、局部枝葉多個(gè)點(diǎn)位進(jìn)行長時(shí)間的定點(diǎn)拍攝，通過與參照尺寸標(biāo)的物對(duì)比，實(shí)現(xiàn)對(duì)植株的高度、寬度等自動(dòng)測(cè)量。

本文通過深度學(xué)習(xí)圖像識(shí)別技術(shù)對(duì)小麥植株出苗、返青、抽穗、灌漿等物候狀態(tài)進(jìn)行智能識(shí)別，自動(dòng)形成物候發(fā)育的檢測(cè)數(shù)據(jù)。實(shí)現(xiàn)物候觀測(cè)由手工到自動(dòng)、由點(diǎn)到面的轉(zhuǎn)換，使得區(qū)域大范圍的宏觀物候監(jiān)測(cè)成為可能。

通過卷積神經(jīng)網(wǎng)絡(luò)CNN（如圖4所示），本文在ImageNet上預(yù)訓(xùn)練的模型如Z F、VGG16以及ResNet上進(jìn)行Fine-tune，結(jié)合特有的植物圖像特點(diǎn)，學(xué)習(xí)每個(gè)周期的特征表示，最后得到輸入植物圖像對(duì)應(yīng)的預(yù)測(cè)生長周期。

圖4 具有選擇分集、EGC和MRC的Rayleigh衰落信道中BPSK調(diào)制誤碼率性能的仿真

圖4 小麥圖像生長周期預(yù)測(cè)圖

2.3 數(shù)據(jù)管理存儲(chǔ)

業(yè)務(wù)數(shù)據(jù)的存取通過2種方式進(jìn)行：用于歸檔存儲(chǔ)的監(jiān)控?cái)?shù)據(jù)，通過文件的方式進(jìn)行存儲(chǔ)；用于實(shí)時(shí)查詢的數(shù)據(jù)，通過K-V型內(nèi)存數(shù)據(jù)庫來進(jìn)行。數(shù)據(jù)管理分析系統(tǒng)對(duì)各類監(jiān)控?cái)?shù)據(jù)進(jìn)行切分后，形成基礎(chǔ)元數(shù)據(jù)，這部分?jǐn)?shù)據(jù)首先通過高速緩存來保存，之后根據(jù)時(shí)間區(qū)域整合成統(tǒng)計(jì)分析報(bào)表并存儲(chǔ)到塊存儲(chǔ)中。

系統(tǒng)定期將監(jiān)控?cái)?shù)據(jù)及形成的數(shù)據(jù)分析報(bào)表進(jìn)行歸檔，將超過1個(gè)月的數(shù)據(jù)轉(zhuǎn)儲(chǔ)至歸檔服務(wù)器，采用2點(diǎn)冗余備份，年整體數(shù)據(jù)備份量為50 T。提供標(biāo)準(zhǔn)的RESTful API接口，方便上傳/下載、檢索，支持流式寫入和讀出，特別適合大文件的邊寫邊讀業(yè)務(wù)場(chǎng)景。對(duì)系統(tǒng)內(nèi)的生產(chǎn)的數(shù)據(jù)分析報(bào)告進(jìn)行管理，支持各種形式數(shù)據(jù)產(chǎn)品信息的列表和查詢，提供對(duì)數(shù)據(jù)產(chǎn)品生產(chǎn)情況的統(tǒng)計(jì)。

2.4 業(yè)務(wù)門戶

基于WebGIS的可視化數(shù)據(jù)綜合管理，所有監(jiān)控點(diǎn)直觀顯示，監(jiān)測(cè)數(shù)據(jù)一目了然。具備空間差值分析功能，利用專用軟件自動(dòng)繪制系統(tǒng)數(shù)據(jù)等級(jí)評(píng)價(jià)空間等值線面圖，并實(shí)現(xiàn)圖形管理。提供基于位置、時(shí)間、數(shù)據(jù)類型、數(shù)據(jù)范圍等多維度的查詢接口。歷史數(shù)據(jù)可按曲線、報(bào)表形式展現(xiàn)，清晰直觀查看所有監(jiān)測(cè)設(shè)備的監(jiān)測(cè)數(shù)據(jù)。實(shí)現(xiàn)對(duì)野生動(dòng)物分布及活動(dòng)范圍的大數(shù)據(jù)圖譜、植物物候監(jiān)測(cè)分析報(bào)告等的呈現(xiàn)?；贐/S結(jié)構(gòu)，按訪問權(quán)限為用戶提供所轄區(qū)域內(nèi)野生動(dòng)植物監(jiān)測(cè)數(shù)據(jù)的個(gè)性化查詢和統(tǒng)計(jì)接口，提供多維度的查詢條件，滿足林業(yè)管理統(tǒng)計(jì)業(yè)務(wù)需要。

3 結(jié)束語

通過建立農(nóng)業(yè)四情智能監(jiān)測(cè)系統(tǒng)，可以通過精確、科學(xué)的數(shù)字化控制手段進(jìn)行農(nóng)業(yè)生產(chǎn)和管理，提高農(nóng)作物的產(chǎn)量和品質(zhì)，并且保護(hù)了生態(tài)環(huán)境，有效避免用藥、施肥、灌溉等行為的過度化和濫用。同時(shí)可以為政府、科研單位及用戶提供詳細(xì)準(zhǔn)確的農(nóng)業(yè)“四情”數(shù)據(jù)，以便于專家及時(shí)診斷提出解決方法。還可以大幅減少水、電、人力等能源和資源使用，減少農(nóng)業(yè)生產(chǎn)的成本，有效解決農(nóng)民增產(chǎn)不增收等問題。