AIOT背景下病蟲(chóng)害智能化監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

寧學(xué)星　楊溢凡　王涵凝　李志遠(yuǎn)　曾程龍　于麗娜

摘要：為有效準(zhǔn)確地監(jiān)測(cè)和防治病蟲(chóng)害，以AIOT為基礎(chǔ)設(shè)計(jì)一種立體的監(jiān)測(cè)病蟲(chóng)害監(jiān)測(cè)系統(tǒng)。系統(tǒng)硬件設(shè)備主要是無(wú)人機(jī)監(jiān)測(cè)設(shè)備和地面監(jiān)測(cè)設(shè)備，軟件系統(tǒng)為智農(nóng)大數(shù)據(jù)平臺(tái)和智農(nóng)APP，可實(shí)現(xiàn)對(duì)農(nóng)田的全天候、立體化監(jiān)測(cè)。

關(guān)鍵詞：人工智能;監(jiān)測(cè)系統(tǒng);病蟲(chóng)害;傳感器;圖像識(shí)別

中圖分類號(hào)：S431.7;TP29? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1674-1161（2021）06-0036-02

病蟲(chóng)害一直是阻礙我國(guó)農(nóng)業(yè)發(fā)展的重要因素。為有效監(jiān)測(cè)和防治病蟲(chóng)害，科研工作者設(shè)計(jì)多種智能化病蟲(chóng)害監(jiān)測(cè)系統(tǒng)，為智能精確地開(kāi)展病蟲(chóng)害監(jiān)測(cè)提供便利，但部分監(jiān)測(cè)系統(tǒng)存在一些缺陷并逐漸展現(xiàn)。AIOT是人工智能技術(shù)和物聯(lián)網(wǎng)技術(shù)相結(jié)合的產(chǎn)物，具有智能識(shí)別、智能感知、自動(dòng)控制的特點(diǎn)，被稱為人工智能物聯(lián)網(wǎng)。為降低病蟲(chóng)害監(jiān)測(cè)的誤差，基于AIOT設(shè)計(jì)一種立體的監(jiān)測(cè)病蟲(chóng)害監(jiān)測(cè)系統(tǒng)，旨在為農(nóng)作物病蟲(chóng)害監(jiān)測(cè)提供技術(shù)支持。

1 AIOT智能化病蟲(chóng)害監(jiān)測(cè)技術(shù)

1.1 算法開(kāi)發(fā)

算法共歷經(jīng)三代。初代precise算法只能監(jiān)測(cè)小麥一種農(nóng)作物的病蟲(chóng)害。第二代用卷積神經(jīng)網(wǎng)絡(luò)制作precise-cnn算法，加入水稻病蟲(chóng)害研究，且識(shí)別速度得到顯著提升，提取過(guò)程進(jìn)一步改善。開(kāi)發(fā)第三代precise-rcnn算法時(shí)，加入棉花的病蟲(chóng)害研究，可識(shí)別小麥、水稻、棉花共3種農(nóng)作物。通過(guò)使用RPN網(wǎng)絡(luò)和引入ROI Pooling池化層，使病蟲(chóng)害識(shí)別更加準(zhǔn)確。高效快速產(chǎn)生建議框，精確提取存在特征的目標(biāo)區(qū)域，算法可實(shí)現(xiàn)分類與回歸等功能。

1.2 圖像識(shí)別技術(shù)

1.2.1 圖像采集 圖像采集原理如圖1所示。

1.2.2 圖像預(yù)處理 將圖片進(jìn)行分類并交由識(shí)別模塊進(jìn)行高效識(shí)別，即為圖像預(yù)處理。在軟件運(yùn)行過(guò)程中，祛除無(wú)用圖片并篩選出有用信息。在簡(jiǎn)化信息、提高特征提取的同時(shí)對(duì)圖片進(jìn)行分割、匹配、識(shí)別等操作。

1.2.3 圖像特征提取 利用計(jì)算機(jī)提取圖像信息，并根據(jù)特征對(duì)其進(jìn)行劃分。計(jì)算機(jī)將提取結(jié)果上的點(diǎn)分為不同子集，這些子集由點(diǎn)、曲線或連續(xù)區(qū)域組成。

1.2.4 圖像識(shí)別 Precise—RCNN植物病蟲(chóng)害識(shí)別算法需要從圖片中提取出具有病蟲(chóng)害特征的部分，并對(duì)其進(jìn)行相應(yīng)的圖像分析。通過(guò)卷積神經(jīng)網(wǎng)絡(luò)CNN對(duì)提取出的圖片特征進(jìn)行分類、識(shí)別后，根據(jù)提取出的特征建立虛擬外觀模型。綜合分析信息通過(guò)ROI Pooling池化層進(jìn)行鎖定，將其中最顯著的特征作為最終提取對(duì)象，利用Fully全鏈接層進(jìn)行識(shí)別分類。分類結(jié)果通過(guò)Sotfmax進(jìn)行邏輯回歸反饋，判斷識(shí)別的圖像部分是否為害蟲(chóng)。

1.3 傳感器技術(shù)

1.3.1 傳感器 選用風(fēng)力風(fēng)速傳感器和光照傳感器進(jìn)行外部環(huán)境監(jiān)測(cè)，利用土壤溫濕度、土壤酸堿度、土壤有機(jī)質(zhì)數(shù)據(jù)采集器進(jìn)行數(shù)據(jù)采集。

1.3.2 傳感器網(wǎng)絡(luò) 感應(yīng)、通訊、計(jì)算是傳感器網(wǎng)絡(luò)的三大技術(shù)，其中無(wú)線數(shù)據(jù)庫(kù)是關(guān)鍵技術(shù)。傳感器網(wǎng)絡(luò)是傳感器技術(shù)、計(jì)算技術(shù)、現(xiàn)代網(wǎng)絡(luò)、無(wú)線通信技術(shù)和分布式信息處理等技術(shù)的融合體?？蛻敉ㄟ^(guò)傳感器對(duì)監(jiān)測(cè)隊(duì)形進(jìn)行實(shí)時(shí)監(jiān)測(cè)，傳感器將采集的各種環(huán)境信息傳送到計(jì)算機(jī)系統(tǒng)中并對(duì)采集信息進(jìn)行處理，再通過(guò)無(wú)線通信網(wǎng)絡(luò)將信息傳送到客戶端。

1.4 大數(shù)據(jù)與云計(jì)算

“大數(shù)據(jù)”技術(shù)以多元形式對(duì)搜集而來(lái)的龐大數(shù)據(jù)組進(jìn)行處理、分類。數(shù)據(jù)平臺(tái)對(duì)大數(shù)據(jù)信息進(jìn)行整合后提供給客戶。云計(jì)算需要多部服務(wù)器支撐。通過(guò)這些服務(wù)器組成的系統(tǒng)將需要運(yùn)算的巨大數(shù)據(jù)進(jìn)行分解，將分解后的數(shù)據(jù)通過(guò)小程序運(yùn)算得到最終的結(jié)果，再將結(jié)果反饋給客戶的過(guò)程就是云計(jì)算。系統(tǒng)監(jiān)測(cè)空氣濕度、溫度，土壤溫度、濕度、肥力、pH值，風(fēng)向，風(fēng)速等環(huán)境參數(shù)，以及植物健康狀況，并直接上傳至云平臺(tái)后，云計(jì)算將其與各種病蟲(chóng)害的爆發(fā)環(huán)境參數(shù)進(jìn)行對(duì)比。

1.5 通信技術(shù)

在農(nóng)業(yè)病蟲(chóng)害監(jiān)測(cè)系統(tǒng)的感知層中的傳感器不僅數(shù)量眾多，種類更是繁雜。因此必須采用特定的組網(wǎng)、通信策略實(shí)現(xiàn)與上位機(jī)通訊。IFI，ZigBee，BLE等短距離無(wú)線通信在物聯(lián)網(wǎng)系統(tǒng)應(yīng)用較為普遍。在實(shí)際應(yīng)用中，傳感器對(duì)低功耗有強(qiáng)烈的需求，雖然WiFi擁有許多優(yōu)勢(shì)，但是功耗明顯高于Zigbee和NB-IoT，不適合系統(tǒng)使用。NB-IoT技術(shù)擁有ZigBee所有優(yōu)點(diǎn)，但服務(wù)端和通訊費(fèi)用高昂，不適于大規(guī)模應(yīng)用，因此項(xiàng)目選用ZigBee技術(shù)進(jìn)行組網(wǎng)。

ZigBee技術(shù)能夠傳輸信息容量較大的數(shù)據(jù)，其自身具有高效的碰撞避免機(jī)制，因此數(shù)據(jù)傳輸安全高效，可有效避免數(shù)據(jù)傳輸過(guò)程中的信號(hào)碰撞。ZigBee技術(shù)具有與網(wǎng)絡(luò)相融合的特點(diǎn)，數(shù)據(jù)傳輸操作時(shí)可直接連接家庭中的控制網(wǎng)絡(luò)。使用ZigBee技術(shù)進(jìn)行數(shù)據(jù)傳輸時(shí)，每個(gè)節(jié)點(diǎn)都能節(jié)約電耗，2節(jié)5號(hào)電池的工作時(shí)間高達(dá)1 a之久，大大節(jié)約使用成本。

1.6 定位技術(shù)

GIS技術(shù)利用定位信息技術(shù)和電子地圖技術(shù)相結(jié)合的方式，將地圖和移動(dòng)目標(biāo)顯示在APP的屏幕或計(jì)算機(jī)屏幕上，使客戶的使用感受更加直觀。

2 智能化病蟲(chóng)害監(jiān)測(cè)系統(tǒng)的實(shí)現(xiàn)

智能病蟲(chóng)害監(jiān)測(cè)系統(tǒng)的硬件包括無(wú)人機(jī)模塊、Atlas 200人工智能開(kāi)發(fā)套件、光照傳感器、風(fēng)力傳感器、溫濕度傳感器和空氣質(zhì)量監(jiān)測(cè)傳感器。監(jiān)測(cè)流程主要為：信號(hào)采集—數(shù)據(jù)傳遞（ZigBee組網(wǎng)）—數(shù)據(jù)包處理及上傳。

2.1 無(wú)人機(jī)

空中監(jiān)測(cè)設(shè)備主要包含無(wú)人機(jī)及Atlas 200人工智能開(kāi)發(fā)套件兩部分。無(wú)人機(jī)搭載智能計(jì)算終端識(shí)別農(nóng)作物病蟲(chóng)害圖片，通過(guò)高清變焦攝像頭自動(dòng)規(guī)劃農(nóng)田巡航路線，通過(guò)5G/4G通信模塊將拍攝的實(shí)時(shí)畫(huà)面回傳到智農(nóng)大數(shù)據(jù)平臺(tái)。終端設(shè)備用圖片處理技術(shù)和大數(shù)據(jù)分析技術(shù)分析病蟲(chóng)害的類型，并將診斷結(jié)果頁(yè)面回傳到大數(shù)據(jù)平臺(tái)和APP。

2.2 地面監(jiān)測(cè)設(shè)備

地面監(jiān)測(cè)設(shè)備主要包括光照、風(fēng)力風(fēng)速、溫度、濕度系列傳感器/探測(cè)器，太陽(yáng)能板，攝像頭，數(shù)據(jù)采集器，5G通信模塊或4G通信模塊，避雷針等。這些部件組合成一套完善的地面監(jiān)測(cè)系統(tǒng)，用于監(jiān)測(cè)農(nóng)田的實(shí)時(shí)環(huán)境狀況，并與比云端大數(shù)據(jù)庫(kù)的病蟲(chóng)害高發(fā)環(huán)境進(jìn)行對(duì)比，預(yù)測(cè)出病蟲(chóng)害的發(fā)病時(shí)間，阻止病蟲(chóng)害大面積爆發(fā)。

3 結(jié)論

基于AIOT的智能化病蟲(chóng)害監(jiān)測(cè)系統(tǒng)由硬件設(shè)備和軟件系統(tǒng)組成，其中硬件設(shè)備主要是無(wú)人機(jī)監(jiān)測(cè)設(shè)備和地面監(jiān)測(cè)設(shè)備，軟件系統(tǒng)是智農(nóng)大數(shù)據(jù)平臺(tái)和智農(nóng)APP。遠(yuǎn)程監(jiān)控、病蟲(chóng)害診斷、視頻監(jiān)控、數(shù)據(jù)存儲(chǔ)等功能集于一體，實(shí)現(xiàn)對(duì)農(nóng)田全天候、立體化監(jiān)測(cè)。農(nóng)作物病蟲(chóng)害監(jiān)測(cè)系統(tǒng)是一個(gè)復(fù)雜的系統(tǒng)工程，其概念也不斷向前延伸，其研究也必將不斷深入。

參考文獻(xiàn)

[1] 張星剛.傳感器在智能交通工程中的應(yīng)用[J].中國(guó)交通信息化，2014（11）：139-142.

[2] 陳亮. 圖像分割部分理論與關(guān)鍵技術(shù)研究[D].沈陽(yáng)：遼寧師范大學(xué)，2017.

[3] 李翔敏，戴帥.基于大數(shù)據(jù)的道路交通管理反思——小即是美[J].城市交通，2015，13（3）：71-75.

[4] 康國(guó)勝.云計(jì)算與信息資源共享管理[J].科技創(chuàng)新導(dǎo)報(bào)，2020，17（17）：126+128.

Design of Intelligent Monitoring System for Diseases and Insect Pests

under the Background of AIOT

NING Xuexing， YANG Yifan， WANG Hanning， LI Zhiyuan， ZENG Chenglong， YU Lina*

（Shandong Xiehe University， Jinan 250299， China）

Abstract： In order to monitor and control diseases and pests effectively and accurately， a three-dimensional monitoring system is designed based on AIOT.? The hardware equipment of the system is mainly UAV monitoring equipment and ground monitoring equipment， and the software system is zhinong big data platform and ZHInong APP， which can realize all-weather and three-dimensional monitoring of farmland.

Key words： artificial intelligence; monitoring system; plant diseases and insect pests; sensor; image identification

收稿日期：2020-09-12

基金項(xiàng)目：2021國(guó)家大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目基于AIoT智能化病蟲(chóng)害監(jiān)測(cè)系統(tǒng)設(shè)計(jì)方案（202113324927X）

作者簡(jiǎn)介：寧學(xué)星（2000—），男，從事物聯(lián)網(wǎng)工程方面的研究。

通信作者：于麗娜（1987—），女，碩士，講師，從事物聯(lián)網(wǎng)技術(shù)應(yīng)用方面的研究。