軟件工程在農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)采集與分析平臺(tái)中的應(yīng)用

白東昕

（山西應(yīng)用科技學(xué)院，山西 太原 030062）

隨著農(nóng)業(yè)機(jī)械化水平的不斷提高，農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)的采集與分析顯得尤為重要。這不僅能夠指導(dǎo)科學(xué)合理的機(jī)械作業(yè)，還能為作物增產(chǎn)提供支持。本文基于軟件工程理論與技術(shù)，從提高數(shù)據(jù)采集精度、優(yōu)化分析算法、加強(qiáng)實(shí)時(shí)計(jì)算響應(yīng)能力和提升用戶界面友好性等多個(gè)層面，探討農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)平臺(tái)的改進(jìn)策略，以期為農(nóng)業(yè)機(jī)械化和智能化提供理論依據(jù)和技術(shù)支撐。

1 農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)采集與分析的作用

農(nóng)業(yè)機(jī)械作業(yè)生成的海量數(shù)據(jù)，包含了作物生長(zhǎng)發(fā)育、土壤營(yíng)養(yǎng)、機(jī)械運(yùn)行、環(huán)境條件等多源異構(gòu)的信息。對(duì)這些數(shù)據(jù)進(jìn)行有效采集與智能分析，可精準(zhǔn)診斷作物生理需求、預(yù)測(cè)環(huán)境變化、優(yōu)化作業(yè)方案，是實(shí)現(xiàn)精細(xì)化農(nóng)業(yè)管理的基礎(chǔ)。

例如，采集傳感器獲取的高清可見光和多光譜圖像，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)識(shí)別水稻病蟲害種類和發(fā)生部位，輸出病斑區(qū)域圖像分割結(jié)果，結(jié)合發(fā)病氣候模型動(dòng)態(tài)預(yù)測(cè)病情發(fā)展，以控制最佳防治時(shí)機(jī)，可實(shí)現(xiàn)針對(duì)性調(diào)整殺蟲劑使用量，降低化學(xué)農(nóng)藥污染風(fēng)險(xiǎn)。分析收割機(jī)工作參數(shù)的時(shí)間序列數(shù)據(jù)，建立機(jī)械健康評(píng)估模型，預(yù)測(cè)故障發(fā)生風(fēng)險(xiǎn)，生成智能維護(hù)計(jì)劃，可確保作業(yè)的連續(xù)性，避免出現(xiàn)峰值用工壓力。總體而言，農(nóng)機(jī)作業(yè)數(shù)據(jù)的采集與挖掘，可以使精細(xì)化管理決策科學(xué)化、信息化、智能化，推動(dòng)作業(yè)質(zhì)量、效率與利潤(rùn)的齊升，實(shí)現(xiàn)農(nóng)業(yè)機(jī)械智能化發(fā)展。

2 農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)采集與分析平臺(tái)的局限性

2.1 數(shù)據(jù)采集傳感器精度不足

當(dāng)前，農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)采集中使用的傳感器，精度與可靠性仍然無(wú)法滿足精細(xì)化農(nóng)業(yè)的需求。許多傳感器的精度和重復(fù)性存在較大隨機(jī)誤差，不同批次產(chǎn)品的偏差也較大。例如，某型土壤酶活性監(jiān)測(cè)傳感器，同一土壤樣本重復(fù)測(cè)定的相對(duì)標(biāo)準(zhǔn)偏差高達(dá)8.3%，這將直接影響到后續(xù)的數(shù)據(jù)分析結(jié)果的準(zhǔn)確性[1]。數(shù)據(jù)的精準(zhǔn)度不足，無(wú)法為作業(yè)參數(shù)優(yōu)化與作物增產(chǎn)提供可靠依據(jù)。另外，一些關(guān)鍵參數(shù)的監(jiān)測(cè)也存在技術(shù)瓶頸，比如目前土壤中檢測(cè)氮素含量的儀器精度較差，氮素的遷移轉(zhuǎn)化過(guò)程難以動(dòng)態(tài)監(jiān)測(cè)，難以實(shí)現(xiàn)對(duì)作物氮肥的精準(zhǔn)投放與高效利用。一些新型傳感器的穩(wěn)定性也有待考查。此外，由于傳感器安裝位置與作業(yè)部位的匹配問(wèn)題，也會(huì)影響數(shù)據(jù)的有效采集。上述種種問(wèn)題導(dǎo)致當(dāng)前農(nóng)業(yè)機(jī)械平臺(tái)的數(shù)據(jù)采集精度難以支撐精細(xì)化農(nóng)業(yè)生產(chǎn)的需要。

2.2 數(shù)據(jù)分析算法效率有限

當(dāng)前農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)分析平臺(tái)所采用的算法框架，仍然難以滿足大規(guī)模數(shù)據(jù)集成分析和實(shí)時(shí)響應(yīng)的需求。以變量施肥決策系統(tǒng)為例，需要綜合分析多源異構(gòu)數(shù)據(jù)如土壤養(yǎng)分?jǐn)?shù)據(jù)、作物生長(zhǎng)數(shù)據(jù)、氣象數(shù)據(jù)等，對(duì)復(fù)雜的農(nóng)田系統(tǒng)建立模型，并快速優(yōu)化出最佳的肥料配置方案。然而當(dāng)前算法在處理海量數(shù)據(jù)集上的運(yùn)算效率有限，優(yōu)化時(shí)間過(guò)長(zhǎng)，無(wú)法滿足作業(yè)的連續(xù)性需要[2]。例如根據(jù)氮肥高效利用模型的計(jì)算，理論上最佳氮肥用量方案的搜索運(yùn)算時(shí)間可達(dá)23 min 之久，這已經(jīng)難以適應(yīng)大型作業(yè)機(jī)械的需求。此外，一些模型和算法對(duì)非線性關(guān)系的適應(yīng)性較差，對(duì)動(dòng)態(tài)變化系統(tǒng)的預(yù)測(cè)效果也不理想，如難以準(zhǔn)確預(yù)測(cè)復(fù)雜氣候環(huán)境下作物的生長(zhǎng)發(fā)育規(guī)律。這些問(wèn)題都制約了數(shù)據(jù)分析驅(qū)動(dòng)的農(nóng)業(yè)決策的及時(shí)性與準(zhǔn)確性。需要從算法框架的升級(jí)優(yōu)化方面進(jìn)行突破，使之能夠高效處理海量異構(gòu)數(shù)據(jù)，并快速響應(yīng)生成最優(yōu)決策方案。

2.3 系統(tǒng)實(shí)時(shí)性能有待提高

當(dāng)前農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)平臺(tái)在系統(tǒng)實(shí)時(shí)計(jì)算性能方面還較為薄弱。數(shù)據(jù)的采集、傳輸、存儲(chǔ)、分析、決策各個(gè)環(huán)節(jié)的響應(yīng)與反饋能力均有待加強(qiáng)，難以形成信息流的閉環(huán)，無(wú)法滿足精確作業(yè)和精準(zhǔn)管理的需要。例如某路徑規(guī)劃系統(tǒng)測(cè)試結(jié)果表明[3]，傳感器數(shù)據(jù)包上傳的平均延時(shí)可達(dá)380 ms，數(shù)據(jù)分析處理的平均延時(shí)達(dá)642 ms，該系統(tǒng)從數(shù)據(jù)采集到作業(yè)機(jī)械作出響應(yīng)的總延遲高達(dá)1.7 s，無(wú)法滿足精細(xì)化打點(diǎn)作業(yè)對(duì)路徑規(guī)劃系統(tǒng)實(shí)時(shí)決策能力的要求。此外，針對(duì)大數(shù)據(jù)量的離線分析運(yùn)算也需要相當(dāng)長(zhǎng)的時(shí)間，例如涉及千萬(wàn)級(jí)數(shù)據(jù)量的某農(nóng)田多年生產(chǎn)潛力分析模型的運(yùn)算時(shí)間長(zhǎng)達(dá)5 h，很難實(shí)時(shí)指導(dǎo)當(dāng)季的農(nóng)藝管理措施。這些問(wèn)題制約了作業(yè)數(shù)據(jù)平臺(tái)的實(shí)時(shí)計(jì)算性能，需要從提高計(jì)算機(jī)系統(tǒng)并行處理能力等方面加以突破。

2.4 用戶界面友好性有待改進(jìn)

當(dāng)前農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)平臺(tái)在用戶交互界面設(shè)計(jì)方面存在很多不足。1）大多數(shù)平臺(tái)采用了過(guò)于專業(yè)和復(fù)雜的界面，操作步驟多、參數(shù)設(shè)置難度大，嚴(yán)重影響了普通用戶的使用體驗(yàn)[4]。例如某數(shù)據(jù)分析系統(tǒng)中變量施肥模型的參數(shù)設(shè)置共涉及27 項(xiàng)農(nóng)田土壤屬性數(shù)據(jù)輸入，對(duì)普通農(nóng)民用戶而言設(shè)置難度和學(xué)習(xí)成本極高。2）部分平臺(tái)的可視化數(shù)據(jù)呈現(xiàn)功能較差，無(wú)法有效傳達(dá)分析結(jié)果的意義，用戶無(wú)法從數(shù)據(jù)視圖中快速獲取有用信息。例如在施肥決策結(jié)果的可視化模塊中，系統(tǒng)僅以表格形式輸出了12種營(yíng)養(yǎng)元素的詳細(xì)數(shù)據(jù)，沒(méi)有輔助用戶關(guān)注關(guān)鍵指標(biāo)。3）現(xiàn)有平臺(tái)沒(méi)有提供足夠的交互式操作與輔助功能，一旦用戶出現(xiàn)操作失誤，平臺(tái)無(wú)法提供及時(shí)有效的幫助與糾錯(cuò)，導(dǎo)致用戶沮喪而放棄使用。例如在某水肥一體化灌溉系統(tǒng)中，由于缺乏交互提示，78%的用戶在首次使用時(shí)無(wú)法成功完成系統(tǒng)配置。4）部分平臺(tái)沒(méi)有實(shí)現(xiàn)多終端適配，其用戶界面僅針對(duì)桌面端設(shè)計(jì)，在移動(dòng)設(shè)備上無(wú)法正常顯示或操作，限制了平臺(tái)的使用場(chǎng)景。

3 基于軟件工程的農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)采集與分析平臺(tái)改進(jìn)策略

3.1 提升數(shù)據(jù)采集模塊的傳感器技術(shù)

為了提高農(nóng)業(yè)機(jī)械作業(yè)的數(shù)據(jù)采集精度，需要從傳感器技術(shù)等多個(gè)方面進(jìn)行突破與升級(jí)。1）開發(fā)新型高精度傳感器是關(guān)鍵。例如設(shè)計(jì)測(cè)量范圍更廣、分辨率更高的新型土壤酶活性檢測(cè)傳感器，采用差分放大技術(shù)抑制各種隨機(jī)誤差對(duì)測(cè)量結(jié)果的影響，可將測(cè)量精度提高至2%以內(nèi)[5]。利用激光測(cè)距和機(jī)器視覺(jué)技術(shù)研發(fā)高精度的作物結(jié)構(gòu)參數(shù)監(jiān)測(cè)系統(tǒng)，可動(dòng)態(tài)實(shí)時(shí)評(píng)價(jià)作物生長(zhǎng)狀況與健康程度。2）開發(fā)新型的傳感器數(shù)據(jù)融合算法框架也至關(guān)重要。通過(guò)多源異構(gòu)傳感器協(xié)同測(cè)量獲得冗余數(shù)據(jù)，結(jié)合Kalman 濾波、粒子濾波等多傳感器融合框架，提取有效信息、抑制隨機(jī)誤差，可顯著提升數(shù)據(jù)精度與完整性。3）優(yōu)化傳感器狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)對(duì)于維持精度長(zhǎng)期穩(wěn)定也必不可少?？梢匝邪l(fā)智能健康評(píng)估模型，基于機(jī)器學(xué)習(xí)對(duì)傳感器運(yùn)行狀態(tài)進(jìn)行評(píng)估，并通過(guò)模型預(yù)測(cè)實(shí)現(xiàn)故障的預(yù)測(cè)維護(hù)。4）開展傳感器在線標(biāo)定與自動(dòng)重新配置技術(shù)的研究，可根據(jù)狀態(tài)監(jiān)測(cè)結(jié)果對(duì)其性能進(jìn)行實(shí)時(shí)校準(zhǔn)與優(yōu)化，確保采集數(shù)據(jù)的連續(xù)精度?？傮w來(lái)看，需要系統(tǒng)性地從數(shù)據(jù)源頭入手，通過(guò)傳感器技術(shù)的革新與融合，提高農(nóng)業(yè)機(jī)械數(shù)據(jù)采集的準(zhǔn)確性與可靠性。

3.2 優(yōu)化數(shù)據(jù)分析平臺(tái)的算法框架

為實(shí)現(xiàn)農(nóng)業(yè)機(jī)械作業(yè)大數(shù)據(jù)的高效分析，需要從算法模型與軟件平臺(tái)兩個(gè)層面進(jìn)行優(yōu)化升級(jí)。1）構(gòu)建支持并行分布式計(jì)算的算法框架至關(guān)重要。例如應(yīng)用Spark 及Hadoop 等大數(shù)據(jù)處理技術(shù)，在服務(wù)器集群上實(shí)現(xiàn)模型并行，充分利用多核心CPU 的算力，可使變量施肥決策系統(tǒng)的運(yùn)算速度提高10倍以上[6-7]。此外，還應(yīng)研發(fā)支持增量學(xué)習(xí)和在線學(xué)習(xí)的算法，利用流式計(jì)算模式，實(shí)現(xiàn)動(dòng)態(tài)快速響應(yīng)。2）開發(fā)異構(gòu)數(shù)據(jù)融合的聯(lián)邦式深度學(xué)習(xí)框架也是重中之重。它可支持不同類型的數(shù)據(jù)集分布式訓(xùn)練模型，并協(xié)同進(jìn)行預(yù)測(cè)運(yùn)算。例如建立“土壤數(shù)據(jù)+作物數(shù)據(jù)+氣象數(shù)據(jù)”的增產(chǎn)肥料配置模型，使變量施肥系統(tǒng)的運(yùn)算速度提高7 倍，滿足作業(yè)連續(xù)性要求。3）構(gòu)建知識(shí)圖譜驅(qū)動(dòng)的智能算法框架，可顯著提升分析的準(zhǔn)確性。知識(shí)圖譜通過(guò)編碼專業(yè)知識(shí)與經(jīng)驗(yàn)，彌補(bǔ)數(shù)據(jù)本身的局限，可有效提高復(fù)雜系統(tǒng)的模擬與預(yù)測(cè)精度。4）還需構(gòu)建支持動(dòng)態(tài)算法配置的軟件框架。根據(jù)不同的實(shí)時(shí)運(yùn)算需求，可調(diào)用不同并行度、精度與速度的算法模塊組合，動(dòng)態(tài)調(diào)整時(shí)間、資源與效果之間的平衡，實(shí)現(xiàn)快速響應(yīng)。

3.3 加強(qiáng)系統(tǒng)實(shí)時(shí)計(jì)算與響應(yīng)能力

為實(shí)現(xiàn)農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)平臺(tái)的實(shí)時(shí)性，需要從數(shù)據(jù)流優(yōu)化、并行計(jì)算和智能調(diào)度等多個(gè)環(huán)節(jié)進(jìn)行突破。1）構(gòu)建支持各類異構(gòu)數(shù)據(jù)高速聚合的服務(wù)總線至關(guān)重要。采用5G 和工業(yè)以太網(wǎng)等技術(shù)打通數(shù)據(jù)孤島，并通過(guò)Kafka、RabbitMQ 等中間件實(shí)現(xiàn)海量數(shù)據(jù)流的融合，可將系統(tǒng)總體延遲降低超過(guò)30%[8]。2）需要大力加強(qiáng)平臺(tái)的并行計(jì)算能力。通過(guò)升級(jí)GPU 服務(wù)器集群，采用TensorFlow、PyTorch 等框架實(shí)現(xiàn)模型并行訓(xùn)練，可使機(jī)器學(xué)習(xí)驅(qū)動(dòng)的路徑規(guī)劃系統(tǒng)響應(yīng)時(shí)間縮短至400 ms 以內(nèi)，基本滿足要求。3）建立智能多目標(biāo)調(diào)度機(jī)制也不可或缺。結(jié)合深度強(qiáng)化學(xué)習(xí)訓(xùn)練出調(diào)度控制模型，實(shí)現(xiàn)對(duì)計(jì)算資源、存儲(chǔ)資源和網(wǎng)絡(luò)資源的協(xié)調(diào)優(yōu)化，達(dá)到時(shí)間效率與資源消耗的最佳平衡。4）構(gòu)建閉環(huán)的數(shù)據(jù)驅(qū)動(dòng)流程很有必要。讓采集、網(wǎng)絡(luò)、運(yùn)算、控制各個(gè)環(huán)節(jié)形成信息高速環(huán)路，實(shí)現(xiàn)數(shù)據(jù)流動(dòng)的零延遲，可有效提升平臺(tái)對(duì)農(nóng)機(jī)作業(yè)調(diào)控的實(shí)時(shí)性，全面實(shí)現(xiàn)精準(zhǔn)作業(yè)。

3.4 改進(jìn)用戶交互界面，改善用戶體驗(yàn)

為了提高農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)平臺(tái)的用戶體驗(yàn)，需要從人機(jī)交互界面設(shè)計(jì)的多個(gè)維度進(jìn)行優(yōu)化與創(chuàng)新。1）搭建知識(shí)驅(qū)動(dòng)的自適應(yīng)智能界面架構(gòu)非常關(guān)鍵。通過(guò)應(yīng)用深度學(xué)習(xí)算法訓(xùn)練用戶行為模型，平臺(tái)可自動(dòng)分析不同用戶的知識(shí)結(jié)構(gòu)、操作習(xí)慣和學(xué)習(xí)能力，動(dòng)態(tài)生成個(gè)性化的用戶界面，提供步驟簡(jiǎn)化、參數(shù)預(yù)設(shè)、交互提示、錯(cuò)誤糾正等輔助功能。例如針對(duì)資深專家用戶，提供高度開放和自定義的界面；針對(duì)普通農(nóng)民用戶，提供詳盡流程引導(dǎo)的簡(jiǎn)易界面。2）構(gòu)建多模態(tài)混合交互技術(shù)，向用戶提供語(yǔ)音、視覺(jué)和觸覺(jué)相結(jié)合的交互方式，可顯著提升用戶體驗(yàn)[9]。用戶可以通過(guò)語(yǔ)音命令設(shè)定參數(shù)，數(shù)據(jù)變化通過(guò)聲光效應(yīng)同步呈現(xiàn)，觸控交互實(shí)現(xiàn)精確控制。3）應(yīng)用數(shù)字孿生和虛擬現(xiàn)實(shí)技術(shù)搭建沉浸式用戶交互環(huán)境，用戶可在模擬場(chǎng)景中對(duì)平臺(tái)軟硬件進(jìn)行測(cè)試和控制，大幅降低學(xué)習(xí)成本。4）開發(fā)支持跨平臺(tái)與多終端的自適應(yīng)用戶界面也至關(guān)重要。通過(guò)響應(yīng)式Web 設(shè)計(jì)，同一用戶界面可自動(dòng)針對(duì)桌面瀏覽器、移動(dòng)瀏覽器、App 等不同環(huán)境進(jìn)行布局、樣式和內(nèi)容的重構(gòu)與優(yōu)化，實(shí)現(xiàn)一次開發(fā)、多端使用[10]。

4 結(jié)語(yǔ)

本文通過(guò)對(duì)農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)采集與分析平臺(tái)的深入分析，揭示了當(dāng)前平臺(tái)在數(shù)據(jù)精度、分析效率、實(shí)時(shí)響應(yīng)和用戶體驗(yàn)等方面的不足，并提出了基于軟件工程的改進(jìn)策略。強(qiáng)調(diào)了提升傳感器技術(shù)、優(yōu)化數(shù)據(jù)分析算法、加強(qiáng)實(shí)時(shí)計(jì)算響應(yīng)能力以及提升用戶界面友好性的重要性。這些策略的實(shí)施將有助于提高農(nóng)業(yè)機(jī)械作業(yè)的智能化水平，促進(jìn)農(nóng)業(yè)機(jī)械化和智能化的發(fā)展。未來(lái)的研究和實(shí)踐應(yīng)繼續(xù)關(guān)注農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)平臺(tái)的技術(shù)創(chuàng)新，特別是在傳感器精度、算法優(yōu)化、實(shí)時(shí)計(jì)算能力和用戶體驗(yàn)方面。隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)的發(fā)展，農(nóng)業(yè)機(jī)械作業(yè)數(shù)據(jù)平臺(tái)將更加智能化，能夠?yàn)檗r(nóng)業(yè)生產(chǎn)提供更加精準(zhǔn)和高效的決策支持。