基于物联网的智慧农业数据采集与分析系统的设计与实现

张 桃

（宜宾学院，四川 宜宾 644000）

近年来，随着社会和科技的进步，人们也非常重视科技的提升，越来越多的新兴技术或者改进技术运用到了智慧农业中，例如分布式存储、5G、大数据、物联网技术等[2]。

农业数据采集与传输具有网络覆盖面大、设备铺设地形复杂、单次数据传输量小且传输频繁、监测节点多、设备成本低、设备尺寸小等特点[3]。随着信息技术在农业领域的广泛应用，智慧农业已成为发展农业生产、农业管理、农业教育和科学研究的强大动力。农业数据的采集技术包括数据通信技术和传感器技术。用于测量精密农业中各种差异的农业信息可以使用低成本、实时传输且快速传输的高性能传感器系统。农业数据的采集通常包括土壤PH值、微量元素含量、水分、生长环境温度、湿度、光照、作物病虫害等信息[4]。农业数据的准确性取决于原始数据采集及传输的精确性，只有采用先进和完善的数据采集技术，才能使原始信息的真实性和及时性才能得到提高，从而最终让数据在随后的信息技术处理过程中得到有效利用。智慧农业数据采集与分析系统主要是以物联网技术、网络传输技术、大数据技术等为基础的智慧农业关键技术，以提高适应性、稳定性、可靠性、易用性以及为目标设计系统功能，达到智慧农业在生产过程中的农业数据智能采集、智能分析、智能环境参数监控、智能信息预警和智能远程诊断的目的。

由于很多农户对于新兴信息技术的认知和学习程度有限，导致了现代信息技术在农业产业中普及比较慢，所以当前大多数农户对农业生产过程的环境监测和数据采集依旧靠人工进行观察和统计，这样就造成数据可能不准确、不及时等问题[5]；
在农业数据的分析方面，由于前期数据源的一系列问题，导致后来根据数据分析出的结果也存在很大问题，往往还是靠经验进行估算，不能精确对农业生产做出指导。平台要达到对农业生产环境数据进行智能采集、智能分析、智能监控、智能预警，提升农业企业信息化管理水平，为农业管理者辅助决策提供数据支撑。

根据需求调研分析和系统设计目标，智慧农业数据采集与分析系统主要分为物联网可视化监控中心和物联网监控平台服务中心，其功能主要包括：物联网环境监测模块、农作物种植视频监控与联动控制模块、农作物种植地图与数据融合展示模块、农作物种植数据分析模块、农作物种植数据异常预警模块、农作物种植数据可视化展示模块系统功能架构如图1所示：

图1 智慧农业数据采集与分析系统功能架构图

土壤墒情监测。土壤商情监测功能可以实现全天候不间断监测，监测设备自动采集农作物种植土壤温湿度、土壤PH、土壤氮磷钾等微量元素含量、土壤重金属含量、农药残留等土壤实时数据，并利用GPS无线网络实时数据远程传输，农场监测中心自动接收、自动储存各监测点位的监测数据到数据库中。

气象环境监测。该功能主要是对农作物的气象实时监测，极端气象及时预报；
监测要素：空气温度、空气湿度、紫外线强度、太阳总辐射、风速、风向、风力、降雨；
通过农场现场的气象设备，实时的对农场各气象进行监测，提高了农业生产对自然环境风险的应对能力，使弱势的传统农业成为具有高效率的现代产业。

视频监控环境监测。该功能主要用于农作物生长环境的实时查看，通过无线/有线网络通信技术、视频推流技术等技术，集成农场视频监控，使生长环境情况直观展示；

（1）传感器联动控制模块。该模块主要农作物种植的自动灌溉设备对农场环境监测设备上传的土壤水分、土壤温度、土壤性质、空气温湿度等数据，结合农作物的需求规律智能的作出最佳反应。

（2）地图与数据融合展示模块。地图与数据融合功能模块主要用于实现采集数据与区域地图融合展示的功能，以便让管理者直观的了解相关产业的分布情况以及相关数据与地区的联系，以便更好的做出决策，其主要功能有：①农场分区域地图显示。该模块将农场按照不同农作物的种植区域、生长状态分成若干个区域，并标示在地图上，明确了农场工作人员的工作责任，提高了农场工作人员的工作效率，方便农场管理人员的模块管理，也可为农作物的溯源提供数据依据。②地点标注。农场工作人员根据工作要求，通过标注地点的方式标注自己的上班地点和作业范围时间。③数据上报。农场工作人员可以把农作物的生长状态、生长面积、农作物生长过程中的各种情况、人员工作情况用照片的方式上报给系统。

（3）数据分析模块。数据采集与处理模块主要用于实现农作物种植数据的自动采集、分析、存储备份等功能，主要功能有：温度、湿度、光照、土壤PH值、农药、化肥等数据采集汇总；
以及农作物种植数据库、农作物健康用药数据库、农作物健康专家数据库、常用农资产品数据库等数据采集与显示。

（4）数据预警模块。①数据预警。数据预警主要是对农作物种植各参数的预警，当农场实际值超过或低于预警值时，系统向管理和工作人员发出预警提醒，预警方式包括PC端消息提醒、APP端消息提醒、手机短信提醒，让农场工作人员提前作出反应；
管理人员人员可以自己设定包括空气温度、湿度、土壤PH值等预警参数。②设备预警。设备预警主要是对农作物种植各智能设备硬件参数异常预警，当硬件设备上传参数明显偏离环境正常值时，系统会向管理人员发送设备硬件预警提示，管理人员及时安排相关人员前去查看设备运行情况，对相关设备预警设备进行相关处理。

（5）数据可视化展示模块。可视化监测系统主要用于采集数据的展示，包括农场实际生产情况、地理位置展示，农场实时二氧化碳浓度、土壤PH值、光照、温度、湿度等环境参数数值的展示，农场实时各点位监控视频展示以及各数值当前变化趋势展示等。

（6）系统管理模块。①数据管理。数据管理模块主要对系统环境监测数据的储存、收集、处理、筛选，确保数据安全性、完整性及一致性，以软、硬件技术为基础，以数据采集设备为核心，实现对农作物相关的数据、过程、资源一体化集成的管理。②设备管理。设备管理主要是对农场各硬件设备运行状况的管理，该模块的主要功能有设备安装、设备维护、设备更换、设备调拨、设备维护等。③预警管理。预警管理主要是对农场各环境监测设备监测参数范围的修改、编辑、删除，对智能控制设备正常工作参数的修改、编辑、删除等功能。④地图管理。地图的管理为农场工作人员工作区域和工作地点提供参考，为管理人员对农场工作的分工提供依据，该板块主要是对农作物种植地图区域划分、关键点位的增加、删除、修改等功能。⑤权限管理。权限管理功能模块主要用于系统的权限控制，当不同身份的人员访问系统时有不同的权限，以保证系统安全，该模块规划的子功能有：权限分配、权限控、权限查看、权限删除等。⑥系统设置。主要用于系统基础设置，后台配置和农作物信息包括excel编码，分页数量，包括对平台的介绍等配置。

4.1 技术路线

由于系统数据的采集要配合各类数据采集传感器使用，且传感器数量多、种类多，各个点位的部署距离可能较远，各传感器与平台之间又主要通过接口传输数据，为保证平台软硬件系统的耦合度、平台安全性、平台扩展性、软件开发效率、软件运行效率、平台资源利用率和平台后期运行成本可控等，在技术路线方面，系统的设计以及应用系统开发使用HTML +Java + Jsp+ Android 语言，以Spring Boot为核心框架，并融合Hadoop + Mapreduce + Spark分布式框架，数据库使用MySQL，采用Processon系统数据设计工具来实现。

4.2 系统数据采集工作原理

系统通过部署在农作物种植生产现场的数据采集装置进行数据采集，数据采集装置需采用无线形式工作，应集成各类传感器、4G通讯模块、太阳能供电设备。在采集数据时，太阳能和蓄电池负责为各组件提供电源，各类传感器自动采集各种数据，传感器先将采集的数据储存到其内置的数据库，然后传感器通过RS485接口与4GDTU模块通讯，4GDTU模块再将数据通过4G传输的方式传输到应用系统的服务器（上位机）做深度分析。在系统进行数据分析时，服务器首先将收到的数据分类保存，然后进行挖掘，再与系统中设定好的参数做数据比对、分析，最后将分析结果以信息和图形的方式展示出来，为农作物生产提供辅助决策；
系统的逻辑结构图如图2所示。

图2 系统逻辑结构图

4.3 系统数据分析原理

（1）系统在设计过程中设定了各类农业数据的正常格式和农作物/家禽生正常长的环境参数范围K（K1-Kn），以及分析决策事件集M{M1，M2，M3….}；

（2）在对具体数据处理时，首先将获得原始数据A进行预处理，对原始数据A进行校验，校验后把没有用的数据或者格式类别不正确的数据直接放弃，再把有用的数据B存起来，并根据数据B类型进行分类存储；

（3）在数据分类存储的过程中，把得到的数据B与系统设置的此类数据正常参数范围K（K1-Kn）进行比对，若数据B在正常范围内，则触发分析决策事件中数据正常事件Ma，并保存相关数据；
若数据B接近或低于正常参数范围K（K1-Kn）中的K1时，则触发分析决策事件中数据偏低事件Mb，并向农户、决策分析人员、系统管理员发出信息预警（系统信息、APP信息、短信等），并将相关数据进行存储，再启动事件Mb的应急处理方案以及时减少影响；
同理，若数据B接近或高于于正常参数范围K（K1-Kn）中的Kn时，则触发分析决策事件中数据偏低事件Mc，并向农户、决策分析人员、系统管理员发出信息预警，并将相关数据进行存储，再启动事件Mc的应急处理方案以及时减少影响，以此类推。

本次论文课题以智慧农业大数据采集与分析为背景展开，针对当下农业数据采集难、采集不准确、不及时、采集后无法有效分析利用等问题，总结出了智慧农业数据采集的实现路径，再从农业实际应用角度出发，以大数据、物联网以及无线网络传输技术为基础，从实际问题中提出具体的场景需求，设计了智慧农业数据采集与分析系统，系统解决了在复杂网络结构下的农业数据采集分析问题，有效的使种养殖户在农业生产过程中因数据缺失或者无法获得准确数据而不能增加产量或收入的问题，具有较好的实际应用意义。