智慧农业平台方案

1.研究概述

  本项目利用物联网、现代通信技术、GIS和云计算等技术，建立一个全过程种植云平台，实现农作物的远程可视化管理。该系统提供地理信息服务，将种植地块以及农场设施等信息加载到地图中，为用户提供可视化的操作界面。平台提供云服务器与物联网终端之间的数据通信，将通过无线传感器实时采集的环境温/湿度、日照情况、土壤温度以及土壤湿度等数据信息，利用Internet网络接收至服务器端并存储，并根据用户需求将数据进行处理。另外，平台系统里的农产品追溯功能模块，可以提供农产品种植过程中的全过程记录和跟踪功能。主要开展以下方面的技术研究和攻关：

第一，是传感技术在农产品生产过程中的参数监控及补偿值处理，利用无线网关、中继路由等实现传感器在具体生产环境中的互联及集成。

第二，优化传感器在信号采集中及传输中的流量传输，通过嵌入式系统实现对前端传感设备的复 合控制。

• 构建并优化云平台系统，将通过无线传感器实时采集的环境温/湿度、日照情况、土壤温度以及土壤湿度等数据信息，利用Internet网络接收至服务器端并存储，并实现对设备系统的干预和控制。
• 农产品生产的大数据挖掘，在云平台中植入数据挖掘引擎，实现对农产品生产环境的智能分析，通过可视化界面的呈现使得农产品环境的监测和控制更加方便。
• 将利用深度学习、图像识别等先进技术，对农作物叶片进行实时监测和识别。通过训练模型，系统能够准确识别出叶片的健康状态，包括正常的健康叶片、带有斑点的叶片、萎蔫的叶片以及受到虫害侵袭的叶片等。

1.1 研究背景及意义

农业信息化是推动传统农业转型升级的重要手段，信息技术在农业生产中的深度应用，也是“十三五”期间我国实现农业现代化的重要工作。在“十三五”期间，以物联网和云平台相结合智慧农业技术在农业生产的各个领域开始得到广泛应用，并取得较为明显的经济效益和社会效益。通过物联网获取农作物生长过程中的各种数据，运用数据挖掘方法，获得农作物优质高产的规则和知识，进一步指导农产品种植和生产环境的调控，可以达到提高农民收入，降低农业生产风险，提升农业整体经济效益的目的。

农业的风险来自于自然环境的不确定性，以及生产者对农作物生长与自然环境的微妙关系缺乏足够多的规律认知。传统的农业生产更多是基于经验的积累，缺乏有效的知识指引。随着市场对有机农产品的高度认可，有机农业的市场牵引力开始放大。但是，有机农业对种植环境要求非常高，尤其是农作物生长的每个阶段都要严格把控，包括大棚的温度、土壤的湿度等等，都需要精细控制，依靠传统的经验式种植很难实现优质高产。农业物联网是依靠大量的传感器采集温度、湿度、土壤酸碱度、CO2等农作物在种值中的环境参数，这些数据通过无线或有线传输媒介直接发送并储存在云平台上。云平台可以实现对不同地区、不同种植环境的海量数据存储。

根据最新的中共中央一号文件指精神，现代农业应当向技术化、知识化、 信息化农业发展。随着信息技术快速发展，传统农业的转型升级已势在必行。在农产品种植过程中运用信息化技术，一方面可以解决农产品种值过程中精细化管理问题，另一方面，可以有效收集农业种植过程中的环境数据，建立农业大数据平台，在农业精细化种植的同时，避免环境污染和资源浪费。通过物联网及云平台建立农业大数据，有助于农产品生产者提高农业生产对自然环境风险的应对能力，减少劳动和土地使用成本，促进农业生产组织化，提高劳动生产效率取得了一定的成效。 

1.2 研究内容

研究涉及到运用物联网、云计算、移动互联网和人工智能技术，应用在传统农业生产领域，帮助农民、农场主或农业主管单位实现全天候不间断的生产环境检测和管理。平台软硬件一体化均为自主研发，由智能终端（负责采集各类数据）+云平台（存储、分析、展示和管理各类数据和设备信息）组成，可部署在电脑、手机、平板、电视等多种设备。在功能上平台部署简单，稳定可靠，易于扩展，使用方便，可灵活定制，是目前市面上性能和成本兼得的智慧农业系统。

智慧种植控制系统示意图如图所示：

智慧种植控制系统示意图

主要研究内容包括：物联网传感技术在农产品生产过程中的参数监控及补偿值处理，利用无线网 关、中继、路由等实现传感器在具体生产环境中的互联及集成。

其次，优化传感器在信号采集中及传输中的流量传输，通过嵌入式系统实现对前端传感设备的复合控制。

• 构建并优化云平台系统，将通过无线传感器实时采集的环境温/湿度、日照情况、土壤温度以及土壤湿度等数据信息，利用Internet网络接收至服务器端并存储，并实现对设备系统的干预和控制。
• 农产品生产的大数据智能分析，在云平台中植入数据挖掘引擎，实现对农产品生产环境的智能分析，通过可视化界面的呈现使得农产品环境的监测和控制更加方便。云平台构架为：

图  智慧种植云平台构架图

1.3 研究技术路线

（1）文献及实际调研，了解物联网、云平台技术在农业中的运用情况及发展趋势。

（2）对不同的平台用户开展调研，进行系统开发的需求分析。

（3）厘清智慧种植管理系统的构架，确定各功能模块。

（4）完成物联网传感器的开制，以及云平台初试版本的开发。

（5）在实际应用地点进行系统测试，针对极端室外环境对传感器装置进行优化完善。

（6）进行云平台的优化，确保云平台的各项功能使用稳定。

（7）基于物联网技术采集叶片图像与环境数据，利用深度学习算法训练AI识别模型，实现叶片健康状态识别。

（8）开展结题阶段的总结和资源搜集工作。

图  研究技术路线图

2.需求分析

2.1管理需求

（1）以农业监管、智能控制、大数据分析、农业物联网、农业产品安全监管追溯、应急指挥调度等角度出发，满足不同管理者的个性化需求。

（2）农产品追溯管理。通过智能手机扫描农产品的追溯二维码等物联网手段，可查看该农产品生产的全面追溯信息，方便农产品安全监管。

（3）通过对农业生产、流通、销售等基础数据的采集，进行大数据的挖掘分析，进行对农业产业性调整、决策支持等。集展示农田地理信息、应急指挥、网络决策、对话沟通、资源调度等。

2.2 生产需求

（1）从农业生产科技化、规模化、集成化，提高农业生产经济效益，以技术创新和信息化建设促进农作物生产的扁平化、精细化管理革新。 把 GIS 技术与物联网技术运用到服务系统中，提高终端服务的综合性、实时性和人性化，进一步提高客户服务管理水平和服务质量。

（2）为农作物的种植管理提供可靠、直观、和快捷的基于 GIS 信息数据库的服务，弥补现有管理系统在传统查询、检索功能上的缺陷，以降低管理人员的工作强度，减少运营成本，为企业更好地产生社会效益和市场效益。

2.3其他需求

（1）基于农业物流现状存在的流通渠道不畅、市场信息落后等问题着手。拓展渠道信息的价值，确保流通渠道畅通，客户信任，并且能最大限度的减少物流成本提高效益。

（2）通过精准化的大数据管理提高农业产品的品牌意识和市场竞争力。打造政府、市场、客户和生产者之间的关系网络，使市场供求关系快速散播。结合目前针对农民的市场分析缺乏，如何提农产品高竞争能力、增加农产品销售渠道等方面出发。

3.系统设计

3.1系统架构

在以上分析分析的基础上，获得以下总体构架及系统逻辑图示：

图 农业大数据平台构架示意图

该平台属于“端+云”的网络架构，是要解决物联网操作中的各种信息传递、信息交互、数据展现和功能应用等问题。从技术的角度来看，“端+云”的网络需要基于传统的互联网，尤其是最低层和中间层，依旧是电信网络和硬件终端网络。而从行业特性及应用的视角来看，“端+云”的网络，则是由所有物联网要素通过透明连接而形成的智慧应用网络。

“端+云”的端，可以说是整个智慧平台的运动神经系统，其作用在于感知各种种植环境参数、并以此进行运算并反馈调节种植环境。其中，将包含多种物联网监测、控制要素相匹配的信息采集终端、交互终端，既有硬件终端，也有软件终端。实现所有物联网多要素的透明连接的前提，是让每一个物联网终端都可以收发信息，而让每一个物联网终端都可以收发信息，就是“端”需要解决的问题。

“端+云”的云，有两个功能：其一是基础服务，包括所有数据的存储和计算；其二是核心服务， 即数据智能和算法优化。其屮，后者决定了一个农业智慧平台的智能化程度。许多智慧平台从表面上看差别并不大，比如它们都掌握了丰富的入口（端）、都致力于信息的分享与数据的协同，但是在如何深挖数据价值方面却存着天壤之别。这也直接决定了对我们对智慧平台应用的价值评估。为此，我们的智慧平台尽可能把物联网所监控的所有信息（包括环境亮度、土壤温度、土壤湿度、空气温度、空气湿度）、逻辑要素（数据组合、业务流程）等综合考虑，并向各级农业用户提供SaaS（软件即服务）的互联网应用服务。

3.2平台构成

而根据农业智慧平台的实际应用功能，该平台由多个系统及相应的模块构成，具体如下图所示：

图 平台组成示意图

4系统的技术实现

4.1针对真实种植环境的技术优化

4.1.1野外种植环境信息采集终端

针对原有的终端进行完善与优化，以便可以高效、可靠地在野外各种极端环境下正常工作，通过优化，需满足以下技术要求：

1、使用单片机或嵌入式系统作为信息终端的主机，并提供相应的终端运行所需要的源代码；

2、参数范围：空气/土壤温度范围 -30℃～70℃；空气/土壤湿度范围 0～100%；光照强度范围0～200Klx；日照时数范围0-24小时；

3、集成无线采集功能模块：采集传感器数据，并通过 WIFI协议发送； 

4、集成无线数据收发功能模块，能够通过 4G网络发送至相关互联网服务器；

5、以上相关模块应该可以程序控制定时进入深度休眠，以节省耗电，同时可以定时启动运行指定程序；

6、终端本身自带蓄电池系统，功率为10000mAH或以上，以满足终端2天以上的自供电能力。

7、太阳能电池板，在日光环境下能够给终端供电并为蓄电池系统充电；

8、满足防水防雷防闪电要求，以保证在各种极端野外环境下正常工作。

4.1.2智慧农业云平台系统空间优化

针对原有的服务器端软件进行优化升级，以满足野外工作的实时性、实用性、可靠性、稳定性等多项实际要求，通过系统优化，可以满足以下技术要求：

1、LAMP(Linux+Apache+Mysql+Php)的架构进行服务器应用的构建，并提供相应的源代码；

2、相应的版面内容可以实现电视大屏、手机、平板等多种显示设备的自适应，以满足各种用户群体对数据的查询与使用；

3、能够及时对终端的连接情况进行实时检测，当连接出错时可以实时预警，以利于系统维护；

4、可以自动采集种植环境信息终端所上传的各种传感器信息，并对超出阈值的信息内容进行预警提示；

5、可以生成传感器数据的历史趋势曲线，完成对传感器数据的存储、分析、管理；

6、可以把传感器的使用位置与GIS地理信息数据库进行有效的绑定，以实现基于地理信息数据库的可视化管理；

7、能够对地理信息数据库的数据进行方便的编辑、修改，通过相应的地图界面能够实现点、面的全方位种植信息管理；

8、提供平台账号与权限管理功能，以利于多用户、多权限的分配管理；

9、能够在传感器数值超出指定阈值时，可以通过监控屏幕/短信等进行提示预警；

10、系统云平台提供可视化管理操作界面，并确保7×24小时的不间断服务；

11、系统能够抵抗来自系统外部和内部的攻击，保证系统安全、可靠地运行。第一年平均无故障时间至少达到80%，第二年要稳定在95%以上。

4.1.3基于嵌入式系统的显示终端主机

此终端专门为野外应用而专门开发定制，通过优化，可以满足以下技术要求：

1、32位或64位嵌入式Linux系统，可使用HDMI高清数字接口与相关显示设备进行连接，内存1G或以上，外存储32G或以上；

2、带WIFI模块，以便连接农场本地的局域网，进而执行互联网服务器程序而完成农业数据的处理；

3、嵌入式系统主板尺寸不超过12mm x 90mm x 40mm，以便能够很方便地放置在多数场合；

4、系统正常耗电量不高于2W，以满足低能耗与日后电池供电的要求。

4.1.4 AI识别技术研究和攻关方向

1.传感技术与AI识别的融合

研究如何将传感技术与AI识别相结合，实现更加精准的环境参数监控和叶片状态识别。

通过无线网关、中继路由等实现传感器与AI识别系统的互联及集成，提高数据传输的可靠性和实时性。

2.优化数据传输与处理

研究如何优化传感器在信号采集和传输中的流量传输，降低数据传输成本和提高传输效率。

通过嵌入式系统实现对前端传感设备的复合控制，提高数据采集的准确性和稳定性。

3.云平台系统的构建与优化

构建并优化云平台系统，实现对无线传感器实时采集的数据的接收、存储和处理。

优化云平台的数据处理算法和存储策略，提高数据处理速度和存储效率。

实现对设备系统的干预和控制，提高农业生产管理的智能化水平。

4.大数据挖掘与智能分析

在云平台中植入数据挖掘引擎，对农产品生产环境进行智能分析。

通过可视化界面的呈现，使得农产品环境的监测和控制更加方便直观。

利用大数据挖掘技术发现农业生产中的潜在问题和优化方案，为农业生产提供更加科学的决策支持。

4.2系统平台的功能实现

建设农产品生产全过程大数据管理平台，可以有效实现农产品生产全过程多环节精准化种植管理、农产品生产全过程大数据分析，以及农产品生产全过程多环节智能化（栽培管理）决策和农产品生产全过程控制。

4.2.1精准化种植管理

智能决策支持系统是辅助解决农业温室系统在种植全过程中的半结构化和非结构化问题的人机交互系统，以信息、仿真和计算机技术为手段，综合运用数据技术、模型技术、人工智能技术，建立过程推理，提供解决方案。通过传感器采集的数据为依据，经分析后，从策略库中调出合适的策略，并将其参数化，形成各控制系统的执行指令，通过智能决策控制将不可控的环境因素缩小在可控范围内，优化作物生长条件，使经济效益和生态效益达到最优。

本方案的智能决策控制系统技术涉及作物长势、水肥药等栽培管理和温室内外环境等多个方面，因此需要用多个模型共同辅助精准种植，构成一个有机的种植精准管理模型体系，通过各模型的求解得到各生产问题的决策结果，并综合形成智能控制的最终决策结果。为实现对温室生产的智慧管理，本设计通过实时感知作物生长的环境，作物的长势等信息，能够根据作物需求实时调整控制策略，进行反馈控制。

4.2.2智能化栽培管理

通过作物种植环境数据分析，定量化描述作物生长发育的关键过程和形态变化，建立相应的植物生长发育模型。根据能耗需求和经济利益需求，通过数据中心的数据分析获得的决策数据和信息，建立行之有效的阈值范围集，为生产现场控制器提供所需要的环境或水肥药控制设定值，并且该智能温室决策控制架构允许手机用户进行温室监控。设计软件为用户提供各种信息服务，譬如作物品种和生长进程的管理、产品购销、市场信息、技术支持与服务、气象信息等，还可以通过互联网实现远程控制与管理诊断、实时环境监测等，即使温室生产管理人员不在温室现场，通过手机也能够及时方便地了解到温室现场生产情况。

4.2.3设备智能控制管理

本系统由于经费、时间所限，虽然暂时未在实际温室中使用，但所设计架构、设备等均可以直接移植至实际温室环境之中使用。温室的“智能”程度取决于对温室环境的感知、决策和控制能力。温室是个较为复杂的系统，包括温室结构、室内外环境和功能部件等，其中，温室内的智能感知与控制系统由各种传感器、电磁阀、配电控制柜及安装附件组成，通过无线 WIFI 或 GPRS 模块与数据中心综合管理平台连接。依据传感器网络用获取的数据和建立的各种环境数据解析模型进行决策，改变内遮阳、外遮阳、风机、湿帘水泵、顶部通风、电磁阀等设备状态，对设备执行机构的行为进行控制和反馈控制，从而达到调节适宜的作物生长环境的目的。

任何一种作物的生长发育都要求一定的环境条件，作物种类不同，对环境条件的要求也不尽相同。智能温室对作物赖以生存的环境因子，包括光照、温度、水分、土壤和大气因子等，进行综合调节和控制，为作物的生长提供适宜的光、温、湿、水、肥等条件，定制灵活多样的控制策略和管理决策，为不同作物的生长发育提供适宜的环境，使作物与环境得到较好的统一。从智能温室结构功能特征分析中可以看出，为了实现智能温室的功能，对各种环境参数进行监控，需要各种环境设备的配合。

智能温室对这些执行机构的控制不是简单的、独立的、静态的直接数字控制， 而是基于环境模型或是专家系统上的监督控制，通过综合集成传感器采集到的温室信息，对温室的执行机构、控制系统、通信系统等进行协同管理、协调运作， 实现对温室内环境参数的控制与调节，使作物获得最佳的生长条件。因此通过温室环境预测模型的建立和环境数据计算分析，确定温室内部光照、辐射平衡、温湿度变化（空气与土壤）、C02 浓度变化、气流和土壤状况等环境因素对作物生长发育的影响、及各因子间的交互作用关系。根据不同作物生长发育模型，建立温室环境优化控制模式，为开发优质高效生产智能化生产管理决策系统，提供数据和模式支持。

4.2.4大数据管理系统

对农产品生产过程中产生的各类环境数据、控制数据和决策数据进行数据分析和挖掘，通过数据建模，建立各类专题数据集。建设数据库，对农产品生产过程中产生的各类环境数据、控制数据和决策数据进行管理。建设农产品生产全过程智能化决策、精准化种植和标准化管理的数据可视化平台，在该平台上集成生产全过程智能化决策、精准化种植和标准化管理操作软件、农产品质量溯源操作软件。应用软件通过应用软件平台可将土壤信息感知设备、空气环境监测感知设备、外部气象感知设备等各种感知设备的基础数据进行统一存储、处理和挖掘，通过中央控制软件的智能决策，形成有效指令，通过网络预警指导管理人员或者直接控制执行机构的方式调节设施内的小气候环境，为作物生长提供优良的生长环境。通过应用软件平台允许外部用户进行农产品质量溯源。通过建设可视化信息平台，提供如下服务：

（1）温室模块化集成

根据区域地形地势、气候条件、温室栽培作物、水电网供应等条件，合理选择温室的结构类型及其配套设备，可以达到优化资源配置，降低运行成本，提高投入产出的比的目的。

（2）信息获取服务

用户可以通过手机、计算机等信息终端实时获取作物长势和环境监测信息、预警信息、专家咨询和农技信息等。建设农产品生产过程和生产环境数据库，把土壤、空气数据进行融合，便于生产管理者、生产操作者和农产品消费者进行数据追溯。

（3）农情预警中心

建设基于空间管理平台的农地土壤环境、生产气候环境等农情预警中心。使得生产管理和决策者可以第一时间获得生态异常状态数据预警，对各生产单位的突发种植环境生态异常问题通过网络信息进行及时协调处理。

（4）质量溯源信息系统

建设基于生产过程数据、环境数据和农地网格化空间数据的农产品质量溯源信息平台。使得消费者通过该农产品质量溯源信息平台，利用二维码标识对农产品的种植过程、质量品质等进行查询和专家咨询， 真正体验健康生态的农产品消费。

4.2.5项目应用情况

通过空气、土壤、水环境管控，结合农产品具体种植养殖要求，以及地域信息管理等内容，满足信息农业特点及操作。已经应用于英德市原野宜森生态农业开发农场，该农场面积约3000亩，以特色种植为主，是广东省重点农业企业。形象直观的大数据内容，可以对土壤温度湿度、空气温度温度、环境亮度等进行具体的监控、管理与分析。

（1）可视化的、由嵌入式系统支持的大屏

形象直观的大数据内容，可以对土壤温度湿度、空气温度温度、环境亮度进行数据分析，并进行针对性的控制管理。

 

 对物联网终端采集的数据上传服务器，建立客观的环境数据参数。

根据物联网终端生成的数据，形成相关的环境曲线，用于种植环境数据分析。

系统可以按实际需求对播种、施肥、喷药等种植操作进行全过程记录与管理。

系统针对作物种植生成二维码，可以实现完全过程的农产品溯源操作。

4.2.6 AI识别功能

AI识别功能将利用深度学习、图像识别等先进技术，对农作物叶片进行实时监测和识别。通过训练模型，系统能够准确识别出叶片的健康状态，包括正常的健康叶片、带有斑点的叶片、萎蔫的叶片以及受到虫害侵袭的叶片等。

1.数据采集与预处理

利用物联网终端（如高清摄像头、无人机等）实时采集农作物叶片的图像数据。

对采集到的图像数据进行预处理，包括去噪、增强对比度、裁剪等，以提高识别准确率。

2.模型训练与优化

构建深度学习模型，如卷积神经网络（CNN）等，用于叶片图像的识别。

使用大量标注好的叶片图像数据对模型进行训练，包括健康叶片、叶片斑点、萎蔫叶片、虫害叶片等。

通过调整模型参数、优化算法等方式，不断提高模型的识别准确率和泛化能力。

3.实时识别与反馈

将训练好的模型部署到云平台中，实现实时叶片图像识别。

当物联网终端采集到新的叶片图像时，云平台将自动调用模型进行识别，并快速给出识别结果。

根据识别结果，平台可以为用户提供相应的管理建议，如病虫害防治措施、灌溉施肥建议等。