基于LoRa技术的农田智能灌溉系统设计.pdf

第9期孟祥 等:基于L o R a技术的农田智能灌溉系统设计1 6 1 D O I:1 0.1 3 7 3 3/j.j c a m.i s s n.2 0 9 55 5 5 3.2 0 2 3.0 9.0 2 3孟祥,赵莹,徐卓威,等.基于L o R a技术的农田智能灌溉系统设计J.中国农机化学报,2 0 2 3,4 4(9):1 6 1-1 6 8M e n g X i a n g,Z h a o Y i n g,X u Z h u o w e i,e t a l.D e s i g n o f i n t e l l i g e n t i r r i g a t i o n s y s t e m f o r f a r m l a n d b a s e d o n L o R a t e c h n o l o g y J.J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n,2 0 2 3,4 4(9):1 6 1-1 6 8基于L o R a技术的农田智能灌溉系统设计*孟祥1,赵莹1,徐卓威1,张大庆2(1.北华大学电气与信息工程学院,吉林吉林,1 3 2 0 2 1;2.吉林农业科技学院,吉林吉林,1 3 2 1 0 1)摘要:为使农作物在适宜含水率条件下生长,实现农田的精准灌溉,设计一种基于L o R a通信技术的农田智能灌溉系统。该系统主要包括作物信息采集单元、L o R a无线通信单元、智能决策单元和灌溉输出模块。系统采用M S P 4 3 0处理器与WH-1 0 1-L型L o R a模块实现低功耗、网络化终端节点设计,通过集中器网关将农田作物信息传输到云服务器,并构建云管理决策软件。系统应用试验测试数据结果表明,采用同步唤醒技术的无线作物感知网络,数据传输稳定,平均丢包率为0.3%,并具备较强的扩展性;通过智能决策单元依据实时作物信息和数据库计算出灌溉量和灌溉时间,远程控制灌溉输出模块,精确控制作物在不同生长期的土壤含水率,在蓝莓试验田和玉米试验田试验测试得到含水率均方差分别为1.8 0和4.8 3,均比传统灌溉方式低。关键词:农田智能灌溉系统;L o R a技术;同步唤醒;决策模型;田间管理中图分类号:S 2 2 4:T P 2 7 3 文献标识码:A 文章编号:2 0 9 5 5 5 5 3(2 0 2 3)0 90 1 6 1 0 8收稿日期:2 0 2 2年3月1 4日 修回日期:2 0 2 2年5月1 7日*基金项目:吉林省教育厅科技研究项目(J J KH 2 0 2 1 0 0 4 0 K J、J J KH 2 0 2 1 0 0 3 9 K J);吉林省科技厅科技发展计划项目(2 0 2 2 0 2 0 3 1 1 2 S F)第一作者:孟祥,男,1 9 7 1年生,河南周口人,硕士,副教授;研究方向为嵌入式系统设计。E-m a i l:2 9 7 7 4 4q q.c o m通讯作者:赵莹,女,1 9 7 6年生,吉林吉林人,硕士,教授,硕导;研究方向为集成电路测试、嵌入式系统设计。E-m a i l:7 3 1 8 5 6 6 5 1q q.c o mD e s i g n o f i n t e l l i g e n t i r r i g a t i o n s y s t e m f o r f a r m l a n d b a s e d o n L o R a t e c h n o l o g yM e n g X i a n g1,Z h a o Y i n g1,X u Z h u o w e i1,Z h a n g D a q i n g2(1.S c h o o l o f E l e c t r i c a l a n d I n f o r m a t i o n E n g i n e e r i n g,B e i h u a U n i v e r s i t y,J i l i n,1 3 2 0 2 1,C h i n a;2.J i l i n A g r i c u l t u r a l S c i e n c e a n d T e c h n o l o g y C o l l e g e,J i l i n,1 3 2 1 0 1,C h i n a)A b s t r a c t:I n o r d e r t o m a k e t h e c r o p s g r o w u n d e r t h e c o n d i t i o n o f a p p r o p r i a t e w a t e r c o n t e n t a n d r e a l i z e t h e p r e c i s i o n i r r i g a t i o n o f f a r m l a n d,a n i n t e l l i g e n t i r r i g a t i o n s y s t e m b a s e d o n L o R a c o mm u n i c a t i o n t e c h n o l o g y w a s d e s i g n e d i n t h i s p a p e r.T h e s y s t e m m a i n l y i n c l u d e s c r o p i n f o r m a t i o n a c q u i s i t i o n u n i t,L o R a w i r e l e s s c o mm u n i c a t i o n u n i t,i n t e l l i g e n t d e c i s i o n u n i t a n d i r r i g a t i o n o u t p u t m o d u l e.T h e s y s t e m a d o p t s M S P 4 3 0 p r o c e s s o r a n d WH-1 0 1-L L o R a m o d u l e t o r e a l i z e l o w p o w e r c o n s u m p t i o n a n d n e t w o r k t e r m i n a l n o d e d e s i g n,t r a n s m i t s f a r m l a n d c r o p i n f o r m a t i o n t o c l o u d s e r v e r t h r o u g h c o n c e n t r a t o r g a t e w a y,a n d b u i l d s c l o u d m a n a g e m e n t d e c i s i o n s o f t w a r e.T h e r e s u l t s o f s y s t e m a p p l i c a t i o n t e s t s h o w t h a t t h e w i r e l e s s c r o p a w a r e n e s s n e t w o r k u s i n g s y n c h r o n o u s w a k e u p t e c h n o l o g y h a s s t a b l e d a t a t r a n s m i s s i o n,t h e a v e r a g e p a c k e t l o s s r a t e i s 0.3%,a n d h a s s t r o n g s c a l a b i l i t y.T h e s y s t e m c a l c u l a t e s i r r i g a t i o n a m o u n t a n d i r r i g a t i o n t i m e b y i n t e l l i g e n t d e c i s i o n u n i t b a s e d o n r e a l-t i m e c r o p i n f o r m a t i o n a n d d a t a b a s e,a n d r e m o t e l y c o n t r o l s t h e i r r i g a t i o n o u t p u t m o d u l e t o a c c u r a t e l y c o n t r o l t h e s o i l m o i s t u r e c o n t e n t o f c r o p s i n d i f f e r e n t g r o w i n g p e r i o d s.T h e m e a n s q u a r e e r r o r s o f w a t e r c o n t e n t o b t a i n e d i n b l u e b e r r y a n d c o r n t e s t f i e l d s a r e 1.8 0 a n d 4.8 3 r e s p e c t i v e l y,b o t h l o w e r t h a n t h e t r a d i t i o n a l i r r i g a t i o n m e t h o d.K e y w o r d s:i n t e l l i g e n t i r r i g a t i o n s y s t e m f o r f a r m l a n d;L o R a t e c h n o l o g y;s y n c h r o n o u s w a k e u p;d e c i s i o n m o d e l;f i e l d m a n a g e m e n t0 引言我国用在农业上的灌溉用水占了全国总用水量的7 0%左右,灌溉水资源的利用率比发达国家利用率低4 0%。因此提高灌溉水资源的利用率,发展节水灌溉和智能灌溉具有重要的意义。第4 4卷 第9期2 0 2 3年9月中国农机化学报J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o nV o l.4 4 N o.9S e p.2 0 2 31 6 2 中国农机化学报2 0 2 3年传统灌溉方式包括漫灌、喷灌、滴灌等,存在各种各样问题。近些年,随着电子技术、物联网技术和机器学习等智能算法理论的发展,很多学者开始研究基于这些技术的智能灌溉。高国丽1提出了基于智能控制的农业节水灌溉系统的研究,该论文仅限于理论研究和仿真,未实际应用和测试;余国雄等2提出了基于物联网的荔枝园信息获取与智能灌溉专家决策系统,该系统能够对灌溉量和灌溉时间进行预测,但该系统的准确率只有7 5%;沈建炜等3提出了丘陵地区蓝莓园智能灌溉决策系统设计,该系统的决策模块未使用智能算法,存在预测量精度不高的问题;张丽娜等4提出了基于模糊R B F神经网络算法的灌溉控制系统设计,该论文采用R B F神经网络和模糊控制系统对玉米农田的灌溉量和灌溉时间进行预测,该系统未应用物联网技术,可扩展性差。本文设计的基于L o R a通信技术的农田智能灌溉系统,充分运用多源信号采集技术、A RM嵌入式系统应用技术、L o r a无线通信组网技术和神经网络模糊智能优化算法,利用土壤墒情、天气预报等信息给出精准灌溉策略,实现农田作物精准化灌溉。1 系统总体架构基于L o R a的农田智能灌溉系统由作物信息采集单元、无线网络传输单元、智能决策单元和灌溉输出单元组成。采集单元将农田作物信息通过无线模块和网关与智能决策单元进行远程数据连接;智能决策预警单元对作物需水信息进行决策分析,并通过服务接口发送到各区域灌溉输出单元,执行精准灌溉。用户通过网络可实时获取当前作物信息和灌溉情况,系统架构如图1所示。图1 系统架构F i g.1 D i a g r a m o f s y s t e m s t r u c t u r e2 模型建立及决策2.1 作物蒸腾量模型作物的蒸腾量由联合国粮农组织推荐的彭曼公式得到,该公式统一了计算标准,不用改变任何参数即可得到世界各个地区和各种气候的作物蒸腾量5。E T0=0.4 0 8(Rn-G)+9 0 0T+2 7 3u2(es-ea)+(1+0.3 4u2)(1)=4 0 9 80.6 1 0 8 e x p1 7.2 7TT+2 7 3 (T+2 7 3)2(2)=0.0 0 1 6 3P(3)=2.5 0 1-2.3 6 11 0-3T(4)es=e0(Tm a x)-e0(Tm i n)2(5)e0(Tm a x)=0.6 1 0 8 e x p1 7.2 7Tm a xTm a x+2 7 3(6)e0(Tm i n)=0.6 1 0 8 e x p1 7.2 7Tm i nTm i n+2 7 3(7)ea=esRHm e a n1 0 0(8)式中:E T0 作物蒸腾量;水汽压力曲线斜率,k P a/;Rn 作物表面的净辐射量,M J/(m2d);G 土壤热通量密度,M J/(m2d);湿度计常数,k P a/;T 地面以上2m处的平均气温,;u2 地面以上2m处的风速,m/s;es 饱和水汽压,k P a;ea 实际水汽压,k P a;P 气压,k P a;水蒸气潜热;RHm e a n 平均相对湿度;e0 某个时刻饱和水汽压,k P a;Tm a x 日最高气温,;Tm i n 日最低气温67,。2.2 作物需水量模型作物需水量E=KcE T0(9)式中:Kc 作物系数。Kc=Kc bKs+KW(1 0)式中:Kc b 基本作物系数;Ks 水分胁迫系数;KW 反映降雨或灌水后湿土蒸发增量对作物系数影响的系数8。2.3 降雨量模型预测降雨量可根据天气预报的数据得到,降雨量P0=P(1 1)第9期孟祥 等:基于L o R a技术的农田智能灌溉系统设计1 6 3 =0P50.955 0 (1 2)式中:P0 有效降雨量,mm;降水系数。2.4 土壤水量平衡模型旱作物计划湿润层内的水量平衡方程9W2=W1+P0+K+Wg+m-E-f(1 3)W1=1 0H b(1 4)Wg=1 0(H2-H1)b(1 5)K=(X-0.1GDW)E T(1 6)式中:W1 灌溉前土壤内的含水量;W2 灌溉后土壤内的含水量;K 土壤地下水补给水量;Wg 灌溉期间内由于土壤加深而增加的水量;m 灌溉期间灌水量;E 灌溉期间作物需水量;f 灌溉期间深层渗透量;X 补给系数;H1 灌溉前计划湿润层深度,c m;H2 灌溉后计划湿润层深度,c m;土壤层的质量含水率9;b 土壤的干容重9,g/c m3;GDW 地下水埋深度9,m。根据作物需要达到的含水量和已知的当前土壤含水量等信息,根据平衡公式可得出灌水量m=W2-W1-P0-K-Wg+E+f(1 7)2.5 决策功能模块采用神经网络和模糊控制算法相结合的方式对目标进行决策4,神经网络采用R B F神经网络,决策目标为灌溉时间和灌溉量,结构图如图2所示。图2 决策模型框图F i g.2 B l o c k d i a g r a m o f d e c i s i o n m o d e l采用R B F神经网络,根据空气温度、湿度、光照强度、气压、风速以及气象条件等信息,预测出作物适宜生长的需水量,再与当前土壤含水量比较得出实际需水量。模糊控制系统根据实际需水量,土壤水分变化率、气象条件等决策出灌溉量和灌溉时间,最后通过灌溉控制输出模块打开阀门进行灌溉。3 作物信息采集单元设计作物信息采集单元主要完成土壤含水量、光照强度、风速、温度、湿度及降雨量等信息量化与处理1 0。这里 采 用WS-N 0 1-T R型 土 壤 水 分 传 感 器 和F S X C S-N 0 1型小型一体式气象站。WS-N 0 1-T R型传感器是基于频域反射原理设计,具有性能稳定,受环境影响较小的特点,能准确反映土壤真实含水率。土壤水分传感器技术参数如表1所示。表1 土壤含水率传感器技术参数T a b.1 T e c h n i c a l p a r a m e t e r s o f s o i l m o i s t u r e s e n s o r参数数值温度量程/-4 0+8 0温度精度/0.5水分量程/%RH01 0 0水分精度/%RH3接口方式R S-4 8 5通信协议M o d b u s-R TU 每个作物信息采集单元包含三个WS-N 0 1-T R型传感器,布设于作物根系周围,检测不同土壤深度的含水率和温度,能更精确可靠反馈作物需水信息。传感器采用R S-4 8 5接口与M S P 4 3 0 F R 2 4 3 3通信,完成土壤含 水 率、温 度 参 数 的 读 取 与 处 理,处 理 器 通过L o R a无线模块与区域集中器构成作物信息无线感知网络,采集节点采用了光伏发电和低功耗设计1 0。作物信息采集单元结构如图3所示。图3 作物信息采集节点结构F i g.3 N o d e s t r u c t u r e o f c r o p i n f o r m a t i o n c o l l e c t i o n4 无线传输单元设计短距离无线数据传输常采用W i F i、B L E、Z i g b e e、4 3 3 M无线电台、G P R S模块、L o R a模块等,其性能对比如表2所示1 1。W i F i 的功耗比较大,适合高速传输大量的数据;B L E功耗相对 比 较 低,但 能 同 时 连 接 的 设 备 有 限;1 6 4 中国农机化学报2 0 2 3年Z i g b e e通信技术由终端、中继、协调器构成,可实现自组网,功耗低,但通信距离较短;G P R S在野外农田及丘陵地区信号抗干扰性较弱;4 3 3 M无线电台厂家标准不一,兼容性不好。L o R a技术具有抗干扰性强、通信距离远、功耗低等诸多优点,因此选择L o R a模块进行组网。表2 短距离无线数据传输方式性能比较T a b.2 P e r f o r m a n c e c o m p a r i s o n o f s h o r t d i s t a n c e w i r e l e s s d a t a t r a n s m i s s i o n m e t h o d s传输类型距离/m抗干扰性功耗传输速率W i F i1 0 0较强高2.4G b p sB L E1 0较强较低2.0M b p sZ i g b e e2 0 0一般低2 5 0K b p sG P R S不限弱高1 1 5K b p s4 3 3 M8 0 0弱较低7 0K b p sL o R a1 50 0 0强低5 0K b p s 农田作物信息无线传输单元采用星型拓扑结构,这种点对多点 通信方式比 较 简 单 且 方 便 维 护 与 管理。L o R a模块构成的作物信息无线传输网络结构如图4所示1 2。基于星型拓扑的L o R a网络,需要一个中央实体,即网关(GW),才能在多个设备之间执行通信。网关部署在区域集中器上,通过N B-I o T或4 G接入互联网。L o r a模块采用有人科技的WH-1 0 1-L系列,具有D C 1.83.6V操作电压,2A低功耗,高灵敏度,传输距离可达4k m。图4 L o R a技术构成的无线传输网络F i g.4 W i r e l e s s t r a n s m i s s i o n n e t w o r k c o m p o s e d o f L o R a t e c h n o l o g y区域集中器通过L o R a模块与区域内作物信息采集节点、灌溉输出节点交互信息,将收集的信息通过I o T模 块 传 输 到 云 端1 3。集 中 器 采 用A RM C o r t e x M 3处理器,通过A I R 7 2 4 UG I L T E C a t.1模块接入广域网,实现L o R a网关功能,并通过R S-4 8 5接口对区域环境信息采集处理,如环境温湿度、风速风向、光照强度等。集中器设计原理如图5所示。图5 集中器设计原理图F i g.5 D e s i g n s c h e m a t i c d i a g r a m o f c o n c e n t r a t o r第9期孟祥 等:基于L o R a技术的农田智能灌溉系统设计1 6 5 5 灌溉输出控制单元灌溉输出模块通过L o R a模块接收服务器发送的控制指令,包括灌溉量及灌溉时间,M S P 4 3 0对电动阀进行开启或者关闭操作,并对供水压力、阀门状态、电源电压进行检测,诊断节点运行状态。能源供给采用光伏供电和锂电池蓄能技术,设计合理的光伏配比,保证灌溉节点的能源供应。灌溉输出控制节点结构如图6所示。图6 灌溉输出控制节点结构F i g.6 S t r u c t u r e o f i r r i g a t i o n o u t p u t c o n t r o l n o d e6 系统软件设计智能灌溉系统软件主要包括作物信息采集节点、区域集中器L o R a网关通信程序及云平台程序设计。作物信息采集程序、集中器网关程序是实现无线感知网络的核心,区域集中器L o R a网关是在T C P/I P协议上搭载MQT T协议实现数据的远程云传输。作物信息采集节点采用光伏和锂电池双模供电模式,有利于节点布局和土壤耕作。流程如图7所示。图7 采集节点程序流程图F i g.7 P r o g r a m f l o w c h a r t o f a c q u i s i t i o n n o d e采集节点采用M S P 4 3 0 F 2 4 3 3处理器完成土壤含水率、温度参数的读取与处理,并对能源进行分配与管理,采集 的 信 息 通 过L o R a网 络 传 输 到 区 域 集 中器。L o R a采集节点采用基于同步信标的唤醒机制,可实现各节点唤醒周期动态调整,最大程度降低节点功耗,有利于长期野外运行。R T C定时器中断将C P U从低功耗L PM 3状态唤醒后,主程序根据运行模式完成时间信标同步与比较、信息采样、通信处理等任务,C P U空闲时将再次进入低功耗状态。在每次R T C溢出中断服务程序中,将对系统时间戳进行累加处理,以保障L o R a同步唤醒机制的可靠性。区域集中器单元是服务器和采集模块及灌溉控制输出模块间保证通信的协议转换模块,模块程序设计包含环境信息采集处理、L o R a网络组网、协议转换、云端 服 务 器 连 接 等 部 分。S TM 3 2处 理 器 通 过A I R 7 2 4 UG I模块内置的MQT T协议发送云连接请求,与服务器建立长连接,模块在网络断开时会自动重连,重新订阅主题。模块接收来自服务器推送的消息,解析并转换为L o R a网络协议,实现终端模块的数据、命令实时传送任务。集中器模块在完成组网后,采用同步信标唤醒机制,对L o R a网络中终端实现动态周期性唤醒,接收采集的作物信息数据,并向服务器推送。区域集中器网关模块工作流程如图8所示。图8 区域集中器网关模块工作流程图F i g.8 F l o w c h a r t o f a z o n e c o n c e n t r a t o r g a t e w a y m o d u l e为降 低 终 端 采 集 与 控 制 输 出 单 元 的 运 行 功耗,L o R a网络采用同步唤醒机制,唤醒周期可由集中1 6 6 中国农机化学报2 0 2 3年器网关根据功耗需求动态划分。L o R a网络同步唤醒机制如图9所示。图9 L o R a网络同步唤醒机制F i g.9 S y n c h r o n o u s w a k e u p m e c h a n i s m o f L o R a n e t w o r k sL o R a网络帧包括同步信标帧、注册帧、业务帧组成。同步信标帧Tb是由集中器网关采用内部R T C定时发送,注册帧TR是节点请求加入网络时使用,业务帧TWD标包含唤醒帧TW和数据帧TD,当节点不需要唤醒帧时,可去掉不使用,以提高响应速度和降低功耗。注册帧和业务帧是在信标帧Tb间隔中的等间隔时隙,每个TWD帧时隙完成一个节点的数据传输,注册帧TR可由网关动态调节使用数量,以加快多节点入网速度。未入网的感知节点收到同步信标帧Tb后,发送入网注册请求帧,网关查询节点I D是否注册,并根据I D类型在应答帧中给出请求节点的唤醒时间(Tn b,Tn WD),节点根据该参数计算下次唤醒开窗延时,延时到达后,定时器中断将唤醒节点,上报节点信息数据,接收网关下行数据,数据传输完成节点将再次休眠。为保证节点和网关的时钟节拍一致,节点需根据同步信标定期做一次时钟同步,同步的频度可根据时间误差多少动态调整。网络信标的同步机制,使得网关可以预知所有终端节点的唤醒开窗时刻,并可按需动态调整1 4。本文采用的WH-1 0 1-L型L o R a模 块 工 作于L S R低功耗发送接收模式,M S P 4 3 0通过W a k e引脚控制唤醒,启动发送和接收任务。模块开启了L B T检测功能,在发送数据前对当前信道状况进行检测,确认数据发送时信道处于空闲状态,防止与当前信道数据包撞包,提高多节点同时注册入网速度。7 系统应用与测试该系统2 0 2 0年5月安装在吉林农业科技学院试验田,用于蓝莓试验基地和玉米试验基地的远程精准灌溉。7.1 土壤水分传感器安装布置不同蓝莓品种的细根在浅土层分布都比较集中,占总根系比例也很大,且土层越深,细长根系快速减少。基于蓝莓根系的分布特征,分别在1 0c m、2 0c m、4 0 c m土层深度各埋设一个WS-N 0 1-T R传感器。通过数据融合技 术获得更 精 准 的 作 物 土 壤 墒 情 信息1 5。表3是三种不同深度土壤信息数据,能够正确检测蓝莓根系周围土壤含水率和温度的变化。表3 不同深度土壤温湿度数据T a b.3 S o i l t e m p e r a t u r e a n d h u m i d i t y d a t a a t d i f f e r e n t d e p t h s序号1 0c m2 0c m4 0c m湿度/%RH温度/湿度/%RH温度/湿度/%RH温度/16 8.31 9.16 7.41 9.55 9.41 9.828 2.41 6.48 2.01 6.97 0.51 7.736 2.31 8.36 1.51 8.45 4.51 8.948 3.51 5.98 2.61 6.97 2.61 7.857 7.81 7.27 7.11 7.56 3.11 8.268 2.91 6.18 2.21 7.16 7.21 7.877 1.21 8.57 0.21 8.86 0.11 9.287 7.31 7.57 6.41 7.86 1.41 7.896 9.11 8.16 8.31 8.75 8.31 8.91 06 6.21 9.36 5.31 9.65 5.31 9.87.2 无线通信传输试验分析L o R a模块WH-L 1 0 1-L采用扩频、跳频技术通信,速率越低,传输距离越远,抗干扰能力越强,但发送数据耗时越长。图1 0是不同速率下模块的传输距离和1 0 0b y t e空中传输耗时。由图1 0可以看出,随着空中传输速率的上升,WH-L 1 0 1-L传输1 0 0字节耗时缩短,传输距离会较明显下降,为保证稳定传输,模块速率选择2.9 3 0K b p s,通信距离在3k m内1 4。图1 0 不同速率下模块的传输距离和1 0 0字节空中传输耗时F i g.1 0 T r a n s m i s s i o n d i s t a n c e a n d 1 0 0-b y t e t r a n s m i s s i o n t i m e o f m o d u l e s a t d i f f e r e n t r a t e s为检测传感器在无线网络中的传输稳定性和可靠性,选取6个子节点与网关节点安装位置设置在3k m范围内,传输距离依次等距增加,空中传输速率固定选择2.9 3 0K b p s,每包数据6 4b y t e,测试网关与各节点采集节点收发情况。表4为L o R a网络通信测试数据,在2 4 0 0m内通信平均丢包率为0.3%,数据表明采用WH-L 1 0 1-L构建的L o R a网络能够满足作物第9期孟祥 等:基于L o R a技术的农田智能灌溉系统设计1 6 7 信息数据的远程传输。表4 L o R a网络通信测试数据T a b.4 T e s t d a t a o f L o R a n e t w o r k c o mm u n i c a t i o n传感器节点距离/m发送包数/个接收包数/个丢包率/%14 0 01 0 0 01 0 0 00.0 028 0 01 0 0 01 0 0 00.0 031 2 0 01 0 0 09 9 80.2 041 6 0 01 0 0 09 9 70.3 052 0 0 01 0 0 09 9 40.6 062 4 0 01 0 0 09 9 30.7 07.3 决策测试结果部分作物不同时期在2 0 c m土壤深度处于最佳生长状态时的相对土壤含水率见表53。表5 部分作物土壤适宜含水量T a b.5 S u i t a b l e w a t e r c o n t e n t o f s o m e c r o p s o i l s作物种类生育阶段土壤适宜含水率/%RH蓝莓萌芽至开花期果实膨大期果实变色至成熟期营养生长期6 06 57 07 56 06 55 06 0玉米播种期幼苗期拔节期孕穗期灌浆期成熟期6 08 05 56 07 08 07 08 57 08 57 5左右 根据蓝莓需水情况可知,蓝莓在果实膨大期的最适合含水率是7 0%R H 7 5%R H,在果实膨大期经智能决策灌溉和传统灌溉比对后得到土壤含水率的变化曲线如图1 1所示,由数据统计可得智能决策灌溉方式和传统灌溉方式含水率的均方差分别为1.8 0和2.5 8,可见智能决策灌溉方式比传统灌溉方式更精准。经智能灌溉后,在果实膨大期蓝莓能够在合适的含水条件下生长。图1 1 蓝莓试验田含水率的变化曲线F i g.1 1 C u r v e o f s o i l m o i s t u r e c o n t e n t i n b l u e b e r r y t e s t f i e l d吉林地区玉米灌浆中前期处于8月份,该生长期的最适合相对土壤含水率为7 0%RH8 5%RH,智能决策灌溉和传统灌溉比对后得到土壤含水率的变化曲线如图1 2所示,由数据统计可得智能决策灌溉方式和传统灌溉方式含水率的均方差分别为4.8 3和6.5 2,可见智能决策灌溉方式比传统灌溉方式优越。图1 2 玉米试验田含水率的变化曲线F i g.1 2 C u r v e o f s o i l m o i s t u r e c o n t e n t i n b l u e b e r r y t e s t f i e l d8 结论应用嵌入式处理器和无线通信技术研发设计了网络化农田智能精准灌溉系统。系统采用A RM处理器与A I R 7 2 4 UG I设计了区域集中器模块,以L o R a模块和M S P 4 3 0单片机构建了低功耗无线作物信息感知与控制网络,通过L o R a网关将作物信息数据传输到云端数据服务器,并采用软件开发技术开发了云端智能决策与管理软件。1)系统采用M S P 4 3 0处理器与WH-1 0 1-L型L o R a模块实现了低功耗、网络化终端节点设计,网络通 信 平 均 丢 包 率 为0.3%,数 据 结 果 表 明,构 建的L o R a无线作物感知网络数据传输稳定,并具备较强的扩展性。2)采用基于同步信标的唤醒机制,实现各L o R a节点唤醒周期动态调整,最大程度降低节点功耗。3)试验结果表明,在蓝莓试验田和玉米试验田采用神经网络和模糊控制算法相结合的策略进行灌溉,得到含水率均方差分别为1.8 0和4.8 3,均比传统灌溉方式含水率均方差低,说明通过智能决策单元依据实时作物信息和数据库能够进行精准灌溉,保证作物在最适合含水率条件下生长。参 考 文 献1 高国丽.基于智能控制的农业节水灌溉系统的研究J.时代农机,2 0 1 5,4 2(1 1):3-4.G a o G u o l i.R e s e a r c h o n a g r i c u l t u r a l w a t e r s a v i n g i r r i g a t i o n s y s t e m b a s e d o n i n t e l l i g e n t c o n t r o l J.T i m e s 1 6 8 中国农机化学报2 0 2 3年A g r i c u l t u r a l M a c h i n e r y,2 0 1 5,4 2(1 1):3-4.2 余国雄,王卫星,谢家兴,等.基于物联网的荔枝园信息获取与智能灌溉 专 家决 策系 统J.农 业 工程 学报,2 0 1 6,3 2(2 0):1 4 4-1 5 2.Y u G u o x i o n g,W a n g W e i x i n g,X i e J i a x i n g,e t a l.I n f o r m a t i o n a c q u i s i t i o n a n d e x p e r t d e c i s i o n s y s t e m i n l i t c h i o r c h a r d b a s e d o n i n t e r n e t o f t h i n g s J.T r a n s a c t i o n s o f t h e C h i n e s e S o c i e t y o f A g r i c u l t u r a l E n g i n e e r i n g,2 0 1 6,3 2(2 0):1 4 4-1 5 2.3 沈建炜,李林,魏新华.丘陵地区蓝莓园智能灌溉决策系统设计J.农业机械学报,2 0 1 8,4 9(S 1):3 7 9-3 8 6.S h e n J i a n w e i,L i L i n,W e i X i n h u a.D e s i g n o f i n t e l l i g e n t i r r i g a t i o n d e c i s i o n s y s t e m f o r b l u e b e r r y g a r d e n i n h i l l y a r e a J.T r a n s a c t i o n s o f t h e C h i n e s e S o c i e t y f o r A g r i c u l t u r a l M a c h i n e r y,2 0 1 8,4 9(S 1):3 7 9-3 8 6.4 张丽娜,鲁旭涛,刘昊,等.基于模糊R B F神经网络算法的灌溉控制系统设计J.计算