信息融合平台在智慧农业中的应用.pdf

SOFTWARE2023软 件第 44 卷 第 7 期2023 年Vol.44,No.7作者简介：张国民（1985），男，江苏东台人，本科，网络规划设计师，研究方向：云计算网络、容器虚拟化技术、Python 自动化运维。信息融合平台在智慧农业中的应用张国民（上海厚沃信息科技有限公司，上海 200000）摘要：互联网科学技术的发展推动了行业的变革，智慧农业就是将人工智能、大数据分析、云计算等技术与农业种植结合起来，运用成熟的科学技术极大地改善农业生产环境、优化农业生产方法以及提高农业的产量，做到科学助农。目前我国智慧农业主要集中在无人机的广泛使用上，比如无人机巡飞、农药喷洒，但是每个作业都是独自进行的，无法实现数据的共享。在这种前提下，我们旨在建立一个农业生产体系平台来协调所有工作，通过该平台将智能农业的所有子系统工作全部接入进来，实现数据流的共享以及高效处理，提高智慧农业的生产效率，推动技术的不断进步。关键词：信息融合；农业系统架构设计；农业系统云平台中图分类号：S625;TP391.44 文献标识码：A DOI：10.3969/j.issn.1003-6970.2023.07.041本文著录格式：张国民.信息融合平台在智慧农业中的应用J.软件,2023,44(07):153-156Application of Information Fusion Platform in Intelligent AgricultureZHANG Guomin(Shanghai Hopewoo Information Technology Co.,Ltd.,Shanghai 200000)【Abstract】：The development of Internet technology has promoted the change of the industry.Intelligent agriculture is to combine artificial intelligence,big data analysis,cloud computing and other technologies with agricultural planting,and use mature science and technology to greatly improve agricultural production environment,optimize agricultural production methods and improve agricultural output,so as to help agriculture scientifically.At present,our smart agriculture mainly focuses on the extensive use of drones,such as UAV patrol and pesticide spraying,but each operation is carried out alone,and data sharing cannot be realized.On this premise,we aim to establish an agricultural production system platform to coordinate all work,through which all subsystems of intelligent agriculture are connected,data stream sharing and efficient processing are realized,production efficiency of intelligent agriculture is improved,and technology progress is promoted continuously.【Key words】：information fusion;agricultural system architecture design;agricultural system cloud platform设计研究与应用0 前言我国是一个人口大国，粮食是人民生活的物质基础。近几年，我国互联网科技的迅速发展，自动化、大数据、人工智能等技术已经在智慧农业上得到了成熟的应用，带来了现代化农业技术方面的变革。然而，我国当前的农业种植人员主要分布在农村，未接受过互联网技术技能培训，并且相关的智慧农业技术应用技术门槛较高，无法通过短期的培训来掌握。所以，我们需要建立信息融合平台，将云计算、大数据、人工智能等成熟技术与融合平台进行集成，将复杂的功能操作简单化，降低操作门槛，让更多的人员参与到智慧农业中来，提高我国的农业科技发展力1。1 信息融合平台的场景最近十年，我国的计算机科学技术发展迅速，在科技兴农+乡村振兴的基础上，智慧农业的产生加快了农业的科技发展。智慧农业主要下辖三个工作体系：无人机采集数据体系，操控搭载高清摄像机或者遥感器的农业无人机，不断调整飞控的速度、方向以及飞行角度等，采集农作物的生长状态数据；数据分析体系，采集结束后将数据上传到远程的数据智能分析系统，经由分析系统进行结果分析，将结果反馈给操作员；现场反馈体系，操作员根据分析结果的数据再来制定目前该对农154软 件第 44 卷 第 7 期SOFTWARE作物采取下一步的操作，比如灌溉、农药喷洒等。智慧农业中各体系的操作相互独立，无法通过数据接口或应用接口进行数据整合，造成了数据信息不同步、资源利用率低以及效率不高等问题。1.1 融合平台的系统设计为了解决传统智慧农业中的问题，建设信息融合平台来统一管理协调所有工作体系。通过规范的服务接口，各工作体系与平台进行控制流和数据流的集成。在此基础上，平台可以直接发起指令，对指定的工作体系进行编排，简化了实际工作的操作步骤，带来了高效的调度效率。如图 1 所示为融合平台的系统设计。无人机巡飞/采集数据 智能分析系统 无人机灌溉/农药喷洒、播种机器人、采摘机器人 操作终端 操作界面 数据采集接口 数据传输 物联网 管理系统 中央控制台 选择指令 数据采集接口 巡飞指令 任务指令 结果展示 分析结果 数据上传 远程云数据中心 智慧农场 图 1 融合平台的系统设计图Fig.1 System design diagram of a fusion platform1.1.1 数据采集接口接入无人机的巡飞在智慧农业中发挥了很重要的角色，不同的高度、速度和飞行角度最终采集到的结果有所不同，因此我们在实际过程中要针对不同的农作物采取不同的巡飞方案。目前市面上的农用无人机提供了 API 函数接口，通过函数接口融合平台和无人机的控制流建立连接。控制流中的接口参数目前主要关注无人机的飞行高度、飞行速度、飞行姿态角、沿某个方向持续飞行、悬停以及无人机旋转的控制参数。实际的作物生长环境中，依据作物的生长特征，设定无人机在飞行过程中的数值，达到自动巡飞采集的目的。1.1.2 智能分析系统接入无人机采集出来的是原生态的图像、遥感数据，此类文件在英文里称为 Raw Material，即未经加工的无法使用的原始数据。对于智能数据处理系统来说，最主要的工作借助于图像学习，结合智能归类学习的技术，对这些原始的数据源进行分析处理，转化成能够被计算机数据库存储的记录。处理完得到最终的数据后，数据分析系统使用标准的接口通讯协议，将分析后得到的可视化结果输出到融合平台上，指导种植现场的活动。根据农作物的分布区域态势图，结合图像处理技术，提取图片中关键信息，形成数据分析结果。分析植物形态感知数据包含农作物的名称、农作物的温度湿度数据、外观特征、采集文件来源、数据更新时间、采集时间、更新时间、数据有效期，数据综合分析当前图像区域内不同植物的生长状态，并得出可视化的结果。1.1.3 物联网管理系统智慧农业的未来发展方向是物联网+无人智能化操作，上海市已经率先建立农业机械物联网接入模式，建成物联网管理平台，协调管理物联农机资源，创建无人智能化管理基地。智慧农机种类繁多，按照功能划分就有播种机器人、旋耕机器人、收割机器人等，如何简化机器的操作、提高机器的运行效率是需要考虑的话题2。融合平台上不仅具备查看机器人的工作状态，而且可以通过路线定义和功能控制，同时能够多台农机进行协同工作，所有的指令不是操作某个单独的机器人，而且让机器人直接执行一套完整的工作流程。如何引导机器人在指定的工作区域进行作业也是要考虑的一个问题，智慧农场属于大规模作业，面积较大，涉及到的作物种类较多，融合平台管理系统事先绘制农场地图，借助于北斗卫星完成每个区域的位置定位，后续需要调度机器工作时直接将位置发送给机器人的接收系统，引导机器人到目的区域实行农耕工作。1.1.4 中央控制台中央控制台是整个信息融合平台信息传输的枢纽，在这里我们对所有的工作任务进度调度控制，为了打造智能高效、精准的控制服务台，满足后续新增业务数据系统的需要，支持系统的扩展性。由于中央控制台对上述多个系统进行交互，不仅需要发送控制指令，同时需要接收其他系统反馈的指令执行结果，还需要记录操作员、操作记录、操作时间和日志等。作为主要的控制台，需要简化操作步骤，打通不同系统之间的数据互通，简化各个系统之间的数据衔接，目的是建立一个比较友好、易操作的管理平台。1.2 融合平台的基础架构设计智慧农业的应用场景需要一套完整成熟的数据中心来支撑，从前期的数据采集传输、数据归档存储以及应用系统的部署，都需要由数据中心来提供支撑。企业数据中心经历了硬件集中化处理、虚拟化和云计算三个阶段。云计算解决了企业对于 IT 资源的动态需求，降低了企业的硬件成本和后期人力维护成本问题。目前的云平台采用了大量的服务器、网络设备、存储设备作为155张国民：信息融合平台在智慧农业中的应用基础资源池，计算、网络和存储之间通过高速光纤链路连接，形成一个高效的运转主体。作为 IAAS 的基础设计，云平台不光要实现内部资源的整合，同时还要提供智慧农场的互联网数据接入。智慧农场每天都会有大量的原始数据传输到数据中心进行分析，数据中心需要考虑传输效率和数据处理结果的时效性。在云数据建设的基础上，还要考虑分布式数据中心，即数据量比较大的农场直接在当地或附近建立分支数据中心，分支数据中心具有数据收集和数据分析工程，在处理完数据后，通过光纤网络将数据传送到数据中心进行同步备份，从而减少中心节点负载压力3。数据分析系统是基于大量的无人机采集数据来进行数据管理和资源的分析使用，涉及到大量数据的查询处理，对数据库的并发处理能力要求比较，另外，数据分析平台可能还会进行数据的挖掘处理工作、数据清洗、数据探查、在线分析处理等，实现了原生数据的数据存储、数据服务以及通过数据进行模型搭建和仿真环境测试等功能，为智慧农场的作物生长情况提供更加科学、全面的分析结果建议，做到农业灾情的提前防护4。1.2.1 基础服务器资源的设计得益于 X86 服务器优秀的兼容性，本架构中服务器全部采用 X86 服务器作为基础计算资源，提供虚拟机和裸金属服务的平台，如图 2 所示为计算资源的结构图。本次架构中每台容器仅加载一个微服务。与直接在虚拟机上运行微服务相比，这种方式的优点如下：每个微服务拥有自己独立的运行环境，能够做到相互独立运行，互不干扰；对于单个微服务来讲，运行的过程需要进行系统内部参数的修改或者系统版本升级等操作时，只会影响当前容器内部的操作环境，而不会影响到其他微服务；容器加载运行的速度更快，当需要对容器修改并重启时，可以实现秒级的重启和加载。智慧农业中的智能数据在线分析系统需要对原始数据进行抽取、对数据进行预处理以及对数据进行关联分析等操作，对计算要求的资源较高，所以在云平台的设计中不再将物理服务器节点进行虚拟化，直接采用集群服务器运行。1.2.2 基础网络架构设计整个智慧农业系统数据采集后上传到融合平台，目前采集系统普遍采用了高清摄像头，生成的图像文件较大，因此在智能数据分析系统上需要采用 40G 甚至 100G 的光纤进行数据的传输，而对于数据采用系统、任务调度系统和控制中台的流量主要来自于系统之间交互使用，故采用万兆光纤连接。云计算平台中最主要的就是资源池化，所以本次网络设计中防火墙、交换机、存储都使用虚拟机化技术将多台网络节点设备虚拟为一个资源池，然后根据需要将资源池拆分为多个网络节点提供给不同的业务系统使用。在云网络中，我们可以将防火墙资源虚拟机为多个防火墙，从而分别为融合平台的多个应用系统提供服务；交换机属于两层的设备，使用不当极其容易形成环路，并导致网络风暴。交换机采用虚拟化技术后，多台交换机虚拟成一台高性能的交换机，交换机与物理服务器采用多条万兆光纤连接，同时启用 VXLAN 技术，VXLAN 可以在三层 IP 网络的基础上组建大二层的网络，不仅消除了环路，提升了数据分析系统的数据传输效率，同时更便于网络的扩展以及支持 SDN 技术在网络中的使用。1.3 面临的工作难题信息融合平台的目的就是整合多个子系统后，减少人工的介入，全面提高协同效率，实现农业的智能化管理。融合平台实现的流程如下：每隔一段周期，采集系统自动发起无人机进行数据采集，无人机采集结束后数据自动上传到平台，智能分析根据采集的植物数据进行加工处理，得出当前植物应该要采取的措施，例如，农药喷洒、水务灌溉或果实收成，根据结果对任务调度系统进行调用，让对应的物联网智能机器人执行工作指令。从工作流可以看出，融合平台的数据分析是决策中心，其给出的结果具有重要的导向意义，所以平台对于人工智能提出了非常高的精度要求，同时融合平台与各应用对接必须做到无差别识别，否则会造成整个工作流程的中断，导致工作异常。2 结语随着技术的迭代更新，智慧农业一直在不断完善变化，在将人工智能、大数据分析、云计算技术融入进来后，农业种植摒弃了传统手工粗放式作业、依赖自然气图 2 计算资源池的结构图Fig.2 Compute the structure of the resource pool 虚拟化后的采集系统、任务调度系统(虚拟机节点)智能分析系统(裸金属节点)云控制平台 云计算物理 服务器节点 156软 件第 44 卷 第 7 期SOFTWARE候的种植模式，通过引入更先进的设备和技术，实现无人智能化种植，将逐渐会成为未来的主流，农场作业人员会在整个过程中扮演一个辅助操作融合平台的角色，更多的工作是由系统去实现。对于未来的发展方向，建议以下内容：（1）加大农业智能机器人设备地推广和应用；（2）针对农业生产场景的软件开发应用，能够很好地对各智能设备进行协同处理；（3）增加对农业环境的数据采集分析应用，提炼出主要信息方便后续的工作指导；（4）加强对农业人员的技能培训，能够很快地促进智慧农业的发展需要。参考文献1 刘君,王学伟.地方民办本科高校计算机专业校企合作调查研究J.黄河科技学院学报,2020,22(4):1-6.2 陈红光,杨娟.上海智慧农业发展前瞻J.张江科技评论,2022(4):58-61.3 王建文,赵文龙,黄国辉.云边协同的新一代城市轨道交通生产系统融合平台研究J.都市快轨交通,2022,35(5):146-151.4 叶婷,马宏娟,卢锐,等.人工智能在智慧农业中的应用以数据挖掘与机器学习为例J.智慧农业导刊,2022,2(18):27-29+32.item=#提取标题title=response.xpath(/h1/text().get()#提取简介des=.join(i for i in response.xpath(/divclass=lemma-summary/text().getall()if not in i and xa0 not in i).replace(n,)content=response.text#提取两个标签中的数据的规则itemurl=response.urlitemtitle=title.replace(rn,).replace(n,).replace(r,)itemdes=des.replace(rn,).replace(n,).replace(r,)itemxq=getvalue(content)#将数据传入 pipline 中yield item2.6 爬虫优化在爬取过程中，由于数据量大，请求次数多，导致爬虫效率变低。为优化爬虫效率，添加了多个请求头并加入随机值，设置了起始和结束时间，在 Setting 中更改了#DOWNLOAD_DELAY=0.5，减慢了爬取速度，保证每次数据爬取的完整性，字符串通过 MD5 进行了加密处理。def parse(self,response):content=json.loads(response.text)end_time=datetime.datetime.now()#每 30 秒重新获取一次请求头if int(end_time-self.start_time).seconds)30:self.autograph,self.Authorization,self.timeStamp=getautograph(getToken()self.start_time=end_timedef _md5(c:str):m=md5(c.encode(utf-8).hexdigest()return m3 结语以云计算、大数据技术为学习长征精神赋能，将革命传统教育与大数据可视化技术紧密结合，以长征革命历史为背景，学习伟大长征精神，推出“长征数据三维可视化分析平台”，以大数据可视化、云计算赋能长征精神学习，多维度立体展现长征这段历史，激发爱国热情，传承长征精神基因。该项目技术层面包含了：Spring Boot 框架整合 Mybatis 框架+Thymeleaf 模板引擎、爬虫优化、热度值算法、HTML+CSS+JavaScript 及 ECharts 图表、云部署等，包含长征三维地图、人物分析、VR 实景展示、时间分析、长征故事、线上祭扫等功能，技术涉及广泛，功能较完善，用户体验感好，该项目的设计与实现在三维数据可视化展示领域有一定的参考价值。参考文献1 王宁.面向大屏的图表展示系统设计与实现D.西安:西安电子科技大学,2019.2 刘国胤.新时代弘扬长征精神研究D.沈阳:辽宁大学,2021.3 刘志华,刘瑞金.牛顿冷却定律的冷却规律研究J.山东理工大学学报(自然科学版),2005(6):23-27.上接第133页