摘 要 ：在農(nóng)作物養(yǎng)殖大棚中，基于物聯(lián)網(wǎng)技術(shù)、深度學(xué)習(xí)與機(jī)器視覺(jué)技術(shù)開(kāi)發(fā)了一種在線遠(yuǎn)程監(jiān)測(cè)農(nóng)作物生長(zhǎng)環(huán)境與病害情況的綜合系統(tǒng)。系統(tǒng)具備全方位動(dòng)態(tài)監(jiān)測(cè)環(huán)境溫度、濕度、二氧化碳濃度、光照強(qiáng)度、土壤溫濕度等環(huán)境參數(shù)和實(shí)時(shí)監(jiān)測(cè)植物所患病害情況等功能。在對(duì)農(nóng)作物狀況及環(huán)境參數(shù)數(shù)據(jù)采集后，借助 4G 通信、無(wú)線通信技術(shù)將數(shù)據(jù)上傳至云平臺(tái)實(shí)現(xiàn)遠(yuǎn)程實(shí)時(shí)監(jiān)控。該系統(tǒng)便于農(nóng)戶通過(guò)微信小程序和手機(jī) APP 進(jìn)行遠(yuǎn)程監(jiān)管與實(shí)時(shí)預(yù)警，在農(nóng)業(yè)自動(dòng)化領(lǐng)域具有較廣闊的應(yīng)用前景。 0 引 言

中國(guó)作為傳統(tǒng)的農(nóng)業(yè)生產(chǎn)大國(guó)，農(nóng)耕歷史悠久。傳統(tǒng)農(nóng)耕方式是農(nóng)作物在自然環(huán)境下自然生長(zhǎng)，通過(guò)農(nóng)戶長(zhǎng)時(shí)間總結(jié)耕作經(jīng)驗(yàn)進(jìn)行農(nóng)作物管理。為實(shí)現(xiàn)農(nóng)作物高產(chǎn)、量產(chǎn)，越來(lái)越多的優(yōu)質(zhì)植株得以培育，種類多樣的優(yōu)質(zhì)化肥投放使用 [1]。雖然這些方式會(huì)有增產(chǎn)效果，但對(duì)于人口大國(guó)而言，這些措施遠(yuǎn)遠(yuǎn)不足以從本質(zhì)上改變農(nóng)耕效率和提高糧食產(chǎn)量。農(nóng)業(yè)大棚成為了科學(xué)養(yǎng)殖農(nóng)作物的解決方案。

為科學(xué)調(diào)控農(nóng)作物生長(zhǎng)環(huán)境，減少因惡劣環(huán)境及農(nóng)作物病蟲(chóng)害等不利因素對(duì)農(nóng)作物生長(zhǎng)形成負(fù)面影響，研究人員做了很多努力。其中，比較具有代表性的是有線網(wǎng)絡(luò)監(jiān)測(cè)、基于無(wú)線ZigBee傳感網(wǎng)絡(luò)監(jiān)測(cè)等 [1]。這些傳感器接收農(nóng)田環(huán)境數(shù)據(jù)信息后，將數(shù)據(jù)轉(zhuǎn)化為模擬信號(hào)，傳送至微處理器。并通過(guò)無(wú)線模組和4G模組將數(shù)據(jù)實(shí)時(shí)上傳反饋。為實(shí)現(xiàn)多節(jié)點(diǎn)監(jiān)測(cè)需要利用大量傳感器模塊，在面積較大的養(yǎng)殖地域這一方案難以實(shí)現(xiàn)。

為滿足利用較少傳感器模塊實(shí)現(xiàn)廣域動(dòng)態(tài)監(jiān)測(cè)農(nóng)作物生長(zhǎng)環(huán)境與病害的功能，本文結(jié)合物聯(lián)網(wǎng)、深度學(xué)習(xí)、機(jī)器視覺(jué)等技術(shù)，設(shè)計(jì)了一套具有廣域動(dòng)態(tài)監(jiān)測(cè)農(nóng)作物環(huán)境、識(shí)別農(nóng)作物病害以及遠(yuǎn)程云端交互功能的農(nóng)作物生長(zhǎng)狀況監(jiān)測(cè)系統(tǒng)。

1 整體設(shè)計(jì)

農(nóng)作物生長(zhǎng)狀況遠(yuǎn)程動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)主要分為識(shí)別監(jiān)測(cè)系統(tǒng)、無(wú)線通信系統(tǒng)、數(shù)據(jù)交互系統(tǒng)、移動(dòng)小車系統(tǒng)等，識(shí)別監(jiān)測(cè)系統(tǒng)又細(xì)分為農(nóng)作物病害識(shí)別系統(tǒng)、農(nóng)作物環(huán)境監(jiān)測(cè)系統(tǒng)。移動(dòng)小車搭載識(shí)別監(jiān)測(cè)系統(tǒng)，自動(dòng)建圖巡航采集并標(biāo)記節(jié)點(diǎn)位置數(shù)據(jù)后上傳至主控微處理器。主控微處理器將數(shù)據(jù)處理整合后發(fā)送至無(wú)線通信平臺(tái)，之后再將數(shù)據(jù)上傳至云服務(wù)器，實(shí)現(xiàn)手機(jī)端與云空間的數(shù)據(jù)交互。系統(tǒng)整體框架如圖1所示。

2 農(nóng)作物病害識(shí)別系統(tǒng)設(shè)計(jì)

農(nóng)作物病害識(shí)別系統(tǒng)硬件主要包括攝像頭模塊和二自由度舵機(jī)云臺(tái)。攝像頭利用長(zhǎng)焦鏡頭自動(dòng)對(duì)焦農(nóng)作物葉片，采取隨機(jī)節(jié)點(diǎn)停車自動(dòng)掃描葉片的方式，識(shí)別葉片所患病害并反饋至主控微處理器。主控儲(chǔ)存節(jié)點(diǎn)數(shù)據(jù)(包括節(jié)點(diǎn)位置與監(jiān)測(cè)時(shí)間)與農(nóng)作物所受病害情況。下位機(jī)主控芯片為STM32F103RCT6，攝像頭采用NXP-OpenArt-mini。主控控制舵機(jī)云臺(tái) 180°掃描節(jié)點(diǎn)，攝像頭搭載已訓(xùn)練好的深度學(xué)習(xí)模型識(shí)別植物蟲(chóng)害，并通過(guò)串口將數(shù)據(jù)傳輸至下位機(jī)主控。農(nóng)作物病害識(shí)別系統(tǒng)硬件框架如圖2所示。

2.1 硬件設(shè)計(jì)2.1.1 攝像頭攝像頭選用適合機(jī)器視覺(jué)應(yīng)用的恩智浦OpenArt-mini，其與OpenMV相比，在神經(jīng)網(wǎng)絡(luò)模型的部署和訓(xùn)練方面更有優(yōu)勢(shì)。OpenArt攝像頭采用MIMXRT1064芯片，該芯片主頻高達(dá)600 MHz，具備1MB片內(nèi)SRAM、4 MB片內(nèi)FLASH和32 MB外置SDRAM，配備高速 SPI總線與OpenMV機(jī)器視覺(jué)庫(kù)，擁有RT-Thread操作系統(tǒng)內(nèi)核、驅(qū)動(dòng)和開(kāi)發(fā)環(huán)境。2.1.2 二自由度舵機(jī)云臺(tái)本文基于二自由度云臺(tái)搭載攝像頭進(jìn)行掃描，采用MG996 舵機(jī)[2]。利用比例控制，轉(zhuǎn)動(dòng)角度以脈沖占空比決定，使用舵機(jī)帶動(dòng)連接軸控制平臺(tái)傾角，該方式響應(yīng)速度快、力矩大、使用方便。搭載OpenArt攝像頭可實(shí)現(xiàn)水平方向180°平掃和垂直方向60°掃描，能夠識(shí)別較廣闊范圍內(nèi)的圖像信息。2.1.3 下位機(jī)核心主控下位機(jī)核心主控采用STM32F103RCT6芯片，該單片機(jī)包含32位高速時(shí)鐘、存儲(chǔ)器、內(nèi)置溫度傳感器、Cortex-M3內(nèi)核等。作為高速嵌入式存儲(chǔ)器，其擁有一路PWM定時(shí)器、三路通用16位定時(shí)器、2個(gè)12位ADC通道以及2個(gè)I2C數(shù)據(jù)接口與API數(shù)據(jù)傳輸接口。單片機(jī)功耗低，工作電壓為2.0～3.6V。2.2 軟件設(shè)計(jì)2.2.1 舵機(jī)云臺(tái)控制舵機(jī)云臺(tái)由下位機(jī)主控 STM32F103RCT6 進(jìn)行控制 [2]。編程時(shí)，首先由自定義函數(shù)initPWM（）初始化定時(shí)器，開(kāi)啟 TIM 時(shí)鐘設(shè)置分頻；初始化 PWM 輸出通道；通過(guò)setAngle()函數(shù)改變占空比控制舵機(jī)旋轉(zhuǎn)角度;借助已知角度與占空比之間的關(guān)系：servo_temp=angle×200/180+50監(jiān)測(cè)小車是否到達(dá)固定節(jié)點(diǎn),到達(dá)后,中斷開(kāi)啟一次循環(huán)，定時(shí)遞增、遞減占空比，完成水平方向 180°平掃后歸正。軟件流程如圖3所示。

2.2.2 識(shí)別植物病害的神經(jīng)網(wǎng)絡(luò)模型搭建

（1）數(shù)據(jù)集構(gòu)建

數(shù)據(jù)采集與分類以葡萄葉片為研究對(duì)象，收集了葡萄葉片褐斑病、輪斑病、黑腐病、正常等4種葡萄葉片圖像樣本，每類葡萄葉片圖像樣本量各100張，共計(jì)400張葡萄葉片圖片[3]。對(duì)收集的原始病害圖像按病害種類進(jìn)行分類，制作病害標(biāo)簽，建立分類后的3種病害圖像和正常圖像樣本集，如圖4所示。

對(duì)400張圖像進(jìn)行數(shù)據(jù)增廣處理。利用對(duì)比度變化、引入高斯噪聲、尺度變換等進(jìn)行處理，將樣本量擴(kuò)增10倍。3 模型訓(xùn)練

利用Inception V1訓(xùn)練農(nóng)作物病害識(shí)別模型，并選用谷歌提出的用于提取圖像特征的深度卷積神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)深度有22層，每個(gè)模塊包含1×1、3×3、5×5的卷積層和池化層。使用ReLu作為激活函數(shù)，Inception V1原始網(wǎng)絡(luò)結(jié)構(gòu)圖與降低特征圖厚度后的 Inception V1 網(wǎng)絡(luò)結(jié)構(gòu)如圖5、圖6所示。

本項(xiàng)目利用Edgeimpulse平臺(tái)部署Tensorflow lite，并將模型裝載到NXP-OpenArt攝像頭中。4 移動(dòng)小車系統(tǒng)移動(dòng)小車系統(tǒng)分為上位機(jī)和下位機(jī)，使用Jetson NanoB01開(kāi)發(fā)板搭載Ubuntu 18.04系統(tǒng)，運(yùn)用ROS系統(tǒng)Meldic實(shí)現(xiàn)地圖的創(chuàng)建算法，以及導(dǎo)航、避障、信息采集等功能。下位機(jī)以STM32F103RCT6為主控芯片，對(duì)電機(jī)和車舵機(jī)進(jìn)行直接控制。上位機(jī)在實(shí)現(xiàn)導(dǎo)航算法的同時(shí)，會(huì)將舵機(jī)和電機(jī)的數(shù)據(jù)通過(guò)串口發(fā)送到下位機(jī)進(jìn)行控制并執(zhí)行。 小車系統(tǒng)搭載激光雷達(dá)和RGBD相機(jī)實(shí)現(xiàn)數(shù)據(jù)融合建圖，增強(qiáng)了系統(tǒng)魯棒性和對(duì)農(nóng)業(yè)大棚環(huán)境的適應(yīng)性。建圖時(shí)加入了回環(huán)檢測(cè)，當(dāng)機(jī)器人路徑構(gòu)成回路時(shí)會(huì)對(duì)之前建立的地圖進(jìn)行校正。為獲取更精確的數(shù)據(jù)，本文利用編碼器里程計(jì)和視覺(jué)里程計(jì)融合數(shù)據(jù)進(jìn)行定位校準(zhǔn)。通過(guò)使用電機(jī)自帶的霍爾編碼器，實(shí)時(shí)采集小車的位移數(shù)據(jù)，再由下位機(jī)將距離信息通過(guò)串口發(fā)送到上位機(jī)，配合角度傳感器構(gòu)建編碼器里程計(jì)，以此校準(zhǔn)激光雷達(dá)里程計(jì)的定位。基于三維點(diǎn)云地圖導(dǎo)航，對(duì)農(nóng)業(yè)大棚環(huán)境所建立的地圖進(jìn)行路徑規(guī)劃，設(shè)置定點(diǎn)巡邏，在一定區(qū)域范圍內(nèi)導(dǎo)航。環(huán)境監(jiān)測(cè)系統(tǒng)由移動(dòng)小車搭載，實(shí)現(xiàn)定點(diǎn)巡邏與動(dòng)態(tài)測(cè)量，硬件結(jié)構(gòu)如圖7所示。

5 農(nóng)作物生長(zhǎng)環(huán)境監(jiān)測(cè)系統(tǒng)農(nóng)作物生長(zhǎng)環(huán)境也是農(nóng)作物是否能健康生長(zhǎng)的重要指標(biāo)，所以需設(shè)置由移動(dòng)小車搭載的動(dòng)態(tài)高精度傳感器。其中，高精度傳感器包括SHT20高精度空氣溫濕度傳感器、BH1750FVI光照傳感器、MG811高精度二氧化碳傳感器、土壤濕度傳感器等，實(shí)時(shí)動(dòng)態(tài)獲取農(nóng)作物生長(zhǎng)環(huán)境的信息，并借助nRF24L01發(fā)送至無(wú)線通信系統(tǒng) [4]。傳感器性能指標(biāo)如下 ： 如下 ： （1）MG811高精度二氧化碳傳感器 ：工作溫度為-20 ～ 50℃，自帶溫度補(bǔ)償功能，濃度監(jiān)測(cè)范圍為0～10000 ppm（室內(nèi)常規(guī)CO2濃度范圍為400～700 ppm）。 （2）SHT20空氣溫濕度傳感器 ：測(cè)量濕度范圍為20%RH ～ 90%RH，測(cè)量溫度范圍為 0 ～ 50℃，測(cè)量精度為±2 ℃，具有長(zhǎng)期穩(wěn)定性。 （3）土壤濕度傳感器 ：采用 LM393 比較器芯片，工作穩(wěn)定性強(qiáng)。探針表面采用鍍鎳處理，可有效防止探針生銹。 （4）BH1750FVI光照傳感器：采用ROHM-BH1750FVI芯片，借助I2C通信。光照監(jiān)測(cè)范圍為0～65 535 Lux，內(nèi)部自帶電平轉(zhuǎn)換功能。 （5）HC-05藍(lán)牙模塊：工作頻段為2.4 GHz、傳輸速率為2 Mb/s，工作溫度范圍為-25 ～ 75℃，工作濕度為10%RH ～90%RH，傳輸距離為10 m。 6 無(wú)線通信系統(tǒng)與遠(yuǎn)程云端交互6.1 無(wú)線通信系統(tǒng)

無(wú)線通信系統(tǒng)由WiFi接收系統(tǒng)和4G遠(yuǎn)程通信系統(tǒng)構(gòu)成，主控采用STM32F103系列單片機(jī)，接收系統(tǒng)采用nRF24L01無(wú)線通信模組，用于接收移動(dòng)小車上搭載的nRF24L01無(wú)線通信模組發(fā)出的節(jié)點(diǎn)信息數(shù)據(jù)，數(shù)據(jù)通過(guò)串口傳輸至STM32F103主控，主控將數(shù)據(jù)整合后通過(guò)4G模組傳輸至云端[5]。通信系統(tǒng)如圖8所示。

6.1.1 nRF24L01 傳輸模塊

nRF24L01是由NORDIC公司推出的工作在2.4～2.5GHz的ISM頻段單片無(wú)線收發(fā)芯片，在接收模式下可接收6路不同通道的數(shù)據(jù)。nRF24L01傳輸模塊原理如圖9所示。

6.1.2 4G 傳輸模塊

ATK-M751是正點(diǎn)原子開(kāi)發(fā)的一款高性能全網(wǎng)通4GDTU產(chǎn)品，具有高速率、低延遲和無(wú)線數(shù)據(jù)數(shù)傳功能，支持TCP/UDP/HTTP等協(xié)議，可連接多種云服務(wù)器，支持上位機(jī)配置參數(shù)，同時(shí)也支持 RS 232和RS 485通信協(xié)議。4G傳輸模塊原理如圖10所示。

6.2 遠(yuǎn)程云端交互

云服務(wù)器采用騰訊云平臺(tái)，客戶端采用騰訊連連微信小程序 [6]，用于實(shí)現(xiàn)節(jié)點(diǎn)數(shù)據(jù)的讀取與交互。

7 仿真及測(cè)試

用戶可以移動(dòng)手機(jī)端登錄騰訊連連微信小程序，從交互界面查看數(shù)據(jù)。手機(jī)端界面如圖11所示。

OpenART-mini 攝像頭進(jìn)行葡萄葉片病害的實(shí)際狀況測(cè)試，識(shí)別情況如圖12所示。

借助EDGE impulse深度學(xué)習(xí)平臺(tái)，對(duì)待測(cè)農(nóng)作物葉片進(jìn)行特征提取，搭建訓(xùn)練模型，訓(xùn)練迭代20次后得到模型特征情況及準(zhǔn)確率，如圖13、圖14所示。

8 結(jié) 語(yǔ)隨著科學(xué)農(nóng)業(yè)栽培技術(shù)與自動(dòng)化控制技術(shù)的發(fā)展，農(nóng)作物栽培大多采用大棚種植。而農(nóng)場(chǎng)管理需要?jiǎng)佑么笠?guī)模人力資源。為優(yōu)化農(nóng)作物生長(zhǎng)環(huán)境，實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)農(nóng)作物生長(zhǎng)狀況，采用上述方案遠(yuǎn)程監(jiān)測(cè)農(nóng)作物病害狀況，實(shí)時(shí)采集農(nóng)作物生長(zhǎng)環(huán)境信息，實(shí)時(shí)提供反饋與預(yù)警 [7-8]。基于物聯(lián)網(wǎng)與深度學(xué)習(xí)技術(shù)的農(nóng)作物生長(zhǎng)狀況遠(yuǎn)程動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)一定程度上使農(nóng)業(yè)耕作更加科學(xué)化，并促進(jìn)了農(nóng)作物高產(chǎn)、量產(chǎn)，具有一定的實(shí)際應(yīng)用價(jià)值 [9-10]。

審核編輯 ：李倩