CN103731440A - 近红外农作物生长信息实时监测及其灾害预测无线*** - Google Patents

Abstract

本发明中的农作物生长信息实时监测节点，包括：农作物生长营养与生理生态信息监测的节点、农作物生长形态与病虫草信息监测节点与多参数农作物生长土壤与小气候监测的节点。节点与GPRS、Internet网络、数据处理中心、GIS与GPS联合组成***，确定异常信息监测节点的位置，并通过GSM网与手机相连。对节点实时监测数据，应用改进的近红外化学计量软件进行分析并经精细农业专家***处理，且应用灰色***预测模型对农作物的灾害进行预测。本发明结构简单、操作方便，实时性好，将近红外光谱分析技术的优势与无线传感器网络技术优势相结合，为在物联网环境下，实现精细农业平台提供基础技术支持。

Description

近红外农作物生长信息实时监测及其灾害预测无线***

技术领域

本发明是充分应用近红外光谱分析技术的优势与灰色***理论特点，设计在无线传感器网络环境下，农作物生长信息实时监测的节点硬件装置及其数据处理平台，它是实现精细农业实现平台中的重要支撑部分。

背景技术

现行的农作物生长信息(如营养与生理生态、形态与病虫草、生长的土壤与小气候)监测都是应用便携式或手持式仪器到农作物生长地，进行实地检测。这类检测的不足之处是缺乏实时性，对指导精细农业生产意义不大，检测仪器指标少，且必须检测人员到现场，特别是在实行大面积农作物检测时耗费大量的人力物力，费工费时，检测成本极高。

发明的内容

本发明的目的是克服现行的农作物生长信息检测技术的不足，充分应用近红外检测的和无线传感器网络优势，将两者结合起来再加上GPS与GIS技术，改检测为实时监测，并应用灰色***理论实现灾害性预测，在无线传感器网络环境下，为实现精细农业平台，提供基础部分的支持。

为了达到上述目的，本发明提供了近红外农作物生长信息实时监测及其灾害性预测无线传感器网络***，本发明的组成如图1所示：有农作物生长信息的组合监测节点1、网关节点2、基站3、GPRS网络4与Iternet网络5、监测数据处理中心6等。

对本发明的进一步改进在于：

1.本发明的组合实时监测节点，实际上是由三个节点组成的：

1)农作物生长营养与生理生态信息实时监测节点，其功能是监测农作物的氮、磷、钾含量，酶活力，可溶性，非可溶性蛋白，氨基酸总量，丙二醛等指标。该节点的传感器采用近红外光线漫反射探头与近红外固定光路阵列检测器，监测的指标与近红外光谱建立定量关系模型，实现多指标监测。

2)农作物生长土壤与小气候实时监测节点，其功能是同时监测农作物生长的土壤的水含量，营养成分及监测点附近的小气候，即温湿度与风速等。是由相应多个传感器采样组成的。

3)农作物生长形态与病虫草信息实时监测节点，该节点用CMOS近红外光传感器，主要获取植物的彩色集合特征、三维形态等信息。

其中大面积农作物监测节点1组成如附图3：农作物信息采集传感器6、信号调理电路7、CC2530射频片上***8、GPS数据采集模块9、光电源12等组成；网关节点2附图4组成：CC2530射频片上***8、ARM32位微处理器13、GPRS模块17、风光电源14等。小面积农作物监测节点组成图附5：农作物生长信息采集传感器6、信号调理电路7、GPRS模块、风光电源11。

2.本发明无线传感***还包括：无线传感传感器网络监测节点将实时监测数据传输给监测中心数据库20，经相关灰色***理论模型进行农作物生长的灾害性预测，同时用近红外关系模型分析实现农作物生长信息的多指标监测数据，相关模型的结果经专家***分析处理，用来指导农业生产。监测的异常信息通过GPS的定位信息与存储在监测中心计算机中的GIS24软件相结合，实现监测与分析的农作物生长异常信息进行实时准确定位，对异常信息能自动报警，通过GSM23短信自动发送至相关工作人员的手机中。

本发明的农作物生长信息实时监测节点装置及其数据处理***有如下积极效果：

1.将近红外光谱分析技术的优势与无线传感器网络技术优势相结合，设计的农作物生长信息实时监测节点装置，实现实时监测，并将其数据进行无线传感传输，为精细农业平台提供基础技术支持。

2.农作物生长营养与生态信息实时监测节点与农作物生长形态与病虫草监测节点的采样传感器均采用近红外器件，具有实时性好、监测指标、多精度高且结构简单等特点。

3.组合式实时监测节点的电源都是采用光电电源(风光电电源)，实现真正意义上的节能减排。

4.实时监测节点既可以监测大面积农作物生长信息也可以监测小面积农作物生长信息。附图5还可以作为便携式近红外农作物生长信息检测与监测仪。

5.在监测节点中装入GPS数据采集模块，能够将采集的实时监测节点位置数据与数据处理中心计算机内的GIS相结合，迅速确定实时监测异常信息的位置，并将实时监测中的异常信息，通过GSM平台，发送短信到相关工作人员手机中。

6.根据农作物灾害性变化机理，应用灰色***理论模型，进行农作物生长的灾害性预测。

附图说明

图1.大面积农作物生长信息监测***示意图

图2.小面积农作物生长信息监测***示意图

图3.大面积农作物生长信息监测节点图

图4.大面积农作物生长信息监测网关节点图

图5.小面积农作物生长信息监测节点图

图6.农作物生长信息数据处理及其灾害预测***

图7.漫反射近红外光纤探头的光学原理示意图

图8.近红外固定光路阵列检测器的光路示意图

图中，0大(小)面积农作物、检测节点1、网关节点2、基站3、GPRS/GSM4、INTERNET5、检测中心6、农作物生信息采集传感器7、信号调理电路8、基于Zigbee通信协议的射频发射模块(CC2530)9、GPS数据采集模块10、USB接口11、光电源12、电源管理芯片13、微处理器14、风光电源15、SIM卡座16、GPRS/GSM模块17、农作物营养与生理生态实时监测信息18、农作物生长土壤与小气候实时监测信息19、农作物生长形态与病虫草实时监测信息20、定量信息数据库21、***显示功能((1)数据显示与分析曲线(用灰色***理论建模)、(2)近红外关系模型分析与显示、(3)农作物生长信息实时监测(专家***)22、GSM短信自动远程报警23、现场GIS显示精确位置与自动报警24、精细农业平台25、光源26、光源光纤27、检测光纤28、检测器(TSL245)29、农作物30、入射狭缝31、色散器件32、阵列检测器33。

特别说明，图3、图5中农作物生长信息采集传感器6因节点的不同而不同。

具体实施方式

下面结合附图对本发明作进一步描述。

下面结合附图对本发明近红外农作物生长信息实时监测及其灾害性预测无线传感***进行详细说明。

参见附图1所示：农作物生长信息的监测节点1、网关节点2、基站3、GPRS网络4与Iternet网络5、监测数据处理中心6等组成。

农作物生长信息的监测节点1构成如下：

农作物生长营养与生理生态信息实时监测节点，其功能是监测农作物的氮、磷、钾含量，酶活力，可溶性，非可溶性蛋白，氨基酸总量，丙二醛等指标。该节点的传感器采用近红外光线漫反射探头，监测的指标与近红外光谱建立定量关系模型，实现多指标监测。

农作物生长土壤与小气候信息实时监测节点，其功能是同时监测农作物生长营养与生理生态信息监测节点农作物生长的土壤的水含量，营养成分及监测点附近的小气候，即温湿度与风速等。是由相应多个传感器采样组成的。根据上述要求土壤监测传感器选择如下：土壤温湿度传感器-FDS-100，本传感器体积小巧化设计，携带方便，安装、操作及维护简单。结构设计合理，不绣钢探针保证使用寿命。外部以环氧树脂纯胶体封装，密封性好，可直接埋入土壤中使用，且不受腐蚀。风速传感器WFS-1型的风杯及风标由高耐候性、高强度工程塑料制造，传感器壳体使用ABS工程塑料成形，上下壳体由橡胶O型圈密封。内部电路均经过喷涂三防漆处理，整个风速传感器具有很好的耐恶劣环境的适应性。

农作物生长形态与病虫草信息实时监测节点，该节点用CMOS近红外光传感器，主要获取植物的彩色集合特征、三维形态等信息。CMOS近红外光传感器KP-F120F/KP-F120CL日立近红外摄像头。

在附图3、4与5中，9选用CC2530射频模块，微处理器14选用Atmel公司的一款内嵌32位ARM920T核的高速ARM处理器AT91RM9200作为中心处理器，具有高性能、低功耗、低成本特点，其指令处理速度可以高达200MI/s(兆指令/秒)，能满足无线传感器网关节点的高速传输要求，它又是一款工业级微控制器，能够适合网关节点工作环境恶劣的要求，保证网关节点工作的稳定性。同时AT91RM9200上可以移植标准的Linux操作***，减少了网关节点软件的开发难度并增强了它的可移植性，有利于软件的二次开发。

无线发射装置包括SIM卡插座16、GPRS模块17和天线。SIM卡插座16和天线分别与GPRS模块17相连。无线发射装置通过GPRS模块分别与微处理器和电源模块相连。GPRS模块17选用MC55模块，由MC55模块内置的TCP/IP协议栈，由AT指令控制使应用程序很容易接入网络。这一方案的优点在于它不需应用程序，开发商执行自己的TCP/IP和PPP栈，这样最小化了将网络连接成一个新的或已经存在的应用程序所需的成本和时间，实现数据的无线拨号GPRS连接。

光电源12和风光电源15分别选用理士LPEPF100和风光互补电源AC220/DC380.

在附图7、8中，它们的组成：光源26、光源光纤27、检测光纤28、检测器(TSL245)29、农作物30、入射狭缝31、色散器件32、阵列检测器33。附图7、8说明如下：

本发明要采用的一种新型阵列检测型近红外光监测传感装置。因为光栅波长扫描型近红外监测传感装置的构造，影响其扫描速度、抗干扰性和信噪比的关键因素是机械扫描***和狭缝的结构设计，所有这些问题在阵列检测型近红外光监测传感装置结构设计中都得到了解决。如附图7，光栅光谱直接照射到阵列检测器上，省去了波长扫描机械转动***，检测器的不同像素顺序对应于不同波长的光谱。装置没有移动部件，提高了抗干扰性；阵列检测器读取数据速度很快，显著提高了光谱波长扫描速度，可达50张光谱/s。

漫反射近红外光线探头可以用来测量各种类型的固体样品，如塑料、水果、药片、农作物等。附图8给出了一种漫反射光纤探头的光学原理示意图，为有效收集样品漫反射的光，漫反射探头多采用光纤束。如n×m光纤束，n根光纤用来传输来自光源或单色器的光(称为光源光纤，source fiber)，使之照射到待测样品上，m根光纤则用来收集样品的漫反射光(称为检测光纤，detector fiber)，并传输回光谱仪。光纤束的排列有多种方式，有规则的，如内圈光纤作检测光纤，外圈光纤作光源光纤，或检测光纤和光源光纤均匀间隔排列，也有无规则排列的，如随意排列的。由于采用光纤束，光能量衰减严重，故传输距离不宜过长，一般在50m以内。

将阵列检测型近红外光监测传感装置与漫反射近红外光线探头相结合，进行优势互补，对农作物生长营养与生理生态信息实时监测，以获取更多的监测信息，确保近红外数据关系数据处理模型的精度准确。

农作物灾害性变化机理是很复杂的，其趋势分析是一个复杂的***，仅靠气近红外传感器得到的信息是不完全的，本身具有很明显的灰色特性，所以用灰色理论来处理是较适合的。灰色灾变预测实质上是异常值预测，什么样的值算作异常值，往往是人们凭经验主观确定的。灰色灾变预测的任务是给出下一个或几个异常值出现的时刻，以便人们提前准备，采取对策。灰色灾害预测模型见附录。

本发明***使用时，将监测节点(1、7三个节点就近安装)安装在被监测的农作物田地里，监测农作物的生长信息即：农作物生长营养与生理生态信息、农作物生长土壤与小气候信息与农作物生长形态与病虫草信息，并将监测的数据实时通过Zigbee网络与网关节点2，并通过基站3经GPRS网络4、Internet5到监测数据中心7。经数据中心7计算机数据库中的近红外数据关系处理模型(近红外数据模型：应用现有的成熟的化学计量学软件进行校正后应用)处理后即可显示监测数据，同时由计算机内存储的GIS***，并根据GPS模块采集的位置数据，有异常情况，数据中心的计算机屏幕可以自动报警且发送至有关人员的计算机。同时数据处理***，农作物生长形态与病虫草信息实时监测节点，该节点用CMOS近红外光传感器，主要获取植物的彩色集合特征、三维形态等信息。这些信息用灰色***理论模型(见附录)，进行农作物生长的灾害性预测。

附录

灰色灾变预测数学模型

定义1设原始序列

X＝(x(1)，x(2)，...，x(n))

给定上限异常值(灾变值)ξ，称X的子序列

X_ξ＝(x[q(1)]，x[q(2)]，...，x[q(m)])＝{x[q(i)]|x[q(i)]≥ξ；i＝1，2，...，m}

为上灾变序列。

定义2设原始序列

X＝(x(1)，x(2)，...，x(n))

给定下限异常值(灾变值)ζ，称X的子序列

X_ζ＝(x[q(1)]，x[q(2)]，...，x[q(l)])＝{x[q(i)]|x[q(i)]≤ξ；i＝1，2，...，l}

为下灾变序列。

上灾变序列和下灾变序列统称为灾变序列。由于对不同的灾变序列研究思路完全一样，在以下的讨论中，我们对上灾变序列和下灾变序列不加区别。

定义3设X为原始序列

$X_{\mathrm{\ξ}}=\left(x\right[q\left(1\right)],x[q\left(2\right)],...,x[q\left(m\right)\left]\right)\⋐X$

为灾变序列，则称

Q⁽⁰⁾＝(q(1)，q(2)，...，q(m))

为灾变日期序列。

灾变预测就是要通过对灾变日期序列的研究，寻找其规律性，预测以后若干次灾变发生的日期，灰色***的灾变预测是通过对灾变日期序列建立GM(1，1)模型实现的。

定义4设

Q⁽⁰⁾＝(q(1)，q(2)，...，q(m))

为灾变日期序列，其1-AGO序列为

Q⁽¹⁾＝(q(1)⁽¹⁾，q(2)⁽¹⁾，...，q(m)⁽¹⁾)

Q(1)的紧邻均值生成序列为Z(1)，则称

q(k)+az⁽¹⁾(k)＝b

为灾变GM(1，1)。

命题1设

为灾变GM(1，1)参数序列的最小二乘估计，则灾变日期序列的GM(1，1)序号响应式为

即 $\left\{\begin{array}{c}{\hat{q}}^{\left(1\right)}(k+1)=(q\left(1\right)-\frac{b}{a})e^{-\mathrm{ak}}+\frac{b}{a}\\ \hat{q}(k+1)={\hat{q}}^{\left(1\right)}(k+1)-{\hat{q}}^{\left(1\right)}\left(k\right),k\≥1\end{array}\right.$

定义5设

为原始序列，n为现在时刻，给定异常值ξ，相应的灾变日期序列

Q⁽⁰⁾＝(q(1)，q(2)，...，q(m))

其中，q(m)(≤n)为

最近一次灾变发生的日期，则称

为下一次灾变的预测日期；

对任意k＞0，称为未来第k次灾变的预测日期。

Claims (8)

1.近红外农作物生长信息实时监测及其灾害性预测无线传感传感***，其特征在于：组成包括农作物生长信息的组合监测节点1、网关节点2、基站3、GPRS网络4与Iternet网络5、监测数据处理中心6等。

2.根据权利要求1，其特征在于：所述农作物生长信息的组合实时监测节点1组成包括农作物生长营养与生理生态信息监测节点、农作物生长土壤与小气候监测节点与农作物生长形态与病虫草信息监测节点。

3.根据权利要求1，其特征在于：所述大面积农作物实时监测节点组成图3包括农作物信息采集传感器7、信号调理电路8、CC2530射频片上***9、GPS数据采集模块10、光电源等；网关节点组成：CC2530射频片上***9、ARM32位微处理器14、GPRS模块16、风光电源14等。

4.根据权利要求1，其特征在于：小面积农作物监测节点组成图5包括农作物生长信息采集传感器6、信号调理电路7、GPRS模块10、风光电源11。

5.根据权利要求1，其特征在于：应用灰色***理论模型进行农业生长信息灾害性预测；应用近红外关系模型分析实现农作物生长信息的多指标监测数据，相关模型的结果经精细农业专家***分析处理；监测的异常信息通过GPS通信模块10与GIS软件相结合，实现监测与分析的农作物生长异常信息进行实时准确定位，对异常信息能自动报警，并与GSM手机网络联接。

6.根据权利要求1，其特征在于：近红外农作物生长信息实时监测及其灾害性预测无线传感传感***网关节点应用风光电源15与监测节点应用光电源12。

7.根据权利要求2，农作物生长营养与生理生态信息监测节点，其特征在于：包括光源26、光源光纤27、检测光纤28、检测器(TSL245)29、农作物30、入射狭缝31、色散器件32、阵列检测器33，能够分别对农作物进行慢反射与透射。

8.根据权利要求4，小面积农作物实时监测节点，其特征在于：还可以作为便携式无线近红外农作物生长信息监测与检测仪。 

Images