CN110658874A - 基于物联网的土豆贮藏环境远程智能监控方法 - Google Patents

Abstract

本发明公开了基于物联网的土豆贮藏环境远程智能监控方法，包括数据采集模块、主控器模块、通信模块；数据采集模块在土豆窖内的不同节点位置进行环境数据采集，采集的环境数据包括温度、湿度和二氧化碳浓度，数据采集模块将环境数据传输给主控器模块；主控器模块经通信模块传送至服务器数据库，以实现土豆贮藏环境的远程监控；可以通过访问服务器获得数据，了解窖中情况，这种远程智能监控方法实现了环境监测功能。并对采集数据进行了特殊的处理，使数据输出更贴合实际。且在监控基础上实现了远程调控。本发明通过物联网技术，使原有硬件与软件部分融合，形成一个有机的***，并通过下述的环境数据处理方式，对贮藏环境做更好的监控。

Description

基于物联网的土豆贮藏环境远程智能监控方法

技术领域

本发明涉及农产品贮藏技术领域，具体涉及基于物联网的土豆贮藏环境远程智能监控方法。

背景技术

土豆是第四大粮食作物，它的地位仅仅位于小麦、玉米、水稻之后。我国土豆种植技术较成熟，但是在出售前或加工生产前期，需要进行长时间的贮藏。因土豆性喜冷凉，在生长完成后要经历休眠期与萌发期，此刻进入土豆的贮藏期，贮藏期大致分为前期、中期和后期三个阶段。在整个储藏过程中，环境温度，湿度，二氧化碳浓度等都对它有影响。若不合理控制环境因素，土豆的品质会受到直接影响甚至是腐烂。

在现有技术中，例如专利文件108052141A，106403159A，203941404U；对于土豆的监控数据，并没有考虑到环境、湿度、二氧化碳浓度的综合影响，在调节过程中大多是分别单独监控和或调节，没有考虑到以上三个因素在环境中是相辅相成相互影响的因素，因此监控或是调节不够科学严谨。

发明内容

本发明的目的是提供一种基于物联网的土豆贮藏环境远程智能监控方法，可以解决上述技术问题中的一个或是多个。

为了达到上述目的，本发明提出的技术方案如下：

一种基于物联网的土豆贮藏环境远程智能监控方法，包括数据采集模块、主控器模块、通信模块；数据采集模块在土豆窖内的不同节点位置进行环境数据采集，采集的环境数据包括温度、湿度和二氧化碳浓度，数据采集模块将环境数据传输给主控器模块；主控器模块经通信模块传送至服务器数据库，以实现土豆贮藏环境的远程监控；可以通过访问服务器获得数据，了解窖中情况，这种远程智能监控方法实现了环境监测功能。

本发明通过物联网技术，使原有硬件与软件部分融合，形成一个有机的***，并通过下述的环境数据处理方式，对贮藏环境做更好的监控。

本发明采用科学高效的方式将土豆贮藏的信息进行实时的采集与监控，并使其集中规模、批量存储，使得土豆一直处于最适宜的存储环境中，解放了生产力，降低了不必要的损失。通过一种基于物联网技术的方法，可以实现对土豆贮藏环境进行有效的远程智能监控。

因为温度、湿度、二氧化碳浓度三种不同环境参数之间存在相互影响，主控器模块采用多传感器数据融合算法对土豆窖内的温度、湿度及二氧化碳浓度这三个因素的数据进行综合处理，使输出数据更加贴近实际情况之后再进行上传至服务器数据库，具体包括如下步骤：

(1)将数据做预处理，计算每个要素的基本概率值、信任度以及似真度；

①设基本概率赋值函数m_i：Ξ作为辨识框架，所以基本概率赋值函数：Ξ²→[0,1]，且满足m(Ξ)＝0,∑_a(Ξm(A)＝1；

②信任函数Y(A)：Ξ是辨识框架，函数Y:2^Ξ→[0,1]使信任函数Y(φ)＝1,对于n各证据

A₁,A₂,......,A_n,则Y(A₁,A₂,A₃,A₄,A₅)≥(-1)^1+IY(U_i(IA_i),信任度与基本概率赋值函数关系如下：Y(A)≥∑_B(Am(B)＝1；

③似然函数Pls(A):Pls(A)＝1-Y(A)；

(2)应用D-S组合规则，求得所有要素在基于综合作用下的各个值；

组合以后的概率赋值函数：

其中K是D-S证据推理算法的归一化常数：K＝1-∑_{∩Ai＝φ1≤i≤n}m(Ai)；在土豆***中辨识框架如下：Ξ＝{A₁,A₂,A₃,A₄,A₅,A₆,A₇}；

(3)由于适宜的土豆环境位基准是环境温度在2-4℃，环境湿度保持80％-90％RH，二氧化碳浓度保持在1％-6％；将最大信任度和似真度作为数据融合处理后的结果，选择出最佳结果；

A₁＝{温度适宜，湿度适宜，二氧化碳浓度适宜}；

A₂＝{温度偏高}；

A₃＝{温度偏高，湿度偏低}；

A₄＝{温度偏高，湿度偏低，二氧化碳浓度偏高}；

A₅＝{湿度偏低}；

A₆＝{温度偏低，湿度偏高}；

A₇＝{温度偏低，湿度偏高，二氧化碳浓度偏低}。

进一步的：在上述数据监控的基础上，本发明还提供了一种调节方法，主要还包括远程智能控制模块，远程控制模块包括报警***或自动调节***。两***是相互切换模式的。

在处于报警***中时；所述报警***检测和判断所接收的数据是否处于安全值，若超过规定值则通过蜂鸣器警报。

在处于自动调节***时，在主控器模块(PLC控制器)内输入自动调节***，主控器模块利用模糊控制算法实现各调节设备(例如风机、加热设备、加湿设备、降温设备等等，其中加热、加湿、降温都可以通过空调***实现)的自动调节以保证土豆贮藏的合适环境，模糊控制算法的具体包括如下步骤：

设定输入变量为窖内温度偏差e(t)，变化ec(t),输出变量是继电器工作时间u(t)；e(t)＝r(t)-x(t)；其中r(t)是温度标准值；x(t)窖内实际采样温度；偏差变化率ec(t)＝[e(t)-e(t-1)]/t；其中e(t)是当前采样时温度偏差值，e(t-1)前一次采样时温度偏差值，t时采样周期；

量化因子M_e＝L/X,M_ec＝Y/N；其中L为输入变量量化论域最大值；X是输入变量论域最大值；Y是输出变量量化论域最大值；N是输出变量论域最大值；

设定采样周期为20min，温度从偏差值恢复到预设正常值约30min，故***输出量u(+)的论域是[0,40]；选用“if A and B then C”的模糊推理条件语句，如下：

Me(t)＝{NB,NM,NS,ZO,PS,PM,PB}；

Nec(t)＝{NB,NM,NS,ZO,PS,PM,PB}；

Yu(t)＝{ZO,PS1,PS2,PM1,PM2,PB1,PB2}。

进一步的：所述调节设备包括风机、加热装置、降温装置、蜂鸣报警器、复位。这些设备都是本领域的常用装置，其自动控制开关也是本领域技术人员的常识，在此不做详细阐述。

进一步的：所述数据采集模块包括温湿度传感器和二氧化碳浓度传感器。在土豆贮藏室内的不同节点的进行数据检测。

进一步的：所述主控器模块包括单片机。

进一步的：通信模块包括Zig Bee射频模块。

进一步的：还包括上位机，所述上位机通过GPRS与主控器模块实现远距离通信。依靠Internet网来连接GPRS模块与上位机(PC或手机)，通过引入GPRS模块实现远距离通信功能。选择利用TCP协议进行通信，通过串口运用AT命令，单片机可以实现对GPRS的一系列控制操作。

进一步的：还包括摄像头，所述摄像头安装在土豆贮藏室内，所述摄像头与主控器模块连接。由摄像头进行实时视频监控。

进一步的：还包括液晶显示模块，用以显示实时监测的环境参数及各设备状态信息。

本发明的技术效果是：

本发明利用现有装置，通过对各个节点的环境数据处理，可以更准确的对土豆贮藏环境的监控，同时依赖该监控***实现了自主调节，整个***稳定、简单可靠。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

在附图中：

图1为本发明的硬件***设计的整体原理结构图。

图2为本发明的数据采集模块硬件结构原理图。

图3为本发明的传感器采集设计流程图。

图4为本发明的多传感器数据融合算法过程示意图。

图5为本发明的智能调节方法的结构原理图。

图6为本发明的模糊控制***结构示意图。

图7为本发明的温湿度数据通信协议帧结构说明。

图8为本发明的CO2浓度数据通信协议帧结构说明。

图9为本发明的GPRS驱动流程图。

具体实施方式

下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的不当限定。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

如图1所示，在本发明中传感器以及相关零部件(例如ADC)形成数据采集单元，主控器模块(PLC、数据处理方法及协议、操作***、微处理器)是处理与监控单元，网络、协议MAC和收发器形成通信模块，通过物联网技术，使原有硬件与软件部分通过技术融合，形成一个有机的***，协调工作实现土豆贮藏环境的监控以及贮藏环境的调节，监控准确，并且调节稳定可靠。

图2为本发明的数据采集模块硬件结构原理图，在整个***中数据采集模块起到感知的作用，主要包含采集温湿度和二氧化碳数据的传感器、主控制器(单片机)、Zig Bee射频模块、电源模块等。首先由负责温湿度、二氧化碳浓度的传感器采集土豆窖内数据，同时经过主控制器(单片机)处理后传递到无线射频模块，经过该模块继续传输数据至上一级(服务器、上位机)。

图3为本发明的传感器采集设计流程图。数据采集包括温湿度及二氧化碳的采集，单片机进入自动采集模式即预设时间内采集一次剩下时间休眠，关于时间的设置都是运用极其精准的定时中断机制完成不同任务的有机调度，最终将所采数据存于flash，并可凭借输入特定命令来读取和清楚，以温度传感器为例，应先提取温湿度数据。根据该传感器资料，写出相应的代码，读取的关键是时序问题。

图4为本发明的多传感器数据融合算法过程示意图。鉴于土豆地窖中环境因素十分复杂，窖内每处的具体情况都不同，且每个传感器的属性均不同，会有自己相应的权数，因此同类型不同的传感器节点采集到的数据不同，因此需要进行单因子的数据融合做进一步优化。且本设计采集的数据涉及到温湿度及CO₂浓度三个环境参数会相互影响，任意调控其中一个参数，都会引发其它参数的改变，因此为了不同因子之间的相互影响也应该对多因子数据融合算法进一步优化，从而增强监测数据和自动调节控制的可靠性与精确度。

主控器模块采用多传感器数据融合算法对土豆窖内的温度、湿度及二氧化碳浓度这三个因素的数据进行综合处理，使输出数据更加贴近实际情况之后再进行上传至服务器数据库，具体包括如下步骤：

(1)将数据做预处理，计算每个要素的基本概率值、信任度以及似真度；

①设基本概率赋值函数m_i：Ξ作为辨识框架，所以基本概率赋值函数：Ξ²→[0,1]，且满足m(Ξ)＝0,∑_a(Ξm(A)＝1；

②信任函数Y(A)：Ξ是辨识框架，函数Y:2^Ξ→[0,1]使信任函数Y(φ)＝1,对于n各证据

A₁,A₂,......,A_n,则Y(A₁,A₂,A₃,A₄,A₅)≥(-1)^1+IY(U_i(IA_i),信任度与基本概率赋值函数关系如下：Y(A)≥∑_B(Am(B)＝1；

③似然函数Pls(A):Pls(A)＝1-Y(A)；

(2)应用D-S组合规则，求得所有要素在基于综合作用下的各个值；

组合以后的概率赋值函数：

其中K是D-S证据推理算法的归一化常数：K＝1-∑_{∩Ai＝φ1≤i≤n}m(Ai)；在土豆***中辨识框架如下：Ξ＝{A₁,A₂,A₃,A₄,A₅,A₆,A₇}；

(3)由于适宜的土豆环境位基准是环境温度在2-4℃，环境湿度保持80％-90％RH，二氧化碳浓度保持在1％-6％；将最大信任度和似真度作为数据融合处理后的结果，选择出最佳结果；

A₁＝{温度适宜，湿度适宜，二氧化碳浓度适宜}；

A₂＝{温度偏高}；

A₃＝{温度偏高，湿度偏低}；

A₄＝{温度偏高，湿度偏低，二氧化碳浓度偏高}；

A₅＝{湿度偏低}；

A₆＝{温度偏低，湿度偏高}；

A₇＝{温度偏低，湿度偏高，二氧化碳浓度偏低}。

图5为在监控方法基础上的智能调节方法(***)的结构原理图。主要包括微处理器(单片机)用以对采集的数据进行处理以及调节设备(风机、加热装置、降温装置、蜂鸣报警器、复位等等)；通过显示实时监测的环境参数及设备状态等信息的液晶显示模块；通过模糊控制***进行实时调节。或者是直接切换报警***进行报警。

图6为本发明的模糊控制***结构示意图。模糊控制算法具有自动调节信息功能，公式如下：

设定输入变量为窖内温度偏差e(t)，变化ec(t),输出变量是继电器工作时间u(t)；e(t)＝r(t)-x(t)；其中r(t)是温度标准值；x(t)窖内实际采样温度；偏差变化率ec(t)＝[e(t)-e(t-1)]/t；其中e(t)是当前采样时温度偏差值，e(t-1)前一次采样时温度偏差值，t时采样周期；

量化因子M_e＝L/X,M_ec＝Y/N；其中L为输入变量量化论域最大值；X是输入变量论域最大值；Y是输出变量量化论域最大值；N是输出变量论域最大值；

设定采样周期为20min，温度从偏差值恢复到预设正常值约30min，故***输出量u(+)的论域是[0,40]；选用“if A and B then C”的模糊推理条件语句，如下：

Me(t)＝{NB,NM,NS,ZO,PS,PM,PB}；

Nec(t)＝{NB,NM,NS,ZO,PS,PM,PB}；

Yu(t)＝{ZO,PS1,PS2,PM1,PM2,PB1,PB2}。

图7为本发明的温湿度数据通信协议帧结构说明。图8为本发明的CO2浓度数据通信协议帧结构说明。当ZigBee网搭建成功后，由温湿度和二氧化碳传感器节点完成数据的采集与转换后，将数据统一传送给协调器，后通过串口通信传输给控制中心进行处理。此时需要协调器可以区分数据来源于哪个节点以及确定相应物理信息类型。其中帧计数它的工作原理是：终端节点每发送一帧数据，则对帧计数加1，上位机统计节点帧，若不连续，则数据丢帧，并由此可以计算出相应设备节点的丢帧率。

图9为本发明的GPRS驱动流程图。单片机与上位机间的GPRS通信,它靠Internet网来连接GPRS模块与PC，通过引入GPRS模块实现远距离通信功能。选择利用TCP协议进行通信，通过串口运用AT命令，单片机可以实现对GPRS的一系列控制操作，GPRS模块驱动如下：

“AT+IPR＝115200”//将波特率设置为115200bps；

“AT+CGDCONT＝1，”IP”,”CMNET””//将接入网关设置为移动梦网；

“AT+CGCLASS＝”B”“//将移动终端的类别设置为B类，在同一时间只允许一种业务进行，GPRS或GSM；

“AT+CGACT＝1”//将GPRS功能激活。如果返回OK，则GPRS连接成功；如果返回ERROR，则表示GPRS连接失败；

“AT+CIPSTART＝”TCP”，”121.41.46.166”,”10000””//建立TCP连接，接入端口号”10000”。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.基于物联网的土豆贮藏环境远程智能监控方法，其特征在于：包括数据采集模块、主控器模块、通信模块；数据采集模块在土豆窖内的不同节点位置进行环境数据采集，采集的环境数据包括温度、湿度和二氧化碳浓度，数据采集模块将环境数据传输给主控器模块；主控器模块经通信模块传送至服务器数据库，以实现土豆贮藏环境的远程监控；

因为温度、湿度、二氧化碳浓度三种不同环境参数之间存在相互影响，主控器模块采用多传感器数据融合算法对土豆窖内的温度、湿度及二氧化碳浓度这三个因素的数据进行综合处理，使输出数据更加贴近实际情况之后再进行上传至服务器数据库，具体包括如下步骤：

(1)将数据做预处理，计算每个要素的基本概率值、信任度以及似真度；

①设基本概率赋值函数m_i：Ξ作为辨识框架，所以基本概率赋值函数：Ξ²→[0,1]，且满足m(Ξ)＝0,∑_a(Ξm(A)＝1；

②信任函数Y(A)：Ξ是辨识框架，函数Y:2^Ξ→[0,1]使信任函数Y(φ)＝1,对于n各证据

A₁,A₂,……,A_n,则Y(A₁,A₂,A₃,A₄,A₅)≥(-1)^1+IY(U_i(IA_i),信任度与基本概率赋值函数关系如下：Y(A)≥∑_B(Am(B)＝1；

③似然函数Pls(A):Pls(A)＝1-Y(A)；

(2)应用D-S组合规则，求得所有要素在基于综合作用下的各个值；

组合以后的概率赋值函数：

其中K是D-S证据推理算法的归一化常数：K＝1-∑_{∩Ai＝φ1≤i≤n}m(Ai)；在土豆***中辨识框架如下：Ξ＝{A₁,A₂,A₃,A₄,A₅,A₆,A₇}；

(3)由于适宜的土豆环境位基准是环境温度在2-4℃，环境湿度保持80％-90％RH，二氧化碳浓度保持在1％-6％；将最大信任度和似真度作为数据融合处理后的结果，选择出最佳结果；

A₁＝{温度适宜，湿度适宜，二氧化碳浓度适宜}；

A₂＝{温度偏高}；

A₃＝{温度偏高，湿度偏低}；

A₄＝{温度偏高，湿度偏低，二氧化碳浓度偏高}；

A₅＝{湿度偏低}；

A₆＝{温度偏低，湿度偏高}；

A₇＝{温度偏低，湿度偏高，二氧化碳浓度偏低}。

2.根据权利要求1所述的基于物联网的土豆贮藏环境远程智能监控方法，其特征在于：还包括远程智能控制模块，远程控制模块包括报警***或自动调节***；

所述报警***检测和判断所接收的数据是否处于安全值，若超过规定值则通过蜂鸣器警报；

所述自动调节***包括主控器模块和调节设备，主控器模块利用模糊控制算法实现调节设备的自动调节以保证土豆贮藏的合适环境，具体包括如下步骤：

(1)设定输入变量为窖内温度偏差e(t)，变化ec(t),输出变量是继电器工作时间u(t)；e(t)＝r(t)-x(t)；其中r(t)是温度标准值；x(t)窖内实际采样温度；偏差变化率ec(t)＝[e(t)-e(t-1)]/t；其中e(t)是当前采样时温度偏差值，e(t-1)前一次采样时温度偏差值，t时采样周期；

(2)量化因子M_e＝L/X,

其中L为输入变量量化论域最大值；X是输入变量论域最大值；Y是输出变量量化论域最大值；N是输出变量论域最大值；

(3)设定采样周期为20min，温度从偏差值恢复到预设正常值约30min，故***输出量u(+)的论域是[0,40]；选用“if A and B then C”的模糊推理条件语句，如下：

Me(t)＝{NB,NM,NS,ZO,PS,PM,PB}；

Nec(t)＝{NB,NM,NS,ZO,PS,PM,PB}；

Yu(t)＝{ZO,PS1,PS2,PM1,PM2,PB1,PB2}。

3.根据权利要求2所述的基于物联网的土豆贮藏环境远程智能监控方法，其特征在于：所述调节设备包括风机、加热装置、降温装置、蜂鸣报警器、复位。

4.根据权利要求1所述的基于物联网的土豆贮藏环境远程智能监控方法，其特征在于：所述数据采集模块包括温湿度传感器和二氧化碳浓度传感器。

5.根据权利要求1或2所述的基于物联网的土豆贮藏环境远程智能监控方法，其特征在于：所述主控器模块包括单片机。

6.根据权利要求1所述的基于物联网的土豆贮藏环境远程智能监控方法，其特征在于：通信模块包括Zig Bee射频模块。

7.根据权利要求1所述的基于物联网的土豆贮藏环境远程智能监控方法，其特征在于：还包括上位机，所述上位机通过GPRS与主控器模块实现远距离通信。

8.根据权利要求1所述的基于物联网的土豆贮藏环境远程智能监控方法，其特征在于：还包括摄像头，所述摄像头安装在土豆贮藏室内，所述摄像头与主控器模块连接。

9.根据权利要求1所述的基于物联网的土豆贮藏环境远程智能监控方法，其特征在于：还包括液晶显示模块，用以显示实时监测的环境参数及各设备状态信息。

Images