CN112185090A - 一种基于NB-IoT的农业大棚远程监测***及方法 - Google Patents

一种基于NB-IoT的农业大棚远程监测***及方法 Download PDF

Info

Publication number
CN112185090A
CN112185090A CN202010902747.1A CN202010902747A CN112185090A CN 112185090 A CN112185090 A CN 112185090A CN 202010902747 A CN202010902747 A CN 202010902747A CN 112185090 A CN112185090 A CN 112185090A
Authority
CN
China
Prior art keywords
data
module
wireless communication
sensor
main processor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010902747.1A
Other languages
English (en)
Inventor
杨涛
赵凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN202010902747.1A priority Critical patent/CN112185090A/zh
Publication of CN112185090A publication Critical patent/CN112185090A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明涉及一种基于NB‑IoT的农业大棚远程监测***及方法，该***由主处理器、数据采集模块、数据存储模块、电源模块、定位模块、无线通信模块、云服务器、用户管理端组成；所述的数据采集模块、电源模块、数据存储模块、定位模块、无线通信模块都与主处理器连接，所述主处理器通过无线通信模块与云服务器连接，所述用户管理端连接并处理云服务器的数据并显示给用户。本发明通过NB‑IoT无线通信实现远程监控，具有成本低、效率高、智能化等特点，不仅方便部署，便于监控，还解决了环境数据的冗余和带宽压力。

Description

一种基于NB-IoT的农业大棚远程监测***及方法
技术领域
发明设计涉及智慧农业及无线通信领域，特别是涉及到基于NB-IoT的农业大棚远程监控***。
背景技术
我国农业生产正在朝着智能化的方向发展，为了提高农作物的产量和质量，需要对农作物的生长环境进行必要的信息采集和监测。传统的环境信息采集操作主要由人工来完成。这种方式耗费人力、物力，效率较低下，且实时性也无法保证。随着信息技术的发展，考虑利用基于现代通信技术的环境监测***对农田间信息进行监测，以达到深层分析、及时管理、精准控制的目的。
为了使农业管理往更加科技化、更加智能化、更加信息化的方向发展，各种农业监测***应运而生。传统的农业大棚及监测***，多采用有线通信方式将传感器数据汇集到终端，不但布线复杂、不便于使用，而且成本较高、后期维护困难，这种监测***将逐步淘汰。有些相对智能化的农业监测***采用WIFI，Zigbee，GPRS等无线通信方式，将传感器采集到的各种影响作物生长的环境数据上报到远程管理平台，进行分析管理，但这种通信方式存在一些弊端：设备功耗高，无线通信距离短，通讯连接不稳定，大量原始数据占用带宽。综上所述，当前智能农业大棚急需解决成本高，维护难，功耗高，传输距离短，占用带宽多等难点。
发明内容
本发明的目的是优化当前智能农业大棚监测***存在的缺点，提出一种基于NB-IoT的农业大棚远程监测***。
本发明的技术方案为：一种基于NB-IoT的农业大棚远程监测***，该***由主处理器、数据采集模块、数据存储模块、电源模块、定位模块、无线通信模块、云服务器、用户管理端组成；所述的数据采集模块、电源模块、数据存储模块、定位模块、无线通信模块都与主处理器连接，所述主处理器通过无线通信模块与云服务器连接，所述用户管理端连接并处理云服务器的数据并显示给用户；
所述的数据采集模块包括大气温湿度传感器、土壤温湿度传感器，用于监测农业大棚内环境数据，并将数据发送给主处理器，主处理器先对单个传感器数据进行滤波处理，再对同类传感器进行数据融合处理，然后将处理过的数据通过NB-IoT无线通信模块发送给云服务器，所述的数据存储模块用于存储数据采集模块采集到的原始数据，便于后期对农业大棚环境分析，所述定位模块包括GPS定位芯片，用于定位监测***位置，将位置信息发送给主处理器，主处理器通过无线通信模块将位置信息发送给云服务器，并显示在用户管理端。进一步，所述主处理器型号为STM32L476。
进一步，所述数据采集模块包括环境光传感器为光敏二极管，大气温湿度传感器SHT20，土壤温度传感器DS18B20，电容式土壤湿度传感器SEN0193。
进一步，所述数据存储模块采用Micro SD；所述电源模块包括太阳能板和锂电池；所述定位模块型号为中科微ATGM336H；所述无线通信模块型号为移远BC95-B5，该无线通信模块采用电信物联网专用SIM卡。
本发明的一种基于NB-IoT的农业大棚远程监测方法，包括以下步骤：
首先初始化整个***，包括软件初始化和硬件外设初始化，然后分别获取大气温湿度、土壤温湿度，并将原始数据存储到SD卡，接着对原始数据依次作卡尔曼滤波和自适应加权融合，通过环境光传感器数值判断当前昼夜，并设置无线通信模块工作模式：如果是白天，则将无线模块置于Active模式，并将处理后的数据JSON格式化，发送至云服务器；如果是夜间，则将无线模块置于PSM模式，再次判断环境数据是否触发预先设定的阈值：没有触发则模块继续休眠；如果触发，则唤醒无线通信模块，接着将数据格式化，发送到云服务器，客户端接收到数据并显示在用户端管理面板上，用户可以根据数据做出相应的决策。对原始数据依次作卡尔曼滤波和自适应加权融合的具体过程为：
所述卡尔曼滤波，主要用于融合低层次动态冗余环境数据；在卡尔曼滤波算法中，首先在离散线性***中引入***状态方程和***测量值，分别为：Xk＝AXk-1+BUk+Wk，Zk＝HXk+Vk，其中Xk为k时刻***状态变量；Xk-1为k-1时刻***状态变量；Uk为k时刻***的控制量；A、B为***参数；Wk为***过程噪声；Vk为***测量噪声；Zk为k时刻***测量值；H为测量***参数，对于多测量***，H为矩阵；Wk和Vk假设为测量过程中的高斯白噪声，他们的协方差分别为Q和R，并且不随***状态变化而变化；对于本农情监测***，主要的环境因素为温度和湿度，分别对温湿度数据进行卡尔曼滤波算法，假设当前状态温度与前一状态温度相同所以A＝1，没有控制量所以Uk＝0，得出运算公式为
Figure BDA0002658210650000031
其中
Figure BDA0002658210650000032
为利用上一状态预测的结果；
Figure BDA0002658210650000033
为上一状态最优的结果；
Figure BDA0002658210650000034
是
Figure BDA0002658210650000035
对应的协方差；
Figure BDA0002658210650000036
是
Figure BDA0002658210650000037
对应的协方差；Q是***过程的协方差，对于当前农情监测***，测量的环境因素以单一变量大气温度为例所以H＝1，单模型单测量值所以I＝1，得出运算公式为：
Figure BDA0002658210650000038
其中Kgk为卡尔曼增益(Kalman Gain)，公式为：
Figure BDA0002658210650000039
更新当前状态(k)下估计值
Figure BDA00026582106500000310
的协方差为：
Figure BDA00026582106500000311
是
Figure BDA00026582106500000312
对应的协方差；
Figure BDA00026582106500000313
是
Figure BDA00026582106500000322
对应的协方差，通过不断测量，依次递归，不断优化权重，使得计算结果更加接近真实的测量结果。
所采用的环境数据融合算法为自适应加权融合算法，用于将分布在不同区域的多个同类型传感器数据进行加权融合为一个数据，在自适应加权融合算法中，对不同环境下传感器定义相应的权值wi，将传感器经预处理后的数据xi和相应的权值相乘，最后将等到的数据相加得到融合值
Figure BDA00026582106500000314
对于本***，在某一农业环境中内需要监测n个区域的土壤湿度数据，每个区域内的土壤湿度传感器的方差为
Figure BDA00026582106500000315
预处理后的数据为xi，它们彼此相互独立，各传感器对应的权值为wi，根据自适应加权平均算法，融合值
Figure BDA00026582106500000316
和权值wi分别满足公式：
Figure BDA00026582106500000317
方差σ2满足公式：
Figure BDA00026582106500000318
Figure BDA00026582106500000319
由于传感器安装区域相对较远，可将传感器预处理后的数据xi视作相互独立，且为x的无偏估计，所以满足公式：E[(x-xi)(x-xj)]＝0(i≠j)；所以σ2可写作：
Figure BDA00026582106500000320
根据多元函数求极值，当方差最小时，各个传感器所对应的最优权值为：
Figure BDA00026582106500000321
根据自适应加权融合算法处理后，同类传感器的多个数据融合为一个数据，加权融合后的数据越接近真实的环境数据，越能够给上层反映真实的农业情况。
本发明的有益效果：基于NB-IoT的农业大棚远程监测***，使用低功耗处理器，可外接锂电池供电，太阳能板通过锂电池蓄电，特别适用于农业长时间监测；采用多种类型传感器，获取环境信息更加全面；采用NB-IoT无线通信，功耗低，传输距离远；整个***成本低、效率高、智能化，不仅方便部署，便于监控，还解决了环境数据的冗余和带宽不足等问题。
附图说明
图1是本发明实施例的***整体硬件框图。
图2是本发明实施例的***运行流程图。
具体实施方式
如图1所示，在本发明实施例中，所述基于NB-IoT的农业大棚远程监测***主要由数据采集终端、无线通信网络和用户管理端组成，所述的采集终端包括主处理器、环境光传感器、大气温湿度传感器、土壤温度传感器、土壤湿度传感器、电源模块、定位模块、数据存储模块和无线通信模块，所述的无线通信网络包括无线通信网关和物联网云服务器，所述用户管理端包括用户端服务器和***控制面板。
本发明所提出一种基于NB-IoT的农业大棚远程监测***，用于监测农业大棚中农作物的生长环境，包括主处理器、数据采集模块、数据存储模块、定位模块、无线通信模块、云服务器、用户管理端，所述的数据采集模块、数据存储模块、定位模块和无线通信模块均与主处理器连接，主处理器通过无线通信模块与云服务器连接，用户端服务器从云服务器获取环境数据并将其展示给用户。所述传感器分布式放置于所要监控的区域，用于监控农作物生长环境，并将数据传输给主控制器。主处理器将分布在农业大棚中的土壤温湿度传感器采集到的数据进行预处理算法和数据融合算法；通过环境光传感器判断昼夜，整个***的工作模式分为两种：上层决策模式和底层决策模式。
上层决策模式是指：环境光传感器判断当时处于白天，将无线通信模块置于工作状态，此时无线通信模块所有功能正常可用，可以进行数据的发送和接收。通过无线通信模块将经预处理算法和数据融合算法后的结论数据上传至云服务器，并同时将原始数据保存至数据存储模块。客户端服务器通过从云平台数据库下载环境数据，并在***控制面板向***用户展示实时农业环境信息，用户可以根据环境信息作出相应决策，以保证农作物处于良好的生长环境。
底层决策模式是指：环境光传感器判断当时处于夜晚，将无线通信模块置于睡眠状态，此时无线通信模块功耗极低，只有RTC工作，处于网络非连接状态，不再接收寻呼消息，但模块可以通过AT指令唤醒或者通过定时器超时唤醒。此时原始数据保存至数据存储模块，经过处理后的环境数据不再直接上传至云平台，而是通过主处理器内部判断是否触发事先设定的阈值，来决定是否触发无线通信模块进入连接状态，减少无线通信模块的数据收发次数，以达到夜间降低功耗的目的。
所述主处理器型号为STM32L476，该处理器优势在于低功耗，适合长时间监测环境数据，用于处理原始数据，并将处理后的数据JSON格式化。
所述大气温湿度传感器型号为SHT20，特别适用于低功耗小体积***，置于大棚内空间，使用I2C协议与主处理器通信，用于监测农业大棚内大气温湿度；
所述土壤温度传感器型号为DS18B20，采用不锈钢封装，防止土壤腐蚀生锈，延长使用寿命。设置于大棚内土壤中，使用One Wire协议与主处理器通信，用于监测农业大棚内土壤温度。
所述电容式土壤湿度传感器型号为SEN0193，区别于常见的电阻式传感器，采用电容感应土壤湿度，表面涂有绝缘漆，避免与土壤直接接触腐蚀，延长使用寿命。设置于大棚内土壤中，使用One Wire协议与主处理器通信，用于监测农业大棚内土壤湿度。
所述数据存储模块采用Micro SD，通过SDIO协议与主处理器通信，采用FATFS文件***存储原始的环境数据到Micro SD卡，便于后期对原始环境数据的溯源。
所述定位模块型号为中科微ATGM336H，通过UART协议与主处理器通信，支持任意组合的多***联合定位，定位精度可达2.5m，用于定位该***的位置，方便管理多个大棚，多套***。
所述无线通信模块型号为移远BC95-B5，使用增强型AT命令集控制，通过UART协议与主处理器通信，用于接收JSON格式化后的监测数据，并将监测数据上传到云服务器；该无线通信模块采用电信物联网专用SIM卡，通过蜂窝网与云服务器通信，用于蜂窝网络对模块身份的鉴别。
环境光传感器通过ADC与STM32L476连接，用于判断当前监测环境的昼夜，通过判断结果将移远BC95-B5无线通信模块分别设置为Active模式和PSM(Power Saving Mode)模式，分别对应***的上层决策模式和底层决策模式，从而达到降低功耗的目的。
多个土壤温度传感器DS18B20采用并联方式连接到主处理器一个IO口，通过查询传感器ROM获取ID，匹配传感器ID来区分不同区域的土壤温度，从而实现分布式温度监测。
多个土壤湿度传感器SEN0193连接到主处理器的多个IO口，并对模拟信号作AD转换，通过匹配不同IO口来区分不同区域的土壤湿度，从而实现分布式湿度监测。
主处理器对传感器采集到的数据进行处理，是对大气温湿度传感器发送的大气温度和大气湿度数据分别进行卡尔曼滤波算法，以消除传感器采集过程中的高斯噪声，对多个土壤温度传感器所采集到的土壤温度数据和土壤湿度传感器所采集到的土壤湿度数据分别进行自适应加权融合算法，以对应大棚内不同监测区域的环境差异。
如图1所示，在本发明实施例中，所述大气温湿度传感器SHT20通过I2C协议与主处理器通信，多个土壤温度传感器DS18B20并联，利用上拉电阻将数据线电位拉高，并通过OneWire协议与主处理器通信，多个土壤湿度传感器SEN0193通过One Wire协议与主处理器多个IO口通信；所述定位模块中科微ATGM336H通过UART协议与主处理器通信；所述数据存储模块Micro SD通过SDIO协议与主处理器通信；所述NB-IoT无线通信模块移远BC95-B5通过UART协议与主处理器通信；所述设备都由电源模块供电。
如图2所示，在本发明实施例中，***整体运行流程：首先初始化整个***，包括软件初始化和硬件外设初始化，然后分别获取大气温湿度、土壤温湿度，并将原始数据存储到SD卡，接着对原始数据依次作卡尔曼滤波和自适应加权融合，通过环境光传感器数值判断当前昼夜，并设置无线通信模块工作模式：如果是白天，则将无线模块置于Active模式，并将处理后的数据JSON格式化，发送至云服务器；如果是夜间，则将无线模块置于PSM模式，再次判断环境数据是否触发预先设定的阈值：没有触发则模块继续休眠；如果触发，则唤醒无线通信模块，接着将数据格式化，发送到云服务器。客户端接收到数据并显示在用户端管理面板上，用户可以根据数据做出相应的决策。
在本发明实施例中，所采用的环境数据预处理算法为卡尔曼滤波算法，主要用于融合低层次动态冗余环境数据，可以有效减少农业环境数据的普遍偏差，特别是对高斯白噪声有着较好的滤波效果。
在卡尔曼滤波算法中，首先在离散线性***中引入***状态方程和***测量值，分别为：Xk＝AXk-1+BUk+Wk，Zk＝HXk+Vk，其中Xk为k时刻***状态变量；Xk-1为k-1时刻***状态变量；Uk为k时刻***的控制量；A、B为***参数；Wk为***过程噪声；Vk为***测量噪声；Zk为k时刻***测量值；H为测量***参数，对于多测量***，H为矩阵；Wk和Vk假设为测量过程中的高斯白噪声，他们的协方差分别为Q和R，并且不随***状态变化而变化；对于本农情监测***，主要的环境因素为温度和湿度，分别对温湿度数据进行卡尔曼滤波算法，这里以大气温度为例：假设当前状态温度与前一状态温度相同所以A＝1，没有控制量所以Uk＝0，得出运算公式为
Figure BDA0002658210650000061
其中
Figure BDA0002658210650000062
为利用上一状态预测的结果；
Figure BDA0002658210650000063
为上一状态最优的结果；
Figure BDA0002658210650000064
是
Figure BDA0002658210650000065
对应的协方差；
Figure BDA0002658210650000066
是
Figure BDA0002658210650000067
对应的协方差；Q是***过程的协方差。对于当前农情监测***，测量的环境因素以单一变量大气温度为例所以H＝1，单模型单测量值所以I＝1，得出运算公式为：
Figure BDA0002658210650000071
其中Kgk为卡尔曼增益(Kalman Gain)，公式为：
Figure BDA0002658210650000072
更新当前状态(k)下估计值
Figure BDA0002658210650000073
的协方差为：
Figure BDA0002658210650000074
是
Figure BDA0002658210650000075
对应的协方差；
Figure BDA0002658210650000076
是
Figure BDA0002658210650000077
对应的协方差。通过不断测量，依次递归，不断优化权重，使得计算结果更加接近真实的测量结果。
在本发明实施例中，所采用的环境数据融合算法为自适应加权融合算法，用于将分布在不同区域的多个同类型传感器数据进行加权融合为一个数据，降低无线通信带宽压力的同时获取整个动态监测环境的宏观数据，便于决策者作出最优的判断。该算法将不同区域的同一类数据乘以各自权重，相加得到融合值。自适应体现在权值的选取，通过多个传感器数据的方差，确定最小方差时的各传感器对应的最优权值。
在自适应加权融合算法中，对不同环境下传感器定义相应的权值wi，将传感器经预处理后的数据xi和相应的权值相乘，最后将等到的数据相加得到融合值
Figure BDA0002658210650000078
对于本农情***，以土壤温度为例，在某一农业环境中内需要监测n个区域的土壤湿度数据，每个区域内的土壤湿度传感器的方差为
Figure BDA0002658210650000079
预处理后的数据为xi，它们彼此相互独立，各传感器对应的权值为wi，根据自适应加权平均算法，融合值
Figure BDA00026582106500000710
和权值wi分别满足公式：
Figure BDA00026582106500000711
Figure BDA00026582106500000716
方差σ2满足公式：
Figure BDA00026582106500000712
Figure BDA00026582106500000713
由于传感器安装区域相对较远，可将传感器预处理后的数据xi视作相互独立，且为x的无偏估计，所以满足公式：E[(x-xi)(x-xj)]＝0(i≠j)；所以σ2可写作：
Figure BDA00026582106500000714
根据多元函数求极值，当方差最小时，各个传感器所对应的最优权值为：
Figure BDA00026582106500000715
根据自适应加权融合算法处理后，同类传感器的多个数据融合为一个数据。加权融合后的数据越接近真实的环境数据，越能够给上层反映真实的农业情况，为后续的判断决策提供数据支持，为农业生产提供便捷。
在本发明实施例中，所述NB-IoT无线通信模块移远BC95-B5，通过增强型AT指令控制模块的初始化，检测SIM卡，注册网络，获取信号强度，发送数据，Active模式和PSM模式之间的切换等。该模块尺寸紧凑，可靠性高，运行功耗低，满足大棚内复杂环境下的环境监测要求，提供完善的数据传输服务。
在本发明实施例中，实现对农业大棚环境数据的远程监测，硬件成本低、运行效率高、数据处理智能化，不仅方便部署，便于监控，还解决了环境数据的冗余和带宽压力。
综上，本发明涉及一种基于NB-IoT的农业大棚远程监测***，包括数采集终端、无线通信网络、用户管理端；数据采集终端包括主处理器、数据采集模块、数据存储模块、电源模块、定位模块和无线通信网络；数据采集模块又包括环境光传感器、大气温湿度传感器、土壤温度传感器和土壤湿度传感器；无线通信网络包括电信运营商基站和物联网云平台；用户管理端包括用户服务器和***控制中心。所述数据采集模块、数据存储模块、定位模块和无线通信模块均与主控制器直接连接，并由电源模块供电；主控制器通过无线通信模块与云平台服务器连接，上传环境数据，用户端服务器从云平台服务器获取环境数据并将其展示在***控制面板上。所述传感器分布式放置于所要监控的区域，用于监控实时环境数据，并将数据传输给主控制器。主控制器将分布在农业大棚中的传感器采集到的数据进行处理，将处理后的数据通过无线通信模块与云服务器连接并且将原始数据发送到存储模块，客户端服务器通过从云平台数据库下载环境数据，并向***用户展示监测区域的实时环境信息，用户可以根据环境信息作出相应措施，以保证农作物处于良好的生长环境。本发明通过NB-IoT无线通信实现远程监控，具有成本低、效率高、智能化等特点，不仅方便部署，便于监控，还解决了环境数据的冗余和带宽压力。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (6)

1.一种基于NB-IoT的农业大棚远程监测***，其特征在于，该***由主处理器、数据采集模块、数据存储模块、电源模块、定位模块、无线通信模块、云服务器、用户管理端组成；所述的数据采集模块、电源模块、数据存储模块、定位模块、无线通信模块都与主处理器连接，所述主处理器通过无线通信模块与云服务器连接，所述用户管理端连接并处理云服务器的数据并显示给用户；
所述的数据采集模块包括大气温湿度传感器、土壤温湿度传感器，用于监测农业大棚内环境数据，并将数据发送给主处理器，主处理器先对单个传感器数据进行滤波处理，再对同类传感器进行数据融合处理，然后将处理过的数据通过NB-IoT无线通信模块发送给云服务器，所述的数据存储模块用于存储数据采集模块采集到的原始数据，便于后期对农业大棚环境分析，所述定位模块包括GPS定位芯片，用于定位监测***位置，将位置信息发送给主处理器，主处理器通过无线通信模块将位置信息发送给云服务器，并显示在用户管理端。
2.根据权利要求1所述基于NB-IoT的农业大棚远程监控***，其特征在于：所述主处理器型号为STM32L476。
3.根据权利要求1所述基于NB-IoT的农业大棚远程监控***，其特征在于：所述数据采集模块包括环境光传感器为光敏二极管，大气温湿度传感器SHT20，土壤温度传感器DS18B20，电容式土壤湿度传感器SEN0193。
4.根据权利要求1所述基于NB-IoT的农业大棚远程监控***，其特征在于：所述数据存储模块采用Micro SD；所述电源模块包括太阳能板和锂电池；所述定位模块型号为中科微ATGM336H；所述无线通信模块型号为移远BC95-B5，该无线通信模块采用电信物联网专用SIM卡。
5.一种基于NB-IoT的农业大棚远程监测方法，其特征在于，包括以下步骤：
首先初始化整个***，包括软件初始化和硬件外设初始化，然后分别获取大气温湿度、土壤温湿度，并将原始数据存储到SD卡，接着对原始数据依次作卡尔曼滤波和自适应加权融合，通过环境光传感器数值判断当前昼夜，并设置无线通信模块工作模式：如果是白天，则将无线模块置于Active模式，并将处理后的数据JSON格式化，发送至云服务器；如果是夜间，则将无线模块置于PSM模式，再次判断环境数据是否触发预先设定的阈值：没有触发则模块继续休眠；如果触发，则唤醒无线通信模块，接着将数据格式化，发送到云服务器，客户端接收到数据并显示在用户端管理面板上，用户可以根据数据做出相应的决策。
6.根据权利要求5所述的基于NB-IoT的农业大棚远程监测方法，其特征在于，对原始数据依次作卡尔曼滤波和自适应加权融合的具体过程为：
所述卡尔曼滤波，主要用于融合低层次动态冗余环境数据；在卡尔曼滤波算法中，首先在离散线性***中引入***状态方程和***测量值，分别为：Xk＝AXk-1+BUk+Wk，Zk＝HXk+Vk，其中Xk为k时刻***状态变量；Xk-1为k-1时刻***状态变量；Uk为k时刻***的控制量；A、B为***参数；Wk为***过程噪声；Vk为***测量噪声；Zk为k时刻***测量值；H为测量***参数，对于多测量***，H为矩阵；Wk和Vk假设为测量过程中的高斯白噪声，他们的协方差分别为Q和R，并且不随***状态变化而变化；对于本农情监测***，主要的环境因素为温度和湿度，分别对温湿度数据进行卡尔曼滤波算法，假设当前状态温度与前一状态温度相同所以A＝1，没有控制量所以Uk＝0，得出运算公式为
Figure FDA0002658210640000021
其中
Figure FDA0002658210640000022
为利用上一状态预测的结果；
Figure FDA0002658210640000023
为上一状态最优的结果；
Figure FDA0002658210640000024
是
Figure FDA0002658210640000025
对应的协方差；
Figure FDA0002658210640000026
是
Figure FDA0002658210640000027
对应的协方差；Q是***过程的协方差，对于当前农情监测***，测量的环境因素以单一变量大气温度为例所以H＝1，单模型单测量值所以I＝1，得出运算公式为：
Figure FDA0002658210640000028
其中Kgk为卡尔曼增益(Kalman Gain)，公式为：
Figure FDA0002658210640000029
更新当前状态(k)下估计值
Figure FDA00026582106400000210
的协方差为：
Figure FDA00026582106400000211
Figure FDA00026582106400000212
是
Figure FDA00026582106400000213
对应的协方差；
Figure FDA00026582106400000214
是
Figure FDA00026582106400000215
对应的协方差，通过不断测量，依次递归，不断优化权重，使得计算结果更加接近真实的测量结果。
所采用的环境数据融合算法为自适应加权融合算法，用于将分布在不同区域的多个同类型传感器数据进行加权融合为一个数据，在自适应加权融合算法中，对不同环境下传感器定义相应的权值wi，将传感器经预处理后的数据xi和相应的权值相乘，最后将等到的数据相加得到融合值
Figure FDA00026582106400000216
对于本***，在某一农业环境中内需要监测n个区域的土壤湿度数据，每个区域内的土壤湿度传感器的方差为
Figure FDA00026582106400000217
预处理后的数据为xi，它们彼此相互独立，各传感器对应的权值为wi，根据自适应加权平均算法，融合值
Figure FDA00026582106400000218
和权值wi分别满足公式：
Figure FDA00026582106400000219
方差σ2满足公式：
Figure FDA00026582106400000220
Figure FDA0002658210640000031
由于传感器安装区域相对较远，可将传感器预处理后的数据xi视作相互独立，且为x的无偏估计，所以满足公式：E[(x-xi)(x-xj)]＝0(i≠j)；所以σ2可写作：
Figure FDA0002658210640000032
根据多元函数求极值，当方差最小时，各个传感器所对应的最优权值为：
Figure FDA0002658210640000033
根据自适应加权融合算法处理后，同类传感器的多个数据融合为一个数据，加权融合后的数据越接近真实的环境数据，越能够给上层反映真实的农业情况。
CN202010902747.1A 2020-08-31 2020-08-31 一种基于NB-IoT的农业大棚远程监测***及方法 Pending CN112185090A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010902747.1A CN112185090A (zh) 2020-08-31 2020-08-31 一种基于NB-IoT的农业大棚远程监测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010902747.1A CN112185090A (zh) 2020-08-31 2020-08-31 一种基于NB-IoT的农业大棚远程监测***及方法

Publications (1)

Publication Number Publication Date
CN112185090A true CN112185090A (zh) 2021-01-05

Family

ID=73924569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010902747.1A Pending CN112185090A (zh) 2020-08-31 2020-08-31 一种基于NB-IoT的农业大棚远程监测***及方法

Country Status (1)

Country Link
CN (1) CN112185090A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884097A (zh) * 2021-01-14 2021-06-01 深圳市通恒伟创科技有限公司 基于cmp模块的物联网终端设备控制***
CN113608468A (zh) * 2021-08-03 2021-11-05 潍坊学院 基于低功耗窄带广域网的现代农业大棚监控***及方法
CN113867214A (zh) * 2021-10-08 2021-12-31 北京硬石头科技有限公司 一种基于nb-iot的农作物生长环境监测预警方法与装置
CN114509116A (zh) * 2022-03-01 2022-05-17 金陵科技学院 一种基于STM32和NB-IoT的低功耗农业监测***
CN114793858A (zh) * 2022-05-16 2022-07-29 杭州师范大学 一种防挥发的花盆自适应浇水装置
CN114860010A (zh) * 2022-05-23 2022-08-05 安徽为仁信息科技有限公司 一种用于数字农业的大棚数据化控制***
CN116576907A (zh) * 2023-03-31 2023-08-11 中电科国海信通科技(海南)有限公司 用于农业土壤墒情监测的mcu芯片及数据分析方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005215731A (ja) * 2004-01-27 2005-08-11 Nohken:Kk 通知装置、管理装置、管理システム、センシングデータ通知プログラム、およびセンシングデータ管理プログラム
CN103309378A (zh) * 2013-05-10 2013-09-18 江苏大学 一种手机远程实时监控大棚环境因子的多功能无线装置
CN105403245A (zh) * 2015-10-16 2016-03-16 沈阳农业大学 日光温室无线传感器多数据融合方法
CN108091091A (zh) * 2017-12-28 2018-05-29 中国电子科技集团公司第五十四研究所 一种低功耗震声图像复合探测***
CN108616838A (zh) * 2018-04-29 2018-10-02 山东省计算中心（国家超级计算济南中心） 基于卡尔曼滤波算法的农业大棚数据融合处理方法
CN108827297A (zh) * 2018-03-14 2018-11-16 江苏大学 一种基于图像的无人机农业巡检轨迹实时规划方法
CN109357706A (zh) * 2018-10-10 2019-02-19 山东理工大学 一种基于物联网的智能无线温室监测***
CN109682419A (zh) * 2018-12-29 2019-04-26 北京联创思源测控技术有限公司 多参数智能节能传感器及多参数智能节能传感***
CN110987068A (zh) * 2019-11-28 2020-04-10 中国人民解放军陆军炮兵防空兵学院郑州校区 一种多传感器综合控制***数据融合方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005215731A (ja) * 2004-01-27 2005-08-11 Nohken:Kk 通知装置、管理装置、管理システム、センシングデータ通知プログラム、およびセンシングデータ管理プログラム
CN103309378A (zh) * 2013-05-10 2013-09-18 江苏大学 一种手机远程实时监控大棚环境因子的多功能无线装置
CN105403245A (zh) * 2015-10-16 2016-03-16 沈阳农业大学 日光温室无线传感器多数据融合方法
CN108091091A (zh) * 2017-12-28 2018-05-29 中国电子科技集团公司第五十四研究所 一种低功耗震声图像复合探测***
CN108827297A (zh) * 2018-03-14 2018-11-16 江苏大学 一种基于图像的无人机农业巡检轨迹实时规划方法
CN108616838A (zh) * 2018-04-29 2018-10-02 山东省计算中心（国家超级计算济南中心） 基于卡尔曼滤波算法的农业大棚数据融合处理方法
CN109357706A (zh) * 2018-10-10 2019-02-19 山东理工大学 一种基于物联网的智能无线温室监测***
CN109682419A (zh) * 2018-12-29 2019-04-26 北京联创思源测控技术有限公司 多参数智能节能传感器及多参数智能节能传感***
CN110987068A (zh) * 2019-11-28 2020-04-10 中国人民解放军陆军炮兵防空兵学院郑州校区 一种多传感器综合控制***数据融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
段杰等: "基于卡尔曼滤波算法的农业大棚数据", 《中国农机化学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884097A (zh) * 2021-01-14 2021-06-01 深圳市通恒伟创科技有限公司 基于cmp模块的物联网终端设备控制***
CN113608468A (zh) * 2021-08-03 2021-11-05 潍坊学院 基于低功耗窄带广域网的现代农业大棚监控***及方法
CN113867214A (zh) * 2021-10-08 2021-12-31 北京硬石头科技有限公司 一种基于nb-iot的农作物生长环境监测预警方法与装置
CN114509116A (zh) * 2022-03-01 2022-05-17 金陵科技学院 一种基于STM32和NB-IoT的低功耗农业监测***
CN114793858A (zh) * 2022-05-16 2022-07-29 杭州师范大学 一种防挥发的花盆自适应浇水装置
CN114860010A (zh) * 2022-05-23 2022-08-05 安徽为仁信息科技有限公司 一种用于数字农业的大棚数据化控制***
CN116576907A (zh) * 2023-03-31 2023-08-11 中电科国海信通科技(海南)有限公司 用于农业土壤墒情监测的mcu芯片及数据分析方法

Similar Documents

Publication Publication Date Title
CN112185090A (zh) 一种基于NB-IoT的农业大棚远程监测***及方法
Triantafyllou et al. An architecture model for smart farming
CN209605863U (zh) 农业环境监测***
CN203416688U (zh) 基于ZigBee传输技术的果园滴灌自动控制设备
CN105737897B (zh) 一种分布式大田气象远程数据监测***
CN205301934U (zh) 一种设施农业物联网环境测控装置
CN201680857U (zh) 监测农作物参数的无线传感器网络采集节点设备和***
CN202904667U (zh) 基于移动终端的作物病害识别***
US20160378086A1 (en) Control System Used for Precision Agriculture and Method of Use
CN101399734A (zh) 一种农田土壤信息采集***和方法
CN102780783B (zh) 农作物生长环境信息实时感知和动态呈现***及方法
CN105137950A (zh) 一种基于物联网技术的温室大棚智能控制***
CN210534355U (zh) 一种地面气象环境监测及预警设备
Brinkhoff et al. WiField, an IEEE 802.11-based agricultural sensor data gathering and logging platform
Pusatkar et al. Implementation of wireless sensor network for real time monitoring of agriculture
CN201622685U (zh) 用于野外大气环境和水文信息的无线传感器网络监测***
CN202841205U (zh) 一种基于智能手机的农业物联网***
Jain et al. Automatic irrigation system for agriculture field using wireless sensor network (WSN)
CN104807498A (zh) 一种基于Zigbee和3G技术的农田环境无线监测***
CN204925782U (zh) 一种基于物联网技术的温室大棚智能控制***
Kanupuru et al. Survey on IoT and its Applications in Agriculture
CN207039650U (zh) 基于iot技术的远程多端种植***
CN210534608U (zh) 一种地面气象环境监测、预警及控制设备
CN112929839A (zh) 一种基于LoRa技术的养殖场环境智能监测***及方法
KR20190075244A (ko) 스마트팜 환경센서를 이용한 자동관개제어시스템 및 그방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210105