在本節(jié)中，使用開源硬件平臺、基于 Arduino 的微控制器和 ZigBee 開發(fā)的分布式 WSN55進一步討論了監(jiān)測和控制作物生長的關鍵參數(shù)，如土壤條件、環(huán)境和天氣條件。如參考號6所詳述，這個實驗試驗臺是一個離網(wǎng)式光電（PV）支持的小型智能農(nóng)場實驗試驗臺，它另外還捕獲能源和水數(shù)據(jù)。這個實驗項目的主要目標是通過設計一個基于物聯(lián)網(wǎng)的農(nóng)場系統(tǒng)來進一步調(diào)查食物、水和能源之間的聯(lián)系，該系統(tǒng)將利用太陽能電池板供電的簡單自動化系統(tǒng)，能夠用更少的能源和水生產(chǎn)更多的食物，以解決當前和未來幾個資源短缺的問題。它還旨在通過物聯(lián)網(wǎng)和數(shù)據(jù)分析，推進綜合規(guī)劃、政策和管理的目標;通過提供一個用戶友好的界面來跟蹤和控制系統(tǒng)，將從事少數(shù)系統(tǒng)不同部門的利益攸關方聚集在一起;以及系統(tǒng)尺寸的靈活性，擴大了用戶群。
如圖5所示，農(nóng)場原型使用分布式無線傳感器技術，能夠實時監(jiān)測和測量各種環(huán)境參數(shù)，如土壤溫度和濕度，以安排精確的灌溉事件。該系統(tǒng)進一步收集實時天氣信息，以盡量減少環(huán)境影響，并更好地決定如何管理水和能源等資源。收集的信息可在本地和外部數(shù)據(jù)庫中找到，用戶能夠使用直觀的移動應用程序檢索信息。移動應用的目的是允許用戶遠程監(jiān)視或與服務器場基礎結構進行交互。整個系統(tǒng)的設計要求是節(jié)能、高性價比和低維護，允許農(nóng)民/用戶管理他們的農(nóng)場或花園，無需付出任何努力。該系統(tǒng)目前部署在金融信息庫工程園區(qū)，用于開發(fā)和測試。部署包括網(wǎng)關、6 WSN 和天氣控制臺。
圖5.具有端到端 IoT 平臺的智能服務器場的實驗試驗臺。
傳感器節(jié)點
無線傳感器單元是定制的 Arduino 微控制器，由主功能模塊板和傳感器接口板組成。傳感器板可與各種傳感器連接，以測量土壤水分含量、pH 水平、土壤溫度、葉濕度、環(huán)境溫度、太陽輻射、大氣壓力、濕度和天氣參數(shù)，包括風向、降水和風速。它使用具有 XBee PRO S2 2.4 GHz 的 ZigBee 協(xié)議將傳感器數(shù)據(jù)傳輸?shù)骄W(wǎng)關，并在其他節(jié)點之間進行通信。傳感器集成和編程可以通過集成開發(fā)環(huán)境 （IDE） 實現(xiàn)。每個 WSN 都配備 3.7 V、1150 mAh 容量鋰離子電池，用于處理電源問題。
物聯(lián)網(wǎng)網(wǎng)關
基于 linux 的網(wǎng)格路由器用作 IoT 網(wǎng)關，其中所有傳感器數(shù)據(jù)都保存在本地 MySQL 數(shù)據(jù)庫中。網(wǎng)關支持不同的無線通信協(xié)議，但此項目使用 ZigBee 協(xié)議與傳感器節(jié)點通信。此外，它支持以太網(wǎng)或 Wi-Fi 連接，通過 TCP/IP 或蜂窩連接，可以輕松地將存儲在本地數(shù)據(jù)庫中的數(shù)據(jù)同步到外部數(shù)據(jù)庫。此外，網(wǎng)關還可以將傳感器數(shù)據(jù)推送到云平臺。網(wǎng)關提供用戶界面應用程序來查看最近捕獲的數(shù)據(jù)，如圖6 所示。
圖6.具有硬件和連接的智能服務器場原型的 IoT 架構。
服務和云
該網(wǎng)關將傳感器數(shù)據(jù)推送到 Microsoft Azure 云平臺（一個有限的付費云服務平臺）和 google Firebase（具有大量存儲限制的免費云服務）。云為目標用戶提供了對數(shù)據(jù)的方便和靈活訪問。它支持服務器場網(wǎng)絡外部的數(shù)據(jù)訪問、長期應用程序（如裁剪建議）和數(shù)據(jù)分析。因此，可以通過基于 Web 的應用程序和智能手機訪問來自此智能服務器場系統(tǒng)的數(shù)據(jù)。
應用
將數(shù)據(jù)基礎架構擴展到云，此項目的一部分目標是使用移動應用程序對傳感器數(shù)據(jù)進行實時流。移動應用程序平臺使目標用戶能夠實時了解其服務器場正在做什么，并另外跟蹤有關能耗、灌溉事件和天氣變量的敏感信息。存儲在 IoT 網(wǎng)關本地數(shù)據(jù)庫上的傳感器數(shù)據(jù)會不斷同步到位于虛擬機和 Google Firebase 云中的外部 MySQL 數(shù)據(jù)庫。它已成功實現(xiàn)，可以推送到 Microsoft Azure 云服務。但是，由于存儲限制和成本，谷歌火基被選為此應用程序。移動應用程序 GreenLink 農(nóng)業(yè)目前為 Android 操作系統(tǒng)開發(fā)，將來將擴展到 IOS。GreenLink 農(nóng)業(yè)應用的功能總結如下：
- (1)包含土壤水分含量、葉濕度和土壤溫度的儀表板菜單，對灌溉事件的反饋響應至關重要，如圖8 的右側所示。
- (2)深入了解以前收集的實時傳感器數(shù)據(jù)。這些數(shù)據(jù)分為五個軌道：天氣數(shù)據(jù)、土壤數(shù)據(jù)、產(chǎn)量數(shù)據(jù)、能量數(shù)據(jù)和水數(shù)據(jù)，如圖7所示。
- (3) 數(shù)據(jù)可視化功能：傳感器數(shù)據(jù)可視為列表視圖，也可以繪制以深入了解數(shù)據(jù)中的趨勢和模式。
- (4) 數(shù)據(jù)分析：使用不同的 ML 技術對作物產(chǎn)量、天氣、能源和水進行預測建模。其最終目標是通過多目標優(yōu)化上述變量，最終最大限度地提高糧食生產(chǎn)。此外，還將探討能源和水的糧食生產(chǎn)的相互依存網(wǎng)絡。
圖7.智能手機應用程序，以監(jiān)控和控制智能農(nóng)場。
圖8.GreenLink農(nóng)業(yè)移動應用程序的高端數(shù)據(jù)分析框架。
數(shù)據(jù)分析
該項目的部分目標是使用高分辨率傳感器數(shù)據(jù)從傳感器數(shù)據(jù)預測作物產(chǎn)量、天氣和作物質(zhì)量。此 IoT 解決方案管理田間變化，以提高作物產(chǎn)量、提高生產(chǎn)率和減少農(nóng)業(yè)投入的消耗。數(shù)據(jù)驅動的物理模型使農(nóng)民能夠了解其農(nóng)場的能源和消耗量、消耗和回收了多少水以及產(chǎn)量的質(zhì)量。長期監(jiān)測天氣數(shù)據(jù)將更好地利用時間序列預報模型，可以準確預測未來一天的天氣，使農(nóng)民具備何時灌溉的決策能力。移動應用程序平臺僅提供此功能，為目標用戶提供在儀表板上安排灌溉時間。傳感器可以進行的測量結果使數(shù)據(jù)存儲和管理過程不堪重負，但有助于縮小作物數(shù)據(jù)集中的潛在預測變量屬性。由于該項目正在進行中，數(shù)據(jù)分析級別處于前一階段，需要完成更多的數(shù)據(jù)處理和映射。數(shù)據(jù)分析軌道的研究任務如下： 圖8左圖所示：
- (1)跟蹤和收集來自食品、能源、水基礎設施的數(shù)據(jù)
- (2)數(shù)據(jù)預處理以組織、清理和準備數(shù)據(jù)。此步驟至關重要，因為此項目的性質(zhì)具有不同的時間、空間尺度
- (3) 不同機器學習算法的建模使用分類和回歸樹 （CART） 模型確定作物產(chǎn)量、很少相互作用和產(chǎn)量質(zhì)量的潛在預測變量使用自回歸集成移動平均線 （ARIMA） 模型處理所有基于時間序列的傳感器數(shù)據(jù)在遙感數(shù)據(jù)中利用深度神經(jīng)網(wǎng)絡補充WSN數(shù)據(jù)模型評估
- (4) 升級和修改移動和基于 Web 的應用程序以顯示預測值
該項目為集成的食品、水和能源系統(tǒng)實現(xiàn)了基于物聯(lián)網(wǎng)的數(shù)據(jù)驅動原型。主要目標是使用無線傳感器網(wǎng)絡和物聯(lián)網(wǎng)平臺在整個系統(tǒng)中監(jiān)控和測量三個相互依賴的資源。為了輕松瀏覽數(shù)據(jù)采集和集成，GreenLink 農(nóng)業(yè)移動應用程序以 Google Firebase 云存儲作為最終用戶設計和實施。這種系統(tǒng)的含義是很多：它推進了目前關于缺乏數(shù)據(jù)驅動的集成D為數(shù)不多的系統(tǒng)的研究挑戰(zhàn)，并探索了人工智能在農(nóng)業(yè)中的應用，并促進了物聯(lián)網(wǎng)技術在農(nóng)業(yè)部門的緩慢采用。它通過能夠進行數(shù)據(jù)集成、可視化和分析的移動應用程序，讓他們直接了解農(nóng)場的種植方式，從而徹底改變了他們的耕種方式。通過成本可行性分析，原型也可以理想地適用于世界上使用帶儲能的離網(wǎng)太陽能電池板來獲取電力是一項挑戰(zhàn)的地區(qū)。71–73毫無疑問，數(shù)據(jù)驅動的技術可以極大地幫助提高農(nóng)業(yè)生產(chǎn)力。本案例研究為農(nóng)業(yè)提供了一個端到端的物聯(lián)網(wǎng)平臺，用于收集、監(jiān)控各種傳感器，并可通過智能手機和互聯(lián)網(wǎng)輕松訪問數(shù)據(jù)分析框架。
結論
農(nóng)業(yè)與幾個行業(yè)一樣，正在經(jīng)歷數(shù)字化轉型。從服務器場收集的數(shù)據(jù)量呈指數(shù)級增長。無線傳感器網(wǎng)絡、物聯(lián)網(wǎng)、機器人、無人機和人工智能的使用正在上升。機器學習算法能夠從大量數(shù)據(jù)中提取有用的信息和見解。本文綜述了過去兩年研究人員與無線傳感器網(wǎng)絡一起經(jīng)常使用的ML方法。未來幾年，更多高級技術（如分布式（或邊緣）深度學習）的使用。必須利用人工智能來增加農(nóng)業(yè)任務的自動化，提高產(chǎn)量，同時優(yōu)化自然資源的使用。本文展示了在精密農(nóng)業(yè)生態(tài)系統(tǒng)中的多種應用中應用的不同ML模型，包括產(chǎn)量預測、雜草和疾病檢測。審查的工作只關注基于WSN的PA應用程序，其中ML算法是為數(shù)據(jù)挖掘、預測和自動化目的而實現(xiàn)的。通過將 ML 應用于傳感器數(shù)據(jù)，服務器場管理系統(tǒng)正在演變?yōu)檎嬲?AI 系統(tǒng)，為要做出的決策和操作提供最佳見解。這句話通過實驗智能農(nóng)場原型案例研究進一步證明和展示。本案例研究已描述并成功評估了幫助任何人部署 PA 監(jiān)視應用程序的環(huán)境。詳細介紹了體系結構、硬件、通信協(xié)議和數(shù)據(jù)采集基礎結構。介紹了智能手機應用的實現(xiàn)和預測天氣、作物產(chǎn)量和作物質(zhì)量的后端數(shù)據(jù)分析框架。
