任华，李辉，钟丽萍

（成都农业科技职业学院电子信息分院，成都 611130）

数字化农业中3S智能传感网络系统研究与设计

任华，李辉，钟丽萍

（成都农业科技职业学院电子信息分院，成都 611130）

提出了一种基于无线智能传感网络和3S（RS、GPS、GIS）技术的大面积种植农业监控系统，该系统采用4G网络和ZigBee构建智能传感网络系统。为提高采集的数据信息有效性和准确性，在设计中采用数据融合方法：区域异质传感器特征关联融合和决策层融合，创新点在于数据融合中采用特征提特征向量，通过这一向量建立线性正态模型、非线性模型解决区域目标融合。

3S技术；智能传感；数据融合

0 引言

数字农业是将遥感、地理信息系统、全球定位系统、计算机技术、通讯和网络技术、自动化技术等高新科技与地理学、农学、生态学、植物生理学、土壤学等基础学科有机结合，实现在农业生产全过程中对农作物、气候、土壤从宏观到微观的实时监测，以实现对农作物生长、发育状况、病虫害、水肥状况以及相应的生理、生态环境状况进行定期信息获取和动态分析，通过诊断和决策，制定实施计划，并在GPS和GIS集成系统支持下进行田间作业的信息化现代农业。

1 3S技术

3S技术即遥感（RS）、全球定位系统（GPS）和地理信息系统（GIS）。将3S引入农业研究和实践，可有效地管理具有空间属性的各种农业资源信息，对农业管理和实践模式进行分析测试，便于制定决策、进行科学和政策的标准评价；能有效地对多时期的农业资源及生产活动变化进行动态监测和分析比较；可将数据收集、空间分析和决策过程综合为一个共同的信息流，提高农业生产效率和效益。

2 基于3S的智能传感器网络设计

在本设计中，无线传感器是了网络的主体。基于运行成本的因素考虑，我们主要采用价格低廉的无线传感器降低成本。而由于需要对3S系统提供的信息加以利用，传感器网络需要与信息中心相互通信，因此引入能够接入TD-SCDMA网络的节点作为传感器网络的上层节点。同时，该高端节点的引入也为外部网络的查询与互动提供了基础——通过TD-SCDMA网络，4G终端可以实时的对作物的当前状态进行查询、操作相应设施，也可以实时的访问GIS信息中心等，而决策系统也可以通过网络连接到传感器，从而实现M2M的同时也实现了人机的交互。

在数字化农业中智能传感网络又是以数据为中心的，因此在网络的设计上可以利用多层结构。我们将传感器网络按照其功能划分为三个层次，分别对应不同的传感器节点。底层的传感器节点作为监测作物生长信息及环境信息的简单传感器，在此基础之上是作为数据初步融合与计算的簇头节点，直接接入4G网络的TD-SCDMA终端则为最上层节点。智能传感网络结构层次如图1所示。

图1 智能传感网络结构层次图

作为底层的传感器节点需要对作物生长环境及作物的生长态势进行信息感知与收集。从农业生产的角度来说，对于土壤氮磷钾肥料、温度、湿度、PH值，空气的温度、湿度和气压，光照强度，作物的生长状态，病虫害等都是需要监测的。

目前有比较成熟的对于土壤成分与湿度的监测技术，土壤监测传感器主要有基于光电分色技术、基于近红外技术、基于离子探测技术等几种。并且都有相应的投入应用。本设计中也是选用较为成熟、集成性交强的传感器，例如：在土壤湿度监测方面，我们选用TRIME FM-2系统和基于频域反射（TDR）原理Thetarobe水分测量仪。

作为传感器网络信息收集的一种方式，视频传感器节点也是网络底层节点的一部分。在定时采集图像信息外，还可以通过传感器网络控制数字摄像头进行实时拍照并获取数字照片。利用视频传感器不仅可以实时获取直观的田间信息，还可以对GPS信息进行补充。目前，Kodak公司已经有符合要求的视频采集设备，其DC系列相机已经能在软件和硬件上实现上述功能。

由于信息涉及具体的定位，具有GPS模块的传感器也是传感器网络的一部分。利用带有GPS模块的传感器进行传感器节点的定位，才能将传感器节点采集信息与RS技术等得到的信息匹配、结合起来。而对于带有GPS模块的传感器节点来说，除了作为一般节点加入网络中，其GPS模块启动时还作为单独的定位节点服务于全网，因此会带来较大的能量消耗。由于网络节点静止，我们可以推断GPS模块的定位消息发送不需要十分频繁而是一次定位后，可以存在相当长的有效期。因此，在此可以引入模块的休眠算法，在前一次定位的有效期内可以让GPS模块进入睡眠状态从而减少能量的消耗。

此外，在数字化农业的传感器网络中除了依照作物分布布置的静止节点外，还有因为农艺操作而引入的人或机械的移动节点存在。这种节点一般以很低的速度移动，在操作时同样依赖于GPS和GIS数据中心信息或决策。如，进行变量机械作业的导航与决策信息提供等。在网络的设计中，要充分考虑到这种节点的接入与退出行为及通信。要设计一种合理的方式对这种设施进行管理，并且当出现移动节点时，传感器所带的GPS模块会频繁的启用定位功能。同时，由于移动节点的特殊性，一般具有跨层的性质，既可以以一般节点的方式加入传感器簇与单个节点通信，也可以在簇头层面上进行信息交流或直接与TD-SCDMA终端通信。

根据节点成本，底层节点中简单的环境与植物生长参数感知的节点大量布置，甚至可以做到对每株作物的监测，但成本较高的视频监测节点、带有GPS定位模块的节点等可以选择性的布置，如视频监测节点在某一区域中只需几个便可以完成全区域的监测任务，而利用定位算法，从有限的个数带有GPS模块的节点也可以得到作物的具体位置。而作为网络接入点的TD-SCDMA终端节点也不需要大量的布置。

智能传感网络协议很多，在此我们选择基于神经网络分层的结构来实现。它们依据各种不同的标准进行簇的划分以及簇头的选择。由于在数字化农业中，GPS技术的应用使得节点位置已知，并且可以推断相邻区域的作物生长状态与环境具有更高的相似性，因此可以选择基于地理位置信息或地理位置辅助的成簇方式，以便对于作物和环境的监测，减少融合后的数据传输量。同时，由于传感器网络的异构性与传感器节点的异构型，需要定义一种通用的数据结构来保证传感器节点与簇头节点间的信息正常流动，簇头节点与TD-SCDMA节点及GIS信息中心间的信息能正常识别与流动。保证GIS信息中心所得到的传感器网络信息与通过RS技术得到的信息能够互相融合，相互补充，为决策系统等提供充分、有效的信息。

而由于这种网络中大部分传感器节点无移动性，在簇头轮换上可以使用更长的轮换周期、更公平的算法使能量消耗更加平均以延长网络的生存时间。簇头节点间形成网状或树状结构，通过多跳方式与TDSCDMA终端节点通信，实现传感器网络与GIS信息中心等进行通信。因此，在传感器网络的协议选择上，不仅需要选择合理的成簇算法，还需要选择一种能够快速收敛的路由协议应用于簇头节点层。

在数据的上行过程中，底层节点的信息在簇头节点汇集、融合，由簇头节点传送到TD-SCDMA终端进入网络；而在数据的下行过程中，操作指令从4G终端或决策中心等通过TD-SCDMA网络首先传输到TDSCDMA终端，再由终端通过相应的簇头传送到底层传感器节点。

3 数据融合

在基于3S智能传感网络系统中，数据融合是系统的核心，数据融合直接影响到能耗的高低、信息数据的准确性以及有效数据的采集效率。

本系统采用的传感网络节点是由传感器组成，节点与数据融合技术的研究不仅可以确保监测信息更全面，而且还可以节省传感器节点的能量，确保监控系统长时间工作，实现长期监控的目的。

由于能量的限制，不可能将所有采集到的信息直接传输到融合节点进行融合，这就要求将终端传感器采集的信息就地进行处理，不仅是简单的压缩编码，而且同时要进行特征的提取，这样传输到区域中心的是压缩后的特征编码。在数据融合前，我们有必要对数据进行校准，校准的前提：

（1）存于该节点的传感器终端路由和位置信息

（2）由传感器终端带来的时序信息。

在本系统的设计中，为了提高数据融合效率（保留有用信息，摈弃无用信息），我们特地对传感器传输的数据进行特征提取，扩大对事物的描述，然后对提取的特征进行时空对准，对特征进行关联融合处理，分类汇总成有意义的矢量组合。这样就可以大大提高数据的准确性。传感器特征数据融合结构图如图2所示：

相邻节点异构的传感设备（温度、生物、图像等）所采集的数据融合，并配合使用，是信息融合的一项主要内容，这里将要采取的方式是通过时序的采集，分别将传感设备中的数据进行特征提取，以特征向量的形式共同传向融合节点，在节点处处理单一时刻的多方信息。

本设计中数据融合主要采用两种技术路线：区域异质传感器特征关联融合和决策层融合。

图2 异构传感特征数据融合结构图

3.1 区域异质传感器特征关联融合

图像、温度、生物等信息在k时刻经过特征提取之后的特征向量为：MImage（k）、MIR（k）、Mvoi（k）…，将其分别归纳标准化之后合成统一的k时刻区域特征状态向量M（k）=（MImage（K）'，MIR（K）',Mvoi（K）'，…）。总体的对这一向量建立模型进行区域目标的融合。

线性正态模型如下：

M（k+1）=X（k）M（k）+Y（k）

其中M（k）表示目标时刻的特征向量，Y（k）表示具有0均值协方差矩阵的高斯白噪声向量，X（k）为时变转换矩阵。

传感器i的量测方程如下：

则局部观测为：

其中：

在户型内设计方面，设计师以户型功能要求为依据，对装配式建筑户型进行布置，从结构库中选取相应的结构户型，结合户型功能、结构设计方案等对设备模块进行选择，使建筑、户型能够相互匹配，以免出现构件不合，相互碰撞等情况。在对户型内设计过程中，最为关键的便是剪力墙体系的模块化设计，该部分设计量较大，采用系统化、标准化的户型库能够在很大程度上使协同效率提高，从而达到模块精准化的设计目标。

M（k）=[M1（k），M2（k），…，Mn（k）]'表示测量向量；

H（k）=[H1（k），H2（k），…，Hn（k）]'表示观测朕；

W（k）=[W1（k），W2（k），…，Wn（k）]'表示噪声向量机和。

由kalman滤波得出估计：

非线性情形：

其中f[M（k），v（k）]和h[M（k），W（k）]分别为非线性算子，可以更近似地描述系统，但是直接应用计算量巨大，所以就要将其线性化，而后依据线性估计的方式进行融合估计、反馈。线性的方式由多种，适当的选取线性方式决定着在多大程度上近似将是估计的关键问题。

3.2 决策层融合

由于经过特征级融合之后，各个区域的不同传感数据（图像、红外、温度、生物等）已经成为融合在一起时序特征向量的序列。此时作为抽象意义上的目标同具体的数据进行关联的条件已经具备，这样可以进入决策级融合的阶段。具体的方法采用基于证据的D-S方式，如图3所示。

单传感器区域在个测量周期不断特征提取中，将后验信任度分配为Mi（Aj），即第j命题Aj在第i周期的信任度分配。可根据下式将各周期融合：

图3 D-S传感区域特征融合

其中，扩展到多区域时首先对各个区域特征在n个周期累计量测计算每一个命题的融合后进行信任度验证，然后基于各个融合后验信任度进一步计算总的验信任度分配。步骤如下：

根据：

将各区域看作传感系统：

即为所求。

GIS地理信息系统服务中心是一个专门管理地理信息的计算机软件系统。当传感器网络通过TDSCDMA网络将精准农业信息传输到GIS中心后，根据用户设定情况，可以智能与RS遥感信息等数据进行进一步数据融合，提高GIS中的信息精度，弥补RS宏观观察带来的局限性，可以从局部、个体的角度提高信息感知精度，为数字化农业用户提供更为良好的服务。

4 结语

本文主要研究了数字化农业中，如何利用3S技术搭建智能传感网络系统，通过分析设计了智能传感网络结构层次图，然后详细介绍了各层所使用的关键技术，为提高采集到的数据信息有效性效率，本设计采用了数据融合方法，并在文中详细分析了数据融合中主要采用的两种技术路线：区域异质传感器特征关联融合和决策层融合。

文中的设计只是数字化农业网络应用部分，在这基础上，后期我们可以通过多种智能4G终端连接GIS地理信息中心，实时查询农业生产数据，包括融合分析后得出的结论数据，查询专家系统数据，查询原始数据以及对GIS中某些信息进行修改等等。也可以通过终端连接智能传感器网络高端的TD节点，查询网络中实时数据信息，观察田间实时图像，控制可控制的农业机械进行精准农业作业，如智能灌溉系统等。

[1]杨庚，李森，陈正宇，许建，杨震.传感器网络中面向隐私保护的高精确度数据融合算法[J].计算机学报，2013，01:189-200.

[2]杨庚，王安琪，陈正宇，许建，王海勇.一种低耗能的数据融合隐私保护算法[J].计算机学报，2011，05:792-800.

[3]熊迎军，沈明霞，陆明洲，刘永华，孙玉文，刘龙申.温室无线传感器网络系统实时数据融合算法[J].农业工程学报，2012，23:160-166.

[4]徐晓斌，张光卫，孙其博，杨放春.一种误差可控传输均衡的WSN数据融合算法[J].电子学报，2014，06:1205-1209.

[5]岳元龙，左信，罗雄麟.提高测量可靠性的多传感器数据融合有偏估计方法[J].自动化学报，2014，09:1843-1852.

[6]何婷婷，邵晖，陈柯.有源RFID—“Dash7”构建智能传感网络[J].国外电子测量技术，2014，11:1-5+13.

[7]聂娟，孙瑞志，曹振丽，邓雪峰，杨昊.精准农业信息物理融合系统的事件模型研究[J].农业机械学报，2015，01:285-291+314.

[8]宋茜，周清波，吴文斌，胡琼，余强毅，唐华俊.农作物遥感识别中的多源数据融合研究进展[J].中国农业科学，2015，06:1122-1135.

[9]崔丽杰，张彦军，刘文怡.基于TEDS接口的智能传感网络系统[J].计算机测量与控制，2014，09:3077-3080.

[10]马超，赵建军.基于GIS和.NET的农业资源管理信息系统研究[J].山东农业大学学报（自然科学版），2016，04:587-590.

Research and Design of 3S Intelligent Sensor Network System in Digital Agriculture

REN Hua，LI Hui，ZHONG Li-ping

（School of Electronic Information，Chengdu Vocational College of Agricultural Science and Technology，Chengdu 611130）

Based on a wireless intelligent sensor network and 3S(GPS,GIS,RS)technology,proposes a large area planting agriculture monitoring system.The system uses 4G network and ZigBee to build a smart sensor network system.In order to improve the data validity and accuracy,uses data fusion method in the design:regional heterogeneous sensor association feature fusion and decision fusion,innovations in data fusion using feature extraction feature vector,the vector of normal linear model,nonlinear model to solve the goal of regional integration.

3S Technology;Intelligent Sensor;Data Fusion

成都农业科技职业学院院级科研课题（No.cny14-13）

1007-1423（2017）01-0051-06

10.3969/j.issn.1007-1423.2017.01.013

任华（1982-），女，四川乐至人，硕士研究生，讲师，研究方向为无线网络通信技术

2016-11-08

2017-01-01

李辉（1981-），女，四川资中人，硕士研究生，讲师，研究方向为多媒体技术

钟丽萍（1981-），女，四川双流人，本科，讲师，研究方向为数据库、软件技术