杨秋菊 韩乐

摘  要： 针对传统多传感器数据融合方法融合置信度较低的问题，提出一种农业物联网中多传感器数据智能融合方法，利用证据理论对农业物联网中多传感器数据的时空积累信息进行获取，利用获取的时空积累信息建立多传感器数据智能融合模型，通过该模型实现多传感器数据的智能融合。为了验证该方法的融合置信度，将该方法与基于Rough集理论的多传感器数据融合方法、基于数据信息转换的多传感器数据融合方法进行比较，实验结果表明，这三种方法的融合置信度分别是0.965，0.812，0.68。通过对比实验能够证明农业物联网中多传感器数据智能融合方法的融合置信度最高，充分说明了该方法相较于传统多传感器数据智能融合方法更加适用于农业物联网。

关键词： 智能融合; 数据融合模型; 农业物联网; 融合置信度; 时空积累信息; 对比验证

中图分类号： TN915?34                              文献标识码： A                     文章编号： 1004?373X（2019）20?0029?04

Research on intelligent fusion method of multi?sensor data in

agricultural Internet of Things

YANG Qiuju1， HAN Le2

（1. Southwest Petroleum University， Nanchong 637001， China; 2. Xinjiang Technician College of PetroChina， Kelamayi 834000， China）

Abstract： As the traditional multi?sensor data fusion method has the problem of lower fusion confidence coefficient， an intelligent fusion method of multi?sensor data in the agricultural Internet of Things （IOT） is proposed. The space?time accumulated information of multi?sensor data in the agricultural IOT is obtained by means of evidence theory to establish the intelligent fusion model of multi?sensor data， and then the multi?sensor data intelligent fusion can be realized by means of this model. To verify the fusion confidence coefficient of this method， the method is compared with the multi?sensor data fusion method based on Rough set theory and the multi?sensor data fusion method based on data information conversion. The experimental results show that the fusion confidence coefficients of the three methods is 0.965， 0.812， 0.68， respectively. The comparison experiment proves that the fusion confidence coefficient of the intelligent fusion method of multi?sensor data in the agricultural IOT is the highest， which fully demonstrates that the method is more suitable for the agricultural IOT than the traditional intelligent fusion method of multi?sensor data.

Keywords： intelligent fusion; data fusion model; agriculture IOT; fusion confidence coefficient; space?time accumulated information; comparison validation

0  引  言

在农业物联网中，相较于利用单一的传感器设备，利用多个传感器往往能够获得更多更为精准的信息，并能够对信息进行综合判断与分析[1]。

为了对农业物联网信息进行准确判断，必须进行信息融合。农业物联网数据融合是对智能计算技术与概率推理技术进行综合应用，将农业领域相关信息知识和农业物联网所获取与采集的信息进行有机融合，并对其进行综合分析，获取农业畜禽与农作物的产量、长势、所处生长环境信息，从而对农产品质量监管领域进行优化协调与准确预估[2?3]。

随着其中数据抽象级别与数据抽象程序的逐渐升高，数据融合难度会越来越大，因此提出一种农业物联网中多传感器数据智能融合方法，对多传感器数据进行智能融合，降低数据融合难度[4]。

1  农业物联网中多传感器数据智能融合方法

1.1  时空积累信息获取

利用证据理论对农业物联网中多传感器数据的时空积累信息进行获取[5]。首先给定一个名为X的集合，利用Bel函数对集合X的定义进行变换：[PX→0，1]，也就是对集合X中的各个匀边自子集进行数字指配，数字范围为[0，1]，对于每一个匀边自子集[PX]中的元素A，利用Bel函数对其进行定义，可以得到Bel（A），即匀边自子集[PX]中任一元素的可信度[6]。假设匀边自子集[PX]为[A，B，C]，那么其幂集[P′（X）]为：

式中，共有[2N]个元素，代表的是幂集[P′X]的元素个数[7]。接着利用基本概率指派函数m为幂集[P′X]中的元素进行概率值的搭配，获取单位区间到幂集[P′X]子集的映射集合：[m.P′X→0，1]，则元素A的映射集合[8]为m（A）。其中，指派函数基本概率比0大的子集即为焦点元素，Bel（A）是分配给A的总信度，m（A）主要反映A自身的信度大小，利用基本概率指派函数m对这些与信度有关的函数进行正交求和。设[m1]，[m2]分别为幂集[P′X]上的2个基本概率指派函数，它们的焦点元素集则分别为[{Ai，i=1，2，…，k}]，[{Bj，j=1，2，…，l}]，那么它们的正交和为：

它们的正交和是一种分离数据结构，因此利用Dempster规则对它们的正交和进行时空数据有效融合：假设利用多传感器对同一个主体（X）进行探测，利用幂集P（X）代表全部待测子集的集合，在幂集P（X）中，各个子集是相对独立的，利用一个空集代表冲突信息，并将数值[m′j（k-1）m′jk]指配给这个空集，通过Dempster规则得到新的积累信息[10]。当多传感器全部完成积累信息计算后，将得到的积累信息组合起来，即可获得多传感器数据的时空积累信息，具体获取方式如下：

式中：[min（k）]代表多传感器数据的时空积累信息;[θ′k]代表积累信息组合系数。对农业物联网中的多个传感器重复执行该步骤，即可获得农业物联网的所有多传感器数据时空积累信息。

1.2  多传感器数据智能融合模型建立

利用获取的多传感器数据时空积累信息建立多传感器数据智能融合模型，所建立的多传感器数据智能融合模型如图1所示。

图1  多传感器数据智能融合模型

多傳感器数据智能融合模型由四级组成，包括对象融合、势态融合、数据源融合与过程融合。其中，对象融合是将身份信息、参数信息与位置信息进行结合，以对个体进行详细描述，目的是实现多传感器数据坐标与单位的一致转换;势态融合是对物体的关系信息进行融合;数据源融合是对农业物联网中多传感器的数据源进行融合;过程融合则是一个中间过程，主要是对数据融合的性能进行控制，并对改善融合效果的信息进行鉴别。完成这四级后，即可实现对多源数据多层次、阶梯状的处理，完成多传感器数据的智能融合。

1.3  实现多传感器数据智能融合

多传感器数据智能融合模型主要基于I/O属性进行多源数据的融合，其融合模式如图2所示。

图2中：数据层智能融合包括多传感器数据的多源图像合成与融合、图像数据传输与配准等;特征层智能融合主要包括目标状态数据融合与目标特征融合;而决策层智能融合是利用不同类别的传感器对同一目标进行观察，并利用传感器进行本地处理，首先通过特征判决、特征识别、特征抽取、特征处理等流程得出目标的初步观察结论，接着通过决策层融合判决与关联处理，获取最终的多传感器数据智能融合结果。

2  实验研究

为了检测本文提出的农业物联网中多传感器数据智能融合方法，设计一个对比实验。

图2  融合模式

2.1  实验参数

本次实验参数如表1所示。

表1  实验参数

2.2  实验过程

利用1台PC 终端与1 个协调器节点、1 个路由节点、6个终端采集节点作为本次实验的多传感器数据融合置信度的测试设备，以Matlab作为本次实验的平台，对农业物联网中多传感器数据进行融合。为了保证本次实验的有效性，使用基于Rough集理论的多传感器数据融合方法、基于数据信息转换的多传感器数据融合方法与本文提出的农业物联网中多传感器数据智能融合方法进行融合置信度比较。

2.3  实验结果

融合置信度对比如图3所示。

通过图3可知，基于Rough集理论的多传感器数据融合方法的融合置信度最高为0.812;基于数据信息转换的多传感器数据融合方法的融合置信度最高为0.68;农业物联网中多传感器数据智能融合方法的融合置信度最高为0.965。通过比较可知，农业物联网中多传感器数据智能融合方法的融合置信度最高，验证了所提方法的优越性。