马浩伦，谢亚明，齐 锦

（西北大学 信息科学与技术学院，陕西 西安 710127）

0 引 言

植物病害的预测、预报是有效防治和控制植物病害发生及发展的重要依据，是植物病害管理的重要组成部分，对农林生产管理及决策起着重要作用。植物病害预测、预报是一门应用性极强的学科。传统植物病害分类与识别主要通过经验丰富的生产者或植保专家基于一定标准，在田间通过肉眼观察所得。该方法耗时、费力、预报滞后，且不宜大范围展开，无法进行实时、快速的病害识别[1]。

近年来，智能化信息技术在植物病害检测领域的应用日益增多，很多专家、学者都对此进行了研究。王聃等人探索了机器学习在绿植病害识别中的应用[2]；刘洋等人使用轻量级CNN对绿植病害识别进行研究[3]；高士等人以基于RGB特征值的方式研究苎麻叶片病理[4]。结果表明，各种智能化信息技术在绿植病害检测方面颇为成功。但截至目前，对于绿植病害的相关诊疗却依然停留在人工诊疗层面，非人工诊疗大多采用大面积广泛喷灌方式，该喷灌方式并不适合所有地区的土地作物[5]。基于此，本文设计了一种结合物联网云端的绿植自动化诊疗智慧农业系统。该系统利用颜色传感器获得叶面光谱特征，与系统中预存的植物特征识别库进行比对，选取最符合当前植物病害特征的诊疗方案，再通过系统内部的机械控制装置进行自动化诊疗，确保周围环境始终处于适宜植物生长的状态。此外，种植区内还设有物联网传感模块，可实时检测农作物生长状态，并反馈到控制系统中，通过实际观测与电脑分析即可进行环境调控。

1 系统整体设计方案

绿植自动化诊疗智慧农业系统由外支撑钢架、单晶12 V/100 W太阳能电池板、叶面检测与诊疗控制系统、物联网云端、环境调控端组成。其中，叶面检测与诊疗控制系统包括Arduino嵌入式开发板、TCS3200颜色传感器、多路电磁阀控制灌溉装置、多路舵机控制机械臂装置。Arduino通过I2C通信[6]方式接收TCS3200传回的颜色数据，然后与系统中的植物识别库进行比对，从而确定诊疗方案。该植物识别库通过植物病理学知识分析与多次实验得到。

诊疗方案确定后，Arduino嵌入式控制系统依照该方案执行相应子程序，子程序通过代码控制多路电磁阀与舵机，在一个诊疗周期内，电磁阀、舵机将不断交替工作用以实现诊疗方案中的小范围喷灌或精确滴灌诊疗。诊疗过程的环境参数通过包含有多路传感器的NB-IoT物联网系统进行实时监测，并将监测结果显示在云端APP，刷新周期为1 s。针对植物生长环境情况，线上编解码插件已定义好阈值，一旦超过阈值，系统即发出警告，用户可通过移动端或云端控制装置内的排气、照明系统等改善装置内环境。绿植自动化诊疗智慧农业系统工作流程如图1所示。

2 系统硬件设计方案

2.1 系统控制核心模块选型

绿植自动化诊疗智慧农业系统控制核心采用两块独立的嵌入式开发板。其中，Arduino系列开发板用于叶面颜色检测及植物诊疗方案的选定；物联网端的STM32L431系列开发板通过BC35 NB-IoT模块与云端连接。在Arduino开发板上，利用板载I/O口和多路传感器连接，可直接采集植物各项数据，并经由BC35 NB-IoT模块实时上报到华为云平台。

图1 绿植自动化诊疗智慧农业系统工作流程

2.2 环境监控传感器模块选型

环境监控传感器模块包括温湿度传感器、土壤湿度传感器、CO2传感器。

土壤湿度传感器选用TELESKY FC-28。该传感器工作电压为3.3～5 V，可将土壤环境湿度以模拟数据形式传输，通过A/D模块转换后[7]，将数据传输至单片机，使数据精确度更高。

温湿度传感器选用DHT11。该传感器包括一个电容式湿度元件和一个NTC测温元件，在流体环境（如空气）中可有效测量温度和湿度，并通过ADC通道以4位有效的方式传输给单片机。

CO2传感器选用MG811。相比另一款常用的CO2传感器CCS811 HDC1080，MG811传感器自带热电偶，对气体分子浓度测量更准确。MG811 CO2传感器采用ADC方式传输数据。该传感器直接采集电压变化，并通过板载ADC通道将电压值传输给单片机。查阅资料可知，MG811采集的数据与电压值呈指数关系，因而在程序中通过计算采集数据的平均值，并依照如上算法即可得出实际浓度值。MG811传感器模拟电压输出范围为0～2 V，由此可确定电压阈值。ADC采样注解见表1所列。

2.3 绿植诊疗硬件设计

绿植诊疗硬件采用TCS3200颜色传感器进行光谱采集。该颜色传感器可采集255×255的光谱位阵列，可敏锐察觉颜色变化。

表1 ADC采样注解

人们日常所看到的物体颜色，实际是物体表面反射的照射该部分的有色光进入人眼的反应。白光由各种频率可见光混合而成。根据三原色理论可知，各种颜色是由不同比例的三原色，即红色、绿色、蓝色混合而成。

基于三原色感应原理可知，若能测出物体表面颜色的三原色值，即可得知该物体的实际颜色。针对TCS3200颜色传感器而言，当选定一个颜色滤波器时，它只允许对应原色通过，将阻止其他原色通过。例如，当选择红色滤波器时，则入射光中只有红光可通过，即得到红光光强；同理，选择其他滤波器就可得到蓝光和绿光的光强。通过三原色值可分析出投射到TCS3200传感器上的光线颜色。叶面光谱检测流程如图2所示。

图2 叶面光谱检测流程

2.4 滴灌设备搭建

系统内部采用多路电磁阀控制药剂滴灌设备。通过基于时序的诊疗方案，电磁阀即可按诊疗流程开启或断开。电磁阀控制多路药剂联通管道示意如图3所示。

基于成本及物力，本装置的电磁阀采用直动式电磁阀。其原理如下：通电时，电磁线圈产生电磁力把敞开件从阀座上提起，阀门打开；断电时，电磁力消失，弹簧把敞开件压在阀座上，阀门关闭。直动式电磁阀结构原理如图4所示。

图4 直动式电磁阀结构原理

3 物联网云平台搭建方案

3.1 NB-IoT协议的应用

绿植自动化诊疗智慧农业系统通过NB-IoT协议与物联网云端相连。NB-IoT是一种新兴的物联网通信技术，具备小功耗、低成本、海量连接、深度覆盖等特性，从而使物联网的通信能力极大增强，实用性得到保障，成为低功耗广域网中最具竞争力的蜂窝物联网技术[8]。

在系统单片机程序内，NB-IoT通过串口程序的AT指令控制与基站的通信，主要改写了连接域名地址及网络端口号。任务程序如下：

3.2 云端消息接收处理与命令下报

华为OceanConnect IoT云平台[9]支持NB-IoT、2G/3G/4G网络、有线网络等接入方式。不同类型设备接入物联网平台并构建互联互通方案需经过Profile定义、设备开发、插件开发、测试认证等过程。针对本系统，我们在“plant_device”项目下开发了“二氧化碳数据与调风应答”“空气温度、湿度数据与加湿应答”“土壤湿度数据提醒”三个子项目。

在设备开发与调试方面，我们采用集成了NB-IoT模组的STM32L431开发板。NB-IoT协议支持海量连接，具有低成本优势。其应用场景与本项目契合，数据包较小，设备位置变化较小。我们通过在线编写编解码插件，将从设备侧传输到云端的二进制数据解码为JSON格式，通过IoT云平台进行数据处理。

数据处理结果可由平台接收与转发。在线上做好Profile和编解码插件开发工作后，设备侧使用设备模拟器进行数据收发测试。调测处将数据调测好后，在Web APP端进行云应用程序开发。

华为OceanConnect IoT云提供了名为IoT Booster的应用开发平台，通过该平台可进行线上应用开发。应用侧需使用该平台进行调试，用于数据监测、预警、上报。云端与APP端北向通信流程如图5所示。

图5 云端与APP端北向通信流程

4 系统软件设计方案

系统的自动化诊疗部分由Arduino嵌入式系统及其相关部件构成。物联网云端南北向通信部分由STM32L431嵌入式系统构成。

系统上电后，两块单片机分别初始化。Arduino嵌入式系统初始化后，TCS3200开始工作。在扫描周期内，若光谱不符合一般绿植颜色阈值，则循环等待；当检测到绿植色域后，Arduino嵌入式系统将选择相应方案对植物进行治疗。

STM32L431嵌入式系统上电后，BC35模块[10]初始化，并通过AT指令向云端发送密匙，获取连接地址及端口号。在连接成功之前循环运行该程序。

线下与云端连接成功后，STM32L431嵌入式系统将读取各传感器（如MG811、DHT11、FC-28等）采样数据，数据按照发送接收的完整周期上报，并在云平台转码显示。Arduino嵌入式系统软件工作流程如图6所示，STM32L431嵌入式系统软件工作流程如图7所示。

图6 Arduino嵌入式系统软件工作流程

图7 STM32L431嵌入式系统软件工作流程

5 测试结果

测试中，我们选用带有虫害的单枝橘黄色橡树叶作为实验材料，发现系统可成功制定虫害治疗方案，并在一个周期内按照设定的步骤进行药物喷灌，定时上报物联网云端，并显示环境监测数据。治疗3天之后，橡树叶光谱检测结果表明，RGB三色中红色减少，而绿色和蓝色增加。

缺水状态下使用MATLAB统计的RGB三色相对差值如图8所示。治疗3天后使用MATLAB统计的RGB三色相对差值如图9所示。由图9可知，检测结果、治疗效果均有效。

图8 缺水状态下使用MATLAB统计的RGB三色相对差值

图9 治疗3天后用MATLAB统计的RGB三色相对差值

6 结 语

物联网与智能化是未来智慧农业的发展趋势，本文结合已有病害检测技术与方法，提出一种在此基础上的自动化诊疗方案。该方案通过光谱检测，由嵌入式系统自主选择对应治疗方案，治疗效果显著，在智慧农业领域应用前景广阔。