摘要：針对农业信息化，本文设计基于云服务的农业物联网平台，通过传感器、高清摄像头实时动态采集农业墒情、温湿度以及虫情等数据，建立农业大数据平台，通过数据挖掘算法，分析农业病虫害防治、墒情调节的决策数据，为农业生产提供辅助服务手段。

关键词：农业物联网；云计算；数据挖掘；墒情监测

引言

各级农业生产管理部门一直以实现对农业温度、湿度、土壤墒情、虫情的监控为目标，来达到指导农业生产经营活动的目标，建立了国家、省、市、县、乡多层级监测、预警、指导系统，在农业生产方面发挥了重大作用，但也存在工作量大、效率低、时效慢、成本高、数据不完整等问题[1]。计算机技术的发展为农情监控提供了支撑，尤其是近几年的无线网络应用为传感设备提供网络支持，通过传感器网络完成对农业病虫害的监控，即在农业种植中，部署传感网络，用以搜集各类生物特征，在后台显示出前端收集的土壤墒情、病虫害信息，以供农业管理部门进行数据分析。如何将信息化的先进技术应用于农业生产中，促进农业生产的发展和整体水平的提高，也成为各级农业部门关注的焦点[2]。论文以云计算平台为基础，通过应用物联网技术，构建农业生产监控、分析与服务的综合平台，为农业土壤墒情分析、病虫害监控等服务提供极大便利，发展空间和应用前景广阔。

1.  农业物联网建设目标

针对农业监测管理的现状，基于云服务的农业物联网平台建设目标为：动态采集农业土壤墒情、病虫害、环境温湿度等数据，建立农情大数据平台，在分析农情大数据基础上，应用数据挖掘算法模型分析异常，实现动态报警，为农业生产种植提供辅助决策支持。

2.  基于云服务的农业物联网框架设计

平台涵盖了数据采集、数据传输、存储以及墒情分析的全流程功能，按照模块化、结构化的设计思想，系统框架分为数据感知层、数据通信层、数据存储层以及表现层。农业物联网框架如图1所示。

（1）数据感知层：通过传感器来完成墒情数据采集。传感器是一种检测装置，能感知到土壤的墒情信息，同时把感知信息通过预先约定的数据格式，按照需求标准进行信息输出，以实现采集信息的传输、处理、存储以及显示等功能。通过引进、集成适用于农田采集的农业传感器产品，对农作物的土墒商情、土壤营养成分、植物病虫害等数据进行采集。

（2）数据通信层：为采集终端提供数据通信服务，使采集的数据上传到云端，农业物联网网络通信采用4G、5G或局域网Wi-Fi，通过Internet实现数据通信传输，并且可接收服务端的数据采集指令，完成农业数据采集。

（3）数据存储层：存储采集的农业墒情、农作物环境温度湿度、虫情等数据，同时动态存储视频监控抓拍的图片、视频等，存储数据包括结构化信息和非结构化数据。

（4）表现层：在数据存储大数据平台上，根据农业种植生产要求，为决策层、科技人员等提供如田间作物精准施肥施药、病虫害防治预报等决策支持服务。通过Web端、手机端提供农业墒情、虫情等监测数据的展示、查询分析各类报表。

3.  平台模块设计

平台模块包括设备管理、数据通信管理、土壤墒情监测、虫情监测、农情图像监控、数据统计分析等，下面分别描述这些模块的功能设计。

（1）设备管理：农业物联网平台数据通过监控设备、传感器进行采集，设备管理是基础，设备管理功能包括查看设备参数、设备状态、设备报警与故障查询等。

（2）数据通信管理：数据采集终端与云端进行数据通信通过4G/5G网络或局域网的Wi-Fi来实现，对终端网络通信参数进行配置和管理。每个数据采集端分配有固定的IP地址，通过IP可查询、定位出数据采集端。

（3）土壤墒情监测：通过土壤墒情传感器采集到土壤的温度、湿度等数据，在云服务端、在Web端或手机App端展示，数据展示可采用表格、折线图等形式。

（4）虫情监测：系统从预报、预警、识别到诱集均为自动控制，采用A/D模数转换技术，将采集信息自动转化为图像和数据。监控农业有害生物达到防控界点时，启动系统中农业有害生物防控体系，同时监控农业有害生物控制效果，并判断停止防控界点，关闭防控系统，从而实现有害生物连续循环监测防控。病虫害智能化监测设备设计随昼夜变化自动开闭、自动完成诱虫、收集、分装等系统作业，留有升级接口。

（5）农情图像监控：通过高清摄像头动态监控农作物农情现场图像信息，动态传输到云端，农情图像以非结构化数据进行存储，存储在ftp中，在Web或手机端可浏览某个区域农作物现场情况。

（6）数据统计分析：以数据表格、曲线图、柱状图等方式，汇总统计出本区域的外界温度、湿度、土壤墒情、虫情等数据，提供数据对比功能。

4.  基于物联网的农业数据采集传输设计

基于物联网的农业物联网平台从物理结构上可分为云服务器、农情传感器、PC端和手机端，其中云服务器提供数据存储及应用服务，用于存储采集农情数据、基础影像、农情遥感影像、地理信息数据等；农情传感器用于采集土壤墒情、病虫害等数据；PC端和手机端用于实现数据统计分析显示。图2为平台网络结构图。

运用生物传感硬件获取病害、虫害成像和环境因子信息，利用专用无线传输技术嵌入互联网，进行数字化处理分析和动态显示，既可直观显示土壤墒情、病虫害发生趋势，并能及时、自动开启病虫害防控预警或土壤墒情预警。以互联网为平台，以农业监测理念为核心，运用多种模型搭建农田病虫害自动测控物联网。无线传输稳定性相对较弱，但组网简便，费用低廉。在农业物联网平台中主要考虑使用局域网的Wi-Fi或4G/5G，其功耗低，节能，接线简单，成本低，抗干扰功能强，数据准确性高，速度快，数据传输及时。

农业墒情数据采集端实现三方面的功能：第一，完成感知的基本配置。获取感知数据的基础配置、参数等，通过基本配置，实现对感知数据的初步过滤等。第二，终端工作状态的监测，检测传感器的工作状态、数据网关的运行状态等。由于数据获取感知终端对数据的采集、获取等操作具有时刻特征，因此需要对这些终端设备的工作状态进行监测，测试其是否正常工作，能否正常获取感知数据。第三，网络接入管理，采集网关用于读取传感器的存储单元，然后把墒情数据通过4G/5G网络传输到大数据平台上。

整个农业墒情数据采集过程分为两个过程：首先由传感器采集土壤墒情数据，然后存储到传感器的存储单元中，由采集网关读取传感器存储单元值。在网关读取存储单元值时，需要了解传感器存储单元的编址方法，按照编址方法、存储单元的类型来读取单元数据。网关数据采集时，需要编制相应的地址读取指令，由网关按照指令读取墒情数据，网关采集周期、频率均在网关后台进行设置，根据农业气候特征、地域特征设置不同的土壤采集周期。网关采集的数据类型分为两类：一类是读取传感器存储数据，另一类是获取网关的位置信息，网关内置GPS模块，用于获取当前土壤墒情采集点的位置。

5.  基于数据挖掘算法的农作物病虫害检测异常预警设计

农业物联网平台采集数据后，在云端建立了土壤墒情、病虫害等大数据平台，下面以农作物病虫害检测异常预警为例，说明病虫害地区预警设计。

农作物有害生物以有害昆虫为主，包括危害作物的螨类和软体动物。当前，农作物虫害包括昆虫纲18个目、蛛形纲2个目，共计260多科4000余种。如何判断哪些虫害对农业收成造成影响，是农业部门进行病虫害处理的重点工作。根据统计农业收成，把某个区域分为一等地、二等地、三等地和四等地，分别获取这些不同等级土地的病虫监测数据。监测的数据包括蛴螬、金针虫、蝼蛄、地老虎、钻心虫、玉米螟、二化螟、三化螟、大螟、黏虫、潜叶蝇、斑潜蝇等虫害数量。在某地区，共发现常见的病虫为48类。

下面从数据获取、数据处理、计算距离、簇划分等步骤来描述基于OPTICS（Ordering Points To Identify the Clustering Structure，基于点排序确定簇结构）算法[3]的病虫划分的设计过程。

（1）初始化样点相关参数

获取病虫害数据诊断类型，把病虫的不同诊断类型值存入数组riskPestsList[ ]中，对这些数据进行预处理。

（2）读取农业样点病虫类型数据

在设置的数据样点取值时间内，如从农业病虫害大数据系统中，读取农业病虫害数据、病虫特征数据。在病虫检测数据库中，读取当前检测的病虫特征，设检测的病虫分类组为PestsList[ ]，在大数据系统中，对存在的病虫预警特征进行分类处理，riskPestsList[]记录待预警的分类数据，遍历riskPestsList，分别记为PestsList分组的特征值，riskPestsList[i]的对应的病虫诊断类型记为PestsList [i].Pest[ ]。

（3）计算相似度

在归集处理完PestsList [i].Pest[ ]后，对数据集进行分析，随机选取一个病虫特征为中心点，计算其他特征值与其之间的距离，并作相应的归一化处理，使其距离取值在[0…1]。

（4）查找同类病虫类型的风险参数诊断

设PestsList [i].Pest[ ]的诊断出的病虫害类别为PestID，计算出其距离矩阵Rec的编号为PestID.Pest。

对计算后的特征向量进行排序，按照由小到大的顺序，对向量进行排序处理，按照预置的最小半径，进行分簇处理，在分簇处理后，分别计算其对应的距离均值，设均值为{ avgDist_1，avgDist_2，……，avgDist_n}，上式中n表示特征值的个数，按照序号为主索引，查找PestID.Pest对应的最大值avgDist_k，对k序号下的所有特征的病虫害进行族类计算，设计算后的集合为Pest_i={Pest_i_1， Pest _i_2，……， Pest_i_n}。

（5）查找同类诊断值病虫类型的风险等级

遍历riskPestsList[ ]，取下一元素，通过上述步骤进行重复计算，计算出簇集合，设簇集合为Pest_j={ Pest_j_1， Pest_j_2，……， Pest_j_n}。

（6）求最后的簇集合

在完成riskPestsList[ ]中各个元素的簇集合处理后，对集合后的元素求交集，最终求得病虫害的诊断结果。

（7）按照不同权重进行最终病虫害的诊断

对Pest_1，Pest_2，…，Pest_k，按照不同的权重来实现对这些病虫类型的计算，最终结果以值的形式来表示农业病虫害诊断结果。

结语

本文研究设计一个监测能力强、服务化专业的农业联网平台，网络结构采用云服务框架，设计的功能包括設备管理、数据通信管理、土壤墒情监测、虫情监测、农情图像监控、数据统计分析。论文以农作物病虫害为例，通过数据挖掘算法实现检测异常预警。平台有针对性地缓解区域农业有害生物的危害，在促进农业提质增效、农民增产增收等方面具有非常重要的意义。

参考文献：

[1]姚茂漩，罗怡辰.基于LoRa农业物联网智慧大棚的设计与实现[J].无线互联科技，2021，18（24）：50-53.

[2]张彦丽.农业物联网在设施农业中的应用探究[J].新农业，2021，（13）：75-76.

[3]王锐，辛大波，欧进萍.基于OPTICS聚类算法的流场结构特征分析方法[J].空气动力学学报，2021，39（5）：27-43.

作者简介：陆煜，硕士研究生，工程师，研究方向：云计算与物联网技术融合。