张士敏

(冀中职业学院,河北 定州 073000)

0 引言

农作物新品种的区域试验在多个年份和地点的环境下种植，需要分析评价品种的特征特性，以确定其是否具有较好的适应性及大规模推广应用价值[1]。农作物区域试验为品种审定提供重要的科学依据，是作物育种和品种推广应用之间的重要环节，历来受到育种企业、科研单位和农业管理部门的高度重视。我国每年都进行各种农作物的国家和省级区域试验，投入大量的人力和物力筛选优良品种，为农业的发展做出了重要贡献。

目前，受一些主观和客观因素的影响，农作物的区域试验过程中也存在若干问题，会对试验的质量和效果造成影响。例如，在试验点的选择上，各点一般分布于不同的种植区，代表着所在的生态条件；部分优良品种未经过初步试验，盲目参加不完全适应生态区的试验，便可能被淘汰。为保证作物生长条件的一致性，区域试验一般采用相同的常规栽培管理措施；而各参试品种因特性的差异，所适应的最佳栽培措施可能不同，在常规方法的栽培下便不能发挥出自身的优势[2]。另外，参试作物品种的数量在近几年有逐渐增加的趋势，但是投入的试验经费增长幅度与之不匹配，无法保证试验质量和工作人员的待遇，对试验的具体操作造成了影响。每年的区域试验内容和操作方法的相似度高、重复性强，因此容易忽视对工作人员的技能培训和知识更新，延缓了区域试验理论、措施和方法的改进速度[3]。

水稻是我国最主要的粮食作物，我国的水稻种植面积为世界第二，年产量为世界第一。我国绝大部分省份都种植有一定面积的水稻，水稻高产稳产与国计民生紧密相关，其在农业中的地位是不言而喻的。作为最重要的粮食作物，优良品种是水稻实现高产稳产的关键。因此，水稻新品种的审定标准高，对品种区域试验提出了更为严格的要求。我国具有多样的自然生态条件和栽培管理模式，形成了与之相适应的水稻品种。在育种企业、科研单位和相关管理部门的推动下，每年参试的水稻品种类型复杂，数量庞大，给区域试验承担人员带来了极大的工作量。另一方面，区域试验的费用和投入没有相应增加，使得农作物区域试验所面临的问题在水稻上表现得尤为明显。

新型技术方法的应用是现代智能农业发展的趋势，也是解决农作物区域试验所面临问题的必然选择。王磊等通过建立基于Internet的区域试验信息系统，提高了区域试验的信息化程度和管理水平，使区域试验获得了更高的效率和参考价值。另一种能有效应用于区域试验的技术为物联网，这是一种以传感器、自动测控和信息技术为基础开发的传感网络技术。物联网是将传感器、信息处理器和无线网络整合成的体系，可以实现对目标的智能识别和精准管理[4]。农业是物联网应用的一个重要领域，美国早在21世纪初便用物联网监测葡萄园土壤温湿度和有害物含量，以保证葡萄的产量[5]。目前，物联网已经在我国的粮食生产、智慧农业、精准管理和水产养殖等多个领域得到了广泛应用[6-9]。在具体的农业生产操作上，物联网应用最多的为节水灌溉，即通过传感器采集作物生长环境中的含水量，根据灌溉决策和实际需求适时地启动微灌或滴灌系统实现智能灌溉。基于物联网的智能灌溉系统适用的作物种类较多，节水效果非常显著[10-13]。此外，物联网还用于作物生长信息采集和虫害的智能监测等方面[14-16]。

随着国家对区域试验要求的不断提高，越来越多设施完善的区域试验站建立了区域试验站除了满足作物的种植和正常生长外，还需进行生育期调查、施肥灌溉、病虫鸟害防治和收获测产等。因此，区域试验站不仅包含了各种紧密联系的设施设备，还有对庞大数据信息进行采集处理的需求，为物联网提供了广阔的应用平台。2013年，国家在上海、天津和安徽3个地区分别启动了农业物联网区域试验点的建设工作，开创了物联网与区域试验结合应用的新局面[17]。本文以物联网为基础，设计了水稻区域试验的信息采集系统，由信息感知层收集气象、环境及水稻生长信息后通过网络传输层发送到信息管理层，分析之后为区域试验的农艺操作和结果判定提供依据。

1 系统组成和工作原理

水稻信息采集系统由信息感知层、网络传输层和信息管理层3部分组成，信息感知层又包括气象信息、环境信息和作物信息3个模块，如图1所示。气象信息模块采集空气温湿度、降雨量及风向风速等，环境信息模块采集土壤水分、光照强度等，作物信息模块采集作物长势、生育期和营养状况等。上述信息通过网络传输层以无线形式发送给信息管理层，网络传输层包括无线传输装置和基站。信息管理层为显示屏、计算机和存储专家知识库的服务器，主要进行系统参数设定、采集数据显示、计算机视觉分析和形成专家决策。

图1 系统的组成部分Fig.1 Constituent parts of system

2 主要设备和功能

2.1 信息感知层

信息感知层的设备主要采集气象信息、环境信息和作物信息。气象信息采集设备包括LM-879型空气温湿度传感器，用于采集空气的温度和湿度；上海瑞昕RN1型雨量传感器，用于采集降雨量；武汉中科能慧NHFS47型超声波风速风向一体传感器，用于测定风向和风速。每个区域试验站配备1套上述的设备，安装在试验站附近没有高大树木或建筑物遮挡的区域。环境信息采集设备包括SWR-100型土壤水分传感器，用于测定土壤含水量；武汉中科能慧NHZD10型光照传感器，用于采集光照强度，每个独立的田块中安装1套。作物信息采集设备为V10-IM型高光谱相机及AD6673型A/D转换器，用于拍摄田间的水稻图像。相机安装在田块边缘，均匀排布使其拍摄范围覆盖田块各个角落；相机安装高度2m，俯视拍摄，光轴与竖直方向的夹角为60°，获得的图像由计算机视觉进行分析。

2.2 网络传输层

网络传输层将信息感知层采集的信息传输给信息管理层，是二者之间连接的纽带。有线传输需要的线路复杂，铺设成本较高，因此本系统采用了无限传输的方式。常用的无线通信方式有Wifi、蓝牙和ZigBee这3种，本系统选择了ZigBee传输技术，其通信距离较远，抗干扰能力强。根据区域试验站的自然环境，无线传输网络选择树形组网的方式，每个接口可以通过4G网络与20个感应终端连接。通信基站为固定式，安装在与气象信息设备相同的区域，用于接收4G网络信号并发送给信息管理层。基站提供的信号有效距离达到50km，可以覆盖整个区域试验站。

2.3 信息管理层

信息管理层位于试验站的办公区，其核心计算机为联想扬天4000型台式电脑，配置Intel i7中央处理器、16G内存、2T硬盘和LS2223WC型显示器。安装的软件为Windows10操作系统和MatLab图像处理工具箱，用于进行系统参数设定、采集数据显示和计算机视觉分析。专家知识库存储在联想X3550 M5型服务器中，配置16GB的DDR4内存和300GB硬盘，可以根据专家经验和知识对采集的信息进行分析，形成专家决策。

计算机视觉软件对水稻图像的处理过程依次为预处理、灰度化、二值化和特征提取，最后获得水稻的轮廓。营养生长期的水稻为绿色，生殖生长期的水稻除绿色外，还会出现黄色的稻穗。因此，通过统计水稻轮廓所占图像的比例，可以判断其长势。通过分析水稻轮廓中绿色和黄色这2种颜色像素的组成，可以判别发育阶段和抽穗期。图2是两个水稻参试品种的计算机视觉分析结果，图2C中白色为田间空白区域，灰色为水稻绿色部分，黑色为黄色的稻穗部分。若一个参试品种的稻穗部分占到整个轮廓的50%，便设置为进入抽穗期，如图2所示。

A.原始图像 B.灰度化图像 C.轮廓提取图像图2 水稻图像的计算机视觉分析Fig.2 Computer vision analysis of rice image

3 试验方法及结果

2017年，在本单位的水稻区域试验站中运行信息采集系统，对其功能进行了验证。参加区域试验的水稻包括早稻、中稻和晚稻，都在当季种植。参试品种按照随机区组排布，3个重复，不同品种之间空2行作为工作行，如图3所示。

图3 水稻品种的区域试验Fig.3 Regional trial of rice variety

采集的信息有降雨量、土壤含水量和水稻抽穗期。采集方式为物联网采集和人工采集，其中物联网采集在核心计算机上显示和存储。降雨量的人工采集是用雨量器测量，土壤含水量为计算特定时间点的绝对含水量，抽穗期通过人工观察记载获得。最后，比较两种方式采集的数据差异。试验结果如表1所示。

表1 两种方式采集的数据差异Table 1 Difference of data collected by two methods

由表1可知：两种采集方式所获得的降雨量、土壤含水量和水稻抽穗期信息数据接近，没有明显的差异，物联网对水稻抽穗期的评估最为准确，与人工方式的采集结果仅相差1～2天，可以代替人工实现对水稻生育期的观察记载。

4 结论

以物联网为基础，设计了水稻区域试验的信息采集系统。该系统由信息感知层、网络传输层和信息管理层3部分组成，信息感知层收集气象、环境及水稻生长信息后通过网络传输层发送到信息管理层，分析之后为区域试验的农艺操作和结果判定提供依据。2017年，在本单位的水稻区域试验站运行信息采集系统，对其功能进行了验证。物联网与人工采集获得的降雨量、土壤含水量和水稻抽穗期信息数据接近，没有明显的差异。物联网对水稻抽穗期的评估最为准确，与实际结果仅相差1～2天，可以代替人工实现对水稻生育期的观察记载，极大地减少了区域试验的工作量。