刘雪燕,袁宝玲,李逵

基于语音识别的智能灌溉系统设计

刘雪燕,袁宝玲*,李逵

中山火炬职业技术学院光电信息学院, 广东 中山 528436

为实现农作物精准灌溉，本文设计了基于语音识别的智能灌溉系统。系统设定植物不同生成阶段的不同土壤湿度需求，当监测的土壤湿度不能满足植物生长需要时，系统进行手动、自动和语音等三种形式的灌溉控制。模拟数据显示：系统运行稳定，能够满足不同植物的用水需求且方便操作，具有良好的推广价值。

智能灌溉; 语音识别; PID控制

我国是一个农业大国，常采用沟渠与漫灌型的传统农业灌溉方式，水利用率只有40%左右[1]。而农作物生长阶段不同，对水的需求不同。因此，根据植物生产需要进行灌溉，节约水资源同时，实现灌溉信息化和智能化，是提高农作物产量的必然趋势。许多学者对智能灌溉做了研究，如文献[1]提出基于ESP8266的智能灌溉监测系统，文献[2]提出模糊PID的灌溉控制系统，文献[3]提出改进PID算法的灌控制系统。而语音作为人类最方便的交流方式，许多学者将语音应用到农业生产过程中。如文献[4]将物联网、人工智能用于柑橘栽培和灌溉，建立基于语音的问答数据库，实现科学指导和灌溉。文献[5]提出基于语音识别和PLC的温室智能灌溉控制系统，文献[6]提出基于语音识别的水稻收割机控制系统，提高农业智能化水平。但语音识别在噪音环境下识别率不高，且大部分农业生产在室外进行，具有不同程度的噪音背景，因此如何提高噪音环境下语音识别率，加快智慧农业的发展，成为研究热点。论文提出基于卷积LSTM的语音智能灌溉系统。当监测的土壤湿度不能满足植物生长需要时，系统会触发语音报警，可进行手动、自动和语音等三种方式控制；系统对语音指令识别技术进行改进，提高噪音情况下的语音指令识别率，增强语音识别在智慧农业中的应用性。

1 系统设计

语音智能控制灌溉系统包括GPS定位模块、湿度监测模块，图像采集模块、控制中心、灌溉控制和责任人。湿度监测模块通过传感器检测农作物生产过程中的湿度，并将检测数据反馈给控制中心；图像采集模块通过摄像头实时观察农作物生产环境；控制中心模块具有设定系统参数、语音报警、指令识别、发送数据给责任人、根据参数控制灌溉等功能。

图 1 智能灌溉系统框架

2 系统软件设计

软件设计责任人管理、查询管理、灌溉管理、设置系统以及数据管理。其中，责任人管理主要包含责任人的注册、注销、登录、密码找回。查询管理主要对监测数据和灌溉数据的查询，同时包含当时的时间、地点、责任人等相关信息。灌溉数据主要管理农作物生成期间的用水需求，需要预先设置农作物的播种时间、生成期、各个生长期间的用水量和收获时间；系统通过灌溉地点、水量及灌溉时间等灌溉参数实施智能灌溉，灌溉参数可以手动设置、或通过语音指令方式转化。数据管理包含实时收集地点的土壤湿度和图像参数、并对数据进行判决，发现异常情况。

3 智能控制

系统在灌溉管理中提前设定植物生成阶段的土壤湿度参数，形成植物生成时间及其对应的需水量图，实现不同的植物、不同的生长阶段对水分需求的预设。控制中心对监测数据与预定数据进行比较，并根据计算结果做出判决。当监测数据与设定数据超过5%的误差时，控制中心触发语音报警，及时提醒控制中心的周围人员；同时控制中心将发生异常的地理位置、异常地方的相关图像、异常的相关数据发送给责任人；责任人收到数据之后，分三种形式完成智能控制灌溉，具体描述如下：

手动输入控制参数：责任人可以在控制中心输入、手机APP上手动输入灌溉参数，控制灌溉。

自动生成控制参数：根据预设植物生长的土壤湿度需求，与监测的土壤湿度数据进行计算，实现自动控制灌溉参数，目前常用PID控制。

图 2 软件结构图

图 3 智能控制过程

语音指令控制参数：责任人通过手机APP或控制中心发布语音指令，实现远程控制灌溉。语音指令识别分为训练阶段和识别阶段，为提高在噪音环境下的指令识别率，论文在识别阶段，含有噪音的语音指令语谱图经过卷积LSTM网络训练时，利用卷积层将输入的语谱图映射到高维的嵌入空间，在嵌入空间进行聚类，并提取具有区别力的语谱向量，从而达到去噪音的目的。最后LSTM输出后的语谱图还原语音指令波形，提取MFCC声音特征参数，将特征参数输入到GMM中提取超矢量，将超矢量用来训练分类器SVM，然后与已经训练好的语音模型进行匹配，完成语音指令识别。正确实施的语音指令，完成灌溉控制。

4 实验分析

4.1 监测数据分析

系统模拟植物生成过程的中土壤湿度需求，在控制中心设定不同的土壤湿度数据。土壤传感器将采集的土壤湿度数据上传到控制中心。控制中心对监测的数据与设定的数据进行运算，当监测数据与设定的数据误差超过设计数据的一定范围，在实验模拟中，设计设定监测数据与设定数据超过相差5%时，触发语音报警，然后发送相关信息给责任人。系统对测试数据进行模拟，进行了400次的模拟实验，数据异常次数387次。如表1所示，当监测数据超出预设的范围，会立即语音报警。假定传感器监测的数据都正确的情况下，系统正确报警率96%。

表 1 正确报警分析

4.2 语音指令识别

语音指令在安静的实验室内采集，采样频率16 kHz，100名(50男50女)说话人，每名说话人选择多种语气、语调等多种方式读取固定的语音指令。为保证多个责任人的指令得到正确识别，系统选择50个语音指令，系统随机选择3~5人的语音。将噪音与干净语音的按一定比例融合，得到含噪的语音指令。将干净语音指令和含噪的语音指令，在卷积LSTM神经网络训练中，含噪音的语音指令进行去噪音处理，训练语音模型GMM-SVM。分别选择3、5、7不同的责任人，比较经过LSTM降噪处理和没有降噪处理的GMM-SVM模型系统识别率。表2数据表明，经过降噪处理，语音指令在噪音环境下识别率得到提高，验证了系统鲁棒性，能够正确精准、科学、远程实施灌溉控制。

表 2 语音指令识别率

4.3 系统控制分析

系统对PID和语音指令控制的灌溉进行了模拟实验。如表3表明，传统的PID灌溉和语音控制的灌溉效果相差不大。传统的PID控制灌溉采用全自动控制灌溉，系统必须配置监测天气、日照等情况的传感器，否则会造成明天预报有大雨，今天还在灌溉的情况。从而使系统复杂、成本高，不易推广。论文设计的智能灌溉系统可以选择人为（语音或手动）、自动、混合等多种控制形式，相对于传统的PID自动灌溉，只需要土壤湿度传感器、摄像头、GPS等设备，系统设备少、成本低。且设计了人性化的语音指令控制，使系统方便不同文化背景的责任人操作，具有推广价值。

表 3 不同控制方式的灌溉效果

5 总结

论文研究了语音识别技术在智慧能农业中的应用，设计了基于语音识别的智能灌溉系统，并提出了语音指令改进算法。实验模拟表明当监测数据异常时，系统能正确触发语音报警，并提高了噪音环境下语音指令识别率，实现多人、无线控制灌溉，加快智慧农业的发展。

[1] 郭伏,温宗周.基于ESP8266的智能灌溉监测系统[J].微处理机,2019(6):53-58

[2] 吴迪,李余进,黄兆波,等.模糊PID和变频器在地下恒压灌溉控制系统的应用[J].自动化与仪表,2019,34(4):19-23

[3] 赵亮,瞿少成,刘雪纯,等.基于Fuzzy-PID的温室节水滴灌控制系统[J].自动化与仪表,2019(7):116-120

[4] 杨伟志,孙道宗,刘建梅,等.基于物联网和人工智能的柑橘灌溉专家系统[J].节水灌溉,2019(9):116-120

[5] 杨柯柯.基于无线网络的智能灌溉系统设计[D].西安:西安理工大学学,2018

[6] 李杰,陈慧丽.基于语音识别和PLC的温室智能灌溉控制系统设计[J].中国农机化学报,2019,40(9):66-71

Design for the Intelligent Irrigation System Based on Speech Recognition

LIU Xue-yan, YUAN Bao-ling*, LI Kui

528436,

In order to achieve precise management of crops, this paper designs an intelligent irrigation system based on speech recognition. The system sets different soil moisture requirements in different generation stages of plants.When the monitored soil moisture can not meet the needs of plant growth,the system can choose manual, automatic and speech to control irrigation.The simulation data shows that the system runs stably, can meet the water demand of different plants, is convenient for the responsible person to operate, and has good promotion value.

Intelligent irrigation, speech recognition, PID control

S274.2/TP29

B

1000-2324(2020)03-0479-03

10.3969/j.issn.1000-2324.2020.03.017

2018-11-21

2019-02-24

中山市社会公益科技研究项目(2016B2167);中山火炬职业技术学院校级基金(2019JY0104)

刘雪燕(1980-),女,讲师,硕士,主要研究方向为信息处理、模式识别. E-mail:liuxueyan0101@163.com

Author for correspondence.E-mail:yuanbaoling0101@163.com