基于智能數(shù)據(jù)挖掘技術的溫室大棚環(huán)境參數(shù)優(yōu)化 張呈宇 重慶財經(jīng)職業(yè)學院 重慶 402160 摘 要 針對溫室大棚環(huán)境控制自動化程度較低 運營成本高和能耗大的問題 基于智能數(shù)據(jù)挖掘技術對溫室 大棚的環(huán)境參數(shù)優(yōu)化管理系統(tǒng)進行研究 系統(tǒng)根據(jù)功能分為數(shù)據(jù)采集層 網(wǎng)絡傳輸層和控制層 為了實現(xiàn)溫室 大棚環(huán)境管理系統(tǒng)對環(huán)境參數(shù)的優(yōu)化 通過創(chuàng)建溫室大棚的環(huán)境模型 并采用聚類算法對獲取的樣本數(shù)據(jù)進行 數(shù)據(jù)挖掘 從而得到環(huán)境參數(shù)內(nèi)部的規(guī)律 最終確定環(huán)境參數(shù)優(yōu)化方案 為了驗證該管理系統(tǒng)的有效性 對溫度 控制模型進行仿真試驗 結果表明 系統(tǒng)的擬合性良好 可以將其應用于溫室大棚環(huán)境參數(shù)的優(yōu)化控制 關鍵詞 溫室大棚環(huán)境參數(shù) 優(yōu)化 智能數(shù)據(jù)挖掘技術 聚類算法 中圖分類號 S625 5 1 文獻標識碼 A文章編號 1003 188X 2022 10 0213 05 0 引言 溫室大棚是近年來我國發(fā)展起來的一種產(chǎn)業(yè)化 種植模式 尤其在北方 可以有效地提高冬季土地利 用率 但是 溫室環(huán)境控制系統(tǒng)較為復雜 自動化程 度較低 能源消耗過大 運營成本過高 成為制約我國 溫室發(fā)展的主要問題之一 隨著物聯(lián)網(wǎng)技術的發(fā)展 人們在溫室大棚內(nèi)部布設多種傳感器 控制器和相應 的控制系統(tǒng) 通過對環(huán)境參數(shù)進行采集 處理 實現(xiàn)對 溫室大棚環(huán)境的智能化控制 從而實現(xiàn)高效 節(jié)能的 生產(chǎn) 1 物聯(lián)網(wǎng)技術的不斷普及和應用 致使溫室大棚采 集的環(huán)境數(shù)據(jù)呈現(xiàn)爆發(fā)式增長 網(wǎng)絡數(shù)據(jù)的數(shù)量 體 積和結構過于龐大 冗余數(shù)據(jù)過多 另一方面 物聯(lián)網(wǎng) 數(shù)據(jù)庫中的數(shù)據(jù)大多以描述性文字為主 在溫室大棚 的環(huán)境控制中較難獲取并直接應用 在環(huán)境參數(shù)控制 方面 仍然以各參數(shù)的閥值控制方式為主 并不能夠 達到對能源的按需 高效利用 因此 還需要對獲取 的各類數(shù)據(jù)進行挖掘 以獲取有用的信息 2 數(shù)據(jù)挖掘技術是利用算法從數(shù)據(jù)庫或信息庫的 大量數(shù)據(jù)中挖掘提取有效信息的過程 是近年來新興 的一種技術 該技術集合了數(shù)據(jù)庫 統(tǒng)計學 信息管 收稿日期 2020 09 25 基金項目 重慶市高等教育學會2019 2020年高等教育科學研究重 點項目 CQGJ19A36 重慶市教委高等教育教學改革研究 項目 193479 重慶市教育科學 十三五 規(guī)劃項目 2020 GX 170 作者簡介 張呈宇 1982 女 重慶璧山人 副教授 碩士 E mail tian7049743506 163 com 理 模式識別等學科 目前已經(jīng)在天文學 生物學和商 業(yè)管理等領域有了較為深入的應用 且已經(jīng)取得成 果 但是尚未在農(nóng)業(yè)領域獲得應用 因此可以考慮將 其應用于溫室大棚環(huán)境的智能化高效管理中 為此 筆者擬將基于智能數(shù)據(jù)挖掘技術對溫室大棚環(huán)境參 數(shù)進行優(yōu)化研究 1 硬件設計 1 1 總體結構設計 溫室大棚管理系統(tǒng)根據(jù)功能可以分為數(shù)據(jù)采集 層 網(wǎng)絡傳輸層和控制層 如圖1所示 圖1 溫室大棚管理系統(tǒng)總體結構圖 Fig 1 The structure of greenhouse management system 1 2 數(shù)據(jù)采集層 數(shù)據(jù)采集層主要用于采集溫室大棚的環(huán)境數(shù)據(jù) 由很多個數(shù)據(jù)采集模塊構成 可通過網(wǎng)絡傳輸層將數(shù) 據(jù)反饋給控制層 數(shù)據(jù)采集模塊基于ZigBee無線通 312 2022年10月 農(nóng)機化研究 第10期 信技術構建 在每個模塊中都包含溫度傳感器 濕度 傳感器 光照度傳感器 空氣質量傳感器以及現(xiàn)場監(jiān) 控節(jié)點 3 這些節(jié)點將采集到的溫室大棚環(huán)境參數(shù) 定時傳遞給起協(xié)調(diào)器作用的匯聚節(jié)點 匯聚節(jié)點通過 串口與網(wǎng)絡傳輸層實現(xiàn)通信 數(shù)據(jù)采集模塊的結構 如圖2所示 圖2 數(shù)據(jù)采集模塊結構圖 Fig 2 The structure diagram of data acquisition module 數(shù)據(jù)采集模塊中的匯聚節(jié)點和傳感器節(jié)點都屬 于微型嵌入系統(tǒng) 結構近似 可選擇同一種芯片 考 慮到節(jié)點的使用環(huán)境為溫室大棚 在進行芯片選擇時 需要同時具備低成本 低能耗 適當?shù)臄U展性 較高的 可靠性以及較少的外圍元件的特點 因此選用TI公司 生產(chǎn)的CC2530芯片 4 該芯片只有在進行數(shù)據(jù)采 集 處理和發(fā)送時有能量消耗 在間隙過程中則處于 休眠狀態(tài) 不僅降低了能耗 還延長了芯片的使用時 間 芯片的工作流程如圖3所示 圖3 芯片工作流程圖 Fig 3 The work flowchart of the chip 1 3 網(wǎng)絡傳輸層 網(wǎng)絡傳輸層是控制層與數(shù)據(jù)采集層之間數(shù)據(jù)的 中轉站 一方面將采集到的數(shù)據(jù)進行存儲和轉發(fā) 一 方面將控制層發(fā)出的指令進行處理和傳輸 主要由嵌 入控制裝置和移動Agent兩部分構成 為了實現(xiàn)溫室大棚環(huán)境的數(shù)據(jù)傳輸 需要不同類 型的網(wǎng)絡 無線傳感網(wǎng)用于實現(xiàn)近距離 低能耗的物 聯(lián)網(wǎng)底層之間的數(shù)據(jù)傳輸 5 無線網(wǎng)卡和無線路由器 用于實現(xiàn)物聯(lián)網(wǎng)底層數(shù)據(jù)的遠距離傳輸 移動通信網(wǎng) 則用于將移動終端與網(wǎng)絡的連接 實現(xiàn)對溫室大棚環(huán) 境的遠程監(jiān)控 嵌入控制裝置則是網(wǎng)絡傳輸層的核 心單元 主要用于將各類設備 GPRS模塊 無線網(wǎng)卡 移動通信網(wǎng) 無線傳感網(wǎng)等 融合 保證數(shù)據(jù)的傳輸 網(wǎng)絡傳輸層硬件結構示意圖如圖4所示 圖4 網(wǎng)絡傳輸層硬件結構示意圖 Fig 4 The diagram of hardware in network transport layer 物聯(lián)網(wǎng)的底層數(shù)據(jù)過多 為了從這些數(shù)據(jù)中篩選 出與溫室作物生長有關的環(huán)境因素 在嵌入控制裝置 之前安裝移動Agent裝置 對獲得的數(shù)據(jù)進行挖掘 處 理和整合 以減少網(wǎng)絡響應時間和降低網(wǎng)絡資源的浪 費 提升數(shù)據(jù)傳輸速度 1 4 控制層 控制層主要包括控制中心 信息提示部件和各執(zhí) 行機構組成 其中 移動Agent將處理后的數(shù)據(jù)傳輸 至控制中心 根據(jù)處理結果向對應的執(zhí)行機構 通風 系統(tǒng) 天窗 灌溉系統(tǒng) 加熱系統(tǒng)等 發(fā)出指令 執(zhí)行機 構按照指令執(zhí)行 直到溫室大棚的環(huán)境符合作物最優(yōu) 生長環(huán)境 信息提示部件用于及時地將溫室大棚的 環(huán)境參數(shù) 作物生長狀態(tài)和處理后的數(shù)據(jù)顯示并傳遞 給用戶 2 數(shù)據(jù)挖掘算法設計 為了從獲取的環(huán)境參數(shù)中提取有效信息 實現(xiàn)溫 室大棚環(huán)境參數(shù)的優(yōu)化 需要創(chuàng)建溫室大棚的環(huán)境模 型 再采用聚類算法對獲取的樣本數(shù)據(jù)進行數(shù)據(jù)挖 掘 從而得到環(huán)境參數(shù)內(nèi)部的規(guī)律 最終確定環(huán)境參 數(shù)優(yōu)化方案 2 1 溫室大棚環(huán)境模型構建 溫室大棚環(huán)境的物理模型如圖5所示 由圖5 可以看出 溫室大棚環(huán)境參數(shù)會受到各種內(nèi)部和外部 因素的影響 為了研究溫室大棚內(nèi)的各環(huán)境參數(shù)對 農(nóng)作物的影響 需要將模型簡化 并做以下假設 溫 室大棚內(nèi)的環(huán)境參數(shù)在短時間能夠維持恒定 溫室 412 2022年10月 農(nóng)機化研究 第10期 大棚內(nèi)的環(huán)境參數(shù)只考慮溫度 濕度 溫度和濕度 對農(nóng)作物的影響權重看作相同 由此 可以將溫室環(huán) 境模型簡化為圖6所示模型 圖5 溫室大棚物理模型 Fig 5 The physical model of greenhouse 圖6 溫室模型簡化圖 Fig 6 The schematic diagram of greenhouse model 溫室大棚中環(huán)境輸入?yún)?shù)包括土壤溫度 大氣溫 濕度 光照 加熱和通風 輸入?yún)?shù)包括溫室大棚的溫 度和濕度 因此 溫室大棚環(huán)境模型的函數(shù)可以通過 下式表示 X y X x1 x2 xn 其中 X為 溫室大棚函數(shù)的n個輸入?yún)?shù) y為函數(shù)的輸出參數(shù) 為復合函數(shù) 2 2 聚類算法設計 溫室大棚的輸出參數(shù)包括溫度和濕度兩個參數(shù) 為了確定兩個參數(shù)的關聯(lián)性 采用HCS方法進行計 算 假設目標函數(shù)為f x 輸入向量為x 每個輸入向 量的對應的子系統(tǒng)為fn x 目標函數(shù)需要滿足以下 條件 f x f1 x f2 x fn x 對于子系統(tǒng)f1 x 共輸出兩個參數(shù) 一是結果 y1 二是結果對輸入?yún)?shù)的x1的依賴程度 1 從微 積分疊加方向考慮 可以得到以下關系 即 f x n i 1 fi x i x dx 對于本溫室大棚環(huán)境模型來說 溫度和濕度對農(nóng) 作物的影響程度看作相同 上式可以變?yōu)?f x n i 1 fi x i x dx n i 1 fi x i x 因此 溫室大棚的溫度和濕度參數(shù)可以看作是相 互獨立的參數(shù) 在進行模型構建時分別計算 由于溫室大棚的輸出參數(shù)溫度和濕度 其輸入?yún)?數(shù)相同 因此采用數(shù)學的方法探究兩個參數(shù)之間的關 系不可取 可以采用聚類分析的算法進行輸入?yún)?shù)有 效的分類 6 首先 按照k 平均算法的方式 將樣本 根據(jù)聚類規(guī)則的不同劃分為兩個聚類 分別為 1和 2 并將聚類的中心作為樣本統(tǒng)計量 兩個聚類中心分 別為 1和 2 由此得出聚類規(guī)則為 If x x 1 then y y 1 If x x 2 then y y 2 其中 x為模型輸入的參數(shù)數(shù)據(jù) y為模型輸出的 參數(shù)數(shù)據(jù) 模型的參數(shù)數(shù)據(jù)輸出時需要統(tǒng)計其分布 即建模函數(shù) 一般按照T S模糊推理形式確定 其形 式為 y k i 1 aif x10 xn0 n i 1 ai 其中 ai為模型參數(shù) 一般根據(jù)經(jīng)驗選取 7 這 種算法在不同的系統(tǒng)中具有不同的跟蹤能力 適應能 力較差 8 而高斯隸屬函數(shù)的逼近能力較好 可以將 其與T S模糊推理模型結合進行建模 最終確定建模 函數(shù)為 fk x n i 1 Al k exp x x c 2 n i 1 Bl k exp x x c 2 其中 為隸屬函數(shù)的寬度 為常數(shù) Al k 和Bl k 分別為第l個聚類的樣本總數(shù)量和輸出樣本的總 數(shù)量 當有樣品數(shù)據(jù)時 首先建模函數(shù) 然后確定樣本 聚類的數(shù)量n及每個聚類的中心 其他的樣本則按 照歐幾里得距離d進行計算 確定每個樣本的聚類 最后開始迭代 使目標函數(shù)E的結果盡可能小 目標 函數(shù)為 E n i 1 p i p i 最后 對將每個樣本帶入建模函數(shù)中進行計算 最終得到模型輸出的參數(shù)數(shù)據(jù)y 512 2022年10月 農(nóng)機化研究 第10期 3 試驗結果 為了驗證該溫室大棚的環(huán)境參數(shù)模型的有效性 需要對其進行試驗驗證 因此 采用MatLab進行仿 真試驗 通過對比仿真數(shù)據(jù)和真實數(shù)據(jù) 確定模型的 準確性 3 1 仿真試驗設置 由于溫室大棚環(huán)境的濕度和溫度可以看作是相 互獨立的參數(shù) 且建模函數(shù)相同 因此只以溫度作為 試驗仿真對象 輸入?yún)?shù)設定為土壤溫度 土壤濕 度 大氣濕度 陽光輻射 加熱系統(tǒng)和通風系統(tǒng) 每隔 5min進行數(shù)據(jù)檢測 總時長48h 共測得576個時間 點的數(shù)據(jù) 數(shù)據(jù)總數(shù)為4032個 將這些數(shù)據(jù)采用模 型進行分析 并與實際測得數(shù)據(jù)進行擬合 計算擬合 度 模型仿真參數(shù)設置如表1所示 表1 仿真參數(shù)設定值 Table 1 The setting value of simulation parameters 仿真參數(shù)系統(tǒng)設定值 聚類數(shù)量6 學習效率e x 領域x 2 高斯隸屬函數(shù)寬度2 神經(jīng)元數(shù)量6 3 2 試驗結果分析 為了分析模型的數(shù)據(jù)挖掘效果 采用擬合度作為 作為標準 分析原始數(shù)據(jù)和數(shù)據(jù)挖掘后數(shù)據(jù)的差異 擬合度 為 n i 1 y0 y1 2 其中 y0為檢測值 y1為模擬值 擬合度 值越 小 則模型的數(shù)據(jù)挖掘效果越好 根據(jù)上式計算可得溫度的模型數(shù)據(jù)與實際數(shù)據(jù) 的擬合度為0 13 說明該模型的擬合性良好 可以將 其應用于溫室大棚環(huán)境參數(shù)的優(yōu)化控制 4 結論 1 針對溫室大棚環(huán)境控制自動化程度較低 運營 成本高和能耗大的問題 基于智能數(shù)據(jù)挖掘技術對溫 室大棚的環(huán)境參數(shù)優(yōu)化管理系統(tǒng)進行研究 系統(tǒng)根 據(jù)功能分為3層 分別是數(shù)據(jù)采集層 網(wǎng)絡傳輸層和 控制層 2 為了實現(xiàn)溫室大棚環(huán)境管理系統(tǒng)的對環(huán)境參 數(shù)優(yōu)化 通過創(chuàng)建溫室大棚的環(huán)境模型 并采用聚類 算法對獲取的樣本數(shù)據(jù)進行數(shù)據(jù)挖掘 從而得到環(huán)境 參數(shù)內(nèi)部的規(guī)律 最終確定環(huán)境參數(shù)優(yōu)化方案 3 為了驗證該管理系統(tǒng)的有效性 對溫度控制模 型進行仿真試驗 結果表明 該系統(tǒng)的擬合性良好 可 以將其應用于溫室大棚環(huán)境參數(shù)的優(yōu)化控制 參考文獻 1 MCBERATNEY A WHELAN B ANCEV T Future direc tions of precision agriculture J Precisioin agriculture 2005 6 1 7 23 2 王元卓 靳小龍 程學旗 網(wǎng)絡大數(shù)據(jù) 現(xiàn)狀與展望 J 計 算機學報 2013 36 6 1125 1138 3 徐敬東 趙文耀 李淼 等 基于ZigBee的無線傳感器網(wǎng)絡 設計 J 計算機工程 2010 36 5 110 112 4 劉旭飛 李曉輝 梁新宇 基于Zigbee技術的無線數(shù)據(jù)傳 輸系統(tǒng)及抗干擾分析 J 電腦知識與技術 2012 8 10 2412 2414 5 胡培金 江挺 趙燕東 基于ZigBee無線網(wǎng)絡的土壤墑情 監(jiān)控系統(tǒng) J 農(nóng)業(yè)工程學報 2011 27 4 230 234 6 GUHA S RASTOGI R SHIM K Rock A robust clustering algorithm for categorical attributes C Seattle proceedings of the ACM SIGMOD conference 1998 73 74 7 于進 錢鋒 基于粒子群優(yōu)化的高斯核函數(shù)聚類算法 J 計算機工程 2010 36 14 22 8 李文 基于類高斯隸屬函數(shù)的自適應模糊推理建模研究 J 科學技術與工程 2010 10 6 1433 The Optimization of Greenhouse Environmental Parameters Based on Intelligent Data Mining Technology Zhang Chengyu Chongqing College of Finance and Economics Chongqing 402160 China Abstract Aiming at the problem of low automation high operating cost and high energy consumption of greenhouse envi ronmental control system The greenhouse environmental parameter optimization manage system based on intelligent data mining technology was studied The system was constituted of data acquisition layer network transmission layer and con 612 2022年10月 農(nóng)機化研究 第10期 trol layer according to the function The greenhouse environmental model was built to realize the parameter optimization of the greenhouse environmental manage system To obtain the internal rules of environmental parameters and ensure the op timization scheme the clustering algorithm was also used to the acquisition sample data to do the data mining To verify the effective of the management system the temperature control model was simulated The test results show that the sys tem has good fitting performance it could be applied to the optimal control of environmental parameter Key words greenhouse environmental parameters optimization intelligent data mining technology clustering algorithm 上接第208頁 Abstract ID 1003 188X 2022 10 0206 EA Semantic Analysis of Adjectives for Plug Seeding Robot Control Bian Jie School of Foreign Languages Sanjiang University Nanjing 210012 China Abstract With the continuous development of national agriculture the intelligence of national agricultural machinery is also constantly improving Plug seeding robot can realize automatic seeding in the greenhouse and improve the efficiency of vegetable planting The correct instructions interpretation of automatic seeding process is the basis for its normal and efficient work Semantic understanding is a technology thatactively processes information and has gradually become an important tool in the development of modern intelligent agricultural equipment Adjectives can be used in English to modify the nature status andattributes of ranks or nominal phrases During the operation of plug seeding robot different adjectives areoften involved to modify its operation state control direction and the affairs it controls This article first ex plains the English language understanding and introduces the specific process of the language understan ding of plug seeding robot Then it discusses the application of the semantic understanding of adjectives in path planning automatic seeding speed and direction control in the tray seeding robot Finally it is determined that the language understanding of adjectives can play a important role in the control function of plug seeding robot and can improve the development of intelligent machinery in China Key words plug seeding robot control semantic understanding adjectives 上接第212頁 Abstract ID 1003 188X 2022 10 0209 EA Application of 3D Virtual Simulation System in Farmland Visualization Liu Jie Henan Art Vocational College Zhengzhou 450000 China Abstract This paper takes the three dimensional virtual simulation system of farmland visualization operation is taken as the research object Through the analysis of the design principle of farmland visual operation system a kind of 3D virtual simulation system with high practicability is designed to realize the process of farmland visual operation Through the data collection and analysis of the operation environment a three dimensional visualization model is established According to the model attributes the relevant operation parameters are set and the database information is compared to obtain the scene driving of the three dimensional virtual simulation system Through the test and analysis of the system the 3D vir tual simulation system can collect the relevant parameter information in the working environment in real time and com pare with the database predict the yield of agricultural production process or adjust the irrigation and fertilization scheme according to the target yield so as to improve the economy of agricultural production process Key words farmland visualization operation 3D virtual simulation system 3D scene modeling 3D scene driving 712 2022年10月 農(nóng)機化研究 第10期