30 電子制作 2022 年0 9 月 智能應(yīng)用 0 引言 目前智慧農(nóng)業(yè)系統(tǒng)在世界各國發(fā)展迅速 現(xiàn)代農(nóng)業(yè)精細(xì) 化大規(guī)模生產(chǎn)與物聯(lián)網(wǎng)結(jié)合有著巨大的市場需求空間 1 國 外對于智慧農(nóng)業(yè)存在多種有溫室大棚種植技術(shù) 不僅能夠利 用網(wǎng)絡(luò)進(jìn)行大棚的實時通信 還能夠進(jìn)行對大棚內(nèi)的各個參 數(shù)進(jìn)行調(diào)節(jié) 并對其大棚中各個參數(shù)進(jìn)行實時監(jiān)控與調(diào)節(jié) 如美國已應(yīng)用 5S 技術(shù) 2 智能化農(nóng)機(jī)技術(shù)等形成了農(nóng) 業(yè)精細(xì)化 幫助農(nóng)場主精細(xì)化耕作并提質(zhì)增效 日本利用數(shù) 字技術(shù) 傳感技術(shù)和遠(yuǎn)程控制等技術(shù)建立了個性化 網(wǎng)上農(nóng) 場 式農(nóng)業(yè)運營新模式 3 使消費者可實時自主遠(yuǎn)程精準(zhǔn)控 制自有農(nóng)產(chǎn)品生產(chǎn) 并獲得理想的農(nóng)產(chǎn)品 雖然我國現(xiàn)代農(nóng) 業(yè)化發(fā)展進(jìn)程加快 但是相較于國外的技術(shù)我們還是落后 再加上我國領(lǐng)土寬廣 類型繁多 推廣進(jìn)程不一 導(dǎo)致國內(nèi) 農(nóng)業(yè)發(fā)展各方面不均衡 因此我國農(nóng)業(yè)現(xiàn)代化需要更進(jìn)一步 的提升 針對這一現(xiàn)狀 本項目擬設(shè)計一個農(nóng)業(yè)物聯(lián)網(wǎng)控制管 理系統(tǒng) 該平臺利用5G 物聯(lián)網(wǎng)等新型信息化技術(shù) 將 STM32作為中央處理器 傳感器模塊作為監(jiān)測裝置 引入 到農(nóng)業(yè)科技園區(qū)應(yīng)用中 解決傳統(tǒng)農(nóng)業(yè)數(shù)據(jù)采集難 傳輸效 率低 人力成本高等問題 1 研究內(nèi)容 1 1 系統(tǒng)總體設(shè)計 本項目采用STM32和ZigBee技術(shù)以及5G通信技術(shù) 的融合實現(xiàn)數(shù)據(jù)的收集與傳輸 STM32系統(tǒng)中包含溫濕度 控制 光照 土壤濕度 溫控 ZigBee 和 5G 模塊 其中 需要首先在主控模塊 STM32 微處理器中先設(shè)定好程序 利 用光照模塊 溫濕度模塊對外部環(huán)境進(jìn)行數(shù)據(jù)采集 將這些 數(shù)據(jù)傳給單片機(jī) 在操作系統(tǒng)設(shè)定的標(biāo)準(zhǔn)參數(shù)范圍內(nèi)進(jìn)行各 個方面的比對 從而將實際操作反饋給物理操作系統(tǒng)并進(jìn)行 處理 再通過串口利用 ZigBee 技術(shù)實現(xiàn)數(shù)據(jù)傳輸系統(tǒng) 將 數(shù)據(jù)傳輸?shù)綌?shù)據(jù)庫中 同時通過USB接口利用5G通信實 現(xiàn)遠(yuǎn)程數(shù)據(jù)傳輸與分析 負(fù)責(zé)收集和傳送單片機(jī)的指令 這 兩個通信模塊也可以與上位機(jī)進(jìn)行通信 達(dá)到更精確高效的 工作效率 采集更多實時數(shù)據(jù) 減少商業(yè)成本投入 系統(tǒng)工 作原理如圖 1 所示 STM32F767IGT6微處理器 16M FLASH 8M SDRAM USB 串 口 5G通信模塊 ZigBee 客戶端 數(shù)據(jù)庫 網(wǎng)絡(luò)節(jié)點 1 網(wǎng)絡(luò)節(jié)點 n 圖 1 系統(tǒng)工作原理圖 1 2 各功能模塊設(shè)計 ADC GPIO PWM 光照模塊 土壤濕度 模擬時序 溫濕度模塊 溫控模塊 ZigBee網(wǎng)絡(luò)節(jié)點 圖 2 系統(tǒng)的硬件框圖 1 溫濕度控制模塊 DHT11 濕度測量范圍為 20 90 RH 溫度測量范圍為 0 50 濕度測量精度 5 相對濕度 溫度測量精度 5 溫度測量精度 4 可通過 DHT11 并測量溫濕度得到數(shù)據(jù) 將數(shù)據(jù)通過網(wǎng)絡(luò)傳 輸給主控單片機(jī) 主控單片機(jī)通過 5G 模塊下載數(shù)據(jù)庫的信 息與溫濕度數(shù)據(jù)進(jìn)行對比 來發(fā)送指令控制調(diào)溫濕度的模塊 達(dá)到預(yù)設(shè)溫濕度 2 光照模塊 TEMT6000 光照模塊的基本原理是 以光電效應(yīng)為基礎(chǔ) 把被測量的變化轉(zhuǎn)換成光信號的變化 然后借助光電元件進(jìn)一步將非電信號轉(zhuǎn)換成電信號 通過 ADC采集電信號數(shù)據(jù) 將數(shù)據(jù)通過網(wǎng)絡(luò)傳輸給主控單片機(jī) 基于 5G 的智慧農(nóng)業(yè)物聯(lián)網(wǎng)控制管理系統(tǒng)設(shè)計 熊峻輝 劉娟秀 黃心怡 雷光明 毛媛 成都工業(yè)學(xué)院 電子工程學(xué)院 四川成都 611730 基金項目 2021年大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目 項目編號 202111116009 摘要 農(nóng)業(yè)智能化是目前物聯(lián)網(wǎng)技術(shù)的研究熱點 本項目利用STM32F103開發(fā)板主控 搭載溫濕度 光照等傳感器實時檢測大棚室內(nèi)的環(huán) 境參數(shù) 采用ZigBee組網(wǎng)和5G模塊建立通信網(wǎng)絡(luò) 將數(shù)據(jù)傳輸?shù)絾纹瑱C(jī)與各參數(shù)預(yù)定的數(shù)值進(jìn)行比對 控制 并通過實驗測試系統(tǒng)能實 現(xiàn)溫室大棚智能調(diào)節(jié)植物生長環(huán)境的溫濕度及光強(qiáng) 關(guān)鍵詞 5G STM32 智能大棚 DOI 10 16589 11 3571 tn 2022 17 008 31 智能應(yīng)用 主控單片機(jī)通過 5G 模塊下載數(shù)據(jù)庫信息與光照模塊數(shù)據(jù)進(jìn) 行對比 來發(fā)送指令進(jìn)行補(bǔ)光和遮光等物理操作使得光照達(dá) 到預(yù)設(shè)適宜強(qiáng)度 3 土壤濕度模塊 YL 69 土壤濕度模塊的基本原 理將被測量的濕度轉(zhuǎn)換成電信號 通過 ADC 采集電信號數(shù) 據(jù) 將數(shù)據(jù)通過網(wǎng)絡(luò)傳輸給主控單片機(jī) 主控單片機(jī)通過 ZigBee 模塊下載數(shù)據(jù)庫的信息與土壤濕度模塊數(shù)據(jù)進(jìn)行對 比 來發(fā)送指令控制自動灌溉模塊實現(xiàn)調(diào)節(jié)土壤濕度 4 溫控模塊 風(fēng)扇 風(fēng)扇模塊是通過控制 PWM 值 來控制風(fēng)扇轉(zhuǎn)速 進(jìn)而控制降溫速度 主控單片機(jī)通過發(fā)送 的指令來控制風(fēng)扇不同的轉(zhuǎn)速 5 ZigBee 模塊 CC2530 通信模塊的作用是將傳 感器得到的數(shù)據(jù)傳輸給主控單片機(jī) 在農(nóng)業(yè)監(jiān)測區(qū)域內(nèi)根 據(jù)隨機(jī)分布的多種類的微型傳感器利用 ZigBee 組網(wǎng) 在對 網(wǎng)絡(luò)進(jìn)行全覆蓋的同時 采集 計算和處理區(qū)域中監(jiān)測到的 對象的動態(tài)信息 由于對農(nóng)業(yè)生產(chǎn)的監(jiān)控面積十分大 想要 網(wǎng)絡(luò)覆蓋足夠全面 采用 ZigBee 組網(wǎng)是十分實用的 采用 ZigBee 獲取各個模塊的數(shù)據(jù) 主控單片機(jī)通過不同的局域 網(wǎng)IP 獲取不同模塊的數(shù)據(jù) 將獲取數(shù)據(jù)與數(shù)據(jù)庫下載數(shù) 據(jù)進(jìn)行對比 進(jìn)而實現(xiàn)不同邏輯之間的控制 6 5G 模塊 MH5000 系統(tǒng)近程數(shù)據(jù)傳輸利用 ZigBee組網(wǎng) 遠(yuǎn)程數(shù)據(jù)傳輸利用5G模塊 再聯(lián)系物聯(lián)網(wǎng) 云平臺實現(xiàn)終端設(shè)備和數(shù)據(jù)監(jiān)控中心的遠(yuǎn)程通信 同時 將 Web服務(wù)器部署在第三方云平臺上 通過界面設(shè)置相關(guān)自 動化設(shè)備的閾值參數(shù) 進(jìn)而完成補(bǔ)光等一系列操作 1 3 軟件設(shè)計 軟件系統(tǒng)主要完成的功能包括系統(tǒng)初始化 環(huán)境溫度控 制 土壤濕度控制 光強(qiáng)控制和數(shù)據(jù)傳輸通信 軟件總體流 程圖如圖 3 所示 當(dāng)軟件開始運行時 首先進(jìn)行基礎(chǔ)初始化和通信模塊初 始化 若初始化異常則重新開始初始化 初始化成功后 進(jìn) 行通信連接 鏈接異常則重新開始初始化 鏈接成功后 直 接進(jìn)入網(wǎng)絡(luò)節(jié)點 1 或網(wǎng)絡(luò)節(jié)點 n n 為 2 3 4 5 或進(jìn)入數(shù)據(jù)庫讀取數(shù)據(jù) 直接得出數(shù)據(jù) n 或進(jìn)行數(shù)據(jù)比對 1 或數(shù)據(jù)比對n 得出控制指令1或控制 n 分別進(jìn)入網(wǎng)絡(luò)節(jié)點 1 或網(wǎng)絡(luò)節(jié)點 n 得到數(shù)據(jù) n 或數(shù)據(jù) 1 若為數(shù)據(jù) 1 則再 次進(jìn)入數(shù)據(jù)比對的循環(huán) 開 始 基 礎(chǔ) 初始化 通信 模塊初 始化 初 始 化成功 通 信 連 接 異 常 處 理 數(shù)據(jù) 1網(wǎng) 絡(luò) 節(jié) 點 1 數(shù)據(jù) 庫數(shù)據(jù) 讀取 數(shù)據(jù) 比對 1 數(shù) 據(jù) 比 對 n 控制 指令 1 控 制 指 令 n數(shù)據(jù) n網(wǎng) 絡(luò) 節(jié) 點 n Y N N Y Y Y 圖 3 系統(tǒng)軟件總體流程圖 開 始 IO模 式 復(fù)位 控制模 塊 控 制 模塊回 應(yīng) 復(fù) 位 成 功 IO接 收 控制 模塊初 始 化成 功 返 回 1 結(jié)束 返 回 0 返回 0 N N 圖 4 初始化流程圖 32 電子制作 2022 年0 9 月 智能應(yīng)用 軟件的初始化流程如圖 4 所示 將程序設(shè)置為 IO 模式 再復(fù)位控制模塊 如果控制模塊復(fù)位失敗則返回 0 繼續(xù)進(jìn) 行復(fù)位控制模塊操作 如果復(fù)位成功 則進(jìn)行 IO 接收 控 制模塊初始化成功 返回 1 程序結(jié)束 如果初始化失敗 則返回 0 繼續(xù)進(jìn)行 IO 接收操作 因為 STM32 內(nèi)部自帶 ADC 轉(zhuǎn)換 所以在土壤濕度控制 模塊中 AO 口接到 STM32 的 PA0 口 DO 口接到 STM32 的PA1口 把模擬量轉(zhuǎn)換為數(shù)字量 再在系統(tǒng)中比較輸入 的數(shù)字量和預(yù)設(shè)數(shù)字量的關(guān)系 從而決定是否開啟或關(guān)閉抽 水泵 光照模塊也是同理 在溫度調(diào)節(jié)方式中 將DHT11 傳感器的 Dout 引腳 連接到 STM32 的 PA2 口 使用 STM32的TIM1通用定時器 對環(huán)境溫度進(jìn)行輸入捕獲 和預(yù)設(shè)的數(shù)字量進(jìn)行數(shù)據(jù)比較 通過PE9引腳輸出PWM波 根據(jù)比較結(jié)果決定風(fēng)扇是否開啟 軟件流程如圖 5 所示 2 調(diào)試結(jié)果 1 溫度控制調(diào)試 根據(jù)不同地理位置和大棚種植類 型 從數(shù)據(jù)庫獲取該條件下溫度閥值 調(diào)試時 以數(shù)據(jù)庫獲 取的閾值為設(shè)定值 如設(shè)置閾值為 30 在未達(dá)到閾值溫 度時 風(fēng)扇關(guān)閉 如圖6所示 在溫度高于設(shè)定的30 時 風(fēng)扇開啟實現(xiàn)降溫 測試結(jié)果如圖 7 所示 圖 6 溫度在設(shè)定值內(nèi) 2 土壤濕度控制調(diào)試 根據(jù)不同地理位置和大棚種 植類型 從數(shù)據(jù)庫獲取該條件下土壤濕度閥 值 如設(shè)置閾值為5 1 在未達(dá)到閾值土 壤濕度時 抽水泵開啟 如圖8所示 在 土壤濕度高于設(shè)定的5 1 時 抽水泵關(guān)閉 測試結(jié)果如圖 9 所示 圖 7 溫度超過設(shè)定值 圖 8 土壤濕度在閥值內(nèi) 圖 9 土壤濕度超過閥值 3 光強(qiáng)控制調(diào)試 根據(jù)不同地理位置和大棚種植類 型 從數(shù)據(jù)庫獲取該條件下光照強(qiáng)度閥值 調(diào)試時 以數(shù)據(jù) 庫測試閾值為準(zhǔn) 測試閥值 40000 即當(dāng)光照強(qiáng)度低于該測 試閥值時 進(jìn)行補(bǔ)光裝置工作 閥值內(nèi)如圖 10 所示 此時 燈并未點亮 超過閥值的情況如圖 11 所示 此時燈點亮進(jìn) 行補(bǔ)光 圖 10 光照強(qiáng)度在閥值內(nèi) 開始 初始 化成功 讀取 環(huán)境濕 度 讀 取 環(huán)境光 強(qiáng) 讀 取 環(huán) 境 溫 度 土壤 濕度 5 1 光 照 強(qiáng) 度 40000 環(huán) 境 溫 度 30 抽 水 泵開啟 抽 水 補(bǔ)光 燈開啟 風(fēng)扇 開啟 數(shù) 據(jù) 比對模 塊 等待 下個指 令 N N N Y Y Y 圖 5 控制模塊流程圖 下轉(zhuǎn)第 70 頁 70 電子制作 2022 年0 9 月 軟件開發(fā) for scene text recognition C Computer Vision and Pattern Reco gnition CVPR 2012 IEEE Conference on IEEE 2012 2687 2694 4 Shi B Bai X Yao C An end to end trainable n eural network for image based sequence recognition and its application to scene text recognition IEEE Trans on Pattern Analysis Machine Intelligence 2016 39 11 2298 2304 5 Graves A Fernandez S Gomez FJ Schmidhu ber J Connecti onist temporal classification Labelling unsegmented sequen ce data with recurrent neu ral networks In Proc of the Int l Conf on Machine Learning 2006 369 376 6 Gu J T Lu Z D Li H et al Incorporating copying mechanism in sequence to sequence learning C Proceedings of the 54th Annu al Meeting of the Association for Computational Lingu istics Stroudsburg Association for Computational Linguistics 2016 1631 1640 7 Luong Minh Thang Pham Hieu Manning Christ opher D Eff ective Approaches to Attention based Neural Machine Transla tion J Computer Science 2015 8 Xu K Ba J Kiros R et al Show Attend and Tell Ne ural Ima ge Caption Generation with Visual Attention J Computer ence 2015 2048 2057 9 Chorowski J Bahdanau D Serdyuk D et al Attention Based Models for Speech Recognition J Computer Science 2015 10 4 429 439 10 Wang F Jiang M Qian C et al Residual Attention Networ k for Image Classification J arXiv 1704 06904 2017 11 Raffel Colin Ellis Daniel P W Feed Forward Networks wit h Attention Can Solve Some Long Term Memory Problems J arXiv 1512 08756 2015 12 Sutskever I Vinyals O Le Q V Sequence to sequence learn ing with neural networks C Advances in Neural Information Processing Systems Montreal Canada 2014 3104 3112 13 Baoguang S Mingkun Y Xinggang W et al AS TER An Atte ntional Scene Text Recognizer with Flexible Rectification J IEEE Transactions on Patte rn Analysis and Machine Intelligen ce 2019 41 9 2035 2048 14 Z Xie Y Huang Y Zhu L Jin Y Liu and L Xie Aggrega tion Cross Entropy for Sequence Recognition 2019 IEEE CVF Conference on Computer Vision and Pattern Recognition CVPR Long Beach CA USA 2019 6531 6540 15 Zhan F Lu S ESIR End to end Scene Text Recognition via Iterative Image Rectification J arXiv 1812 05824 2018 16 Chen L C Papandreou G Kokkinos I et al Dee pLab Se man tic Image Segmentation with Deep Convolutional Nets Atrous Convolution and Fully Connected CRFs J IEEE Transactions on Pattern Analysis Machine Intelligence 2018 40 4 834 848 17 Karatzas D Shafait F Uchida S et al ICDAR 2013 robust rea ding competition C Document Anal ysis and Recognition IC DAR 2013 12th Internati onal Conference o n IEEE Computer Society 2013 18 Karatzas D Gomez Bigorda L Nicolaou A et al ICDAR 2015 competition on Robust Reading C 2015 13th In ternational Conference on Document Analysis and Recognition ICDAR IEEE ComputerSociety 2015 圖 11 光照強(qiáng)度超過閥值 3 結(jié)論 本文設(shè)計了一種智能栽培系統(tǒng) 通過簡單的操作實現(xiàn)了 自動化栽培 更加滿足現(xiàn)如今中國的農(nóng)村現(xiàn)狀 并且還可以 運用在除栽培以外的其他行業(yè)中 還有 5G 技術(shù)的輔助 進(jìn) 一步提高了數(shù)據(jù)傳輸?shù)乃俣扰c精度 有利于農(nóng)業(yè)實現(xiàn)精細(xì)化 生產(chǎn)以及高效出產(chǎn) 具有較好的應(yīng)用前景 參考文獻(xiàn) 1 王子右 精準(zhǔn)扶貧對偏遠(yuǎn)地區(qū)企業(yè)績效影響的實證研究 J 湖北經(jīng)濟(jì)學(xué)院學(xué)報 人文社會科學(xué)版 2021 18 3 4 2 Zou Z Bie Y Zhou M Design of an Intelligent Control Sys tem for Greenhouse C 2018 2nd IEEE Advanced Information Management Communicates Electronic and Automation Con trol Conference IMCEC IEEE 2018 3 周千 李秉柏 程高峰 淺議 5S 技術(shù)在數(shù)字農(nóng)業(yè)中的應(yīng)用 C 2009 第五屆蘇皖兩省大氣探測 環(huán)境遙感與電子技術(shù)學(xué)術(shù) 研討會 4 馮簫 周娜 基于單片機(jī)的大棚溫濕度控制系統(tǒng)設(shè)計 J 電腦 知識與技術(shù) 學(xué)術(shù)版 2020 16 23 2 5 呂慶軍 鐘聞宇 由浩良 基于單片機(jī)構(gòu)建智慧農(nóng)業(yè)無線傳 感器網(wǎng)絡(luò) J 時代農(nóng)機(jī) 2019 46 10 6 Zhen L I Shi L Guan M et al Design of greenhouse intellig ent control system based on LabVIEW and ZigBee J Modern Electronics Technique 2016 上接第 32 頁