前言：寻找写作灵感？中文期刊网用心挑选的物联网和雾计算温室智能感控系统设计，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要:为解决当前农业产业基地温室大棚分布范围广、传感器配置不完备、监测数据准确率低、自适应调节能力差等问题，设计物联网(IoT)温室智能感控系统，提出在分布式温室环境感控系统中应用雾计算的方法并设计智能温室物联网的雾计算模型。设计研发温室环境智能感控终端设备，选用ATmega328P-AUMCU核心控制器自主设计研发采集终端Arduino主板，与以ARMCortex-A53为核心控制器设计的控制终端结合，实现温室环境信息智能感控、终端自诊断及雾计算功能。实验结果表明:设计的温室智能感控系统性能稳定、精度高，具有一定的应用与推广价值。
关键词:传感器;物联网;雾计算;感控终端;温室大棚
0引言
中国农业机械化水平的不断提高促使我国农业逐步进入现代化发展。物联网(Internetofthings，IoT)技术在温室大棚的研究中取得了一定的成效，潘金珠等人设计了基于物联网的温室大棚系统，达到自动监测的目的［1］。李亚迪等人以STM32为控制核心设计出北方日光温室智能监控系统对温湿度、光照强度、CO2浓度进行监控［2］。许明等人利用ARM11的嵌入式处理器及WinCE操作系统采集温室大棚内的温、湿度并进行自动控制［3］。符凌峰等人应用物联网低功耗优化设计，降低了温室监控能耗［4］。徐琳君等人将OLSR路由协议应用于温室数据监测实现节点与节点、节点与控制中心之间的实时通信［5］。上述研究均在某些方面实现了温室大棚无人值守的监测控制，采用的传感器并非十分全面，无法满足物联网异构性的特点。本文系统针对物联网温室大棚的管理与控制主要由监控终端、数据传输、数据管理三部分组成。能够达到精准感知、智能处理、远程调控的功能。自主研发温室环境智能感控终端，不仅能够实现温室环境参数的自动实时采集、显示、数据可视化查询与分析，还可以远程监控现场设备的工作状态、实现智能控制。将雾计算应用到环境调控过程中，提出温室物联网雾计算模型，雾节点设备可进行终端自诊断、分担计算任务，降低服务器工作负担，实现温室设施的智能控制，提高系统的稳定性及实时性。
1系统物联网架构设计
设计系统物联网架构如图1所示，主要由感知层、通信层、决策控制层及应用层4个层面构成。1)感知层:由自主研发的终端设备、光照传感器、温湿度传感器、二氧化碳浓度传感器、土壤温湿度传感器、土壤含氧量传感器、限位开关组成，可以有效地监测农业环境信息，进行数据缓存、预处理，监测周期为10min。2)传输层:通过RS—485将各传感器采集到的数据传递给终端设备，终端内部对数据进行部分处理，应用WiFi无线通信网络及MQTT协议使数据传输至服务器，并在服务器中对数据进行二次处理，同时上位机对数据情况实时显示，得出大棚内的环境状态。3)决策控制层:兼具包含有专家系统的智能分析功能和控制功能，将经过服务器的数据与专家数据进行比较，通过算法的应用排除错误数据，从而做出正确的控制决策。4)应用层:该系统面向温室种植农户、农业园区管理者、农业资源中心等多用户开放，使用者可远程监测作物生长情况，对设备进行管理，在线控制末端执行设备等。顶端还可支持云应用。
2智能温室物联网的雾计算模型
传感器获取的数据可以分为两类，一类是实时的状态数据，另一类为累计数据［6］。准确的时间序列数据记录温室环境信息的变化规律，为后续的数据挖掘、状态预测提供了重要的数据来源。但传感器在实际的数据采集与传输过程中往往会产生异常数据，由于传感器设备出现故障的频率是无法预知的，故将异常数据剔除繁琐且复杂。目前针对异常数据的检测方法研究主要有基于属性相关分析的方法、神经网络方法、聚类分析方法、基于支持向量机的方法等，以上方法在单一传感器数据源的异常数据检测中均有显著的效果，但农业环境数据来源于由多传感器，且多个温室间的数据同时向服务器传输过程会产生海量冗余。设计一种基于雾计算的数据处理模型，本地分布式设备分担计算任务、降低数据中心负载的同时用于剔除异常数据，协同云层进行服务，从而保证数据的有效性及可靠性。雾计算的系统架构可分为终端用户层、网络接入层、雾层、核心网络层及云层［7］，其核心部署有计算和存储设备的雾层。雾层中的设备统一被称为雾节点，按照功能及部署位置可将其分为雾边缘节点、微雾、雾服务器。雾边缘节点距离终端用户层最近，多由智能网关、边界路由器构成，可提供比较简单的存储、计算、通信功能，对数据预处理并返回结果。在处理复杂计算时便需要利用雾服务器，超出雾服务器计算能力的部分则由云层处理分析。微雾存在于雾边缘节点及雾服务器之间，起到路由、预处理等中间件作用。相较于集中式的云计算，雾计算的架构则更呈分布式，将一部分应用程序、数据、数据处理分布在雾节点设备，而非全部依赖服务器，符合“去中心化”特征。设计的温室物联网雾计算模型中，处于网络边缘的分布式设备可以分担一定程度的计算任务，包括数据预处理、数据缓存、故障自诊断等，还可以与云中心通信，请求服务。故需要更好地设计的雾计算设备的硬件及软件结构。
3系统具体设计
3．1硬件平台设计
自主研发的终端硬件结构如图2所示。温室环境信息系统采集终端采用了自主设计研发的Arduino主板，选用8位ATmega328P-AUMCU核心控制器，通过接口集成光照度、CO2浓度、空气及土壤温湿度、土壤含氧量传感器和限位开关，配备有LCD显示屏;继电器采用SPD—05VDC-SLC;执行器通过动态设定阈值对温室大棚现场环境进行调控，控制制暖、补光灯、风机转速、卷帘机位置、灌溉设备等;终端预留UART接口、RS—485接口、RS—232接口等，可以支持常见的RS-485协议、RS-232协议、CAN总线等，便于后续添加多种类型的传感器来满足客户的不同要求。控制终端采用树莓派Pi3ModelB，核心控制器为ARMCortex-A53，具有USB，GPIO，DIS等多个外设接口，利用其各种便捷强大的功能实现温室大棚的智能远程控制。其中，USB接口用于与终端采集器ATmega328微处理器连接，实现数据的通信;利用IO端口连接继电器，通过继电器连接报警器，实现声光报警功能;电源接口连接电源开关，为终端供电。树莓派Pi3作为核心控制模块主要用于处理来自监测终端的数据，对来自控制终端的指令做出及时响应，对执行机构发出动作指令。传感器模块的设计中，空气温湿度及二氧化碳浓度传感器选择测量精度高、抗干扰能力强、可快速响应的RS-CO2WS-N01-2模块。空气温湿度测量误差为0．5℃/3%RH，测量范围－40～125℃/5%～95%RH。土壤温湿度传感器选择HSTL-102STR模块，湿度测量误差在0%～53%范围内为3%RH，在54%～100%范围内为5%，测量范围为0%～100%;温度测量误差为0．5℃，测量范围－40～80℃。光照强度传感器选用RS-GZWS-NO1-2模块，测量范围0～65535lux，测量误差5%/年。选用40R型土壤含氧量传感器，量程0%～30%，测量误差为0．1%。
3．2系统软件设计
系统的软件程序主要包括终端采集节点软件设计及终端控制节点的软件设计。其中，终端采集节点由传感器和Arduino控制板共同组成。图3(a)为采集节点软件流程图。首先，Arduino初始化，进行环境数据采集，采集机制为数据轮询方式。随后进行数据读取，将数据转换成单片机可识别语言。数据读取后随即进行打包，通过USB通信接口传输至树莓派，并检查数据是否成功上传，成功则进入下一轮，失败则再次上传。终端控制节点软件程序运行于树莓派上，如图3(b)所示，双进程开发程序实现终端自诊断，同时判断网络连接状况及采集节点是否发生变化，诊断无故障随即运行主程序。主程序为双线程，1线程接收采集节点传输的数据并对数据进行解析，向服务器数据;2线程订阅服务器的控制指令，从而下发控制指令至采集终端。
4系统测试与分析
4．1系统测试
设计如图4(a)所示的温室环境信息终端设备，箱体外部由报警灯、电源灯、指示灯、外部接口组成，可根据需求外接不同传感器。箱体内部结构如图4(b)所示，电源，采集单元的Arduino主板，控制单元的树莓派，继电器。将此终端安装于某农业生产基地1号温室中测试，为基于LabVIEW编写的上位机页面，向管理者展示不同温室大棚内的环境状况，对不同的温室作物设置相应的环境因子阈值并配备操作按钮，用户可在上位机手动控制大棚内的设备。
4．2终端丢包率测试
系统终端发生丢包现象的主要原因有:终端在读取传感器数据时发生丢包;采集终端与控制终端间数据传输时发生丢包;终端数据经以太网向服务器传输数据时发生丢包［8］。由于前两种丢包情况可通过软件判断数据丢失情况从而重启数据发送，故本次丢包测试仅对雾节点设备中的计算单元通过以太网向服务器发送数据时发生的数据丢包现象进行测试。图6(a)为系统丢包测试结果，丢包率测试中，雾节点设备进行2000次数据，单位500byte数据量。图中横坐标为采集频率，1ms内丢包率较高;1～50ms内丢包率维持在1．5%左右，较为平稳;90ms以上丢包率逐渐趋近于0，状态稳定基本无丢包现象。
4．3终端时延测试
通信时延会影响各节点间的信息传输，实验中终端的时延是指一条完整的数据从读取到完整发送至服务器间的时间间隔［9］。雾节点设备在不同的采样周期下进行2000byte的数据发送任务，并进行50的重复试验以取平均值。测试结果如图6(b)所示，终端的最小时延为27ms，时延上限为35ms，平均时延30．47ms，标准偏差2．5528ms。由此可以看出终端具有较高的实时性。综上，通过对自主研发的终端进行的丢包与时延测试，发现系统的稳定性与实时性均表现良好，达到实验预期标准。
5结束语
设计研发一种温室大棚智能监控终端，构建的智能温室物联网的雾计算模型不仅可以实现温室环境信息的感控、终端自诊断，还可以剔除异常数据、缓存数据，分担部分计算功能以降低服务器工作量。设计温室智能监控系统包含各类农业环境信息所需传感器，在实际应用中从信息的采集、上传、处理到控制任务均可高质量响应，丢包率低、时延性好，有利于提高作物产量，节约人工成本，具有较强的实用性及推广价值。
参考文献:
［1］潘金珠，王兴元，肖云龙，等．基于物联网的温室大棚系统设计［J］．传感器与微系统，2014，33(10):51－53，57．
［2］李亚迪，苗腾，朱超，等．北方日光温室智能监控系统的设计与实现［J］．中国农业科技导报，2016，18(5):94－101．
［3］许明，闫?．基于ARM11和WinCE的温室大棚嵌入式监控系统设计［J］．仪表技术与传感器，2013(3):88－90．
［4］符凌峰，赵春宇，黄震宇，等．基于ZigBee技术的连栋温室低功耗环境监测系统设计［J］．传感器与微系统，2016，35(8):74－76，79．
［5］徐琳君，程彬彬，逯连静，等．基于OLSR的无线传感网在智能温室大棚中的应用［J］．江苏农业科学，2017，45(12):160－162．
［6］张琪，胡宇鹏，嵇存，等．边缘计算应用:传感数据异常实时检测算法［J］．计算机研究与发展，2018，55(3):524－536．
［7］贾维嘉，周小杰．雾计算的概念、相关研究与应用［J］．通信学报，2018，39(5):153－165．
［8］丁承君，刘强，冯玉伯，等．基于物联网和边缘计算的高校机房在线监测［J］．计算机工程与应用，2018，54(21):257－264．
［9］刘曙琴，陈珍萍，黄友锐，等．无线传感器网络中带延时的一致性时间同步［J］．传感器与微系统，2017，36(1):64－66，74.
作者:苑光明 王曼娜 丁承君 冯玉伯 单位:河北工业大学
