宋俊慷 杨秀增
（广西民族师范学院物联网技术集成与应用重点实验室，广西 崇左 532200）
2020年中央1号文件指出依托现有资源建设农业农村大数据中心，加快物联网、大数据、区块链、人工智能、第五代移动通信网络、智慧气象等现代信息技术在农业领域的应用。“十三五”广西科技计划项目申报指南（第五版）中的广西重点研发项目也明确了“科技强农”专项。因此，采用物联网技术克服传统农业生产数据收集时效性低、人工成本高和难以有效的汇集等缺点，使用人工智能中的机器学习算法对通过物联网技术收集的农业生产数据进行分析评价，从而实现对农业生产过程的科学指导，将为进一步推广农业信息化建设打下必要的研究基础。
从物联网技术和机器学习算法协同创新应用出发，首先使用物联网技术实现农业生产数据的实时采集、组网传输和集中存储；
其次通过预处理算法消除集中存储的农业生产数据随机误差；
最后研究聚类、神经网络等机器学习算法对农业生产过程数据的分析评价及其在农业生产过程中的现实应用。主要研究对象如下：
（1）研究物联网技术实现农业生产中数据采集的实施方案，探索物联网传感器、物联网通信技术和物联网开放云平台协同搭建物联网监测系统，在此基础上实现农业生产过程数据的实时采集、组网传输和集中存储。
（2）研究农业生产数据的预处理算法，通过物联网技术获得的农业生产数据存在随机误差不能很好地反应生产的现实情况，随机误差的存在将直接影响后期使用聚类、神经网络等机器学习算法对农业生产数据分析评价的结果，因此需要选择合适的预处理算法对集中存储农业生产数据进行去噪。
（3）在前述工作的基础上，使用聚类、神经网络等机器学习算法对预处理后的农业生产数据进行分析评价，将评价结果应用于农业生产过程控制，为农业生产提质增效提供必要的决策依据。
2.1 系统总体框架
在借鉴国内外已有的理论和实践研究成果的基础上，结合实际情况加以发展和改进，以聚类、神经网络等机器学习算法在农业生产中的应用为目标。在使用物联网技术实现对农业生产数据进行收集后，将聚类、神经网络等机器学习算法应用在农业生产数据分析和评价。利用分析评价结果可指导农业生产过程实践的同时，为农业生产过程自动化、智能化控制提供相关决策依据，系统结构如图1所示。
图1 系统结构
通过对农业生产调研发现农业生产数据主要有两种分布形式，一类数据分布相对集中，另一类数据分布相对分散。针对分布相对集中的农业生产数据，可使用物联网传感器对其进行采集后，直接由5G数据传输模块经Internet上传至物联网开放平台；
针对分布相对分散的农业生产数据可将物联网传感器采集的数据经ZigBee或LoRa等WSN网络进行汇集后再由5G数据传输模块经Internet上传至物联网开放平台。物联网开放平台在接收到由物联网传技术采集、传输的农业生产数据后主要完成数据的存储、发布和可视化展示工作。在此之后，一方面可使用计算机或智能手机查看物联网开放平台存储的农业生产数据；
另一方面可以使用聚类、神经网络等机器学习算法对农业生产数据进行分析评价。
2.2 系统设计流程
（1）通过对近年来国内外物联网技术和机器学习在农业生产实际应用的相关文献的研究，选择具有代表性的农业生产数据作为分析评价目标，针对该类农业生产数据分布情况确定基于物联网技术的数据收集方案，根据收集的农业生产数据选用合适的分析评价算法（如聚类、神经网络等）进行分析评价。
（2）针对（1）中最后决定的农业生产数据形式、物联网数据收集方案和分析评价算法，选取合适的硬件和软件开发平台完成具有相应功能的实物系统开发，该系统主要分为两个部分，一部分基于物联网技术实现农业生产数据收集工作；
另一部分基于聚类、神经网络等机器学习算法实现农业生产数据分析评价。
（3）系统功能验证研究：将已经完成的实物系统应用到具体农业生产过程中，验证其是否可以使用物联网技术有效采集、传输和存储农业生产数据，并在此基础上使用聚类、神经网络等机器学习算法实现对农业生产数据的分析评价。
3.1 技术路线
研究技术路线如图2所示，以物联网技术作为支撑，实现农业生产数据的实时监测、远程传输和集中存储，在此基础上使用聚类、神经网络等机器学习算法对农业生产数据进行分析评价。由于农业生产数据涉及范围广，可根据不同类型的农业生产数据特性选用合适的机器学习算法进行分析评价，进行具体实践时选取“农作物种植”或“水产养殖”两类农业生产活动为主要研究对象，通过物联网技术采集这两类农业生产数据后使用聚类、神经网络等机器学习算法对“农作物种植”或“水产养殖”的农业生产数据进行分析评价，最终验证整个系统功能。
图2 技术路线图
3.2 实施步骤
第一步，将农作物种植的土壤环境数据或水产养殖的水域环境数据，作为农业生产数据分析和评价的主要研究对象。
第二步，根据土壤环境数据或水域环境数据分布形式选择合适的物联网传感器对这两类农业生产数据进行实时采集工作。
第三步，采用5G+WSN或者单独的5G作为物联网通信技术完成对物联网传感器采集的农业生产环境数据进行远程传输。
第四步，使用物联网开放平台完成农业生产数据的存储、发布和展示工作，用户可使用电脑或手机快速查询下载存储的农业生产环境数据。
第五步，在使用聚类、神经网络等机器学习算法对经过预处理的土壤环境数据或水环境数据进行分析评价，将评价结果作为农业生产过程自动化和智能化的依据。
农业生产的分布形式多样，难以有效的收集农业生产数据，因此本文以物联网技术为基础，将物联网传感器、物联网通信技术和物联网开发平台联合，搭建农业生产数据远程监测平台。具体实施时首先需针对不同的农业生产活动类型确定合适的物联网传感器采集农业生产数据，其次选取与物联网传感器分布形式匹配的物联网通信技术完成农业生产数据的远程传输工作，最后选择合适的物联网开放平台完成农业生产数据的汇集和调用。整个系统以农业生产数据分析和评价为目的，将物联网技术实现农业生产数据实时采集、组网传输和集中存储作为基础，选取农作物种植的土壤环境数据或水产养殖的水域环境数据为分析评价对象，使用聚类、神经网络等机器学习算法完成农业生产数据的分析和评价。
猜你喜欢 聚类机器联网 机器狗环球时报(2022-07-13)2022-07-13“身联网”等五则党的生活（黑龙江）(2022年4期)2022-04-25《物联网技术》简介现代电子技术(2022年8期)2022-04-13机器狗环球时报(2022-03-14)2022-03-14《物联网技术》简介现代电子技术(2022年4期)2022-02-21物联网下的智控萌宠屋电子制作(2019年13期)2020-01-14基于K-means聚类的车-地无线通信场强研究铁道通信信号(2019年6期)2019-10-08未来机器城电影(2018年8期)2018-09-21基于高斯混合聚类的阵列干涉SAR三维成像雷达学报(2017年6期)2017-03-26基于Spark平台的K-means聚类算法改进及并行化实现互联网天地(2016年1期)2016-05-04