基于深度学习与物联网的水肥一体化云计算机系统研究

这是一篇研究计算机论文，本文提出了一个由智能移动设备，无线传感器网络、云计算技术、RNN 循环神经网络和互联网组成的智能农业水肥一体化云系统，实现了农业过程自动化、信息化和智能化。

第 1 章 绪论

1.1 课题背景

在农业种植过程中，灌溉施肥是农业生产的最重要环节，因此有效的利用水和合理的施肥是农业发展的核心问题。在一般农业种植中，农业工作者往往需要考虑天气、土壤、水和作物生长状况，然后从复杂多样的信息数据中实施有效的灌溉和施肥，提高粮食生产。目前，粮食安全仍然是制约我国发展的关键核心问题，以当前的退地还农、土壤保持，发展可续性自然资源，保护环境的多样性是现在农业的基础。但是随着电子技术和信息技术的发展，精准农业正成为未来农业发展的必然。其中，灌溉和施肥是精准农业的关键技术之一，则包括有效的评估种植作物的土壤水分和微量元素，保持作物生长的合理需求。联合国的统计数据表明，全世界农业用水量占全部用水量的 70％，而所有行业的农业用水量占20％。

智能农业就是采用大数据分析技术、人工智能、云计算和物联网实现农业的发展，通过信息集成、信息传输和信息挖掘实现现代农业的产业升级，是农业发展成为一个集信息管理、农田监控、智能作业的过程。尽管，物联网技术还未成熟稳重、充斥着不确定性，但是在不久的将来它将在任何时间、任何地点，为任何东西、任何内容服务拥有产生新的生产方式。因此可以容易地预测到，物联网将降低生产劳动力，并通过优化环境的资源利用来保证应用领域的智能化。

物联网可应用在不同的应用领域，如智能家居环境，智能医疗系统，智能农业系统等。近几年，我国对智能节水灌溉方面的研究主要集中在对环境信息的获取与传输方面，取得了一定的成绩。精量水肥灌溉是通过获取作物正常生长发育所需的水肥，用最少的水肥量获得最大的纯收益。而灌溉系统中的水肥一体化控制技术是实现设施农业水肥一体化智能灌溉的核心技术。因此，本文提出了基于RNN 循环神经网络的水肥一体化控制方法，实现水肥的动态、一体、精量控制。

........................

1.2 研究现状

在智能农业研究与发展过程中，众多的研究人员已经从不同的角度参与到智能农业的发展中。起始，研究者提出使用遥感数据来分析土壤湿度的相关模型。在模型中，遥感用以直接推断土壤水分，微波辐射率和红外数据被证明与土壤水分也具有强相关性。在过去的二十年中，许多研究也是主要集中在这个领域。最近，许多研究人员通过采用各种类型的无线传感器网络技术收集土壤以及环境信息来获得农田土壤水分水平并提出控制策略。Ruiyu Liang 等提出了基于 GPRS和无线传感器网络的实时土壤水分预测系统的设计和实现。系统的前端采用无线传感器网络（WSN）收集土壤含水量，再通过 GPRS 网络传输所有数据；后端使用遗传 BP 神经网络对数据进行分析和处理，模拟退火算法对结果进行优化，并提供实时预测。实验结果表明，该系统具有成本低，精度高，维护方便等优点。RuiyuLiang 等人提出使用无线传感器网络环境直接感测土壤含水量。在类似的情况下，其他与土地关于的参数和环境参数可能会影响灌溉需求。通过考虑几乎所有影响土壤水分蒸发的必要参数，及时预测土壤含水量将为土地提供更好的灌溉管理。这种预测需要有效的算法，这将在农田中产生未来的灌溉要求。在农田灌溉系统的发展现状看，各个国家之间存在严重不平衡。例如，一些国家已经实现了农田智能节水灌溉。在这些国家中美国和以色列灌溉控制管理最先进，他们主要是使用滴灌或喷灌，灌溉控制采用智能系统进行灌溉决策。这些国家已经成功地开发出了一种可以精确灌溉的自动控制设备。以色列最早使用计算机技术实现灌溉控制，并大规模应用在农业生产中。由于以色列水资源的短缺，要求必须发展智能灌溉设备。在这种情况下，需要设计具有智能控制的节水系统。另一个方面，也是由以色列国家不稳定决定的，粮食安全作为是国家安全急需高效的生产能力。由此，开发了一种由 PC 机控制的智能农田灌溉系统，该系统具有定时水源控制功能，这也是智能灌溉系统开发的第一步。然后，结合互联网的发展，设计了一种灌溉施肥控制器。该控制器可监控现场情况，设置灌溉阈值并显示灌溉设备现实，提醒异常灌溉设备，为灌溉提供指导。综上所述，我们可以看到当前的智能农业硬件发展已经十分成熟稳重，不同公司能够提供满足不同需求的各种传感器、执行器、控制器以及能够网络化的产品，这些产品使得农业数据采集更加方便。但是反过来看人们在开发智能农业系统中过多的关注与硬件产品而忽略了软件系统的开发，尤其是当前的云计算技术、大数据分析技术、人工智能技术的流行对农业数据关系提出新的要求。

..........................

第 2 章 相关技术与基础理论

2.1 MVC 设计模式

在互联网开发中，MVC 设计模式是一种十分流行的开发模式。尤其是在结合ava[19-21]、XML[22]和 2EE[23,24] (如：EBs、Servlet、NDI、DBC 和 RMI 等)后，其开发效率更高[25]。在 MVC 设计模式中，将一个系统分成了三个层面：模型层(Model)、控制层(Control)和视图层(View)，由此可知 MVC 就是三个层面的缩写词。在现在的软件开发中，MVC 已经成为主流模式，尤其是在商业软件开发中，MVC有效的保证了团队写作和高效开发。在 MVC 的繁杂过程中，其设计模型已经被成功嵌入到多个 Web 开发语言中，例如 ava、PHP、Nodejs 等。

MVC 设计模式的各个模块之间的关系如下图：

下面详细介绍 MVC 设计模式的三个层次：

(1) 模型层

模型层就是对数据内容的抽象，是对业务逻辑的响应。一般来说，一个视图层往往包含多个模型层，而一个模型可以应用到多个视图中，这样就提高了代码的复用性。模型层的一般流程是控制层访问数据库，按照用户请求获取数据，并按照一定的业务逻辑对数据进行重构，最后控制层取得模型数据之后将其显示在视图上。

(2) 视图层

2.2 RNN 神经网络

循环神经网络（RNN）是一类人工神经网络，单元之间在时序上进行连接形成有向图。这使得它可以表现时间序列的动态行为。该神经网络与前馈神经网络不同的是它使用内部现实（存储器）来处理输入序列。这使得它们适用于诸如数据集分割、手写识别或语音识别等任务。

循环神经网络主要用于两类具有类似结构的网络，一个是有限冲动，另一个是无限冲动。这两类网络都表现出时间动态行为。有限脉冲循环网络是一个有向无环图，可以展开并用严格前馈神经网络代替，而无限脉冲循环网络是一个无法展开的有向循环图。

有限脉冲和无限脉冲周期性网络都需要有额外的存储现实，并且存储由神经网络直接控制。如果存储时间延迟或有反馈进入循环，存储器也可以被另一个网络或图结构取代。这种受控现实被称为门控现实或门控记忆，并且是长期短期记忆（LSTM）和门控循环单元的一部分。相对于传统的神经网络假设所有的输入、输出都是相互对立的相比，RNN 循环神经的核心就是是利用时序信息。比如，如果你想预测经典话语中的下一个单词，你最好知道哪些单词出现在它之前。RNN 被称为循环的，因为它们对序列的每个元素执行相同的任务，输出取决于先前的计算。从另一个角度看 RNN，他们有一个记忆;，它捕获迄今为止计算的信息。以下是RNN 循环神经网络框架：

.........................

第 3 章 水肥一体化云系统需求分析...........................10

3.1 业务需求分析.............................10

3.2 功能性需求分析..........................10

第 4 章 基于 RNN 循环神经网络的水肥一体化控制算法........... 15

4.1 智能农业的水肥控制概述.......................15

4.2 水肥一体化控制算法.................16

第 5 章 基于物联网技术的水肥一体化云系统设计..................25

5.1 系统总体设计.........................25

5.1.1 系统设计的原则与目标..........................25

5.1.2 系统架构.......................26

第 7 章 系统测试

7.1 系统功能测试

软件测试的目的在于发现开发后问题并解决问题，例如在编码中存在某处的函数错误，在构造类过程的需求分析相悖，甚至是数值传递错误等等。而软件测试就是在软件被公开使用之间，在开发团队内部将这些产生不友好或者系统崩溃、系统无响应、系统运行错误等等问题解决掉。因此，可以说软件测试已经成为软件工程中不可或缺的重要步骤之一，是软件质量的最有力的保障。就目前的软件测试，一般包括单元测试、继承测试、系统测试和软件验收等四个方面。而且在软件运行测试中，可能需要测试十分多的示例，但是功能模块测试和多系统环境下的安全测试是软件测试的主要内容。

单元测试也称软件测试人员的模块测试，这是测试软件中最小的功能模块。单元测试的主要任务是确保每个模块完成或设计器定义功能，然后在软件的详细设计中指出错误，指出代码编程中的缺陷或错误。在软件测试中，软件需要被分割成多个细粒度模块，以减少软件测试的复杂性，从而使软件中的错误可以定位在一个十分特定的模块，甚至是一个类或功能中。它还有利于多个模块的并行测试。

.........................

结论

本文提出了一个由智能移动设备，无线传感器网络、云计算技术、RNN 循环神经网络和互联网组成的智能农业水肥一体化云系统，实现了农业过程自动化、信息化和智能化。使用移动设备，农业工作者可以更好的监测农田作物。使用智能设备，可以自动控制水肥系统进行定时、定量的喷洒灌溉，大大减少劳动力。同时，水肥一体化云系统引入了农业信息的水肥一体化控制方法，实现了农业种植的智能化，例如通过互联网获得下雨天气后，决策系统将给出降低喷水的决策，这不仅减少了地下水的浪费，也较少了灌溉成本。因此，水肥一体化云系统将是一种实现农田墒情监测、墒情预报、灌溉决策、灌溉监测、农田生产管理等功能，优化资源配置和生产科学管理，达到减少投入、节约资源，提高亩产经济效益等目的的环保性、节约型的技术。本文在实现水肥一体化云系统过程，主要工作及其创新点如下：

1．提出了基于 RNN 循环神经网络的水肥一体化控制算法

2．构建了水肥一体化云系统的框架，主要包括农田墒情监测、数据存储、水肥一体控制和农业数据分析等内容。

3. 实现了水肥一体化云系统。

尽管水肥一体化云系统实现了对多个农田区域、多种种植作物的全天候、立体的监控，对水肥一体进行自动控制。但是在研究与开发过程中，发现由于目前市场上传感器设备众多，各个采用的通信标准不同，通信能力也不同，需要能够增加一个更加开放的、适配更多设备对象的中间件层，进而让云系统真正做到与监测设备无关性。

参考文献（略）