基于WSN与TinyOS技术的智能温室监控系统设计

王亚平+张宝华+董丽荣

摘要：构建传统的温室监控系统需要大量的线缆，从而增加了造价，并给维护造成很大的困难。研究用无线传感网络技术实现前端温室信息的采集与远程监控，不但节省了造价，而且系统采用TinyOS技术，可以实现低功耗、高鲁棒性、数据快速传输。研究的系统在温室监控中有一定的实际应用价值。

关键词：WSN；TinyOS；节点；低功耗；农业生产；智能温室

中图分类号：TP277.2；S126 文献标志码：A

文章编号：1002-1302（2014）08-0408-03

我国是一个农业大国，提高农作物产量对我国经济发展尤为重要。温室种植是我国现代化农业生产的重要手段之一，也是信息化农业生产的重要组成部分。利用先进的信息技术可以不受自然环境、季节等因素的制约而生产出高质量、反季节的新鲜水果与蔬菜，从而满足人们的需求，创造出更多的利润。传统的温室监控系统在温室内放置大量的传感器，对温室的光、空气温度、空气湿度、二氧化碳浓度等信息进行采集，而且传感器多采用有线的形式，需要铺设大量的线路，维护难度大。本系统设计的基于无线传感网络（wireless sensor network，WSN）与TinyOS技术的智能温室监控系统，在无线传感器节点设计上采用多传感融合技术采集光、空气温度、空气湿度、二氧化碳浓度等信息，并通过无线的形式将信息传送到监控终端^[1]。系统设计结构见图1。

1 总体技术架构设计

本系统结合农业实际生产需求，利用设计的无线传感器节点将温室内的光、温度、湿度、二氧化碳等信息进行集中采集，再将信息发送给路由节点。路由节点在这个网络中起到中继的作用，将信息经过多次转发传送给Sink节点^[2]。Sink节点会对信息进行汇总，可以通过3G网络或者Internet网络将信息发送给监控终端。监控终端对前端采集的信息能够进行实时监控，同时监控终端平台配置一台智能分析服务器和数据库服务器。智能分析服务器会对信息进行智能分析，以指导对前端温室环境的控制^[3]。数据库服务器对数据进行储存和管理，可以对指定的传感器进行查询与分析。系统总体技术架构见图2。

同时，系统能够实现这些功能：（1）系统能够对前端采集的数据进行实时监控；（2）系统支持数据查询功能，即当监控人员要求对具体区域的节点进行查询时，能供监控人员使用；（3）系统支持故障检测功能，即当前端某个节点发生损坏时，能够通过节点编号查到节点的具体位置，维护人员可以根据提供的信息快速准确找到损坏节点的位置并更换节点，从而

遥感（remote sensing，RS）是通过某种传感器装置在远距离、不直接接触研究对象的情况下，对目标进行测量、分析并判定目标性质的一门科学和技术^[1]。利用遥感技术获取的数据具有实时性高、覆盖范围广、信息丰富客观等优点，因而被广泛应用于航空、航天、军事侦察、灾害预报、环境监测、资源勘探、土地规划与利用、灾害动态监测、农作物估产、气象预报等诸多军事及民用领域。农业遥感始于1971年美国开展的大面积农作物估产试验，目前在农作物遥感监测、产量估算、长势评估等方面都取得了较好的进展。近年来，我国的农业遥感技术主要体现在农业资源的监测与保护、农作物长势监测和大面积估产、农业气象灾害监测与预测和作物遥感模型等几个方面^[2]。

基于过程的作物生长模拟模型能够定量描述作物生长发育及产量品质形成过程，已经成为现代农业发展的一个重要领域。美国的CERES和荷兰“de Wit”系列模型是作物生长模型的典型代表，并且国内外已经研制了一批作物生长模拟与决策支持系统，同时实现了作物生长各阶段长势的模拟预测和决策支持^[3]。但是，已有的作物生长模型通常是基于单株作物生长发育及产量品质形成过程的模拟，而对于多株或一定范围内作物的生长发育状况的研究相对较少。与此相关的主要体现在宏观上，利用遥感影像实现大面积作物的监测、评估^[4]。实际上，由于影像分辨率、真实地况差异、相关算法效率、人工误差等诸多因素的存在，大面积作物长势分析、种植面积估算等研究具有很大的不确定性和不可靠性，而近年来普及的遥感技术和日益丰富的影像数据为上述问题的解决提供了便利。利用高、中、低等不同层次分辨率的遥感影像可以实现大到区域级、小到单株作物级的监测和评估，为作物长势分析、产量估算及其真实生长模型监控等提供必要的途径。

本研究拟构建一个基于农作物生长发育不同阶段的特征显著的模板数据库，实现农作物从播种到收获各阶段的过程模拟化和模型数据化。通过选取高、中分辨率遥感影像建立不同尺度级别作物的分析、对比、评估，可以满足一定区域内作物估产、作物长势分析、灾害预警等应用需要，实现遥感信息定性、定量、定位一体化快速处理，从而推动数字农业、精细化农业的快速发展。

1 作物长势模板数据库分析

1.1 需求分析

遥感影像是通过安装在遥感平台上的设备对目标物表面摄影或扫描获得的影像。遥感影像具有多平台、多传感器、多波段、多比例尺、多时相等优点，能提供丰富的信息，其特征能够反映地理环境或目标物的质、量和动态信息^[5]。波谱特性、空间特性、时间特性是遥感影像的基本属性。其中，波谱特性指物体发射、反射的电磁波强度，在遥感影像中通常表现为颜色、亮度、阴影等特征信息。空间特性包括成像信息的空间分辨率和投影性质分析，涉及影像空间位置、空间布局以及地物的形状、纹理、图案等特征信息。该特征为从形态学方面识别地物、绘制地图、目标解译以及对图像进行几何纠正、增强处理等提供了重要的依据。时间特性是以一定的周期对地面重复成像，获取多时相遥感影像进行对比分析。遥感影像的多时相性主要表现在地理环境的自然变换过程和地物的节律性变化。由于不同时期太阳辐射、气候、植被等环境因素的变化，不同季节或日期的地物在同波段影像上色调存在差异。endprint

农业生产是人类社会最基本和最重要的生产活动之一，是人类社会生存和发展的基本条件。农作物长势监测能够提供全面、客观、精准的基础数据，尽早对粮食市场进行监控和预测，为农业政策的制定和粮食安全、粮食贸易提供决策依据。利用遥感技术可以实现农作物长势的全程监控，包括作物的苗情、生长状况、变化规律以及自然灾害等情况，也为农作物产量估测、灾害预警等其他研究提供了必要的前提^[6]。目前，农作物长势监测的方法主要包括直接检测方法、同期对比方法、诊断模型以及作物生长过程监测、生长模型方法等。这些方法在一定条件下能够实现特定农作物的长势监测，但也都存在一定的局限性，如物候差异问题、长势与最后产量预测脱节、缺乏定量监测等。

农作物长势模板数据库就是通过分析农作物生长发育各阶段的显著特点和不同阶段关注的核心问题，选取合适尺度的遥感影像并提取重要特征参数，建立长势模板数据库，并根据遥感监测结果进行动态更新，从而为作物长势分析、产量估测、灾害预警提供可靠的数据基础和高效的分析方法。

1.2 构建流程

农作物长势模板数据库构建主要包括RS影像选取、图像特征提取、数据存储、数据更新4个阶段（图1）。

4 总结

农作物长势监测是农业遥感监测和估产的核心部分，其本质是根据作物生长发育各阶段监控作物种植和粮食培育过程中的问题，实时动态地了解作物生长状况，确保作物丰收增产，从而保证国家的粮食安全。本研究提出利用高、中、低分辨率遥感影像建立区域性作物生长发育数据库，结合已有农业数据和历年遥感影像历史数据实现对当前作物种植、长势、估产等若干问题的监控和管理，为农业信息化的实现提供了很好的参考模式。随着遥感技术的发展，大量厘米级分辨率的高分辨遥感影像不断出现并快速更新，可以实现田块级别、单株级别作物长势状况分析，从而为精细化农业发展提供了必要的基础。

参考文献：

[1]李小文. 遥感原理与应用[M]. 北京：科学出版社，2008：1-8.

[2]邢素丽，张广录. 我国农业遥感的应用现状与展望[J]. 农业工程学报，2003，19（6）：174-178.

[3]陈仲新. GEOSS背景下的农业遥感监测[J]. 中国农业资源与区划，2012，33（4）：5-10.

[4]冯学智，肖鹏峰，赵书河，等. 遥感数字图像处理与应用[M]. 北京：商务印书馆，2011：267-274.

[5]陈圣波，孟治国，湛邵斌，等. 遥感影像信息库[M]. 北京：科学出版社，2011：23-35.

[6]刘 慧，汤 亮，张文宇，等. 基于模型的可视化水稻生长系统的构建与实现[J]. 农业工程学报，2009，25（9）：148-154，彩插2.

[7]Mather P M. Computer processing of remotely-sensed images：an introduction[M]. 3rd ed. Chichester：John Wiley & Sons，2004：110-123.

[8]杜根远. 海量遥感图像内容检索关键技术研究[D]. 成都：成都理工大学，2011：46-48.

[9]熊德兰，杜根远.遥感影像模板数据库设计与实现[J]. 现代计算机：上半月版，2012，10（10）：62-65.

[10]蒋 楠，李卫国，杜培军. 雷达遥感在水稻生长监测应用中的研究进展[J]. 江苏农业科学，2011，39（2）：491-493

[11]中国科学院计算机网络信息中心. 地理空间数据云[DB/OL]. [2013-12-01]. http：//www.gscloud.cn/.

[12]柳钦火，辛晓洲. 定量遥感模型、应用及不确定性研究[M]. 北京：科学出版社，2010：52-80.endprint

农业生产是人类社会最基本和最重要的生产活动之一，是人类社会生存和发展的基本条件。农作物长势监测能够提供全面、客观、精准的基础数据，尽早对粮食市场进行监控和预测，为农业政策的制定和粮食安全、粮食贸易提供决策依据。利用遥感技术可以实现农作物长势的全程监控，包括作物的苗情、生长状况、变化规律以及自然灾害等情况，也为农作物产量估测、灾害预警等其他研究提供了必要的前提^[6]。目前，农作物长势监测的方法主要包括直接检测方法、同期对比方法、诊断模型以及作物生长过程监测、生长模型方法等。这些方法在一定条件下能够实现特定农作物的长势监测，但也都存在一定的局限性，如物候差异问题、长势与最后产量预测脱节、缺乏定量监测等。

农作物长势模板数据库就是通过分析农作物生长发育各阶段的显著特点和不同阶段关注的核心问题，选取合适尺度的遥感影像并提取重要特征参数，建立长势模板数据库，并根据遥感监测结果进行动态更新，从而为作物长势分析、产量估测、灾害预警提供可靠的数据基础和高效的分析方法。

1.2 构建流程

农作物长势模板数据库构建主要包括RS影像选取、图像特征提取、数据存储、数据更新4个阶段（图1）。

4 总结

农作物长势监测是农业遥感监测和估产的核心部分，其本质是根据作物生长发育各阶段监控作物种植和粮食培育过程中的问题，实时动态地了解作物生长状况，确保作物丰收增产，从而保证国家的粮食安全。本研究提出利用高、中、低分辨率遥感影像建立区域性作物生长发育数据库，结合已有农业数据和历年遥感影像历史数据实现对当前作物种植、长势、估产等若干问题的监控和管理，为农业信息化的实现提供了很好的参考模式。随着遥感技术的发展，大量厘米级分辨率的高分辨遥感影像不断出现并快速更新，可以实现田块级别、单株级别作物长势状况分析，从而为精细化农业发展提供了必要的基础。

参考文献：

[1]李小文. 遥感原理与应用[M]. 北京：科学出版社，2008：1-8.

[2]邢素丽，张广录. 我国农业遥感的应用现状与展望[J]. 农业工程学报，2003，19（6）：174-178.

[3]陈仲新. GEOSS背景下的农业遥感监测[J]. 中国农业资源与区划，2012，33（4）：5-10.

[4]冯学智，肖鹏峰，赵书河，等. 遥感数字图像处理与应用[M]. 北京：商务印书馆，2011：267-274.

[5]陈圣波，孟治国，湛邵斌，等. 遥感影像信息库[M]. 北京：科学出版社，2011：23-35.

[6]刘 慧，汤 亮，张文宇，等. 基于模型的可视化水稻生长系统的构建与实现[J]. 农业工程学报，2009，25（9）：148-154，彩插2.

[7]Mather P M. Computer processing of remotely-sensed images：an introduction[M]. 3rd ed. Chichester：John Wiley & Sons，2004：110-123.

[8]杜根远. 海量遥感图像内容检索关键技术研究[D]. 成都：成都理工大学，2011：46-48.

[9]熊德兰，杜根远.遥感影像模板数据库设计与实现[J]. 现代计算机：上半月版，2012，10（10）：62-65.

[10]蒋 楠，李卫国，杜培军. 雷达遥感在水稻生长监测应用中的研究进展[J]. 江苏农业科学，2011，39（2）：491-493

[11]中国科学院计算机网络信息中心. 地理空间数据云[DB/OL]. [2013-12-01]. http：//www.gscloud.cn/.

[12]柳钦火，辛晓洲. 定量遥感模型、应用及不确定性研究[M]. 北京：科学出版社，2010：52-80.endprint

农业生产是人类社会最基本和最重要的生产活动之一，是人类社会生存和发展的基本条件。农作物长势监测能够提供全面、客观、精准的基础数据，尽早对粮食市场进行监控和预测，为农业政策的制定和粮食安全、粮食贸易提供决策依据。利用遥感技术可以实现农作物长势的全程监控，包括作物的苗情、生长状况、变化规律以及自然灾害等情况，也为农作物产量估测、灾害预警等其他研究提供了必要的前提^[6]。目前，农作物长势监测的方法主要包括直接检测方法、同期对比方法、诊断模型以及作物生长过程监测、生长模型方法等。这些方法在一定条件下能够实现特定农作物的长势监测，但也都存在一定的局限性，如物候差异问题、长势与最后产量预测脱节、缺乏定量监测等。

农作物长势模板数据库就是通过分析农作物生长发育各阶段的显著特点和不同阶段关注的核心问题，选取合适尺度的遥感影像并提取重要特征参数，建立长势模板数据库，并根据遥感监测结果进行动态更新，从而为作物长势分析、产量估测、灾害预警提供可靠的数据基础和高效的分析方法。

1.2 构建流程

农作物长势模板数据库构建主要包括RS影像选取、图像特征提取、数据存储、数据更新4个阶段（图1）。

4 总结

农作物长势监测是农业遥感监测和估产的核心部分，其本质是根据作物生长发育各阶段监控作物种植和粮食培育过程中的问题，实时动态地了解作物生长状况，确保作物丰收增产，从而保证国家的粮食安全。本研究提出利用高、中、低分辨率遥感影像建立区域性作物生长发育数据库，结合已有农业数据和历年遥感影像历史数据实现对当前作物种植、长势、估产等若干问题的监控和管理，为农业信息化的实现提供了很好的参考模式。随着遥感技术的发展，大量厘米级分辨率的高分辨遥感影像不断出现并快速更新，可以实现田块级别、单株级别作物长势状况分析，从而为精细化农业发展提供了必要的基础。

参考文献：

[1]李小文. 遥感原理与应用[M]. 北京：科学出版社，2008：1-8.

[2]邢素丽，张广录. 我国农业遥感的应用现状与展望[J]. 农业工程学报，2003，19（6）：174-178.

[3]陈仲新. GEOSS背景下的农业遥感监测[J]. 中国农业资源与区划，2012，33（4）：5-10.

[4]冯学智，肖鹏峰，赵书河，等. 遥感数字图像处理与应用[M]. 北京：商务印书馆，2011：267-274.

[5]陈圣波，孟治国，湛邵斌，等. 遥感影像信息库[M]. 北京：科学出版社，2011：23-35.

[6]刘 慧，汤 亮，张文宇，等. 基于模型的可视化水稻生长系统的构建与实现[J]. 农业工程学报，2009，25（9）：148-154，彩插2.

[7]Mather P M. Computer processing of remotely-sensed images：an introduction[M]. 3rd ed. Chichester：John Wiley & Sons，2004：110-123.

[8]杜根远. 海量遥感图像内容检索关键技术研究[D]. 成都：成都理工大学，2011：46-48.

[9]熊德兰，杜根远.遥感影像模板数据库设计与实现[J]. 现代计算机：上半月版，2012，10（10）：62-65.

[10]蒋 楠，李卫国，杜培军. 雷达遥感在水稻生长监测应用中的研究进展[J]. 江苏农业科学，2011，39（2）：491-493

[11]中国科学院计算机网络信息中心. 地理空间数据云[DB/OL]. [2013-12-01]. http：//www.gscloud.cn/.

[12]柳钦火，辛晓洲. 定量遥感模型、应用及不确定性研究[M]. 北京：科学出版社，2010：52-80.endprint