多传感器数据时空融合在温室中的应用

任明康　丰继林

摘  要： 设施农业在我国已经广泛应用于种植蔬菜和中药等单体附加值较高的作物，但WSN采集节点数据冗余和寿命普遍较短的问题制约着设施农业的长足发展。为此文章结合WSN存在的问题提出了时空数据融合模型，该模型在时间和空间序列上采用TiNA、DPS阈值管理算法和自适应加权融合算法，实现误差数据清洗和空间环境参数整合。通过时空融合算法实验，数据发送量平均减少了6.09%，同时温度数据的精度提高了2.85%，验证了该方法的可行性和有效性。

关键词： 设施农业; 数据融合; 时空融合模型; 自适应加权融合

中图分类号：TP302.1;S625.5+1          文献标识码：A     文章编号：1006-8228（2022）03-52-05

Abstract： Facility agriculture has been widely used in my country to grow vegetables and traditional Chinese medicines and other high-value-added crops， but the problem of data redundancy and generally short life span of WSN collection nodes restricts the rapid development of facility agriculture. Therefore， this paper proposes a spatiotemporal data fusion model for solving the existing problems of WSN. The model uses TiNA， DPS threshold management algorithm and adaptive weighted fusion algorithm to achieve error data cleaning and spatial parameter integration on time series and space series. The experiment of space-time fusion algorithm show that the amount of data sent is reduced by 6.09% on average， and the accuracy of temperature data is increased by 2.85%， which verifies the feasibility and effectiveness of the method.

Key words： smart agriculture; data fusion; spatiotemporal fusion model; adaptive weighted fusion

0 引言

WSN因其自组织、分布式、低成本和低功耗等优点，在设施农业环境监控领域得到了成功应用[1]，通过对作物生长的温湿度、光照强度、CO2浓度以及营养液EC等环境条件进行自动控制，保持环境条件稳定，使作物的生长发育基本不受自然条件制约[2]。

在WSN中，传感器节点分布不均匀，使得采集到的数据具有时变、不稳定的特点[3]，数据的实时性、准确性、稳定性和容错性将直接影响到整个系统的决策[4]。宋庆恒[5]等采用改进的拉伊达准则和自适应加权平均实现数据融合，在一定程度上提高了数据精度;杨永健[6]等人将SOFM神经网络应用到数据融合过程中，通过发送提取到的同类数据特征，减少了数据发送量，延长节点使用时间。

本文提出的基于时空的多传感器数据融合模型[9]，对不同时间、空间内多……