http : //syny.cbptki
D01:10.3969/j.issn.1000-1700.2021.01.016
沈阳农业大学学报,2021,52(1)：116-122 Journal of Shenyang Agricultural University
冷 令，张震邦，唐 婷，等.基于自动需求响应的远程温室监控数据融合方法[J].沈阳农业大学学报,2021,52(1):116-122. t800碳纤维
基于自动需求响应的远程温室监控数据融合方法
冷 令员，张震邦2，唐 婷2，吴伟斌圆，罗安生2
(1.中山职业技术学院信息工程学院，广东中山528400；2.华南农业大学工程学院，广州510642)
摘要：为加强温室环境监控系统稳定性，提高数据融合程度，进而提升温室环境远程监控精度，基于自动需求响应提岀远程温室 监控数据融合方法。通过分析监控系统总设计方案，将各传感器采集到的环境数据传送至协调器节点，优化系统硬件组成；利用自 适应加权融合方法对温室监控数据节点进行数据融合，将融合后的环境数据标准值传输至主控中心，通过D-S 理论实行决策级融
合，并综合分析温室作物生长环境；接收上位机传输来的采集需求指令后，系统进行初始化自检并在固定周期下采集监控节点数 据，基于所得数据进行温室环境分析、监控数据显示和控制决策，并驱动各个通信模块实现和上位机之间的通信，确定最终响应式 调控。试验结果表明：基于自动需求响应的远程温室监控数据融合方法其响应速度保持在2s 以内，利用D-S 证据理论优化决策级 融合函数，将互为关联的不同种类的证据实行组合，以此将多类监测数据进行融合，使误差控制在±1%以内，测试点的监控效果较
好，数据融合准确性得到保证，监控系统通信稳定性良好，数据融合下的环境参数精度高，实际应用的可靠性较强。系统运行软件、 硬件组成与温室作物生长条件的协调方案可为温室大棚作物生长提供一定程度上的支撑。 四鶴删回
关键词：自动需求响应；远程温室监控；数据融合;D-S 理论
爛嚳中图分类号:S625；S126 文章编号：1000-1700(2021)01-0116-07
卑聲|緻綾文献标识码:A 开放科学(资源服务)标识码(OSID):
寵鑼龜
Data Fusion Method for Remote Greenhouse Monitoring Data Based on
Automatic Demand Response
LENG Ling 1, ZHANG Zhen-bang 2, TANG Ting 2, WU Wei-bin 2, LUO An-sheng 2
渊 1.College of Information Engineering, Zhongshan Poly Technic Institute, Zhongshan Guangdong 528400,China; 2.College of Engineering, South
China Agricultural University, Guangzhou 510642,China)
Abstract : In order to enhance the stability of greenhouse environmental monitoring system, improve the degree of data fusion,
and then improve the accuracy of remote monitoring of greenhouse environment, a remote greenhouse monitoring data fusion
method based on automatic demand response was proposed. Through the analysis of the overall design of the monitoring system,
the environmental data collected by each sensor were transmitted to the coordinator node to optimize the system hardware
composition. The adaptive weighted fusion method was used to fuse the greenhouse monitoring data node, and the standard value of the fused environmental data was transmitted to the main control center. The decision-making level fusion was implemented by
D -S theory, and the greenhouse crop growth was comprehensively analyzed. After receiving the acquisition demand instructions from the host computer, the system performed initialization self-test and collected the monitoring node data in a fixed period.
Based on the obtained data, the greenhouse environment analysis, monitoring data display and control decision -making were
carried out, and the communication module was driven to realize the communication with the upper computer, and the final responsive control was determined. The experimental results showed that the corresponding speed was maintained in 2s, by data
fusion method for remote greenhouse monitoring data based on automatic demand response. The D-S evidence theory was adopted
to optimize the decision-making level fusion function, and combined correlative and different kind of evidence to fuse different
kinds of monitoring data. With the method, the error was controlled within ±1% , the monitoring effect of test points was satisfactory, the data fusion accuracy was enabled, the communication stability of the monitoring system was good, the accuracy of 收稿日期：2020—07—08-
基金项目：广东省普通高校服务乡村振兴重点领域专项项目(2019KZDZX2037)；广东省农业科技创新及推广体系建设项目(2020KJ120-CJXG )；
中山市2020年省科技专项资金“大专项+任务清单”项目(2020sdr003)
第_作者：冷令(1980-)，男，硕士，副教授，从事计算机应用技术研究,E-mail ： **************
通信作者：吴伟斌(1978-)，男，博士，教授，博士生导师，从事农业工程、机电一体化和信息技术应用研究,E-mail: *****************
第1期
冷令等：基于自动需求响应的远程温室监控数据融合方法
-117-
无线通信线路乙
Wireless commumication line
The plough satellite cluster
environmental parameters under data fusion was high, and the reliability of practical application was strong. The coordination
scheme is helpful for the growth of greenhouse crops, which includes the running software, hardware and the growing conditions
of greenhouse crops.
Key words : automatic demand response; remote greenhouse monitoring; data fusion; D-S theory
为提升农业生产水平，必须要提高我国传统农业的转型速度，大规模推广信息化和智能化形式的农业生产
技术。温室大棚中的环境复杂，信息数据变化较为缓慢，且冗余程度较大、时间与空间之间关联程度较高利
用无线传感网络中各个节点对整个温室监控区域范围内数据进行采集和处理，可有效分析各种环境因素对温
室作物生长产生的影响，并达到理想控制效果，此为温室控制领域中需要解决的核心问题。苗凤娟等网为农作物
的生长环境提供精确、实时监测算法并利用CC2430无线网络节点参数优化设计了一个基于物联网与太阳能
光伏的智能温室监控系统，在未来信息化农业发展建设中有重要应用价值。熊伟冋采用空间外差光谱技术进行
高光谱分光，阐述了载荷的基本工作原理，满足光谱及辐射定标要求，为下一步温室气体反演应用奠定了基础。 吴浩等冋提出了一种基于两者数据的协同云筛选新算法，提高温室气体反演中的云筛选效率。但是以上方法仅 在温度、气体等单一指标进行了控制且没有涉及远程控制，为此，将重点放在远程控制上，提出基于自动需求响
应的远程温室监控数据融合方法。作为智能控制技术功能之一的自动需求响应是通过分析需求响应潜力和用
户侧需求响应效果，为主体控制需求推荐信息。在本研究设计中，分析不同作物不同阶段生长环境影响因素，获 取温室作物需要的成长环境管控参数，并完善温室作物生长条件的协调方案，实现作物生长远程监控与指导,
为温室作物生长环境的信息化、智能化管控以及农业大数据高效利用提供可靠的理论和技术依据。
1基于自动需求响应的远程温室监控数据融合
1.1远程温室监控系统总设计方案
北斗卫星导航为中国自主研制的导航系统，2020年构建覆盖全球的导航系统并向全球田户、提供高精度 定位、导航以及授时服务。远程温室监控系统主要组成 北斗卫星
部分为北斗卫星系统与ZigBee 网络（图1）。其中,Zig-
Bee 网络组成部分为协调器尧路由和终端等几个节点遥
融合该系统具体应用场合，能够通过多种形式进行组
网，协调器为网络系统中主要节点，主要负责网络建立 和管理、温室环境信息数据采集管理和连接北斗传输数 据。剩余路由和支路节点及终端节点主要任务是将采集
到的环境数据传输到协调器节点。图1中的监控服务中 心作为上位机，一方面根据需求进行请求同时接收温室
现场控制中心传输来的各种环境数据，并存储绘制数据
的走势图，另一方面远程传输控制质量至控制中心对温
qq空间登录网站室环境进行调控、指导。
1.2硬件设计
系统硬件主要功能模块有采集、主控尧短信报警和 执行驱动等（图2）。传感器选择为：温度传感器统一为
DS18B20，其为一线式的电子元器件遥光照强度传感器 为GY-30数字光模块，该模块应用范围广泛，应用于手
机、LCD 和数码相机等设备遥湿度传感器为DHT11，其
功耗低，且稳定性强，测量精度±5%RH 。CO 2浓度传感器
为MH-Z14，精度为士50PPM±读数5%，其具备精度高和环境适应能力强等优点。
1.3数据融合算法
本次设计中，为了整合不同作物不同阶段生长环境影响因素，获取温室作物需要的成长环境管控参数，系
统使用自适应加权融合方法和D-S 证据理论融合方法相结合的方式实现远程温室监控数据融合［円。
有线通信线路
Wire commumication line ■协调器节点
Coordinator node
o 路由和终端节点/
Routing and terminal nodes
地面接收设备 Ground receiving equipment 图1远程温室监控系统总设计方案
Figure 1 The general design scheme of remote
greenhouse monitoring system
北斗终端
The plough terminal
监控服务中心Monitor service center
-118-
沈阳农业大学学报
第52卷
S I O S U 0»a m l E J O d u
一占
s s
^
地照恭呆趁0
-
-Z
铝
OBUQS
UOPVBJ1UQOUOO
z
o w
骼錨他翌髯
Z03
微处理器
The microrocessor
u o g E
'-ununuoo
金属铜是什么颜S S -Q J I M
采集Acauisition SIOSUUS
h -u -
-5-^3
I
n ®
UOPB .2U™1UIO0
la P Q S
微处理器microrocessor 主控Main control
微处理器The microrocessor
u o g E u
fl
nuIUIOO
执行
Execution
-UPON
I
-M
n
版嗚
0悭
•-
I m
a e iu h
A l d d n "
j q 律o d q
凸
uogeo fl
nululoo
cn
m Q I Q J t
昌陕西电视台
雾
A -d d n s
J °
律od
。百
s
Q p lp o s N S 9
图2系统硬件结构
Figure 2 The system hardware structure
1.3.1应用自适应加权温室监控数据融合 假设个传感器的方差分别是啄21，啄22,…，啄”2，需要估算的真值是，各个
传感器测量值分别是X 1,X 2, 噎,X n ，值之间相互独立，并且为X 的无偏估计，将权值分别定义为W 1,W 2, 噎,W n , 那么融合之后的值与加权因子满足式(1):
n
n
X= 移 W p X p , 移 W p =1
(1)
p =1 p =1
假设将各个传感器数据视为互为独立［9］，那么：
E ［(X-X p )(X-X q )］ (p = 1,2,…，n;q = 1,2,…,n)
(2)
综上，总均方误差为：
n n
滓2=E 移 W 2P (X-X P )2 = 移 W 2^滓,2
⑶
.p=1
J
此为一个多元函数，基于多元函数求解极值的理论，当总均方误差最小，那么对应权值可表示为：
n
W p =1/滓p 2移 -滓-r (p = 1,2,1噎,n)
(4)
p=l
滓p
式中：各个传感器的方差闪2能够基于各个传感器所采集的数据获取。对各传感器采集到的各种环境数据实行
处理，并传送至协调器节点，通过自适应加权融合法在该节点对数据实行数据集融合。
1.3.2利用D-S 证据理论优化决策级融合函数 设定U 代表有限集合,m 代表集合U 上的概率分配函数，该
n
函数满足的条件为:m (准)=0；针对任意A UU，有0Wm(A )<1； 移 m(A )=1。
中国大学及学科专业评价报告A C U
上述中的基本概率函数m:2U 寅［0,1］为某一种可信度。作为一种信任结构,D-S 证据理论可以实行决策级的
融合，利用综合分析各种类型的环境数据指导温室作物生长环境控制即主观定义融合函数：
n
Bel:2"寅［0,1］且 Bel (A )=^m(B)
(5)
A C U
式中：集合U 中的任意子集合A 信任函数为全部子集的基本概率函数相加结果，信任函数描述了证据对A 为
真的整体信任度［叫
采集一次数据进行一次融合，经融合各种类型环境数据只剩一个值，将一次采集融合之后的各类型数据以
第1期冷令等：基于自动需求响应的远程温室监控数据融合方法-119-
组的形式传输至主控中心，即当Bel(准)=0,Bel(U)=1，同时针对任意A，均有0WBel(A)<1；信任函数属于递增函数，也就是假设A t CA2哿U，那么Bel(A l)^Bel(A2)；假设A是单元素集合，则m(A)=Bel(A)遥
设似然函数表达式为：
Pl(A)=1-Bel(A忆)(6)式中:A忆代表A的补集。该函数表征了对A非假的整体信任度，其包含的性质为:Pl(A)=移m(B);0臆Bel(A)<
A疑B屹准
Pl(A忆)<1；Pl(A)+Pl(A忆)，可以通过信任区间［Bel(A),Pl(A)］表征A的不确定程度,Bel(A)是度量的下限,Pl(A)是度量的上限(图3)。
由图3可知，本次设计算法将不同种类但是互为关联的证据实行组合，以此将多种不同证据进行融合，进而获得最终结论。假设®(A)、也仏)(A沂2。为U不同证据下基本概率函数，则依照证据理论的组合规则进行合并之后可得：
0,A=准
m(A)=■v(7)
K移m』B)m2(C),A屹准
.B A C=A
-1
在融合K=蓸1-移m』B)m2(C)蔀过程中,m(C)表示任意子集合C的信任区表征函数，为使分配至空集中的
信任程度是0，则要舍弃移®(B)m2(C)，舍弃之后假设
B疑C=准
不进行补偿，则总信任值将小于1，引入参数K，即能够
不确定区间
Uncertain interval
■4
Bel Pl
01 Suspected interval
支持区间
Support interval
拒绝区间
Refusal interval
■W
怀疑区间
图3数据信任度描述示意图
Figure3The schematic diagram of data trust
description
补偿舍弃的部分，并且使融合之后总信任程度值还是1。融合之后表达式叫作正交和㊉也，相同的道理，假设存在多个关联性证据并行融合，则m=®㊉m2㊉…㊉m”，能够持续缩小假设集合，时间与信息复杂程度比较低，处理因模糊生成的不稳定因素过程中具备非常好的效果。
研究学者在通过自适应加权法对多种类型数据进行融合过程中，一般是将传感器当作单位，也就是针对每个单独传感器在一段时间内获取的数据分别赋予权重值实行融合，获得融合结果。该方式非常容易出现偏差，假设某传感器存在偏差，则其所采集到的数据都可能会出现误差，一旦不甄别就实行融合操作，一定会导致数据融合结果出现偏差［11"13］0除此之外，温室传感网络运行过程中，针对各
种数据进行融合之前，一般会剔除粗大误差，也就是当某个或者多个节点采集的数据和其他节点所得数据存在较大偏差，那么会被剔除。该方法在温室环境监控数据融合中不可取吟呵，其忽视了温室环境数据分布不均衡性，无法反映出温室环境实际情况。
以温室环境参数中的温度采集为例分析远程温室监控系统数据融合方法。系统设置的数据采集节点通过多点测温模式实现数据采集，各节点挂载着若干个同种类型的温度传感器，当节点接收到采集需求指令，则会产生一组温度数据，针对每组数据先利用狄克逊准则将粗大的误差剔除，将该组传感器中由于个别传感器发生故障造成的数据干扰排除掉，接下来求解剩下数据均值当作初步融合结果传输至协调器皿叫通过该融合程序，各节点每次仅需向协调器传输一组数据，也就是各个环境参数的值，无需重复传输多个相同环境参数，高效减少系统能耗。
尽管通过了初步数据处理，然而每次数据采集时协调器接收的数据量仍然非常大，其中包括各采集节点传输来的各个环境参数［19］遥综上，需要针对协调器数据实行更深层次融合，协调器节点集成的数据描述出了各数据采集节点所处区域实际环境情况。因温室环境数据整体分布均衡性较差，节点之间数据存在相对大的偏差正常。假设再次剔除粗大误差，一定会致使一些偏差比较大的采集节点数据被去除，此种情况违背了温室环境监控初衷，因此仅通过自适应加权法实现数据融合，将均方误差最小当作指标对各采集节点数据赋予权值，就表示将整个温室环境分解成若干个小区域，各个区域权重值表征了自身局部环境情况，将各个区域数据进
-120 -
沈阳农业大学学报
第52卷
行融合之后，对温室作物整体生长环境进行相应评价遥
最后把融合之后的数据传输至主控中心，构建所有可能
出现的情况假设集合，利用D-S 证据理论实现各种不 同质温室环境参数的融合分析，并给出每组数据对各种
假设支持程度，利用支持度对控制决策进行指导。远程
温室控制系统数据融合方法见图4。
1.4系统软件
远程温室监控系统软件运行过程中，当系统开机之
后，先初始化自检，当系统稳定，采集节点接收到上位机 传输来的采集需求指令开始在固定周期下采集温室作 物生长环境数据，将数据传输至协调器节点，节点针对 数据实行处理之后传输到主控中心。中心基于所得数据
进行分析、显示和控制决策，并且驱动系统的各个通信 模块实现和上位机之间数据通信，执行机构对温室环境 进行指导调控。整体流程见图5。
2试验结果与分析
为验证基于自动需求响应的远程温室监控数据融 合方法可行性，此次试验地点选择在广东省中山市农业
推广中心示范基地的温室大棚，对温室大棚作物生长环 境进行模拟。模拟环境见图6。
2.1通信测试
在多网融合下，将4个ZigBee 传感器节点分布在
四个角落，测试目的是对设备的丢包率及误包率进行验
证，所得结果见表1。由表1可知，在距离不断增加下,
不同设备丢包率与误包率均有增加趋势,ZigBee 稳定性 受到了一定影响，但是本研究设备丢包率最低，
南通职业大学图书馆且增长
幅度较为平稳，说明其系统运行平稳性得到保证，在整 体上能够满足远程温室监控系统运行需求。
2.2数据融合下温室环境监控效果
以温度（测试点1）、湿度（测试点2）、光照强度（测
试点3）、土壤温度（测试点4）、二氧化碳浓度（测试点 5）、露点温度（测试点6）、叶面温度（测试点7）、土壤水
分（测试点8）为例进行测量，在试验点设置5个温湿度
测试点，对数据融合下温室环境监控进行响应速度测
试，将测量值和标准化设备的计量结果与文献［4］、文献 ［5］和文献⑹进行对比，同时实行误差分析，结果见表2。
由表2可知，不同测试点的温室环境数据虽然存在一定 误差，但是可控制在±1%之内，在传感器允许范围内，本
研究方法的响应速度保持在2s 以内，8个测试点的测试D-S 证据理论温室数据融合 Greenhouse data fusion in D-S
evidence theory
控制决策..Controlling decision
图4远程温室监控系统数据融合
Figure 4 The data fusion method of remote
greenhouse monitoring system
（开始
Starting
系统开机
The starting process
*
接收采集需求指令 Receiving the instruction of data acquisition
采集温室作物生长环境数据Collecting data of greenhouse crop growth cnvironment
* ~
协调器节点处理数据 The coordinator nodes processing the data
控制决策
Controlling decision 数据通信
Data communication
指导调控
Guiding the regulation
*
结束Ending
图5系统软件运行整体流程
Figure 5 Overall flow of system software operation
结果皆高于其他文献方法，说明在远程温室监控数据融合方法下，总体上降低了系统未知事件概率，有效控制
了系统运行误差袁能够达到系统精准性要求
。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议