情景感知在农业物联网中的应用研究

0 引 言

物联网（Internet of Things，IoT）是指通过智能感知、识别技术与普适计算等通信感知技术，将客观世界中的现实事物连接成网，达到“物物相连”的互联网状态 [1]。随着信息技术和 Internet 技术的飞速发展，客观世界中的各种现实事物已经能够利用各种感知技术转化数字化信息，为物联网的信息处理及拓展延伸提供新的技术手段。

随着各种农业基础设施的不断建设与物联网农业的广泛应用，极大地改变了传统农业的生产方式，促进了农业的信息化与智能化。近十几年来，国内外已经建成了多种面向不同农业领域的物联网系统，包括农业资源高效利用系统、农产品智能化物流系统、农业信息化生产管理系统、农产品安全溯源系统等 [2]。农业物联网已经成为发展农业、引领农业的重要技术保障。

物联网的发展也引起了计算模式的变革，传统基于主机的计算模式已经无法满足物联网的发展需求，基于情景感知的普适计算具有十分优秀的信息获取和信息处理能力，在物联网中得到了广泛应用。情景感知计算是一种对场景的建模计算技术，可实现场景级的信息获取、信息处理，能够为信息检索、智能服务等多种应用提供信息支撑 [3]。

1 农业物联网对情景感知计算技术的需求分析

1.1 精准农业栽培管理

精准农业是以信息技术为支撑，根据空间变异，定位、定时、定量地实施一整套现代化农事操作与管理的系统，是信息技术与农业生产全面结合的一种新型农业。为了提高农产品质量、降低生产成本、提高土地利用效率、减少生态环境污染，世界各主要农业国家均在大力发展精准农业，目前已经建立了多个专门用于大面积农作物种植的集成度较高的农业应用系统。目前，精准农业发展的关键技术在于协作感知测量和信息感知技术 [4]。由于技术体缺陷，现有的精准农业物联网系统对农业环境的信息采集能力不足，无法满足精准农业系统的需求。情景感知技术是一种高效的信息采集与信息处理技术，可以辅助精准农业实现海量数据的智能化分析。

1.2 农业科学研究辅助计算

随着农业基础设施的不断完善和信息技术的不断进步， 现代农业科学研究模式也发生了根本性变化，实现了从单纯依赖经验的研究模式向依赖海量数据计算科学分析的新模式转变。目前，基于海量数据的农业科学研究面临的主要难题是将农业专家经验与农作物的实时生长状态有机融合，建立一个可以辅助农业科学数据分析的模型。传统主机计算技术很难满足该需求，因此急需能够融合农业专家知识和作物数据并提供高效计算的农业科学研究辅助计算技术的支持。

1.3 农产品质量安全溯源

现阶段，人类社会的主要事物仍然直接来自农业生产。农产品质量安全不仅是维护生态环境的客观需求，更是与国民生计息息相关的头等大事，已成为世界各国发展过程中需要解决的重要问题 [5]。上世纪以来，为了满足社会正常的粮食需求，设施农业得到了快速发展。设施农业中肥料和农药的过量使用，使得在提高农作物产量的同时也污染了农作物和生态环境。随着食品安全和生态环境逐渐被社会认同，绿色农业的概念被越来越多的国家所提及和承认。但由于农业生产经营的固有缺陷，如产销分散、销售链长、管理水平低等，给农产品的质量监管带来诸多不便。农产品在生产、运输、销售过程中的信息获取与信息处理是落实农产品质量安全溯源的关键。情景感知技术为有效解决农产品质量安全的监管和溯源提供了信息技术支持。

1.4 现代农业城乡互动体验

传统农业的发展也在不断接受城市化进程的冲击，例如， 一些大型城市已经在发展能够集农业生产、农产品销售、农产品质量监管以及生态环境保护功能于一体的农业生产新模式。现代城市的发展改变了传统农业生产结构，现代农业已经逐渐从生产型农业向服务型农业发展，生产功能不断弱化， 服务功能不断升级，绿色农业、休闲农业、种植体验等项目得到了社会的高度认可。但是一体化体验式农业的发展需要高效感知计算技术的支持，这对农业物联网情景感知技术提出了更高的要求。

2 情景感知计算技术在农业物联网中的通用结构

情景感知计算技术在农业物联网中的典型应用包括场景数据获取、数据解析和服务定制。本文以田间黄豆生长检测的农业物联网服务系统为例，介绍农业物联网情景感知计算的通用结构。

(1) 在场景信息数据获取阶段，需要在田间设置光照、湿度、温度等数据采集传感器，并且需要安装监控黄豆长势的视频传感器监控系统，通过网络将传感器采集到的数据传输至服务器。

(2) 农作物数据解析阶段会对黄豆生长环境监测数据与长相长势数据进行分析处理，包括数据统计、特征提取以及模式识别等，实现黄豆生长与环境监测数据之间的适应性分析。

(3) 农作物数据解析阶段可以采用情景感知计算技术实现。服务定制任务基于黄豆长相长势与环境监测数据之间的关系，建立综合分析模型，以提高黄豆长相长势为目标，为农业生产者提供黄豆环境参数以及管理栽培意见等多种辅助决策信息。

3 农业物联网应用情景感知计算面临的主要问题

3.1 作物生长状态与环境信息感知

当前，信息感知是农业物联网情景感知要解决的主要问题。农业物联网信息感知即高效获取、处理与农作物生长状态和生长环境相关的各种信息。随着各型传感器技术和计算网络技术的不断发展，农作物相关信息采集已基本满足农业物联网系统的需求。但现有的信息采集还主要侧重于农作物生长环境的检测，对农作物自身生长状态的检查仍然十分粗犷，不能很好地满足农业物联网对数据采集的全方位需求。因此，研究农作物生长状态的数据获取与处理是农业物联网情景感知面临的主要问题。

3.2 大数据量远距离无线网络通信

成功完成有关农作物的各种数据采集之后，农业物联网的另一个任务就是数据传输，这也是任何农业物联网系统必须具备的功能。一般情况下，除了直接新建的现代农业物联网试验区以外，多数农作物的生长环境不具备铺设有线网络的条件，因此目前的农业物联网数据传输方案均基于无线网实现。目前，农业物联网的农作物生长信息以及生长环境监测信息已经基本实现正常传输，但距离农业物联网情景感知计算对数据传输的要求还具有很大的差距。因此，高速、高可靠性无线数据传输仍然是农业物联网情景感知计算的瓶颈技术之一。

3.3 海量信息的管理和特征提取

伴随着农业物联网的飞速发展，农业物联网数据已经呈现出几何指数级的增长趋势，给数据的管理和关键特征提取造成了很大困难，产生了数据灾难。海量农业物联网数据的管理涉及数据理论等多方面内容，包括数据存储、数据挖掘、数据检索与查询。且农业物联网数据由多种不同类型的传感器采集得到，是一种典型的海量、异构数据。如何将海量农业物联网数据转化为有用信息是实现农业物联网数据解析的关键。因此，海量异构农业物联网数据的高效管理与关键信息提取是农业物联网情景感知计算所要解决的重点问题之一。

4 农业物联网情景感知计算技术体系与发展趋势

4.1 高通量农作物性状信息获取

传统农作物信息采集手段已经远远不能满足现代农业物联网情景感知计算对数据的要求。且基于传统传感器的农作物生长性状信息采集手段也不能保证对农作物性状信息的全方位快速获取。目前，构建基于三维模型的农作物生长性状数据融合和基于三维数据场的作物生长目标模型在农业物联网情景感知计算技术中得到了广泛认可。通过三维模型数据融合和三维数据场模型的高通量信息获取技术可以高效采集农作物的各种细微特征数据，包括作物株高、叶片方位、叶片面积、茎叶脚等涉及作物生长性状的各种数据。高通量农作物性状信息获取是未来农业物联网情景感知技术的发展趋势。

4.2 构建基于数字植物的综合计算平台

数字植物是一个集农学、植物学以及计算机和数学等学科为一体的新兴交叉研究方法。广义上说，数字植物是一个利用计算资源对植物的生长性状和生存系统进行感知，并为农业科学研究、农业生产和栽培管理提供信息支撑的平台。

对数字植物的研究可以分为以下两方面 ：

(1) 利用农业物联网采集农作物的长相长势和生长环境信息，构建典型农作物生长的三维形态 ；

(2) 基于农业物联网数据，建立农作物的外观形态与生长环境之间的关系模型。

数字植物是推动现代农业发展的一种实用工具，也是农业物联网情景感知计算技术的重要发展方向。

4.3 基于网络三维交互的农业综合服务

随着现代农业的高速发展，尤其是近些年城市化进程不断加快，传统农业正在朝着电子商务、在线推广、农业休闲以及农业生态旅游的新型农业园区方向发展。高速无线网络速度的提升为实现三维交互的立体式综合服务平台提供了建设基础。基于网络三维交互的农业服务平台以三维高通量农作物信息获取和新型数字植物为基础，能够提供农作物生长全过程的仿真服务，可以全方位展示农作物的生长状态。基于网络三维交互的农业综合服务也是农业物联网情景感知技术发展的主要方向。

5 结语

随着农业物联网的不断发展，对情景感知计算技术提出了新的要求，而情景感知技术的进步，也极大地促进了农业物联网的发展。本文以情景感知技术和农业物联网的相互关系为切入点，分析和探讨了情景感知技术在农业物联网中的需求、通用模型结构、面临的问题和未来发展趋势。分析表明，情景感知计算技术必将继续推动农业物联网的发展，为实现农业产业升级、结构调整优化提供强有力的技术支持。