基于5G的智慧農(nóng)業(yè)物聯(lián)網(wǎng)控制管理系統(tǒng)設(shè)計(jì).pdf

30 電子制作 2022 年0 9 月 智能應(yīng)用 0 引言 目前智慧農(nóng)業(yè)系統(tǒng)在世界各國發(fā)展迅速 現(xiàn)代農(nóng)業(yè)精細(xì) 化大規(guī)模生產(chǎn)與物聯(lián)網(wǎng)結(jié)合有著巨大的市場需求空間 1 國 外對(duì)于智慧農(nóng)業(yè)存在多種有溫室大棚種植技術(shù) 不僅能夠利 用網(wǎng)絡(luò)進(jìn)行大棚的實(shí)時(shí)通信 還能夠進(jìn)行對(duì)大棚內(nèi)的各個(gè)參 數(shù)進(jìn)行調(diào)節(jié) 并對(duì)其大棚中各個(gè)參數(shù)進(jìn)行實(shí)時(shí)監(jiān)控與調(diào)節(jié) 如美國已應(yīng)用 5S 技術(shù) 2 智能化農(nóng)機(jī)技術(shù)等形成了農(nóng) 業(yè)精細(xì)化 幫助農(nóng)場主精細(xì)化耕作并提質(zhì)增效 日本利用數(shù) 字技術(shù) 傳感技術(shù)和遠(yuǎn)程控制等技術(shù)建立了個(gè)性化 網(wǎng)上農(nóng) 場 式農(nóng)業(yè)運(yùn)營新模式 3 使消費(fèi)者可實(shí)時(shí)自主遠(yuǎn)程精準(zhǔn)控 制自有農(nóng)產(chǎn)品生產(chǎn) 并獲得理想的農(nóng)產(chǎn)品 雖然我國現(xiàn)代農(nóng) 業(yè)化發(fā)展進(jìn)程加快 但是相較于國外的技術(shù)我們還是落后 再加上我國領(lǐng)土寬廣 類型繁多 推廣進(jìn)程不一 導(dǎo)致國內(nèi) 農(nóng)業(yè)發(fā)展各方面不均衡 因此我國農(nóng)業(yè)現(xiàn)代化需要更進(jìn)一步 的提升 針對(duì)這一現(xiàn)狀 本項(xiàng)目擬設(shè)計(jì)一個(gè)農(nóng)業(yè)物聯(lián)網(wǎng)控制管 理系統(tǒng) 該平臺(tái)利用5G 物聯(lián)網(wǎng)等新型信息化技術(shù) 將 STM32作為中央處理器 傳感器模塊作為監(jiān)測裝置 引入 到農(nóng)業(yè)科技園區(qū)應(yīng)用中 解決傳統(tǒng)農(nóng)業(yè)數(shù)據(jù)采集難 傳輸效 率低 人力成本高等問題 1 研究內(nèi)容 1 1 系統(tǒng)總體設(shè)計(jì) 本項(xiàng)目采用STM32和ZigBee技術(shù)以及5G通信技術(shù) 的融合實(shí)現(xiàn)數(shù)據(jù)的收集與傳輸 STM32系統(tǒng)中包含溫濕度 控制 光照 土壤濕度 溫控 ZigBee 和 5G 模塊 其中 需要首先在主控模塊 STM32 微處理器中先設(shè)定好程序 利 用光照模塊 溫濕度模塊對(duì)外部環(huán)境進(jìn)行數(shù)據(jù)采集 將這些 數(shù)據(jù)傳給單片機(jī) 在操作系統(tǒng)設(shè)定的標(biāo)準(zhǔn)參數(shù)范圍內(nèi)進(jìn)行各 個(gè)方面的比對(duì) 從而將實(shí)際操作反饋給物理操作系統(tǒng)并進(jìn)行 處理 再通過串口利用 ZigBee 技術(shù)實(shí)現(xiàn)數(shù)據(jù)傳輸系統(tǒng) 將 數(shù)據(jù)傳輸?shù)綌?shù)據(jù)庫中 同時(shí)通過USB接口利用5G通信實(shí) 現(xiàn)遠(yuǎn)程數(shù)據(jù)傳輸與分析 負(fù)責(zé)收集和傳送單片機(jī)的指令 這 兩個(gè)通信模塊也可以與上位機(jī)進(jìn)行通信 達(dá)到更精確高效的 工作效率 采集更多實(shí)時(shí)數(shù)據(jù) 減少商業(yè)成本投入 系統(tǒng)工 作原理如圖 1 所示 STM32F767IGT6微處理器 16M FLASH 8M SDRAM USB 串 口 5G通信模塊 ZigBee 客戶端 數(shù)據(jù)庫 網(wǎng)絡(luò)節(jié)點(diǎn) 1 網(wǎng)絡(luò)節(jié)點(diǎn) n 圖 1 系統(tǒng)工作原理圖 1 2 各功能模塊設(shè)計(jì) ADC GPIO PWM 光照模塊 土壤濕度 模擬時(shí)序 溫濕度模塊 溫控模塊 ZigBee網(wǎng)絡(luò)節(jié)點(diǎn) 圖 2 系統(tǒng)的硬件框圖 1 溫濕度控制模塊 DHT11 濕度測量范圍為 20 90 RH 溫度測量范圍為 0 50 濕度測量精度 5 相對(duì)濕度 溫度測量精度 5 溫度測量精度 4 可通過 DHT11 并測量溫濕度得到數(shù)據(jù) 將數(shù)據(jù)通過網(wǎng)絡(luò)傳 輸給主控單片機(jī) 主控單片機(jī)通過 5G 模塊下載數(shù)據(jù)庫的信 息與溫濕度數(shù)據(jù)進(jìn)行對(duì)比 來發(fā)送指令控制調(diào)溫濕度的模塊 達(dá)到預(yù)設(shè)溫濕度 2 光照模塊 TEMT6000 光照模塊的基本原理是 以光電效應(yīng)為基礎(chǔ) 把被測量的變化轉(zhuǎn)換成光信號(hào)的變化 然后借助光電元件進(jìn)一步將非電信號(hào)轉(zhuǎn)換成電信號(hào) 通過 ADC采集電信號(hào)數(shù)據(jù) 將數(shù)據(jù)通過網(wǎng)絡(luò)傳輸給主控單片機(jī) 基于 5G 的智慧農(nóng)業(yè)物聯(lián)網(wǎng)控制管理系統(tǒng)設(shè)計(jì) 熊峻輝 劉娟秀 黃心怡 雷光明 毛媛 成都工業(yè)學(xué)院 電子工程學(xué)院 四川成都 611730 基金項(xiàng)目 2021年大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目 項(xiàng)目編號(hào) 202111116009 摘要 農(nóng)業(yè)智能化是目前物聯(lián)網(wǎng)技術(shù)的研究熱點(diǎn) 本項(xiàng)目利用STM32F103開發(fā)板主控 搭載溫濕度 光照等傳感器實(shí)時(shí)檢測大棚室內(nèi)的環(huán) 境參數(shù) 采用ZigBee組網(wǎng)和5G模塊建立通信網(wǎng)絡(luò) 將數(shù)據(jù)傳輸?shù)絾纹瑱C(jī)與各參數(shù)預(yù)定的數(shù)值進(jìn)行比對(duì) 控制 并通過實(shí)驗(yàn)測試系統(tǒng)能實(shí) 現(xiàn)溫室大棚智能調(diào)節(jié)植物生長環(huán)境的溫濕度及光強(qiáng) 關(guān)鍵詞 5G STM32 智能大棚 DOI 10 16589 11 3571 tn 2022 17 008 31 智能應(yīng)用 主控單片機(jī)通過 5G 模塊下載數(shù)據(jù)庫信息與光照模塊數(shù)據(jù)進(jìn) 行對(duì)比 來發(fā)送指令進(jìn)行補(bǔ)光和遮光等物理操作使得光照達(dá) 到預(yù)設(shè)適宜強(qiáng)度 3 土壤濕度模塊 YL 69 土壤濕度模塊的基本原 理將被測量的濕度轉(zhuǎn)換成電信號(hào) 通過 ADC 采集電信號(hào)數(shù) 據(jù) 將數(shù)據(jù)通過網(wǎng)絡(luò)傳輸給主控單片機(jī) 主控單片機(jī)通過 ZigBee 模塊下載數(shù)據(jù)庫的信息與土壤濕度模塊數(shù)據(jù)進(jìn)行對(duì) 比 來發(fā)送指令控制自動(dòng)灌溉模塊實(shí)現(xiàn)調(diào)節(jié)土壤濕度 4 溫控模塊 風(fēng)扇 風(fēng)扇模塊是通過控制 PWM 值 來控制風(fēng)扇轉(zhuǎn)速 進(jìn)而控制降溫速度 主控單片機(jī)通過發(fā)送 的指令來控制風(fēng)扇不同的轉(zhuǎn)速 5 ZigBee 模塊 CC2530 通信模塊的作用是將傳 感器得到的數(shù)據(jù)傳輸給主控單片機(jī) 在農(nóng)業(yè)監(jiān)測區(qū)域內(nèi)根 據(jù)隨機(jī)分布的多種類的微型傳感器利用 ZigBee 組網(wǎng) 在對(duì) 網(wǎng)絡(luò)進(jìn)行全覆蓋的同時(shí) 采集 計(jì)算和處理區(qū)域中監(jiān)測到的 對(duì)象的動(dòng)態(tài)信息 由于對(duì)農(nóng)業(yè)生產(chǎn)的監(jiān)控面積十分大 想要 網(wǎng)絡(luò)覆蓋足夠全面 采用 ZigBee 組網(wǎng)是十分實(shí)用的 采用 ZigBee 獲取各個(gè)模塊的數(shù)據(jù) 主控單片機(jī)通過不同的局域 網(wǎng)IP 獲取不同模塊的數(shù)據(jù) 將獲取數(shù)據(jù)與數(shù)據(jù)庫下載數(shù) 據(jù)進(jìn)行對(duì)比 進(jìn)而實(shí)現(xiàn)不同邏輯之間的控制 6 5G 模塊 MH5000 系統(tǒng)近程數(shù)據(jù)傳輸利用 ZigBee組網(wǎng) 遠(yuǎn)程數(shù)據(jù)傳輸利用5G模塊 再聯(lián)系物聯(lián)網(wǎng) 云平臺(tái)實(shí)現(xiàn)終端設(shè)備和數(shù)據(jù)監(jiān)控中心的遠(yuǎn)程通信 同時(shí) 將 Web服務(wù)器部署在第三方云平臺(tái)上 通過界面設(shè)置相關(guān)自 動(dòng)化設(shè)備的閾值參數(shù) 進(jìn)而完成補(bǔ)光等一系列操作 1 3 軟件設(shè)計(jì) 軟件系統(tǒng)主要完成的功能包括系統(tǒng)初始化 環(huán)境溫度控 制 土壤濕度控制 光強(qiáng)控制和數(shù)據(jù)傳輸通信 軟件總體流 程圖如圖 3 所示 當(dāng)軟件開始運(yùn)行時(shí) 首先進(jìn)行基礎(chǔ)初始化和通信模塊初 始化 若初始化異常則重新開始初始化 初始化成功后 進(jìn) 行通信連接 鏈接異常則重新開始初始化 鏈接成功后 直 接進(jìn)入網(wǎng)絡(luò)節(jié)點(diǎn) 1 或網(wǎng)絡(luò)節(jié)點(diǎn) n n 為 2 3 4 5 或進(jìn)入數(shù)據(jù)庫讀取數(shù)據(jù) 直接得出數(shù)據(jù) n 或進(jìn)行數(shù)據(jù)比對(duì) 1 或數(shù)據(jù)比對(duì)n 得出控制指令1或控制 n 分別進(jìn)入網(wǎng)絡(luò)節(jié)點(diǎn) 1 或網(wǎng)絡(luò)節(jié)點(diǎn) n 得到數(shù)據(jù) n 或數(shù)據(jù) 1 若為數(shù)據(jù) 1 則再 次進(jìn)入數(shù)據(jù)比對(duì)的循環(huán) 開 始 基 礎(chǔ) 初始化 通信 模塊初 始化 初 始 化成功 通 信 連 接 異 常 處 理 數(shù)據(jù) 1網(wǎng) 絡(luò) 節(jié) 點(diǎn) 1 數(shù)據(jù) 庫數(shù)據(jù) 讀取 數(shù)據(jù) 比對(duì) 1 數(shù) 據(jù) 比 對(duì) n 控制 指令 1 控 制 指 令 n數(shù)據(jù) n網(wǎng) 絡(luò) 節(jié) 點(diǎn) n Y N N Y Y Y 圖 3 系統(tǒng)軟件總體流程圖 開 始 IO模 式 復(fù)位 控制模 塊 控 制 模塊回 應(yīng) 復(fù) 位 成 功 IO接 收 控制 模塊初 始 化成 功 返 回 1 結(jié)束 返 回 0 返回 0 N N 圖 4 初始化流程圖 32 電子制作 2022 年0 9 月 智能應(yīng)用 軟件的初始化流程如圖 4 所示 將程序設(shè)置為 IO 模式 再復(fù)位控制模塊 如果控制模塊復(fù)位失敗則返回 0 繼續(xù)進(jìn) 行復(fù)位控制模塊操作 如果復(fù)位成功 則進(jìn)行 IO 接收 控 制模塊初始化成功 返回 1 程序結(jié)束 如果初始化失敗 則返回 0 繼續(xù)進(jìn)行 IO 接收操作 因?yàn)?STM32 內(nèi)部自帶 ADC 轉(zhuǎn)換 所以在土壤濕度控制 模塊中 AO 口接到 STM32 的 PA0 口 DO 口接到 STM32 的PA1口 把模擬量轉(zhuǎn)換為數(shù)字量 再在系統(tǒng)中比較輸入 的數(shù)字量和預(yù)設(shè)數(shù)字量的關(guān)系 從而決定是否開啟或關(guān)閉抽 水泵 光照模塊也是同理 在溫度調(diào)節(jié)方式中 將DHT11 傳感器的 Dout 引腳 連接到 STM32 的 PA2 口 使用 STM32的TIM1通用定時(shí)器 對(duì)環(huán)境溫度進(jìn)行輸入捕獲 和預(yù)設(shè)的數(shù)字量進(jìn)行數(shù)據(jù)比較 通過PE9引腳輸出PWM波 根據(jù)比較結(jié)果決定風(fēng)扇是否開啟 軟件流程如圖 5 所示 2 調(diào)試結(jié)果 1 溫度控制調(diào)試 根據(jù)不同地理位置和大棚種植類 型 從數(shù)據(jù)庫獲取該條件下溫度閥值 調(diào)試時(shí) 以數(shù)據(jù)庫獲 取的閾值為設(shè)定值 如設(shè)置閾值為 30 在未達(dá)到閾值溫 度時(shí) 風(fēng)扇關(guān)閉 如圖6所示 在溫度高于設(shè)定的30 時(shí) 風(fēng)扇開啟實(shí)現(xiàn)降溫 測試結(jié)果如圖 7 所示 圖 6 溫度在設(shè)定值內(nèi) 2 土壤濕度控制調(diào)試 根據(jù)不同地理位置和大棚種 植類型 從數(shù)據(jù)庫獲取該條件下土壤濕度閥 值 如設(shè)置閾值為5 1 在未達(dá)到閾值土 壤濕度時(shí) 抽水泵開啟 如圖8所示 在 土壤濕度高于設(shè)定的5 1 時(shí) 抽水泵關(guān)閉 測試結(jié)果如圖 9 所示 圖 7 溫度超過設(shè)定值 圖 8 土壤濕度在閥值內(nèi) 圖 9 土壤濕度超過閥值 3 光強(qiáng)控制調(diào)試 根據(jù)不同地理位置和大棚種植類 型 從數(shù)據(jù)庫獲取該條件下光照強(qiáng)度閥值 調(diào)試時(shí) 以數(shù)據(jù) 庫測試閾值為準(zhǔn) 測試閥值 40000 即當(dāng)光照強(qiáng)度低于該測 試閥值時(shí) 進(jìn)行補(bǔ)光裝置工作 閥值內(nèi)如圖 10 所示 此時(shí) 燈并未點(diǎn)亮 超過閥值的情況如圖 11 所示 此時(shí)燈點(diǎn)亮進(jìn) 行補(bǔ)光 圖 10 光照強(qiáng)度在閥值內(nèi) 開始 初始 化成功 讀取 環(huán)境濕 度 讀 取 環(huán)境光 強(qiáng) 讀 取 環(huán) 境 溫 度 土壤 濕度 5 1 光 照 強(qiáng) 度 40000 環(huán) 境 溫 度 30 抽 水 泵開啟 抽 水 補(bǔ)光 燈開啟 風(fēng)扇 開啟 數(shù) 據(jù) 比對(duì)模 塊 等待 下個(gè)指 令 N N N Y Y Y 圖 5 控制模塊流程圖 下轉(zhuǎn)第 70 頁 70 電子制作 2022 年0 9 月 軟件開發(fā) for scene text recognition C Computer Vision and Pattern Reco gnition CVPR 2012 IEEE Conference on IEEE 2012 2687 2694 4 Shi B Bai X Yao C An end to end trainable n eural network for image based sequence recognition and its application to scene text recognition IEEE Trans on Pattern Analysis Machine Intelligence 2016 39 11 2298 2304 5 Graves A Fernandez S Gomez FJ Schmidhu ber J Connecti onist temporal classification Labelling unsegmented sequen ce data with recurrent neu ral networks In Proc of the Int l Conf on Machine Learning 2006 369 376 6 Gu J T Lu Z D Li H et al Incorporating copying mechanism in sequence to sequence learning C Proceedings of the 54th Annu al Meeting of the Association for Computational Lingu istics Stroudsburg Association for Computational Linguistics 2016 1631 1640 7 Luong Minh Thang Pham Hieu Manning Christ opher D Eff ective Approaches to Attention based Neural Machine Transla tion J Computer Science 2015 8 Xu K Ba J Kiros R et al Show Attend and Tell Ne ural Ima ge Caption Generation with Visual Attention J Computer ence 2015 2048 2057 9 Chorowski J Bahdanau D Serdyuk D et al Attention Based Models for Speech Recognition J Computer Science 2015 10 4 429 439 10 Wang F Jiang M Qian C et al Residual Attention Networ k for Image Classification J arXiv 1704 06904 2017 11 Raffel Colin Ellis Daniel P W Feed Forward Networks wit h Attention Can Solve Some Long Term Memory Problems J arXiv 1512 08756 2015 12 Sutskever I Vinyals O Le Q V Sequence to sequence learn ing with neural networks C Advances in Neural Information Processing Systems Montreal Canada 2014 3104 3112 13 Baoguang S Mingkun Y Xinggang W et al AS TER An Atte ntional Scene Text Recognizer with Flexible Rectification J IEEE Transactions on Patte rn Analysis and Machine Intelligen ce 2019 41 9 2035 2048 14 Z Xie Y Huang Y Zhu L Jin Y Liu and L Xie Aggrega tion Cross Entropy for Sequence Recognition 2019 IEEE CVF Conference on Computer Vision and Pattern Recognition CVPR Long Beach CA USA 2019 6531 6540 15 Zhan F Lu S ESIR End to end Scene Text Recognition via Iterative Image Rectification J arXiv 1812 05824 2018 16 Chen L C Papandreou G Kokkinos I et al Dee pLab Se man tic Image Segmentation with Deep Convolutional Nets Atrous Convolution and Fully Connected CRFs J IEEE Transactions on Pattern Analysis Machine Intelligence 2018 40 4 834 848 17 Karatzas D Shafait F Uchida S et al ICDAR 2013 robust rea ding competition C Document Anal ysis and Recognition IC DAR 2013 12th Internati onal Conference o n IEEE Computer Society 2013 18 Karatzas D Gomez Bigorda L Nicolaou A et al ICDAR 2015 competition on Robust Reading C 2015 13th In ternational Conference on Document Analysis and Recognition ICDAR IEEE ComputerSociety 2015 圖 11 光照強(qiáng)度超過閥值 3 結(jié)論 本文設(shè)計(jì)了一種智能栽培系統(tǒng) 通過簡單的操作實(shí)現(xiàn)了 自動(dòng)化栽培 更加滿足現(xiàn)如今中國的農(nóng)村現(xiàn)狀 并且還可以 運(yùn)用在除栽培以外的其他行業(yè)中 還有 5G 技術(shù)的輔助 進(jìn) 一步提高了數(shù)據(jù)傳輸?shù)乃俣扰c精度 有利于農(nóng)業(yè)實(shí)現(xiàn)精細(xì)化 生產(chǎn)以及高效出產(chǎn) 具有較好的應(yīng)用前景 參考文獻(xiàn) 1 王子右 精準(zhǔn)扶貧對(duì)偏遠(yuǎn)地區(qū)企業(yè)績效影響的實(shí)證研究 J 湖北經(jīng)濟(jì)學(xué)院學(xué)報(bào) 人文社會(huì)科學(xué)版 2021 18 3 4 2 Zou Z Bie Y Zhou M Design of an Intelligent Control Sys tem for Greenhouse C 2018 2nd IEEE Advanced Information Management Communicates Electronic and Automation Con trol Conference IMCEC IEEE 2018 3 周千 李秉柏 程高峰 淺議 5S 技術(shù)在數(shù)字農(nóng)業(yè)中的應(yīng)用 C 2009 第五屆蘇皖兩省大氣探測 環(huán)境遙感與電子技術(shù)學(xué)術(shù) 研討會(huì) 4 馮簫 周娜 基于單片機(jī)的大棚溫濕度控制系統(tǒng)設(shè)計(jì) J 電腦 知識(shí)與技術(shù) 學(xué)術(shù)版 2020 16 23 2 5 呂慶軍 鐘聞?dòng)?由浩良 基于單片機(jī)構(gòu)建智慧農(nóng)業(yè)無線傳 感器網(wǎng)絡(luò) J 時(shí)代農(nóng)機(jī) 2019 46 10 6 Zhen L I Shi L Guan M et al Design of greenhouse intellig ent control system based on LabVIEW and ZigBee J Modern Electronics Technique 2016 上接第 32 頁