DTN网络算法的墒情信息采集系统研究

序论：速发表网结合其深厚的文秘经验，特别为您筛选了1篇DTN网络算法的墒情信息采集系统研究范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！

0引言

随着计算机通信技术的飞速发展，精准化种植已经成为农业发展的趋势。农业墒情信息采集系统能够对种植环境内的相关参数进行采集，并与作物生长需求信息进行对比，得出精准的需求信息［1－3］。笔者基于dtn网络算法，设计了一种能够对农业墒情数据进行精确采集与分析的环境监测系统，旨在为精细化农业生产过程提供参数依据。

1墒情信息采集系统设计

农业墒情信息采集系统能够对作物种植区域内的环境参数进行精准采集，主要采集对象包含土壤温度、土壤湿度、环境温度、环境湿度、风速风向、降雨量以及光照强度等对作物生长具有影响的参数［4］。为了能够对环境参数进行精确采集，设计了一种使用采集传感器进行数据感知、利用后台软件进行数据分析的实时监测系统，在数据传输过程中采用DTN网络传输，确保数据传输过程的稳定性和安全性［5－6］。图1为墒情信息采集系统整体框架图。农业墒情信息采集系统采用二代嵌入式实时操作系统，能够根据任务的优先级进行合理的程序调用［7］。操作系统开始工作时，首先对系统硬件进行初始化，创建系统运行主任务，并对DTN网络的传输数据进行通信协议配置，主要包含采集传感器的ID设置、时间校准以及传感器参数配置，控制各个环境参数感知传感器对农业墒情信息进行采集，利用DTN网络将采集的传感器数据进行发送［8－9］。图2为农业墒情信息采集系统工作流程图。

2墒情信息采集系统硬件设计

墒情信息采集系统中传感器主要包含空气温湿度传感器、土壤温度传感器、土壤湿度传感器、气压与海拔传感器、风速风向传感器、雨量传感器、PM2．5传感器、二氧化碳浓度传感器以及光照强度传感器等［10－11］。土壤湿度传感器用于对土壤中水分进行检测，采用频域反射的方式精确测量土壤介电常数，实现土壤含水量的测定，要求具有较高的灵敏度。土壤温度传感器要求体积小、质量轻，测量过程中具有较强的抗干扰能力［12］。气压与海拔传感器是一种采用压阻技术进行环境气压感知的高精度传感器。表1为墒情信息采集系统关键传感器技术参数。传感器对环境参数进行感知时，采用嵌入式STM32芯片作为采集模块的核心处理器。该芯片是32位控制器，供电电压为2～3．6V，最高工作频率72MHz，具有两种不同的传感器数据接口，可进行不同电压转换，采用串口形式连接至DTN网络模块进行数据传输［13］。环境参数采集模块通过太阳能进行供电，太阳能系统主要包含太阳能电池板、充电控制器以及蓄电池3个功能区域。蓄电池采用两个12V铅酸蓄电池并联，输出40AH的电流;太阳能电池板采用50W单晶硅电池板，额定电流为2．8A，可在光照条件下连续14h进行能量转换，在充电控制器的作用下，为数据采集模块提供12V直流稳定电压［14］。

3墒情信息采集系统软件设计

墒情信息采集数据后处理系统能够对DTN网络传输回的各种参数信息进行永久保存，并按照设定后的运算方法进行数据分析处理以及可视化显示。墒情信息采集数据后处理系统常采用SpringMVC进行框架设计，数据后处理系统主要包含数据显示功能模块、数据采集配置功能模块、用户管理功能模块以及数据统计分析功能模块。墒情信息采集传感器对环境参数感知完成后，传输至系统软件部分，此时感知参数中含有较大的噪音，需要进行滤波处理。所设计的环境参数滤波算法为卡尔曼滤波算法，在应用过程中是一种线性随机微分方程控制的离散过程系统，可表示为其中，Xk为k时刻的离散过程系统状态;Zk为k时刻的参数测量值;Wk为采集过程噪音;Vk为测量过程噪音;A为k－1时刻系统状态影响系数;B为测量过程影响系数;H为离散过程状态与参数测量值之间关系。卡尔曼滤波算法的两个时间更新过程可表示为其中，K为卡尔曼增益;Pk|k－1为先验估计状态协方差;R为测量过程噪音协方差。墒情信息采集数据后处理系统采用用户名和密码进行登录，登录成功后可进行实时墒情信息数据查看，环境参数感知模块每个2min进行1次参数采集，并通过DTN网络传输至墒情信息采集数据后处理系统［15］。数据后处理系统能够按照设定的通信协议对数据进行解析，并存入系统数据库，便于后期数据查看与分析。在墒情信息采集数据后处理系统内，可对每一个采集点的状态和数据进行查看与显示，数据统计分析模块能够以图表或曲线方式向用户显示各种历史统计数据［16］。用户管理功能模块能够对采集点的基本信息进行配置，并设置休眠时间。墒情信息采集系统数据库要求具有较高的可靠性，能够为系统运行过程提供较高的安全性，同时保证系统具有较高的数据查询效率，具有核心数据表分析管理功能，并与环境参数采集传感器数据具有相同的时间字段。

4仿真分析

使用传感器进行环境参数感知时，会受到传感器测量噪音的干扰，测量结果可信度较差，为此采用卡尔曼滤波算法对采集过程噪音信号进行过滤。为验证墒情信息采集系统工作过程的可靠性和数据采集的有效性，实验选取比本文设计系统所用空气温度传感器和土壤湿度传感器精度等级更高一级的传感器作为标准传感器，将其测量参数分别与本系统选用的空气温度传感器和土壤湿度传感器参数进行对比，同时使用卡尔曼滤波算法，对传感器参数进行滤波处理，也与标准传感器采集数据进行对比，用于反应系统工作过程可靠性。仿真实验过程中，对实测空气温度传感器数据和土壤湿度传感器数据进行分析对比，将滤波后的实验数据与标准传感器数据求差，得出滤波后传感器数据误差;同理，将所设计系统传感器采集数据与标准传感器数据求差，得出系统采集数据误差。图3为空气温度传感器采集数据对比曲线，图4为空气温度传感器采集数据误差对比曲线，图5为土壤湿度传感器采集数据对比曲线，如图6为土壤湿度传感器采集数据误差对比曲线。传感器采集数据和滤波数据对比曲线可以看出:滤波后的参数数据更加接近标准传感器采集数据。由传感器采集误差数据和滤波误差数据对比曲线可以看出:滤波后的参数数据误差明显低于传感器采集数据误差。

5结论

农业墒情信息采集系统能够对作物生长的各种环境参数进行采集、分析处理及存储，并保证数据采集过程中具有较高的精度和安全性，减少异常数据对墒情分析产生的影响，同时可对历史墒情数据进行分析，预测作物灌溉需求，为农作物的精准化种植提供依据。

作者:陈兴威 单位:金华职业技术学院