第一章 绪论
1.1 研究背景及意义
蓝莓含有丰富的花青素，具有强化视力、软化血管、增强人体免疫力等功能，深受大众喜爱[1-2]。近年来我国蓝莓种植规模不断扩大，种植面积占世界种植面积的 13.4%，而且蓝莓产量年均增长率达到 76.5%[3-4]。合理的水分供给是蓝莓生长的必备条件，直接影响蓝莓的质量和产量。蓝莓在生长发育的不同时期，对水分的需求量和敏感度都有所不同[5]。
传统的灌溉方式主要由人工定时观测土壤墒情，凭经验和感觉确定灌溉时机，水资源浪费现象严重[6-7]，并且不合理的水分供给会影响蓝莓的品质和产量。过多的水分供给会抑制根系的生长且造成根系的生理机能受到破坏，过少的水分供给会抑制蓝莓生长，影响产量和品质[8]，因此合适的灌溉时机和合理的灌溉供给对蓝莓生长至关重要，从而需要对蓝莓需水规律进行分析同时建立灌溉决策模型实现灌溉时机及灌溉量的确定。
1.1 研究背景及意义
蓝莓含有丰富的花青素，具有强化视力、软化血管、增强人体免疫力等功能，深受大众喜爱[1-2]。近年来我国蓝莓种植规模不断扩大，种植面积占世界种植面积的 13.4%，而且蓝莓产量年均增长率达到 76.5%[3-4]。合理的水分供给是蓝莓生长的必备条件，直接影响蓝莓的质量和产量。蓝莓在生长发育的不同时期，对水分的需求量和敏感度都有所不同[5]。
传统的灌溉方式主要由人工定时观测土壤墒情，凭经验和感觉确定灌溉时机，水资源浪费现象严重[6-7]，并且不合理的水分供给会影响蓝莓的品质和产量。过多的水分供给会抑制根系的生长且造成根系的生理机能受到破坏，过少的水分供给会抑制蓝莓生长，影响产量和品质[8]，因此合适的灌溉时机和合理的灌溉供给对蓝莓生长至关重要，从而需要对蓝莓需水规律进行分析同时建立灌溉决策模型实现灌溉时机及灌溉量的确定。
土壤墒情信息和气象信息与蓝莓灌溉决策息息相关。土壤墒情的监测核心是土壤水分值，气象信息的监测核心是温度、湿度、风速、降雨量，这些参数的大小决定了蓝莓生长环境是否适宜，实时准确的监测数据能够为蓝莓灌溉决策提供良好的依据。
传统的监测系统通常有两种，一是通过人工监测，会造成人工成本高、劳动强度大、效率低等问题；二是通过有线监测系统实时监测作物生长信息，存在长距离有线传输会造成信号衰减、架设线路困难、成本高等问题。采用无线分布式监测系统不仅降低了成本，还能提高效率和解决布线带来的不便[9-10]。因此必须实现作物需水信息的远程实时监测和灌溉智能控制才能提高水资源利用率、降低劳动强度，保证蓝莓合理的水分供给。
...........................
第二章 系统整体设计
2.1 系统需求分析
针对作物灌溉过程中水分供给不合理、劳动力短缺等问题，基于物联网无线通信技术，研究并开发一套智能灌溉决策系统，具备以下功能：
（1）土壤墒情信息和气象信息实时监测：通过布置土壤水分传感器和气象站完成土壤墒情信息和气象信息的实时感知。
（2）无线通信网络的组建：利用无线通信技术完成无线通信网络的组建实现监测数据的实时发送和控制指令的实时接收。
（3）智能灌溉决策建立：依据蓝莓需水规律建立灌溉决策模型和灌溉预报模型实现灌溉量的计算和预报。
（4）灌溉实时控制：通过设计灌溉控制系统实时接收控制指令实现远程自动灌溉。
...........................
2.2 系统总体设计
根据系统功能需求分析设计系统总体架构，主要包括感知控制层、传输层、应用层及用户层，其中感知控制层实时采集土壤墒情信息和气象信息实现实时监测为智能决策提供依据，同时接收控制指令实时灌溉；传输层实现无线传感网络与互联网的连接实时发送监测数据至应用层进行智能决策，并将智能决策结果发送至控制层进行相应的控制；应用层将监测数据进行实时保存并进行智能决策实现灌溉量的计算和预报，并制定灌溉计划；用户层通过智能手机、笔记本、大屏幕等为用户提供信息实时监测及远程手动/自动灌溉的功能。系统总体结构如图2.1 所示：
.............................
第三章 系统模块硬件选型与设计.............................22传统的监测系统通常有两种，一是通过人工监测，会造成人工成本高、劳动强度大、效率低等问题；二是通过有线监测系统实时监测作物生长信息，存在长距离有线传输会造成信号衰减、架设线路困难、成本高等问题。采用无线分布式监测系统不仅降低了成本，还能提高效率和解决布线带来的不便[9-10]。因此必须实现作物需水信息的远程实时监测和灌溉智能控制才能提高水资源利用率、降低劳动强度，保证蓝莓合理的水分供给。
...........................
1.2 国内外研究现状
1.2.1 农业物联网的国内外研究现状
国内外专家学者在农业领域应用物联网技术主要集中在温室、果园、大田及水产养殖等方面。国外在农业物联网应用方面起步较早，Dae-Heon Park 等（2011年）设计了一套基于无线传感器网络的防结露自动监测系统，通过在温室布置传感器来收集温室环境信息和作物叶片温度信息，再通过无线网络发送到汇聚节点，最终将数据发送至远程服务器进行决策处理和保存，并将决策控制信号通过中继节点发送至控制单元进行相应的风机控制从而调节温室环境。在传感单元用MSP430 微处理器进行数据的读取和处理，传输单元采用 CC2420 射频芯片，环境服务器采用上位机应用程序进行处理。该自动结露控制系统利用露点条件防止结露实现远程自动控制，此外，还建立了一个类似于实际温室环境的模型来验证该系统的性能和模型的运行和监控，能够有效降低露水减少叶片表面细菌数量[20]。
1.2.1 农业物联网的国内外研究现状
国内外专家学者在农业领域应用物联网技术主要集中在温室、果园、大田及水产养殖等方面。国外在农业物联网应用方面起步较早，Dae-Heon Park 等（2011年）设计了一套基于无线传感器网络的防结露自动监测系统，通过在温室布置传感器来收集温室环境信息和作物叶片温度信息，再通过无线网络发送到汇聚节点，最终将数据发送至远程服务器进行决策处理和保存，并将决策控制信号通过中继节点发送至控制单元进行相应的风机控制从而调节温室环境。在传感单元用MSP430 微处理器进行数据的读取和处理，传输单元采用 CC2420 射频芯片，环境服务器采用上位机应用程序进行处理。该自动结露控制系统利用露点条件防止结露实现远程自动控制，此外，还建立了一个类似于实际温室环境的模型来验证该系统的性能和模型的运行和监控，能够有效降低露水减少叶片表面细菌数量[20]。
Lukas Bajer 等（2015 年）设计了一套低成本温室环境远程控制系统，运用Arduino MEGA 2560 作为主控芯片负责数据收集、执行控制和数据的网络接入，该系统能够实时采集数据并发送至网络同时进行电磁阀控制，能够实现对温室环境的实时调控[21]。
Carlos Ser?dio 等（2001 年）搭建了农业管理系统网络化平台，通过传输网络的布置、节点的接入来实现远程监测，并能够在温室稳定运行，同时可以导入植物生长相关模型和气象模型进行精确的控制。经测试分析得出系统可靠，并且能够有效管理温室植物生长[22]。
Jouni Tervonen（2018 年）设计了一套基于物联网的蔬菜储藏质量控制系统，通过对 9 个传感节点和 1 个控制节点进行星型组网，实时采集蔬菜储藏仓库的温湿度数据并通过协调节点实时接入 Internet 送至远程服务器，并允许其他用户进行数据访问，同时将控制指令发送至控制节点进行相应的控制。该系统能够通过实时采集的储藏仓库的温湿度进行相应决策并进行远程控制，从而让蔬菜存储在适宜环境中[23]。
..........................
Carlos Ser?dio 等（2001 年）搭建了农业管理系统网络化平台，通过传输网络的布置、节点的接入来实现远程监测，并能够在温室稳定运行，同时可以导入植物生长相关模型和气象模型进行精确的控制。经测试分析得出系统可靠，并且能够有效管理温室植物生长[22]。
Jouni Tervonen（2018 年）设计了一套基于物联网的蔬菜储藏质量控制系统，通过对 9 个传感节点和 1 个控制节点进行星型组网，实时采集蔬菜储藏仓库的温湿度数据并通过协调节点实时接入 Internet 送至远程服务器，并允许其他用户进行数据访问，同时将控制指令发送至控制节点进行相应的控制。该系统能够通过实时采集的储藏仓库的温湿度进行相应决策并进行远程控制，从而让蔬菜存储在适宜环境中[23]。
..........................
2.1 系统需求分析
针对作物灌溉过程中水分供给不合理、劳动力短缺等问题，基于物联网无线通信技术，研究并开发一套智能灌溉决策系统，具备以下功能：
（1）土壤墒情信息和气象信息实时监测：通过布置土壤水分传感器和气象站完成土壤墒情信息和气象信息的实时感知。
（2）无线通信网络的组建：利用无线通信技术完成无线通信网络的组建实现监测数据的实时发送和控制指令的实时接收。
（3）智能灌溉决策建立：依据蓝莓需水规律建立灌溉决策模型和灌溉预报模型实现灌溉量的计算和预报。
（4）灌溉实时控制：通过设计灌溉控制系统实时接收控制指令实现远程自动灌溉。
...........................
2.2 系统总体设计
根据系统功能需求分析设计系统总体架构，主要包括感知控制层、传输层、应用层及用户层，其中感知控制层实时采集土壤墒情信息和气象信息实现实时监测为智能决策提供依据，同时接收控制指令实时灌溉；传输层实现无线传感网络与互联网的连接实时发送监测数据至应用层进行智能决策，并将智能决策结果发送至控制层进行相应的控制；应用层将监测数据进行实时保存并进行智能决策实现灌溉量的计算和预报，并制定灌溉计划；用户层通过智能手机、笔记本、大屏幕等为用户提供信息实时监测及远程手动/自动灌溉的功能。系统总体结构如图2.1 所示：
.............................
3.1 信息采集模块设计..........................................22
3.1.1 土壤水分传感器原理及选型..............................23
3.1.2 土壤水分传感器标定...................................23
第四章 灌溉决策与预报模型建立......................................33
4.1 蓝莓需水规律分析..........................................33
4.2 灌溉决策模型建立.............................33
4.2.1 彭曼原理.........................................34
4.2.2 决策模型建立....................................36
第五章 系统软件设计.................................46
5.1 上位机软件设计.......................................46
5.2 Android 客户端软件设计.......................................53
5.3 下位机软件设计......................................55
第六章 系统集成与测试
6.1 系统性能测试
6.1.1 上位机性能测试
上位机性能测试主要从数据能否实时更新显示、控制命令发送是否准确和能否稳定运行这几个方面进行。
（1）数据接收处理更新
上位机使用多线程技术来接收处理数据，能够提升上位机应用程序处理数据的速度，通过不断接收处理汇聚节点数据保持实时更新。显示界面主要显示的参数有各子节点的土壤含水率值和气象数据。对数据更新显示进行连续几日抽样对比，如图 6.2 所示，上位机能够实时显示土壤含水率和气象数据，达到设计需求。
...........................
第七章 总结与展望
7.1 总结
针对目前蓝莓规模化种植劳动强度大、效率低等问题，本论文对蓝莓根系和各土层水分动态规律进行研究，为土壤水分传感器的布置提供依据；通过彭曼原理、BP 神经网络算法结合土壤水分平衡原理建立灌溉决策和灌溉预报模型；通过对系统硬件选型设计搭建物联网硬件平台并对系统上位机、Android 客户端、下位机进行软件设计，搭建了一套人机交互界面友好、可靠性高的物联网智能灌溉系统，并进行了系统测试，结果表明该系统具有较高的使用价值。本论文自选题、资料收集、系统的硬件平台选型搭建、系统软件设计并最终完成系统整体测试，主要完成的工作内容有：
（1）完成了系统方案设计。根据国内外物联网应用和智能灌溉系统的研究现状，设计了系统的整体结构，并通过对蓝莓根系和土壤各土层水分动态进行研究确定传感器布点方案，试验结果表明 30cm 土层水分值与其他各土层水分值相关性较大，并最终确定布点深度为 30cm；通过对比目前的主流长短距离无线通信技术，确定长短距离无线通信方案和组网方案，对比结果表明 433M 技术适用于短距离无线传输，4G 技术适用于长距离通信，并确定星型组网方案。
（2）完成了系统硬件平台搭建和软件实现。根据系统设计需求完成物联网硬件平台搭建和软件实现，主要包括传感器、气象站、控制器和无线传输模块的选型设计，其中对土壤水分传感器进行标定同时对短距离通信模块进行通信距离实测，测试结果表明所选模块满足系统需求。软件设计主要包括上位机、下位机和Android 客户端三部分，通过 Visual Studio 平台和 C#语言完成上位机各功能模块设计；利用 Keil 软件和 Step7 软件实现下位机软件设计并根据自定义数据传输协议完成数据采集和传输；通过 Android Studio 平台对 Android 客户端数据处理和交互进行软件设计，其中着重研究了Socket通信技术和ADO.NET数据交互技术。
（3）建立了灌溉决策和灌溉预报模型。通过分析蓝莓需水规律，运用彭曼原理、BP 神经网络和土壤水分平衡原理，实现灌溉决策和灌溉预报，其中利用实时采集的数据代入彭曼公式计算蒸腾量；通过 BP 神经网络算法训练样本后结合天气预报实现蒸腾量预测，并通过 Matlab 对预测模型进行仿真，结果表明该预测模型可靠；结合土壤水分平衡公式实现灌溉决策和灌溉预报功能。
（3）建立了灌溉决策和灌溉预报模型。通过分析蓝莓需水规律，运用彭曼原理、BP 神经网络和土壤水分平衡原理，实现灌溉决策和灌溉预报，其中利用实时采集的数据代入彭曼公式计算蒸腾量；通过 BP 神经网络算法训练样本后结合天气预报实现蒸腾量预测，并通过 Matlab 对预测模型进行仿真，结果表明该预测模型可靠；结合土壤水分平衡公式实现灌溉决策和灌溉预报功能。
（4）进行了系统性能测试及整体运行分析。通过对系统各部分进行性能测试，主要包括上位机显示界面、远程控制功能、Android 客户端实时性及无线传输网络性能进行测试，测试结果表明各部分运行稳定；对系统进行整体运行测试，分析灌溉决策和灌溉预报准确性，测试结果表明系统能够实现预期目标，满足灌溉需求。
参考文献（略）