Agricultural Environmental Monitoring System for Maize Diseases: Research and Implementation Based on the Internet of Things

doi:10.11924/j.issn.1000-6850.casb20190600257

Abstract

Abstract:

In order to research and implement an environmental monitoring system for maize diseases based on the internet of things, the authors designed a four-layer framework, including the perception layer, the transport layer, the cloud platform and the application layer. In the perception layer, we collected the environmental data of maize diseases, such as temperature, humidity, precipitation, wind direction, wind speed, light intensity, soil temperature and moisture by using wireless sensors; in the transport layer, we used 4G mobile communication network for remote real-time transmission of data; in the cloud platform, we used database technology and cloud server technology to achieve the storage and management of data based on the breeding cooperation cloud platform of Sichuan; finally, in the application layer, we used B/S architecture technology to implement a data presentation service. The results show that this system can accurately collect, transmit and store data, reducing labor costs. Therefore, it can provide effective information service for the research on maize diseases and has a certain practical value.

Key words: internet of things, private clouds, agricultural informatization, environmental monitoring system

CLC Number:

S126

Hu Liang, Cao Yan, Tang Jiangyun, Liu Yongbo, Lei Bo. Agricultural Environmental Monitoring System for Maize Diseases: Research and Implementation Based on the Internet of Things[J]. Chinese Agricultural Science Bulletin, 2020, 36(22): 154-164.

Figures/Tables 18

References 30

[1]	段鹏飞. 河南夏玉米主要病害发生特征及其与气候生态因素关系[D]. 郑州:河南农业大学, 2010: 40.
[2]	王粟, 史风梅, 裴占江, 等. 气候变化对黑龙江省玉米病虫害发生的影响[J]. 黑龙江农业科学, 2019(6):20-26.
[3]	任巧燕. 榆林市榆阳区玉米品种抗病性及主要病虫害发生规律研究[D]. 杨凌:西北农林科技大学, 2017: 3-4, 10-11.
[4]	李伟强, 李晓, 陈定鑫, 等. 基于物联网的环境监测系统的研究及实现[J]. 安徽农业科学, 2017,45(12):199-202.
[5]	汪姚强, 吴名功, 霍星, 等. 基于物联网的大田农业监测系统设计[J]. 安徽农业科学, 2018,46(21):197-199,236.
[6]	李淑华. 农田土壤墒情监测与智能灌溉云服务平台构建关键技术研究[D]. 北京:中国农业科学院, 2016: 11-21, 47-59.
[7]	Biggs P, Srivastava L. ITU Internet reports 2005: the internet of things[M]. Geverna: International Telecommunication Union, 2005: 1-2.
[8]	郑纪业, 阮怀军, 封文杰, 等. 农业物联网体系结构与应用领域研究进展[J]. 中国农业科学, 2017,50(4):657-668. doi: 10.3864/j.issn.0578-1752.2017.04.006 URL
[9]	张江南, 王海. 基于数据中心的农业物联网系统的设计[J/OL].计算机技术与发展,2019(9):1-4[2019-07-24]. Http://kns.cnki.net/kcms/detail/61.1450.TP.20190424.1055.074.html.
[10]	周湘超, 陈义明, 朱幸辉. 1种农业物联网大数据平台架构[J]. 安徽农业科学, 2019,47(2):241-245.
[11]	闫茂玲. 农田小气候时序数据特征分析与预测[D]. 泰安:山东农业大学, 2018: 8-10.
[12]	丁振磊. 农业小气候数据采集站的设计与实现[D]. 贵阳:贵州大学, 2016: 1-4.
[13]	李翠娜, 张雪芬, 李肖霞, 等. 农田小气候自动观测系统温度梯度观测设计[J]. 气象科技, 2015,43(1):8-14.
[14]	张小飞, 李晓, 崔丽娜, 等. 西南地区玉米大斑病菌生理小种鉴定[J]. 玉米科学, 2012,20(4):143-148.
[15]	崔丽娜, 张小飞, 邹成佳, 等. 西南地区玉米纹枯病病菌融合群鉴定和UP-PCR分析[J]. 植物保护学报, 2015,42(6):914-920.
[16]	赵泽双. 玉米大斑病,茎腐病,丝黑穗病抗性标记开发及抗性种质筛选[D]. 哈尔滨:东北农业大学, 2013: 1-4.
[17]	张小飞, 李晓, 崔丽娜, 等. 西南地区玉米灰斑病病原种类分子鉴定[J]. 西南农业学报, 2014,27(3):1079-1081.
[18]	周仕祥, 余宽良. 四川玉米主要病害及其防治[J]. 四川农业科技, 2016(8):27-29.
[19]	程宏杰, 朱震宇, 陈泽. 农业物联云的设计与实现[J]. 江苏农业科学, 2017,45(3):179-183.
[20]	刘锋. 物联网应用组网技术研究[J]. 信息通信技术与政策, 2019(1):65-68.
[21]	李赫宇. 基于物联网无线组网技术的大棚监控系统研究[D]. 长春:吉林农业大学, 2017: 7-13.
[22]	王志超, 刘波, 花於锋. 基于移动4G与ZigBee无线传感网的网关设计[J]. 计算机测量与控制, 2014,22(3):863-865,878.
[23]	江强. 4G通信技术在物联网中的运用[J]. 信息与电脑:理论版, 2017(17):177-181.
[24]	李延香, 赵蔷, 袁辉. 基于Wi-Fi物联网技术的智慧实验室架构研究[J]. 信息技术, 2018,42(8):34-38.
[25]	李双喜, 徐识溥, 刘勇, 等. 基于4G无线传感网络的大田土壤环境远程监测系统设计与实现[J]. 上海农业学报, 2018,34(5):105-110.
[26]	杨扬, 贾君君, 夏星. 基于OpenStack构建企业信息化私有云平台研究[J]. 中国管理信息化, 2019,22(3):67-69.
[27]	罗军舟, 金嘉晖, 宋爱波, 等. 云计算:体系架构与关键技术[J]. 通信学报, 2011,32(7):3-21.
[28]	张学利, 马娜, 朱瑜馨, 等. 基于云平台的农业综合信息应用系统的设计与开发[J]. 地理空间信息, 2019,17(2):27-30.
[29]	王雷雨. 基于物联网的温室监控系统云平台的设计与实现[D]. 呼和浩特:内蒙古大学, 2016:4-8,17-19,31-36.
[30]	常勇. 基于4G网络的果园环境监测系统研究与开发[D]. 西安:西安理工大学, 2018: 53-61.

传感器类型	具体描述
空气温度	单位为℃;分辨率0.1℃;测量范围-40~120℃
空气相对湿度	分辨率0.1%;测量范围0~100%
风向	单位为°;分辨率1°;测量范围0~360°
风速	单位为m/s;分辨率：0.1 m/s;测量范围0~65 m/s
光照强度	单位为lx;分辨率1 lx;测量范围0~200000 lx
降雨量	单位为mm;分辨率0.1 mm;测量范围0~6553 mm
土壤温度	单位为℃;分辨率0.1℃;测量范围-20~100℃
土壤墒情	分辨率0.1%;测量范围：0~100%

传感器类型	具体描述
空气温度	单位为℃;分辨率0.1℃;测量范围-40~120℃
空气相对湿度	分辨率0.1%;测量范围0~100%
风向	单位为°;分辨率1°;测量范围0~360°
风速	单位为m/s;分辨率：0.1 m/s;测量范围0~65 m/s
光照强度	单位为lx;分辨率1 lx;测量范围0~200000 lx
降雨量	单位为mm;分辨率0.1 mm;测量范围0~6553 mm
土壤温度	单位为℃;分辨率0.1℃;测量范围-20~100℃
土壤墒情	分辨率0.1%;测量范围：0~100%

时间	降雨量/mm	空气温度/℃	空气湿度/%	风速/(m/s)	光照强度/lx	土壤温度/℃	土壤水分/%
2019-05-05 21:00:00	3.9	17.8	92.3	2.270	0	21.6	7.2
2019-05-05 19:00:00	0.8	19.4	82.9	2.174	733	21.6	7.2
2019-05-05 17:00:00	0.8	19.3	86.4	3.422	7459	21.6	7.2
2019-05-05 15:00:00	0.3	20.3	82.2	1.406	31969	21.7	7.2
2019-05-05 13:00:00	0.2	19.4	84.8	2.750	28480	21.7	7.2

时间	降雨量/mm	空气温度/℃	空气湿度/%	风速/(m/s)	光照强度/lx	土壤温度/℃	土壤水分/%
2019-05-05 21:00:00	3.9	17.8	92.3	2.270	0	21.6	7.2
2019-05-05 19:00:00	0.8	19.4	82.9	2.174	733	21.6	7.2
2019-05-05 17:00:00	0.8	19.3	86.4	3.422	7459	21.6	7.2
2019-05-05 15:00:00	0.3	20.3	82.2	1.406	31969	21.7	7.2
2019-05-05 13:00:00	0.2	19.4	84.8	2.750	28480	21.7	7.2

类型	Wi-Fi(802.11)	4G
通信距离	小于100 m,需通过桥接设备扩大覆盖范围	在移动运营商的基站覆盖范围内即可,传输距离不受其他因素限制
网络规模	较小	大
带宽	互联网带宽与有线网络的接入带宽相同,实验基地的下行带宽为20 Mb/s,上行带宽为2 Mb/s,实际网速受其他用户上网影响	理论最大带宽为100 Mb/s,实际带宽受限于信号强度、基站损耗等因素影响,现场实测下行带宽为19.25 Mb/s,上行带宽为6.18 Mb/s
供电要求	设备功耗较高,需为每个桥接网关和无线AP设备配备供电系统	功耗相对较低,4G通信模块集成在采集节点内,与采集节点共用供电系统
稳定性	网络稳定性较差,网速受办公区上网用户影响较大	稳定性较好,网速不受其他用户影响
成本	初期需建设无线局域网,设施设备成本较高。由于通过有线网络接入互联网,数据流量不受限制	初期建设成本低。后期如果系统数据量大,特别是进行实时视频类型的数据采集,需使用大流量或无限流量的4G服务,每月支付4G服务费