基于人工嗅觉的土壤有机质远程监测系统研究

• 作 者: 白云龙
• 出 处: 吉林农业大学
• 发表日期: 2020年01期
• 关键词: 人工嗅觉 物联网 土壤有机质 STM32单片机 思维进化算法

粮食产量对于属于农业大国的中国而言具有至关重要的影响力,土壤中有机质的含量是影响粮食产量的一个重要元素,如何监测农田土壤中有机质的含量是当前研究的重要问题。目前,国内外在农田土壤有机质含量监测方面取得了很多的研究成果,但是大部分都是通过人工现场实地采集土壤样本利用化学方法检测,或者通过检测仪器现场采集土壤有机质含量数据,缺少智能化自动采集数据的远程监测系统。为了实现大面积农田土壤有机质含量远程监测的目的,本文提出一种基于人工嗅觉的土壤有机质远程监测系统。首先,文章分析了人工嗅觉技术和土壤有机质监测技术的国内外研究现状,并且总结了当前国内土壤有机质远程监测方面存在的问题,针对存在的问题确定了土壤有机质远程监测系统的关键技术和总体框架,根据系统的总体框架将监测系统分为土壤有机质数据采集终端、远程服务器数据存储终端和系统监控平台三部分。然后,建立了数据采集终端的硬件架构,对气体传感阵列、核心控制器、数据远程发送模块和电源模块等硬件部分进行了选型,并利用Altium designer软件对各个模块的外围电路进行了详细地设计。选用STM32F103ZET6芯片作为核心控制器,利用“太阳能+锂电池”的供电方式为监测系统提供源源不断的电力支持,利用keil5软件完成数据采集终端的程序编写工作。接着,文章对吉林省敦化市40个监测点的土壤有机质含量进行研究,利用模式识别方法对采样点的土壤气味数据进行分类识别,并利用化学方法检测土壤有机质含量完成土壤有机质数据的标定工作,对比MEA-BP、GA-BP、单一BP模式识别方法对土壤有机质含量预测结果的影响,仿真实验表明:MEA-BP土壤有机质预测模型预测稳定性最好、均方误差(RMSR)最小和决定系数(R~2)最接近1,其中RMSE的值为7.80,R~2的值为0.9268。再者,文章对土壤有机质远程监测系统的监控平台进行设计,利用LabVIEW编程软件编写系统监测界面,绘制了用户登录模块、用户管理模块和数据查询及显示模块等各个功能模块,使用database工具包建立与数据库之间的数据通信,使用MATLAB scrip节点调用土壤有机质预测模型,进一步提高系统监测精度。最后,对系统的数据采集终端进行了现场搭建,在特定的测试环境下测试了系统硬件部分和软件部分的工作稳定性和土壤有机质含量预测精度性,并对电脑端和手机端的监测界面进行了展示,整个系统在复杂的农田环境中可以稳定运行,平均监测精度达到93.2%,可以满足实际生产作业需求。