劉長悅+張遠芳+王海亮+郝志愚+吳貺+王坤+劉偉+王建春+郭銳

摘 要：農業(yè)大數(shù)據(jù)是運用大數(shù)據(jù)的技術和方法，解決農業(yè)或涉農領域數(shù)據(jù)的采集、存儲、計算與應用等一系列問題，為食品安全、環(huán)境監(jiān)測、精細生產、產品溯源、生物感知以及農業(yè)科研等管理與研究提供科學支撐。本文論述了基于Resin系統(tǒng)的數(shù)據(jù)自動采集分析平臺的建設方法，及其實現(xiàn)了數(shù)據(jù)采集、遠程傳輸、數(shù)據(jù)篩選和環(huán)境分析的功能。

關鍵詞：大數(shù)據(jù)；采集；分析；溫室環(huán)境；Resin

中圖分類號：TP274+.2 文獻標識碼：A DOI 編碼：10.3969/j.issn.1006-6500.2017.08.016

Abstract： Agriculture big data wasto solve the problems of agriculture data acquisition， storage， calculation and analysis， to provide scientific support for food safety， environmental monitoring， precision production， product traceability and biological sensing of agricultural scientific research management and research. This paper discusses the construction methods of automatic data acquisition and analysis platform based on Resin system， and how it realizes the functions of data acquisition， remote transmission， data screening and environment analysis.

Key words： big data； acquisition； analysis； greenhouse environment； Resin

隨著信息技術的不斷進步，利用現(xiàn)代信息技術和信息系統(tǒng)為農業(yè)生產、供、銷及相關的管理和服務提供有效的信息支持，已經成為當今農業(yè)發(fā)展的主流趨勢[1]。在農業(yè)物聯(lián)網技術的帶動下，傳統(tǒng)農業(yè)信息化也逐漸升級為智能化農業(yè)和大數(shù)據(jù)農業(yè)。大數(shù)據(jù)是數(shù)量龐大的數(shù)據(jù)集合，而農業(yè)大數(shù)據(jù)有著密度低，數(shù)量廣，特征多樣的特點[2-3]。目前，對農業(yè)大數(shù)據(jù)的研究還處于剛剛起步的階段，但是科研人員已經意識到大數(shù)據(jù)的價值，國內外的政府和研究機構都在加大對農業(yè)大數(shù)據(jù)領域的投入[4-5]。在農業(yè)種植領域，大數(shù)據(jù)的采集和分析具有系統(tǒng)性、智能化、自動化的特點[6-7]。數(shù)據(jù)采集分析系統(tǒng)一般由以下部分構成：（1）環(huán)境感知采集設備，如土壤傳感器、氣體傳感器、溫濕度傳感器等，通過傳感器進行基礎數(shù)據(jù)的收集[8]；（2）網絡傳輸設備，由無線WIFI、ZigBee網絡、數(shù)據(jù)接口等構成，對采集到的數(shù)據(jù)進行傳輸，對數(shù)據(jù)分析結果和控制指令進行傳達[9-10]；（3）分析決策設備，包括數(shù)據(jù)庫服務器，應用服務器等，是云計算技術支持下進行數(shù)據(jù)篩選、儲存、處理、分析的核心平臺[11]；（4）終端執(zhí)行反饋設備，如種植現(xiàn)場的灌溉設備，溫室大棚的卷簾機、風扇等，核心平臺對數(shù)據(jù)經過分析處理后對終端執(zhí)行反饋設備發(fā)布命令，執(zhí)行相應的動作來調整農業(yè)生產。隨著數(shù)據(jù)采集設備、傳播手段和數(shù)據(jù)儲存環(huán)境的不斷升級，數(shù)據(jù)采集分析過程呈現(xiàn)體量龐大、模態(tài)多元、實時性強、關聯(lián)復雜的特點[12—14]。筆者開發(fā)的基于Resin系統(tǒng)的數(shù)據(jù)自動采集分析平臺，實現(xiàn)了數(shù)據(jù)采集、遠程傳輸、數(shù)據(jù)篩選和環(huán)境分析的功能，大大減小了傳統(tǒng)數(shù)據(jù)采集過程中受空間和時間條件限制的問題，提高了對有效數(shù)據(jù)利用和分析的程度。

1 平臺設計與實現(xiàn)

1.1 平臺設計

WebService數(shù)據(jù)自動采集分析平臺通過分析溫室植物種植數(shù)據(jù)，采集系統(tǒng)功能與實現(xiàn)的要求，結合軟件使用習慣架構將整個系統(tǒng)劃分為4個基本模塊：氣象數(shù)據(jù)、環(huán)境調控、溫室信息、田間數(shù)據(jù)。數(shù)據(jù)采集的硬件部分包括溫度、濕度、光照強度傳感器。軟件部分數(shù)據(jù)節(jié)點操作系統(tǒng)為centOs系統(tǒng)，應用服務器和數(shù)據(jù)庫服務器分別為Resin 3.0和Oracle 11g系統(tǒng)，信息搜索和共享由Hadoop實現(xiàn)，平臺的開發(fā)工具為Eclipse。

1.2 平臺實現(xiàn)

氣象數(shù)據(jù)模塊包括收集與整理京津冀地區(qū)近十年來的氣象數(shù)據(jù)，數(shù)據(jù)主要包括氣溫、地溫、積溫、濕度、降雨量、氣壓、蒸發(fā)量、風速、光照等（圖1）。環(huán)境調控模塊包括作物生長發(fā)育與環(huán)境之間的相互作用及良好的生長相關參數(shù)（圖2）。

大棚信息模塊通過Web Service接口自動采集溫室實時環(huán)境數(shù)據(jù)，主要包括空氣溫度、空氣濕度、土壤溫度、土壤濕度、光照、二氧化碳含量等數(shù)據(jù)，并進行分析及圖表展示。數(shù)據(jù)可由采集傳感器實時傳輸，也可通過Excel表格批量上傳數(shù)據(jù)，實現(xiàn)新建、修改和刪除功能（圖3～圖5）。

田間數(shù)據(jù)模塊負責收集與整理日光溫室日常田間作業(yè)數(shù)據(jù)，主要包括試驗數(shù)據(jù)管理、生成管理記錄、生成前期準備、施肥情況管理、病蟲害防治信息管理、作物生長狀態(tài)記錄等（圖6）。

2 結果與分析

2.1 Oracle 11g數(shù)據(jù)庫寫入數(shù)據(jù)測試

本試驗選取5個數(shù)據(jù)采集點，將2016年11月至2017年5月采集的到全部環(huán)境數(shù)據(jù)進行寫入測試。分別采用服務器默認配置（簡稱“默認”），無預分區(qū)并設置10M緩存區(qū)（簡稱“無預分”），設置6個預分區(qū)并設置10M緩存區(qū)（簡稱“預分”）3種試驗方案，運行于10個節(jié)點的分布式集群中，測試的數(shù)據(jù)量分別為100萬，200萬，300萬，400萬條，得出數(shù)據(jù)量與運行時間的折線圖（圖7）。

圖7可見，使用預分區(qū)設置的方式寫入數(shù)據(jù)，曲線傾斜率最小，時間增長率低，說明在數(shù)據(jù)量增大的時候，預分區(qū)設置的寫入性能優(yōu)于默認設置和無預分區(qū)設置。

2.2 回歸性分析性能測試

本測試以空氣溫度、空氣濕度、土壤溫度、土壤濕度與番茄果實重量的回歸分析為例。環(huán)境指標存于不同Condition表中，以天為單位計算Condition表中平均值計入Test表中，果實數(shù)據(jù)存于Result表中。根據(jù)Test和Result表中數(shù)據(jù)計算得出回歸方程。

每組Condition表初始數(shù)據(jù)為200萬條，以200萬條單位遞增生成5組測試數(shù)據(jù)，隨著Condition組增加，不同數(shù)據(jù)量對運行時間的影響，結果如圖8所示。

圖8可見，時間增長率并未隨著數(shù)據(jù)量增加和環(huán)境條件增加而變大，說明本平臺適合處理大量數(shù)據(jù)和多指標參數(shù)的復雜數(shù)據(jù)，并具有良好的擴展性。

3 結 論

（1）首次建立農業(yè)種植大數(shù)據(jù)平臺，將多指標環(huán)境參數(shù)進行綜合性回歸分析。該平臺具有良好的擴展性，可通過添加或更換相應的傳感器，再對系統(tǒng)進行改進和調試，從而進行更復雜的生長模型分析。

（2）首次將歷史環(huán)境數(shù)據(jù)庫融入數(shù)據(jù)平臺建設，并在后臺進行數(shù)據(jù)分析和新老數(shù)據(jù)對比，此舉有助于提高今后大數(shù)據(jù)分析的準確性。

參考文獻：

[1]汪偉偉，李紹穩(wěn)，孟浩，等. 基于Data Socket的果園生態(tài)環(huán)境遠程數(shù)據(jù)采集系統(tǒng)[J].微計算機信息， 2007， 23（13）：117-119.

[2]孟祥寶，謝秋波，劉海峰，等. 農業(yè)大數(shù)據(jù)應用體系架構和平臺建設[J]. 廣東農業(yè)科學， 2014 ， 41 （14）：173-178.

[3]袁偉，羅麗瓊，趙路，等. 基于Hadoop的葡萄種植環(huán)境數(shù)據(jù)處理及性能測試[J]. 山東農業(yè)科學， 2015，47（8）：119-122，126；

[4]余歡，劉勇，鄭秀國，等. 基于STM32的農業(yè)環(huán)境數(shù)據(jù)采集終端設計與開發(fā)[J]. 上海農業(yè)學報， 2016，32（4）：140-146.

[5]周國民，樊景超，吳定峰，等. 基于XML的果園環(huán)境數(shù)據(jù)采集和數(shù)據(jù)表示[J]. 農業(yè)經濟與信息技術， 2015，21（12）：76-79，83；

[6]華雪琦，孫明喆，黃冠博，等. 農業(yè)物聯(lián)網示范基地環(huán)境數(shù)據(jù)共享與管理系統(tǒng)研發(fā)[J]. 天津農林科技，2015（S）： 57-58.

[7]羅桂蘭，張梅，馮立波，等. 生態(tài)環(huán)境數(shù)據(jù)預測方法研究[J]. 大理學院院報，2015， 14 （6）：13-17.

[8]李秀峰，陳守合，郭雷風. 大數(shù)據(jù)時代農業(yè)信息服務的技術創(chuàng)新[J].中國農業(yè)科技導報， 2014，16（4）：10-15；

[9]郭承坤，劉延忠，陳英義，等. 發(fā)展農業(yè)大數(shù)據(jù)的主要問題及任務[J]. 安徽農業(yè)科學， 2014，42（27）：9642-9645；

[10]王文生，郭雷風. 關于我國農業(yè)大數(shù)據(jù)中心建設的設想[J]. 大數(shù)據(jù)， 2016， 2 （1）：28-34.

[11]黎玲萍，毛克彪，付秀麗，等. 國內外農業(yè)大數(shù)據(jù)應用研究分析[J]. 高技術通訊， 2016， 26 （4）：414-422.

[12]陶佰睿，李春輝，苗鳳娟，等. 基于云端的農業(yè)大數(shù)據(jù)采集與管理系統(tǒng)淺析[J]. 工業(yè)和信息化教育， 2016 （9）：81-89.

[13]王文生，郭雷風. 農業(yè)大數(shù)據(jù)機器應用展望[J]. 江蘇農業(yè)科學，2015，43（9）：1-5.

[14]溫孚江. 農業(yè)大數(shù)據(jù)研究的戰(zhàn)略意議與協(xié)同機制[J]. 高等農業(yè)教育， 2013 （11）：3-6.