基于LoRa的温室智能补光系统研制-《江苏农业科学》(2020年5期).docx

龙源版权所有 基于LoRa的温室智能补光系统研制作者：李晋蒲 曹瑞红 赵建贵 高安琪 韦玉翡 李志伟来源：《江苏农业科学》2020年第05期 摘要： 由于天气的影响，温室作物面临着光照不足、时间短且不均匀的问题，针对此现象研制了温室智能补光系统。该系统包括环境因子的采集器与控制LED亮度的补光器2个部分，均采用高速、低功耗的STM32核心处理器，利用LoRa无线网络实现采集器与补光器之间的数据传输。系统获取光照、温度、CO2环境等数据，并依据基于遗传学算法优化后的温室作物补光数学模型和作物所需最佳红蓝光阈值，对温室内的作物自动补光;补光器采用节能且使用寿命长的红蓝灯相结合的LED点阵。试验结果表明，本系统可以实现实时监测环境因子并获取环境数据，实现温室内的自动化补光，具有实用价值。 关键词： 温室;LoRa;LED点阵;智能补光 中图分类号： S625.5+2 文献标志码： A 文章编号：1002-1302（2020）05-0198-07 光是绿色植物进行光合作用的基础，是植物生长发育的必要前提[1]。受冬季天气的影响，温室环境并不能给作物提供充足的光照，致使其长期处于弱光状态，发育与生长速度缓慢甚至停止。因此，设计一套温室补光系统是极有必要的。温室内还存在光照不均匀的现象，为了使温室作物达到最佳的生长环境，需要进行多区域监测;传统有线传输存在布线困难、维护性差的问题，而传统的无线传输距离较短、功耗大。综合以上2点，系统采用新型无线LoRa（long range）网络进行数据传输。LoRa不仅传输距离远、成本低，而且还极大地改善了接收的灵敏度，大大降低了功耗。发光二极管（LED）相对于传统补光灯来说，具有光谱特性明显、电光转化效率高、易调光、工作电压低、发光均匀稳定和寿命长等优点[2-4]。以LED为主要补光设备为温室内的作物提供充足的光源，不仅可以满足温室作物生长所需的光质，并且功耗低、价格低廉[5]。现有补光算法大体分为2种：一种是基于净光合速率的补光数学模型，另一种是直接根据作物所需最佳光照进行补光[6-7]。两者都不能根据实际环境因子给予作物最佳补光数据，针对这种现象，系统以番茄为例，根据实际环境中温度和CO2浓度，采用了基于遗传学算法的温室作物补光数学模型，可以更加精准地提供补光数据。 系统分为环境因子的采集器与控制LED亮度的补光器两大部分。采集器主要是进行多区域监测，采集温室内不同区域的光照、温度和CO2濃度等信息，并将这些信息传输给补光器;补光器依据基于遗传学算法优化后的温室作物补光数学模型，对采集器传输的数据进行计算，得出该区的最佳光照，并与实际情况对比从而实现对不同区域的精准补光。本系统与传统的补光系统相比，区别在于可以依据温室内不同区域环境的差异和优化后基于遗传学算法的温室作物补光数学模型，分区域进行特定补光，不仅解决了温室内光照不均匀的状况，还能依据温室不同作物的补光阈值，实现多种作物的精准补光，耗能低，实用性更强[8]。 1 基于遗传学算法的温室作物补光数学模型以及优化 温室内部光照不均匀的问题普遍存在，因此对于温室内不同区域的作物进行同等强度的补光显然是不可取的。本系统采用补光模型，针对温室不同区域的环境因子实现分区补光[9]。现有遗传学算法寻优目标值模型，根据不同温度以及CO2浓度来探寻番茄的最优光合速率，基于此获得相应条件下的光子通量密度，也就是相应条件下的光饱和点;然后利用多元回归的方法，通过对不同的温度以及CO2浓度与相应条件下的光饱和点进行数据拟合，生成了以温度和CO2浓度为输入，光饱和点为输出的光环境目标值模型[10]。模型如式（1）所示。 ILSP=32.57+75.58T+0.461 7C-1.202T2-0.004 15TC+0.000 097 3C2。（1） 式中：ILSP表示作物的光饱和点，μmol/（m2.s）;T表示温室内的温度，℃;C表示温室内CO2的质量分数，mg/kg。 系统采用该遗传算法寻优目标值模型作为补光模型。但由于此模型所针对的环境与本系统所针对的环境并不完全一致，在此对其进行了调整。根据本系统所针对的温室环境以及对所测数据的整理和计算，对式（1）优化处理，调整后的模型如式（2）所示。对模型结果进行分析，其确定系数R2为0.982，表明该模型具有良好的拟合成效;对模型进行验证，得出模型具有良好的测试精度和适用性，光饱和点的实测值与模拟值最大相对误差不超过5%。 ILSP=33.63+74.23T+0.451 9C-1.113T2-0.003 27TC+0.000 106 4C2。（2） 2 系统总体设计 温室智能补光系统包括采集器与补光器两大部分。采集器由若干个采集区实现对温室内各区域光照度、温度以及CO2浓度等实时数据的采集。