Интеллектуальное земледелие на основе Интернета вещей
doi: 10.24411/0044-3913-2020-10702 УДК 631.58:551:5
С. Ю. БЛОХИНА, кандидат биологических наук, старший научный сотрудник (e-mail: sblokhina@agrophys.ru) Ю. И. БЛОХИН, научный сотрудник (e-mail: blohin3k4@gmail.com) Агрофизический научно-исследовательский институт, Гражданский просп., 14, Санкт-Петербург, 195220, Российская Федерация
В статье представлен обзор современного состояния и рассмотрены перспективные направления применения технологий Интернета вещей (IoT) в земледелии. Разработана научно-техническая структура IoT для информационного обеспечения умного земледелия, включающая три основных уровня: устройств, сетевого взаимодействия и конкретного применения. Предложенная структура IoT обеспечивает интеллектуальный, автоматизированный сбор, обработку и комплексирование разнородных данных, поступающих с датчиков и различных систем, и обеспечивает высокий уровень интерпретации и масштабируемости процесса оценки агрофизических свойств почвы сельскохозяйственных земель. Разработана информационно-измерительная система с применением беспроводной сенсорной сети (БСС) для мониторинга пространственной неоднородности основных характеристик почвы в режиме реального времени. Передача данных в сети между сенсорными узлами и координатором осуществляется по протоколу ZigBee, а отправка данных на интернет-сервер - с использованием 4G модема. Размещенные в оптимальных местах под поверхностью земли автономные датчики автоматически измеряют и передают данные для дальнейшей обработки и использования при решении задач прогнозирования или управления. Для мониторинга основных характеристик почвы и детализации их пространственно-временного распределения разработан прототип сенсорного узла БСС, включающий пя-тиканальный емкостной скважинный влагомер для оперативного мониторинга влажности и температуры почвы с глубины 10, 20, 30, 50 и 100 см от поверхности на сельскохозяйственном поле в режиме реального времени. Каждый сенсорный узел оснащен блоком электроники с аккумуля-
тором, системой управления питанием, стабилизации напряжения и контроля разряда батареи. После выхода из режима ожидания головная плата управления узла подает с использованием реле питание на влагомер и актуатор, проводит поочередный опрос микроконтроллеров влагомера, преобразует полученные данные в значения влажности и температуры, и осуществляет передачу данных с использованием внешней выдвижной антенны.
Ключевые слова: умное земледелие, Интернет вещей, информационные системы управления, беспроводные сенсорные сети, информационно-измерительные системы, сенсорный узел, скважинный влагомер.
Для цитирования: Блохина С. Ю., Блохин Ю. И. Интеллектуальное земледелие на основе Интернета вещей // Земледелие. 2020. № 7. С. 7-13. doi: 10.24411/0044-3913-2020-10702.
Технологии на основе данных быстро продвигаются с развитием Интернета вещей (IoT) и в будущем станут важной частью сельского хозяйства [1]. Интеллектуальное (умное) земледелие «Smart farming» основывается на таких передовых технологиях, как дистанционное зондирование, анализ и управление данными, облачные вычисления, технологии IoT, беспроводные сенсорные сети (БСС), информационные системы управления хозяйством, которые интегрируются с мобильными устройствами и автономно работающими сельскохозяйственными машинами для улучшения мониторинга и управленческих решений. Умное земледелие обычно включает в себя интеллектуальные услуги для применения и управления Информационно-коммуникационными технологиями (ИКТ) и позволяет осуществлять интеграцию по всей агропродоволь-ственной цепочке с точки зрения безопасности и оперативного контроля пищевых продуктов [2]. IoT выступает ключевой технологией в интеллектуальном сельском хозяйстве, поскольку обеспечивает обмен данными между датчиками и другими устройствами, повышая ценность полученной информации путем ав-
ПОЛЕВОДСТВО И ЛУГОВОДСТВО
томатической обработки, анализа и доступа, что приводит к более своевременному и экономически эффективному управлению в хозяйствах. 1оТ позволяет осуществлять контроль в режиме реального времени за появлением сорных растений, вредителей, заболеваний, осуществлять мониторинг опасных погодных или почвенных условий, что приводит к сокращению и адекватному использованию таких ресурсов, как удобрения или средства защиты.
Концепцию 1оТ (подключение всех вещей в мире к Интернету для удалённого управления ими через программное обеспечение и обмен данными в режиме реального времени через сервер или напрямую) предложил занимавшийся оптимизацией производства Кевин Эштон в 1999 г Он заметил, что оптимизация напрямую зависит от скорости передачи и обработки данных. Использование радиочастотной идентификации (1^Ю) с подключением к Интернету [3] позволило ускорить процесс обмена данными непосредственно между устройствами. «Вещами» могут быть любые объекты с датчиками и/или регулирующими устройствами (актуа-торами), которые имеют уникальный адрес, соединены между собой и доступны через всемирную компьютерную сеть Интернет. Применение 1оТ в сельском хозяйстве выгодно из-за возможности осуществлять мониторинг и управление многими параметрами в операционно-совместимом, масштабируемом и открытом контексте с увеличением использования разнородных автоматизированных компонентов [4]. В результате применения 1оТ сельское хозяйство становится управляемым на основе данных, то есть обоснованные решения принимаются в режиме реального времени, сокращая неопределённость и неэффективность, и, как следствие, уменьшая негативное влияние на окружающую среду.
Цель работы - охарактеризовать современное состояние технологий ы Интернета вещей, используемых в о земледелии, и проанализировать л подходы к построению и разви- д тию на их основе информационно- л измерительных систем, включающих | беспроводные сенсорные сети, для 2 умного земледелия; для определе- 7 ния основных характеристик почв и м детализации их пространственно- 2 временного распределения раз- о
работать структуру беспроводной подземной сенсорной сети (БПСС) и сенсорных узлов с учётом их размещения под поверхностью земли.
Применение IoT в земледелии
Применение IoT в сельском хозяйстве быстро завоёвывает внимание в научном сообществе. В Европе реализуется несколько масштабных международных проектов, нацеленных на внедрение технологий IoT в Европейском аграрном секторе (IoF2020 [5], AIOTI [6], SmartAgriFood [7], SMART AKIS [8], SmartAgriHubs [9]). В Австралии в рамках аналогичного проекта разрабатывается методическая основа для перехода от «Точного сельского хозяйства» к «Принятию решений в сельском хозяйстве» (P2D), с привлечением крупных инвестиций [10]. Научные публикации о применении IoT в сельском хозяйстве посвящены в основном таким конкретным вопросам, как Big Data (большие объёмы данных) [11], моделированию [12], беспроводным сенсорным сетям (БСС) [13] и информационным системам управления (ИСУ) сельскохозяйственным предприятием [14].
Только несколько работ можно отнести непосредственно к земледелию [15], которое связано со специфическими особенностями и проблемами, возникающими по следующими причинам:
большие размеры хозяйств, которые влияют на топологию размещения сети датчиков, обработку, анализ и экстраполяцию данных с ограниченного количества стационарных датчиков;
пространственные данные, имеющие важное значение в земледелии, связанные с внутриполевой изменчивостью;
широкое использование датчиков и других устройств на транспортных средствах. В земледелии часто требуется парк транспортных средств для согласованной работы, что создает проблемы в отношении сетевой инфраструктуры, например, связь движущихся вещей, которые используют в основном мобильные сети, с облаком или совместимость между машинами и устройствами различных производителей в режиме реальном времени;
° большие объемы генерируемых с г-« разнойскоростьюиизоченьразроз-^ ненных источников пространственно-о неоднородныхданных- стационарные | датчики, движущиеся транспортные средства и оборудование (навесное), ле спутники, информация веб-сервисов S и др., которые должны быть интеллек-$ туально интегрированы;
изменчивые и неопределенные условия окружающей среды. Система 1оТ должна обеспечивать обработку как пространственных, так и временных данных, что увеличивает сложность этой задачи, а также процесс принятия решений на основе собранных данных;
разнообразие видов полевых операций в течение вегетационного периода, от подготовки почвы и посева сельскохозяйственных культур, с учётом проведения разнообразных мероприятий по уходу за растениями, до уборки запланированного урожая, чтоусложняеткак выполнение поставленной задачи, так и риски.
Со временем, по мнению специалистов, 1оТ будет приобретать всё большие масштабы в производстве сельскохозяйственной продукции благодаря возможности удовлетворять насущную потребность в оперативной совместимости между различными производителями, масштабируемости и возможности контроля (отслеживания событий), несмотря на рассмотренные сложности освоения в земледелии [4]. Различные технологии, реализуемые как 1оТ, активно развиваются, адаптируясь к большому разнообразию при-
кладных задач. Следует отметить, что для лучшего понимания всего спектра используемых технологий, протоколов, стандартов и др. в последние годы в литературе архитектуру (структуру) 1оТ описывают тремя основными уровнями [16]: уровень устройств, уровень сети и уровень конкретного применения. В Агрофизическом институте разработана структура 1оТ для информационного обеспечения умного земледелия (рис. 1). Рассмотрим структуру каждого уровня.
Уровень устройств
Уровень устройств состоит из физических объектов (вещей), способных к автоматической идентификации, измерению или выполнению действий, а также подключению к Интернет. Сенсорные устройства автоматически измеряют и собирают информацию об одном или нескольких параметрах и передают данные по каналу беспроводной связи в облако. Устройства состоят из трансивера, микроконтроллера, схем интерфейса и одного или нескольких датчиков и/или исполнительных механизмов (актуаторов).
( \
я к е и
т н
о е
б ¥
а а
р р
б б
о о
т
е о
и ,
н з
е и
н л
а а
р н
х а
V
х -0 X X
я ¡3
о с
( N
а
ч
а
д
е
р
е
п
-0
m
0:
в
с
У
Уровень применения
Серверы
Базы данных
Информационные
системы управления (ИСУ)
Сетевой уровень
Межсетевой интерфейс (ZigBee, LoRa, Bluetooth/BLE, WiFi, SigFoxи др.
Координаторы (шлюзы)
Модемы
Ретрансляторы
Интернет облако
Промежуточная IoT платформа
Уровень устройств
БПЛА и спутники Беспроводная сенсорная сеть (БСС)
Датчики почвенных характеристик
Сельскохозяйственная техника
Датчики состояния растительности
Климатические датчики
Исполнительные механизмы (актуаторы)
Рис. 1. Архитектура (структура) IoTдля информационного обеспечения умного земледелия.
Датчик измеряет физический параметр, например температуру почвы, который интерпретируется и трансформируется в эквивалентный аналоговый сигнал, то есть электрическое напряжение или ток, который преобразуется в схеме интерфейса, то есть аналого-цифровом преобразователе (АЦП) в соответствующий цифровой формат. После этого, микроконтроллер, иногда в виде микропроцессоров или одноплатных компьютеров, собирает данные в цифровом формате от одного или нескольких датчиков через АЦП и отправляет их на трансивер, или модуль беспроводной связи, который передает данные на межсетевой интерфейс (шлюз). В случае граничных вычислений микроконтроллер или одноплатный компьютер обрабатывают сведения от одного или нескольких датчиков до их дальнейшей передачи, с целью, например, сокращения объема данных, передаваемых в облако, и ускорения их обработки [17]. Для туманных вычислений данные обрабатываются на уровне локальной сети, то есть в соответствующем узле или шлюзе IoT [17, 18]. При использовании актуатора сигнал принимается трансивером, передается на микроконтроллер, где преобразуется в аналоговый сигнал с использованием АЦП, а именно схемой интерфейса, или цифровой сигнал с использованием цифрового преобразователя окончательно обрабатывается актуатором, который действует в соответствии с поступившим сигналом.
Данные от датчиков и устройств, установленных на сельскохозяйственной технике, обычно собираются и доступны через систему локальной сети контроллеров (CAN), в некоторых случаях доступ осуществляется через другие порты (многоразрядные входы или выходы устройств). Информация о работе техники и оператора доступна через систему управления, к которой также можно получить доступ через CAN. Через них часто также доступны данные глобальной навигационной спутниковой системы, например, RTK-GPS, что позволяет, среди прочего, отслеживать движение транспортных средств и оптимизировать маршруты [19].
Согласно прогнозам, количество IoT-устройств на сельскохозяйственных предприятиях во всем мире в 2020 г. достигнет 75 млн (с 30 млн в 2015 г.). Кроме того, ожидается, что объем информации, генерируемой ими в течение дня в хозяйстве также существенно увеличится [20]. Однако большое количество данных часто не используется или используется недостаточно [21]. Например, в Дании, стране с относительно вы-
соким уровнем распространения информационно-коммуникационных технологий в сельском хозяйстве, в 2016 г. только 2...5 % фермеров активно работали с получаемыми данными [15].
Сетевой уровень (уровень
сетевого взаимодействия)
На сетевом уровне данные сначала передаются на промежуточную платформу, а затем в Интернет (облако), откуда, например, на исполнительные механизмы (актуаторы). При передаче на промежуточную платформу обычно используют технологии беспроводной связи, например, RFID (радиочастотная идентификация), БСС с Zigbee (беспроводные сенсорные сети), LoRa (Long Range с большим радиусом действия) и др., с недавних пор - NFC (технология ближней бесконтактной связи). Промежуточная платформа, как правило, представляет собой интернет-шлюз, расположенный поблизости от подключенных устройств, в ряде случаев с подключением промежуточного сервера, на котором данные собираются и периодически обрабатываются для дальнейшей отправки информации конечному потребителю через Интернет с использованием, например, стандартов MQTT, протоколов HTML или XMPP.
Все более популярными в сельском хозяйстве становятся интеллектуальные устройства на базе Android или других операционных систем, поскольку их можно использовать в качестве шлюза для 3G и 4G сетей. Кроме того, они, как правило, включают другие технологии беспроводной связи, например, Bluetooth, Wi-Fi, GPRS и NFC. Такие устройства автоматически соответствуют стандартам и протоколам связи, благодаря чему повышается оперативная совместимость (с другими устройствами) [22]. Кроме того, интеллектуальные устройства на базе Android и других операционных систем могут включать датчик GNSS (ГЛОНАСС) и RGB камеру, относительно легко могут быть запрограммированы для вычисления данных и их отображения с использованием графического интерфейса пользователя (GUI), а также имеют возможность напрямую обновлять программное обеспечение. Таким образом, интеллектуальные устройства на базе Android и других операционных систем представлены на всех трех уровнях IoT: для измерений на уровне устройств, для передачи данных через узлы или шлюзы на сетевом уровне, для вычисления данных и их отображения на уровне применения [17].
В сельском хозяйстве для раз-
личных целей используют разные беспроводные технологии, в зависимости от экономических факторов, доступности и имеющихся возможностей. Большое разнообразие таких технологий, стандартов и частотных диапазонов вызывает проблемы оперативной совместимости и применения, возникающие при освоениии технологий IoT. Потенциальные стандарты связи для интеллектуального земледелия можно разделить в зависимости от расстояния на ближние и дальние, что определяет их конкретную применимость в различных условиях. Это особенно актуально в земледелии, где проблемой может оказаться доступность мобильной сети, а большие размеры хозяйств ограничивают использование некоторых беспроводных технологий из-за уменьшения расстояния связи и необходимости замены/подзарядки аккумуляторов в сенсорных узлах на больших площадях.
БСС формируют базовые устройства, называемые сенсорными узлами, которые объединяют датчики и актуаторы, обменивающиеся данными, образуя пространственную сеть [13, 22]. В БСС базовые станции действуют как шлюзы, пересылающие данные в облако. В зависимости от цели применения в БСС используют разные технологии беспроводной связи, поскольку каждая из них имеет разные возможности архитектуры сенсорного узла, скорости передачи данных, диапазоны, стандарты. Широко используют в сельском хозяйстве такие как ZigBee, LoRa, Bluetooth/ BLE, WiFi и SigFox [23].
Последнее поколение мобильной связи (5G) отличается более высокой скоростью передачи данных и пиковой пропускной способностью, большими зонами покрытия, а также универсальностью применения, что предоставляет новые возможности для мониторинга сельской местности, в которой ранее не было инфраструктуры для Интернет [24]. 5G также позволит улучшить связь между транспортными средствами, например, для принятия логистических решений благодаря низкой задержке сигнала и новым частотным диапазонам [25]. Проблемой для сетей 5G станет значительное увеличение числа поддерживающих устройств, когда Интернет ы вещей станет стандартным решением о не только в сельском хозяйстве, но и в л любой сфере повседневной жизни. g
о
Уровень применения s
z
Уровень применения имеет ре- 7 шающее значение в контексте тех- м нологии IoT, поскольку именно он 2 фактически увеличивает ценность
измеряемых и передаваемых данных посредством прямого управления устройствами, поддержкой процессов принятия решений и др. На этом уровне выполняются такие важные сервисные функции, как хранение и анализ информации, доступ к данным через соответствующий интерфейс прикладного программирования (API), а также, возможно, программное приложение пользовательского интерфейса. Уровень применения также может включать промежуточные платформы, которые участвуют в обработке разнородных облачных данных, улучшая способность к взаимодействию.
Хранение информации возможно в облаке, то есть на нескольких серверах, или на локальном уровне, когда она хранится в разных базах данных, в зависимости от приложения и архитектуры. Анализ данных может выполняться с использованием облачных вычислений, когда происходит дистанционное управление ресурсами компьютера, или посредством распределенных вычислений, например, граничных и туманных. Преимущество облачных вычислений заключается в предоставлении высококачественных функционалов, которые позволяют независимо выполнять несколько приложений, как если бы они были изолированы, даже если находятся на одной платформе, например, в центрах обработки данных, что особенно актуально при работе с большими данными [22].
Для решения различных проблем, возникающих при применении IoT, особенно связанных с оперативным взаимодействием, все больший интерес приобретает использование промежуточных платформ. На их основе предпринимаются попытки упростить сложную связь через облако, возникающую из-за применения разнородных устройств, коммуникаций и сетей, используя такие инструменты, как стандартизированные API и протоколы. Примерами служат HYDRA, UBIWARE, UBIROAD, UBIDOTS, SMEPP, SIXTH, ThinkSpeak, SensorCloud, Amazon IoT и IBM IoT с акцентом на контекстно-зависимую функциональность; Aneka, WSO2, Pub-Nub, SmartFarmNet и FIWARE с более широким сервисно-ориентированным подходом. Даже если все упомянутые ° и другие решения присутствуют на ° рынке Интернета вещей, интеллекту-is. альные промежуточные решения для ^ сельского хозяйства успешно еще не о» реализованы [26]. Однако, например, | FIWARE и SmartFarmNet внедрены в приложения для точного и интеллекту® ального земледелия [17]. Для переда-S чи информации между платформами $ и IoT устройствами, а также обеспече-
ния совместимости важное значение имеют API-интерфейсы. Они должны адаптироваться к активно развивающимся или новым стандартам, чтобы обеспечить более длительный срок службы, отсутствие обновлений API может ограничить их возможности. Именно через API-интерфейсы данные становятся доступными для таких приложений IoT, как мониторинг управление событиями, прогнозирование или оптимизация сельскохозяйственной деятельности.
Опыт применения Интернета
вещей (IoT) и информационных
систем управления (ИСУ)
в земледелии
Применение технологий IoT в земледелии открывает широкие возможности для следующих задач: мониторинга, документирования, прогнозирования и управления. Мониторинг - это своевременное измерение разнообразных параметров и, как правило, основная начальная точка входа для других задач. Документирование охватывает хранение экспериментальных данных для последующего использования, например, в управлении хозяйством. В прогнозировании используются различные источники данных с применением аналитических методов прогнозирования конкретных событий и математических моделей. Управление — это результат активного мониторинга, когда обработанную информацию используют в управлении актуаторами путём автоматического включения. Для этого применяют ИСУ в процессах выработки и поддержки принятия решений, а также в совершенствовании технологических операций и производственных процессов, включая анализ позиционирования транспортных средств, оптимизацию производства и логистику.
В технологиях IoT измеряемые показатели автоматически корректируются, например, до предварительно определенных пороговых значений. Прогнозирование также может играть важную роль в процессе управления. Например, в интеллектуальных ирригационных системах, когда полив осуществляется до выявления поврежденных засухой участков растительного покрова. В работе [27] использовали оперативные измерения влажности и температуры почвы совместно с метеорологическими данными для управления полностью автономной схемой орошения. Датчики для измерения в движении, установленные на тракторах и рабочих органах, также могут использоваться для контроля, например, дифференцированного внесения удобрений, в
прецизионных технологиях борьбы с сорными растениями или точного высева. Контроль имеет решающее значение в интеллектуальном сельском хозяйстве, поскольку позволяет автоматизировать системы, особенно работу автономных транспортных средств, когда точные действия управляемых объектов и информационно-измерительные комплексы на основе датчиков играют важную роль, например, в обнаружении препятствий на поле для автономных транспортных средств.
ИСУ используют информационно-измерительные комплексы для сбора, хранения и последующей обработки информации, относящейся к сельскохозяйственным полям, а также принятия решений для управления производством, что облегчает выполнение задач, документирование хозяйственной деятельности, ее оценку и оптимизацию,а также стратегическое, тактическое и оперативное планирование [16, 28]. Таким образом, ИСУ представляют собой системы, которые могут объединять все актуальные приложения, и выступают жизненно важными элементами управления «умным» хозяйством. Однако освоение ИСУ, ориентированных на новые технологии 1оТ, идет медленно, большинство используемых сейчас архитектур ИСУ разработаны в 1980-х гг Это обстоятельство может объяснить, почему сегодня структура и архитектура большинства ИСУ не подходят для распределенной и сервис-ориентированной системы поддержки принятия решений, необходимой для точного и умного земледелия. Например, 75 % ИСУ по-прежнему основаны на ПК, а функциональные возможности для оценки современных (новейших) агротехно-логий, контроля качества продукции, все еще отсутствуют или находятся на начальных этапах разработки [16]. Существующие системы поддержки принятия решений (СППР) важны для работы с большими данными и оказания помощи руководителям хозяйств в управлении и принятии решений в умном земледелии [7, 14]. Разработанная в АФИ ИСУ позволяет руководителям хозяйств или агрономам принимать обоснованные решения на всех временных уровнях, используя знания экспертов и собственный опыт [29, 30].
Теоретически, недостаточно одного датчика для измерений, чтобы охарактеризовать несколько почвенных параметров в масштабе реального времени. Для оперативного определения пространственной неоднородности физических и химических свойств почвы на различной глубине (поверхностный, пахотный и под-
пахотный слой) в разных масштабах поля, обычно задействуют мульти-сенсорные мобильные комплексы, оснащенные различными датчиками, которые должны быть адаптированы к измерениям в движении. В таких системах используют разные типы датчиков: электропроводности, оптические, сопротивления горизонтальной пенетрации и др.ТехнологииIoT открывают возможности для создания базовой инфраструктуры для подключения различных интеллектуальных объектов - датчиков в составе БСС, мобильных систем, транспортных средств, локального или удаленного сбора данных, облачного анализа информации и принятия решений, взаимодействия пользователей и автоматизации технологических операций.
Разработка быстрых, надежных, экономически эффективных и экологически безопасных методов распознавания неоднородности почвы -первейшая задача для освоения технологии умного земледелия. Один из перспективных подходов к сплошной (площадной) оценке состояния и вариабельности свойств почвы - использование комплекса информационно-измерительных систем и методов дистанционного зондирования [31, 32]. В АФИ разработан прототип комплексной информационно-измерительной системы для мониторинга пространственной неоднородности основных характеристик почвы в режиме реального времени, включающий следующий функционал: сенсорные узлы БСС, состоящие из датчиков температуры и влажности, микропроцессорного блока, трансивера и антенны; автоматическую семика-нальную метеорологическую станцию с интернет-каналом передачи данных на сервер, которая служит базовой для сенсорных узлов БСС; сервер для сбора и первичной обработки данных, получаемых с базовой станции, приборов для маршрутного обследования опытных полей; беспилотный летательный аппарат для получения аэрофотоснимков [33]. Апробация прототипа измерительной системы на опытных полях биополигона АФИ в 201 8-201 9 гг. позволила сформировать базу разнородных ком-плексированных пространственно-атрибутивных данных, которая улучшила информационное обеспечение экспериментов по внесению удобрений.
Для оперативного получения данных датчики должны располагаться на поле в течение вегетационного периода, функционировать автономно в составе сенсорных узлов, объединенных в беспроводную сеть. Вероят-
Рис. 2. Схема размещения сенсорного узла под поверхностью почвы.
ность повреждения оборудования для регистрации и передачи информации внутри сети сельскохозяйственной техникой при проведении технологических операций, инициировала идею размещения сенсорных узлов под поверхностью земли в составе беспроводной подземной сенсорной
сети (БПСС). БПСС - перспективная область исследований вследствие уникальной природы подземной среды. Сложность передачи сигнала под землёй определяет необходимость решения таких практических вопросов, как размеры каждого устройства, расположенного под землёй, способность передачи показаний датчиков на главный узел приёма данных в режиме реальном времени. По результатам оценки технических возможностей современных БСС в сельском хозяйстве [34, 35], преимуществ и недостатков использования различных датчиков температурно-влажностного режима в полевых условиях с учетом влияния растительного покрова, климатических условий, применения сельскохозяйственной техники и прочих факторов были сформированы основные требования к разрабатываемому сенсорному узлу БПСС: надежность конструкции, полностью подземная установка, возможность измерения на разных глубинах, оперативность получения данных. На основе этих требований был разработан прототип сенсорного узла БПСС, включающий скважинный влагомер для оперативного мониторинга влажности и температуры почвы на сельскохозяйственном поле в режиме реального времени, обеспечивающий последовательное решение задач измерения и передачи данных с использованием выдвижной антенны (рис. 2). Связь между сенсорными узлами и коор-
со
(D 3 ь
(D д
(D Ь 5
(D
О м о
Рис. 3. Архитектура передачи данных в сенсорной сети.
о
N О N N
Ш
S ^
ф
ч
ш ^
2
ш м
Рис. 4. Пятиканальный скважинный влагомер.
динатором БПСС, размещенным в удалении от поля, осуществляется также с использованием выдвижной антенны без ретрансляторов, по протоколу ZigBee. Координатор сети отправляет полученные данные на интернет-сервер через 40 модем.
Доступ к данным, собираемым с использованием датчиков в режиме реального времени, осуществляется через централизованную архитектуру передачи данных БСС (рис. 3). В основном ее структура включает пять элементов: 1) сенсорные узлы (с датчиками), 2) маршрутизаторы (роутеры), 3) координатор (или шлюз) для сбора и передачи данных, 4) регистратор данных или ПК, 5) интернет-сервер с веб-интерфейсом. В подземнойтопологии все блоки датчиков размещены ниже поверхности почвы, за исключением конечного узла (координатора), в гибридной топологии рассматривается комбинация подземных, надземных и мобильных устройств. Гибридная топология, которая состоит из подземных датчиков и надземных маршрутизаторов, более предпочтительна для передачи данных на большие расстояния [36]. Так как в БСС узлы в основном получают электропитание от батарей, важным ограничением служит их энергопотребление.
Каждый сенсорный узел оснащен блоком электроники, в который входят аккумулятор, системы управления питанием, стабилизации напряжения и контроля разряда батареи. После выхода из режима ожидания головная плата управления узла подает с использованием реле питание на влагомер и актуатор, проводит поочередный опрос микроконтроллеров влагомера, преобразует данные в значения влажности и температуры, и с использованием ZigBee маршрутизатора передает пакеты данных на координатор БПСС.
Первичный измерительный преобразователь (ПИП) пятиканального скважинного диэлектрического влагомера для использования в составе узла БПСС (рис. 4) обладает достаточной зоной охвата тестируемого материала электромагнитным полем датчика. Емкостные цилиндрические датчики с соосными кольцевыми
электродами располагаются на одной оси стержня влагомера на глубине 10, 20, 30, 50 и 100 см от поверхности почвы. Диаметр датчиков для плотного прилегания к внутренним стенкам шахты составляет 46 мм. Для корпуса влагомера используются конструкционные полимеры, в которых оптимально сочетаются механическая прочность, твёрдость, жёсткость, свойства механического демпфирования и износостойкость, а также хорошие электрические изоляционные свойства и химическая стойкость.
Предложенная структура 1оТ для информационного обеспечения умного земледелия обеспечивает интеллектуальный, автоматизированный сбор и комплексирование разнородных данных, поступающих с датчиков и различных систем, и обеспечивает высокий уровень интерпретации и масштабируемости процесса оценки агрофизических свойств сельскохозяйственных земель. Разработанный прототип информационно-измерительной системы с использованием беспроводной сенсорной сети позволяет осуществлять мониторинг пространственной неоднородности основных характеристик почв в режиме реального времени, передачу данных между сенсорными узлами посредством выдвижной антенны по протоколу ZigBee и отправку данных на интернет-сервер с использованием 40 модема.
Таким образом, несмотря на существующие барьеры внедрения технологий 1оТ (неравномерное качество сотовой связи в сельской местности, кадровый дефицит, отсутствие единой программной платформы по обмену информацией и средств для инвестиций в цифровые технологии у многих хозяйств), в ближайшие годы в сельскохозяйственной сфере внедрение цифровых технологий (по данным аналитиков Российского информационного оператора «Центр 2М», разработчика платформенных решений в области М2М и промышленного Интернета вещей) неизбежно. Перспективные направления -дифференцированный полив, посев, внесение удобрений, прогнозирова-
ние урожайности, дистанционное зондирование. Для извлечения полезной информации из огромных объемов данных, собираемых устройствами IoT, требуется интеллектуальный анализ в рамках М2М-платформ.
Литература.
1. IoT in agriculture: Designing a Europe-wide large-scale pilot / C. Brewster, I. Roussaki, N. Kalatzis, et al. // IEEE Comm. Magazine. 2017. Vol. 55. No. 9. P. 26-33. doi: https://doi. org/10.1109/MCOM.2017.1600528.
2. Internet of food and farm 2020 / H. Sundmaeker, C. Verdouw, S.Wolfert, et al. // In Digitising the industry Internet of Things connecting the physical, digital and virtual worlds, O. Vermesan, & P. Friess (Eds.). Gistrup, Denmark: River Publishers. 2016. Vol. 49. P. 1689-1699. doi: https://doi. org/10.1017/CBO9781107415324.004.
3. Ashton K. That «Internet of Things» Thing // RFID Journal. 2009. No. 22. P. 97-114.
4. Agri-IoT: A semantic framework for internet of Thingsenabled smart farming applications / A. Kamilaris, F. Gao, F. X. Prenafeta-Boldu, et al. // In 2016 IEEE 3rd world Forum on Internet of Things, WF-IoT
2016. 2016. P. 442-447. doi: https://doi. org/10.1109/WF-IoT.2016.7845467.
5. I0F2020: Fostering business and software ecosystems for large-scale uptake of IoT in food and farming / C. Verdouw, S. Wolfert, G. Beers, et al. / In The International tri-conference for precision agriculture.
2017. doi: https://doi.org/10.5281/ zenodo.1002903.
6. Smart farming and food safety Internet of Things applications / L. Pérez Freire, L. Brillouet, M. Álvarez-Diaz, et al. // AIOTI WG06. 2015. 49 p.
7. Farm management systems and the Future Internet era / A. Kaloxylos, R. Eigenmann, F. Teye, et al. // Computers and Electronics in Agriculture. 2012. Vol. 89. P. 130-144.doi: https://doi.org/10.1016/j. compag.2012.09.002.
8. Djelveh S., Bisevac V. D3.7. Smart-AKIS policy gaps and briefs. 2016. // Retrieved from https://www.smart-akis.com/wpcontent/ uploads/2018/08/SmartAKIS_D3.7_Final. pdf.
9. Smart agri hubs D3.1 innovation experiment guidelines / G. Chatzikostas, D. Matic, D. Van Damme, et al. 2019. Retrieved from https://smartagrihubs.eu/Deliverables/ pdfs/D3.1_IE Guidelines_final.pdf.
10. Ordering adoption: Materiality, knowledge and farmer engagement with precision agriculture technologies / V. Higgins,
M. Bryant, A. Howell, et al. // J. of Rural Studies. 2017. Vol. 55. P. 193-202. https:// doi.org/10.1016/j.jrurstud.2017.08.011.
11. Big data in smart farming - a review / S. Wolfert, L. Ge, C. Verdouw, et al. // J. Agr. Systems. 2017. Vol. 153. P. 69-80. doi: https:// doi.org/10.1016/j.agsy.2017.01.023.
12. O'Grady M. J., O'Hare G. M. P. Modelling the smart farm // Information Processing in Agriculture. 2017. Vol. 4. No. 3. P. 179-187. doi: https://doi.org/10.1016/j. inpa.2017.05.001.
13. Energy-efficient wireless sensor networks for precision agriculture: A review. / H. Jawad, R. Nordin, S. Gharghan, et al. // Sensors. 2017. Vol. 17. No. 8. P. 1781. doi: https://doi.org/10.3390/s17081781.
14. Farm machinery management information system / S. Fountas, C. G. Sorensen, Z. Tsiropoulos, et al. // Computers and Electronics in Agriculture 2015. Vol. 110. P. 131-138. doi: https://doi.org/10.1016/j. compag.2014.11.011.
15. Internet of Things in arable farming: Implementation, applications, challenges and potential / A. Villa-Henriksen, G.T.C. Edwards, L. Pesonen, et al. // Biosystems Engineering. 2020. Vol.191. P. 60-84.
16. Koksal O., Tekinerdogan B. Architecture design approach for IoT - based farm management information systems // Precision Agriculture. 2019. Vol. 20. P. 926-958. doi: https://doi.org/10.1007/ s11119-018-09624-8.
17. Precision agriculture design method using a distributed computing architecture on Internet of Things context / F. J. Ferrandez-Pastor, J. M. Garc a-Chamizo, M. Nieto-Hidalgo, et al. // Sensors. 2018. Vol. 18. No. 1731. P. 1-21. doi: https://doi.org/10.3390/ s18061731.
18. Ahmed E. M. E., Abdalla K. H. B., Eltahir I. K. Farm automation based on IoT // In the International conference on computer, control, electrical, and Electronics engineering (ICCCEEE). 2018. P 1-4.
19. Route planning evaluation of a prototype optimised infield route planner for neutral material flow agricultural operations / G. T. C. Edwards, J. Hinge, N. Skou-Nielsen, et al. // Biosystems Engineering. 2017. Vol. 153. P. 149-157. doi: https://doi.org/10.1016/j. biosystemseng.2016.10.007.
20. Meola A. Why IoT, big data & smart farming are the future of agriculture // Business Insider - Dec 20, 2016. Retrieved from https://www.businessinsider.com/ internet-of-things-smartagriculture-2016-10?rjUS&IRjT.
21. Bennett J. M. Agricultural big Data: Utilisation to discover the Unknown and instigate practice change // Farm Policy Journal. 2015. Vol. 12. No. 1. P. 43-50.
22. IoT android gateway for monitoring and control a WSN / D. Hernandez-Rojas, B. Mazon-Olivo, J. Novillo-Vicuna, et al. // In Communications in computer and information science M. Botto-Tobar, N. Esparza-Cruz, J. Leon-Acurio, et al. (Eds.). CITT 2017: Technology trends. Cham: Springer. 2018. Vol. 798. P. 18-32. doi: https://doi. org/10.1007/978-3-319-72727-1-2.
23. A 5G platform for unmanned aerial monitoring in rural areas: Design and performance issues / G. Faraci, A. Raciti, S. Rizzo, et al. // In IEEE international conference on network softwarization (NetSoft
2018) - technical sessions. 2018. Vol. 1. P. 237-241. doi: https://doi.org/10.1109/ NETSOFT.2018.8459960.
24. 5G radio access network architecture -design guidelines and key considerations / P. Marsch, I. D. Silva, O. Bulakci, et al. // IEEE Communications Magazine. 2016. Vol. 54. No. 11. P. 24-32. doi: https://doi. org/10.1109/MC0M.2016.1600147CM.
25. Internet of Things platform for smart farming: Experiences and lessons learnt / P. P. Jayaraman, A. Yavari, D. Georgakopoulos, et al. // Sensors (Switzerland). 2016. Vol. 16. No. 11. P. 1-17. doi: https://doi.org/10.3390/ s16111884.
26. An IoT based smart irrigation management system using Machine learning and open source technologies / A. Goap, D. Sharma, A. K. Shukla, et al. // Computers and Electronics in Agriculture. 2018. Vol. 155. P. 41-49. doi: https://doi.org/10.1016/j. compag.2018.09.040.
27. Имитационная модель агроэкоси-стемы как инструмент теоретических исследований / В. Л. Баденко, А. Г. Топаж, В. В. Якушев и др. // Сельскохозяйственная биология. 2017. Т. 52. №. 3. C. 437-445. doi: 10.15389/agrobiology.2017.3.437rus
28. Якушев В. П., Якушев В. В., Мат-веенко Д. А. Интеллектуальные системы поддержки технологических решений в точном земледелии // Земледелие. 2020. № 1. С. 33-37. doi: 10.24411/0044-39132020-10109.
29. Оперативное и долгосрочное прогнозирование продуктивности посевов на основе массовых расчетов имитационной модели агроэкосистемы в геоинформационной среде (обзор) / В. П. Якушев, В. В. Якушев, В. Баденко и др. // Сельскохозяйственная биология. 2020. Т. 55. №. 3. С. 451-467. doi: 10.15389/ agrobiology.2020.3.451rus
30. Новые возможности автоматизации процесса обнаружения внутриполевой неоднородности по гиперспектральным снимкам и оптическим критериям /
B. П. Якушев, Е. В. Канаш, В. В. Якушев и др. // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 24-32. doi:10.21046/2070-7401-2019-16-3-24-32.
31. Состояние и перспективы создания новых методов количественной оценки внутриполевой изменчивости в точном земледелии / Д. А. Матвеенко, В. В. Воропаев, В. В. Якушев и др. // Агрофизика. 2020. № 1. С. 59-70. doi: 10.25695/ AGRPH.2020.01.09.
32. Блохин Ю. И., Белов А. В., Блохина
C. Ю. Комплексная система контроля влажности почвы и локальных метеоусловий для интерпретации данных дистанционного зондирования // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 87-95. doi: 0.21046/2070-7401-2019-163-87-95.
33. Современные решения для формирования опорной информации с целью повышения точности определения агрофизических свойств почвы по спутниковым данным / Ю. И. Блохин, В. В. Якушев, С. Ю. Блохина и др. // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С.164-178. doi: 10.21046/2070-7401-2020-17-4-164-178.
34. Hybrid wireless underground sensor networks: Quantification of signal attenuation in soil / H. R. Bogena, J. A. Huisman, H. Meier, et al. // Vadose Zone Journal. 2009. Vol. 8. No. 3. P. 755-761. doi: https://doi. org/10.2136/vzj2008.0138.
35. Ojha T., Misra S., Raghuwanshi N. S. Wireless sensor networks for agriculture: The state-of-the-art in practice and future challenges. // Computers and electronics in agriculture. 2015. Vol. 118. P. 66-84.
A smart farming concept based on the Internet of things
S. Yu. Blokhina, Yu. I. Blokhin
Agrophysical Research Institute, Grazhdanskiy prosp., 14, Sankt-Peterburg, 195220, Russian Federation
Abstract. The article contributes an overview of the current state and perspectives of the Internet of Things (IoT) technology implementation in farming. The scientific and technical structure of the IoT has been developed for information support of smart agriculture, which includes three main levels: devices, network and application. Each level of the structure is discussed in detail in terms of interoperability, accessibility, usability. The developed IoT structure provides intelligent, automated collection, processing and integration of heterogeneous data from sensors and various systems, and provides a high level of interpretation and scalability of the assessment of the agrophysical properties of agricultural lands. The information-measuring systems, including wireless sensor networks (WSN) has been developed to monitor the spatial heterogeneity of the main soil characteristics in real-time. When the data are transferred between the sensor nodes and the coordinator in the network it typically uses the ZigBee protocol, and when the data are transferred to the Internet server it uses a 4G modem. Located in the most optimal positions below the earth's surface, autonomous sensors automatically measure and transmit data for further processing and applying in forecasting or management tasks. To monitor the main characteristics of soils and detailing their spatial and temporal distribution, the authors have developed a prototype WSN sensor unit, including a five-channel capacitive borehole moisture meter for real-time monitoring of soil moisture and temperature in an agricultural field. A detailed description of the sensor node structure providing sequential measurement and data transmission using an external retractable antenna is presented.
Keywords: smart farming; Internet of things; management information system; underground wireless sensor network; information-measuring systems; sensor node; borehole moisture meter. |
Author Details: S. Yu. Blokhina, Cand Sc. s (Biol.), senior research fellow (e-mail: sblokh- g ina@agrophys.ru); Yu. I. Blokhin, research § fellow (e-mail: blohin3k4@gmail.com). s
For citation: Blokhina SYu, Blokhin YuI [A № smart farming concept based on the Internet of io things]. Zemledelie. 2020. (7):7-13. Russian. 2 doi: 10.24411/0044-3913-2020-10702. 0
H 2
■ O