前言：尋找寫作靈感？中文期刊網用心挑選的談NB-IoT智慧茶園監控系統設計，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要：為滿足茶園精細化管理的需要，在提升茶葉品質的同時減少茶葉生產對環境造成的破壞，構建智慧茶園監控系統顯得十分必要。本文提出了一個基于nb-iot技術茶園監控系統，在茶葉整個生長周期內全天候、實時監測茶園環境數據，將采集的數據上傳至云端服務器。同時基于深度學習構建管理模型，為用戶提供操作建議，實現對茶園的智能管理，保證精細化管理水平，提升茶葉品質，為茶葉溯源系統提供數據支撐。實際應用結果表明，基于NB-IoT技術茶園監控系統能在很大程度上提升茶園的管理水平，滿足茶葉精細化生產的需要。
關鍵詞：NB-IoT；監控；茶園
1引言
隨著生活水平的提高和茶葉具有的保健功效，人們對茶葉的消費需求也在不斷上升[1]。消費者對茶葉品質的要求越來越高，但傳統茶葉的種植方式遠遠不能滿足精細化種植管理的標準，只能通過人的感知能力來管理上述環境參數，無法達到準確性的要求[2]。傳統茶園管理模式還會造成過度施肥、施藥等問題[3]，對生態環境造成破壞，同時消耗過多的人力物力[4]。近年來，不斷出現食品安全問題[5]，如何能喝到放心茶已成為人們非常關注的問題[6]。目前的茶葉溯源系統能夠較好地采集茶葉制作、運輸、銷售環節的數據[7]，但是卻無法采集茶葉生長時期的數據，無法達到真正的溯源，也無法使人們放心[8]。為解決上述問題，本文構建了智慧茶園監控系統，主要有以下內容：（1）構建管理平臺，運用科學的生產方法，提高土地資源利用率，促進茶葉增產。（2）構建精細化種植模型，利用模型管理茶園化肥和農藥的施放量，減少環境破壞。（3）遠程監測茶園內的各項數據。利用深度學習建立模型分析數據，然后進行遠程操作或提供相應的操作建議，消除盲目性的勞作，提高生產效率。（4）記錄存儲茶產品生產全過程數據，為溯源提供數據支撐。
2系統功能系統
基于NB-IoT建立智慧茶園管理，在茶葉整個生長周期內全天候、實時監測茶園環境數據，將采集的數據上傳至云端管理服務器。通過深度學習技術構建管理模型對數據進行分析，結合分析結果對茶園進行管理操作，提高精細化管理水平，提升茶葉品質，為茶葉溯源系統提供數據支撐?；谏鲜鲈O計功能，主要功能模塊有以下幾點。
（1）系統總體框架設計。規劃系統總體框架，設計所需各個部分的功能、性能等要求。
（2）傳感器節點及NB-IoT轉發節點設計。完成茶園監控系統中的傳感器節點、NB-IoT轉發器節點的軟硬件設計，并進行布局。
（3）通信協議棧設計。通過協議棧保證終端傳感器節點和NB-IoT轉發節點之間能夠正常高效地進行數據通信。
（4）系統軟件平臺設計。設計基于JavaEE的B/S系統軟件平臺，方便用戶從任何一臺機器訪問，實現數據瀏覽和遠程控制。
（5）深度學習模型設計及訓練。主要利用深度學習技術構建模型，并訓練完善管理模型。
3系統設計
（1）系統整體框架
系統整體框架如圖1所示。整個系統包括傳感器網絡、服務器、深度學習模型服務器和終端客戶。由傳感器終端節點采集數據，通過無線通信技術發送至NB-IoT轉發節點。然后由轉發節點將數據傳回服務器。用戶可以通過網絡訪問服務器上的數據，并通過深度學習模型提供操作意見。
（2）傳感器節點硬件
傳感器節點硬件框如圖2所示。綜合考慮性能、功耗、尺寸等方面，系統選擇NXP的KW01作為處理器芯片。處理器包含Sub1G無線模塊和ADC模塊，IO資源豐富。傳感器網絡由兩種類型的節點組成，一種是傳感器終端節點，另外一種是具有轉發功能的NB-IoT轉發節點。這兩種類型的節點有所不同，終端節點僅需具備局域網內短距離數據交換；而轉發節點除了能夠接收終端節點的數據外，還要能夠通過NB-IoT網絡將數據發送到服務器，因此在轉發節點上增加了NB-IoT通信芯片WH-NB-B5，用以同服務器進行數據交互，如圖2虛線部分所示。傳感器的選擇主要有：Apogee的SQ-311作為線狀光量子傳感器，Apogee的SQ-215作為點狀光量子傳感器，Decagon的EC-5作為土壤溫度傳感器，Apogee的SI-100作為紅外溫度傳感器，SM2120B作為土壤PH值傳感器，GSSCZO-SK作為紅外CO2傳感器。
（3）傳感器節點通信協議棧及軟件設計
軟件功能模塊如圖3所示。NB-IoT轉發節點的工作流程如圖4所示：轉發節點對由終端節點傳來的數據通過貝葉斯算法及卡爾曼濾波先對數據進行融合分析，以降低數據傳輸量，增加數據準確性。然后將數據轉發，從而實現降低功耗延長工作時間的目的。傳感器終端節點的工作流程如圖5所示。
（4）軟件系統框架
系統底層采用MySQL作為數據庫、Tomcat作為Web應用服務器；采用JavaEE、HTML5.0等技術開發Web應用，可將數據直觀的呈現在用戶面前。所開發的具體模塊包括用戶管理、參數管理、節點管理、數據管理。傳感器數據通過上位機的串口進行收發，以實現監測數據接收。
（5）深度學習管理模型設計
專家系統功能如圖7所示。建立深度學習神經網絡，利用數據訓練得出管理模型，通過對茶品種、溫濕度、光照、土壤營養等數據的分析，為茶園操作提供建議。同時將用戶實際發出操作指令反饋給管理模型，不斷自我完善，以提供更為準確的操作建議。
4總結
借助本系統，可以遠程監測茶園內的各項數據。利用深度學習建立模型分析數據后，進行遠程操作或提供相應的操作建議，消除盲目性的勞作，將人們從繁重的體力勞動中解放出來，部分解決了現在農村勞動力不足的問題，提高了生產效率。
作者：焦金濤 單位：武夷學院數學與計算機學院