测控技术与农业生产智能化
随着信息和网络技术突飞猛进，农业生产的发展面临着新的机遇和挑战，新概念和技术不断涌现，伴随着3G-4G、IPv6、M2M、云计算、智能尘埃等技术的快速发展，为全方位的农业感知、农业管理、决策智能提供了发展机遇，为研发成本低、实用性强的农作物生产智能测控产品提供了广阔的发展空间。我国农业和农村信息化的发展已进入到将信息技术与农业生产相结合以实现现代化农业的目标。在农业生产智能化方面，我国与发达国家相比仍保持着较大差距，而且适用于农业生产的信息服务产品匮乏，并缺乏简单且经济的农业信息化技术产品。在基于信息的智能设备方面，核心技术设备价格偏高，农民难以承担，且不适合我国小规模化的经营，难以实现大面积应用。
为此，本文选定了“测控技术与农业生产智能化”的课题进行分析与研究。充分利用智能化农业信息技术，加快研发和应用农业生产智能化产品，对农业发展现代化存在着重要的现实意义。
1 系统分析
农业生产环境是一个复合式开放型的生态系统，包括土壤、肥料、水分、温度等因素，对农田生产中的环境数据进行迅速、准确地收集、传输、控制，对相关因素进行系统性地分析，有利于对农作物生产进行科学化管理。基于农业生产的智能测控系统，是信息的采集、近程通讯的使用、信息远程传输、信息智能分析与测控技术，结合农业生产技术信息，研究完成了智能农业生产测控系统，开发了一系列农业生产环境监测、叶绿素分析、无线传输等低成本、实用型的产品。该系统的应用与推广将有效提升农业生产的技术管理水平，促进农业产业化及现代化的发展。
2 系统设计
分析物联网功能特点及现代农作物特征，设计基于测控网络的农业生产作业流程。系统开发紧紧围绕测控网络“感知全面化、传送可靠化、处理智能化”三项功能的实现，为智能浇灌、仪器导航、自动控制、及时溯源的实现打下研究基础。
基于测控网络的农业生产智能系统，智能监控系统的框架结构一般可分为数据采集、数据处理和智能信息处理这3个子系统。每个子系统的功能如下：（1）数据采集系统――可采用DCS与数据库结合的方案，主要任务是数据采集和存储；（2）数据处理系统――主要通过数据分析，从大量初始数据中提炼出有价值的状态信息；（3）智能信息系统――利用智能特征提取、知识处理和决策支持。
3 农业生产信息采集终端
“智能测控”的核心是感知，感知包括传感器信号的采集、集中智能化、组网智能化和服务信息化。生产信息采集终端主要完成农业信息采集与预处理，并通过网络将信息传输给智能测控系统。采集终端还带有精确计时的时钟及GPS可准确标定采集信息的时间、地点等信息。
4 智能信息处理过程
4.1 知识发现
在智能信息处理系统中，典型的信息加工实质就是知识发现（KDD）的过程。其中，趋势分析、特征提取和数据开采（DM）是关键技术。据此可以说智能信息处理的核心是KDD，而实现KDD的关键是DM。
4.2 动态数据的趋势分析方法
4.2.1 方法选择
在现代过程监控中，由于过程变量的动态趋势能够很好地反映出技术过程的历史与现在的工作状态，并且能对动态过程未来可能的变化进行有效地评估和预测，因此，以动态趋势形式存储的历史数据要比实时数据更为重要和富有价值。这样，动态数据的趋势分析方法已成为现代信息处理的重要内容，也为智能信息处理提供了重要的数据基础。
4.2.2 趋势分析
在传统趋势分析方法中，进行动态过程的趋势分析一般需要分为：系统建模、参数辨识和外推预测。然而，对于一个不确定的非线性动态过程，若采用传统方法，从模型结构的选择到参数辨识，要大量的数据分析和计算，难以实现实时趋势分析由于人工神经网络（ANN）具有通过学习逼近任意非线性映射的能力，将ANN引入系统建模与辨识，并应用于动态过程的趋势分析是一种新的选择和努力方向。当前，在系统建模、辨别与预报中使用最多的是采用静态多层前馈神经网络，通过对大量历史数据的离线学习，从样本中获取描述系统的未知非线性函数，然后进行在线实时趋势分析。
5 结语
综上所述，计算机集成技术、网络集成技术、信息集成技术和智能集成技术已成为当前过程监控系统发展的主流。其中，展望未来，智能监控系统的发展目标是：在现有的过程自动监测系统的基础上，建立以诊断知识为基础，集成智能的自动故障检测和诊断、智能信息集成系统的预测函数并通过计算机网络集成，将目前相互独立的系统集成为一个管理统一化、监测集中化、决策智能化和控制分散化的综合型智能测控管理系统，以提升系统的可靠性和安全性。同时，在蔬菜农业设施环境进行定点试验，目前技术和功能均没问题，为进一步进行批量产品的开发，降低成本，推向市场奠定了坚实的基础。
