摘要：为满足茶园精细化管理的需要，在提升茶叶品质的同时减少茶叶生产对环境造成的破坏，构建智慧茶园监控系统显得十分必要。本文提出了一个基于NB-IoT技术茶园监控系统，在茶叶整个生长周期内全天候、实时监测茶园环境数据，将采集的数据上传至云端服务器。同时基于深度学习构建管理模型，为用户提供操作建议，实现对茶园的智能管理，保证精细化管理水平，提升茶叶品质，为茶叶溯源系统提供数据支撑。实际应用结果表明，基于NB-IoT技术茶园监控系统能在很大程度上提升茶园的管理水平，满足茶叶精细化生产的需要。
关键词：NB-IoT；监控；茶园
1引言
随着生活水平的提高和茶叶具有的保健功效，人们对茶叶的消费需求也在不断上升[1]。消费者对茶叶品质的要求越来越高，但传统茶叶的种植方式远远不能满足精细化种植管理的标准，只能通过人的感知能力来管理上述环境参数，无法达到准确性的要求[2]。传统茶园管理模式还会造成过度施肥、施药等问题[3]，对生态环境造成破坏，同时消耗过多的人力物力[4]。近年来，不断出现食品安全问题[5]，如何能喝到放心茶已成为人们非常关注的问题[6]。目前的茶叶溯源系统能够较好地采集茶叶制作、运输、销售环节的数据[7]，但是却无法采集茶叶生长时期的数据，无法达到真正的溯源，也无法使人们放心[8]。为解决上述问题，本文构建了智慧茶园监控系统，主要有以下内容：（1）构建管理平台，运用科学的生产方法，提高土地资源利用率，促进茶叶增产。（2）构建精细化种植模型，利用模型管理茶园化肥和农药的施放量，减少环境破坏。（3）远程监测茶园内的各项数据。利用深度学习建立模型分析数据，然后进行远程操作或提供相应的操作建议，消除盲目性的劳作，提高生产效率。（4）记录存储茶产品生产全过程数据，为溯源提供数据支撑。
2系统功能系统
基于NB-IoT建立智慧茶园管理，在茶叶整个生长周期内全天候、实时监测茶园环境数据，将采集的数据上传至云端管理服务器。通过深度学习技术构建管理模型对数据进行分析，结合分析结果对茶园进行管理操作，提高精细化管理水平，提升茶叶品质，为茶叶溯源系统提供数据支撑。基于上述设计功能，主要功能模块有以下几点。
（1）系统总体框架设计。规划系统总体框架，设计所需各个部分的功能、性能等要求。
（2）传感器节点及NB-IoT转发节点设计。完成茶园监控系统中的传感器节点、NB-IoT转发器节点的软硬件设计，并进行布局。
（3）通信协议栈设计。通过协议栈保证终端传感器节点和NB-IoT转发节点之间能够正常高效地进行数据通信。
（4）系统软件平台设计。设计基于JavaEE的B/S系统软件平台，方便用户从任何一台机器访问，实现数据浏览和远程控制。
（5）深度学习模型设计及训练。主要利用深度学习技术构建模型，并训练完善管理模型。
3系统设计
（1）系统整体框架
系统整体框架如图1所示。整个系统包括传感器网络、服务器、深度学习模型服务器和终端客户。由传感器终端节点采集数据，通过无线通信技术发送至NB-IoT转发节点。然后由转发节点将数据传回服务器。用户可以通过网络访问服务器上的数据，并通过深度学习模型提供操作意见。
（2）传感器节点硬件
传感器节点硬件框如图2所示。综合考虑性能、功耗、尺寸等方面，系统选择NXP的KW01作为处理器芯片。处理器包含Sub1G无线模块和ADC模块，IO资源丰富。传感器网络由两种类型的节点组成，一种是传感器终端节点，另外一种是具有转发功能的NB-IoT转发节点。这两种类型的节点有所不同，终端节点仅需具备局域网内短距离数据交换；而转发节点除了能够接收终端节点的数据外，还要能够通过NB-IoT网络将数据发送到服务器，因此在转发节点上增加了NB-IoT通信芯片WH-NB-B5，用以同服务器进行数据交互，如图2虚线部分所示。传感器的选择主要有：Apogee的SQ-311作为线状光量子传感器，Apogee的SQ-215作为点状光量子传感器，Decagon的EC-5作为土壤温度传感器，Apogee的SI-100作为红外温度传感器，SM2120B作为土壤PH值传感器，GSSCZO-SK作为红外CO2传感器。
（3）传感器节点通信协议栈及软件设计
软件功能模块如图3所示。NB-IoT转发节点的工作流程如图4所示：转发节点对由终端节点传来的数据通过贝叶斯算法及卡尔曼滤波先对数据进行融合分析，以降低数据传输量，增加数据准确性。然后将数据转发，从而实现降低功耗延长工作时间的目的。传感器终端节点的工作流程如图5所示。
（4）软件系统框架
系统底层采用MySQL作为数据库、Tomcat作为Web应用服务器；采用JavaEE、HTML5.0等技术开发Web应用，可将数据直观的呈现在用户面前。所开发的具体模块包括用户管理、参数管理、节点管理、数据管理。传感器数据通过上位机的串口进行收发，以实现监测数据接收。
（5）深度学习管理模型设计
专家系统功能如图7所示。建立深度学习神经网络，利用数据训练得出管理模型，通过对茶品种、温湿度、光照、土壤营养等数据的分析，为茶园操作提供建议。同时将用户实际发出操作指令反馈给管理模型，不断自我完善，以提供更为准确的操作建议。
4总结
借助本系统，可以远程监测茶园内的各项数据。利用深度学习建立模型分析数据后，进行远程操作或提供相应的操作建议，消除盲目性的劳作，将人们从繁重的体力劳动中解放出来，部分解决了现在农村劳动力不足的问题，提高了生产效率。
作者：焦金涛 单位：武夷学院数学与计算机学院