基于物联网的番茄早疫病自动监测预警平台的应用与研究

摘要早疫病是对番茄生产影响较大的一种病害，但现有检测手段落后。为此，利用无线传感器、物联网、数据分析等现代信息技术与传统农业相结合，开展番茄早疫病自动检测预警研究。采用传感网络对番茄病害环境因子进行数据采集，并通过数据融合分析，建立番茄早疫病发生等级与环境因子相关的预警模型，构建番茄早疫病自动监测预警平台，实现对产地番茄病害实时动态监测和预警，可为番茄早疫病测报防治提供一种高效、自动化的技术和手段。该研究既能为番茄早疫病测报提供重要的技术和信息支撑，又可为其他相关治理发展提供参考。

关键词番茄早疫病；病虫害检测；预警模型；物联网；数据分析

中图分类号TP 391.4文献标识码A

文章编号0517-6611（2023）24-0213-07

doi：10.3969/j.issn.0517-6611.2023.24.047

Application and Research on Automatic Monitoring and Early Warning Platform for Tomato Early Blight Based on Internet of Things

ZENG Min，YING Julin，XU Chi et al

（Wenzhou Vocational College of Science and Technology，Wenzhou，Zhejiang 325006）

AbstractEarly blight is a disease that has great influence on tomato production.But the existing detection methods are backward.Thus，modern information technologies，such as wireless sensor，Internet of Things and data analysis were combined with traditional agriculture，to carry out automatic detection and early warning of tomato early blight.Data on environmental factors of tomato diseases were collected by the sensor network.Data fusion analysis was used to construct automatic monitoring and early warning model.By constructing an automatic monitoring and early warning platform for tomato early blight，it could realize realtime dynamic monitoring and early warning of tomato diseases in the place of origin，and it could also provide an efficient，automated technology and means for the prevention and treatment of tomato  early blight.This research could not only provide important technical and information support for the forecast of tomato early blight，but also provided reference for other related control development.

Key wordsTomato early blight;Pest detection;Early warning model;Internet of Things;Data analysis

番茄早疫病是由半知菌亚门茄链格抱菌（Alatenaria solani）引起的，是世界范围内对番茄生产影响较大的一种病害，在世界多国多地区均有发生［1］。番茄早疫病病原物为茄链格孢，以菌丝或分生孢子形态在病残体或番茄种子上越冬，待翌年环境条件适宜时，通过气流、降水、农事等途径从气孔、皮孔或表皮直接侵入，形成初侵染［2］。潜伏期一般为2～3 d，可在叶片、茎秆等位置形成病斑，3～4 d后产生下一代分生孢子，通过气流、雨水进行多次重复侵染［3］。番茄早疫病在番茄植株的整个生长发育阶段均可侵染，一旦遇到高温高湿情况极易暴发流行，严重影响产量和质量，发病严重时减产高达50%，造成重大经济损失。

由于缺少先进的测报预报手段，当番茄发生早疫病灾害时，就会大量使用化学农药，造成土壤和水源严重污染，带来了土壤板结、生态链破坏等突出问题，随着人们对食品安全越来越重视，使得靠农药来降低灾害变得寸步难行［4］。随着物联网、5G、大数据等新技术快速发展，迫切需要利用现代信息技术手段，进一步提升重大病虫害监测预警能力和植保防灾减灾水平，保障农产品质量安全，保护农业生态环境，促进农业的可持续发展。鉴于此，笔者介绍了基于物联网的番茄早疫病自动监测预警平台的整体架构设计、物联网生物环境信息监测采集设计、番茄早疫病的模型设计和自动监测预警平台构建。

1平台整体架构设计

由图1可知，平台整体架构主要包括感知层、服务层、应用层、用户层共4 层。在感知层，主要利用物联网、病菌孢子监测设备、环境传感器和高清摄像机等各种信息采集终端，对番茄环境、病害信息等数据进行采集和监测，实现番茄生产环境的实时感知，再通过5G/4G网络将采集的数据传输到云平台进行分析建模；服务层是监测预警系统的神经中枢和数据中心，负责提供对数据进行采集、存储、分析和处理，构建番茄早疫病发生等级与环境因子相关的预警模型，实现对产地番茄病害实时动态监测与预警；应用层主要构建番茄早疫病自动监测预警相关的信息服务平台，实现病害预报可视化、监测数字化，并通过短信、邮件等方式向用户发布预警信息；用户层通过PC端和移动端为用户提供了环境数据监测、病害预警、专家诊断等智能监控及管理服务。

2物联网生长环境信息监测采集设计

2.1生长环境信息采集设计架构

生长环境监测采集是作物精准栽培农业数据模型最好的栽培数据库，可为设施生产作物栽培过程中生产管控提供真实准确可靠动态实时数据。为了研究各种气象环境因素与病害数量的相关性和发展趋势，需要在园区部署多种环境数据采集传感器，用于采集监测点附近的多种气象因素和环境数据。物联网生长环境信息采集监测架构图如图2所示。在园区内部署一个物联网无线监测微基站，具有自动采集、固态存储数据及智能控制的功能，微基站采用LPWAN（Sub-G）+5G/4G组合的无线通信技术，并支持太阳能和有源市供电。由多组不同的气象和土壤传感器连接到物联网无线通信节点上，再将采集到的数据通过LoRa远距离无线传输协议发送给无线控制微基站，基站再通过5G/4G移动通信模块与远程云监测预警平台进行交互，实现节点控制和数据传输。

2.2物联网传感器部署

根据需要监测的气象和土壤因素，选取空气温湿度、降雨量、土壤温湿度等传感器组建多组无线传感器节点，各类传感器均统一选用RS485接口标准，实现传感器采集数据的无线信号转换。每种类型传感器的详细参数如表1所示。

2.2.1设施空气环境监测。

通过在园区设施温室内选取代表性监测。部署空气环境传感器实时采集园区内的空气环境，为系统的病害数据模型提供分析决策依据。在规划示范温室内对番茄作物的生长环境进行全面的监控，每个温室根据种植分区选择合适位置和合适数量的温室环境监测点，部署空气环境传感器内容包括4组物联网无线监测节点、4组空气温度传感器和4组相对湿度传感器。

2.2.2种植土壤墒情监测。系统可实时精准采集种植区域的不同作物的根系集中范围，确定相应的土壤环境监测深度，通过配设相应的土壤传感器实现对土壤温度、土壤湿度、土壤 EC、土壤 pH 等土壤墒情数据在线监测，为制定作物科学的灌溉方案和养分投入提供科学合理支撑。在规划示范温室内根据温室番茄的特点和根系集中土层深度、灌溉分区、灌溉计划等内容选择合适土壤位置部署土壤环境传感器，具体每套监测点内容包括5组物联网无线监测节点、4组土壤水分传感器、4组土壤温度传感器、1组土壤 pH 传感器和1组土壤EC传感器。

2.3物联网智能网关系统设计

物联网智能网关系统是专门针对农业病虫害监测应用需求而研发，集数据采集、协议转换、数据处理、数据封装、安全传输等功能于一体的智能化传输设备。设备要求支持通过多种通讯方式从业务底层的传感器、PLC、DCS以及各类智能设备仪表中采集数据，将数据解析、打包、封装、加密后实时推送至上层数据平台。同时还可根据现场需求，实现协议转发功能，按上层数据平台所需的数据格式实现联网通信。物联网智能网关数据采集和传输示意图如图3所示。设备部署了10/100兆网口、RS-232、RS-485、USB Host等多种采集接口，支持各种病虫害监测设备的接入；集成LoRa芯片，通过与设备配套的DTU传输设备，可用于超远距离（2～10 km）数据的采集与传输；内置定位模块，支持GPS和北斗2种定位方式；配置1个miniPCIe接口和5G/4G自适应全网通无线数据传输模块，通过与配套的无线视频传输设备的匹配，实现了视频数据、高分辨率图片的采集与传输。

物联网网关内置丰富的外围接口，有上位机或数据中心命令采集和主动定时采集2种数据采集模式；数据处理支持对连接设备所监测数据的解析，支持多种算数运算功能，同时根据远传数据包格式，在数据包中添加多种元素，如相关行政区划代码、监测点名称、监测点类别、时间、设备识别码、设备运行状态等附加信息，进行数据打包；数据存储网关设备内置支持大容量数据的存储空间，还为未来数据量的不断增多做了资源池的扩容预留；设备全部采用工业级电子元件，具备很好的防护措施，支持恶劣环境下设备的稳定运行与数据传输，还支持通信故障恢复后数据续传功能；通过平台软件，支持对现场设备的远程配置、升级、管理、控制，实时查看设备运行状态。

3番茄早疫病的模型设计

1987年，吕佩珂等［5］团队通过对1979—1984年的包头市田间番茄早疫病的发生进行分析，阐明了降雨量、相对湿度、温度与番茄早疫病发生和流行之间的关系。包头市番茄早疫病发生和流行的气象条件如表2所示，结论指出引起番茄早疫病发生和流行的主导因素是气象条件。吕佩珂团队根据试验结果得出，发病前5 d，温度在20～30 ℃，相对湿度80%的情况下，早疫病发病率高，病情扩展快，潜育期为64 h，如果发病前5～6 d有2.2 mm小到中雨，番茄早疫病即可发生。吕佩珂团队的研究结论为番茄早疫病预测模型的构建提供了重要的参考。

1999年，刘孝峰等［6］团队通过试验得出温度对分生孢子萌发的影响（表3），结果显示番茄早疫病病菌分生孢子在6～35 ℃均可萌发，适宜温度为25～32 ℃，分生孢子在水滴中适宜温度下经过1 h 即可萌发。湿度对分生孢子萌发的影响如表4所示，病菌分生孢子在温度为25 ℃，空气相对湿度分别为65％、75％、90％、100％的环境下，经过24 h分生孢子的萌发率分别为0、0、0、2％，在水滴中的萌发率为98％。这说明分生孢子要求100％的空气相对湿度，在水滴中才萌发良好。

2010年郑寰宇等［7］团队通过试验得出，早疫病菌分生孢子萌发的关键因子是空气相对湿度或是否存在水滴，在30 ℃环境下经过10 h，当空气相对湿度高于85%时，分生孢子才开始萌发，但萌发率很低，只有0.3％；在水滴存在的条件下萌发最好，萌发率为98.3％（表5）。早疫病菌分生孢子在5～40 ℃均可萌发（表6），在25～35 ℃的温度条件下容易萌发，在5和40 ℃条件下分生孢子萌发率较低，而在45 ℃条件下分生孢子不能萌发，该研究结论基本与刘孝峰团队的相符。