设施甜樱桃智能化管控平台开发与应用

中图分类号：S662.5 文献标识码：A 文章编号：1002-2910（2025）02-0069-04

近年来国家高度重视智慧农业与设施农业发展，2024年农业农村部连发《关于大力发展智慧农业的指导意见》《全国智慧农业行动计划（2024-2028）》，强调推进设施种植数字化、开发智慧农业基础模型。系列政策为设施甜樱桃智能化管控系统研发提供了政策保障与发展机遇。

甜樱桃作为高附加值水果，在中国的种植规模持续扩大，截至2022年，种植面积达22.67万 产量超120万t，其中设施种植面积显着提升，已成为农民增收的重要途径。设施智能化管控技术是通过物联网、人工智能、大数据、自动化装备等现代信息技术，对设施内的环境参数、果树生长状态及生产流程进行实时感知、智能分析和精准调控，实现降低人工成本、提高果品产量与品质的目标。

1国内外研究现状

国外在设施农业智能化管控方面起步较早，积累了大量经验与成果。Li等[1分析了基于模糊控制和传感器网络的智能农业系统及其控制模式，结合ZigBee等无线传感器技术，实现传感信号的传输和集中控制，建立了智能农业温室监控系统。Popescu等[2]设计无人机轨迹以实现高效数据收集，并采用有效的数据处理算法（共识和符号聚合近似）以传输相关数据，进而实现精准监测。Sun等[3]设计开发了一套农作物生长监测终端设备。可以实时获取温度和湿度、光照、 浓度、土壤数据和其他作物生长环境参数。为追溯模型实现作物生长环境的多点监测、智能控制、自动化运行提供了有力支撑。

国内设施农业智能化管控技术领域取得显着进展。黄云龙[4]研究设计了一套专门针对樱桃大棚的自动化控制管理系统，可实现实时监测、数据分析、云端数据存储以及远程、本地控制、联动控制和BP神经网络控制多种设备的控制模式策略，满足樱桃种植户的需求。曾镜源[5依据果园灌溉需求，整合2种物联网通信技术，在原有基础上，对通信技术和检测电路等重新进行设计，从而提升灌溉的精细化水平。郭威以特色羊肚菌和番茄的外观、口感、产量3类品质为管控目标，从数据采集设备、生长调控方面提出了能够针对品质进行多要素耦合全生育期的管控方法，适配中西部大部分特色农产品设施环境。

但当前研究仍存在诸多不足，国内智能化管控系统的自主研发能力较弱，先进技术在设施果业上应用尚不广泛，针对甜樱桃等特定作物的智能化管控技术研究不够深入，缺乏针对性的系统解决方案。

为解决上述问题，笔者对国内外智能化管控方面进行了总结分析，对智能化管控需求进行调研，并开发相应的智能化管控平台，实时采集甜樱桃生长及环境的各项数据，通过数据分析和智能决策，实现对设施环境的精准调控和自动化管理，确保甜樱桃生长在最适宜的环境中，提高其产量和品质。

2智能化管控需求调研

为深人了解设施甜樱桃相关科研工作者、种植户和企业对智能化管控的需求，采用问卷调查和实地访谈相结合的方式进行调研。共发放调查问卷200份，回收有效问卷185份，覆盖山东、辽宁等甜樱桃主要种植区域。实地访谈选取10个具有代表性的种植基地和5家企业，与科研人员、种植户、技术人员、企业管理人员进行面对面交流。

根据问卷及面谈结果， 94 % 的科研人员、种植户和企业对环境调控需求呈现“较高”水平， 90 % 对病虫害防治的智能化管控需求呈现“较高”水平，8 6 % 对智能水肥一体化系统需求呈现“较高”水平。笔者以设施内的环境调控、智能水肥、病虫害智能防治3方面搭建设施甜樱桃智能化管控平台。

3甜樱桃生产管理需求

以周年管理为标准，甜樱桃物候期可分为休眠期、萌芽期、开花期、幼果期、硬核期、果实膨大转色期、成熟采收期。周年管理需精准把控设施内环境调控、水肥供应与病虫害防治，以保障树体正常生长发育、开花结果及优质生产。

设施环境调控方面。根据物候期的不同，管理上有差异。休眠期，设施内控制温度维持在 湿度 6 0 % ～ 8 0 % 、地温不低于 ，温度过低时白天揭帘提温，过高时夜间揭帘降温。萌芽期，适宜温度白天 ，最高不超 ；夜间 7 ～ ，最低不低于 ；湿度 8 0 % ～ 9 0 % ，低于 30 % 需要补水。幼果期白天 ，最湿度低于临界值时向地面喷水增湿。开花期防止高温干燥和湿度过大导致的病害，适宜温度白天 ，最高不超 ；夜间 ，最低不低于 ；湿度5 0 % ～ 6 0 % ，通过风口，补水等调节湿度大小。幼果期白天适宜温度 ，最高不超 ；夜间 ；果实膨大期至采收期白天适宜 2 2 ～ ；夜间 ，湿度控制在 5 0 % ～ 6 0 % ，尽量保持湿度的稳定性，减少裂果。采收后放风锻炼，外界温度不低于 时逐步撤膜，不锻炼则在撤膜当天覆盖 70 % 透光率左右遮阳网。

水肥管理方面，遵循按需供给原则。萌芽期，升温1周内在树盘施硝酸铵钙，长势弱可增施黄腐酸钾或生根菌肥，施入后覆土盖严。施肥后立即浇1次透水。花露白后根据树势冲施一次水溶性复合肥，花期喷施坐果药后冲施平衡肥。花后至采收期间隔 7 ～ 1 0 d 叶面交替喷施氨基酸和微量元素肥 2 ～ 3次。幼果期根据结果量，前期偏氮磷，后期偏磷钾。采收结束后需要补充一次肥料，以平衡肥及菌肥为主，叶面喷施1次氨基酸叶面肥。早秋追施有机肥、复合肥及中微量肥料，施后立即覆土盖严，浇1次透水。

病虫害防治贯穿全生长周期。休眠期揭帘升温前清除枯叶，萌芽期修剪后喷 石硫合剂。萌发期喷杀虫杀菌药剂（封闭药），开花期避免湿度过大引起花腐病。落花后至转色前喷1～2次药剂，杀菌剂 2 5 % 啶菌恶唑乳油1000倍液。果实采后的越夏管理，主要是防止叶斑病，避免早期落叶，喷 1 ～ 2次杀菌剂（波尔多液或戊唑醇交替喷施），或壳聚糖类、氨基酸类的有机营养剂提高抗病力；同时注意虫害发生，用齐螨素（虫螨克）和噻嗪酮等药剂防治二斑叶螨和桑白玠壳虫。

4平台整体架构设计

综合考虑平台面向的用户群体、使用场景及具备高扩展性等需求，选用B/S系统架构进行开发，进一步设计分层架构。分层架构包括数据采集层、数据处理层、业务逻辑层和用户界面层（图1）。

数据采集层负责采集各种与甜樱桃生长相关的数据。通过部署多种类型的传感器实时采集设施内的环境参数，并通过无线传输技术将数据传输到数据处理层。同时接人图像采集设备，用于采集甜樱桃的生长生理状态图像，为病虫害监测和生长模型构建提供图像数据。

数据处理层负责对数据进行清洗、转换和存储。通过去除噪声和异常值，提高数据质量。将原始数据转换为适合存储和分析的格式，对数据进行初步的分析和统计，并存储至分布式文件系统和分布式数据库中。

业务逻辑层负责实现各种业务功能和智能算法。根据预设的规则和算法，实现对大棚内通风、遮阳、灌溉、施肥等设备的智能控制，确保甜樱桃生长环境的适宜性。通过对历史数据和实时监测数据的分析，利用机器学习算法建立甜樱桃生长模型，预测甜樱桃的生长趋势和产量。利用深度学习算法对病虫害图像进行识别，判断病虫害的种类和严重程度，并根据病虫害预测模型，结合环境数据和甜樱桃生长状态，预测病虫害的发生概率和时间，及时发出预警信息。

用户界面层负责平台与用户交互。采用响应式设计及简单明了的布局、操作流程，能够适应不同设备的屏幕尺寸，使用户随时随地通过Web浏览器，访问平台的各种功能模块，包括环境监测数据查看、设备控制、生长模型分析结果展示、病虫害预警信息查看、农事操作建议查看、数据可视化等。

5平台开发与实现

5.1开发工具与技术选型

本平台利用Java语言在SpringBoot框架的基础上对后台进行编程，利用JavaScript、HTML5、CSS3技术，结合Vue.js框架开发前端，使用MyBatis框架完成数据库访问开发，采用HTTPS协议结合JSON数据格式完成数据传输，采用Python3进行人工智能算法编程实现。

5.2功能模块实现

环境监测与调控模块。前端页面，针对不同的数据类型采用不同的图表形式进行实时展示。如温度和湿度数据以折线图呈现，横坐标为时间，纵坐标分别为温度值和湿度值；光照强度则以柱状图展示；气体浓度数据，以仪表盘的形式呈现，绿色区域表示正常范围，红色区域表示超出正常范围。在页面布局上，将各类环境参数的展示区域合理划分，设置醒目的标题和标注，便于种植户区分和查看。业务逻辑编写方面，基于预设的甜樱桃生长环境参数范围，服务器对实时采集的数据进行比对分析，当温度超出设定的适宜范围时，服务器根据偏差程度和变化趋势，计算出相应的调控指令。硬件交互方面，平台与通风、遮阳等设备通过无线通信模块连接，如平台服务器向通风设备的控制器发送控制指令，控制器接收到指令后，根据指令要求调节通风设备的转速或开启关闭状态，并反馈控制结果。

智能水肥一体化模块。以可视化图表和文本相结合的方式，展示土壤养分含量、水分含量等数据，并根据分析结果提供施肥灌溉建议，如推荐的肥料种类、施肥量、灌溉时间和灌溉量等。业务逻辑编写方面，施肥灌溉智能决策功能通过传感器实时获取土壤养分含量、水分含量等数据，结合甜樱桃的生长阶段和需肥需水规律，从数据库中查询相关的施肥灌溉决策模型和参数，利用智能算法计算出施肥量、施肥时间、灌溉量和灌溉时间等决策结果。硬件交互方面，控制器接收到灌溉指令后，根据指令中的灌溉量和灌溉时间信息，控制灌溉阀门的开启和关闭，并反馈控制结果，实现精准灌溉。

病虫害监测与预警模块。前端页面设计突出可视化和及时性。以实时视频流形式展现树体生长状态，在视频画面上采用标注和提示信息，实时显示病虫害监测的结果，自动弹出预警窗口，详细显示病虫害的名称、症状描述、发展趋势和防治建议等。业务逻辑编写方面，图像采集设备按照设定的时间间隔进行图像采集，并回传至平台服务器。服务器端利用深度学习算法中对图像进行识别，并预测病虫害发生趋势。然后根据病虫害的种类、严重程度和发生趋势，推送预警及防治措施建议。硬件交互方面主要涉及图像采集和病虫害防治设备，以喷雾器为例，控制器接收到实时决策指令后，调整设备的启动、停止、喷雾量等参数，并实时反馈设备状态展示在前端页面。

数据分析与决策支持模块。前端页面强调数据可视化及决策直观性，数据分析结果以多种图表形式展示，如散点图分析环境因素与产量、品质之间的相关性。设置筛选和查询功能帮助用户进行查看。决策建议页面以文本和图表相结合的方式，展示根据数据分析结果生成的决策建议，如施肥建议等。业务逻辑编写方面，从数据库中获取甜樱桃的种植相关数据，进行预处理，利用数据挖掘和深度学习算法对数据进行分析，结合甜樱桃的生长规律和专家经验，生成决策建议。与其他模块主要是数据交互，从各模块获取数据并将生成的数据分析结果和决策建议反馈给其他模块，协同工作，保证整体运行效率和决策科学性。

6平台应用效果分析

平台经测试并优化后，在精准监测、AI智能决策、实时响应方面表现良好。精准监测方面，空气温度精度 、空气湿度精度 ± 2 % 、土壤温度精度 ± 0 . 5 % 、土壤湿度精度 ± 2 % 、土壤电导率精度± 3 % 、水质 p H 精度 ± 0 . 1 、水质EC值精度 ± 3 % 5AI智能决策方面，病虫害识别准确率 gt; 9 0 % 、物候期识别准确率 gt; 9 3 % ；实时响应方面，分布端响应时间 lt; 2 s 、传输端到端延迟 lt; 2 s 、数据采集到设备调控延迟 lt; 5 s ，关键指令执行时间 lt; 3 s 。

试验地选取山东省农业科学院山东省果树研究所金牛山试验示范基地，地处东经 ，北纬 。属于温带气候，年平均气温 ，日照2 6 2 7 . 1 h ，降水量 6 9 7 m m 。设施类型为日光温室，占地面积 ，主栽品种为美早、鲁樱5号、齐早、布鲁克斯。

平台投入使用后，降低了生产成本，提升了甜樱桃果实的产量与品质，取得了显着的经济和社会效益。生产成本方面，减少了人力用工，降低用工成本超过 1 5 % ；综合节水超过 10 % ，化肥施用量减少 1 5 % 左右，累计降低农资成本超过 20 % 。产量和品质方面，平台的精准调控为甜樱桃的生长各物候期提供了更加适宜的条件，提升果实产量超 20 % 5通过实时监测并及早防治病虫害，减少果实损害，使畸形果率降低到 5 % ，有效提升了商品果率。

7 结论与展望

本研究成功开发了设施甜樱桃智能化管控平台，构建了高效的数据采集与传输体系，运用先进的数据分析算法，实现了对设施甜樱桃生长环境的精准监测和智能调控。通过在试验基地的实际应用，平台取得了显着成效。但仍存在一些不足之处，技术层面，当前平台在环境监测的稳定性上还有提升空间，平台所采用的机器学习算法模型的泛化能力有待提高；应用层面，还未开展露地种植的智能化管控研究，其生长环境更为复杂，影响因素更多，是未来需要解决的问题。

展望未来，甜樱桃智能化管控平台将朝着更精准、更智能、更广泛应用的方向发展。引入新的传感器技术和智能算法，增强模型的泛化能力和适应性。开发适用于露地环境的智能化管控方案，实现设施与露地甜樱桃种植的智能化全覆盖。通过持续创新和拓展应用，为甜樱桃产业的高质量发展提供更强大的技术支持，推动甜樱桃产业向智能化、现代化、可持续化方向迈进。

参考文献：

[1]LIJUN C，YUBO Z．Analysis of intelligent agricultural system andcontrol mode based on fuzzy control and sensor network[J]. Journalofintelligent amp; fuzzy systems：Applications in Engineering andTechnology，2019（5）：37.

[2]POPESCUD，STOICANF，STAMATESCUG，etal．AdvancedUAV-WSN System for Intelligent Monitoringin PrecisionAgriculture[J]．Sensors，2020，20（3）：817.

[3] SUNLL，SUNHR，CAON，et al.Intelligent Agriculture TechnologyBasedon Internetof Things［J].Intelligent AutomationAnd SoftComputing，2022（32）：429-439.

[4] 黄云龙．樱桃大棚智能管理控制系统［J].现代化农业，2023（3）：94-96.

[5] 曾镜源，洪添胜，杨洲，等．果园灌溉物联网实时监控系统的研制与试验［J]．华南农业大学学报，2020，41（6）：145-153.

[6] 郭威，吴华瑞，郭旺，等．特色农产品设施环境下品质智能管控技术研究现状与展望［J]．智慧农业（中英文），2024，6（6）：44-62.