文摘

提出了一个系统来监测土壤水分使用标准的超高频RFID标签埋在土壤里。自主移动机器人也提出,这是能够在球场上导航和自动读取传感器,即使他们是完全埋在土壤里。因此,被动RFID标签是深埋在土中,允许无线水分测量,无需电池长时间。系统分配外部电缆和天线,可以组成一个RFID标签埋在土壤或由几个RFID标签埋在不同深度的土壤。天线耦合RFID阅读器可以指着这些标签的安装位置,并通过测量接收信号强度指示(RSSI)和其他参数,它允许估计土壤的水量。的估计土壤体积含水量(VWC)获得的成功和校准 使用神经网络训练和实验数据从一个参考电容土壤水分传感器。除了简化了安装过程,系统允许手动或自动阅读通过灌溉系统或其他系统来控制灌溉系统。系统已经在几个实验,评估和9个标签被埋在球场上,用于至少三年。实验结果表明,可以在40厘米深读标签RFID阅读器天线10厘米的土壤土壤表面。

1。介绍

近年来显示显著增长的开发和使用信息和通信技术在农业的应用。一个著名的例子是精准农业,这使得它可以产生准确的地图和化肥和化工产品应用于土壤或植物与厘米级精度。然而,正常工作,这些技术需要实地测量和可靠的数据,这可能是由传感器提供分散在球场上。

被测量的一个重要参数是土壤水分,灌溉是植物发展最重要的因素之一。事实上,80%的全世界饮用水是用于农业1),这表明充分使用水是重要的,以避免对环境的影响和优化供水系统的使用。实现灌溉系统,有些方法仅仅依靠让水一直流,其他人使用计时器,和其他实践依赖于灌溉调度基于土壤水分传感器的阅读,它可以节省大量的水、88%的灌溉系统相比,基于计时器(2]。

当使用传感器灌溉时,某些类型的传感器必须选择。在大多数情况下,这些传感器需要电缆或电池,这需要不断维护保持系统工作。基于这些需求,罗宾逊et al。3)和Ruiz-Garcia et al。4)声称,有几个精准农业面临的挑战并提出新的传感器设计的需要,应提供设备能够完全埋在土壤(最好没有电线),以防损坏由于机器经过和动物甚至人经过。

Aroca et al。5)回顾了几个相关的作品,讨论一些方法发表涉及射频识别标签的使用来测量水分的一堵墙,杯、玻璃瓶、土壤等等。在特殊,Bhattacharyya et al。6]分析了接收信号强度指示(RSSI)来测量液体的水平在眼镜,瓶子和杯子。其他作者(7)认为,水的存在会避免RFID标签工作,所以一系列RFID标签可以显示在一个花瓶的水通过分析哪些标签响应,哪些不是。

提到的解决方案依赖于在reader-tag RSSI的分析沟通。其他方法包括传感器的使用标签,射频识别标签的配备特定的传感器,可以读取和数据报告给读者使用无线射频识别协议。西班牙公司Farsens [8]出售batteryless RFID土壤水分传感器,分为两个部分:传感元素埋和RFID天线,这是暴露在土壤和可以读取距离1.5米。最近,这家公司显示演示一个机器人收集数据基于rfid的土壤水分传感器(9]。这样的概念主要由王et al。10]。

这样的话,Bauer-Reich et al。11]研究利用超高频射频识别技术的可能性与地下传感器和得出结论,这样的可能性是可行的传感器在50厘米深度时土壤水分水平约为15%。更深层吸收导致显著的信号衰减或完成信号损失。作者建议标签有足够的阅读范围为15厘米的深度。

在2016年至2018年之间,一些作者(5,12,13)提出了标准无源超高频RFID标签的使用buriable土壤水分传感器、显示等方法的可行性;然而,没有一个可靠的校准或相关的土壤含水量与RFID测量。伯克利和Sivandran12甚至认为,这种方法是可行的,但这项技术还不成熟,可靠的射频识别标签属性与土壤水分之间的相关性。

这个工作的主要贡献是无源超高频(UHF)的校准射频识别(RFID)技术来提供无线和batteryless农业领域传感器,可以埋在土壤和由读者读远程设备,可以手持阅读器,农业机器,一个中央枢轴的灌溉系统,甚至一个机器人。图1提出建议的体系结构的概述,标准无源超高频标签是埋在土壤土壤水分传感器。


图1
建议的体系结构的概述。一个机器人,或其他设备,可以无线阅读batteryless,埋传感器。

2。材料和方法

提出系统的主要概念是,batteryless土壤和无线传感器可以安装在土壤表面,在一个或几个深度,在图所示2。使用这种方法,不需要维护,避免电池更换的需要或可能出现的问题,由于部分暴露在恶劣的现场环境。来自这些传感器的数据可以通过一些技术,例如,手动便携式RFID阅读器,自动与机器,机器人,甚至灌溉系统。

(一)
(一)
(b)
(b)
图2
提出了系统的概念设计。Batteryless基于rfid和无线传感器(1)可以埋在土壤表面(3),在一个深度的土壤(2)(a),或在不同的深度(b)。

图3提出了一个可能的方式阅读标签,一个运营商,与便携式RFID阅读器显示或连接到智能手机,看到一个映射的字段和他的位置。他走,可以看到,如果他是在一个RFID传感器标签,当这一切发生的时候,可以进行阅读。


图3
可能设置为手动收集数据,使用便携式手持阅读器(4)连接到移动设备(8)。射频识别标签(1)下土壤表面(2)(3)可以通过移动设备屏幕上使用地图(8)(9)的设备,如平板电脑或智能手机,利用其全球定位系统(GPS)来存储每个标签的安装坐标,以后,显示传感器定位算子。

被动标签是最简单和最便宜的类型的超高频射频识别标签。他们的收获能量产生的射频(RF)信号射频识别阅读器/天线。这些标记通常有内存和其他特性和与读者沟通使用一种称为后向散射的技术(14,15),标签控制芯片控制标签天线阻抗,它反映了读者产生的射频信号在不同的礼仪。RFID阅读器感官RF信号反射,造成标签天线阻抗的变化,基于这种技术从一个协议解码信息。在此交流,读者能够测量标记的接收信号强度,可以作为接收信号强度指示(RSSI) [14,15]。图4显示了一个典型的超高频RFID标签和一个用于这项工作。这种标签的一个优点是,他们大量生产和低价格(每个标签成本美分美元)。

(一)
(一)
(b)
(b)
图4
(一)典型的超高频RFID标签相比,巴西R 1.00美元硬币。BJTW01 (b)超高频RFID标签模型,基于RFID芯片外星人希格斯3,这是实验中使用的模型提出了这项工作。
2.1。代超高频标准EPC / RFID标签作为土壤水分传感器

这里提出,使用标准的EPC / GEN2超高频RFID标签作为土壤水分传感器,描述在Aroca等相关工作。5由伯克利和Sivandran [],12),Pichorim et al。13];然而,这些作品不提供校准或可靠的关系,参考湿度传感器和RFID标签无线电频率(RF)属性。本节提供了更多的细节和提议系统的实验验证提出的解决方案(5,12]。使用超高频RFID标签的背景土壤湿度传感器是基于水和湿气减弱微波信号的事实。事实上,米勒et al。16]研究地下微波通信,提出了一个关于土壤含水量之间的关系和微波信号衰减,在图所示5。


图5
900 MHz射频信号衰减在地下好几对粘土土壤含水量。改编自米勒et al。16]。

此外,最近,穆赫兰et al。14]提出了使用标准的RFID标签人民水分/汗传感器,用理论和实验验证标准的RFID标签对于这个应用程序,包括实验在消声室。孟和李17)还认为可以测量水分使用一个标准的RFID标签的底物,在这个工作是土壤。另一个工作(18)显示使用超高频射频识别的可行性频率测量土壤水分通过分析RFID天线的射频特性和无屑的标签。

伯克利和Sivandran12)开发了一个研究,并得出结论,被动射频识别标签”接收到的信号强度表现出明显的相关性,土壤的水分含量使用的无线电频率902 - 928 MHz,“但他们不管理复杂的土壤水分关系或校准RSSI或其他相关射频通信的财产。他们的结论是,这项技术是可行的,但还需要进一步的研究来建立一个已知的关系。我们目前的结果在这个方向的工作。

事实上,这种可能性的校准和结论得到实验和人工神经网络(ann)被用来学习基于RSSI值和土壤水分cross-relate,基于电容土壤水分传感器的数据参考。

重要的是要注意,虽然RSSI和土壤水分可以直接相关的理论,这是不可能的,由于一些RFID技术增加阅读器和标签之间的通信可靠性。事实上,进行实验表明,射频识别阅读器(AMS氡基于AS3993芯片组)使用一些技术来提高性能。在特殊,我们观察到,自动增益控制(AGC)和真正的自动切换/虚(I / Q通道(90°淘汰)引起意想不到的RSSI读数,它很难推断土壤水分直接从原始RSSI读数。

拟议的校准证明好的结果建立RSSI土壤水分的关系,在于使用人工神经网络(ann)的训练,因此,了解土壤体积含水量基于RFID在每个即时通信性能。经过训练,数学函数,神经网络作为读者获得的射频参数映射到体积含水量(VWC) m3/ m3。也这样,人工神经网络隐式商店的校准射频识别标签作为土壤水分传感器。

另一部分的工作是开发和使用的移动机器人自主驾驶,直到每个传感器标签并获得自动测量。机器人建设提出和讨论了在另一个工作19)现在集成和用于这项工作,包括使用一个uBlox NEO-M8P实时运动学(RTK)全球定位系统(GPS)接收器,可以达到几厘米的定位精度由于固定GPS站GPS校正。

3所示。结果与讨论

为了研究RFID标签通信之间的相关性属性和土壤湿度和执行校准,以下进行的实验准备和:一个矩形容器盒60公升容量是组装在一个圆形容器盒80公升容量。图6显示一个原理图的实验装置,提到容器盒所示两个不同的侧面视图(宽度和长度)。


图6
图表的实验装置,两个侧面视图相同的装配。射频识别标签所示红色,和参考电容5 te土壤湿度传感器所示绿色。

盒子的内部充满了Oxisoil土壤(石英砂新成土、含砂量86%)20厘米高。的实验中,RFID标签被安装在平行于3参考导电土壤水分传感器,见图的图6。190个洞的内部箱子准备3毫米直径等距的底部每20毫米。增加土壤之前,内部箱子的底部是覆盖着吸墨纸漏洞,避免土壤逃离通过洞。RFID天线组装53厘米从地面和32厘米从土壤表面。这个距离被认为因为它给30到50厘米距离天线标签,这是常见的根深在许多作物的文化。

标签和参考传感器被安装在土壤被添加到框三个不同的深度。实验设置好后,所有的土壤,RSSI和其他标签参数/体积含水量(VWC)测定在20分钟。这被认为是干土的参考,因为土壤以前烤箱在105摄氏度的温度下干燥24小时。图7显示了一些实验设置的照片。


图7
实验设置的照片。内部箱子底部孔;RFID天线收集RSSI值标签在地板上;整体实验环境;外部盒子装满水。

最初是湿的土壤样品添加外部容器盒和注入水不断,直到它到达土壤表面(内箱)毛细管力和被一夜之间达到平衡。注意,土壤容器底下还有漏洞,让水从底部进入。然后,水被添加到外部容器盒20厘米的身高和留给一些小时,迫使完全饱和,在那之后,多余的水在外部包含被虹吸移除。土壤湿润过程的细节呈现在图8。


图8
技术用于湿土壤通过孔内部容器底部的盒子装满了烘干的土壤。

至于RFID阅读器,AS3993演示工具包氡读者使用AMS连着一块7 dBi RFID天线从坡印亭(模型PATCH-A0025) 860 - 960 MHz频率与圆偏振。程序开发,不断收集和存储多个RFID /射频数据,和一个时间戳,以便日后与参考传感器。参考传感器、三十边形5 te电容土壤水分传感器与SmarTrac数据记录器被使用,在每分钟收集数据。是BJTW01使用的射频识别标签,基于芯片外星人希格斯3。重要的是要注意,这些标签封装在塑胶袋,避免水/水分直接与标签天线电路。

收集的数据被存储在一个逗号分隔值(CSV)文件,实验是在一段时间内进行的一个月。表1显示了收集的数据的结构,它可以在请求。数据提供的十边形SmarTrac数据记录器并不像我们使用了标准的电子表格生成的十边形数据记录器。

表1
收集的数据结构和存储在CSV文件中。每个值是平均3 RFID阅读器/标签通信特性测量。

一个探索性数据分析进行了评估因素可能影响RSSI信号。数据除以标签被埋的深度:标签号81葬内部盒子5厘米;标签号07年葬内部10厘米的盒子,和标签号16葬15厘米的盒子内部除以事件。第一天,干土弄湿,直到它成为水土的解决方案(没有空气),这部分的数据被称为水分上升。在另一部分,外箱的水完全移除,几个小时,水从底部倒也干。之后,土壤有大约1个月变干,这部分被称为水分减少。

如前所述,AS3993读者选择我或者Q通道(90°淘汰)日志RSSI信号并自动调节增益;RSSI信号没有光滑的曲线,如图7(理论模型)。因此,信号的增益补偿必须收集。此外,正如channel-swapping事件,重要的是要注册的频道信息来自,作为信道信息是可用的,可以有一个粗略的估计信号的阶段。此外,有时候标签变得反应迟钝,这意味着它没有的最小信号强度驱动和响应读者调查。

图9描绘了第一小时的随时间演化的润湿和水分上升实验阶段3深度根据收集到的数据与增益调整。在所有的情节,水分 300行了(参考)电容传感器读数,乘以300所示只是为了更好的图形表示。最高VWC观察是0.4米3/ m3。


图9
规范化RSSI标签编号为81的数据,07号和16号葬在5、10和15厘米从盒子底部。散射的蓝色和黑色代表RSSI信号和信道选择。红线代表了信号相位估计,使用I和Q通道数据。绿线是参考传感器的湿度测量乘以300,以便适应规模。

图9显示了标记在更高的深度(从底部5厘米),有更大的阅读距离天线,正如预期的那样,第一个是湿的。其RSSI测量遵循不仅潮湿而且相位信号。标签在10厘米深度,一个趋势是明显的,当Q通道的增加,我频道减少振幅(90°延迟)。标签用5厘米的土壤,可以注意到一个更稳定的趋势。在分析执行,几个回归方法试图关联RSSI,阶段,与土壤水分和其他射频通信数据从5 te读取传感器;然而,没有一个人提出一个可靠的相关性(所有的测试 小于0.4)。图10显示了完整的数据集,分析了I / Q通道信息被倒塌为(0.5 我+ 10 问),以缓解数据可视化。

(一)
(一)
(b)
(b)
图10
所有收集的数据集。红点标签号81,绿点来自标签号07,和蓝色标签号16点。(a)参考水分策划对RSSI信号和I / Q通道信息。(b)的投影数据参考水分对RSSI绘制。

在分析整个数据集时,可以观察到一个复杂的场景进行校准。没有明显的趋势显示,相同的RSSI值与水分含量有多个相关。在这方面的思想,同样清楚的是,相同的RSSI值有不同的水分为每个标签(深度)遇到。因此,非线性回归必须克服上述困难。

一个人工神经网络(ANN)的训练,测试和验证与实验数据。一个安是如何工作的理论背景是没有了这项工作的范围,所以有关这个主题的更多信息,我们建议罗素和Norvig的教科书20.]。安是在Matlab中实现,其结构由一个安中间层有60个神经元与双曲正切乙状结肠传递函数和退出层1神经元线性函数。

使用所有的时间数据,从水分和水分上升下降阶段。一个角度观察,增长速度下降阶段发生,第一个是平均每5分钟,第二个在每一个小时。

实验数据被划分为3个数据集,一个用于每个标记,每个安的选择可以很容易地通过数据库与标签及其深度。输入信号的RSSI值,生我和生Q通道的数据。贝叶斯正规化培训方法,建议通过Matlab困难和嘈杂的数据集。表2总结了安信息和结果。对于每一个安,样本的一部分用于培训和另一部分测试安。

表2
培训、验证和测试结果的人工神经网络用于关联土壤体积含水量与RFID标签信号属性,而土壤水分上升。均方误差均方误差。

图11礼物地块的土壤体积含水量预测每个安,一个为每个深度,仅基于RFID标签和读者交流的属性。结果密切相关的测量参考电容传感器。这些结果表明,人工神经网络显示良好的收敛性。


图11
人工神经网络土壤水分(体积含水量,m3/ m3)是预测仅仅基于RFID标签信号分析。

解释说,三个人工神经网络设计和训练为每个标签深度、水分的增加和减少。图12显示了这三个的回归表面安。从回归表面等高线地图,可以看到安提出的解决方案能够封装所有数据点;通过分析安回归是如何做的,它可以得出结论,没有简单的模型能够适应系统一样复杂。


图12
土壤湿度的人工神经网络回归等值线图(体积含水量,m3/ m3)。红点是收集点。

总的来说,ANN方法证明是足够和可靠的估计Oxisoil土土壤水分。也,安一个训练有素的单点,因为它应该在部署时,相当快考虑现代嵌入式计算机;因此,这种校准解决方案是可行的实现在一个机器人或其他设备/设备。未来的工作可以学习其它土壤的变化;然而,结果答案空白提出其他相关工作(5,12]。

最后,在一个更长的实验,九个被动标签准备和安装在土壤长期测试,在3种不同深度(5厘米,20厘米,40厘米)。这些标签被安装在2014年,仍运行在2018年3月,这表明,即使这些九低成本标签强大到足以承受数年的地下操作。他们仍回应,他们可以测量RSSI估算土壤水分。

该方法可以提供数据手动或自动系统。图13显示了一个示例应用程序的照片,移动机器人能够开车直到每个传感器位置和收集地下传感器数据。机器人操作不是这个工作的重点,但使用GPS RTK可以能够定位几厘米的精度,这是重要的对于这个应用程序,不同的天线位置将导致不同的RSSI测量。如图14,特别是对于RSSI-based土壤水分测量、天线位置,保证可靠的数据阅读是重要的。


图13
移动机器人用于读取地下和无线土壤水分传感器的工作。
(一)
(一)
(b)
(b)
图14
移动机器人的例子从传感器收集数据在不同的位置,影响RSSI读数,如(b)所示。

4所示。结论

水是重要的资源为社会,尤其是对作物生产。农业活动,特别是植物栽培,水是一个关键的资源,主要是必需的。然而,每一次,一个理性的和可控用水需要。结束,几种类型的土壤水分传感器可用,但他们通常需要电缆和电池。

本文描述了使用无源超高频射频识别技术的校准标签没有电池和无线应用于测量土壤水分。提出的方法是在分析RFID阅读器和标签之间的通信性能。实验测量数据收集的RFID标签通信和相关参考电容土壤水分传感器。然后,神经网络是用于建立一个关系在土壤体积含水量RFID标签RSSI,阶段,和其他属性。一般来说,设计人工神经网络,训练后,能够计算(预测)土壤水分 在大多数情况下。

移动机器人也被设计和建造,能够自动导航到每个传感器收集传感器数据。这个机器人被用作证据的概念,因为,如前所述,其他设备,如中心枢轴系统灌溉系统,可以配备射频识别阅读器来测量土壤水分在日常运营。

为未来的工作,与RFID标签可以评估不同的土壤水分传感器。此外,其他投入安可以进行测试,如土壤模型,来封装3人工神经网络在一个。此外,其他安架构也可以评估。

数据可用性

所有收集到的数据,源代码,并免费提供进一步的信息。

的利益冲突

作者宣称没有利益冲突。

确认

作者要感谢巴西研究委员会的财政支持,慰问Nacional de Desenvolvimento Cientifico e学府,批准号441630/2014-6。