（本文摘自「農業推廣手冊」第74期，版權所有，本刊圖文非經同意不得轉載或公開傳播。）
由於農業田間場域環境的差異以及監測對象與需求的多樣性，因此利用機電整合技術將前瞻的物聯網（IoT）技術與資通訊 / 無線感測器網路（ICT/WSN）技術之結合，以模組化設計為核心技術發展模式，可進一步開發適用於田間遠距無線監測系統的「多樣性環境感測物聯網平臺」。此平臺由「感知層」、「資料匯集層」、「網路層」與「資料分析層」等不同面向之技術所整合而成，適用於各類監測應用，如圖 1 所示。
圖 1、多樣性環境感測物聯網平臺一、感知層
多樣性環境感測物聯網平臺前端的感知層係由無線感測器網路（WSN）所組成，可依照監測項目之需求而組合不同的感測器模組並搭載無線通訊晶片，可大量地感測田間原始資料。感知層負責感測數據，大致可分為物理參數、化學參數、或生物參數三大感測類型，如表一所示。感測器可將外界之類比訊號轉換為可感知之電氣量或電參量（如：電壓、電流、阻抗、頻率等），經訊號處理後傳送至邏輯電路或中央處理單元進行處理。舉例來說，實體物件可利用 RFID 進行識別與定位，或利用感測器量測物理、化學或生理參數。利用物聯網技術建立的智慧農業應用，物理量的溫度或照度，則是相當重要的參數。
表一、感測器分類表感測器採用模組化設計，透過整合市面上既有之數位式與類比式各樣感測器與微控制器，可針對環境場域各種參數進行監測。並且採用無線通訊模組進行資料傳輸，其可大幅排除佈線之必要性，並且可彈性佈置前端感測節點之溫室擺放位置，降低建置監測系統難度。圖 2 為多樣性環境感測物聯網平臺之感測節點電路圖，圖 3 為實際感測節點與感測器圖。感測節點採用ATmega328p 作為核心微處理器，其用途為處理與整合各式感測器的訊號處理與周遭環境資料處理；採用 ZigBee 作為無線通訊模組，其用途為將感測資料以封包形式轉傳至閘道器，再由閘道器統一作資料上傳的動作；採用 AMS1117 作為轉換電壓處理器，以供相關元件電源供應如ZigBee 等等；採用 BSS138N 作為電平準位轉換模組，其用途可使高電位與低電位互相協調以達準位平衡。
透過於環境場域建置數個前端感測節點，前端感測節點負責收集作物環境參數，例如：環境溫度、環境濕度、日照度、土壤溫度、土壤濕度、土壤電導度、土壤酸鹼度，可有效收集環境場域之環境參數變化情況。而這些監測數據將透過無線通訊模組（ZigBee）由前端感測節點傳至資料匯集層，再傳至雲端管理平臺，進行長期監測數據儲存，以利後續數據分析之用。
圖 2 、多樣性環境感測物聯網平臺之感測節點電路圖
圖 3、實際感測節點與感測器圖二、資料匯集層
資料匯集層則負責如何安排各感測器有秩序且快速地回傳資料，具有避免封包碰撞、有效分配路由與延長網路壽命等傳輸機制。可適應於各種場域環境限制之不同類型的資料匯集技術與硬體系統，其中資料匯集層可分為工業用電腦、單晶片系統、以及嵌入式系統三大類資料匯集閘道器系統。資料匯集閘道器主要由工業用電腦、基站節點、GSM 模組以及其他週邊設備組成。
工業用電腦所使用硬體設備比一般市售桌上型電腦更為耐候，較適合長期放置於野外。基站節點負責 RF 傳送與接收，可透過 TOSBase、JAVA、TinyOS Library 來管理、收集感測器節點的資料負責。GSM 模組則是將所收集的資料透過手機模組經由 GSM 系統傳送到遠端主控平臺。
此外，監測系統亦可採用樹梅派（Raspberry Pi）來作為閘道器之核心處理器，系統採用Linux 系統，並以 Python 作為主要程式開發語言。透過 Zigbee 進行第一層的無線傳輸，在收集到感測節點之後，再透過 3G/4G 或是 Wi-Fi 進行第二層傳輸，將匯集之境參數上傳至雲端資料庫，進行後續分析與處理。
三、網路層
此多樣性環境感測物聯網平臺的網路層擔任將前端感測區域之感測資料回傳至資料分析層之間的媒介，舉例來說，由感知層將所量測到的數據可利用 ZigBee、藍芽或 Wi-Fi 通訊協定進行數據傳輸，抑或將應用層的指令傳輸至感知層。實體物件可利用各種無線通訊協定進行資訊交換，其中 Wi-Fi、Bluetooth、ZigBee、與 LoRa 是 IoT 系統中常用的無線通信協定。表二為常用無線通信協定規格，此平臺可依不同傳輸距離開發並整合市面上常見之通訊協定（GSM、4G、Wi-Fi與藍牙等）。
表二、常用無線通信協定規格四、資料分析層
因應資訊儲存與數據分析需求，多樣性環境感測物聯網平臺的後端為資料分析層，可針對監測系統與控制系統建置雲端資料儲存暨管理平臺。監測與控制系統端的所有資訊可透過網路回傳至雲端資料庫，使用者透過網頁介面即可在各地電腦進行資料監看或管理。資料分析層將以MySQL 作為雲端資料庫，藉由資料庫表單規劃與設計，使環境場域內的數據收集中心得以隨時回傳資訊並寫入雲端資料庫中進行資料儲放。另外，關於控制設備的狀態，亦設有獨立的雲端資料庫進行管控，方便使用者線上查詢設備狀況。
透過長期監測數據累積，應用資料探勘技術找出環境因子與生產管理優化參數，並進一步利用資料探勘結果建構作物最佳生產模型；為有效管理前端感測節點之運作情況，將由數據收集中心持續記錄監測數據回傳情況，若長時間無某一前端感測節點之回傳數值，則將此情況紀錄於雲端資料庫中，並傳出警訊於使用者端，以利快速管理溫室場域內之情況。同樣地，環境場域監控系統管控的控制設備狀態亦將由閘道器數據處理中心直接處理，並回傳資料庫當前設備狀態。
資料分析層亦可分別針對不同類型之感測資料擷取可用之資訊，建立資料分析模型提供資料分析與預測之服務，以及相關應用。例如：
1. 物聯網與大數據分析技術
透過物聯網技術，收集各式感測參數與環境資料，搭配大數據分析，建立目標行為預測模型。
2. 影像辨識及監測系統應用
應用深度學習類神經網路影像辨識技術進行目標物的辨識，透過圖片中的資訊，可以分析出提高現有系統的運作效率。
3. 深度學習類神經網路資料分析
應用深度學習類神經網路技術進行農業害蟲與動物的行為辨識，經過分析可以建立有效率的管理系統與平臺。
