2. 农业传感器数据采集与异常值来源分析

要识别异常值，先要弄清楚“正常值是怎么来的”。农业传感器数据从物理量到最终入库的数值，中间要经过敏感元件、信号调理、模数转换、主控采样、通信传输和平台解析等多个环节。任何一个环节偏离预期，都会在数据序列中留下异常痕迹。理解这条链路，是判断异常来源、避免“见异常就换传感器”的前提。

常见农业传感器的工作原理与输出特征

农业环境监测中最常用的是温度、空气湿度、光照、土壤水分和CO₂五类传感器，它们的敏感机理不同，异常表现也各有特点。

• 温度传感器：常用铂电阻（PT100/PT1000）或数字式芯片（如DS18B20）。铂电阻靠阻值随温度变化，需配合恒流源与放大电路；数字式芯片内部完成转换，直接输出数字量。温度变化惯性大，正常序列平滑，相邻采样点差值通常很小，突变往往意味着接触不良或干扰。
• 空气湿度传感器：多为电容式高分子湿敏元件，输出与相对湿度相关的电容或电压。湿度对结露、污染敏感，长期高湿环境易导致读数漂移，出现“长期偏高不回落”的异常。
• 光照传感器：常用光电二极管或光敏电阻，输出与照度近似成正比。其读数受安装角度、遮挡和光源方向影响极大，异常常表现为“白天偏低”或“夜间不为零”。
• 土壤水分传感器：多采用频域反射（FDR）或时域反射（TDR）原理，通过测量介电常数推算体积含水率。读数强烈依赖土壤类型、盐分和安装密实度，异常常表现为跳变或长期卡在某一固定值。
• CO₂传感器：温室常用非色散红外（NDIR）原理，输出与吸收光强相关的信号。其读数受温湿度交叉干扰，需补偿；通风瞬间浓度骤降属于正常物理过程，不应误判为异常。

数据采集流程与异常产生的环节

以一套典型的温室监测节点为例：传感器→信号调理→ADC采样→主控按周期打包→通过RS-485/LoRa/4G上传→网关或云平台解析入库。异常值可能产生于以下四类环节。

传感器故障：敏感元件老化、探头破损、接线氧化。典型表现为读数卡死不变、超出量程（如土壤水分报出0%或100%）、或输出恒定的极值。这类异常通常持续存在，且与物理环境变化无关。

环境干扰：电磁干扰、阳光直射、结露、强风。例如光照传感器被叶片遮挡导致白天读数偏低；湿度探头结露后读数长时间贴近100%；大功率设备启停时模拟信号线上叠加尖峰，造成单点跳变。

传输错误：通信丢包、校验失败、数据包错位。表现为偶发的离群点、连续多个相同值（重传或缓存）、或时间戳错乱。这类异常往往具有随机性和间歇性。

供电波动：电池电压下降、太阳能供电不足、电源纹波过大。表现为整节点数据同时异常、读数整体偏移，或设备在低温夜间掉线后恢复。

典型异常案例与判读

假设某温室节点每5分钟采集一次，某日土壤水分序列出现如下片段（示例数据，用于说明判读方法）：

时间        土壤水分(%)
08:00       32.1
08:05       32.3
08:10       32.2
08:15       0.0     ← 突降
08:20       32.4
08:25       32.2

该异常为单点突降后立即恢复，前后数值连续，物理上土壤水分不可能在5分钟内从32%降到0再回升。结合“单点偶发”特征，应优先排查传输校验与接线接触，而非更换探头。若序列变为连续多个0.0且不恢复，则更可能是探头断线或供电中断。

再如空气湿度在夜间持续贴近100%且白天不回落，同时温度正常，这通常是结露或探头污染导致的漂移，需要清洁或校准，而不是简单剔除数据。

从来源分析到处理策略

明确异常来源后，处理方式才有针对性。对传感器故障，应安排校准或更换，并在数据上标记为“设备异常”而非直接删除；对环境干扰，可通过调整安装位置、加装防辐射罩或屏蔽线来减少发生；对传输错误，应启用校验、序列号与重传机制，并在入库前做合理性检查；对供电波动，则需检查电池、太阳能板与电源滤波，必要时增加掉电保护。

实际工程中，建议在采集端就保留原始值与状态位（如信号强度、供电电压、校验结果），这样在平台侧分析异常时，能快速区分“数据本身异常”和“采集条件异常”。例如同一时刻若供电电压明显偏低，则该时段所有读数都应降低置信度，而不是逐个参数去猜。把来源分析做在前面，后续的异常值识别与处理才有可靠依据。