无线局域网技术在精细农业中的应用

近10年来,精细农业在世界范围内引起了越来越广泛的注意。为了解决精细农业中信息的快速获取与分析处理问题,提出了基于无线局域网技术的农田信息快速采集与远程处理系统;分析了具体实现系统功能的若干关键技术,如无线局域网技术、GPS技术和远程监测技术等。     

基于阿里云的便携式多功能农田信息采集系统设计

为满足精细农业对适时、准确的田间数据的需求,设计一套便携式农田信息采集系统,实现叶绿素相对含量、温度、湿度、光照强度和地理位置等农田信息的检测和采集,结合GPRS技术和阿里云服务器,将采集数据存储在云端,提高信息的可靠性、适时性,通过农田信息软件系统,实现对农田信息的远程访问、本地存储和处理等。实验结果表明,系统运行稳定,数据可靠。     

基于GPRS的农田气象信息监测系统

针对目前精细农业中农田气象信息监测领域存在的问题,为了准确及时获得农田气象信息,提出了基于GPRS的农田气象信息监测系统。系统由采集终端、GPRS通信模块及客户端3部分组成,采集终端以MSP430单片机为核心,主要完成气象参数的采集和处理;GPRS通信模块选用WG-8010 GPRS DTU来搭建GPRS通信平台;客户端采用VB语言编写,主要实现对气象信息的接收显示与管理。实验表明,该系统成本低、功耗小,具有良好的稳定性,且操作方便,可以满足农田气象信息远程监控的实际需求。     

机器视觉技术在精细农业中的研究进展

精细农业以节约投入、增加产出、提高投入物利用率、减少环境污染为目的.快速、准确地采集各种农田信息,有效地监测农业对象是实施精细农业的重要基础.机器视觉技术由于其非破坏性、精度高、成本效率高、信息量大、灵活等特点,在精细农业中得到了广泛的应用.为此,通过对大量参考文献进行分析,发现机器视觉在精细农业中的主要研究方向集中在农业机械自动导航、作物生长信息检测、变量控制等方面.同时,对机器视觉技术在上述领域中的研究情况进行分析和总结,并讨论了未来机器视觉技术在精细农业中应用存在的问题以及发展前景.     

基于改进K-means的农田湿度评估研究

在现代化农业生产中,常采用全自动化设备检测土壤湿度,然后对农田进行灌溉,但现有系统难以精确判断整个农田的湿度信息,当土壤湿度传感器出现设备故障后,会产生控制误差,导致整个系统崩溃.因此,结合土壤湿度传感器,Lora、NB-iot无线网络传输和微控制器处理等先进技术,设计了基于改进K-means的农田湿度评估系统.该系统不仅实现了在线评估农田方圆1 km内的湿度信息的功能,并且能够快速定位故障土壤湿度传感器,发出报警信息,并抛弃故障数据.最后,对湿度评估系统进行了大量的田间实验.结果表明,能快速定位故障传感器,测量的农田湿度信息相对误差都在5％以内,验证了此湿度评估系统的可行性.     

精细农业下信息监测与解析技术探究

农业信息技术的快速发展对于推动我国农业生产效率的提升、保障我国粮食安全和农业可持续发展具有重要意义,是目前世界各国研究的重点技术。精细农业是20世纪末期美国相关农业科研部门提出的一种新型农业生产方式,是一种以现代农业系统和信息技术为基础的农业微观管理系统,其技术核心是根据作物生长需求确定对作物的投入,因此,精细农业下作物生长、气候环境和土壤信息的快速检测与解析技术是确定作物生长与产品质量的重要技术条件。以作物生长信息、土壤信息、气候信息和农产品质量信息的快速检测与解析技术为研究重点,系统论述了相关检测方法与设备,对于全面提升我国精细农业的发展提供理论借鉴,同时为更多研究学者提供相关理论知识与应用参考。     

四旋翼无人机在农田信息获取中的应用

低空无人机将成为实时、快速监测农情变化的重要平台。为此,简述了精准农业体系中基于四旋翼无人机的农田信息获取系统的功能模型及其特点,分析了国内外四旋翼无人机及农田信息获取技术的发展现状,总结了该信息获取系统涉及的若干关键技术,进而展望了其发展趋势。分析认为,随着飞行控制和无线信息传输等子系统的逐渐完善,低空农田信息获取系统将逐步满足精准农业的技术要求,推动农业数字化的迅速发展。     

通用处方农作嵌入式GIS信息处理系统的研制

针对精细处方农作系统田间作业机组对车载嵌入式GIS信息处理的需要,以ARM工控系统和嵌入式GIS为核心,研制了一套通用处方农作嵌入式GIS信息处理系统。该系统通过嵌入式GIS二次开发平台e Supermap 6.0对FieldMapper软件进行开发,并加载运行于ARM工控系统的Windows CE 5.0操作系统;可通过网格划分和属性编辑实现GPS定位信息与农田信息的融合,生成农田信息分布图;还可通过坐标匹配进行机组当前作业位置在工作空间图中的网格识别,实现处方图的解译。模拟测试试验结果表明:该平台能够实现农田信息的定位采集、信息的传输和格式转换、农田信息分布图的生成以及处方图的解译,GPS定位误差≤±0.5 m,能够满足精细农作系统的信息处理需求。     

基于GPRS技术的农田信息远程监测系统的实现

由于农田信息具有多样性、多变性、分散性等特点,为了解决农业中农田信息的快速获取和远程传输的问题,提出了一种基于GPS和GPRS技术的农业信息获取及远程农业监测系统.系统由3部分组成,即DSP和各种传感器构成的现场工作站、GPRS无线模块和GPRS无线网络构成的传输系统、PC机构成的上位机.系统具有定位准确、实时测定和远程传输等功能.为此,主要介绍了系统的软硬件组成和信息的传输原理.     

基于MapObjects的田间信息处理系统

随着精细农业在我国的不断推广,将精细农业思想转化为实际应用也渐渐提到日程上来。为此,参照华南农业大学引进的FieldStar精细农业系统,提出了一套基于MapObjects田间信息处理系统的设计方法,使其能够同时处理采集到的多路田间信息,并做相应的处理。试验证明,本系统是可行的。     

农情监测多旋翼无人机系统开发及性能评估

现代农业要求农业生产者实时、准确、全面地了解农作物的生长环境和生长状态。与传统的人工田间调查方式相比,无人机是一种高效的农田信息获取平台。本研究将自主研发的八旋翼无人机与农田信息采集设备进行整合,形成了一套用于农情监测的无人机系统,实现了无人机按照预设航线自动巡航并采集农田遥感图像、地理位置信息以及环境照度信息。经测试,在飞行中,图像采集设备能够稳定维持垂直对地的姿态并进行拍摄,采集的数据能够拼接成完整的农田正射影遥感图像。测试结果表明研发的无人机系统能够满足低空农情监测作业要求。与商业化产品相比,该系统避免了因任务设备与飞机独立工作而导致重拍、漏拍的情况,实现了无人机与任务设备高效协同作业。     

农业机械化知识管理系统的设计与实现

建立农业机械化知识管理系统,目的是为了农业机械化工作者方便、快速获得农业机械化相关信息和知识。规划出了农业机械化知识库的组成,根据建立的农业机械化知识管理系统目标,对系统进行了需求分析,提出了农业机械化知识管理系统未来运行模式和访问模式。利用SQL SERVER数据库技术、ASP.NET和CSS等信息技术建立了农业机械化知识门户和交互功能。通过TPI专业数据库制作系统进行数据资源库建设,规划出数据资源库流程。     

基于WSN的茶园土壤信息监测系统设计

为获得实地、大范围和实时监测的茶园土壤信息,设计和开发了WSN(Wireless Sensor Network)的茶园土壤信息监测系统,包括数据采集节点的设计和数据管理中心软件的开发。该系统采用大量数据采集节点组成簇状结构网络,每个簇网络中的采集节点采集到的数据通过簇头到达Sink节点,由Sink节点通过串口通信将数据发送到数据管理中心,为农业科技部门决策提供科学依据。试验结果表明,系统能够实现稳定的数据传输,适合对茶园土壤信息的实时监测。     

棉花膜下滴灌监控系统软件的设计

将工业自动化通用组态软件KingView和VB开发软件有机结合起来,设计棉花膜下滴灌智能决策与自动监控系统软件,并以数据库、模型库、知识库和方法库为技术核心,通过田间传感器进行数据实时采集、计算、分析与决策,由控制系统发送决策指令来控制灌溉设备开/闭,以提高灌溉的时效性。     

农业物联网体系结构模型构建

分析了农业物联网应用领域及体系结构存在的问题,建立了农业物联网体系结构模型,为农业物联网相关系统的设计与实现提供一定的参考,有助于帮助农业信息化从业人员快速构建农业物联网系统。      

联合收获机粮食产量分布信息获取技

针对精准农业田间信息获取技术的研究,提出了一种基于称重法的联合收获机粮食产量分布信息测量方法,可以提高联合收获机粮食流量监视的准确性.利用传统联合收获机的粮食传输特点,采用螺旋输送称重式原理组成联合收获机产量流量传感计量,解决了计量系统与动力直接传输相结合的技术问题,借助于GPS定位信息实现了联合收获机粮食流量动态计量以及田间粮食产量分布信息的测量.     

基于加速度传感器的本交笼种鸡个体行为监测与识别

为了监测种鸡行为、了解鸡群的健康状况,实现本交笼养下种鸡个体行为的自动识别,设计了一种基于九轴加速度传感器和蓝牙无线传输的本交笼种鸡个体行为实时监测系统。采用小波sym降噪对原始数据预处理,根据不同行为的加速度曲线波动性提取加速度数据特征值,利用K-means聚类算法对行为特征进行识别,得到稳定的聚类中心;进行了加速度传感器读写距离测试和以充电宝、锂电池作为供电设备的供电情况对比;同时利用视频监控验证种鸡的5种行为。结果表明,该系统能够快速且连续不间断地采集本交笼种鸡个体行为信息,准确识别种鸡个体的多种行为,采食行为平均识别精度为94.31%,饮水行为平均识别精度为92.53%,打斗行为平均识别精度为84.03%,交配行为平均识别精度为72.00%,振翅行为平均识别精度为9231%。本研究有助于无损、快速识别种鸡个体行为,为本交笼养模式配套设施设备优化设计和高效管理提供科学依据。     

基于字典学习与SSD的不完整昆虫图像稻飞虱识别分类

为了解决图像采集过程中由于昆虫图像获取不完整而导致整体稻飞虱识别精度低、速度慢的问题,提出了一种基于字典学习和SSD的不完整稻飞虱图像分类方法。首先,使用自主研发的野外昆虫图像采集装置采集稻飞虱图像,构建小型图像集。然后,将采集的稻田昆虫图像进行阈值分割,得到单一稻田昆虫图像;对单一昆虫图像进行分块处理,得到带有背景信息和特征信息的混合子图像块集;使用子图像块作为字典原子来构建过完备字典,并对其进行初始化和优化更新;将更新后的过完备字典作为训练集输入SSD算法中进行训练,得到训练模型。最后,将采集的包含不完整稻田昆虫的图像在训练集模型上进行测试,并将测试结果与BPNN（Back propagation neural network)、SVM (Support vector machines）、稀疏表示等方法进行对比。试验结果表明,所提出的基于字典学习和SSD的稻飞虱识别与分类方法可以对不完整的昆虫图像进行准确快速的识别分类,其中,分类速度可达22f/s,识别精度可达89.3%,对稻飞虱的监督、预警和防治提供了有效的信息与技术支持。     

基于深度学习的无人机水田图像语义分割方法

为高效获取水田信息提高精准农业应用水平,提出一种基于深度学习的无人机水田图像语义分割方法。首先,采集无人机水田图像并制作一套高分辨率水田数据集,使用双边滤波去除图像噪声;然后,通过调整编码器获取更为细致的田块边界特征信息;最后,改进解码器融合更多浅层特征并采用深度可分离卷积解耦图像深度信息与空间信息,获得改进网络结构的DeepLabv3+模型。试验结果显示,改进模型的像素精度和平均交并比分别为96.04%和85.90%,与原始模型相比提升2.09%和4.66%;与典型的UNet、SegNet和PSPNet语义分割模型相比,各项指标均有不同程度的提高。本文方法能够实现准确、高效的水田分割,为进一步获取水田边界定位信息和构建高精度农田地图提供重要基础。