西红柿温室内无线传感器网络2.4 GHz信道传播特性

针对西红柿温室环境中无线传感器网络节点部署的要求及其应用环境的特性,以2.4 GHz为载波频率,研究了无线射频信号传播特性和通信距离、天线高度、传输路径等影响因素间的关系。结果表明,无线传感器网络信号在西红柿温室中的衰减符合对数模型;当天线高度固定时,接收信号强度随通信距离的增加总体呈递减趋势,丢包率随通信距离的增加总体呈递增趋势;西红柿温室中天线最宜部署在日光温室中央一列的位置,且西红柿顶部略高于它的位置为放置天线高度的首选,其次为西红柿顶部距地面1.5 m以上的部分,越接近西红柿顶部越好;在上述试验研究的基础上,建立了天线高度、通信距离和接收信号强度之间的关系模型,模型参数A与天线高度、衰减系数n与天线高度之间均呈二次多项式关系。验证试验结果表明:该模型可以较好地预测不同天线高度不同通信距离的接收信号强度,为西红柿温室无线传感器网络的部署提供技术支持。     

面向多机器人的传统苹果园无线通信信号传播特性研究

为解决农业多机器人在传统苹果园行间协同作业时的通信节点最佳部署问题,研究了2.4GHz Wi-Fi信号在传统苹果园（苹果成熟期）中的传播特性。将信号发射、接收节点分别距地面高度0.45、0.55、0.65、0.75m垂直部署,依据多机器人直线型、小间距V形、大间距V形、并排型等4种典型编队方式将节点水平部署,测量通信信号在不同高度条件以及上述4种编队方式下不同距离处的接收强度。研究结果表明,4种编队方式中,以直线型编队方式下的信号衰减最缓慢。因此,传统苹果园中多机器人最佳的编队方式为直线型,节点部署高度最好在果树第一侧枝向下0.2m左右处。对路径损耗数据进行回归分析,发现其在每个无线通信信号节点高度、每种多机器人典型编队方式下均符合对数路径损耗模型,模型的R2在0.860~0.989之间。同时,建立了用于预测2.4GHz Wi-Fi信号在传统苹果园（苹果成熟期）中的路径损耗模型,并同期选择了其他苹果园验证了预测模型的准确性,R2在0.947~0.967之间,RMSE在1.489~2.432dBm之间。模型能较好地预测Wi-Fi信号在传统苹果园中的路径损耗情况,可为农业多机器人在传统苹果园中的通信节点部署提供参考。     

基于不同种植密度的玉米大田环境无线传感器网络射频信号损耗研究

为了在玉米大田中合理布置无线传感器网络节点,研究了2.4GHz无线传感器射频信号在大喇叭口期玉米田地的信号衰减情况,以3个水平种植密度在田间进行随机试验,选取传输距离和天线高度作为影响因素,利用Matlab进行曲线拟合与分析.研究表明,种植密度对信号衰减程度有一定影响,种植密度越大,植株越密集,植株的散射、反射、漫射更严重,导致信号衰减的斜率增加;根据射频信号传播模型中的环境影响因子n与天线高度h的线性关系,依据Matlab建立了数学模型,数学模型的理论值与实际测量值之间的相关度在0.9370与0.9888之间,说明数学模型具有较高的实用价值.     

温室青椒中2.4 GHz无线电波传播特性研究

为解决温室中无线传感器网络的规划和部署问题,探讨作物对无线电波传播特性的影响,研究了种植青椒的温室中2.4 GHz无线信号在不同方向和高度下的传播特性。通过试验实地测量了3个方向和2个高度下接收信号强度和丢包个数,并通过Matlab对试验数据进行回归分析。结果表明:不同方向和高度下,青椒中无线信道传播特性符合对数路径衰减模型,拟合相关系数在0.900 7和0.947 3之间;传感器节点在青椒中的不同高度决定着青椒中2.4 GHz无线电波的传播特性,对无线信道传播特性的影响较为显著,而传播方向对青椒中无线信号的影响较弱。同时得到了青椒中传感器节点最宜部署在青椒冠层及以上位置,为无线传感器网络在种植青椒的温室中的节点部署提供了技术支持。     

基于信道测试的橘园WSN网络部署试验

为解决无线传感器网络(WSN)规划与快速部署问题,基于无线信道传播特性,研究橘园WSN射频信号衰减模型,指导WSN部署并进行了组网试验.选433 MHz与2.4 GHz载波频率,基于连续无线电波在通信码率、天线增益、调制扩频方式、数据包长度和通信距离等多因素作用下分析WSN射频信号在橘园的衰减,建立2频率射频信号接收强度与环境传播因子及通信距离间的模型,拟合R2最小值与最大值分别为0.957031与0.971218,0.9546与0.9863.通信码率低于1.2 kb/s且远距离通信时,433 MHz CC1110具有优势;发射功率与天线增益相同时,433 MHz平均信号强度高于2.4 GHz;通信码率相同时,CC2530丢包率低于CC1110.针对橘园选ZigBee设计星型WSN进行组网试验,结果表明,尽可能短数据包与较低通信码率的通信协议较好;WSN各节点平均通信成功率高于84％.     

土壤不同频率无线地下传感器网络信号传播特性试验

为探究土壤环境中无线地下传感器网络节点部署要求、信号传输及其应用环境的特性,分别以240、433和868 MHz为载波频率,研究了无线信道下地上至地下、地下至地上和地下至地下3种通信方式中无线射频信号的传播特性和节点埋藏深度、水平节点间距离以及土壤含水率等影响因素之间的关系,获得了接收信号强度、误码率等数据,并进行了统计分析。试验结果表明,节点埋藏深度和土壤含水率对AG-UG和UG-AG通信中RSSI和BER影响的24种模型拟合优度,R2最大为0.997,最小为0.910。水平节点间距离和土壤含水率对UG-UG通信中RSSI和BER影响的12种模型拟合优度,R2最大为0.971,最小为0.866。此外,建立了433 MHz频率下RSSI变化的三维曲面,可直观反映土壤环境下无线信号的传播特性,并采用SPSS软件对模型进行了验证。AG-UG和UG-AG通信中,拟合优度R2最小为0.954,最大为0.998,均方根误差RMSE在0.729~3.198 d Bm之间。UG-UG通信中,拟合优度R2最小为0.854,最大为0.960。均方根误差RMSE在3.238~6.553 d Bm之间。验证试验结果表明,该模型可以较好地预测不同条件通信中的接收信号强度,为土壤环境中无线地下传感器网络的部署和系统的建立提供了技术支持。     

麦田环境2.4GHz无线信道路径损耗建模方法分析

针对麦田环境无线传感器网络(WSN)应用需求,开展了4种无线信道路径损耗建模方法研究及适用性分析。首先利用WSN节点进行2.4 GHz无线信号的麦田实地测试,得到不同传播距离上的路径损耗变化趋势;然后分析了自由空间模型、双射线模型理论计算路径损耗与实测路径损耗差异,同时提出改进的双折线对数距离模型,并采用单折线和改进后的双折线对数距离模型对实测路径损耗运用最小二乘法进行回归分析建模。结果表明:自由空间模型和双射线模型所计算路径损耗与实测路径损耗存在较大差异,无法直接用于麦田环境路径损耗建模;单折线和改进后的双折线对数距离模型的回归分析拟合度分别为0.879和0.943,回归剩余标准差分别为3.242和2.229,均适用于麦田无线信道路径损耗建模,且改进后的双折线对数距离模型较单折线对数距离模型建模精度更高。     

温室高湿环境下433 MHz无线信道传播特性研究

为解决温室高湿环境下无线传感器网络的规划和部署问题,探究了高湿环境、通讯距离、天线高度对无线信号传播特性的影响,以433MHz为载波频率,研究无线信号在不同湿度及不同高度下的传播特性,通过两组试验测取了接收信号强度及丢包率,并通过MatLab对试验数据进行回归分析。结果表明:在不同湿度和高度下,433 MHz无线信道传播特性符合路径损耗模型,拟合决定系数在0. 892 0～0. 965 8之间;湿度对无线信号具有一定影响,尤其是湿度在80%以上时,对在冠层中传播的无线信号具有较大影响。同时,建立了路径损耗指数n与湿度之间的二次多项式关系模型,并根据此模型对路径损耗模型进行修正,建立了湿度系数修正模型。经验证,该模型均可有效地预测3种高度水平下的接收信号强度。     

基于RSM和GA的温室风送式弥雾机喷雾效果优化分析

为了研究不同喷雾参数优化方法对温室风送式弥雾机喷雾效果的影响,在试验的基础上,分别运用二次多项式回归和BP神经网络,建立了温室风送式弥雾机喷雾分布均匀性响应面模型.结果表明: BP神经网络响应面模型的相关系数、均方根误差分别为0.987 1,0.134 0,而二次多项式响应面模型的相关系数、均方根误差分别为0.928 2,0.215 9,BP神经网络模型较高的相关系数和较低的均方根误差说明其拟合精度较高;对二次多项式回归模型寻优,预测的雾滴分布变异系数最小值为1.47%,实际值为1.58%;采用BP神经网络协同遗传算法寻优,雾滴分布变异系数预测值和实际值分别为1.21%,1.28%;表明在喷雾参数优化中,基于BP神经网络的遗传算法比二次多项式响应面法具有更好的准确性.      

基于微波自由空间测量的小麦含水率检测方法

为了实现小麦含水率的快速检测,采用微波自由空间测量法研究了信号频率(1～4 GHz)、温度(10～40℃)、含水率(11. 35%～17. 79%)和容积密度(低、高)对小麦相对介电常数的影响,分析了影响相对介电常数变化的原因,建立了不同频率下小麦含水率的预测模型,并对模型进行了验证。研究结果表明,在1～4 GHz频段内,小麦的相对介电常数随含水率、温度和容积密度的增大而增大,随着信号频率的增大而减小;所建立的支持向量机模型取得了很好的预测效果,对比于单频和多频,全频下的预测模型最优,其预测集相关系数、预测集均方根误差和剩余预测偏差分别达到了0. 992 9、0. 051 3%和18. 67。研究表明,微波自由空间法可用于检测小麦含水率。     

基于AE信号的切入式磨削模型及工艺试验

针对切入式磨削数控机床的在线监测需求,根据声发射信号强度与磨削力的关系以及传统磨削力理论模型,建立了基于AE信号的切入式磨削均方根曲线理论模型。开展了基于AE信号的磨削工艺试验,分析了不同工装方式、不同加工位置、不同工件材质等磨削重要因素对磨削过程中AE信号的影响规律。对AE信号均方根曲线理论模型进行了试验验证。试验结果表明,所建立的基于AE信号的切入式磨削曲线模型对磨削过程中的AE信号具有良好的预测精度。     

基于图像处理新技术的甜菜氮营养无损检测系统的研究

当前农业甜菜生产中存在普遍的氮肥过量使用的问题,建立实时准确农田氮肥推荐体系至关重要。为此,通过利用BP神经网络算法利用图像数据对甜菜氮素含量进行预测,通过合理剔除原始数据中不符合拍摄条件的异常图像数据,选取147组数据作为训练集,90组数据组为预测集,将R、G、B作为输入量,通过BP神经网络算法训练得到预测值与实际值最优相关系数为r=0.70,均方根误差RMSE=4.60。将R/(R+G+B)、G/(R+G+B)、B/(R+G+B)作为输入量,利用BP神经网络算法训练后预测值与实际值最优相关系数r=0.6 4,均方根误差RMSE=3.66。由此可以看出:使用BP神经网络算法建立甜菜颜色特征信息氮素模型是可行的,可为农业甜菜生产中实时无损诊断植株氮素含量提供方法支持。     

面向果园多机器人通信的AODV路由协议改进设计与测试

针对多机器人在果园中作业时的通信需求,本研究基于Wi-Fi信号在桃园内接收强度预测模型,提出了一种引入优先节点和路径信号强度阈值的改进无线自组网按需平面距离向量路由协议(AODV-SP).对AODV-SP报文进行设计,并利用NS2仿真软件对比了无线自组网按需平面距离向量路由协议(AODV)和AODV-SP在发起频率、路...     

小麦冠层营养诊断光谱检测仪设计与试验

为了快速准确获取田间作物生长营养水平信息,设计了作物冠层营养诊断光谱检测仪,并进行了小麦大田测试。系统由光学传感器,信号采集驱动模块和控制器组成。光学传感器可测量300~1 100 nm范围内连续光谱,信号采集驱动模块用于提供稳定电压以及数据的A/D转换。开发了光谱采集控制软件安装于控制器,主要功能包括接收、处理、显示和存储采集到的数据。应用该仪器进行了标定试验,并针对大田冬小麦开展了大田试验,试验结果表明该仪器所测反射率与美国ASD FieldSpec HandHeld 2光谱辐射仪所测的反射率之间具有较高的相关性,相关系数最低为0.991 8。分析了冬小麦叶绿素含量指标SPAD值与仪器所测反射率之间的相关性。选出相关性较高的550~900 nm波段进行主成分分析建立叶绿素预测模型,建模 R 2 C 为0.575,模型检验 R 2 V 为0.595。结果表明利用研发的便携式光谱检测仪能有效评估小麦营养叶绿素含量,为小麦的精细栽培提供理论与技术支持。     

土壤信息采集传感器节点的透地通信特性试验

为了揭示电磁波在土壤中传输的一般特性,部署无线地下传感器网络节点,设计了土壤信息采集传感器节点的透地通信试验.试验利用433 MHz载波频率无线地下传感器网络节点,通过小麦大田试验和计算机模拟,对不同的接收节点高度、发射节点和接收节点间水平距离等条件下传感器节点电磁波的传输特性进行了研究,建立了接收信号强度和丢包率的关系模型,提出了小麦4个生育期农田土壤信息采集传感器节点在土壤中的传输特性.试验结果表明,接收节点高度变化时,接收节点高度和节点间水平距离对接收信号强度影响的8种模型拟合优度,R²最大为0.998,R²最小为0.837;对丢包率影响的8种模型拟合优度,R²最大为0.998,R²最小为0.900.节点间水平距离变化时,接收节点高度和节点间水平距离对接收信号强度影响的8种模型拟合优度,R²最大为0.958,R²最小为0.847;对丢包率影响的8种模型拟合优度,R²最大为0.997,R²最小为0.941.     

农田土壤无线地下传感器网络节点设计与通信试验

为了揭示电磁波信号在农田土壤中的传输特性、科学部署传感器节点,以关中地区农田土壤为研究对象,采用模块化设计思想,将传感器、无线数传、处理器和能量供应等模块集于一体,设计了无线地下传感器网络（Wireless underground sensor networks,WUSN）节点和汇聚节点。采用单因素试验方法,分析了土壤含水率、WUSN节点埋深、节点间水平距离对WUSN节点信号传输的影响,建立了接收信号强度和误码率预测模型。结果表明,当WUSN节点信号在地下垂直方向上传输时,土壤含水率增加2.5个百分点,接收信号强度降低4~6dBm,通信误码率增加3~5个百分点;WUSN节点埋深增加5cm,接收信号强度降低3~5dBm,通信误码率增加3~4.5个百分点。当WUSN节点信号在地下水平方向上传输时,土壤含水率增加2.5个百分点,接收信号强度降低5~7dBm,通信误码率增加4~5个百分点;节点间水平距离在10~90cm范围内,节点间水平距离增加10cm,接收信号强度降低6~8dBm,通信误码率增加6.5~8个百分点;节点间水平距离在90~190cm范围内,节点间水平距离增加10cm,接收信号强度降低约1dBm,通信误码率增加1~1.5个百分点WUSN节点信号在垂直、水平两种传输方向上误码率和接收信号强度预测模型拟合优度R2最高为0.982,均方根误差RMSE为1.7%,拟合优度R2最低为0.942,均方根误差RMSE为5.136dBm。WUSN节点信号在土壤中传输受到土壤含水率、WUSN节点埋深和节点间水平距离的严重影响。     

基于ZigBee技术的CO2监测节点设计与实现

对地域上分散的农业对象实现无线数据传输逐渐成为农业监控系统的研究热点。探讨Z-Stack协议栈下基于2.4GHz频带传输CO2浓度的农业环境节点设计,包括ZigBee协调器节点网络组建ZigBee路由节点和终端入网ZigBee数据传输CO2传感器输出标定以及曲线拟合等,该节点的传感器响应快速,适于安装到有线网络延伸不到的区域。     

融合GA与SVR算法的小麦条锈病特征优选与模型构建

为提高小麦条锈病遥感监测精度，综合利用反射率光谱在作物生化参数探测方面的优势和叶绿素荧光在光合生理诊断方面的优势，构建了冠层日光诱导叶绿素荧光(Solar induced chlorophyll fluorescence，SIF)协同反射率光谱吸收参量的初始特征集合，并基于融合遗传算法(Genetic algorithm，GA)和支持向量回归(Support vector regression，SVR)算法对初始特征集合与SVR参数进行联合优选，确定遥感监测小麦条锈病严重度的敏感因子，建立基于GA-SVR算法的小麦条锈病遥感监测模型，并将其与相关系数(Correlation coefficient，CC)分析法提取特征参量构建的CC-SVR模型精度进行对比。小区试验数据验证结果表明，融合GA和SVR算法优选特征参量构建的GA-SVR模型精度优于CC-SVR模型，3个样本组中GA-SVR模型预测病情指数(Disease index，DI)与实测DI间的决定系数R2比CC-SVR模型至少提高了2.7%，平均提高了17.8%，均方根误差(Root mean square error，RMSE)至少减少了10.1%，平均减少了32.1%。大田调查数据进一步验证了利用GA-SVR算法对小麦条锈病遥感监测的敏感因子进行优选及模型构建能够提高小麦条锈病遥感监测精度，研究结果为实现大面积高精度遥感监测作物健康状况提供了思路。     

基于高光谱和PLS-LS-SVM的冬小麦叶绿素含量检测

定量测定小麦叶片叶绿素含量在小麦估产、农情监测等方面具有重要意义.本研究验证高光谱成像技术结合偏最小二乘-最小二乘支持向量机(PLS-LS-SVM)建模方法预测大田冬小麦叶绿素含量的可行性.首先利用所搭建高光谱成像系统以线扫描方式获取大田冬小麦叶片反射光谱,进而得到其立方体图像数据,并在小麦叶片光谱图像上选择感兴趣区域计算出光谱平均反射率值.为保证PLS-LS-SVM模型的鲁棒性和预测稳定性,首先通过PLS方法解决多重共线性问题并将输入变量维数减至4维,然后利用LS-SVM进行训练建模.所建叶绿素含量预测模型的决定系数达R2=0.8459,预测均方根误差RMSEV=0.4370.研究结果表明,基于高光谱成像系统,采用PLS-LS-SVM建立模型用来预测大田冬小麦叶绿素含量是完全可行的.     

基于Landsat8 OLI遥感数据反演乌梁素海浮游植物生物量

【目的】评价乌梁素海多个季度浮游植物生物量反演模型的适用性,为乌梁素海水质治理与改善提供一定的理论依据。【方法】利用乌梁素海Landsat8 OLI遥感数据,结合实测水体的叶绿素a质量浓度数据,采用回归分析,构建乌梁素海浮游植物生物量反演模型,对反演模型精度和普适性进行验证。【结果】春季以b_5(近红外)/b_4(红光)为自变量的二次多项式回归方程拟合度较差,决定系数为0.463,实测数据与预测数据的均方根误差为6.88 mg/m~3;夏季以b_5(近红外)/b_4 (红光)为自变量的二次多项式回归方程拟合度最优,决定系数为0.816,实测数据与预测数据的均方根误差为3.67 mg/m~3;秋季以(b_5-b_4)/b_3为自变量的二次多项式回归方程拟合度适中,决定系数为0.602,实测数据与预测数据的均方根误差为4.63 mg/m~3。【结论】同步采集水样与高光谱数据,利用细胞体积转化法计算浮游植物生物量,是提高浮游植物生物量反演模型精度的重要前提条件。