集成传感器清洁功能的水产养殖环境远程测控系统设计

系统设计为集成传感器清洁装置的水产养殖环境远程测控系统,设计采样箱将传感器数据采集及清洁装置集成一体;采用PLC为主控制器,完成对传感器清洁系统、增氧泵、采样水泵等可执行装置的控制;现场人机交互选用MCGS触摸屏,触摸屏作为主机,通过485总线实时采集传感器数据,实现测试数据的实时显示、储存及历史信息统计;PLC与触摸屏之间通过RS232总线通讯交换数据,同时PLC与GPRS模块GRM200G通过485总线通讯,将现场信息传到服务器,实现远程监控。试验结果表明,系统运行稳定可靠,操作界面友好,实现了对水产养殖水质参数的实时监测与远程监控。     

基于PLC和云平台的鹅孵化机监控系统设计与试验

【目的】为了提高鹅种蛋孵化性能,针对现有鹅孵化机孵化过程自动化程度低、温度波动大、鲁棒性差,现场操作复杂等不足,设计了一种基于可编程逻辑控制器(Programmable logic controller,PLC)和云平台的鹅孵化机监控系统。【方法】根据鹅种蛋孵化工艺要求和鹅孵化机工作原理,采用PLC作为主控制器设计了系统的硬件电路和软件程序,实现孵化机温度、湿度、翻蛋和喷水晾蛋的自动控制,利用触摸屏和组态软件设计了孵化机现场监控的人机交互界面,并利用通用分组无线业务(General packet radio service,GPRS)智能网关、云平台服务器和移动端设计了远程监控系统。系统工作时,GPRS智能网关读取PLC中的存储数据,通过4G/5G网将数据上传至云平台服务器,移动端通过微信公众号、APP或网页可以直接访问和下载云平台服务器中的数据,并以图表形式显示出来。【结果】该监控系统运行稳定、状态良好;孵化过程中的温度采样数据鲁棒性高,100%达到控制要求;自动控制有助于提高鹅孵化机自动化水平;孵化生产试验结果表明,狮头鹅受精蛋平均孵化率为87.84%,比现有记载最高纪录高1.44...     

基于深度学习的香蕉病害远程诊断系统

目的 实现香蕉病害的远程诊断。方法 基于深度学习方法对香蕉作物的7种常见病害进行诊断。收集了5944幅健康及染病香蕉植株图像，按7：1：2分为训练集、验证集和测试集。利用迁移学习对GoogLeNet深度卷积神经网络训练获取诊断模型。进一步开发了包含手机移动应用程序(APP)和远程服务器的软件系统。结果 通过对比不同迭代次数及不同优化器，最终采用了MomentumOptimizer迭代10000次的模型，平均测试精度达到了98%。设计的APP能够就地获取香蕉图像，并通过网络与集成了诊断模型的远程服务器通信，实时获取诊断结果。结论 该病害诊断模型识别主要病害的精度高，在线诊断系统简单易操作，可快速有效地在线诊断香蕉常见病害，具有良好的应用前景。     

基于Arduino/Android的养殖场环境监控系统设计

针对当今畜牧业发展需求,以Arduino开源板和Android手机作为开发平台,设计了一套无线网络养殖场环境监控系统。通过传感器将养殖场内的环境信息以及设备运转状态采集到Arduino控制器中,再通过Zigbee模块将数据传送至网关模块,网关模块通过无线网络将数据传送至本地服务器,Android手机客户端通过无线网络将服务器的数据与手机内的APP进行交互,以完成对养殖场内环境的调控。该系统具有部署方便、成本低、可靠性高、扩展性强等优点,具有推广应用价值。     

基于Android平台的温室监控系统设计

针对温室远程监控的需要,提出一种以Android平台智能设备为终端的温室监控系统设计方案。系统由基于控制器局域网络(controller area network,CAN)总线的嵌入式子系统、温室本地服务器和Android客户端等3部分组成。基于CAN总线的嵌入式系统用于环境数据的采集和设备控制;温室本地服务器采用Java开发的监控主程序来处理、传输温室采集的数据,实现温室的本地监控;Android客户端采用基于Java开发的监控终端程序实现对温室的远程移动监控。结果表明,基于Android平台的温室监控系统能可靠地实现对温室内环境的监控。温室作业人员能够通过本系统实现对温室高效、优质调控。     

油菜播种质量监测系统设计与试验

目的 为了获取油菜播种质量信息,并实现信息的显示、远程传输与云存储,提出了一套油菜播种质量监测系统。方法 该监测系统由油菜籽传感检测装置、播种监测终端、播种质量信息云存储平台组成。采用多种形式小粒径种子传感检测装置实现对播种质量信息的实时获取,基于射频通信模块实现与播种监测终端的数据交互;监测终端完成信息显示,并通过北斗定位单元对播种质量信息位置进行精确定位;通过无线传输模块,实现油菜播种质量信息数据的远程传输和云存储。搭建油菜播种质量监测系统试验台,通过田间试验验证系统的稳定性和可靠性。结果 设计的油菜播种质量监测系统能通过内嵌的北斗定位单元获取播种机经、纬度信息,同时可利用4G无线传输模块将播种质量信息及定位信息传输至云存储平台。台架试验结果表明,当排种器落种频率为16.5~26.2 Hz时,检测准确率不低于97.1%,采集的油菜播种质量信息均能够传输至播种监测终端并进行显示;播种质量信息均准确上传至云存储平台数据库,传输时长不超过2 s,且与终端显示数据一致。田间试验验证结果表明,排种频率为17.4~25.5 Hz时,检测准确率不低于96.6%,且系统运行正常。结论 该系统为油菜播种过程智能化提升、播种状态图生成及产量预测提供了技术支撑。     

果园灌溉物联网实时监控系统的研制与试验

目的 简化果园网络部署，延伸信号覆盖范围，提供精细、实时的灌溉监控，并提高其对传统设备的兼容性。方法 通过窄带物联网(NB-IoT)和LoRa混合组网实现远程数据传输、延伸基站信号覆盖范围。采用终端电学参数检测电路及标定功率，结合异常检测算法，精准监测设备运行状态，并将异常状态即时上传，降低数据上传频率。同时在保证处理能力的前提下降低处理器主频，从而延长待机时长。结果 果园现场监测系统实现了150 ms内上报异常状态，并将上报次数限制为每年2万次。校正检测功率后，功率的线性回归预测决定系数(R²)为0.999 8。通过宏生成JSON数据，生成时长为cJSON方法的10%，进一步降低MCU计算需求。在满足计算和控制需求的前提下，2 MHz的微处理器主频和200 mA·H锂电池可以满足果园灌溉监控系统计算和持续工作的最低要求，采用低功耗微处理器可以进一步延长工作时间。结论 监控系统延伸了NB-IoT网络的覆盖范围，可实现精准、低成本和实时的远程监控。     

基于农机CAN总线的无线远程数据监测系统研究

针对农机作业监测与管理存在的监测信息不足、管理不规范、有效监控缺乏等问题,对拖拉机无线远程数据监测系统进行了研究。该无线远程监测系统由边缘计算网关、网络高清摄像头、车载计算机与云端服务器组成。借助网关内的ARM Cortex-A7处理器对农机作业数据进行采集与封装,4G无线通信模块负责将搭建在施肥机上的传感器所采集到的施肥机作业数据(速度、方向、高程等)传输至云端服务器,通过云平台对数据进行实时监控,分析处理。试验结果表明,施肥机在连续作业数据量大时,系统运行平稳且延时较低,作业数据传输成功率在99%以上,满足复杂的田间工作环境需求。实现了变量施肥机作业状态参数的无线远程实时监测。     

基于Modbus-RTU和GPRS通信的温室控制系统设计

针对农业温室分布地域广、分散的特点,设计了基于Modbus-RTU和GPRS通信的温室环境控制系统。系统由西门子S7-200 SMART PLC、触摸屏、GPRS模块和上位机服务器构成,利用Modbus-RTU采集现场温湿度、光照度等传感器的实时信号,并在触摸屏进行实时显示以及实现多种模式下的手动控制;通过GPRS模块把采集到的信息远程传送至上位机服务器,对信息进行接收和综合分析处理。现场测试表明,该系统结构设计合理、系统运行稳定,能够满足花卉温室远程监控的要求。     

基于C/S结构的Android手机温室控制系统设计与实现

针对农业温室监控要求,本文提出了一种将互联网、移动网络、PC与Android智能手机互联并实现通信的C/S结构远程监控方案。文中论述了该监控方案的系统结构和功能,详述了服务器端与手机客户端的软件设计和关键技术。经过真实环境测试,能够完成卷帘机和灌溉设备等的远程开关,WEB服务器能存储、查询采集的环境数据、操作记录等。本系统具有实用、成本低、易操作、可扩展性强等特点。     

面向移动终端的农业害虫图像智能识别系统的研究与开发

【目的】农作物田间害虫种类繁多,存在种间相似和种内差异的现象,容易混淆。本研究开发一个面向移动终端的农业害虫图像智能识别系统,为广大农户和基层测报人员提供一个便捷准确的农业害虫智能识别工具。【方法】农业害虫图像智能识别系统包括装有系统APP的移动客户端、服务器和基于深度学习的农业害虫识别模型。APP是在Android环境下开发的,可安装于Android系统的移动设备中。APP包括登录模块、害虫信息查询模块、害虫智能识别模块、害虫地图标记模块和害虫专家远程鉴定模块,UI界面采用底部导航栏形式。移动终端与服务器间的信息交互采用HTTP协议,害虫采集地信息显示使用百度的Android地图SDK来实现,用户和害虫信息使用MySQL数据库进行保存。在相同训练集和测试集条件下,比较了不同深度卷积神经网络模型,筛选出基于DenseNet121的农业害虫识别模型具有最高的精准度和最低的虚警率。农业害虫识别模型的程序部署在阿里云远程服务器上,当服务器端接收到移动客户端上传的害虫图像时,运行害虫识别模型,识别结果通过服务器反馈给客户端,同时将上传的图像和识别结果保存在数据库中,便于害虫图像的追溯。【结果】当用户在农田遇到不认识的害虫时,可通过装有该系统APP的移动设备（如手机或平板）拍摄害虫图像,并上传到服务器,识别结果和害虫防治信息在1—2 s内反馈至用户移动终端的屏幕上,对识别结果不满意还可远程请求专家鉴定。该系统对66种常见农业害虫图像平均识别率为93.9%,平均虚警率为8.2%。【结论】面向移动终端的农业害虫图像智能识别系统实现了66种常见农业害虫信息查询、自动识别,害虫采集地的地图显示和专家远程鉴定等功能。为农民和基层测报人员提供了一个农业害虫便捷准确的自动识别工具,无需专家到田间即可实现了用户“一对一”的防治指导,大大节省了经济和时间成本。     

低播种量下杂交稻不同机械化种植方式的产量构成及特征

【目的】比较低播种量下杂交稻不同机械化种植方式的产量构成及特征,探索杂交稻机械化种植方法。【方法】在广东省肇庆市和江门市进行了早、晚稻毯状苗机插和麻膜毯状苗机插2种机械化种植方式对比试验,以钵苗人工手插为对照,采用低播种量精密播种培育壮秧,配合插秧机精准栽插。【结果】当播种量为每盘65 g芽种时,早、晚稻试验中2种机插与钵苗人工手插的实际产量差异为0.17%～0.66%和1.01%～3.24%,差异不显著;有效穗数是产量的主要影响因子,提高杂交稻产量的关键是保证适度有效穗数;不同种植方式穗部性状差异主要表现为二次枝梗数的差异,一次枝梗数差异较小。【结论】毯状苗机插可以在低播种量下通过提高中穗占比、大穗和中穗累计占比和协调结实率等因素实现高产栽培。     

用于观光农业的混合型无线传感器网络节点设计

【目的】设计用于观光农业中游客服务与田间种植管理通用的混合型无线传感器网络节点。【方法】设计该节点的硬件结构及基于Android系统的移动智能设备APP;利用ZigBee与上位机通信来实现种植环境监测和设备控制。【结果】支持用户使用基于近场通信和蓝牙技术的节点田间快速接入功能,通过移动设备为游客和种植管理者提供园内位置定位、种植信息查看、环境参数监测等服务。【结论】该混合型无线传感器网络节点使用灵活、方便、快捷、功能扩展性好,可为观光农业提供较为灵活的多业务工程化支持。     

蔬菜移栽机可调式喂苗装置设计与试验

【目的】为扩大移栽机适用性,实现对多种规格蔬菜穴盘苗的自动取喂苗作业,本文设计了一款蔬菜移栽机可调式喂苗装置。【方法】设计了带有可调节取喂苗爪的取喂苗臂,优化了喂苗爪的相关参数,并进行了运动学分析。通过调节取喂苗臂上的取喂苗爪数量及间距,选择不同的PLC控制程序,可以配套使用不同穴孔数的穴盘。通过对取喂苗工作过程分析,综合考虑影响喂苗成功率的关键性因素,以苗坨含水率、穴盘苗苗高、苗针入土深度为试验参数,选取72、105、128穴规格的生菜穴盘苗为试验对象,进行单因素试验和多因素正交试验,探究各因素对喂苗成功率的影响。【结果】当穴盘苗基质含水率(w)为40%、苗高为50 mm、入土深度为38 mm时,可调式喂苗装置的喂苗成功率最高,72、105、128穴生菜穴盘的喂苗成功率分别为95.83%、96.19%和96.48%。【结论】可调式喂苗装置设计符合蔬菜移栽机取喂苗的技术要求,移栽效果较好,可为通用全自动蔬菜移栽机的研制与开发提供参考。     

组合机构在插秧机分插机构设计中的应用

传统的插秧机分插机构的设计选用单一的机构，由于其性能的限制，在设计时只能根据秧爪运动轨迹，取秧与插秧角度来设计插秧机分插机构，但分插机构的设计还应该考虑在各关键位置及各工作段时秧爪尖的运动速度，只有同时考虑这两方面的需要，才能设计出性能良好的分插机构，文章采用空间RSSR机构与平面连杆机的组合机构来实现这一目的。     

基于 Arduino +机智云的阳台生态控制系统的设计

以基质培养的绿色植物所在的半封闭阳台系统为研究对象，设计基于 Arduino Uno WIFI +机智云的远程环境控制系统。系统通过传感器实时采集温度、湿度、光照等环境参数，通过 WIFI无线网络上传机智云服务器。用户通过手机等移动终端下载应用APP，访问机智云服务器，实时了解系统的环境参数，通过远程启动灌溉、补光、关窗等操作调节环境参数。系统采用无线连接的 WIFI +云服务器的形式，不需布线和支付移动费用 ,整个硬件系统经济实用，可应用在城市居民的阳台植物种植上。     

水稻机制钵苗抛秧机的研究

对２ＳＰ－１０型水稻机制钵苗抛秧机的总体方案设计、自动排序机构、定量抛秧机构进行全面论述和重点理论分析，并提供了有关技术参数供参考。     

Development of an automatic monitoring system for rice light-trap pests based on machine vision

Monitoring pest populations in paddy fields is important to effectively implement integrated pest management. Light traps are widely used to monitor field pests all over the world. Most conventional light traps still involve manual identification of target pests from lots of trapped insects, which is time-consuming, labor-intensive and error-prone, especially in pest peak periods. In this paper, we developed an automatic monitoring system for rice light-trap pests based on machine vision. This system is composed of an intelligent light trap, a computer or mobile phone client platform and a cloud server. The light trap firstly traps, kills and disperses insects, then collects images of trapped insects and sends each image to the cloud server. Five target pests in images are automatically identified and counted by pest identification models loaded in the server. To avoid light-trap insects piling up, a vibration plate and a moving rotation conveyor belt are adopted to disperse these trapped insects. There was a close correlation(r=0.92) between our automatic and manual identification methods based on the daily pest number of one-year images from one light trap. Field experiments demonstrated the effectiveness and accuracy of our automatic light trap monitoring system.