农田信息采集单多跳共存LEACH算法

针对农田环境信息量丰富的特点,提出一种基于LEACH算法的改进型无线传感器网络路由算法--LEACH-SMC.在LEACH-SMC算法的稳态阶段,簇头节点到基站间通信采用临界距离来判断和选择多跳或单跳方式,在多跳方式中采用基于最小能量消耗的路由方式.应用Matlab对LEACH-SMC算法和LEACH算法进行仿真对比分析,结果表明, LEACH-SMC算法能提高网络有效覆盖面积并延长整个网络的寿命.     

农田无线传感器网络的节点部署仿真与实现

应用无线传感器网络进行农田信息采集时，针对农田面积大、传感器节点众多的特点，如何有效地部署节点成为研究的热点之一。利用NS2软件从丢包率、平均延时、剩余能量和接收信号强度等网络性能角度对随机部署、正六边形部署及正四边形部署方式进行了仿真比较，最终确定正六边形部署方案，并在农田中进行实地试验。结果表明系统能够实现无缝覆盖，稳定可靠的采集农田信息，为无线传感器网络在农田环境中的进一步应用提供了参考。     

基于图像消冗与CenterNet的稻飞虱识别分类方法

为了实现对不同稻飞虱的快速准确识别,同时防止同一姿态下的同一只昆虫被重复计数,提出一种将图像消冗与CenterNet网络相结合的识别分类方法。首先利用自主设计的田间昆虫采集装置,自动获取昆虫图像并制作数据集。其次,将CenterNet算法与图像消冗算法相结合,选用深层特征融合网络(Deep layer aggregation, DLA)作为主干网络来提取昆虫的特征,并进行识别分类。将本文方法与经典机器学习和深度学习模型进行对比,实验结果表明,对于田间昆虫采集装置获取到的相似度较高的活体图像,本文方法不仅能够快速处理昆虫图像,而且能够成功解决昆虫重复检测的问题,平均精度均值为88.1%,检测速率为42.9f/s,无论是精度还是处理速度本文方法都具有较明显优势。该研究有效地完成了对3种主要稻飞虱的识别分类,对不同时间段采集到的昆虫表现出良好的泛化能力,可用于后期水稻害虫暴发的智能预警和测报。     

基于卷积神经网络的白背飞虱识别方法

为了实现白背飞虱虫情信息的自动收集和监测,提出一种基于卷积神经网络的白背飞虱识别方法并进行应用研究。首先,用改进的野外环境昆虫图像自动采集装置,采集田间自然状态下的白背飞虱图像,对所获取的图像进行归一化处理。然后,随机选取1/2图像样本作为训练集、1/4作为测试集。利用5×5卷积核对训练样本进行卷积操作,将所获取的特征图以2×2邻域进行池化操作。再次经过卷积操作和3×3邻域池化操作后,通过自动学习获取网络模型参数和确定网络模型参数,得到白背飞虱的最佳网络识别模型。试验结果显示,利用训练后的网络识别模型,对训练集白背飞虱的识别正确率可达96.17%,对测试集白背飞虱的识别正确率为94.14%。     

基于K-SVD和正交匹配追踪稀疏表示的稻飞虱图像分类方法

针对当前稻飞虱图像分类研究中存在图像识别速度慢、分类精度低的不足,该文提出一种基于K-SVD和正交匹配追踪(orthogonal matching pursuit, OMP)稀疏表示的稻飞虱图像分类方法。首先,根据稻飞虱的趋光性特点,使用团队自主研发的野外昆虫图像采集装置自动获取稻田害虫图像;然后,利用K-SVD算法对稻飞虱图像特征的过完备字典进行更新构造,结合OMP算法对原始输入图像的特征信号进行稀疏表示;最后,通过求解输入图像的重构误差对昆虫图像进行分类。在相同的试验条件下,与传统的图像分类算法(SVM、BP神经网络)进行比较。实验结果表明,该文提出的基于K-SVD和OMP算法的稻飞虱图像稀疏表示分类方法可对稻飞虱与非稻飞虱进行快速准确的分类,分类速度达到6.0帧/s,平均分类精度达到93.7%。与SVM和BP神经网络相比,分类速度分别提高了5和5.5帧/s;分类精度分别提高了15.7和28.2个百分点,为稻飞虱的防治预警工作提供了信息与技术支持。     

无线传感器网络在农业中的应用研究现状与展望

无线传感器网络结合了传感器、微处理器和无线通信接口,是一门日益引起人们研究兴趣的技术.作者结合农业的实际特点,综述了无线传感器网络在农业中的研究现状及涉及的关键技术,最后分析了无限传感器网络在农业中的应用前景,为无线传感器网络在农业中的深入应用拓宽思路.     

轮胎胎压和车速对无悬架拖拉机横向乘坐振动特性的影响

为研究轮胎胎压和行驶速度对驾驶员横向乘坐振动特性的影响,该文以两轮驱动式无悬架国产拖拉机为研究对象,建立无悬架拖拉机横向-垂向平面三自由度模型,通过仿真和试验相结合,分别获取不同轮胎胎压和行驶速度下拖拉机座椅处横向加速度功率谱密度、横向加速度均方值以及总加权加速度均方根值,并分析各自的影响规律.结果表明:拖拉机座椅处横向固有频率试验值与理论计算值的最大相对误差为4.67%,座椅处横向加速度均方根试验值随后轮胎胎压和速度的变化规律与仿真是一致的,且试验值比仿真值要小,其相对误差最大值为5.26%,误差均在可接受范围内,表明建立的理论和仿真模型是可行的;前轮胎压的变化对两轮驱动式拖拉机乘坐横向振动特性的影响不大;当轮胎胎压不变时,试验获取的拖拉机座椅处总加权加速度均方根值随行驶速度的增大而增大;当行驶速度不变时,总加权加速度均方根值随后轮胎压的增大而波浪式增大.该研究为拖拉机多维减振悬架系统的设计提供参考.     

基于序列图像三维重建的稻种品种识别

利用机器视觉技术识别稻种表面形态,从而识别种子纯度,可以为种子品质确定提供一种快速精确的技术方法。该文应用序列图像聚焦测度法进行了稻种三维重建,在稻种的品种识别中,将三维特征作为识别依据,相对传统方法仅采用二维图像特征作为识别手段,具有稻种形态测量参数值更精确,外观特征及缺陷表达更全面的优势。该方法通过分析显微镜平台获取的多幅不同对焦距离的图像序列,计算聚焦测度和焦点深度值。结合序列图像聚焦测度法与表面纹理重现,实现稻种形态表面三维重建。通过构造BP神经网络模型,利用测量所得三维立体特征值进行稻种的品种识别,筛选适合稻种检测的BP神经网络算法。试验结果表明,序列图像方法应用于稻种三维重建,其测量精度可达到5μm,将测量所得的三维特征值作为参数进行5个稻种的品种识别,识别率在90%以上。该研究可为农作物品种识别中三维形态及纹理特征的研究提供参考。     

农田无线传感器网络移动终端数据收集方案

农田无线传感器网络部具有署面积大、汇聚节点位置不固定的特点,为了解决移动汇聚节点高效、低能耗地收集网络数据的问题,提出了一种基于层次型拓扑结构的移动终端数据收集方案—DCSMT_H。方案综合考虑节点位置及当前剩余能量选举簇头并形成层次型拓扑结构,根据移动终端当前位置灵活构建簇间数据汇聚路由。仿真实验结果表明,DCSMT_H方案的网络能耗低,该方案与LEACH相比能有效延长网络生存期约15%,能够较高效地应用于移动终端收集大规模农田生产信息。该研究为提高无线传感器网络在精准农业中的应用水平做出了有益探索。     

基于农田环境的无线传感器网络节点部署分析

传感器节点能量的消耗和电池电压的降低,会影响节点信息的传输距离和传输质量。根据洪泽湖农场麦田中的实测试验数据,分析节点放置高度、电池电压、有效传输距离与接收信号强度指示之间的关系,最终得出节点部署时的单节点有效传输距离范围。进一步讨论对某一监测区域面积全覆盖时,采用蜂窝网格方式所需部署节点的最少个数,并得出所求节点个数能覆盖的最大面积。