温室物联网多传感器数据融合算法设计与应用

基于CC2530嵌入式系统与温湿度、光照度、CO_2等传感器构建的温室物联网系统,设计实现了卡尔曼滤波、欧几里德距离公式及多元聚类统计技术相结合的多传感数据融合算法,对温室冬茬黄瓜挂果期的温度、湿度、光照度3个参数进行了数据融合试验。试验结果表明,该算法能较好地实现数据融合,减小因各类误差引起的数据不确定性及误差,温度、湿度、光照度的相对误差明显小于算术平均值算法,优化了系统对各类环境参数的决策调控依据,有助于提高温室生产的经济效益。     

数据融合算法在农业物联网信息采集中的研究与应用

对物联网技术在农业领域的应用研究进行了调查.结果显示,国内物联网技术在农业领域的应用一直处于示范阶段,仍然存在各种各样的问题.为解决物联网传统数据融合算法的低鲁棒性和数据冗余浪费等问题,在已有数据融合算法的基础上进行了算法优化,并根据农业具体生产环境和科研项目需求,在已有的数据融合算法的基础上提出了限幅滤波平均算法和品质因数法.两算法具有低复杂度和易于实现等特点,可以良好的支持前端采集单片机,使农业生产环境信息数据及时有效的提交到后台数据库中,为上层决策处理系统提供了良好的数据支持.     

多传感器数据融合技术在温室控制中的应用

传统的温室往往受到地域、温度、时令等多种参数的影响,在实际农作物生长的监测控制中存在着很多的问题。鉴于目前温室的实际情况,本研究提出了一种适合花卉生长的基于多源异构传感器和数据融合技术相结合的环境测控方法。实验表明:这种方法能够提高环境参数检测的精度和数据融合的客观性,为花卉的生长提供了较为适宜的温室生长环境。     

基于多传感器数据融合的早期林火识别

针对我国林火监测现状,为加强近地面监测中的早期林火发现,提出采用多传感器数据融合算法对早期林火进行识别的方法。通过设计林火仿真试验,采集CO₂浓度、CO浓度、烟雾浓度与空气温湿度等多传感器数据,并通过初步分析从中选取关键贡献率传感器数据。然后分别采用BP神经网络算法、神经模糊系统算法与支持向量机算法对数据进行识别与分析, 并在每个算法中均设置三输入与九输入2种不同输入向量数以进行比较。最后通过定义的识别性能评价参数对识别效果进行比较,得出支持向量机算法在一定范围内能较好地实现对早期林火的识别。     

物联网大数据在农业中的应用

一、发展现状 我国数字农业起步较晚,从2013年开始,农业农村部(前农业部)在天津、上海、安徽3省(市)率先开展了物联网区域试验工程,对采集农业实时数据和物联网应用方面进行了探索,拉开了智慧农业快速发展的序幕,2015年、2017年、2019年农业农村部都出台相关文件、完善相关制度,促进数字农业的发展,而物联网大数据正...     

在农业物联网中基于卡尔曼滤波算法实现系统数据的融合处理

本文阐述了物联网和农业物联网的概念和内涵,介绍了农业物联网的体系结构以及各层的功能和涉及的主要技术,介绍了数据融合的相关概念、原理过程和技术优势,详细解释了基于卡尔曼滤波算法实现系统数据的融合处理的过程。     

基于时空关联性的温室环境多传感器数据融合

为满足温室环境测控系统中传感器数据需具有鲁棒性的要求,提出一种基于时空关联性的温室环境多传感器数据融合算法。利用时间预测算法对环境数据的时间相关性进行预测,利用同质和异质传感器的特点对环境参数进行空间相似性预测。利用改进型支持度函数算法对基于时空关联性的预测值进行数据融合,并对数据融合的效果进行验证。结果表明,时间相关性、空间相似性预测算法的预测效果较好,且以时空预测值为输入变量时,改进型支持度函数的数据融合算法能够有效地将环境数据预处理的时空关联性预测值赋予动态的加权值,并且其数据融合结果优于平均值算法、传统支持度函数算法,数据融合产生的最优估计值更能真实地反映温室环境的变化,具有可靠性和准确性。     

基于多传感器数据融合的温室温湿度控制系统设计

介绍了1种基于多传感器数据融合的温室温湿度控制系统的设计,包括系统组成、多传感器数据融合算法的设计以及具体实现。本系统利用改进的拉依达准则剔除异常值,再通过自适应加权平均算法对温湿度分别进行数据融合,根据融合后的温湿度数据确定控制策略,调整温室环境参数,提高了系统的精确度和可靠性。     

大数据在农业物联网中的应用研究

从我国的国情来看,当前我国正处于农业发展的关键时期。同时,我国属于农业大国,农业发展与国民经济的发展紧密相关。对此,我们需要不断推进农业与新型技术结合,使其向着现代化农业的方向不断发展,这也是当前我国急需要处理和解决的问题。随着互联网技术的飞速发展,智慧和数字农业促使着农业建设不断进步,改变了我国农村经济落后的现状,为现代农业发展奠定基础。本文主要论述了大数据在农业物联网中的应用现状,并提出了优化措施。     

大数据在农业物联网中的应用研究

想要改变农村经济较为落后的现状,就要大力对农业进行发展。充分的对互联网加以 利用,发展数字农业和智慧农业,多方面促进农业的发展。近几年,随着网络技术的不断进步, 大数据技术被广泛的应用于各行各业中。农业物联网的发展离不开对大数据技术的运用。本 篇文章分析了大数据应用在农业物联网中的情况以及还存在着哪些不足,如何采用方法进行改 善等。     

大数据在农业物联网中的应用研究

随着农业现代化的发展,农业物联网的应用也愈来愈广泛.就物联网的发展来看,大数据在其中扮演着重要的角色.若离开大数据的支撑,物联网将会发展缓慢,目前大数据在农业物联网的发展中存在一些问题和改进的空间.     

环境监测中多传感器数据融合研究

[目的]针对环境监测中单一传感器测量数据精度低、可靠程度低的问题,本文提出在无线传感网络监测系统中,通过改进自适应加权融合算法并利用模糊神经网络算法实现多传感器数据融合,来提高环境监测的准确性。[方法]基于多传感器同一时段采集的数据,先采用欧式距离及相关函数改进的自适应加权算法进行同质传感器数据融合,再设计模糊神经网络分类器把异质传感器的数据转化为环境质量等级信息。[结果]仿真实验显示出本文提出的同质传感器数据融合算法融合精度较高于其他几种算法、模糊神经网络算法通过对350组训练样本的学习后能够对96%的验证样本的环境等级进行正确分类且预测曲线基本可以拟合实际输出。[结论]本文的同质传感器数据融合算法提高了数据融合精度,异质传感器数据融合算法能够对整体环境质量得出较可靠的评价。     

基于水产品保活运输的多传感器数据融合算法

为了解决水产品保活运输中的多传感器监测数据误差大的问题,提高数据融合的精度,提出了一种多传感器数据融合算法。先剔除某时刻温度传感器采集差异较大的数据,在分批估计的基础上,加入修正因子,构造修正样本方差,实现某时刻各个批次温度融合值权重自适应调节,得到车厢内精确的温度融合值。以乌鳢运输为例进行验证,结果表明:相比于分批估计算法,该算法可更精确地获得水产品的环境温度,以便于更好地对保活温度进行控制,其融合精度更高,稳定性更好。     

日光温室无线传感器多数据融合技术研究

无线传感器网络中采集的监测数据存在着较大的冗余和误差,影响数据的可靠性,然而由于温室环境具有空间大且温场分布受多种参数影响大等特点,在采集监测和控制中对数据的准确性要求比较高。为实现北方日光温室实时数据融合,提高实时数据精度,以沈阳农业大学北山试验基地一栋日光温室的实时采集数据为例,提出一种数据融合方法,通过无线传感器实时采集温室数据,利用格拉布斯判定准则进行数据预处理,并应用自适应加权平均算法对数据进行融合试验。试验结果表明:格拉布斯判定准则能够有效的剔除粗大误差,与原始采集数据相对比剔除误差后数据精度提高8%;与应用传统平均数据融合算法处理数据结果对比自适应加权平均数据融合能够明显的提高数据精度,融合后数据精度被提高6%。针对北方日光温室环境,采用无线传感器多数据融合方法,克服了对每个传感器采集的信息分别处理时的不确定性和不稳定性,经融合处理后结果能够提高温室环境监测的精确度,可全面准确的描述温室实时环境,为温室环境控制提供更加精准的基础数据,控制后使温室环境的温度、湿度、光照强度等主要参数达到相对理想的条件。     

基于D—S证据理论的管道多传感器数据融合

为了保证管道检测的准确度与可信度,通常需要采用多种检测技术即多传感器对同一部位进行检测,但检测的数据量大繁冗,需要进行融合与处理。利用D—S（Dempster—Sharer）证据理论,建立了应用于管道多传感器数据融合的流程模型,阐明了数据的融合流程。算例中根据各个不同传感器对不同缺陷的检测置信度,利用D—S证据理论对检测数据进行有效融合,最后根据D—S规则对缺陷类型进行判定。结果表明：在检测过程中利用D—S进行数据融合,保留置信度高的数据,可以得到更明确的判决结果,舍弃干扰数据,节省存储空间,有利于数据存储,实现长距离智能检测。（图2,表2,参11）     

温室控制系统多传感器数据融合方法的设计

为了减少温室控制系统中的数据处理量,提出了一种温室控制系统多传感器数据融合方法。采用狄克逊准则对采集节点多点测温将采集到的每组数据进行较大误差剔除,然后基于算数平均值法对余下数据融合处理后发送到协调器节点,最后采用自适应加权融合算法对协调器节点数据进行最终融合处理。结果表明,该方法相比其他算法更能反映温室真实环境状况,融合效果更好,使控制系统更稳定。     

面向农业物联网多环境信息融合的监测判别

物联网为农田信息获取提供了一个崭新的思路,将传感器节点布设于农田等目标区域,将采集到的各种环境信息作为信息源,采用关联规则挖掘和模糊推理的方法进行多环境信息融合,在此基础上建立面向农业物联网的多环境信息融合的监测判别模型,仿真试验结果表明,对环境的监测识别率达80％,具有良好的农业监控价值和广泛的应用前景.     

农业机器人多传感器信息融合技术的研究进展

多传感器信息融合技术是近年来发展起来的一门新兴技术,在农业机器人领域有着广阔的应用前景。文章介绍了多传感器信息融合技术的发展历程、工作原理和研究方法,详细阐述了多传感器信息融合技术在农业机器人领域的应用与进展。指明了农业机器人领域中多传感器信息融合技术未来的发展方向。     

基于农业物联网的农作物生长监测数据融合研究

针对农业无线传感器网络数据融合精度低、传感器节点能量有限的问题,结合农作物生长环境监测的特点,提出了一种适用于农作物生长监测数据融合的架构和算法。将无线传感器网络划分成多个固定层级,减少数据传输量并逐层降低误差。仿真试验结果表明,该算法融合结果比算术平均法和单一自适应加权算法更接近真实值。该算法能够减少数据传输量,且具有很好的可拓展性。