基于无线传感网络的规模化水产养殖智能监控系统

为了解决规模化水产养殖中有线监控系统带来的不利影响,并能实现对环境因子的准确测量与控制,该文介绍了一种基于无线传感网的智能监控系统在规模化水产养殖中的应用。系统利用对协议栈进行小幅的修改,完成了人工设置每个养殖池为一个簇,并通过适当修改路由协议,将自动选择簇头的工作变为人工设置固定簇头,大幅减少节点本身的计算工作,从而实现节能目的。控制器利用模糊控制与神经网络相结合的算法对数据进行处理分析,实现闭环控制。结果表明,系统内数据通信通畅,温度误差在±0.5℃范围内,溶氧量误差在±0.3 mg/L范围内,pH值误差在±0.3范围内。各养殖关键环境因子均满足控制精度,达到了设计要求,能够满足规模水产养殖智能化的需要。     

基于低功耗传输方法的设施花卉环境监测系统

为了降低现有设施环境监测系统中传感节点的能耗,延长无线传感网络的生存周期,该文提出了节点动态组包主动传输和多种环境变量加权控制传输2种低功耗机制,减少了大量重复冗余数据的传输,并实现了基于Zigbee的设施花卉环境监测及其低功耗传输系统。节点以CC2430芯片为核心,并根据影响花卉生长的环境参数,同时装载SHT10温湿度传感器、BH1750FVI光照传感器以及COZIR二氧化碳传感器,因此节点可同时采集传输多种环境参数,降低了硬件成本。在南农大园艺试验基地进行组网测试,试验结果表明,系统比传统周期传输节点(周期1min)的能耗减少85.97%,测量精度在98.5%以上,网络平均丢包率为0.84%,满足了对设施花卉环境的有效监测及低功耗传输的要求。     

基于ZigBee的节能型水产养殖环境监测系统

该文基于ZigBee无线传感器网络技术,设计了一种节能型水产养殖环境监测系统,用于实时监测水的温度、pH值、溶解氧浓度和浊度等参数。系统采用CC2530为核心处理器设计无线传感器节点;运用开源的Z-stack协议栈开发了节点应用程序,提高了系统的稳定性和可靠性;使用9 V锂电池为无线传感器节点供电,实现了系统的无线化;采用C/S和B/S混合编程模式开发了简单直观的本地用户监测界面和远程监测网站,实现了系统的本地监测和远程监测;采用分时、分区供电的方式和数据融合技术延长了节点的生存时间。该文介绍了系统软硬件设计方法,并重点阐述了软件和硬件的节能策略。实验室测试表明,采用方案4（传感器不一直工作,数据全部发送）,节点数据采集周期为10 min,节点能正常工作94 d,实际系统上线时,节点数据采集周期为30 min,节点预计能正常工作280 d左右;运用节能策略后,节点寿命延长了1倍。在甘肃省某虹鳟鱼养殖基地进行了实地测试,路由节点剩余能量约占总能量的47%,终端节点剩余能量约占总能量的33%,路由节点能量消耗较快,距离汇聚节点最近的16号路由节点的寿命预估只有134 d。结果表明该系统具有功耗低、运行稳定、网络寿命长等优点,能实现水产养殖环境的实时监测,具有很好的市场前景和推广价值。     

基于无线传感器网络的节能型水产养殖自动监控系统

水产养殖的规模化发展和人力成本的不断上升迫切需要建立水质参数的无人值守自动监控系统。该文提出了一种基于改进型低能耗分层分群协议（LEACH）的Zigbee无线传感网络的水质监测和基于西门子PLC的变频增氧控制系统。在LEACH-C通信协议中,由基站根据各节点剩余能量的估算值选定簇首,达到各节点供电电池剩余能量的均衡,同时从系统的实际控制精度出发,当节点测量到的溶解氧浓度值与上次发送值误差在0.02 mg/L范围内时,不向簇首发送数据,达到节约供电电池能量的目的,经试验发现采用优化后的LEACH-C协议,比采用常规的LEACH协议网络有效寿命延长33.33%。适合鲈鱼生长的水体溶解氧质量浓度大于4.5 mg/L,但随着浓度的上升增氧效率将逐步降低,因此设定应急增氧的区间为4.5～5.5 mg/L。控制系统根据无线传感网络测量的溶解氧质量浓度值,采用PI-PID控制水体溶解氧浓度。保证了水体溶解氧质量浓度始终适合鱼类生长。通过试验验证,与人工粗略控制相比,这种控制方法大幅降低了人力成本和节约了51%的电能。该文可为水产养殖自动控制研究提供参考。     

面向大面积渔业环境监测的长距离低功耗LoRa传感器网络

该文针对近海渔业和大面积水产养殖环境监测应用周期长,覆盖面积大等特点,设计了基于LoRa技术的长距离低功耗无线传感网络系统。该系统设计了低成本的双信道LoRa网关,并在此基础之上提出了一种新颖的速率自适应的双信道同步调度无线通信策略。该策略充分利用LoRa技术多扩频因子多数据率的特点,对网关不同距离范围内的终端节点自动分配不同的扩频因子以确保网络连通性,并通过MAC层同步调度,在保证监测网络大面积覆盖的同时,大大降低了无线信道碰撞的概率,提高了异常数据上传的实时性和终端节点的平均网络寿命。通过仿真和现场试验验证了本方案的有效性,系统可有效覆盖半径3 km的监测区域,100个终端节点的网络规模;对于视距通信,该策略的投递率从单一扩频因子的0.8提升到0.99,对于数据上传周期为10 s的快速通信,投递率从单一扩频因子的0.4提升到0.95以上;如采用3 600 mA·h锂电池,数据上传周期为10 min,终端节点寿命可达1 a。     

基于窄带物联网的养殖塘水质监测系统研制

为了促进水产养殖信息化的发展,更加准确、便捷地对水产养殖塘进行监测,该文研发了一种基于窄带物联网(narrow band Internet of Things,NB-IoT)技术的养殖塘水质监测系统,实现了对多传感器节点信息(温度、pH值、溶解氧等环境参数)的远程采集和数据存储功能,以及对养殖塘的智能控制和集中管理。系统利用STM32L151C8单片机和传感器终端实时采集温度、pH值、溶解氧等水质信息,通过NB-IoT技术实现数据汇总和远距离传输至IoT电信云平台,Keil工具实现NB无线通信模组数据格式的设计以及数据的发送,Java用于开发访问云平台、控制底层设备和本地数据处理的后台监测应用,其既能够发送HTTP请求对云平台数据进行监测,也可以向底层控制模块下发命令,控制增氧机等设备的启动和关闭。试验结果表明:该系统可实时获取温度、pH值、溶解氧等水质参数信息,温度控制精度保持在?0.12℃,平均相对误差为0.15%,溶解氧控制精度保持在?0.55mg/L以内,平均相对误差为2.48%,pH值控制精度保持在?0.09,平均相对误差为0.21%。系统整体运行稳定,数据传输实时、准确,能够满足实际生产需要,为进一步水质调节和水产养殖生产管理提供了有力的数据和技术支持。     

基于水质监测技术的水产养殖安全保障系统及应用

为解决水产养殖中的风险问题,设计了基于水质监测技术的水产养殖安全保障系统。系统由水质监测与信息处理系统、电路控制系统、增氧和投饲设备组成,系统根据养殖水体的溶氧变化调控增氧、水层交换和投饲。常规淡水鱼池塘养殖情况下,安全增氧时间不低于6.2 h/W·d·kg,机械增氧下限为3 mg/L,上限为5 mg/L,上限运行时滞为0.5～1 h,水层交换时滞为1～2 h。应用表明,系统比传统增氧方式节约运行时间33.4%,平均降低饲料系数21.6%,系统具有节能、节饲和保障养殖安全的效果。     

基于无线传感器网络的水产养殖水质监测系统开发与试验

为解决目前水产养殖水质自动监测系统存在布线困难、灵活性差和成本高等问题,该文构建了基于无线传感器网络的水产养殖水质监测系统。该系统的传感器节点负责水质数据采集功能,并通过无线传感器网络将数据发送给汇聚节点,汇聚节点通过RS232串口将数据传送给监测中心。传感器节点的处理器模块采用MSP430F149单片机,无线通信模块由nRF905射频芯片及其外围电路组成,传感器模块以PHG-96FS型pH复合电极和DOG-96DS型溶解氧电极为感知元件,电源模块以LT1129-3.3、LT1129-5和Max660组成的电路提供3.3和±5V。设计了传感器输出信号的调理电路,将测量电极输出的微弱信号放大,满足A/D转换的要求。节点软件以IAR Embedded Workbench为开发环境,采用单片机C语言开发,实现节点数据采集与处理、无线传输和串口通信等功能。监测中心软件采用VB6.0开发,为用户提供形象直观的实时数据监测平台。对系统的性能进行了测试,网络平均丢包率为0.77%,pH值、温度和溶解氧的平均相对误差分别为1.40%、0.27%和1.69%,满足水产养殖水质监测的应用要求,并可对大范围水域实现水质环境参数的实时监测。     

基于AT89C51水产养殖环境参数自动监测系统设计与实现

针对水产养殖中溶解氧、pH值、温度等重要水质参数的监测,采用PC机为上位机,AT89C51微控制器为下位机,设计了一种水产养殖环境参数自动监测系统。该系统实现了对溶解氧、pH值、温度的实时采集、显示和存储,同时还提供了超限报警、历史数据查询等功能。试验结果表明,系统运行稳定、能够准确地采集和显示水产养殖环境参数,且具有操作简便、界面友好、性价比高和易扩展等优点。     

基于GPRS的土壤风蚀实时监测系统研制与测试

为克服野外观测和风洞测试的缺点与不足,提高观测数据的连续性、科学性与可靠性。该文综合无线传感网络技术、传感器技术、电子技术和网络通信技术,研制了热敏式风速传感器、分流对冲式风沙分离器和具有无线组网与自动数据采集处理功能的近地表风速廓线仪和多通道集沙仪,建立了基于GPRS网络的土壤风蚀监测系统,实现了被测区域环境温度、相对湿度、大气压力、近地表风速廓线和风沙流结构等参数的同步采集、实时处理和远程监测等功能。试验结果表明:风速传感器输出电压在0.3～4.3 V之间,响应时间小于3 s,有效测量范围在0～17 m/s,测量精度随风速增大而降低,在6和17 m/s风速下的测量精度分别为0.1和0.3 m/s;风沙分离器的降速效率和风沙分离效率分别在96%和99.8%以上,平均等动力性≥92%;称量系统有效测量范围在0～170 g,精度达0.01 g,短期静态误差和长期累积误差分别不超过±0.02 g和±0.04 g;9、12、15和18 m/s风速下的平均集沙效率达91.98%;无线通信建立时间≤5 s,中心汇聚节点可在3 s内实现一次节点遍历和数据汇聚,有效传输距离达140 m以上;风速廓线节点和集沙仪节点单次最大工作时长不低于6和22 h。在野外试验条件下,系统软硬件部分均运行稳定可靠,自组网数据传输的丢包率和错误次数为0,环境温度、相对湿度和大气压力的偏差分别小于2℃、4%和10 hPa;测得的近地表风速廓线与风沙流结构均符合指数分布规律,满足大尺度、跨区域野外土壤风蚀同步研究的需求。     

无线传感器网络作物水分状况监测系统的上位机软件开发

该文在Microsoft Visual C++ 6.0和National Instruments LabVIEW 8.6等环境下,开发了WSN-CWSM系统的上位机软件。该上位机软件由后台管理软件和数据管理软件2个模块组成。后台管理软件由数据库、数据处理引擎、图形用户界面和后台组件4个子模块组成;数据管理软件由参数设置、数据采集、数据处理、控制输出和数据管理5个子模块组成。WSN-CWSM系统上位机软件提供了与Internet的标准接口,集成了传感器节点的校正引擎和传感数据的数据融合机制,所有人机接口采用友好的图形化界面设计。试验结果表明：所开发的上位机软件具有良好的稳定性、完善的功能性和便捷的人机接口等优点,实现了对各种传感数据和系统数据的有效组织与管理。目前,上位机软件能够满足WSN-CWSM系统的应用需求。     

基于无线传感器网络的无人机农田信息监测系统

移动无线传感器网络技术为农田信息监测提供了高效可行的技术手段。该研究根据南方农田地块相对分散、丘陵山地多,农情信息获取环境恶劣、采集数据时间周期长、网络分割成块的特点,利用UAV(unmanned aerial vehicle)具有的高效、灵活的特性,结合低功耗无线传感器网络,提出一种满足南方农田信息获取采样和数据业务需求的三层架构的无线传感器网络体系结构TUFSN(three-tire unmanned aerial vehicle farmland sensor network),其由数据采集层、中继传输层和移动汇聚层组成,该体系结构具有系统结构合理、可扩展性好、系统整体能耗低等特点。通过仿真可得中继节点RN（relay node）的缓存大小范围为3～13kB,系统试验中携带移动节点的UAV以1m/s的速度、15 m的高度在农田上空飞过,飞行过程中与地面中继节点通信并采集农田信息,UAV与地面中继节点的平均通信时长为26 s,仿真和试验表明,基于UAV的三层架构农田信息采集无线传感器网络很好地满足了南方地区农田信息数据采集和监控的生命周期长、传输数据可靠、覆盖面积广的要求。     

基于无线传感器网络的作物水分状况监测系统研究与设计

为实现准确判断作物水分亏缺程度,为精量灌溉提供科学依据,论文采用无线传感器网络技术,设计了作物水分状况监测系统。该系统实现了信息采集节点的自动部署、数据自组织传输,可以使人们随时随地精确获取作物需水信息,包括引起作物水分亏缺的环境信息（温度、湿度、土壤温度、土壤湿度）以及水分亏缺时作物水分生理指标微变化信息等。它具有功耗低、成本低廉、鲁棒性好、扩展灵活等优点。初步试验表明了该系统的合理性与实用性。可以应用于温室、农田、苗圃等区域。该文为无线传感器网络在设施农业中的应用做出了探索性研究     

基于物联网的生猪运动行为及猪舍环境远程监控系统

In intensive and large-scale livestock breeding, how to evaluate welfare of each individual effectively has become one hotspot of welfare breeding.In this study, a remote monitor system based on computer vision technology and wireless sensor networks was proposed.In the system, pig videos in the piggery were captured by IP cameras and transmitted remotely to PC systems for objects tracking and trajectory extraction, and the piggery environmental data such as temperature, humidity and harmful gases were collected by wireless sensor networks(WSN) nodes.Traditional Camshift tracking algorithm was improved.The average root mean square errors of traditional and improved algorithm were 78.07 and 32.29, indicating the improved algorithm reduced error and improved tracking stability.The results of the real-time monitoring of environmental parameters by WSN showed that the hydrogen and ammonia concentrations, and the ambient temperature were all kept in the normal range, while the carbon dioxide concentration was exceeded, and the air humidity was slightly high.Through data mining, precise welfare monitoring and breeding management were realized.