基于JN5139的农田无线传感器网内数据融合研究

在无线传感器网络中,各个节点的存储能力、通信能力、计算能力及能源的供给都十分有限,因而运用网内数据融合算法消除冗余数据,减小数据传输量,从而达到节省功耗、延长节点生命周期、提高数据采集效率和准确度的目的。介绍了系统结构及主要模块JN5139,采用简单滑动平均法、指数平滑法及自回归滑动平均模型(ARMA),在分析大量WSN数据的基础上,利用时间序列对数据进行建模预测,提出了适合WSN的数据处理模型并用Mat Lab进行仿真,之后将程序烧写到节点中进行试验。试验表明:该方法在保证采集数据可靠性的前提下有效地减少了网络的耗能,延长了网络的生命周期。     

面向大田信息采集的无线传感器网络节点设计

针对大田应用中传感器多样、低功耗、低成本、通信可靠等要求,设计了一款无线传感器网络节点。节点以MSP430F1611单片机为核心,Si4432作为无线通信模块,采用太阳能板和可充电式锂电池互补供电的方式提供电源。同时,选用了扰动观察法作为太阳能最大功率跟踪算法(MPPT算法),采用了周期性采样策略,并对相邻节点数据进行组合的数据融合方法。本文测试并分析了节点的功耗、通信距离与丢包率之间的关系及太阳能充电时间等。结果表明,该设计具有通用性强、功耗低、充电快、通信可靠等特点,能够满足农业大田信息采集的应用要求。     

基于图论的温室WSN测控系统冗余节点部署算法

针对温室无线传感器网络(WSN)测控系统的漏斗效应问题,提出负载平衡的冗余节点部署算法(RN-DA)。RNDA根据节点负载情况配置一定数量的冗余节点以平衡网络能耗,把节点下一跳选路概率作为权值引入图论,提出源节点数据经m跳到达目的节点概率的定理,为研究网络数据传输提供了一种有效方法。理论分析和仿真结果表明,RNDA既能明显延长网络寿命,又能有效平衡网络节点的能耗。     

电力数据及信息融合的电力客户行为分析

首先对传统的K-means算法进行改进,在采用K-means算法进行聚类前,先通过AP聚类完成初始聚类中心的筛选,从而提高K-means算法的聚类效率;其次针对海量的电力数据问题,提出海量数据挖掘架构,并引入FH多模态融合技术实现用户多表情的采集;最后以某地区100户电力客户的用电行为数据进行聚类。结果表明,经过改进聚类的到8类聚类中心,并依据聚类将这8类分为不同特征的大用户。通过聚类划分,有效展示了电力客户的特征,为电力企业的差异化服务提供了有力参考。     

基于改进K-means图像分割算法的细叶作物覆盖度提取

植被覆盖度是重要的农学指标,图像法作为一种方便、快捷、准确度较高的地面测量方法,在该领域得到了广泛应用。图像背景分割是获取植被覆盖度最关键的步骤,已有分割算法的分割对象局限于大叶植物或者长势较为稀疏的作物,针对细叶作物的研究较少,或者未根据分割结果得出更有价值的规律。本文以小麦为例,提出了基于HSV空间的自适应果蝇均值聚类算法(IFOA-K-means),用来分割图像背景,以此作为获取覆盖度变化的理论基础。采用小波分析按比例去噪算法单独对亮度分量去噪,主体分割算法采用自适应步长果蝇算法(IFOA)改进的Kmeans算法对小麦图像进行背景分割,综合了自适应果蝇算法的全局最优和K-means算法的局部最优特点,使分割效果达到最优。其分割效果优于基于遗传算法的最大类间方差分割法,较好地去除了滴灌带等较明显干扰因素,与传统的K-means算法相比,运行时间和峰值信噪比指标都较优,小麦覆盖度准确率在90%以上,与作物系数之间的决定系数为0. 953 1。     

无线传感器网络中节点定位算法的研究

无线传感器网络,Wireless Sensor Networks,简称WSN。它是一种多跳自组织网络,将传感器技术,分布式信息处理技术,无线通信技术和嵌入式计算等技术融为一体,采用无线传感器网络,能够实时监测,感知和采集网络分布区域内的各种环境和监测对象的综合信息。本文的主要工作是对无线传感器网络中节点定位技术进行深入的研究,研究的主要内容包括无线传感器网络节点定位的研究背景,国内外的研究现状,和无线传感器网络定位技术的发展。     

基于ZigBee的温室房间温度传感器数据融合技术

介绍了ZigBee的技术特征,构建了一种基于ZigBee技术的低成本和低功耗温室温度无线传感器网络,并采用网内数据融合和神经网络的数据融合方法,提高了网络的整体效率,减少了数据传输量,降低了能耗,消除了单一传感器节点限制引起的误差,从而获得了更为精准的温值,提高了控制精度.     

WSN土壤湿度采集节点电压补偿方法研究

针对适用于WSN土壤湿度采集节点的EC-5传感器对电源电压敏感的问题,从传感器工作原理入手分析电源电压引起检测误差的来源,且发现当传感器各项参数确定后,这种误差随着被测土壤湿度增大而增大。采用CC2430芯片作为WSN信息传输节点,建立具有多节点的上下位机WSN土壤湿度采集系统,以节点电压u和被测土壤实际湿度θ为对象,运用神经网络对采集节点中非线性土壤湿度传感器系统进行逆向建模,在上位机上实现由电源电压引起EC-5传感器检测误差的补偿,实验结果表明,该方法能有效地减少节点电池电压变化对WSN土壤湿度采集精度的影响。     

基于粒子群算法的生猪养殖物联网节点部署优化研究

要构建有效稳定的生猪养殖物联网系统,无线传感器网络的覆盖率和连通性是网络节点部署中需要考虑的2个关键问题。采用粒子群算法结合虚拟力算法提高网络覆盖率,通过增加节点的方式提高网络连通性。以生猪养殖场物联网系统中节点部署为应用实例,以猪舍墙壁作为主要障碍物进行部署优化,仿真结果显示虚拟力导向的粒子群算法可提高网络覆盖率15%,而提升连通性只需增加10个节点,网络性能得到了明显改善。     

基于分簇数据融合的农产品冷链温度监控方法

针对现有基于无线传感网络的农产品冷链物流监测系统,传感器节点数据传输量大,带宽利用率低、能耗高,网络生命周期短的问题,提出了一种基于算术平均值与分批估计的簇内数据融合及自适应加权的簇间数据融合冷链温度监测方法。首先利用疏失误差对采集数据进行预处理,然后利用平均值与分批估计方法对簇成员节点发送的数据进行融合处理,最后簇头节点利用自适应加权算法对接收到的成员节点数据进行进一步的融合处理。实验证明,基于该数据融合方法的冷链监测系统网络生存周期相比传统方法提高了34.2%,稳定周期相比于传统低功耗自适应集簇分层型协议提高了11.4%,数据融合精度高于传统算术平均值法7.6%,系统能耗每轮降低约32.5%。能够有效降低冗余和可信度较差的数据对测量结果带来的影响,减少不必要数据传输损耗,降低了冷链物流成本,提高了农产品冷链物流信息化程度。     

基于核K—均值聚类算法的植物叶部病害识

针对植物叶部病害图像的特点,首先对采集到的玉米病害彩色图像采用矢量中值滤波法去除噪声,然后提取玉米病叶彩色图像的纹理特征和颜色特征作为特征向量,利用Mercer核,把输入空间的样本映射到高维特征空间进行K-均值聚类以及植物病害识别.试验涉及的4种玉米病害识别正确率达82.5%,核K-均值聚类方法适合玉米叶部病害分类.     

基于两级预测的温室WSN系统数据传输方法

为了减少温室WSN系统传感器节点数据传输次数,提出基于两级预测的温室WSN系统数据传输方法。首先,引入莱特准则进行序列异常值检测,研究并提出了便于节点实时计算的序列方差滑动递推计算方法。其次,分别在传感器节点和服务器建立一阶分段线性回归方程并结合自适应加权算法形成两级预测模型,设定传感器节点仅在预测误差超过设定阈值时上传实际采集值,其他时刻服务器自动触发线性回归模型预测填充该部分数据。同时,结合温室环境自动控制的特点,研究了一种基于抛物线的可变误差阈值确定方法。试验表明:分段一阶线性回归模型能够在规定误差阈值内逼近系统原始数据曲线,利用两级预测算法无线传感器节点数据发送次数可减少93%(误差阈值为0.9)。     

基于K-means聚类算法的草莓灌溉策略研究

为进一步提高日光温室封闭式栽培下草莓灌溉水肥利用率,研究了基质含水率和温度影响下的草莓灌溉策略优化方法。采用土壤水分传感器对草莓果期基质含水率进行实时监测,通过对基质含水率随时间变化的规律分析,并结合日平均温度进行K-means聚类分析,提出一种草莓优化灌溉策略。试验结果表明,灌溉第1阶段基质含水率快速上升,在灌溉结束时达到峰值,每次灌溉基质含水率平均提高21.5个百分点;第2阶段快速下降,在20 min内基质含水率平均下降3.5个百分点;第3阶段变化趋于平稳,在30 min内基质含水率平均下降1.2个百分点。在每个灌溉周期内,含水率呈线性下降趋势,在整个果期内,其斜率随日平均温度的升高逐渐增加,由0.0114增加至0.0365。研究结果表明,根据基质含水率变化和日平均温度区间进行定量灌溉,理论上果期每株草莓仅需要4.51 L水,可节水15.4%,该方法能有效提高水肥利用率,实现节水节肥。     

面向立木识别的有效K 均值聚类算法研究

针对林区自动对靶施药过程中,当立木生长密集时,获取的点云数据聚类准确率低、效率低的问题,提出优化后的K-均值聚类算法,数据获取方式基于2D激光扫描。针对立木点云信息聚类前需对相关数据进行滤波,提出窗口滤波算法,选取产生混合像素点的树干边缘,提取3次连续扫描的混合像素及其近邻点组成滤波窗口,进行最大阈值滤波,结果显示50次试验中仅有2个混合像素点未被滤除,混合噪声的滤除率高。在K-均值算法优化方面,针对算法需预先确定聚类数和初始聚类中心的不足,提出利用斜率变化确定聚类数的方法,试验对5个不同距离下5组立木分别进行100次测量,结果显示错误测量次数仅为3次,并可在试验前期通过人工方式去除,算法合理有效;对哈夫曼树法确定立木扫描点聚类中心的性能进行了试验分析,3种不同树干分布类型下分别运用随机抽样法和哈夫曼树法进行K-均值聚类,前者平均正确率仅为76.4%,后者则为95.5%;同时分析了Ⅰ型分布下2种算法聚类的迭代次数和耗时,5个不同距离下,随机抽样法的平均迭代次数明显高于哈夫曼树法,平均运行耗时上,哈夫曼树法则高于随机抽样法,前者变化范围为120~220 ms,后者为50~85 ms,该范围为林区测绘的可接受范围。试验证明,基于斜率变化确定聚类数和基于哈夫曼树法确定聚类中心的K-均值算法是林区立木点云聚类的有效算法,可应用于林区的立木检测。     

基于K均值聚类的绿色苹果识别技

针对颜色和背景相近的绿色苹果,提出了一种基于K-均值聚类的苹果图像识别算法.该算法以8×8像素的正方形区域为分割单位.选择颜色差R-B作为颜色特征,选择灰度均值m,标准偏差σ和熵e作为纹理特征,形成特征向量空间.采用间隙统计法确定苹果图像的最佳聚类数. 将特征向量空间和最佳聚类数作为输入,运用本文算法对苹果图像进行聚类和分割.对200幅图像识别实验结果表明,在顺光和逆光情况下,算法均能实现果实与背景的有效分割,果实识别的正确率高于81%.     

基于K-means聚类和RF算法的葡萄霜霉病检测分级方法

针对自然环境复杂背景下葡萄霜霉病检测分级困难的问题,提出了一种基于语义分割结合K-means聚类和随机森林算法的葡萄霜霉病检测分级方法,实现对葡萄霜霉病快速分级。构建了葡萄霜霉病数据集,采用HRNet v2+OCR网络建立葡萄叶片语义分割模型,提取复杂环境下葡萄叶片;采用K-means聚类算法将葡萄叶片分解为若干子区域图像,并标记少量数据集进行随机森林算法学习,实现葡萄叶片病斑分割与提取;同时在叶片提取和病斑提取过程中,设计一种像素尺寸变换方法,解决图像分辨率引起的精度低问题。基于HRNet v2+OCR网络的葡萄叶片分割模型的准确率为98.45%,平均交并比为97.23%;融合K-means聚类和随机森林(RF)算法的葡萄叶片正面、反面和正反面霜霉病病害分级准确率分别为52.59%、73.08%和63.32%,病害等级误差小于等于2级时的病害分级准确率分别为88.67%、96.97%和92.98%。研究结果表明,基于K-means聚类和随机森林算法的葡萄霜霉病检测分级方法能够准确地分割自然环境复杂背景下的葡萄叶片和葡萄霜霉病病斑,并实现葡萄霜霉病分级,为葡萄霜霉病精准防治提供了方法和...     

基于改进的K-均值聚类算法的农作物图像分割

图像分割是图像进行分析处理的首要步骤。为此,针对彩色农作物图像的特征,首先将RGB彩色图像转换到HIS色彩空间,运用均值一方差与粗糙集理论选取适当的初值聚类中心和聚类个数,再进行聚类计算,实现了色彩分量的快速自动化分割,较准确地从背景中提取出了目标物体,为农作物图像的识别与分析、后续计算和处理提供了可靠的基础。实验结果表明,改进的k-均值算法减少了运算量,提高了分类精度和准确性。     

基于WDNN的温室多特征数据融合方法研究

目前物联网监测产品在温室生产中大量应用产生海量数据,但现有用于温室数据融合算法对高维特征及混合特征(数据同时包含稀疏特征和连续特征)处理精度较低且泛化能力较弱,鲜有利用深度学习模型对温室数据进行顶层融合并提供准确的决策信息。本文提出了一种基于宽-深神经网络(Wide-deep neural network,WDNN)的两级温室环境数据融合算法。首先利用温室内多点多特征数据训练WDNN深度学习模型,输出形式为多点单特征,再将该输出数据按照少数服从多数原则进行融合,得到温室环境状态的整体评估结果。试验结果表明,该融合方法对预测集中混合特征的决策准确率达到98. 90%,融合特征类型的增加,可用于监测参数更多、环境更复杂的温室,将WDNN模型用于温室混合数据融合是可行有效的,在保证决策精度的同时丰富了可融合特征类别,进一步提升温室融合系统的智能化程度,对温室智能调控提供有效技术支撑。     

基于WSN的水产品冷链物流实时监测系统

为降低水产品物流损耗、提高水产品冷链物流信息化程度,以ZigBee协议为基础,围绕CC2530型无线传感片上系统,设计了基于无线传感网络(WSN)的水产品冷链物流实时监控系统。系统包括用于采集温度数据的监测节点、用于ZigBee网络组织与数据汇聚的协调器节点和用于实时监测、数据存储和网络控制的远程管理系统。冷链环境系统测试表明监测系统能够应用于水产品冷链物流仓储和运输的全过程,监测节点在变温箱温度-18℃时工作可靠。通信性能测试表明使用-3 dBm射频功率在30 m通信范围内丢包率小于8.4%,节点通信能耗低。