基于YOLOv5模型的仔猪社交识别方法研究

精准识别仔猪间社交关系对了解仔猪内部社交和预警异常仔猪具有重要意义。针对传统方法在仔猪社交识别时存在的人工依赖多、劳动强度大、观测效率低等问题,本研究借助机器视觉与深度学习技术,提出了一种基于改进的YOLOv5模型的仔猪社交识别研究方法。该研究以9头30～35日龄群养的长白二元杂交仔猪为研究对象,从顶部视角连续采集视频数据,经图像截取与数据增强共获得13 389张图像作为数据集。首先,选取Faster R-CNN、SSD、YOLOv4和YOLOv5这4种典型目标检测算法对数据集进行训练,通过对比分析,确定用于仔猪个体身份识别最优模型;然后依据K-means聚类算法确定仔猪社交中心,通过计算仔猪与社交中心的欧氏距离量化仔猪社交值,利用位置信息构建仔猪社交网络,绘制仔猪运动轨迹,获得社交正常与社交异常仔猪的识别阈值;最后,利用该阈值对仔猪进行分类,识别社交异常仔猪个体并实现预警。经测试,改进的YOLOv5对群养仔猪个体身份识别的平均精度均值达99.29%,模型大小为13.71 MB,满足仔猪身份识别需求,与YOLOv5、YOLOv4、SSD和Faster R-CNN模型相比,改进的YOLO...     

能量高效的农田无线传感器网络拓扑关联路由算法

针对农田无线传感器网络节点分布不均、能量约束严格等特点,提出了一种能量高效的簇头选择方法TBCS-EA,在以剩余能量进行簇头选择的基础上根据节点拓扑位置、拓扑密度等进行加权,使距离sink较近的节点与密集区节点大概率成为簇头,提高成簇能量使用效率。针对现有成簇算法频繁进行簇头选举,算法开销大等问题,提出了一种能量逼近式簇头轮换机制,节点连续担任簇头并以某一目标进行能量逼近,在达到逼近目标后进行根据簇内信息指定新簇头,减少簇头选择的次数与协议开销。仿真与实验结果表明,TBCS-EA算法的网络生命周期约为LEACH的2.2倍,CHCS的1.5倍,从节点能量曲线看能耗均衡效果与CHCS相当,明显优于LEACH。结果显示TBCS-EA综合性能较之于现有算法有明显提升。     

GIS在新农村建设信息服务平台中的应用

为了实现新农村建设各类专题属性信息的可视化查询、管理和统计分析,利用GIS技术设计并实现了新农村建设信息服务平台。借助GIS在信息可视化等方面的优势,实现多源、多类型、多精度农村信息的空间化,为农村各类信息提供一个统一的空间基准,解决了农村信息空间不一致性的问题。以图形的方式直观形象地展示各类信息,适合农村信息化技区一体化术人员使用和操作。信息服务平台已经在北京房山得到了推广应用。实际践表明,信息服务平台能在一定程度上促进新农村各类专题信息的高效管理。     

基于FRAM和NB-IOT的设施温室智能环境采集系统设计

针对设施温室环境数据采集及传输的特点,分别对现有数据存储技术及无线传输技术进行对比分析,最终采用FRAM存储和处理滞留数据,具有低功耗、长寿命、防篡改等特点;采用NB-IOT技术搭建远距离无线传输路径,以其强连接、高覆盖的特点提高数据与指令传输过程中的可靠性,与传统技术相比成本更低;同时设计了具有低功耗特性的MSP430FR5x芯片作为系统核心,采用C++Builder和Mysql设计了服务器守护监听程序。经测试,系统能够有效适应农业智慧生产条件下低频率、小数据量的传输要求,有效降低功耗的同时确保了数据传输的连贯性。     

蔬菜产业大数据平台应用研究

蔬菜产业链环节复杂、关联影响因素众多,精准监测、优化控制与科学经营管理极其困难。利用大数据技术实现蔬菜产业全要素关联分析,是未来支撑蔬菜产业现代化发展的有效途径。该研究提出了一套蔬菜产业大数据平台建设框架,从蔬菜产业数据来源、采集处理、挖掘分析、平台服务4个方面进行了研究分析,并将平台服务划分为基础服务、应用服务和展示服务。基础服务提供各种数据适配接入和集成共享组件;展示服务提供直观可视化方法,展示数据关联关系与趋势;应用服务提供生产预警、加工冷链物流、市场销售、产业发展等大数据分析服务。平台通过大数据为蔬菜生产、加工、贸易、市场流通、消费等产业环节的管理决策提供支撑,促进我国蔬菜产业现代化转型升级。     

基于网格的农业知识服务机制研究

为了解决网络中知识资源的共享和利用问题,在分析农业网络服务需求的基础上,给出了农业知识服务在网格中的应用模式。同时,提出了由代理封装层、服务工具层和应用层组成的农业知识服务网格架构,并描述了各个逻辑层的主要功能。基于该架构探讨了以本体知识作为桥梁,基于资源描述框架（RDF）的知识表示模型,以及知识服务转接的工作机制、知识服务Web Service封装等关键问题,为最大程度地实现农业知识资源的共享奠定了技术基础。     

蔬菜智能化管理技术研究进展

为进一步推动智能化管理技术在蔬菜生产经营中的应用,提出蔬菜生产智能化技术的总体架构,分析大数据背景下蔬菜数据来源和获取手段,总结蔬菜病害诊断、环境与水肥调控、栽培管理决策、生产作业管理、智能信息服务等方面的关键技术。在此基础上,指出蔬菜生产智能化管理技术在研究应用中面临的挑战,提出蔬菜生产智能化管理技术的发展建议。智能化是现代农业发展的要素,利用智能信息技术提高蔬菜产业综合生产力和效益是最终目的,应深度挖掘现实需求,整合蔬菜全产业链数据,推进智能信息技术与蔬菜产业的深度融合,支撑国内蔬菜产业转型升级。     

多结构参数集成学习的设施黄瓜病害智能诊断

单一特征已不能很好的描述作物病害典型特征,而生长环境参数(土壤温湿度、pH值、空气温湿度等)与病害密切相关,多结构数据学习向量化与特征最优组合能够有效提升病害诊断准确性。该研究以黄瓜白粉病、角斑病、炭疽病、菌核病4种病害50个样本为实例,融合结构化作物生长环境参数与非结构化图像特征,通过智能化物联网,对实时采集到的环境参数进行监测、分析,并将其与图像特征融合,构建多结构病害特征最优组合模型。试验结果表明,样本识别率在79.4%～93.6%,对比卷积神经网络图像识别识别率,卷积神经网络由于需要对病害图像数据进行降维,后台识别时间较高;深度迁移学习的图像识别方法,需要大量图像数据输入深度网络学习,而现实中病害图像数量不足以满足深度学习要求,因此识别率会因为样本不充分而降低;该方法借助少量图像数据,同时结合环境与专家知识资源,采用多结构参数集成学习的方法进行病害识别,在较少识别时间的基础上确保识别的准确性。     

基于无线传输的温室环境智能监测与报警系统

设计了一种基于ZigBee和GPRS无线传输的温室环境智能监测和报警系统,有效地解决了温室环境监测过程中布线困难、报警方式单一、成本高、不能稳定运行等缺点。以微型处理器和ZigBee通讯节点作为采集节点,以ZigBee和GSM/GPRS通讯模块作为汇聚和远程数据传输的网关节点,采用树状的组网方式完成短距离的数据汇聚,通过GPRS完成远程数据传输;在服务器上配置了数据库和网页远程服务,用户通过用户终端远程访问温室作物实时监测数据。本文实现了节点和服务器的双向数据通讯,使服务器可以远程配置单个采集节点的报警上下阈值和采集时间周期;完成了温室环境的智能报警;加入了系统可靠运行机制,使系统可以连续、稳定地运行。经试验验证,系统可以满足温室作物生长环境的智能监测和报警需求。     

基于LoRa与模糊控制的温室环境调控系统设计

针对北方日光温室普遍配备的电动卷帘设计了基于LoRa与模糊控制的温室环境调控系统.系统采用STM32作为微控制器,配置限位开关确保卷帘运行安全,通过LoRa和4G-LTE实现与服务器的通信和交互,采集温度、湿度、光照度等环境数据,运用模糊控制算法对风口开合宽度进行自动调节,使用卷帘覆盖风口方式实现对温室环境的调节.农户可以使用现场旋钮或远程APP/WEB控制设备的运转,也可以通过设置规则达到批量自动控制设备的效果.本系统实现了日光温室卷帘的自动控制,使用卷帘对上风口开口宽度进行调整,进而调控温度,实际运行结果表明,该系统可以有效保证卷帘的安全运行,延长光照时长.上风口不覆盖卷膜情况下,夜间温度无明显差别,日间温度波动更小,减轻了劳动强度,改善了温室环境管控效果,可以为日光温室现代化、智能化改造提供一种快速改造方式,提升设施农业信息化水平.