基于物联网的远程温室视觉监控系统设计与实现

在当前智慧农业的大环境下,农作物生长过程的识别与监控问题一直是一项具有挑战性的任务,基于此提出一种基于物联网的远程温室视觉监控系统,系统通过LoRa无线通信技术监测温室内的温湿度、光照强度等环境参数,能够及时监测到农作物的生长状况,并实现自动通风、自动补光等功能。在PC端的Qt上位机实时监测温室内的环境信息并控制环境参数,通过OV9726摄像头对农作物进行监测,所获得的生长状态信息传输到S3C6410集中控制模块进行处理,结合克隆选择算法和朴素贝叶斯分类器对叶片进行识别处理。本系统采用LoRa模块进行自组网来实现环境监测,将Linux操作系统移植到集中控制模块,为视觉系统软硬件平台的搭建做准备工作,所使用的组合算法能够使得农作物叶片识别率达到95.3%,识别时间达到8.4 ms,对于叶片识别精度等方面有着明显的提升,经过实验充分验证本系统所使用的设备与算法的有效性。     

基于物联网的日光温室环境监测在线校准

[目的]温室环境条件特别是温度对于作物生长和发育具有十分显著的影响。日光温室调控的主要环境因子之一是温度。然而,自然环境下的光照对温度产生作用,影响空气温度的监测精度。大多温度传感要求将传感器置于避光处,然而实际应用中难以保证。[方法]采用机器学习中的支持向量机算法(SVM),对日光温室内的温度智能监测算法进行了研究,根据光照情况对实时监测的温度数据进行校准。[结果]通过与实验测量的数据进行对比分析,结果表明,所提出的监测方法可以较为准确地实时监测空气温度,从而无需使用隔热材料或者遮阳处理,就可以基于监测的数据更精确地对相应的环境因素进行调节。[结论]基于该方法,可采用常用的工业设备实现温室大棚内实时温度数据的监测,既可以节约设备和人力成本,又可以为温室控制提供准确的数据。     

Deep neural network algorithm for estimating maize biomass based on simulated Sentinel 2A vegetation indices and leaf area index

Accurate estimation of biomass is necessary for evaluating crop growth and predicting crop yield.Biomass is also a key trait in increasing grain yield by crop breeding.The aims of this study were(i)to identify the best vegetation indices for estimating maize biomass,(ii)to investigate the relationship between biomass and leaf area index(LAI)at several growth stages,and(iii)to evaluate a biomass model using measured vegetation indices or simulated vegetation indices of Sentinel 2A and LAI using a deep neural network(DNN)algorithm.The results showed that biomass was associated with all vegetation indices.The three-band water index(TBWI)was the best vegetation index for estimating biomass and the corresponding R2,RMSE,and RRMSE were 0.76,2.84 t ha−1,and 38.22%respectively.LAI was highly correlated with biomass(R2=0.89,RMSE=2.27 t ha−1,and RRMSE=30.55%).Estimated biomass based on 15 hyperspectral vegetation indices was in a high agreement with measured biomass using the DNN algorithm(R2=0.83,RMSE=1.96 t ha−1,and RRMSE=26.43%).Biomass estimation accuracy was further increased when LAI was combined with the 15 vegetation indices(R2=0.91,RMSE=1.49 t ha−1,and RRMSE=20.05%).Relationships between the hyperspectral vegetation indices and biomass differed from relationships between simulated Sentinel 2A vegetation indices and biomass.Biomass estimation from the hyperspectral vegetation indices was more accurate than that from the simulated Sentinel 2A vegetation indices(R2=0.87,RMSE=1.84 t ha−1,and RRMSE=24.76%).The DNN algorithm was effective in improving the estimation accuracy of biomass.It provides a guideline for estimating biomass of maize using remote sensing technology and the DNN algorithm in this region.     

重庆市不同规模灌区农灌水有效利用系数测算与对比研究

通过对重庆市不同规模灌区农田灌溉用水有效利用系数计算结果的比较研究,对出现的中型灌区农田灌溉用水有效利用系数大于小型灌区的结果进行合理性分析,并为重庆市农田灌溉用水有效利用系数的进一步提高,提出相关建议,为政府相关部门的科学决策提供参考.综合考虑重庆的地形、气候、土壤等因素.根据选定灌区的实测数据,采用首尾测算法计算2017年重庆市不同规模灌溉农田灌溉水的有效利用系数,采用单因素和主成分分析法,分析影响农田灌溉水有效灌溉系数的主要因素. 1)通过测算, 2017年重庆市中型灌区农田灌溉水有效利用系数为0.499,小型灌区为0.487,推算全市为0.495; 2)在影响农田灌溉水有效利用系数的主要因素中,当地的节水工程和管理状况所占的比例大于自然因素; 3)中型灌区在节水工程的投资、管理和维护等方面均优于小型灌区; 4)自然因素中,降水量对农田灌溉水有效利用系数具有一定的负面影响.     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点,探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像,经过光谱预处理和特征工程后,采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合,基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法,建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve,AUC)分别为0.883 0和0.912 0,分类准确率均超过95%;提取出698和762 nm的特征波长组合,基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率,证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

基于改进蚁群算法的农田平地导航三维路径规划方法

为解决农田平地机无人驾驶作业时缺乏局部规划,进而实现平地路径在线调整的问题,以平地作业土方合理运卸且路径最短为目的,提出了一种基于改进蚁群算法的农田平地导航三维路径规划方法。基于农田三维地势模型,采用改进的蚁群算法规划三维路径：以平地作业土方运载为决策方向,建立新的路径搜索节点,对比平地机作业时平地铲运载土方量和经过栅格计算所需的挖填土方量,根据土方运载任务设置信息素更新规则和启发函数,获取农田平地的最佳三维路径;基于平地机的运动学模型,设置农田平地机转向约束条件,根据约束条件对路径进行平滑优化,并建立三维路径规划的效果评价标准。仿真结果表明：相比于原始蚁群算法,该方法的路径规划效果评价指标提高33.3%以上,可以更好地指导农田平地机实现局部平地任务,而且大大缩短了路径生成时间和路径长度,使路径更为平滑,更适用于辅助农田平地的自动导航作业。     

硬质合金刀片切削力控制器的设计及仿真

针对硬态切削条件下的切削力控制问题,建立了控制模型,使用MATLAB/SIMULINK设计了PID/PD控制器,对径向力的控制效果进行了仿真。结果表明:通过调节进给量能够有效地控制径向切削力变化,同时,能够较好地控制刀具的磨损速率。     

基于无人机遥感影像的玉米冠层温度提取及作物水分胁迫监测

针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对应作物水分胁迫指数（Crop Water Stress Index,CWSI）,通过分析CWSI同土壤含水率相关关系以及CWSI日平均变化趋势来监测玉米水分亏缺状况。结果表明：1）相比于其他方法,Otsu-EXG-Kmeans算法对冠层温度提取精度更高（用户精度为95.9%）,提取的冠层温度更接近实测温度（r=0.788）,可以准确获取图像冠层温度。2）相比于冠层温度,CWSI与土壤含水率的相关性更高（r= -0.738）,CWSI日平均变化趋势更符合实际情况,可更加精确地监测玉米缺水状况。该研究为无人机遥感精准监测作物水分胁迫状况提供参考。     

基于SD-SVD-Burg的玉米叶片铜铅污染甄别与程度诊断

为研究一种快速甄别作物受重金属污染的元素类别和所受污染程度的方法,于2017年设置不同梯度铜(Cu)、铅(Pb)胁迫下的玉米盆栽实验,对玉米的紫谷、绿峰和红边3个光谱特征区间的高光谱数据进行光谱一阶微分和奇异值分解处理,并结合Burg算法绘制功率谱密度曲线,同时利用2014年采集的光谱数据作为验证组检验该模型的稳定性。结果表明:健康玉米叶片与不同浓度Cu、Pb胁迫下玉米叶片光谱信号的功率谱密度曲线的波峰数及波峰坡度均不相同。功率谱曲线平均功率和玉米叶片中Cu、Pb含量的相关系数最高可达0.9958,证明该方法在对玉米进行污染元素种类辨别和污染程度诊断方面具有可行性,不同年份Cu与Pb胁迫下绿峰功率谱曲线平均功率与玉米叶片中Cu、Pb含量的相关系数分别为0.9213和0.9915,进一步验证该算法在玉米Cu、Pb污染诊断方面具有稳定性与普适性。