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。     

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.     

基于粒子群算法优化BP神经网络的土壤含水量短期预测模型

为提高土壤含水量预测精度,基于物联网监测数据,提出了粒子群算法(PSO)优化BP神经网络的土壤含水量预测方法。首先应用主成分分析法筛选出影响土壤含水量的关键影响因子,然后构建8-5-1的BP神经网络拓扑结构,应用粒子群算法优化BP神经网络的初始权值和阈值。结果表明:与传统BP神经网络相比,新模型优化了网络结构,避免了陷入局部最优解,具有良好的预测效果;模型的评价指标平均绝对误差、平均绝对百分误差、误差均方根分别为0.259 2、0.010 5和0.135 6,与单一BP神经网络相比,预测精度更高,可满足实际的土壤含水量预测的需要。     

花椒采摘机器人视觉识别与定位求解

针对花椒市场需求量大、采摘困难的现状。笔者设计了自动识别花椒系统,通过对比4种识别算法的性能,采用识别效果最好的K-means聚类算法对花椒果实目标进行提取,针对花椒串生长具有离散性特点提出用平面内质点系模型求出花椒串质心。提出了Otsu算法与K-means算法结合图像相减的方法识别出花椒的结果母枝,然后根据小孔成像的基本原理和凸包理论得出单目视觉的花椒深度信息。最后以到花椒质心最短距离为限定条件确定母枝上采摘点所在的直线段,经过坐标转换求出直线段上采摘点的三维世界坐标。     

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。     

运用Sentinel-1A时序数据和动态时间规整算法提取稻虾田空间分布信息

针对稻虾田水稻移植期的不确定性给稻虾田空间分布信息提取带来的困难,运用SAR VH极化年时序数据、VV极化年时序数据以及调查区稻虾田各自极化的年时序数据通过标准化处理后,进行TWDTW方法(time-weighted dynamic time warping)计算,得到二波段(VH极化、VV极化)与调查区稻虾田年时序数据相似度空间分布栅格数据,再利用最大似然法进行监督分类,得到2016—2018年3年的监利县稻虾田空间分布栅格数据,分类结果与4块区域(龚场镇、福田寺镇、红城乡、白螺镇,面积分别是373.33、2 200.00、126.67、240.00 hm~2)稻虾田实际分布图比较,其Kappa系数分别是0.79、0.80、0.75、0.90,介于0.75～0.90之间,说明运用Sentinel-1A时序数据和动态时间规整算法的提取方法是准确的。由于SAR传感器具有全天侯以及不受云层影响等特点,能定期获取研究区上空数据,相比光学传感器获得无云或者少云数据的不确定性,此方法能在实际操作中运用。     

基于用户评论下的生鲜农产品优选排序

现如今电商市场竞争激烈,众多小型垂直类生鲜电商紧紧围绕在京东商城和天猫超市这两大平台上。用户评论铺天盖地,如何减少消费者搜索和筛选的时间成本显得尤为重要。对于生鲜农产品来说,物流服务满意度是关键因素。以京东商城和天猫超市两大综合类电商平台的生鲜商品为例,采集大量的用户评论,从数据中获取物流服务满意度影响因素进行相关度分析并最终得出6个因素,采用机器学习的方法对大量标注文本进行模型训练,通过训练的模型识别待分类文本的情感倾向,建立基于物流服务满意度的商品排序方法,进一步提出威尔逊置信区间的方法修正物流服务满意度用于评论数量分布不均的情形,最后对这2种算法的应用场景作出分析介绍和对比,使商品排序过程中不仅考虑到商品的物流服务满意度,同时也引入评论数量,通过不同的需求和数据情况生成最符合用户期待的排序结果。     

基于改进杂草算法的温室农场多载AGV调度研究

随着人工劳力成本逐年上升,果蔬产品采摘后及时放置保鲜室存储成为现代化温室农场关注的重要环节之一。针对劳力成本与保鲜及时性问题,将自动导航小车(automatic guided vehicle,简称AGV)应用到农场果蔬搬运,以保证果蔬产品采摘后能尽快得到保鲜。以果蔬产品采摘后至冷库前的时间段长度平均值和完成搬运任务总时间最小作为优化目标,建立多载AGV调度问题的多目标优化模型,将基本杂草算法和改进算法应用到模型的求解。在仿真环境下,验证模型和算法的有效性和科学性,从而为实现温室设施装备自动化提供一种有效方法。     

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。