无线传感器网络在现代农业中的应用

阐述了无线传感器网络在现代农业中应用的优势、研究现状、应用前景以及应用时需注意的关键问题。     

Continuous Monitoring of Visible and Near-Infrared Band Reflectance from a Rice Paddy for Determining Nitrogen Uptake Using Digital Cameras

Abstract

A two-band digital imaging system —one band for the visible red band (RED, 630?670 nm) and the other for the near infrared band (NIR, 820?900 nm)— was devised and positioned at a height of 12 m above a rice field of 300 m² in area during the 2007 growing season. The imaging system automatically logged bird’seye view images at 10-min intervals from 0800?1600 every day. Radiometric corrections for the pairs of two-band images were done using solar irradiance sensors and preceding calibrations to calculate daily band-reflectance and the normalized difference vegetation index (NDVI) values for 9 plots of rice plants, with 3 levels of planting density and basal fertilization. The daily- averaged reflectance values in the RED and the NIR bands showed different but smooth seasonal changing patterns according to the growth of plants. At the maximum tiller number and the panicle formation stages, the RED and NIR reflectance values had correlation coefficients (r) of 0.79 and 0.81 with above-ground nitrogen absorption per unit land area (NA, g m-²), respectively, whereas the NDVI using the two band reflectance values showed r-value of -0.13. An empirically derived equation for the NA using two band reflectance values showed r-value of 0.96 and a root mean square of error (RMSE) 0.5 g m^–2 (10% of the mean observed NA) in the estimation for the original (not validated) data set acquired at the maximum tiller number and the panicle formation stages. The results indicated that reflectance observation in the RED and NIR bands using the digital imaging system was potentially effective for assessing rice growth.     

基于高速摄像系统的精密排种器性能检测试验

运用高速摄像系统对精密排种器的种子排种过程进行图像采集,将采集的图像进行背景去除、滤波、锐化、二值化等图像处理,提出了根据种子面积和质心位置特征值检测精密排种器性能的方法。在不同的工作参数下对排种精度和播种均匀性进行试验分析。试验结果表明：高速摄像检测和人工检测的排种合格指数相对误差小于1%,变异系数误差小于3%,此方法的检测精度满足精密排种器性能检测要求。     

烤烟烟叶石油醚提取物与感官舒适度的关系

为了研究卷烟感官质量与烟叶石油醚提取物之间的相互关系,以烤烟为研究对象,运用相关分析和广义可加模型分析方法对两者之间的关系进行了分析.结果表明,石油醚提取物对口腔感受、喉部感受和余味整体感受均呈负面效应,且达到显著水平.也即石油醚提取物与卷烟感官口腔尖刺、口腔毛刺、喉部呛刺、喉部尖刺、鼻腔感受、干燥感均呈显著负相关,但是与卷烟劲头呈显著的正相关关系.因此,在卷烟配方设计中,可以考虑选择石油醚提取物含量适宜的原料以保证卷烟的感官质量.     

基于机器视觉的智能种子分选机设计

针对目前市场上种子分选装置多以传统机械式、半自动式为主,智能化程度不高、分拣准确率较低的问题,基于机器视觉技术设计一种智能种子分选机,主要由传输系统、供料系统、图像采集系统、种子筛选系统和控制系统五大部分构成。以‘郑丹958’玉米种子为研究对象,以种子气流下斜抛的水平距离和传送带传输速度为寻优条件进行试验,确定最优气泵压力值和控制器脉冲频率。对960个种子样本（优质、劣质种子分别为824和136 个）通过目标检测模型进行质量识别,判别种子质量,对种子状态进行标注框选和坐标记录。使用PLC（SIMATIC S7-200 CN,CPU224XP）分选模块控制直动式电磁阀组,对种子进行分选试验。结果表明：1）最优组合气泵压力值为0.3 MPa,控制器脉冲频率为3 175 Hz。2）优质、劣质种子识别率分别为93.69%和91.91%,种子分选率为89.6%。该分选机能够有效满足种子分选要求。     

作物茎秆膨胀收缩监测柔性可穿戴传感器研制与试验

作物茎秆膨胀和收缩变化与其水分状态密切相关,实时监测茎秆的膨胀和收缩变化能够及时掌握作物水分状态,对指导灌溉、提高农业水资源利用率具有重要意义。目前,对于作物茎秆膨胀和收缩变化的监测主要采用基于线性微位移测量原理的传感器,通过测量茎秆的膨胀和收缩引起的位移变化来反映水分状态,存在体积大、价格高、安装不便等问题。为此,该研究提出了一种基于压阻效应的柔性可穿戴传感器,采用柔性压力电极作为传感元件,贴附在作物茎秆表面,通过监测茎秆膨胀和收缩引起的压力变化来反映作物的水分状态,压力检测电路和数据采集电路将作物茎秆的压力信号转换成电信号进行输出和存储。首先在实验室环境下对传感器性能进行测试和标定,然后在温室环境下将传感器安装在番茄茎秆上观测番茄茎秆的压力变化,并与线性微位移传感器观测结果进行比较,最后在充分灌溉和水分亏缺2种条件下观测番茄茎秆的膨胀和收缩变化。结果表明,柔性压力传感器稳定性测试的平均相对变化率为0.109%;弯折前后引起的输出变化非常小,可以忽略不计;标定结果的决定系数大于0.99,最合适的工作压力范围为2～100 kPa;实验室环境下,柔性压力传感器与线性微位移传感器输出值之间的决定系数为0.9551;温室环境下,充分灌溉组中柔性压力传感器与线性微位移传感器输出值变化趋势一致,两者之间的决定系数为0.7672,亏缺灌溉组中两类传感器输出值均因水分亏缺而呈现下降趋势,输出值之间的决定系数为0.8519。本文所设计的柔性可穿戴压力传感器不仅能够实时监测番茄茎秆的膨胀和收缩变化,还可以对番茄亏水胁迫进行诊断,为实现高效节水灌溉提供重要的技术支撑。     

传感器在农业采摘机器人中的应用

作为智能机器人的一种,农业采摘机器人是机器人技术应用的典范.与工业机器人相比较,农业采摘机器人工作环境的特殊性、非结构性,对农业采摘机器人的智能程度提出了更高的要求.为此,针对农业采摘机器人工作特性,叙述了传感器在农业采摘机器人中所起的作用,分析了农业采摘机器人传感器选取的方法,介绍了多传感器信息融合技术在采摘机器人中的应用,为农业采摘机器人智能传感器的选取与研究提供了依据.     

基于嗅觉和光谱技术融合的面粉脂肪酸值定量检测

提出了一种基于比色传感器数据和近红外光谱特征融合的储藏期面粉脂肪酸值的定量检测方法.开发比色传感器阵列、搭建便携式近红外光谱测量系统,分别采集不同储藏期面粉样本的比色传感器数据和近红外光谱.利用主成分分析分别对预处理后的比色传感器数据和近红外光谱数据进行特征降维,采用五折交互验证法在反向传播神经网络(BPNN)模型校正...     

可穿戴设备部署位置对羊只行为识别的影响与分析

羊只的行为状态能够直接反映其健康状况及所处的生理阶段,为实现自动化的羊只行为识别,以圈养的小尾寒羊为试验对象,构建一个基于加速度传感器的可穿戴式行为监测装置。利用MPU9250为核心的九轴姿态传感器采集羊只静止、行走和进食的行为信息,并将传感器分别部署在羊只颈部、背部靠近前腿处、前腿和后腿四个不同的位置。对于采集的数据,利用去噪和降维进行预处理,并分别利用k-means和SVM进行分类识别。k-means均值聚类算法对颈部处的行为识别准确率最高,为79.34%,SVM支持向量机算法对颈部处的行为识别准确率最高,为92.63%。SVM算法用于羊只行为识别的整体准确率高于k-means,且传感器部署在羊只颈部时在不同识别方法下,识别效率均优于其他部位。研究结果对于构建自动化的羊只行为检测系统具有重要的现实意义。     

基于宽域氧传感器的发动机空燃比测试系统设计

为了实现发动机电子控制系统对空燃比的精确反馈控制和方便对发动机进行诊断等用途,在熟悉宽域氧传感器工作原理的基础上,设计了空燃比采集显示系统和PC监控系统。并对测试系统的输出电压和混合气的过量空气系数的对应关系进行了试验标定,最后在发动机试验台架上该测试系统进行了试验验证。结果表明该系统灵敏度高、响应时间短（100 ms）,采集数据显示直观,可用于发动机空燃比闭环控制和车载自动诊断系统（OBD）等的开发。