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。     

基于无线传感器网络(WSN)的禽舍环境监测系统

针对禽舍环境监测水平低及监测方式落后等问题,提出了基于无线传感器网络的禽舍环境监测系统的设计,利用ZigBee技术将分布在禽舍的传感器节点组成无线传感器网络,及时监测禽舍内的环境因素。设计采用了Jennic公司生产的第二代开发平台JN5139为核心模块,利用温湿度传感器SHT11采集禽舍内的温湿度数据,将采集到的数据通过ZigBee网络发送到LabVIEW编辑的监测平台。模拟测试结果表明:该系统符合低成本、低功耗的要求,组网简单,能够有效准确地监测禽舍内的环境温湿度数据。     

基于遗传算法的农业无线传感器节点部署算法设计

农业无线传感器网络是物联网技术在农业领域的重要应用,农业无线传感器节点的部署是限制其生命周期的重要因素。为了提高农业无线传感器网络节点的检测范围利用率,减少传输数据冗余,延长无线传感器网络的生命周期,在随机部署的基础上提出了一种迭代求解的无线传感器节点部署算法。该算法使用遗传算法优化求解,以覆盖率作为适应函数,利用离散的图形计算实现功能,该算法可以在传感器数量一定的情况下,求得覆盖率较高的部署方案。     

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WSN的水产养殖环境监测系统

将无线传感器网络(WSN)技术引入到环境监测系统的开发中,可有效解决水产养殖工作环境复杂、监测地点分散和布线成本高等问题。所介绍的监测系统以一套无线传感器网络节点来形成获取环境参数的自组织网络,利用一种基于GPRS的远程数据传输系统实现无线传感器网络与远程监控端的通信,并通过监测软件对数据进行接收、观测和存储。实验室和水产养殖基地的测试表明,系统运行稳定,数据真实可信,可对水产养殖环境进行有效监测。     

基于WSN的农业温室环境监控系统

设计了一种基于无线传感器网络的智能化温室环境监控系统,实现了对温室内多个采集节点的温度、湿度以及光照强度的远程监控,并且通过上位机的温室环境监控软件实现了数据的显示与处理。此外,为了更合理地调控温室环境,系统建立了各种环境预测模型,对未来一段时间内温室的环境数据值进行了预测,以避免异常的发生,极大地减小农作物的经济损失。该系统结构设计合理,有良好的可维护性和可扩展性,能够满足温室环境监控的应用需求。     

基于WSN和模糊策略的粮情监控系统设计

针对粮仓中温湿度等被控对象的大滞后及大惯性特点,设计一种基于无线传感器网络的粮情监控系统,采用星型拓扑结构组网,通过在监测区域部署传感器网络节点,将监测数据汇集到中央监控系统,实现统一的数据管理和网络路由监测功能。该系统能够实时监测粮仓中温湿度变化及进行模糊控制,使其获得最佳预期值,实现粮情的自动化控制。试验证明,该系统稳定性好,数据传输可靠性高,通过增加数据采集频率,减少了数据丢包率,该系统使用灵活,适用于不便直接连线粮情监控场合应用。     

基于WSN与GIS技术的森林火灾监测预警研究

针对目前森林火灾监测系统存在的问题,对森林火灾发生与蔓延的预报预测理论与方法进行探讨,提出采用WSN与GIS技术相结合的森林火灾监测系统,该系统可以解决传统监控布点困难、监控任务重、实时性不强的问题。     

基于WSN的茶园土壤信息监测系统设计

为获得实地、大范围和实时监测的茶园土壤信息,设计和开发了WSN(Wireless Sensor Network)的茶园土壤信息监测系统,包括数据采集节点的设计和数据管理中心软件的开发。该系统采用大量数据采集节点组成簇状结构网络,每个簇网络中的采集节点采集到的数据通过簇头到达Sink节点,由Sink节点通过串口通信将数据发送到数据管理中心,为农业科技部门决策提供科学依据。试验结果表明,系统能够实现稳定的数据传输,适合对茶园土壤信息的实时监测。     

基于ZigBee的无线传感器网络研究

ZigBee无线传感器网络是当前国际上备受关注的、由多学科高度交叉的新兴前沿研究热点,其包含了传感器技术、无线通讯技术和嵌入式技术等,具有信息采集、传输和处理的能力,ZigBee无线传感器网络的发展和广泛应用,将对人们的社会生活产生极大的影响,对产业变革产生巨大的推动作用。     

山地柑橘园固定喷药装置的设计与试验

为了解决山地非标准化柑橘园人工施药强度大、人力成本高等问题,提出了利用固定喷雾系统对柑橘园进行施药作业。根据柑橘树的形态特征,研制了与之相适应的固定喷药装置,重点对喷头的布置和固定支架进行了设计,并通过试验验证了固定喷药装置喷药的均匀性。试验结果表明:固定喷药系统喷药均匀性好,具有较好的使用经济性和市场推广应用前景。     

基于LabVIEW的果园开沟深度监测系统的设计与试验

针对开沟作业过程中存在作业深度依靠人工监测准确性低、人工工作量大等问题,研制了一种基于LabVIEW的开沟深度监测系统,配套搭建了单片机下位机系统,实现了开沟深度等参数的实时监测、计算、显示与保存。为了降低作业环境、机具抖动对数据造成的影响,分别采用中值滤波、卡尔曼滤波、小波降噪-卡尔曼滤波3种滤波方法对数据进行滤波修正处理。试验验证表明:系统能够实时监测开沟作业过程中的开沟深度,并实时计算开沟深度平均值、开沟深度标准差、开沟深度稳定、作业时间等参数;对比3种滤波算法,小波降噪-卡尔曼滤波降噪效果最好,能够实现对数据的滤波修正处理,修正后系统准确性较好,能够满足系统设计需求。     

基于工作空间的果园作业平台结构参数优化与试验

为提高果园作业平台的适用性和操作灵活性,根据乔砧密植的纺锤形苹果种植模式确定其目标工作空间,以工作空间尺寸偏差、工作空间体积和平均可操作度描述其可达工作空间性能,分析了平台主要结构参数杆长和关节变量（关节角、连杆偏移）对工作空间性能的影响。建立了以可达工作空间性能和结构紧凑为指标的优化模型,利用遗传算法求解得出最优参数为：杆2和杆4的长度分别为988、879mm,关节1、3的关节角范围分别为[107°,256°]、[-118°,-76°],关节5、6的连杆偏移最大值分别为720、340mm。优化后其可达工作空间尺寸偏差分别减小96.09%、95.60%,体积减小4.69%,平均可操作度增加1.43%。对优化后的果园作业平台进行了实地果园工作空间试验,结果表明：承载质量为65kg、横坡坡度为15°、纵坡坡度为15°时,工作空间尺寸偏差最大,分别为16.2、16.7mm,比原型分别减小93.89%、93.76%。     

基于机器视觉的果园导航中线提取算法研究

为实现果园作业自动化,对基于机器视觉的果园自然情况下的导航路径拟合方法进行了研究。针对果园环境特点,基于HSV色彩模型和最大类间方差法对果园果树树行特征进行了增强。同时,使用Hough变换对果树树行线进行了拟合,并最终获得了相邻两树行的中线作为导航路径。最终试验结果表明:该方法能有效克服行间生草、光照阴影和修剪枯枝的干扰,可提取果园果树树行线并拟合出果园导航中线。     

基于改进YOLO v7轻量化模型的自然果园环境下苹果识别方法

针对自然果园环境下苹果果实识别中,传统的目标检测算法往往很难在检测模型的检测精度、速度和轻量化方面实现平衡,提出了一种基于改进YOLO v7的轻量化苹果检测模型。首先,引入部分卷积（Partial convolution,PConv）替换多分支堆叠模块中的部分常规卷积进行轻量化改进,以降低模型的参数量和计算量;其次,添加轻量化的高效通道注意力（Efficient channel attention,ECA）模块以提高网络的特征提取能力,改善复杂环境下遮挡目标的错检漏检问题;在模型训练过程中采用基于麻雀搜索算法（Sparrow search algorithm,SSA）的学习率优化策略来进一步提高模型的检测精度。试验结果显示：相比于YOLO v7原始模型,改进后模型的精确率、召回率和平均精度分别提高4.15、0.38、1.39个百分点,其参数量和计算量分别降低22.93%和27.41%,在GPU和CPU上检测单幅图像的平均用时分别减少0.003s和0.014s。结果表明,改进后的模型可以实时准确地识别复杂果园环境中的苹果,模型参数量和计算量较小,适合部署于苹果采摘机器人的嵌入式设备上,为实现苹果的无人化智能采摘奠定了基础。     

秋季温室番茄环境因子变化规律研究—基于无线传感网络

环境因子是制约蔬菜产量与品质的关键因素。为了精准指导温室番茄生产管理、探索环境因子变化对其影响,利用无线传感网络(Wireless Sensor Network,WSN)采集了连栋温室番茄在不同生育期、高度、位置下环境因子数据。数据分析发现:不同发育期温湿度变化范围不同,光照强度减弱,光照时间减少,二氧化碳浓度变化延迟;白天,冠层的温度、光照强度比其他高度的大,湿度比其他高度的低,中间层与根部接近,夜间3个高度环境因子相近;不同位置温度由南向北、湿度由北向南呈高到低之势,光照强度和二氧化碳浓度最大差值分别为6 562.5 lux及9 3.7 6×1 0-6。测试结果表明:WSN可为番茄连栋温室环境调控提供参考和决策支持。     

荔枝园智能灌溉决策系统模糊控制器设计与优化

为解决荔枝园灌溉中水资源浪费严重的问题,根据现有装备条件,设计了基于无线传感器网的模糊专家决策系统,并对系统的模糊控制器进行优化以提升系统整体性能。该系统通过网关节点实时接收来自传感器节点采集的荔枝园环境信息,选择土壤实测含水率与预设土壤最佳含水率的误差及其变化率作为决策因子,得出预测灌溉值等决策结果。通过Matlab仿真并进行果园实地试验,分析该系统的有效性。仿真结果表明,该智能灌溉系统能结合荔枝园土壤含水率情况进行适时、适量灌溉,有效实现了经济灌溉,并且优化后的模糊灌溉系统实现了更高的暂态性能、控制精度及抗干扰性,系统响应时间更快。试验结果表明,基于模糊控制器的智能灌溉系统能有效地对荔枝园灌溉进行控制,使荔枝园土壤含水率维持在17.8%左右,符合荔枝树的生长环境;同时,基于优化后的模糊控制器的智能灌溉系统将荔枝园土壤含水率平均值控制在17.6%,更接近系统预设的荔枝园土壤最佳含水率17%,并且具有更高的控制精度、更强的抗干扰性与实用性。     

土壤不同频率无线地下传感器网络信号传播特性试验

为探究土壤环境中无线地下传感器网络节点部署要求、信号传输及其应用环境的特性,分别以240、433和868 MHz为载波频率,研究了无线信道下地上至地下、地下至地上和地下至地下3种通信方式中无线射频信号的传播特性和节点埋藏深度、水平节点间距离以及土壤含水率等影响因素之间的关系,获得了接收信号强度、误码率等数据,并进行了统计分析。试验结果表明,节点埋藏深度和土壤含水率对AG-UG和UG-AG通信中RSSI和BER影响的24种模型拟合优度,R2最大为0.997,最小为0.910。水平节点间距离和土壤含水率对UG-UG通信中RSSI和BER影响的12种模型拟合优度,R2最大为0.971,最小为0.866。此外,建立了433 MHz频率下RSSI变化的三维曲面,可直观反映土壤环境下无线信号的传播特性,并采用SPSS软件对模型进行了验证。AG-UG和UG-AG通信中,拟合优度R2最小为0.954,最大为0.998,均方根误差RMSE在0.729~3.198 d Bm之间。UG-UG通信中,拟合优度R2最小为0.854,最大为0.960。均方根误差RMSE在3.238~6.553 d Bm之间。验证试验结果表明,该模型可以较好地预测不同条件通信中的接收信号强度,为土壤环境中无线地下传感器网络的部署和系统的建立提供了技术支持。     

基于色调分形维数的柑橘糖度和有效酸度检

研究了宫川温州蜜柑糖度及有效酸度的机器视觉检测技术及影响检测精度的因素.对机器视觉系统采集的柑橘图像进行图像裁切、亮度法去图像背景和RGB空间至HSI空间的转换,将柑橘色调范围分割为0°～20°、20°～40°、40°～60°、60°～80°、80°～100°和100°～120°共6个区域,提取各区域色调分形维数,以此作为BP神经网络输入,无损检测宫川温州蜜柑糖度及有效酸度.167个测试样本的检测结果表明:在±1.5°Brix精度范围内糖度正确识别率为66.6175%,在±0.5精度范围内有效酸度正确识别率为73.9275%.宫川温州蜜柑糖度及有效酸度与果皮色调分形维数之间具有相关性,可用机器视觉检测其糖度及有效酸度.     

基于YOLO v7-ST-ASFF的复杂果园环境下苹果成熟度检测方法

针对复杂果园环境下目标检测算法参数量大、鲁棒性差等问题,本文提出一种改进的YOLO v7网络模型用于苹果成熟度（未成熟、半成熟、成熟）检测。以YOLO v7为基线网络,在特征提取结构中引入窗口多头自注意力机制（Swin transformer,ST）,极大地降低网络参数量与计算量;为提高模型对远景图像中小目标的检测能力,在特征融合结构中引入自适应空间特征融合（Adaptively spatial feature fusion,ASFF）模块优化Head部分,有效利用图像的浅层特征和深层特征,加强特征尺度不变性;采用WIoU（Wise intersection over union）代替原始CIoU（Complete intersection over union）损失函数,在提高检测准确率的同时加快模型收敛速度。试验结果表明,本文改进的YOLO v7-ST-ASFF模型在苹果图像测试集上的检测速度和准确率均有显著提高,不同成熟度检测精确率、召回率和平均精度均值可达92.5%、84.2%和93.6%,均优于Faster R-CNN、SSD、YOLO v3、YOLO v5、YOLO v7以及YOLO v8目标检测模型;针对多目标、单目标、顺光、逆光、远景、近景以及套袋、未套袋苹果目标的检测效果都较好;本文网络模型内存占用量为53.4MB,模型平均检测时间（Average detection time,ADT）为45.ms,均优于其他目标检测模型。改进的YOLO v7-ST-ASFF模型能够满足复杂果园环境下苹果目标的检测,可为果蔬机器人自动化采摘提供技术支撑。