基于无线传感网的荔枝园智能节水灌溉双向通信和控制系统

为提高水资源利用率和灌溉智能化管理的需要,设计了以无线传感器网络技术为核心的荔枝园节水灌溉控制系统,该系统的无线通信模块选择CC2530模块,传感器模块包括空气温湿度传感器DHT22,光照强度传感器GY-30,土壤水分含量传感器TDR-3以及一些外围电路,精确采集荔枝园温度、湿度、光照度和土壤含水率等多项环境信息,通过无线传感器网络、通用分组无线服务技术(General Packet Radio Service,GPRS)和互联网进行数据的传输,保证了传输的实时性和远程性,实现了对荔枝园环境的实时监控;同时,远程服务器和网站上都对荔枝园的土壤含水率的阈值进行了设定,当土壤含水率的值超过了阈值,服务器或者网站就会自动发送相关命令对相应的电磁阀进行控制,实现双向控制。分析、测试了系统的功耗和通信距离,在空旷地带,节点的双向有效通信距离达1 205 m,在荔枝园中双向有效通信距离达81.5 m。在传感器节点系统工作周期为30 min情况下,根据试验结果估算出,两节额定容量为3 000 m A·h的3.7 V锂电池串联可使传感器节点持续工作时间最大为500 d,可使电磁阀控制节点工作5 a以上。试验结果表明,该系统运行稳定,网络平均丢包率为3.87%,能够准确监测荔枝园信息采集和控制电磁阀工作,实现和控制荔枝园智能节水灌溉双向通信。     

基于WSN的水产养殖监测信息发布系统的设计

无线传感器网络适用于水产养殖环境监测,而监测数据的信息显示和发布是整个系统的重要组成部分。结合水产养殖监测的特点,设计了一种基于WSN的水产养殖监测信息发布系统,其中无线传感器网络部分采用MSP430芯片为控制核心,将各节点的数据采集到汇聚节点;信息显示部分采用LED显示屏,工作人员可直接观察到监测数据。试验结果表明,该系统具有传输速率快、功耗低、可视性好、稳定可靠等优点,对水产养殖的实时监测具有一定的参考价值。     

水稻田农药喷雾分布与雾滴沉积量的试验分析

借助于荧光分光光度计测定出雾滴在水稻某一区域的沉积量，由此获得雾滴沉积量在水稻植株不同层间分布的规律。结果表明：在按距离地面40cm以上、20-40cm之间、5～20cm之间对水稻分层时，层间的雾滴沉积量与水稻的高度成正比。采用Matlab，对试验点上拍摄到的照片进行分析，建立了雾滴沉积量与对应的水稻植株面积间的相互关系。     

不同液态氮肥在小麦上的应用探索

为验证不同叶面肥在小麦上的应用效果,开展了不同种类叶面肥在小麦上的喷施效果试验。本试验采用大田小区试验的方法,在分蘖期和拔节期分别在叶片上喷施不同种类的液态氮肥,以叶面肥的形式对小麦进行补充肥力;拔节期施用的液态肥的种类较齐全,以此次的试验为主。探索小麦施用不同液态氮肥在产量及其构成因素上的差异。试验结果表明：在小麦大田喷施的几种液态肥,除晋开液态肥以外,其它几种液态肥较喷施尿素的效益均有所降低,叶面喷施尿素和晋开液态肥的处理叶片光合作用增强。     

研究充放电暂态过程的保护开关

在研究充放电暂态过程实验中用的是单刀双掷开关,这种开关由充电切换到放电要经过一个断档,这个断档会把电放完,以致得不到放电暂态过程波形。为此,我们设计并制作出了研究充放电暂态过程的保护开关,这种开关在切换过程中没有断档,避免了漏电,从而捕捉到完整的放电暂态过程波形。     

基于双传感器数据融合的土壤湿度测量与建模

为了克服TDR-3土壤湿度传感器所测量的土壤湿度数据受土壤硬度的影响,得到客观的水分/土壤的质量百分比,设计并制作基于TDR-3土壤湿度传感器和土壤硬度计的土壤湿度测量装置。装置标定时,通过逆向烘干法精确计算水分与土壤的质量百分比,进行土壤湿度(c)、土壤硬度(ψ)和TDR-3传感器输出电压(U)三因素正交试验,用Matlab软件进行二元曲线拟合,构建三者间的数学关系。试验表明,融合TDR-3传感器的输出电压和土壤硬度计的硬度数据后,装置可直接测量出土壤水分的质量百分比,与理论含水率的最大误差为4.75%。相对于单纯使用TDR-3土壤湿度传感器测量土壤湿度,装置的测量精度显著提高。对同一土样测量的最大重复性误差为0.83%,模型具有一定的可靠性与鲁棒性。该文可为开发更加精确的土壤湿度传感器提供参考。     

基于物联网和Deep-LSTM的茶树净光合速率动态预测模型

茶树的光合作用是其基本生理过程之一,快速评估其光合作用速率能够为茶树的水分控制提供重要依据。该研究构建了茶树物联网环境信息监测系统,通过设置100%、85%、70%、55%土壤持水量的4组水分胁迫梯度,实现对茶树生长环境和生理参数的采集,建立了茶树水分胁迫指数（Crop Water Stress Index,CWSI）模型以量化茶树的水分胁迫程度,并研究茶树净光合作用速率（Net Photosynthetic Rate,Pn）的变化特点。在此基础上,构建了基于物联网和深度长短期记忆（Deep Long Short-term Memory,Deep-LSTM）的茶树净光合作用速率动态预测模型,将不同水分处理下的茶树生长环境参数、冠层温度和CSWI作为输入特征,构建多层LSTM单元形成深度LSTM网络,实现特征提取,并引入全连接层实现降维,对茶树在不同水分胁迫程度下的Pn进行预测,计算模型的均方根误差（RMSE）和决定系数（R2）以评估其性能表现,并与经典的反向传播神经网络（Back Propagation Neural Network,BPNN）模型进行了性能对比。结果表明,茶树物联网环境信息监测系统能够有效获取其环境参数。茶树冠气温差下限与饱和水汽压差的线性方程拟合度为0.866。Deep-LSTM模型对100%、85%、70%、55%土壤持水量的水分处理下的光合作用速率的预测的RMSE分别为0.304、0.280、0.157和0.160 μmol/m2·s;其R2分别为0.846、0.875、0.893和0.954,而BPNN模型的RMSE分别为0.980、0.897、0.633、0.417 μmol/m2·s,R2分别为0.516、0.355、0.315、0.432,表明Deep-LSTM模型能够有效预测茶树的Pn,同时其性能好于BPNN模型。该研究可为快速评估茶树光合作用速率提供可行的方法,并为利用水分胁迫和光合作用指定茶树亏缺灌溉策略提供数据支持。     

大棚毛豆套种西瓜—秋延后红辣椒栽培技术

总结了以毛豆、西瓜和秋延后红辣椒为主的大棚栽培新模式,详细介绍了茬口安排、品种选择、育苗、田间管理等技术。     

基于CI-600的茶树根系生长监测试验

[目的]研究茶树根系的生长规律.[方法]设计了基于CI-600的茶树根系生长监测试验,采用微根管法监测茶树根系形态的生长数据,花花草草监测仪检测土壤水分,希玛手持式温湿度计记录环境温度,并结合Office Excel和SPSS 25.0进行数据分析,寻找茶树根系生长的最佳土壤水分含量和环境温度条件.[结果]茶树的根数量、根长度、根面积和根体积均与15％～35％的土壤水分存在高度正相关关系.茶树的根数量、根长度、根面积和根体积增长最有利的环境温度在20～27℃.当环境温度在一定范围时,茶树的根数量、根长度、根面积、根体积与环境温度均呈显著正相关.当环境温度在一定范围时,茶树的根数量、根长度、根面积、根体积与环境温度建立的线性回归模型的拟合度均很好,有明显的因果关系.[结论]该研究为茶树的温室培育环境设计提供一定的数据支撑和理论基础.     

基于能量异构双簇头路由算法的水稻田无线传感器网络

针对无线传感器网络分簇结构中簇头节点能量消耗过快而容易死亡的问题,提出了一种适合于水稻田监测的混合天线组网通信的能量异构双簇头分簇路由算法。首先估算全网平均剩余能量确定阈值,根据阈值选择主簇头;然后依据节点向主簇头节点发送应答信号强弱的原则,确定簇成员节点;最后,按照簇内成员节点剩余能量大小,选择一个副簇头。副簇头负责收集并融合簇内其他成员节点的数据,从而减轻主簇头的能量消耗,降低主簇头的死亡概率。采用能量异构网络对本算法进行仿真,网络节点初始总能量的平均值与同构网络节点初始能量相等,结果显示,该算法异构网络相对于LEACH (low-energy adaptive clustering hierarchy) 算法同构网络的稳定周期延长了12.1%。采用无线通信模块nRF905射频芯片和TDJ-0825BKM1定向天线,在水稻田进行混合天线通信试验,测试了定向天线水平覆盖范围;在此基础上的网络模拟试验结果表明,基于该算法的通信网络稳定周期比值相比于LEACH、LEACH-E (LEACH-energy adaptive and uneven cluster)、DEEC (design of energy efficient clustering)、EADC (energy aware data-gathering cluster-heads) 4种算法分别提高了46%、47%、58%、11%。该研究可为大面积水稻田无线传感器网络组网进行环境参数实时监测提供理论参考。