基于物联网的智能温棚环境监测系统研制

来源 :重庆三峡学院 | 被引量 : 2次 | 上传用户:yun3531
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着近年来物联网与信息传感技术的快速发展,以及我国乡村振兴战略正式提出的发展背景,现代设施农业迎来了新一轮发展浪潮。截止于2018年末,我国温室大棚占地面积为196.37万公顷,占全球80%以上,位居世界第一。总产量虽高,但由于智能化程度不高、管理不便、成本高,致使我国大棚亩产量仅为发达国家的1/8,总体生产效益低。国外温室大棚测控系统由于起步较早,自动化程度较高,但设备系统庞大、直接引进成本高,不适以我国温室种植业现下发展环境。国内近年来有人提出了诸多解决方案,但存在环境感知精度不高、通信距离不足、功耗过高、缺乏智能化控制等问题,都制约着温室大棚的普及性。基于现代物联网技术和设施农业发展背景,针对当前智能温室大棚环境监测系统存在的问题。从弥补不足出发,对温室大棚监测系统进行了优化设计。摒弃了农业领域应用较为广泛的WIFI、GPRS等传统无线通讯技术、亦或单一的WSN(Zig Bee)通信技术。整合NB-Io T蜂窝网络通信与Zig Bee近场通讯技术,设计了现场监测终端与远程云监控平台。本文研究内容主要如下:(1)系统通信方面,提出一种NB-Io T和Zig Bee双协议融合组网技术,结合环形缓冲队列算法组建低功耗广域无线网络。相对于传统wifi、blue、lora等物联网技术,通信覆盖范围更广、功率更低、操作较为便捷,具有优异的鲁棒性。(2)远程监测平台方面,摒弃现阶段较为普遍的C/S结构,接入B/S云监测管理平台。设计使用AJAX异步请求局部刷新技术,Web可对环境监测因子实时动态刷新显示。用户可随时远程查看并管理数据,设置报警阈值等操作。提升了平台实用性与操作舒适性,降低了操作门槛和后期维护成本,便于使用推广。(3)智能控制方面,根据温室大棚环境因子实际变化特点,引入模糊PID控制算法,通过对喷淋灌溉、温度调控等设备进行调节,实现系统闭环反馈控制。给予温棚内作物最佳生长条件,有利于作物的高效生长。(4)电源方面,设计太阳能与电池双电源供电,利用三极管和MOS管的开关特性,实现太阳能供电的同时给电池充电,并且在太阳能断电时与电池进行无缝电源自动切换。保证系统电源供电稳定的情况下,节省了能耗。系统设计完成后,经原型系统测试与重庆市万州区甘宁镇同鑫农业园实地部署运行,在保证系统多节点部署、多参数检测、低功耗工作、广覆盖通信的条件下,仍实现了优良的通信要求,满足系统需求。试验结果证明了现代物联网技术应用于温室大棚环境监控系统的可靠性,为农业大数据建立数据采集和远程通信提供应用基础。设计优化了系统部署,提出了现代农业通信中NB-Io T与Zig Bee相结合以实现高稳定、低功耗、广覆盖的通信方式,克服了现阶段温棚环境监测系统存在的部分弊端。系统获取数据便捷、命令响应及时、通信稳定可靠,可在农业监控等更广阔领域提供技术支持与参考。
其他文献
学位
学位
学位
学位
学位
曲率测量技术在建筑结构健康监测、地球物理、地质灾害监测等领域起着举足轻重的作用。目前,已经有很多种类的光纤曲率传感器,比较常见的有光纤布拉格光栅曲率传感器、长周期光纤光栅曲率传感器、光纤马赫-曾德尔干涉仪曲率传感器等。这些光纤曲率传感器各有优缺点,第一种光纤曲率传感器分辨率高,但是灵敏度较低;第二种光纤曲率传感器灵敏度比前者高,但是对外界环境折射率敏感;第三种光纤曲率传感器灵敏度更高但制作相对困难
我国是水果生产大国,每年各种水果的产量数以千万吨,因此,果业已成为我国农业发展的重点之一。但目前,我国的水果产业,尤其是在水果的识别和分拣阶段,由于对水果的自动识别分类技术并不成熟,往往还是通过人工的方式来完成识别分拣工作,这种方式不仅增加人力成本而且工作效率也不高。但是通过计算机视觉中的卷积神经网络(CNN)这一技术在农业领域中的运用,为解决以上这些问题提供了可能。针对在水果识别分拣过程中存在的
无线传感器网络因其网络可拓展性强、易于维护和自组织等特点成为当今世界重要的技术之一。但无线传感器网络中节点能量的有限性且更换供能模块难度较大,网络的生存时间一直以来是制约无线传感器网络发展的关键,而且在网络通信后期会出现由于部分节点失效死亡导致网络的覆盖范围急速下降的问题,所以如何提高无线传感器节点的能量利用率和减缓后期网络覆盖率急速下降成为近几年来学者们研究的热点之一。针对无线传感器网络中出现的
微小位移传感在诸多领域都起着至关重要的作用,例如结构健康监测领域、滑坡监测以及微观制造领域等。光纤表面等离子体共振(Surface Plasmons Resonance,SPR)传感器作为一种新型的高精度、高灵敏度、抗干扰的光纤传感器,已普遍应用于生物医学、食品安全和化学试剂检测等领域。然而,其在微位移测量方面的研究和应用却十分匮乏,在多维微位移检测方面的应用更是寥寥无几,且目前已提出的光纤SPR
声音无处不在,人听到声音后,不断地有意识地或潜意识地处理和理解这些音频,从而向我们提供有关周围环境的信息。智能环境声音分类是在众多实际应用中不断发展的研究领域。尽管在音频领域(例如语音和音乐)进行了大量研究,但对环境中的声音进行分类的工作相对较少。而利用深度学习对声音图像化处理后的分类还未出现,这就引出了利用卷积神经网络对随着时间而发生的离散声音信号进行分类的研究。本研究是将深度学习技术应用于环境