该课题主要研究内容如下:
1。面向物联网的小麦玉米营养与墒情移动采集终端系统:面向物联网的小麦玉米营养与墒情移动采集系统主要由 3 部分构成:传感器终端,智能移动端和服务器端。采集设备采集墒情数据并通过蓝牙协议将墒情数据上传到智能终端,设备利用蓝牙 4。0 实现了一对多传输, 可以同时测量多点数据,提高了测量效率。智能终端具备分辨率为 1280*720 图像以上的采集能力、具备 4G 和 802。11n 通信能力、具备 GPS/北斗定位能力,能将采集的墒情与图像数据与部署在综合平台的小麦玉米农情监测信息数据库对接,具备实时上传和定时发送到综合 平台数据库服务器的能力。
2。小麦玉米营养诊断模型的建立与研究:图像处理是为存储、传输和表示而对图像数据
进行处理,以便机器自动理解。图像处理按处理对象的不同又分为灰度图像处理和彩色图像处理。在图像处理中,彩色的使用主要是由两个因素推动的:第一,彩色是一个强有力的描绘子,它常常可简化场景中提取的识别目标;第二,人可以辨别几千种彩色色调和亮度,但相比之下只能辨别几十种灰度色调。在该项研究中,研究对象是小麦群体图像信息,相比与灰度图像,彩色图像包含了诸如小麦颜色特征等更多的信息,更适合该研究中通过图像处理技术对小麦生长营养状况的监测。
在图像处理中,常规的处理方法主要有图像归一化、图像压缩、图像增强、图像复原、几何变换、图像分割、图像去噪等。该项研究对小麦群体图像进行处理,目的是过滤图像中的背景等无关信息,并提取小麦的颜色信息以便分析,涉及到的处理方法主要有:图像归一化、图像去噪以及图像分割。
3。基于 BP 人工神经网络的小麦玉米墒情监测与预测系统:基于 BP 人工神经网络的小麦玉米墒情监测与预测系统主要由三个子系统组成:墒情采集与传输子系统、定位子系统和数据综合处理子系统:
(1)墒情采集与传输子系统:墒情采集子系统使用非固定无线传感器,利用先进的蓝牙 4。1 技术实现自组网,该技术不但将传统蓝牙一对一的连结优化,同时也利用星状拓扑来完成一对多点的连结,从而满足终端与多个传感器进行数据传输,终端通过蓝牙接收到传感器网络数据后,利用 4G 网络将数据传输至数据综合处理子系统。同时,为减少采集密度、优化传感器部署,提出一种融合特征距离与信息熵的大田土壤数据聚类的部署模型;
(2)定位子系统:针对现有室外大田环境下定位信号不准确等问题,提出高精度多源定位接入融合方法,融合卫星系统、移动通信网与气压测高技术进行广域室外高精度定位, 利用卫星导航系统和广域移动高速数据传送网协同实现广域室外大田的定位,依托于实验室在国家 863 计划支持下研制成功的 TC-OFDM(Time & Code Division-Orthogonal Frequency Division Multiplexing)系统实现广域室外高精度无缝定位。同时提出一种基于 4G 参数的移动设备位置解算及基于启发式策略和证据推理框架的行为分析方法,并将该技术嵌入到移动采集终端;
(3)数据综合处理子系统:数据综合处理子系统根据当地的气象数据与传感器采集的土壤墒情、土壤温度等数据,进行建模运算,预测墒情并给出灌溉用水量建议,显示在用户终端;
研究基于 BP 人工神经网络的小麦玉米墒情监测与预测系统,主要通过建立 BP 神经网络模型,选择适当的训练队列进行测试,通过测试结果不断反馈训练,减少误差。