CN106359023A - 一种基于物联网的农业灌溉系统 - Google Patents
一种基于物联网的农业灌溉系统 Download PDFInfo
- Publication number
- CN106359023A CN106359023A CN201610819209.XA CN201610819209A CN106359023A CN 106359023 A CN106359023 A CN 106359023A CN 201610819209 A CN201610819209 A CN 201610819209A CN 106359023 A CN106359023 A CN 106359023A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- module
- represent
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003973 irrigation Methods 0.000 title claims abstract description 61
- 230000002262 irrigation Effects 0.000 title claims abstract description 61
- 238000004891 communication Methods 0.000 claims abstract description 62
- 239000002689 soil Substances 0.000 claims abstract description 26
- 238000005286 illumination Methods 0.000 claims abstract description 15
- 230000010365 information processing Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 46
- 239000013598 vector Substances 0.000 claims description 46
- 238000001228 spectrum Methods 0.000 claims description 33
- 230000009466 transformation Effects 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 28
- 238000005070 sampling Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 21
- 238000002156 mixing Methods 0.000 claims description 20
- 230000001360 synchronised effect Effects 0.000 claims description 18
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 244000037666 field crops Species 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 9
- 230000006872 improvement Effects 0.000 claims description 8
- 238000011065 in-situ storage Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 230000005428 wave function Effects 0.000 claims description 3
- 238000012271 agricultural production Methods 0.000 abstract description 4
- 238000009313 farming Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- NCGICGYLBXGBGN-UHFFFAOYSA-N 3-morpholin-4-yl-1-oxa-3-azonia-2-azanidacyclopent-3-en-5-imine;hydrochloride Chemical compound Cl.[N-]1OC(=N)C=[N+]1N1CCOCC1 NCGICGYLBXGBGN-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
- A01G25/167—Control by humidity of the soil itself or of devices simulating soil or of the atmosphere; Soil humidity sensors
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Soil Sciences (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种基于物联网的农业灌溉系统,控制终端模块用于远程控制信息采集模块和灌溉机,所述控制终端模块通过通讯模块与信息采集模块连接,所述信息采集模块用于采集土壤以及空气信息,所述信息采集模块包括温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器,所述信息采集模块与信息处理模块连接,所述控制终端模块通过通讯模块与灌溉机连接。该基于物联网的农业灌溉系统,可以根据农户要求结合现场实现喷灌机的启停和远程无线启停以及喷灌机信息管理,该系统分布于所监控的农业灌溉区域每一个灌溉设备点,实现农业灌溉的集中化远程管理调度,节省农户务农时间,提高农业生产效率。
Description
技术领域
本发明属于农业灌溉技术领域,具体涉及一种基于物联网的农业灌溉系统。
背景技术
在我国东部地区,尤其是沿海地区已经实现大面积土地种植,并且大部分农田完成膜下滴灌改造工程。但此类灌溉设备均分布在距离相对较远的种植区,分布区域不仅广而且较为零散。长期以来,农业灌溉一直处于人工管理阶段,这种管理方式费时费力,显然已经不能满足大生产模式的要求。又由于农户到灌溉设备地点受地形、天气、交通等复杂的环境状况影响,不能及时进行农业灌溉作业,灌溉作业时尽管配备大量的人员进行巡井,但不能在定量上及时了解灌溉情况以及灌溉设备的运行情况。
目前,推进互联网农业生产中,围绕农业“一区一镇”建设,重点推进农业物联网示范工程,积极探索可持续发展的农业物联网应用模式,加快RFID电子标签、远程监控、无线传感监测、二维码等现代信息技术推广应用,积极推进物联网在现代生态循环农业发展中的应用,集成推广智能控温、控水、控肥、控病、控湿等智能手段,到2020年,建成100个可借鉴的农业物联网示范点。
目前一些用于农业灌溉的自动化系统,对于土地以及当时的气候了解不详,本不该灌溉却进行灌溉,造成了资源的浪费,不利于节省农户的时间,降低了生产的效率;而且智能化程度不高,控制的数据误差大。
发明内容
本发明的目的在于提供一种基于物联网的农业灌溉系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于物联网的农业灌溉系统,包括控制终端模块、通讯模块、信息处理模块、信息采集模块和田间检测模块;所述控制终端模块用于远程控制信息采集模块和灌溉机,所述控制终端模块通过通讯模块与信息采集模块连接;所述信息采集模块用于采集土壤以及空气信息;
所述信息采集模块包括温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器,所述温度传感器用于采集外界的温度参数,所述土壤水分传感器用于采集土壤的水分参数,所述光照强度传感器用于采集光照强度参数,所述空气湿度传感器用于采集空气的湿度参数,所述信息采集模块与信息处理模块连接;
所述信息处理模块用于处理信息采集模块所采集的参数,所述控制终端模块通过通讯模块与灌溉机连接;所述田间检测模块用于检测和获取田间作物的信息;
所述田间检测模块通过通讯模块与控制终端模块连接。
进一步,所述控制终端模块包括电脑、手机应用服务器、通讯服务器和路由器,所述通信服务器与路由器信号连接,所述手机与通信服务器信号连接,所述应用服务器与通信服务器信号来接,所述电脑与应用服务器信号连接。
进一步,所述通讯模块包括无线通讯模块和有线通讯模块;所述无线通讯模块和有线通讯模块均用于控制终端模块、信息处理模块、信息采集模块三者相互信号的传输。
所述田间检测模块包括RFID电子标签、激光编码扫描仪、红外线摄像头、田间现场检测仪;
所述的RFID电子标签安装在RFID电子标签标牌上,RFID电子标签标牌安装在田间杆塔上;所述RFID电子标签用于标示和储存田间作物的信息;
所述激光编码扫描仪扫描RFID电子标签后通过通讯模块将数据发送至控制终端模块;
所述红外线摄像头采用铰接式安装在田间杆塔上,用于采集田间作物图像信息,并通过通讯模块将数据发送至控制终端模块;
所述田间现场检测仪通过支架安装在田间土壤上面,用于检测田间作物生长过程中的信息,并通过通讯模块将数据发送至控制终端模块;
所述田间现场检测仪设置有信号接收模块和信号发送模块,所述信号接收模块通过信号连接信号发送模块。
进一步,所述灌溉机设置有调频电机;所述调频电机设置有跳频混合信号调整模块和同步正交跳频信号盲源分离模块;所述跳频混合信号调整模块和同步正交跳频信号盲源分离模块均通过通讯模块与控制终端模块连接;
所述跳频混合信号调整模块用于对跳频混合信号时频域矩阵进行预处理;
所述同步正交跳频信号盲源分离模块用于对同步正交跳频信号进行盲源分离。
进一步,对跳频混合信号时频域矩阵进行预处理方法包括:
第一步,对进行去低能量预处理,即在每一采样时刻p,将幅值小于门限ε的值置0,得到门限ε的设定可根据接收信号的平均能量来确定;
第二步,找出p时刻(p=0,1,2,…P-1)非零的时频域数据,用表示,其中表示p时刻时频响应非0时对应的频率索引,对这些非零数据归一化预处理,得到预处理后的向量b(p,q)=[b1(p,q),b2(p,q),…,bM(p,q)]T,其中
进一步,对同步正交跳频信号进行盲源分离方法包括:
(A),利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号
(B),对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵 其中P表示总的窗数,Nfft表示FFT变换长度;
(C),对步骤(B)中得到的跳频混合信号时频域矩阵进行预处理;
(D),利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率;在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;对所有求均值并取整,得到源信号个数的估计即:
找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
(E),根据步骤(D)估计得到的归一化混合矩阵列向量估计时频域跳频源信号;
(F),对不同跳频点之间的时频域跳频源信号进行拼接;估计第l跳对应的个入射角度,用表示第l跳第n个源信号对应的入射角度,的计算公式如下:
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素,c表示光速,即vc=3×108米/秒;判断第l(l=2,3,…)跳估计的源信号与第一跳估计的源信号之间的对应关系,判断公式如下:
其中mn (l)表示第l跳估计的第mn (l)个信号与第一跳估计的第n个信号属于同一个源信号;将不同跳频点估计到的属于同一个源信号的信号拼接在一起,作为最终的时频域源信号估计,用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值,p=0,1,2,....,P,q=0,1,2,...,Nfft-1,即:
(G),根据源信号时频域估计值,恢复时域跳频源信号;
在步骤(B)中,(p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数,也就是说采用的是重叠加窗的短时傅里叶变换。
进一步,所述信号接收模块的信号接收方法包括:
根据接收信号的特征谱确定决策平面;
判断接收信号的通信信道是否呈现准用静态变换特性;
在所述通信信道呈现准用静态变换特性时,利用支持向量机方法在所述决策平面中选出决策边界;
在通信信道没有呈现准用静态变换特性时,利用模糊聚类方法在所述决策平面中选出决策边界;
根据所述决策边界对接收到的信号进行检测;
所述根据接收信号的特征谱确定决策平面包括:
对接收信号的离散信号向量进行线性变换得到酉变换矩阵;
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱;
从所述能量特征谱中获取决策平面;
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括:
对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵,得到接收信号的能量特征谱;
从所述能量特征谱中获取决策平面包括:
根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量;
按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量;
所述接收信号的离散信号向量通过奈奎斯特定律采样得到,并且采样长度涵盖接收信号的预定比例能量;
在从所述能量特征谱中获取决策平面之前,所述方法还包括:
对所述能量特征谱进行滑动平均处理;
进一步,所述提取的特征向量方法具体包括以下步骤:
获取信号,通过传感器采集数据并对信号进行放大处理;
信号进行分段处理;即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数,通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断:若有则往下执行步骤小波包去噪,否者,跳到执行获取信号;
小波包去噪;即利用改进小波包算法对采集的信号进行去噪;
小波包分解与重构;即利用改进小波包算法对采集的信号进行小波包分解与重构,得到单子带重构信号;
提取信号特征参数;即从重构的单子带信号里提取:时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数;
组成特征向量,即利用主成分分析方法,从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量,并将这些特征向量输入到支持向量机进行决策判断,即第二层决策判断,根据支持向量机的输出判断是否有泄漏发生。
进一步,所述小波包去噪和小波包分解与重构包括:
信号延拓,对小波包分解的各层信号进行抛物线延拓;
设信号数据为x(a),x(a+1),x(a+2),则延拓算子E的表达式为:
消去单子带多余频率成分;
将延拓后的信号与分解低通滤波器h0卷积,得到低频系数,然后经过HF-cut-IF算子处理,去掉多余的频率成分,再进行下采样,得到下一层的低频系数;将延拓后的信号与分解高通滤波器g0卷积,得到高频系数,然后经过LF-cut-IF算子处理,去掉多余的频率成分,再进行下采样,得到下一层高频系数,HF-cut-IF算子如式(2)所示,LF-cut-IF算子如式(3)所示;
在(2)、(3)式中,x(n)为在2j尺度上小波包的系数,Nj表示在2j尺度上数据的长度,
单子带信号重构:
将得到的高、低频系数进行上采样,然后分别与高通重建滤波器g1和低通重建滤波器h1卷积,将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理,得到单子带重构信号。
进一步,所述对接收信号的离散信号向量进行线性变换得到酉变换矩阵中,
对接收信号s(t)进行非线性变换,按如下公式进行:
其中A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过该非线性变换后得到变换矩阵:
本发明提供的基于物联网的农业灌溉系统,通过温度传感器感知气温的高低,通过土壤水分传感器可以感知土壤的水分含量,通过光照强度传感器可以感知光照如何,通过空气湿度传感器可以感知空气的湿度情况,将这些参数输送给信息处理模块,综合考虑土壤以及当时的气候情况,采取是否进行喷灌,可以根据农户要求结合现场实现喷灌机的启停和远程无线启停以及喷灌机信息管理,该系统分布于所监控的农业灌溉区域每一个灌溉设备点,实现农业灌溉的集中化远程管理调度,节省农户务农时间,提高农业生产效率;
本发明的信号接收方法和信号处理方法均对基于物联网的农业灌溉系统的智能化控制和准确的数据控制提供了保障;本发明所述田间检测模块设置RFID电子标签、激光编码扫描仪、红外线摄像头均能准确的了解田间农作物更换种植品种信息,及时了解农作物水分因素对农作物影响的情况,田间检测仪表可及时了解由病除害因素对农作物硬性的情况。
附图说明
图1为本发明实施例提供的基于物联网的农业灌溉系统示意图。
图中:1、控制终端模块;2、通讯模块;3、信息处理模块;4、信息采集模块;5、田间检测模块;6、灌溉机。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了如图1所示:
本发明实施例提供的基于物联网的农业灌溉系统,包括控制终端模块1、通讯模块2、信息处理模块3、信息采集模块4和田间检测模块5;所述控制终端模块1用于远程控制信息采集模块和灌溉机6,所述控制终端模块通过通讯模块2与信息采集模块4连接;
所述信息采集模块4用于采集土壤以及空气信息,所述信息采集模块包括温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器,所述温度传感器用于采集外界的温度参数,所述土壤水分传感器用于采集土壤的水分参数,所述光照强度传感器用于采集光照强度参数,所述空气湿度传感器用于采集空气的湿度参数;
所述信息采集模块4与信息处理模块3连接,所述信息处理模块用于处理信息采集模块所采集的参数,所述控制终端模块通过通讯模块与灌溉机连接;
所述田间检测模块5通过通讯模块2与控制终端模块1连接。
进一步地,所述控制终端模块包括电脑、手机应用服务器、通讯服务器和路由器,所述通信服务器与路由器信号连接,所述手机与通信服务器信号连接,所述应用服务器与通信服务器信号来接,所述电脑与应用服务器信号连接。
进一步地,所述通讯模块包括无线通讯模块和有线通讯模块。所述无线通讯模块和有线通讯模块均用于控制终端模块、信息处理模块、信息采集模块三者相互信号的传输。
所述田间检测模块包括RFID电子标签、激光编码扫描仪、红外线摄像头、田间现场检测仪;
所述的RFID电子标签安装在RFID电子标签标牌上,RFID电子标签标牌安装在田间杆塔上;所述RFID电子标签用于标示和储存田间作物的信息;
所述激光编码扫描仪扫描RFID电子标签后通过通讯模块将数据发送至控制终端模块;
所述红外线摄像头采用铰接式安装在田间杆塔上,用于采集田间作物图像信息,并通过通讯模块将数据发送至控制终端模块;
所述田间现场检测仪通过支架安装在田间土壤上面,用于检测田间作物生长过程中的信息,并通过通讯模块将数据发送至控制终端模块;
所述田间现场检测仪设置有信号接收模块和信号发送模块,所述信号接收模块通过信号连接信号发送模块。
进一步,所述灌溉机设置有调频电机;所述调频电机设置有跳频混合信号调整模块和同步正交跳频信号盲源分离模块;所述跳频混合信号调整模块和同步正交跳频信号盲源分离模块均通过通讯模块与控制终端模块连接;
所述跳频混合信号调整模块用于对跳频混合信号时频域矩阵进行预处理;
所述同步正交跳频信号盲源分离模块用于对同步正交跳频信号进行盲源分离。
进一步,对跳频混合信号时频域矩阵进行预处理方法包括:
第一步,对进行去低能量预处理,即在每一采样时刻p,将幅值小于门限ε的值置0,得到门限ε的设定可根据接收信号的平均能量来确定;
第二步,找出p时刻(p=0,1,2,…P-1)非零的时频域数据,用表示,其中表示p时刻时频响应非0时对应的频率索引,对这些非零数据归一化预处理,得到预处理后的向量b(p,q)=[b1(p,q),b2(p,q),…,bM(p,q)]T,其中
进一步,对同步正交跳频信号进行盲源分离方法包括:
(A),利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号
(B),对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵 其中P表示总的窗数,Nfft表示FFT变换长度;
(C),对步骤(B)中得到的跳频混合信号时频域矩阵进行预处理;
(D),利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率;在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;对所有求均值并取整,得到源信号个数的估计即:
找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
(E),根据步骤(D)估计得到的归一化混合矩阵列向量估计时频域跳频源信号;
(F),对不同跳频点之间的时频域跳频源信号进行拼接;估计第l跳对应的个入射角度,用表示第l跳第n个源信号对应的入射角度,的计算公式如下:
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素,c表示光速,即vc=3×108米/秒;判断第l(l=2,3,…)跳估计的源信号与第一跳估计的源信号之间的对应关系,判断公式如下:
其中mn (l)表示第l跳估计的第mn (l)个信号与第一跳估计的第n个信号属于同一个源信号;将不同跳频点估计到的属于同一个源信号的信号拼接在一起,作为最终的时频域源信号估计,用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值,p=0,1,2,....,P,q=0,1,2,...,Nfft-1,即:
(G),根据源信号时频域估计值,恢复时域跳频源信号;
在步骤(B)中,(p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数,也就是说采用的是重叠加窗的短时傅里叶变换。
进一步,所述信号接收模块的信号接收方法包括:
根据接收信号的特征谱确定决策平面;
判断接收信号的通信信道是否呈现准用静态变换特性;
在所述通信信道呈现准用静态变换特性时,利用支持向量机方法在所述决策平面中选出决策边界;
在通信信道没有呈现准用静态变换特性时,利用模糊聚类方法在所述决策平面中选出决策边界;
根据所述决策边界对接收到的信号进行检测;
所述根据接收信号的特征谱确定决策平面包括:
对接收信号的离散信号向量进行线性变换得到酉变换矩阵;
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱;
从所述能量特征谱中获取决策平面;
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括:
对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵,得到接收信号的能量特征谱;
从所述能量特征谱中获取决策平面包括:
根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量;
按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量;
所述接收信号的离散信号向量通过奈奎斯特定律采样得到,并且采样长度涵盖接收信号的预定比例能量;
在从所述能量特征谱中获取决策平面之前,所述方法还包括:
对所述能量特征谱进行滑动平均处理;
进一步,所述提取的特征向量方法具体包括以下步骤:
获取信号,通过传感器采集数据并对信号进行放大处理;
信号进行分段处理;即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数,通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断:若有则往下执行步骤小波包去噪,否者,跳到执行获取信号;
小波包去噪;即利用改进小波包算法对采集的信号进行去噪;
小波包分解与重构;即利用改进小波包算法对采集的信号进行小波包分解与重构,得到单子带重构信号;
提取信号特征参数;即从重构的单子带信号里提取:时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数;
组成特征向量,即利用主成分分析方法,从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量,并将这些特征向量输入到支持向量机进行决策判断,即第二层决策判断,根据支持向量机的输出判断是否有泄漏发生。
进一步,所述小波包去噪和小波包分解与重构包括:
信号延拓,对小波包分解的各层信号进行抛物线延拓;
设信号数据为x(a),x(a+1),x(a+2),则延拓算子E的表达式为:
消去单子带多余频率成分;
将延拓后的信号与分解低通滤波器h0卷积,得到低频系数,然后经过HF-cut-IF算子处理,去掉多余的频率成分,再进行下采样,得到下一层的低频系数;将延拓后的信号与分解高通滤波器g0卷积,得到高频系数,然后经过LF-cut-IF算子处理,去掉多余的频率成分,再进行下采样,得到下一层高频系数,HF-cut-IF算子如式(2)所示,LF-cut-IF算子如式(3)所示;
在(2)、(3)式中,x(n)为在2j尺度上小波包的系数,Nj表示在2j尺度上数据的长度,
单子带信号重构:
将得到的高、低频系数进行上采样,然后分别与高通重建滤波器g1和低通重建滤波器h1卷积,将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理,得到单子带重构信号。
进一步,所述对接收信号的离散信号向量进行线性变换得到酉变换矩阵中,
对接收信号s(t)进行非线性变换,按如下公式进行:
其中A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过该非线性变换后得到变换矩阵:
该基于物联网的农业灌溉系统,通过温度传感器感知气温的高低,通过土壤水分传感器可以感知土壤的水分含量,通过光照强度传感器可以感知光照如何,通过空气湿度传感器可以感知空气的湿度情况,将这些参数输送给信息处理模块,综合考虑土壤以及当时的气候情况,采取是否进行喷灌,可以根据农户要求结合现场实现喷灌机的启停和远程无线启停以及喷灌机信息管理,该系统分布于所监控的农业灌溉区域每一个灌溉设备点,实现农业灌溉的集中化远程管理调度,节省农户务农时间,提高农业生产效率。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于物联网的农业灌溉系统,包括控制终端模块、通讯模块、信息处理模块和信息采集模块,其特征在于,所述基于物联网的农业灌溉系统还包括田间检测模块;
所述控制终端模块用于远程控制信息采集模块和灌溉机,所述控制终端模块通过通讯模块与信息采集模块连接;
所述信息采集模块用于采集土壤以及空气信息;
所述信息采集模块与信息处理模块连接,所述信息处理模块用于处理信息采集模块所采集的参数,所述控制终端模块通过通讯模块与灌溉机连接;
所述田间检测模块用于检测和获取田间作物的信息,所述田间检测模块通过通讯模块与控制终端模块连接。
2.如权利要求1所述的基于物联网的农业灌溉系统,其特征在于,所述控制终端模块包括电脑、手机应用服务器、通讯服务器和路由器;所述通信服务器与路由器信号连接;所述手机与通信服务器信号连接;所述应用服务器与通信服务器信号连接;所述电脑与应用服务器信号连接;
所述通讯模块包括无线通讯模块和有线通讯模块;所述无线通讯模块和有线通讯模块均用于控制终端模块、信息处理模块、信息采集模块三者相互信号的传输;
所述信息采集模块包括温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器;所述温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器均与信息处理模块连接;
所述温度传感器用于采集外界的温度参数;所述土壤水分传感器用于采集土壤的水分参数;所述光照强度传感器用于采集光照强度参数;所述空气湿度传感器用于采集空气的湿度参数。
3.如权利要求1所述的基于物联网的农业灌溉系统,其特征在于,所述田间检测模块包括RFID电子标签、激光编码扫描仪、红外线摄像头、田间现场检测仪;
所述的RFID电子标签安装在RFID电子标签标牌上,RFID电子标签标牌安装在田间杆塔上;所述RFID电子标签用于标示和储存田间作物的信息;
所述激光编码扫描仪扫描RFID电子标签后通过通讯模块将数据发送至控制终端模块;
所述红外线摄像头采用铰接式安装在田间杆塔上,用于采集田间作物图像信息,并通过通讯模块将数据发送至控制终端模块;
所述田间现场检测仪通过支架安装在田间土壤上面,用于检测田间作物生长过程中的信息,并通过通讯模块将数据发送至控制终端模块;
所述田间现场检测仪设置有信号接收模块和信号发送模块,所述信号接收模块通过信号连接信号发送模块。
4.如权利要求1所述的基于物联网的农业灌溉系统,其特征在于,所述灌溉机设置有调频电机;所述调频电机设置有跳频混合信号调整模块和同步正交跳频信号盲源分离模块;所述跳频混合信号调整模块和同步正交跳频信号盲源分离模块均通过通讯模块与控制终端模块连接;
所述跳频混合信号调整模块用于对跳频混合信号时频域矩阵进行预处理;
所述同步正交跳频信号盲源分离模块用于对同步正交跳频信号进行盲源分离。
5.如权利要求4所述的基于物联网的农业灌溉系统,其特征在于,对跳频混合信号时频域矩阵进行预处理方法包括:
第一步,对进行去低能量预处理,即在每一采样时刻p,将幅值小于门限ε的值置0,得到门限ε的设定可根据接收信号的平均能量来确定;
第二步,找出p时刻(p=0,1,2,…P-1)非零的时频域数据,用表示,其中表示p时刻时频响应非0时对应的频率索引,对这些非零数据归一化预处理,得到预处理后的向量b(p,q)=[b1(p,q),b2(p,q),…,bM(p,q)]T,其中
6.如权利要求4所述的基于物联网的农业灌溉系统,其特征在于,
对同步正交跳频信号进行盲源分离方法包括:
(A),利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号m=1,2,…,M;
(B),对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵p=0,1,…,P-1,q=0,1,…,Nfft-1,其中P表示总的窗数,Nfft表示FFT变换长度;
(C),对步骤(B)中得到的跳频混合信号时频域矩阵进行预处理;
(D),利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率;在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;对所有求均值并取整,得到源信号个数的估计即:
找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
(E),根据步骤(D)估计得到的归一化混合矩阵列向量估计时频域跳频源信号;
(F),对不同跳频点之间的时频域跳频源信号进行拼接;估计第l跳对应的个入射角度,用表示第l跳第n个源信号对应的入射角度,的计算公式如下:
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素,c表示光速,即vc=3×108米/秒;判断第l(l=2,3,…)跳估计的源信号与第一跳估计的源信号之间的对应关系,判断公式如下:
其中mn (l)表示第l跳估计的第mn (l)个信号与第一跳估计的第n个信号属于同一个源信号;将不同跳频点估计到的属于同一个源信号的信号拼接在一起,作为最终的时频域源信号估计,用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值,p=0,1,2,....,P,q=0,1,2,...,Nfft-1,即:
(G),根据源信号时频域估计值,恢复时域跳频源信号;
在步骤(B)中,(p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数,也就是说采用的是重叠加窗的短时傅里叶变换。
7.如权利要求3所述的基于物联网的农业灌溉系统,其特征在于,所述信号接收模块的信号接收方法包括:
根据接收信号的特征谱确定决策平面;
判断接收信号的通信信道是否呈现准用静态变换特性;
在所述通信信道呈现准用静态变换特性时,利用支持向量机方法在所述决策平面中选出决策边界;
在通信信道没有呈现准用静态变换特性时,利用模糊聚类方法在所述决策平面中选出决策边界;
根据所述决策边界对接收到的信号进行检测;
所述根据接收信号的特征谱确定决策平面包括:
对接收信号的离散信号向量进行线性变换得到酉变换矩阵;
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱;
从所述能量特征谱中获取决策平面;
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括:
对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵,得到接收信号的能量特征谱;
从所述能量特征谱中获取决策平面包括:
根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量;
按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量;
所述接收信号的离散信号向量通过奈奎斯特定律采样得到,并且采样长度涵盖接收信号的预定比例能量;
在从所述能量特征谱中获取决策平面之前,所述方法还包括:
对所述能量特征谱进行滑动平均处理。
8.如权利要求7所述的基于物联网的农业灌溉系统,其特征在于,所述提取的特征向量方法具体包括以下步骤:
获取信号,通过传感器采集数据并对信号进行放大处理;
信号进行分段处理;即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数,通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断:若有则往下执行步骤小波包去噪,否者,跳到执行获取信号;
小波包去噪;即利用改进小波包算法对采集的信号进行去噪;
小波包分解与重构;即利用改进小波包算法对采集的信号进行小波包分解与重构,得到单子带重构信号;
提取信号特征参数;即从重构的单子带信号里提取:时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数;
组成特征向量,即利用主成分分析方法,从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量,并将这些特征向量输入到支持向量机进行决策判断,即第二层决策判断,根据支持向量机的输出判断是否有泄漏发生。
9.如权利要求8所述的基于物联网的农业灌溉系统,其特征在于,所述小波包去噪和小波包分解与重构包括:
信号延拓,对小波包分解的各层信号进行抛物线延拓;
设信号数据为x(a),x(a+1),x(a+2),则延拓算子E的表达式为:
消去单子带多余频率成分;
将延拓后的信号与分解低通滤波器h0卷积,得到低频系数,然后经过HF-cut-IF算子处理,去掉多余的频率成分,再进行下采样,得到下一层的低频系数;将延拓后的信号与分解高通滤波器g0卷积,得到高频系数,然后经过LF-cut-IF算子处理,去掉多余的频率成分,再进行下采样,得到下一层高频系数,HF-cut-IF算子如式(2)所示,LF-cut-IF算子如式(3)所示;
在(2)、(3)式中,x(n)为在2j尺度上小波包的系数,Nj表示在2j尺度上数据的长度,k=0,1,…,Nj-1;n=0,1,…,Nj-1;
单子带信号重构:
将得到的高、低频系数进行上采样,然后分别与高通重建滤波器g1和低通重建滤波器h1卷积,将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理,得到单子带重构信号。
10.如权利要求7所述的基于物联网的农业灌溉系统,其特征在于,所述对接收信号的离散信号向量进行线性变换得到酉变换矩阵中,
对接收信号s(t)进行非线性变换,按如下公式进行:
其中A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过该非线性变换后得到变换矩阵:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610819209.XA CN106359023A (zh) | 2016-09-13 | 2016-09-13 | 一种基于物联网的农业灌溉系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610819209.XA CN106359023A (zh) | 2016-09-13 | 2016-09-13 | 一种基于物联网的农业灌溉系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106359023A true CN106359023A (zh) | 2017-02-01 |
Family
ID=57896809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610819209.XA Pending CN106359023A (zh) | 2016-09-13 | 2016-09-13 | 一种基于物联网的农业灌溉系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106359023A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106857199A (zh) * | 2017-03-01 | 2017-06-20 | 深圳春沐源农业科技有限公司 | 一种无线远程灌溉方法及系统 |
CN106908628A (zh) * | 2017-03-01 | 2017-06-30 | 杨慧桐 | 一种具有绝缘防滑垫的高灵敏万用表 |
CN106959374A (zh) * | 2017-03-17 | 2017-07-18 | 贵州省煤炭产品质量监督检验院 | 一种基于物联网的送检煤自取检测控制系统 |
CN107079800A (zh) * | 2017-06-23 | 2017-08-22 | 重庆市农业科学院 | 一种屋顶绿化装置 |
CN107102593A (zh) * | 2017-06-21 | 2017-08-29 | 武汉万千无限科技有限公司 | 一种基于计算机互联网技术的智能远程视频监控控制系统 |
CN107147849A (zh) * | 2017-05-25 | 2017-09-08 | 潍坊科技学院 | 一种摄影设备的控制方法 |
CN107155161A (zh) * | 2017-05-02 | 2017-09-12 | 贝尔顺(中国)科技股份有限公司 | 一种骨传导耳机助听控制系统及控制方法 |
CN107181870A (zh) * | 2017-06-08 | 2017-09-19 | 武汉梦之蓝科技有限公司 | 一种基于移动终端的无土草坪垂直绿化控制系统 |
CN107173184A (zh) * | 2017-05-25 | 2017-09-19 | 河南嘉禾智慧农业科技有限公司 | 一种智能化农业灌溉系统及方法 |
CN107317596A (zh) * | 2017-06-05 | 2017-11-03 | 菏泽学院 | 一种基于互联网的数字无线电通信线路控制系统 |
CN107550471A (zh) * | 2017-04-05 | 2018-01-09 | 李霄艳 | 一种消化内科上消化道出血护理系统 |
CN107894252A (zh) * | 2017-11-14 | 2018-04-10 | 江苏科沃纺织有限公司 | 一种实时监测地埋伸缩式喷滴灌装置运行状态的监控系统 |
CN107948458A (zh) * | 2017-11-02 | 2018-04-20 | 东莞理工学院 | 一种视觉检测控制方法及系统 |
CN108289205A (zh) * | 2018-02-09 | 2018-07-17 | 唐堂 | 一种模拟光合作用中的数据信息采集系统 |
CN108322534A (zh) * | 2018-01-31 | 2018-07-24 | 孙凌杰 | 一种智能配电变压器运行工况的实时监测系统 |
WO2018188030A1 (zh) * | 2017-04-13 | 2018-10-18 | 九尊城网络科技(深圳)有限公司 | 智能型植物护理系统及方法 |
WO2018188034A1 (zh) * | 2017-04-13 | 2018-10-18 | 九尊城网络科技(深圳)有限公司 | 基于移动终端的智慧型植物护理系统及方法 |
WO2018188033A1 (zh) * | 2017-04-13 | 2018-10-18 | 九尊城网络科技(深圳)有限公司 | 基于移动终端的智能型植物护理系统及方法 |
CN108939220A (zh) * | 2018-06-25 | 2018-12-07 | 张建刚 | 一种多功能内分泌疾病用定位注射装置 |
CN109042258A (zh) * | 2018-09-20 | 2018-12-21 | 谢结苟 | 一种基于物联网的水利灌溉系统 |
CN109188977A (zh) * | 2018-09-25 | 2019-01-11 | 湖北民族学院 | 一种茶园除草设备及控制方法 |
CN109240381A (zh) * | 2018-09-21 | 2019-01-18 | 广西鸿光农牧有限公司 | 一种基于互联网的养鸡场环境管理系统及方法 |
CN109581897A (zh) * | 2018-12-17 | 2019-04-05 | 四川省农业科学院农业信息与农村经济研究所 | 一种基于物联网的农业大棚数据处理分析系统 |
CN110333737A (zh) * | 2019-07-05 | 2019-10-15 | 湖北理工学院 | 一种用于农药喷洒的喷洒效率高的无人机控制系统及方法 |
CN111273591A (zh) * | 2020-03-18 | 2020-06-12 | 嘉应学院 | 一种基于物联网的智能化农业浇灌系统 |
CN114617059A (zh) * | 2022-04-14 | 2022-06-14 | 北京金晟达生物电子科技有限公司 | 一种螺旋塔的培育控制系统和控制方法 |
CN117643256A (zh) * | 2024-01-05 | 2024-03-05 | 东华大学 | 基于漏损水的灌溉方法、装置、设备以及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4693419A (en) * | 1981-11-02 | 1987-09-15 | Water Sentry, Inc. | Automatic control apparatus and method for sprinkling water over a predetermined area |
CN104429832A (zh) * | 2014-11-11 | 2015-03-25 | 陈志雄 | 基于智能移动终端的无线远程灌溉系统及方法 |
CN104521700A (zh) * | 2014-12-02 | 2015-04-22 | 苏州立瓷电子技术有限公司 | 一种基于rfid的自动灌溉系统 |
CN104663369A (zh) * | 2015-03-20 | 2015-06-03 | 贵州大学 | 一种智能灌溉系统 |
CN105532381A (zh) * | 2015-12-21 | 2016-05-04 | 梁建国 | 一种利用手机app软件远程调控的农业种植环境智能调节装置 |
-
2016
- 2016-09-13 CN CN201610819209.XA patent/CN106359023A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4693419A (en) * | 1981-11-02 | 1987-09-15 | Water Sentry, Inc. | Automatic control apparatus and method for sprinkling water over a predetermined area |
CN104429832A (zh) * | 2014-11-11 | 2015-03-25 | 陈志雄 | 基于智能移动终端的无线远程灌溉系统及方法 |
CN104521700A (zh) * | 2014-12-02 | 2015-04-22 | 苏州立瓷电子技术有限公司 | 一种基于rfid的自动灌溉系统 |
CN104663369A (zh) * | 2015-03-20 | 2015-06-03 | 贵州大学 | 一种智能灌溉系统 |
CN105532381A (zh) * | 2015-12-21 | 2016-05-04 | 梁建国 | 一种利用手机app软件远程调控的农业种植环境智能调节装置 |
Non-Patent Citations (3)
Title |
---|
刘永: "基于时频分析的跳频盲抗干扰技术研究", 《四川理工学院学报(自然科学版)》 * |
杨阳,李辉,万坚,戴旭初: "一种自适应盲分离跳频信号的方法", 《通信技术》 * |
赵俊,张朝阳,赖利峰,曹千芊等: "一种基于时频分析的跳频信号参数盲估计方法", 《电路与系统学报》 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908628A (zh) * | 2017-03-01 | 2017-06-30 | 杨慧桐 | 一种具有绝缘防滑垫的高灵敏万用表 |
CN106857199A (zh) * | 2017-03-01 | 2017-06-20 | 深圳春沐源农业科技有限公司 | 一种无线远程灌溉方法及系统 |
CN106959374A (zh) * | 2017-03-17 | 2017-07-18 | 贵州省煤炭产品质量监督检验院 | 一种基于物联网的送检煤自取检测控制系统 |
CN107550471A (zh) * | 2017-04-05 | 2018-01-09 | 李霄艳 | 一种消化内科上消化道出血护理系统 |
WO2018188033A1 (zh) * | 2017-04-13 | 2018-10-18 | 九尊城网络科技(深圳)有限公司 | 基于移动终端的智能型植物护理系统及方法 |
WO2018188030A1 (zh) * | 2017-04-13 | 2018-10-18 | 九尊城网络科技(深圳)有限公司 | 智能型植物护理系统及方法 |
WO2018188034A1 (zh) * | 2017-04-13 | 2018-10-18 | 九尊城网络科技(深圳)有限公司 | 基于移动终端的智慧型植物护理系统及方法 |
CN107155161A (zh) * | 2017-05-02 | 2017-09-12 | 贝尔顺(中国)科技股份有限公司 | 一种骨传导耳机助听控制系统及控制方法 |
CN107147849A (zh) * | 2017-05-25 | 2017-09-08 | 潍坊科技学院 | 一种摄影设备的控制方法 |
CN107173184A (zh) * | 2017-05-25 | 2017-09-19 | 河南嘉禾智慧农业科技有限公司 | 一种智能化农业灌溉系统及方法 |
CN107317596A (zh) * | 2017-06-05 | 2017-11-03 | 菏泽学院 | 一种基于互联网的数字无线电通信线路控制系统 |
CN107181870A (zh) * | 2017-06-08 | 2017-09-19 | 武汉梦之蓝科技有限公司 | 一种基于移动终端的无土草坪垂直绿化控制系统 |
CN107102593A (zh) * | 2017-06-21 | 2017-08-29 | 武汉万千无限科技有限公司 | 一种基于计算机互联网技术的智能远程视频监控控制系统 |
CN107079800A (zh) * | 2017-06-23 | 2017-08-22 | 重庆市农业科学院 | 一种屋顶绿化装置 |
CN107948458A (zh) * | 2017-11-02 | 2018-04-20 | 东莞理工学院 | 一种视觉检测控制方法及系统 |
CN107894252A (zh) * | 2017-11-14 | 2018-04-10 | 江苏科沃纺织有限公司 | 一种实时监测地埋伸缩式喷滴灌装置运行状态的监控系统 |
CN108322534A (zh) * | 2018-01-31 | 2018-07-24 | 孙凌杰 | 一种智能配电变压器运行工况的实时监测系统 |
CN108289205A (zh) * | 2018-02-09 | 2018-07-17 | 唐堂 | 一种模拟光合作用中的数据信息采集系统 |
CN108939220A (zh) * | 2018-06-25 | 2018-12-07 | 张建刚 | 一种多功能内分泌疾病用定位注射装置 |
CN109042258B (zh) * | 2018-09-20 | 2021-07-23 | 山东锋士信息技术有限公司 | 一种基于物联网的水利灌溉系统 |
CN109042258A (zh) * | 2018-09-20 | 2018-12-21 | 谢结苟 | 一种基于物联网的水利灌溉系统 |
CN109240381A (zh) * | 2018-09-21 | 2019-01-18 | 广西鸿光农牧有限公司 | 一种基于互联网的养鸡场环境管理系统及方法 |
CN109188977A (zh) * | 2018-09-25 | 2019-01-11 | 湖北民族学院 | 一种茶园除草设备及控制方法 |
CN109581897A (zh) * | 2018-12-17 | 2019-04-05 | 四川省农业科学院农业信息与农村经济研究所 | 一种基于物联网的农业大棚数据处理分析系统 |
CN110333737A (zh) * | 2019-07-05 | 2019-10-15 | 湖北理工学院 | 一种用于农药喷洒的喷洒效率高的无人机控制系统及方法 |
CN111273591A (zh) * | 2020-03-18 | 2020-06-12 | 嘉应学院 | 一种基于物联网的智能化农业浇灌系统 |
CN111273591B (zh) * | 2020-03-18 | 2021-01-05 | 嘉应学院 | 一种基于物联网的智能化农业浇灌系统 |
CN114617059A (zh) * | 2022-04-14 | 2022-06-14 | 北京金晟达生物电子科技有限公司 | 一种螺旋塔的培育控制系统和控制方法 |
CN114617059B (zh) * | 2022-04-14 | 2024-02-27 | 北京金晟达生物电子科技有限公司 | 一种螺旋塔的培育控制系统和控制方法 |
CN117643256A (zh) * | 2024-01-05 | 2024-03-05 | 东华大学 | 基于漏损水的灌溉方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106359023A (zh) | 一种基于物联网的农业灌溉系统 | |
CN105993183A (zh) | 用于在无线电网络的配置中使用功能图协助的方法和工具 | |
CN106792808A (zh) | 一种基于信道状态信息的室内环境下视距路径识别方法 | |
CN107102593A (zh) | 一种基于计算机互联网技术的智能远程视频监控控制系统 | |
CN105680905B (zh) | 一种适用于任意调制度的fm、pm信号载波捕获方法 | |
CN102571230A (zh) | 基于高阶统计量与信噪比盲估计的分布式协同信号识别方法 | |
CN103441777B (zh) | 一种星载扩频接收机及其提高载波捕获精度的方法 | |
CN104393939A (zh) | 一种网格化无线电监测方法及系统 | |
CN108038419A (zh) | 基于Wi-Fi的室内人员被动检测方法 | |
CN102568171A (zh) | 一种用于测量田间农作物土壤墒情的可控无线传输仪 | |
CN110138468B (zh) | 多节点软件无线电平台的Lora信号监测系统及方法 | |
CN106483920A (zh) | 一种基于物联网的水处理综合自动化一体控制系统 | |
CN107181870A (zh) | 一种基于移动终端的无土草坪垂直绿化控制系统 | |
CN106793085A (zh) | 基于正态假设检验的指纹定位方法 | |
CN111709329A (zh) | 一种基于深度学习的无人机测控信号高速识别方法 | |
CN103684524A (zh) | 一种基于uwb通信信号的目标识别方法 | |
CN105721080A (zh) | 一种频谱感知方法及装置 | |
CN106373018A (zh) | 一种用于魔芋种植的互联网管理系统 | |
CN110187653A (zh) | 一种基于LoRa分层传输的农作物病虫害监测系统及操作方法 | |
CN202019456U (zh) | 天馈线性能优化系统 | |
CN117056708A (zh) | 一种基于多尺度特征融合和cnn-lstm的ais信号识别方法 | |
Riaz et al. | Deep learning-based framework for multi-fault diagnosis in self-healing cellular networks | |
CN106250853A (zh) | 基于聚类与粒子群重构星座图的信号识别方法与系统 | |
CN114089091A (zh) | 基于非接触式传感器的输电线路在线监控方法及系统 | |
CN204461495U (zh) | 一种农田环境监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170201 |
|
RJ01 | Rejection of invention patent application after publication |