CN107087253A - 一种智能红豆杉种子识别控制系统及控制方法 - Google Patents

一种智能红豆杉种子识别控制系统及控制方法 Download PDF

Info

Publication number
CN107087253A
CN107087253A CN201710443691.6A CN201710443691A CN107087253A CN 107087253 A CN107087253 A CN 107087253A CN 201710443691 A CN201710443691 A CN 201710443691A CN 107087253 A CN107087253 A CN 107087253A
Authority
CN
China
Prior art keywords
mrow
msub
node
mover
mtd
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.)
Granted
Application number
CN201710443691.6A
Other languages
English (en)
Other versions
CN107087253B (zh
Inventor
张艳杰
鲁顺保
徐燕
赵玉皓
刘玉槐
严月
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Normal University
Original Assignee
Jiangxi Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangxi Normal University filed Critical Jiangxi Normal University
Priority to CN201710443691.6A priority Critical patent/CN107087253B/zh
Publication of CN107087253A publication Critical patent/CN107087253A/zh
Application granted granted Critical
Publication of CN107087253B publication Critical patent/CN107087253B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/10—Integrity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/713—Spread spectrum techniques using frequency hopping
    • H04B1/7136—Arrangements for generation of hop frequencies, e.g. using a bank of frequency sources, using continuous tuning or using a transform
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/713—Spread spectrum techniques using frequency hopping
    • H04B1/7143—Arrangements for generation of hop patterns
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/02—Amplitude-modulated carrier systems, e.g. using on-off keying; Single sideband or vestigial sideband modulation
    • H04L27/06—Demodulator circuits; Receiver circuits
    • H04L27/066—Carrier recovery circuits
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/60—Digital content management, e.g. content distribution
    • H04L2209/608—Watermarking
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于自动化检测技术领域，公开了一种智能红豆杉种子识别控制系统及控制方法，智能红豆杉种子识别控制系统包括RFID标签，RFID标签的内部镶嵌安装有GPS芯片，GPS芯片通过无线收发器与外部无线网络无线连接；无线网络与检测系统电连接，检测系统上安装有控制面板显示屏，控制面板显示屏的信号输出端分别连接有运算器和存储器。该智能红豆杉种子识别控制系统能够有效的对种子出厂以及配送信息进行甄别，并通过检测系统对种子内容进行检查该系统具有识别精度高、针对性强，适合于特殊环境中对植物等目标物识别的点。

Description

一种智能红豆杉种子识别控制系统及控制方法
技术领域
本发明属于自动化检测技术领域，尤其涉及一种智能红豆杉种子识别控制系统及控制方法。
背景技术
目前，种子品种识别方法以田间检验为主，种子的识别是一个非常重要的调查内容，几乎所有的农林业调查中都有种子识别，传统的种子识别是通过具有一定专业背景的技术人员，或者对植物类型熟悉的专业人员进行识别，对于人员的专业性要求很高。但在野外调查的时候，专业人员不一定都在现场进行指导。
综上所述，现有技术存在的问题是：传统的种子识别是通过具有一定专业背景的技术人员，或者对植物类型熟悉的专业人员进行识别，对于人员的专业性要求很高。但在野外调查的时候，专业人员不一定都在现场进行指导。
发明内容
针对现有技术存在的问题，本发明提供了一种智能红豆杉种子识别控制系统及控制方法。
本发明提供的智能红豆杉种子识别控制系统，该智能红豆杉种子识别控制系统包括RFID标签，RFID标签的内部镶嵌安装有GPS芯片，GPS芯片通过无线收发器与外部无线网络无线连接；
所述GPS芯片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、跳频频率时，包括以下步骤：
第一步，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；
第二步，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；
第三步，对所有求均值并取整，得到源信号个数的估计即
第四步，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；
第五步，根据第二步中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；
第六步，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：
无线网络与检测系统电连接，检测系统上安装有控制面板显示屏，控制面板显示屏的信号输出端分别连接有运算器和存储器；
所述检测系统对接收到的时频重叠MASK信号计算循环双谱的对角切片谱，并截取其在f＝0的截面按以下进行：
时频重叠MASK的信号模型表示为：
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，其表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数，Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位。
MASK信号的循环双谱的对角切片谱表示为：
其中，y(t)表示MASK信号，α是y(t)的循环频率，fc表示信号的载波频率，T是信号的码元周期，k为整数，Ca,3表示随机序列a的三阶累积量，δ()是冲激函数，P(f)是成型脉冲函数，表达式为：
对循环双谱的对角切片谱取f＝0截面得到：
对于MASK信号，其循环双谱的对角切片谱的f＝0截面，在α＝fc(仅考虑α＞0的情况)处存在峰值，并携有信号的载频信息；由于循环双谱的对角切片谱满足线性叠加性，则时频重叠MASK信号循环双谱的对角切片谱的表达式为：
其中，是常数，与第i个信号分量的调制方式有关，Ti是第i个信号分量的码元周期。
截取其在f＝0的截面:
以上看出，对于时频混叠信号循环双谱的对角切片谱的f＝0，在α＝fc处存在峰值，并携有信号的载频信息；
所述无线网络，其特征在于，所述基于数字水印与能量均衡的无线传感器网络路由方法包括以下步骤：
步骤一，无线传感器网络节点部署：无线传感器网络工作区域中包括1个源节点N，1个目的节点Sink和n个中间节点B＝{B1,B2,L,Bn}。其中，源节点N负责生成含水印数据包，目的节点Sink负责接收数据包，中间节点B＝{B1,B2,L,Bn}负责将源节点N生成的含水印数据包传输到目的节点Sink，每个中间节点包括能量、安全度及位置三个属性，其中第i个中间节点的属性分别记为能量Ei∈[0,0.2]，安全度Si∈[0,10]及位置(xi,yi)；
步骤二，生成含水印数据包：首先源节点N生成原始数据包data＝{data1,data2,L,datai,L,data8}，其中第i个数据项datai由28位二进制序列组成；然后生成32位原始水印序列w＝{w1,w2,L wi,L,w8}，其中第i个水印项wi由4位二进制序列组成；再次，将第i个水印项wi追加到第i个数据项datai后，得到32位的第i个含水印数据项wdatai，最后重复这一过程直到得到含水印数据包wdata＝{wdata1,wdata2,L,wdatai,L,wdata8}，i＝1,2,…8；
步骤三，选择邻居节点；具体包括：
选定源节点N作为当前节点，记为U；
按照下式，计算当前节点U到目的节点Sink的距离dUSink：
其中(xU,yU)为当前节点U的位置，(xSink,ySink)为目的节点Sink的位置；
根据公式TR＝πR2计算当前节点U的传输范围TR，并将当前节点U传输范围TR内的所有中间节点作为候选邻居节点，得到候选邻居节点集合BM＝{BM 1,BM 2,L,BM i,L,BM m}，其中π为圆周率3.14，R为当前节点U的传输半径，即当前节点U能够传输数据的最大距离；
按照下式，计算第i个候选邻居节点BM i到目的节点Sink的距离di并将其与当前节点U到目的节点Sink的距离dUSink进行比较，
如果di＜dUSink，则将第i个候选邻居节点BM i作为邻居节点放入邻居节点集合BH中，其中(xi,yi)为候选邻居节点BM i的位置，i＝1,2,…m，(xSink,ySink)为目的节点Sink的位置；直到处理完候选邻居节点集合BM＝{BM 1,BM 2,L,BM i,L,BM m}中的所有候选邻居节点，得到邻居节点集合BH＝{BH 1,BH 2,L,BH i,L,BH h}；
步骤四，转发含水印数据包；具体包括：
按照下式，计算第i个邻居节点BH i的质量评估度Mi：
其中，Di表示第i个邻居节点BH i到目的节点Sink的距离，Ei表示第i个邻居节点BH i的能量，Si表示第i个邻居节点BH i的安全度，i＝1,2,…h，α，β，γ为常数，取值范围为[0,10]；直到计算完邻居节点集合BH＝{BH 1,BH 2,L,BH i,L,BH h}中的所有节点的质量评估度M＝{M1,M2,L,Mi,L,Mh}；
对质量评估度M＝{M1,M2,L,Mi,L,Mh}进行排序，将质量评估度最小的邻居节点选为下一跳节点，接收由当前节点U转发的含水印数据包wdata，并将该下一跳节点记录到数据转发节点集合C中；
将下一跳节点作为当前节点U，至将含水印数据包wdata发送到目的节点Sink，得到接收数据包rdata＝{rdata1,rdata2,L,rdatai,L,rdata8}与数据转发节点集合C＝{C1,C2,L,Ci,L,Cr}；
步骤五，水印提取和检测；目的节点Sink依次从接收数据包rdata＝{rdata1,rdata2,L,rdatai,L,rdata8}中截取第i个数据项rdatai的后四位，得到32位的接收水印序列rw＝{rw1,rw2,L,rwi,L,rw8}，其中第i个接收水印项rwi由4位二进制序列组成，i＝1,2,…8；按照下式，计算接收水印序列rw＝{rw1,rw2,L,rwi,L,rw8}与原始水印序列w＝{w1,w2,Lwi,L,w8}是的误差，其中表示异或操作，
如果err等于0，说明数据包接收正确；反之，如果err不等于0，说明数据包遭受篡改，按照下式，依次修改由步骤(4d)得到的数据转发节点集合C＝{C1,C2,L,Ci,L,Cr}中各个节点的安全度，
其中，Si与Si′分别为第i个数据转发节点Ci的当前安全度与修改后的安全度。
步骤六，重复步骤二～步骤五，直到无线传感器网络中任一中间节点找不到满足条件的下一跳节点进行数据包转发时终止。
进一步，所述ID标签通过网口、1394口、USB口、485接口或RS232接口与GPS芯片连接。
进一步，所述RFID标签包括控制电路；
与控制电路连接的调制电路；
与控制电路连接的解调电路；
与控制电路连接的电容；
与电容连接的低功耗LED指示灯；
电容存储读写器发出的电磁波能量，并向低功耗LED指示灯供电；
所述的低功耗LED指示灯出光为绿色LED。
一种智能红豆杉种子识别控制方法包括以下步骤：
步骤一、从种子生产商领取带有RFID标签的种子物品，在包装、出厂、清点过程中通过读写器对每一步的操作内容导入RFID标签中；
步骤二、在RFID标签中装入GPS芯片，并通过无线收发器与外部网络无线连接，实现对种子物品各个环节的实时定位；
步骤三、对接收的种子信息进行核实、验收，在实验室通过检测系统对种子内部信息进行核对；
步骤四、控制面板显示屏幕将运算器所运算的结果通过控制面板显示屏幕显示出来，供工作人员进行参考，运算的结果通过储存器进行存储。
进一步，在步骤四中，镜头对准被识别植物，数码相机获得被识别植物的图像，所获得的图像通过颜色提取器和轮廓提取器获取图像的矢量图形，该矢量图形在控制面板显示屏幕上显示，并通过存储器将矢量图进行储存，由运算器运算获得图像的特征编码，通过运算器运算与存储器内的数据库进行比对分析，按照相似程度数据库内的树种，并在控制面板显示屏幕上显示对比结果。
本发明的优点及积极效果为：该智能红豆杉种子识别控制系统能够有效的对种子出厂以及配送信息进行甄别，并通过检测系统对种子内容进行检查该系统具有识别精度高、针对性强，适合于特殊环境中对植物等目标物识别的点。
附图说明
图1是本发明实施例提供的智能红豆杉种子识别控制系统的结构示意图；
图2是本发明实施例提供的智能红豆杉种子识别控制方法流程图；
图中：1、RFID标签；2、GPS芯片；3、无线收发器；4、检测系统；5、控制面板显示屏；6、运算器；7、存储器。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图1、附图2对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的智能红豆杉种子识别控制系统包括RFID标签1，RFID标签1的内部镶嵌安装有GPS芯片2，GPS芯片2通过无线收发器3与外部无线网络无线连接；
无线网络与检测系统4电连接，检测系统4上安装有控制面板显示屏5，控制面板显示屏5的信号输出端分别连接有运算器6和存储器7。
进一步，所述ID标签1通过网口、1394口、USB口、485接口或RS232接口与GPS芯片连接。
进一步，所述RFID标签1包括控制电路；
与控制电路连接的调制电路；
与控制电路连接的解调电路；
与控制电路连接的电容；
与电容连接的低功耗LED指示灯；
电容存储读写器发出的电磁波能量，并向低功耗LED指示灯供电；
所述的低功耗LED指示灯出光为绿色LED。
所述GPS芯片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、跳频频率时，包括以下步骤：
第一步，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；
第二步，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；
第三步，对所有求均值并取整，得到源信号个数的估计即
第四步，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；
第五步，根据第二步中估计得到的p≠ph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；
第六步，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：
所述检测系统对接收到的时频重叠MASK信号计算循环双谱的对角切片谱，并截取其在f＝0的截面按以下进行：
时频重叠MASK的信号模型表示为：
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，其表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数，Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位。
MASK信号的循环双谱的对角切片谱表示为：
其中，y(t)表示MASK信号，α是y(t)的循环频率，fc表示信号的载波频率，T是信号的码元周期，k为整数，Ca,3表示随机序列a的三阶累积量，δ()是冲激函数，P(f)是成型脉冲函数，表达式为：
对循环双谱的对角切片谱取f＝0截面得到：
对于MASK信号，其循环双谱的对角切片谱的f＝0截面，在α＝fc(仅考虑α＞0的情况)处存在峰值，并携有信号的载频信息；由于循环双谱的对角切片谱满足线性叠加性，则时频重叠MASK信号循环双谱的对角切片谱的表达式为：
其中，是常数，与第i个信号分量的调制方式有关，Ti是第i个信号分量的码元周期。
截取其在f＝0的截面:
以上看出，对于时频混叠信号循环双谱的对角切片谱的f＝0，在α＝fc处存在峰值，并携有信号的载频信息；
所述无线网络，其特征在于，所述基于数字水印与能量均衡的无线传感器网络路由方法包括以下步骤：
步骤一，无线传感器网络节点部署：无线传感器网络工作区域中包括1个源节点N，1个目的节点Sink和n个中间节点B＝{B1,B2,L,Bn}。其中，源节点N负责生成含水印数据包，目的节点Sink负责接收数据包，中间节点B＝{B1,B2,L,Bn}负责将源节点N生成的含水印数据包传输到目的节点Sink，每个中间节点包括能量、安全度及位置三个属性，其中第i个中间节点的属性分别记为能量Ei∈[0,0.2]，安全度Si∈[0,10]及位置(xi,yi)；
步骤二，生成含水印数据包：首先源节点N生成原始数据包data＝{data1,data2,L,datai,L,data8}，其中第i个数据项datai由28位二进制序列组成；然后生成32位原始水印序列w＝{w1,w2,L wi,L,w8}，其中第i个水印项wi由4位二进制序列组成；再次，将第i个水印项wi追加到第i个数据项datai后，得到32位的第i个含水印数据项wdatai，最后重复这一过程直到得到含水印数据包wdata＝{wdata1,wdata2,L,wdatai,L,wdata8}，i＝1,2,…8；
步骤三，选择邻居节点；具体包括：
选定源节点N作为当前节点，记为U；
按照下式，计算当前节点U到目的节点Sink的距离dUSink：
其中(xU,yU)为当前节点U的位置，(xSink,ySink)为目的节点Sink的位置；
根据公式TR＝πR2计算当前节点U的传输范围TR，并将当前节点U传输范围TR内的所有中间节点作为候选邻居节点，得到候选邻居节点集合BM＝{BM 1,BM 2,L,BM i,L,BM m}，其中π为圆周率3.14，R为当前节点U的传输半径，即当前节点U能够传输数据的最大距离；
按照下式，计算第i个候选邻居节点BM i到目的节点Sink的距离di并将其与当前节点U到目的节点Sink的距离dUSink进行比较，
如果di＜dUSink，则将第i个候选邻居节点BM i作为邻居节点放入邻居节点集合BH中，其中(xi,yi)为候选邻居节点BM i的位置，i＝1,2,…m，(xSink,ySink)为目的节点Sink的位置；直到处理完候选邻居节点集合BM＝{BM 1,BM 2,L,BM i,L,BM m}中的所有候选邻居节点，得到邻居节点集合BH＝{BH 1,BH 2,L,BH i,L,BH h}；
步骤四，转发含水印数据包；具体包括：
按照下式，计算第i个邻居节点BH i的质量评估度Mi：
其中，Di表示第i个邻居节点BH i到目的节点Sink的距离，Ei表示第i个邻居节点BH i的能量，Si表示第i个邻居节点BH i的安全度，i＝1,2,…h，α，β，γ为常数，取值范围为[0,10]；直到计算完邻居节点集合BH＝{BH 1,BH 2,L,BH i,L,BH h}中的所有节点的质量评估度M＝{M1,M2,L,Mi,L,Mh}；
对质量评估度M＝{M1,M2,L,Mi,L,Mh}进行排序，将质量评估度最小的邻居节点选为下一跳节点，接收由当前节点U转发的含水印数据包wdata，并将该下一跳节点记录到数据转发节点集合C中；
将下一跳节点作为当前节点U，至将含水印数据包wdata发送到目的节点Sink，得到接收数据包rdata＝{rdata1,rdata2,L,rdatai,L,rdata8}与数据转发节点集合C＝{C1,C2,L,Ci,L,Cr}；
步骤五，水印提取和检测；目的节点Sink依次从接收数据包rdata＝{rdata1,rdata2,L,rdatai,L,rdata8}中截取第i个数据项rdatai的后四位，得到32位的接收水印序列rw＝{rw1,rw2,L,rwi,L,rw8}，其中第i个接收水印项rwi由4位二进制序列组成，i＝1,2,…8；按照下式，计算接收水印序列rw＝{rw1,rw2,L,rwi,L,rw8}与原始水印序列w＝{w1,w2,Lwi,L,w8}是的误差，其中表示异或操作，
如果err等于0，说明数据包接收正确；反之，如果err不等于0，说明数据包遭受篡改，按照下式，依次修改由步骤(4d)得到的数据转发节点集合C＝{C1,C2,L,Ci,L,Cr}中各个节点的安全度，
其中，Si与Si′分别为第i个数据转发节点Ci的当前安全度与修改后的安全度。
步骤六，重复步骤二～步骤五，直到无线传感器网络中任一中间节点找不到满足条件的下一跳节点进行数据包转发时终止。
如图2所示，本发明实施例提供的智能红豆杉种子识别控制方法包括以下步骤：
S101、从种子生产商领取带有RFID标签的种子物品，在包装、出厂、清点过程中通过读写器对每一步的操作内容导入RFID标签中；
S102、在RFID标签中装入GPS芯片，并通过无线收发器与外部网络无线连接，实现对种子物品各个环节的实时定位；
S103、对接收的种子信息进行核实、验收，在实验室通过检测系统对种子内部信息进行核对；
S104、控制面板显示屏幕将运算器所运算的结果通过控制面板显示屏幕显示出来，供工作人员进行参考，运算的结果通过储存器进行存储。
进一步，在步骤S104中，镜头对准被识别植物，数码相机获得被识别植物的图像，所获得的图像通过颜色提取器和轮廓提取器获取图像的矢量图形，该矢量图形在控制面板显示屏幕上显示，并通过存储器将矢量图进行储存，由运算器运算获得图像的特征编码，通过运算器运算与存储器内的数据库进行比对分析，按照相似程度数据库内的树种，并在控制面板显示屏幕上显示对比结果。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种智能红豆杉种子识别控制系统，其特征在于，该智能红豆杉种子识别控制系统包括RFID标签，RFID标签的内部镶嵌安装有GPS芯片，GPS芯片通过无线收发器与外部无线网络无线连接；
所述GPS芯片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、跳频频率时，包括以下步骤：
第一步，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；
第二步，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；
第三步，对所有求均值并取整，得到源信号个数的估计即
<mrow> <mover> <mi>N</mi> <mo>^</mo> </mover> <mo>=</mo> <mi>r</mi> <mi>o</mi> <mi>u</mi> <mi>n</mi> <mi>d</mi> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <mi>p</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>P</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mover> <mi>N</mi> <mo>^</mo> </mover> <mi>p</mi> </msub> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
第四步，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；
第五步，根据第二步中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：
<mrow> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>b</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>p</mi> </mrow> <mn>0</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>l</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>l</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>b</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>p</mi> </mrow> <mn>0</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>&gt;</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> </mrow>
这里表示第l跳对应的个混合矩阵列向量估计值；
第六步，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：
<mrow> <msub> <mover> <mi>f</mi> <mo>^</mo> </mover> <mrow> <mi>c</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>f</mi> <mi>o</mi> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>l</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>l</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>f</mi> <mi>o</mi> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>&gt;</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> <mo>;</mo> </mrow>
无线网络与检测系统电连接，检测系统上安装有控制面板显示屏，控制面板显示屏的信号输出端分别连接有运算器和存储器；
所述检测系统对接收到的时频重叠MASK信号计算循环双谱的对角切片谱，并截取其在f＝0的截面按以下进行：
时频重叠MASK的信号模型表示为：
<mrow> <mi>x</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>s</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>n</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，其表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数，Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位；
MASK信号的循环双谱的对角切片谱表示为：
其中，y(t)表示MASK信号，α是y(t)的循环频率，fc表示信号的载波频率，T是信号的码元周期，k为整数，Ca,3表示随机序列a的三阶累积量，δ()是冲激函数，P(f)是成型脉冲函数，表达式为：
<mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>f</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>sin</mi> <mi>&amp;pi;</mi> <mi>f</mi> <mi>T</mi> </mrow> <mrow> <mi>&amp;pi;</mi> <mi>f</mi> </mrow> </mfrac> <mo>;</mo> </mrow>
对循环双谱的对角切片谱取f＝0截面得到：
对于MASK信号，其循环双谱的对角切片谱的f＝0截面，在α＝fc(仅考虑α＞0的情况)处存在峰值，并携有信号的载频信息；由于循环双谱的对角切片谱满足线性叠加性，则时频重叠MASK信号循环双谱的对角切片谱的表达式为：
其中，是常数，与第i个信号分量的调制方式有关，Ti是第i个信号分量的码元周期；
截取其在f＝0的截面:
以上看出，对于时频混叠信号循环双谱的对角切片谱的f＝0，在α＝fc处存在峰值，并携有信号的载频信息；
所述无线网络，其特征在于，所述基于数字水印与能量均衡的无线传感器网络路由方法包括以下步骤：
步骤一，无线传感器网络节点部署：无线传感器网络工作区域中包括1个源节点N，1个目的节点Sink和n个中间节点B＝{B1,B2,L,Bn}，其中，源节点N负责生成含水印数据包，目的节点Sink负责接收数据包，中间节点B＝{B1,B2,L,Bn}负责将源节点N生成的含水印数据包传输到目的节点Sink，每个中间节点包括能量、安全度及位置三个属性，其中第i个中间节点的属性分别记为能量Ei∈[0,0.2]，安全度Si∈[0,10]及位置(xi,yi)；
步骤二，生成含水印数据包：首先源节点N生成原始数据包data＝{data1,data2,L,datai,L,data8}，其中第i个数据项datai由28位二进制序列组成；然后生成32位原始水印序列w＝{w1,w2,L wi,L,w8}，其中第i个水印项wi由4位二进制序列组成；再次，将第i个水印项wi追加到第i个数据项datai后，得到32位的第i个含水印数据项wdatai，最后重复这一过程直到得到含水印数据包wdata＝{wdata1,wdata2,L,wdatai,L,wdata8}，i＝1,2,…8；
步骤三，选择邻居节点；具体包括：
选定源节点N作为当前节点，记为U；
按照下式，计算当前节点U到目的节点Sink的距离dUSink：
<mrow> <msub> <mi>d</mi> <mrow> <mi>U</mi> <mi>S</mi> <mi>i</mi> <mi>n</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>U</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>S</mi> <mi>i</mi> <mi>n</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mi>U</mi> </msub> <mo>-</mo> <msub> <mi>y</mi> <mrow> <mi>S</mi> <mi>i</mi> <mi>n</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>;</mo> </mrow>
其中(xU,yU)为当前节点U的位置，(xSink,ySink)为目的节点Sink的位置；
根据公式TR＝πR2计算当前节点U的传输范围TR，并将当前节点U传输范围TR内的所有中间节点作为候选邻居节点，得到候选邻居节点集合BM＝{BM 1,BM 2,L,BM i,L,BM m}，其中π为圆周率3.14，R为当前节点U的传输半径，即当前节点U能够传输数据的最大距离；
按照下式，计算第i个候选邻居节点BM i到目的节点Sink的距离di并将其与当前节点U到目的节点Sink的距离dUSink进行比较，
<mrow> <msub> <mi>d</mi> <mi>i</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>S</mi> <mi>i</mi> <mi>n</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>y</mi> <mrow> <mi>S</mi> <mi>i</mi> <mi>n</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>;</mo> </mrow>
如果di＜dUSink，则将第i个候选邻居节点BM i作为邻居节点放入邻居节点集合BH中，其中(xi,yi)为候选邻居节点BM i的位置，i＝1,2,…m，(xSink,ySink)为目的节点Sink的位置；直到处理完候选邻居节点集合BM＝{BM 1,BM 2,L,BM i,L,BM m}中的所有候选邻居节点，得到邻居节点集合BH＝{BH 1,BH 2,L,BH i,L,BH h}；
步骤四，转发含水印数据包；具体包括：
按照下式，计算第i个邻居节点BH i的质量评估度Mi：
<mrow> <msub> <mi>M</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;alpha;D</mi> <mi>i</mi> </msub> </mrow> <mrow> <msub> <mi>&amp;beta;E</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>&amp;gamma;S</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>;</mo> </mrow>
其中，Di表示第i个邻居节点BH i到目的节点Sink的距离，Ei表示第i个邻居节点BH i的能量，Si表示第i个邻居节点BH i的安全度，i＝1,2,…h，α，β，γ为常数，取值范围为[0,10]；直到计算完邻居节点集合BH＝{BH 1,BH 2,L,BH i,L,BH h}中的所有节点的质量评估度M＝{M1,M2,L,Mi,L,Mh}；
对质量评估度M＝{M1,M2,L,Mi,L,Mh}进行排序，将质量评估度最小的邻居节点选为下一跳节点，接收由当前节点U转发的含水印数据包wdata，并将该下一跳节点记录到数据转发节点集合C中；
将下一跳节点作为当前节点U，至将含水印数据包wdata发送到目的节点Sink，得到接收数据包rdata＝{rdata1,rdata2,L,rdatai,L,rdata8}与数据转发节点集合C＝{C1,C2,L,Ci,L,Cr}；
步骤五，水印提取和检测；目的节点Sink依次从接收数据包rdata＝{rdata1,rdata2,L,rdatai,L,rdata8}中截取第i个数据项rdatai的后四位，得到32位的接收水印序列rw＝{rw1,rw2,L,rwi,L,rw8}，其中第i个接收水印项rwi由4位二进制序列组成，i＝1,2,…8；按照下式，计算接收水印序列rw＝{rw1,rw2,L,rwi,L,rw8}与原始水印序列w＝{w1,w2,L wi,L,w8}是的误差，其中表示异或操作，
<mrow> <mi>e</mi> <mi>r</mi> <mi>r</mi> <mo>=</mo> <mi>r</mi> <mi>w</mi> <mo>&amp;CirclePlus;</mo> <mi>w</mi> <mo>;</mo> </mrow>
如果err等于0，说明数据包接收正确；反之，如果err不等于0，说明数据包遭受篡改，按照下式，依次修改由步骤(4d)得到的数据转发节点集合C＝{C1,C2,L,Ci,L,Cr}中各个节点的安全度，
<mrow> <msubsup> <mi>S</mi> <mi>i</mi> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>S</mi> <mi>i</mi> </msub> <mn>2</mn> </mfrac> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>e</mi> <mi>r</mi> <mi>r</mi> <mo>&amp;NotEqual;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mi>i</mi> </msub> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>e</mi> <mi>r</mi> <mi>r</mi> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>
其中，Si与Si′分别为第i个数据转发节点Ci的当前安全度与修改后的安全度；
步骤六，重复步骤二～步骤五，直到无线传感器网络中任一中间节点找不到满足条件的下一跳节点进行数据包转发时终止。
2.根据权利要求1所述的智能红豆杉种子识别控制系统，其特征在于，所述ID标签通过网口、1394口、USB口、485接口或RS232接口与GPS芯片连接。
3.根据权利要求1所述的智能红豆杉种子识别控制系统，其特征在于，所述RFID标签包括控制电路；
与控制电路连接的调制电路；
与控制电路连接的解调电路；
与控制电路连接的电容；
与电容连接的低功耗LED指示灯；
电容存储读写器发出的电磁波能量，并向低功耗LED指示灯供电；
所述的低功耗LED指示灯出光为绿色LED。
4.一种智能红豆杉种子识别控制方法，其特征在于，该智能红豆杉种子识别控制方法包括以下步骤：
步骤一、从种子生产商领取带有RFID标签的种子物品，在包装、出厂、清点过程中通过读写器对每一步的操作内容导入RFID标签中；
步骤二、在RFID标签中装入GPS芯片，并通过无线收发器与外部网络无线连接，实现对种子物品各个环节的实时定位；
步骤三、对接收的种子信息进行核实、验收，在实验室通过检测系统对种子内部信息进行核对；
步骤四、控制面板显示屏幕将运算器所运算的结果通过控制面板显示屏幕显示出来，供工作人员进行参考，运算的结果通过储存器进行存储。
5.根据权利要求4所述的智能红豆杉种子识别控制方法，其特征在于，在步骤四中，镜头对准被识别植物，数码相机获得被识别植物的图像，所获得的图像通过颜色提取器和轮廓提取器获取图像的矢量图形，该矢量图形在控制面板显示屏幕上显示，并通过存储器将矢量图进行储存，由运算器运算获得图像的特征编码，通过运算器运算与存储器内的数据库进行比对分析，按照相似程度数据库内的树种，并在控制面板显示屏幕上显示对比结果。
CN201710443691.6A 2017-06-13 2017-06-13 一种智能红豆杉种子识别控制系统及控制方法 Expired - Fee Related CN107087253B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710443691.6A CN107087253B (zh) 2017-06-13 2017-06-13 一种智能红豆杉种子识别控制系统及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710443691.6A CN107087253B (zh) 2017-06-13 2017-06-13 一种智能红豆杉种子识别控制系统及控制方法

Publications (2)

Publication Number Publication Date
CN107087253A true CN107087253A (zh) 2017-08-22
CN107087253B CN107087253B (zh) 2020-10-09

Family

ID=59605713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710443691.6A Expired - Fee Related CN107087253B (zh) 2017-06-13 2017-06-13 一种智能红豆杉种子识别控制系统及控制方法

Country Status (1)

Country Link
CN (1) CN107087253B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944512A (zh) * 2017-11-02 2018-04-20 广东摩方托盘科技服务有限公司 一种基于物联网传输技术的托盘生产信息管理方法
CN108001736A (zh) * 2017-11-29 2018-05-08 浙江科技学院 一种基于计算机控制的药品包装方法
CN108616364A (zh) * 2018-05-15 2018-10-02 广西壮族自治区农业科学院 一种智能种子出芽率评定系统及评定方法、计算机

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101488191A (zh) * 2009-03-05 2009-07-22 山东大学 基于rfid和gps的种子识别系统及其工作方法
CN101816013A (zh) * 2007-10-01 2010-08-25 索尼爱立信移动通讯有限公司 Rfid跟踪器和定位器
CN102005020A (zh) * 2010-04-29 2011-04-06 苏州世纪泰鼎电子科技有限公司 一种基于物联网的医用药品冷链运输监控方法
CN202486809U (zh) * 2012-03-22 2012-10-10 北京电通兴业科技发展有限公司 一种具有远程传输和定位功能的多频段rfid读写器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101816013A (zh) * 2007-10-01 2010-08-25 索尼爱立信移动通讯有限公司 Rfid跟踪器和定位器
CN101488191A (zh) * 2009-03-05 2009-07-22 山东大学 基于rfid和gps的种子识别系统及其工作方法
CN102005020A (zh) * 2010-04-29 2011-04-06 苏州世纪泰鼎电子科技有限公司 一种基于物联网的医用药品冷链运输监控方法
CN202486809U (zh) * 2012-03-22 2012-10-10 北京电通兴业科技发展有限公司 一种具有远程传输和定位功能的多频段rfid读写器

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944512A (zh) * 2017-11-02 2018-04-20 广东摩方托盘科技服务有限公司 一种基于物联网传输技术的托盘生产信息管理方法
CN108001736A (zh) * 2017-11-29 2018-05-08 浙江科技学院 一种基于计算机控制的药品包装方法
CN108616364A (zh) * 2018-05-15 2018-10-02 广西壮族自治区农业科学院 一种智能种子出芽率评定系统及评定方法、计算机

Also Published As

Publication number Publication date
CN107087253B (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN106780612B (zh) 一种图像中的物体检测方法及装置
CN104700404B (zh) 一种果实定位识别方法
Aldegheishem et al. Towards sustainable energy efficiency with intelligent electricity theft detection in smart grids emphasising enhanced neural networks
Belenko et al. Evaluation of GAN applicability for intrusion detection in self-organizing networks of cyber physical systems
CN101510374B (zh) 一种基于历史数据及遥感数据的土地利用图自动更新方法
CN107087253A (zh) 一种智能红豆杉种子识别控制系统及控制方法
CN105938564A (zh) 基于主成分分析和神经网络的水稻病害识别方法及系统
Du et al. A novel binary tree support vector machine for hyperspectral remote sensing image classification
CN106936742A (zh) 基于神经网络的多档码速率自适应解调系统及方法
CN109800712B (zh) 一种基于深度卷积神经网络的车辆检测计数方法及设备
CN106793076B (zh) 一种阴影衰落辅助的免携带设备定位方法
CN104715127B (zh) 一种投诉热点区域识别方法及系统
CN110346759A (zh) 运动物体定位系统和运动物体的定位方法
Zinonos et al. Grape leaf diseases identification system using convolutional neural networks and Lora technology
CN107273938A (zh) 基于双通道卷积阶梯网的多源遥感影像地物分类方法
CN107463881A (zh) 一种基于深度增强学习的人物图像搜索方法
CN106970379B (zh) 基于泰勒级数展开对室内目标的测距定位方法
Ringland et al. Characterization of food cultivation along roadside transects with Google Street View imagery and deep learning
CN108960404A (zh) 一种基于图像的人群计数方法及设备
CN108924148A (zh) 一种多源信号协同压缩感知数据恢复方法
CN103619062A (zh) 野外环境无线传感网络中未知节点的定位方法
Bin et al. Compressive data gathering with generative adversarial networks for wireless geophone networks
CN106802568A (zh) 一种基于云计算的脉冲水处理装置的远程控制系统
CN102663740B (zh) 基于图切的sar图像变化检测方法
Xu et al. Can we generate good samples for hyperspectral classification?—A generative adversarial network based method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201009

CF01 Termination of patent right due to non-payment of annual fee