CN109219011B - 淡水鱼养殖区域的水质健康智能监测系统 - Google Patents

淡水鱼养殖区域的水质健康智能监测系统 Download PDF

Info

Publication number
CN109219011B
CN109219011B CN201811053000.2A CN201811053000A CN109219011B CN 109219011 B CN109219011 B CN 109219011B CN 201811053000 A CN201811053000 A CN 201811053000A CN 109219011 B CN109219011 B CN 109219011B
Authority
CN
China
Prior art keywords
cluster
water quality
sensor
node
quality monitoring
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.)
Active
Application number
CN201811053000.2A
Other languages
English (en)
Other versions
CN109219011A (zh
Inventor
苏燕芳
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.)
Guangdong Barry Data Technology Co.,Ltd.
Original Assignee
Guangzhou Hualin Landscape Engineering Co ltd
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 Guangzhou Hualin Landscape Engineering Co ltd filed Critical Guangzhou Hualin Landscape Engineering Co ltd
Priority to CN201811053000.2A priority Critical patent/CN109219011B/zh
Publication of CN109219011A publication Critical patent/CN109219011A/zh
Application granted granted Critical
Publication of CN109219011B publication Critical patent/CN109219011B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/02—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/02—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow
    • G01K13/026—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow of moving liquids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/126—Shortest path evaluation minimising geographical or physical path length
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/46—Cluster building
    • 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
    • H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了淡水鱼养殖区域的水质健康智能监测系统，包括水质监测终端、感知子系统和智能终端；所述的感知子系统、智能终端与水质监测终端通信连接；所述的感知子系统包括单个基站、单个汇聚节点和多个传感器节点，多个传感器节点随机分布在淡水鱼养殖场监控区域内，与汇聚节点、基站通过自组织方式构成无线传感器网络；基站部署于淡水鱼养殖场监控区域外，通过通信网络与水质监测终端通信，传感器节点采集水质监测数据并发送至汇聚节点，由汇聚节点汇聚水质监测数据至基站，基站将接收的水质监测数据发送至水质监测终端；所述的水质监测终端用于对基站传送的水质监测数据进行存储、显示，并在水质异常时向智能终端发送报警信号。

Description

淡水鱼养殖区域的水质健康智能监测系统
技术领域
本发明涉及淡水鱼养殖环境监控技术领域，具体涉及淡水鱼养殖区域的水质健康智能监测系统。
背景技术
在淡水鱼养殖的过程中，淡水鱼的排泄物以及剩余的饲料会在养殖池内不断累积造成养殖池水体富营养化，严重影响淡水鱼的健康以及降低淡水鱼的产量。现有常规的水质监测手段无法实现迅速、准确、实时的水质监测，从而影响淡水鱼养殖的科学管理工作。
发明内容
针对上述问题，本发明提供淡水鱼养殖区域的水质健康智能监测系统。
本发明的目的采用以下技术方案来实现：
提供了淡水鱼养殖区域的水质健康智能监测系统，包括水质监测终端、感知子系统和智能终端；所述的感知子系统、智能终端与水质监测终端通信连接；所述的感知子系统包括单个基站、单个汇聚节点和多个传感器节点，多个传感器节点随机分布在淡水鱼养殖场监控区域内，与汇聚节点、基站通过自组织方式构成无线传感器网络；基站部署于淡水鱼养殖场监控区域外，通过通信网络与水质监测终端通信，传感器节点采集水质监测数据并发送至汇聚节点，由汇聚节点汇聚水质监测数据至基站，基站将接收的水质监测数据发送至水质监测终端；所述的水质监测终端用于对基站传送的水质监测数据进行存储、显示，并在水质异常时向智能终端发送报警信号。
优选地，传感器节点包括水温传感器、溶解氧浓度传感器、大气压传感器、酸碱值传感器。
优选地，所述的水质监测终端包括存储单元、显示单元、处理单元和报警单元，存储单元、显示单元、报警单元皆与处理单元通信连接。
本发明的有益效果为：能够迅速、准确、实时监测到水质监测数据，从而监控人员能够根据监测到的水质监测数据采取相应的措施，实现淡水鱼养殖的科学养殖与管理，从而优化养殖工艺，提高淡水鱼的成活率，增加养殖效益。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明一个示例性实施例的淡水鱼养殖区域的水质健康智能监测系统的结构框图；
图2是本发明一个示例性实施例的水质监测终端的连接框图。
附图标记：
水质监测终端1、感知子系统2、智能终端3、存储单元10、显示单元20、处理单元30、报警单元40。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例提供的淡水鱼养殖区域的水质健康智能监测系统，包括水质监测终端1、感知子系统2、智能终端3；所述的感知子系统2、智能终端3与水质监测终端1通信连接。
感知子系统2包括基站和多个传感器节点。其中，多个传感器节点随机分布在淡水鱼养殖场监控区域内，与汇聚节点、基站通过自组织方式构成无线传感器网络；基站部署于淡水鱼养殖场监控区域外，通过通信网络与水质监测终端1通信，传感器节点采集水质监测数据并发送至汇聚节点，由汇聚节点汇聚水质监测数据至基站，基站将接收的水质监测数据发送至水质监测终端1。
在一种实施方式中，传感器节点包括水温传感器、溶解氧浓度传感器、大气压传感器、酸碱值传感器。
在一种能够实现的方式中，水质监测终端1用于对基站传送的水质监测数据进行存储、显示，并在水质异常时向智能终端3发送报警信号。在一种能够实现的方式中，如图2所示，所述的水质监测终端1包括存储单元10、显示单元20、处理单元30和报警单元40，存储单元10、显示单元20、报警单元40皆与处理单元30通信连接。
本发明上述实施例能够迅速、准确、实时监测到水质监测数据，从而监控人员能够根据监测到的水质监测数据采取相应的措施，实现淡水鱼养殖的科学养殖与管理，从而优化养殖工艺，提高淡水鱼的成活率，增加养殖效益。
在一种能够实现的方式中，网络初始化时，将传感器节点划分为多个簇组，并从每个簇组中选取一个簇头，其中在每一轮通信开始之前都要对簇头重新进行选择；传感器节点采集所监测位置的水质监测数据，并将水质监测数据单跳发送至对应的簇头；簇头负责簇内水质监测数据的接收和处理，并将处理后的水质监测数据发送至汇聚节点；传感器节点发送能耗采用自由空间损耗模型，而簇头与汇聚节点之间进行通信时采用多径衰减模型；所述的将传感器节点划分为多个簇组，包括：
(1)将设定的监测区域平均划分为e个子区域；
(2)按照下列公式计算每个子区域的重心位置，选择距离重心位置最近的传感器节点作为簇组中心：
Figure BDA0001795060100000031
式中，Bi表示第i个子区域的重心位置，i＝1,…,e，x(j)表示所述第i个子区域中第j个传感器节点所在位置的横坐标，y(j)为所述第j个传感器节点所在位置的纵坐标，其中以汇聚节点为坐标原点，hi为所述第i个子区域具有的传感器节点个数；
(3)基于选择好的e个簇组中心，对所有传感器节点进行分簇，各传感器节点加入到距离最近的簇组中心对应的簇组内，从而完成簇组的初始化。
现有技术中对传感器节点进行分簇时，初始簇组中心是随机选择的，分簇的效果依赖于初始簇组中心的选择，不均衡的簇组中心分布会导致分簇结果陷入局部最优。本实施例提出了一种新的簇组划分机制，该机制通过将监测区域平均划分为多个子区域，并选择距离每个子区域重心位置最近的传感器节点作为簇组中心。本实施例能够保证初始的簇组中心尽量均匀地分布在整个监测区域内，提升了分簇结果的全局最优性能。
其中按照下列公式确定e：
Figure BDA0001795060100000032
式中，p1为基于自由空间损耗模型的功放能耗系数，p2为基于多径衰减模型的功放能耗系数，H为部署的传感器节点个数，L为所述监测区域的面积，Zo,min为传感器节点到汇聚节点的最小距离，Zo,max为传感器节点到汇聚节点的最大距离，v；int为取整函数。
簇组数与网络内传感器节点的能耗息息相关，本实施例基于监测区域的实际情况以及传感器节点的部署情况，还设计了监测区域划分成子区域的数目的计算公式，根据该计算公式确定子区域的数目，相对于随机设定的方式，优化了簇组数，有利于节省网内传感器节点的能耗。
在一个实施例中，所述从每个簇组中选取一个簇头，包括：
(1)设置簇头选取轮数为
Figure BDA0001795060100000033
计算簇组内各传感器节点在当前轮次担任簇头的概率，并按照概率由大到小的顺序对各传感器节点进行排序；
(2)将排序最前的传感器节点作为备选簇头，预测其作为簇头的总能耗，若该总能耗不超过预设的最大能耗阈值Gmax，则直接选择该备选簇头担任本轮次的簇头，否则重新选择下一位的传感器节点作为备选簇头，直至选择的备选簇头的总能耗不超过Gmax；
设定总能耗的预测公式为：
Figure BDA0001795060100000041
式中，
Figure BDA0001795060100000042
为预测的备选簇头y担任新簇头后的总能耗，y＝1,2，
Figure BDA0001795060100000043
为备选簇头y所在簇内的传感器节点数量，G0为设定的簇头接收和处理单位水质监测数据的能耗，Zy,o为所述备选簇头y到汇聚节点的距离，Gp为电路能耗参数，p1为基于自由空间损耗模型的功放能耗系数，p2为基于多径衰减模型的功放能耗系数，Zk,y为备选簇头y所在簇内的第k个传感器节点到所述备选簇头y的距离。
其中，所述概率的计算公式设定为：
Figure BDA0001795060100000044
式中，Waq(u)为第a个簇组内任意传感器节点q在第u轮通信过程中担任簇头的概率，
Figure BDA0001795060100000045
当簇组内所有传感器节点在之前的通信过程中都担任过一次簇头后，u将被重置为1，在接下来的通信过程中u逐渐增长到
Figure BDA0001795060100000046
da为所述第a个簇组具有的传感器节点个数；当所述传感器节点q在过去u轮通信过程中担任过簇头时，Rq(u)＝0.5，所述传感器节点j在过去u轮通信过程中未担任过簇头时，Rq(u)＝1；Gq为所述传感器节点q的当前剩余能量，Gc为所述第a个簇组内第c个传感器节点的当前剩余能量，ha为所述第a个簇组内具有的传感器节点数量，Sq为所述传感器节点q与第a个簇组内所有传感器节点的距离和，Sc为所述第c个传感器节点与第a个簇组内所有传感器节点的距离和；f1、f2为预设的权重系数。
本实施例提出了一种新的簇头选择机制，该机制中先计算簇组内各传感器节点在当前轮次担任簇头的概率，然后选择概率最大及概率次大的传感器节点作为备选簇头，并进一步预测备选簇头担任簇头的总能耗，最后选择总能耗满足阈值条件的备选簇头作为当前轮次的簇头。其中本实施例创新性地提出了所述概率的计算公式，根据该计算公式，当前能量较多、未担任过簇头、与簇内其他传感器节点距离较近的传感器节点具有更大的概率。
本实施例基于能量的基础上，相对于现有技术还考虑了传感器节点担任簇头的经历情况，有利于保持传感器节点之间的能耗均衡性。
本实施例相对于现有技术还考虑了传感器节点在簇内的位置情况，有利于保证簇内传感器节点与簇头的总能耗最小；通过预测备选簇头担任簇头时的总能耗，并选择总能耗不超过预设的最大能耗阈值的备选簇头作为最终的簇头，能够避免传感器节点因担任簇头而大量消耗能量。
本实施例在每一轮通信开始之前都选择最合适的传感器节点担任簇头，有效保证了簇头工作的稳定性和整个网络的可靠性，有利于实现对淡水鱼养殖区域的水质健康的可靠监测。
在一个实施例中，汇聚节点定期获取每个传感器节点的能量信息，并根据能量信息检测每个簇组是否满足能量警告条件，若存在簇组满足能量警告条件，汇聚节点向该簇组对应的簇头发送分簇指令，所述分簇指令包括该簇组的传感器节点平均能量Gavg；该对应的簇头接收到分簇指令后，在其簇内的剩余能量大于Gavg的传感器节点中选择相距最远的传感器节点作为另一簇头，簇内的其余传感器节点在簇组的两个簇头中重新选择距离最近的簇头加入，从而该簇组被划分为两个簇组；
所述能量警告条件设定为：
Figure BDA0001795060100000051
式中，Gα表示簇组β中的第α个传感器节点，hβ为所述簇组β中的传感器节点数量，Gmax为所述最大能耗阈值。
本实施例在簇组内的传感器节点的能量满足能量警告条件时，创新性地通过增加分簇的数量的方式减少每个簇组内的传感器节点数量。本实施例能够在能量不足时有效降低簇头传输的水质监测数据量，从而有效降低簇头的能耗，从而保证系统通信的正常运行，有效延长水质监测数据传输工作的周期。
基于上述的无线传感器网络，本发明能够迅速、准确、实时监测到水质监测数据，从而监控人员能够根据监测到的水质监测数据采取相应的措施，实现淡水鱼养殖的科学养殖与管理，从而优化养殖工艺，提高淡水鱼的成活率，增加养殖效益。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.淡水鱼养殖区域的水质健康智能监测系统，其特征是，包括水质监测终端、感知子系统和智能终端；所述的感知子系统、智能终端与水质监测终端通信连接；所述的感知子系统包括单个基站、单个汇聚节点和多个传感器节点，多个传感器节点随机分布在淡水鱼养殖场监控区域内，与汇聚节点、基站通过自组织方式构成无线传感器网络；基站部署于淡水鱼养殖场监控区域外，通过通信网络与水质监测终端通信，传感器节点采集水质监测数据并发送至汇聚节点，由汇聚节点汇聚水质监测数据至基站，基站将接收的水质监测数据发送至水质监测终端；所述的水质监测终端用于对基站传送的水质监测数据进行存储、显示，并在水质异常时向智能终端发送报警信号；网络初始化时，将传感器节点划分为多个簇组，并从每个簇组中选取一个簇头，其中在每一轮通信开始之前都要对簇头重新进行选择；传感器节点采集所监测位置的水质监测数据，并将水质监测数据单跳发送至对应的簇头；簇头负责簇内水质监测数据的接收和处理，并将处理后的水质监测数据发送至汇聚节点；传感器节点发送能耗采用自由空间损耗模型，而簇头与汇聚节点之间进行通信时采用多径衰减模型；所述的将传感器节点划分为多个簇组，包括：
(1)将设定的监测区域平均划分为e个子区域；
(2)按照下列公式计算每个子区域的重心位置，选择距离重心位置最近的传感器节点作为簇组中心：
Figure FDA0002952153850000011
式中，Bi表示第i个子区域的重心位置，i＝1,…,e，x(j)表示所述第i个子区域中第j个传感器节点所在位置的横坐标，y(j)为所述第j个传感器节点所在位置的纵坐标，其中以汇聚节点为坐标原点，hi为所述第i个子区域具有的传感器节点个数；
(3)基于选择好的e个簇组中心，对所有传感器节点进行分簇，各传感器节点加入到距离最近的簇组中心对应的簇组内，从而完成簇组的初始化；
所述从每个簇组中选取一个簇头，包括：
(1)设置簇头选取轮数为
Figure FDA0002952153850000012
int表示取整，计算簇组内各传感器节点在当前轮次担任簇头的概率，并按照概率由大到小的顺序对各传感器节点进行排序；
(2)将排序最前的传感器节点作为备选簇头，预测其作为簇头的总能耗，若该总能耗不超过预设的最大能耗阈值Gmax，则直接选择该备选簇头担任本轮次的簇头，否则重新选择下一位的传感器节点作为备选簇头，直至选择的备选簇头的总能耗不超过Gmax；
设定总能耗的预测公式为：
Figure FDA0002952153850000021
式中，
Figure FDA0002952153850000022
为预测的备选簇头y担任新簇头后的总能耗，y＝1,2，
Figure FDA0002952153850000023
为备选簇头y所在簇内的传感器节点数量，G0为设定的簇头接收和处理单位水质监测数据的能耗，Zy,o为所述备选簇头y到汇聚节点的距离，Gp为电路能耗参数，p1为基于自由空间损耗模型的功放能耗系数，p2为基于多径衰减模型的功放能耗系数，Zk,y为备选簇头y所在簇内的第k个传感器节点到所述备选簇头y的距离；
其中，所述概率的计算公式设定为：
Figure FDA0002952153850000024
式中，Waq(u)为第a个簇组内任意传感器节点q在第u轮通信过程中担任簇头的概率，
Figure FDA0002952153850000025
当簇组内所有传感器节点在之前的通信过程中都担任过一次簇头后，u将被重置为1，在接下来的通信过程中u逐渐增长到
Figure FDA0002952153850000026
da为所述第a个簇组具有的传感器节点个数；当所述传感器节点q在过去u轮通信过程中担任过簇头时，Rq(u)＝0.5，所述传感器节点j在过去u轮通信过程中未担任过簇头时，Rq(u)＝1；Gq为所述传感器节点q的当前剩余能量，Gc为所述第a个簇组内第c个传感器节点的当前剩余能量，ha为所述第a个簇组内具有的传感器节点数量，Sq为所述传感器节点q与第a个簇组内所有传感器节点的距离和，Sc为所述第c个传感器节点与第a个簇组内所有传感器节点的距离和；f1、f2为预设的权重系数。
2.根据权利要求1所述的淡水鱼养殖区域的水质健康智能监测系统，其特征是，传感器节点包括水温传感器、溶解氧浓度传感器、大气压传感器、酸碱值传感器。
3.根据权利要求1或2所述的淡水鱼养殖区域的水质健康智能监测系统，其特征是，所述的水质监测终端包括存储单元、显示单元、处理单元和报警单元，存储单元、显示单元、报警单元皆与处理单元通信连接。
4.根据权利要求1所述的淡水鱼养殖区域的水质健康智能监测系统，其特征是，按照下列公式确定e：
Figure FDA0002952153850000031
式中，p1为基于自由空间损耗模型的功放能耗系数，p2为基于多径衰减模型的功放能耗系数，H为部署的传感器节点个数，L为所述监测区域的面积，Zo,min为传感器节点到汇聚节点的最小距离，Zo,max为传感器节点到汇聚节点的最大距离；int为取整函数。
5.根据权利要求1所述的淡水鱼养殖区域的水质健康智能监测系统，其特征是，汇聚节点定期获取每个传感器节点的能量信息，并根据能量信息检测每个簇组是否满足能量警告条件，若存在簇组满足能量警告条件，汇聚节点向该簇组对应的簇头发送分簇指令，所述分簇指令包括该簇组的传感器节点平均能量Gavg；该对应的簇头接收到分簇指令后，在其簇内的剩余能量大于Gavg的传感器节点中选择相距最远的传感器节点作为另一簇头，簇内的其余传感器节点在簇组的两个簇头中重新选择距离最近的簇头加入，从而该簇组被划分为两个簇组；
所述能量警告条件设定为：
Figure FDA0002952153850000032
式中，Gα表示簇组β中的第α个传感器节点，hβ为所述簇组β中的传感器节点数量，Gmax为所述最大能耗阈值。
CN201811053000.2A 2018-09-10 2018-09-10 淡水鱼养殖区域的水质健康智能监测系统 Active CN109219011B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811053000.2A CN109219011B (zh) 2018-09-10 2018-09-10 淡水鱼养殖区域的水质健康智能监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811053000.2A CN109219011B (zh) 2018-09-10 2018-09-10 淡水鱼养殖区域的水质健康智能监测系统

Publications (2)

Publication Number Publication Date
CN109219011A CN109219011A (zh) 2019-01-15
CN109219011B true CN109219011B (zh) 2021-12-17

Family

ID=64987403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811053000.2A Active CN109219011B (zh) 2018-09-10 2018-09-10 淡水鱼养殖区域的水质健康智能监测系统

Country Status (1)

Country Link
CN (1) CN109219011B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109922453B (zh) * 2019-03-01 2020-07-21 湖南医养安智能医疗器械有限公司 基于人工智能的安全防范分析报警系统及方法
CN113469474A (zh) * 2020-03-30 2021-10-01 海略(连云港)科技有限公司 基于无线传感器网络的蓄养池监控系统及监控方法
CN118275639A (zh) * 2024-05-30 2024-07-02 华南智能机器人创新研究院 一种基于水质监测的养殖区域水循环控制方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7760080B2 (en) * 2000-09-08 2010-07-20 Automotive Technologies International, Inc. Tire monitoring with passive and active modes
CN105704775A (zh) * 2016-01-13 2016-06-22 湖南工业大学 一种改进的低能量自适应分簇路由协议方法
CN106937352A (zh) * 2015-12-29 2017-07-07 扬州大学 基于粒子群算法的移动汇聚节点无线传感器网络路由协议
CN107277889A (zh) * 2017-08-03 2017-10-20 扬州大学 一种基于k‑means的无线传感器网络分簇方法
CN108401236A (zh) * 2018-02-10 2018-08-14 深圳汇创联合自动化控制有限公司 淡水鱼养殖环境智能监控系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7760080B2 (en) * 2000-09-08 2010-07-20 Automotive Technologies International, Inc. Tire monitoring with passive and active modes
CN106937352A (zh) * 2015-12-29 2017-07-07 扬州大学 基于粒子群算法的移动汇聚节点无线传感器网络路由协议
CN105704775A (zh) * 2016-01-13 2016-06-22 湖南工业大学 一种改进的低能量自适应分簇路由协议方法
CN107277889A (zh) * 2017-08-03 2017-10-20 扬州大学 一种基于k‑means的无线传感器网络分簇方法
CN108401236A (zh) * 2018-02-10 2018-08-14 深圳汇创联合自动化控制有限公司 淡水鱼养殖环境智能监控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
无线传感器网络路由协议研究;连涛;《信息科技辑》;20130731;论文第46-48页 *

Also Published As

Publication number Publication date
CN109219011A (zh) 2019-01-15

Similar Documents

Publication Publication Date Title
CN109219011B (zh) 淡水鱼养殖区域的水质健康智能监测系统
CN108829166B (zh) 医疗器械储存环境智能监测系统
KR20060058975A (ko) 데이터 수집이 가능한 센서 네트워크 및 그 데이터 수집방법
CN107205214B (zh) 一种家禽养殖无线传感器网络监测系统
CN105142108B (zh) 草原放牧无线管理系统
CN108769276A (zh) 淡水鱼养殖环境管理系统
CN107367299B (zh) 一种水产品养殖水质智能监测系统
CN103209455A (zh) 一种基于节点位置信息的无线传感网路由方法
CN109195132B (zh) 空气质量信息智能采集与实时播报系统
CN109831811B (zh) 分簇路由方法
CN108235402B (zh) 一种基于改进树型分簇的无线传感器网络路由协议
CN106954246A (zh) 一种具有家庭电网智能控制功能的云技术应用智能家居
CN109005519B (zh) 电机设备故障智能监测系统
CN110139234B (zh) 一种基于结点分组的无线传感器网络休眠调度方法
CN111879908B (zh) 一种农业污水实时监测处理系统
CN108566658B (zh) 一种无线传感器网络中能耗均衡的分簇算法
CN112333266A (zh) 一种基于云平台的污水监测系统
CN108810845B (zh) 油田输油管道的电热带温度监控系统
CN109714833B (zh) 一种数据通信方法、装置及系统
CN108401235A (zh) 一种基于大数据的农业现场环境参数智能采集处理系统
CN112188584B (zh) 基于重心法的无线传感器网络多跳分簇方法和系统
CN109922511A (zh) 簇头节点选择方法、节点分簇方法和簇头节点选择装置
CN113391666B (zh) 水产养殖环境和水质多参量控制系统
CN110505571B (zh) 基于人工智能技术的风险主题分析系统
CN107911852A (zh) 一种水产养殖浮头监控自动报警系统

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
TR01 Transfer of patent right

Effective date of registration: 20240516

Address after: Room 3106, Building 1, Vanke Center, No. 200 Qifeng Road, Guancheng Section, Guancheng Street, Dongguan City, Guangdong Province, 523129

Patentee after: Guangdong Barry Data Technology Co.,Ltd.

Country or region after: China

Address before: Room 8028, 8 / F, No.1, South Street, Baiyun District, Guangzhou, Guangdong 510000

Patentee before: GUANGZHOU HUALIN LANDSCAPE ENGINEERING CO.,LTD.

Country or region before: China

TR01 Transfer of patent right