CN110414610B - 一种果园土壤聚类系统及方法 - Google Patents
一种果园土壤聚类系统及方法 Download PDFInfo
- Publication number
- CN110414610B CN110414610B CN201910702143.XA CN201910702143A CN110414610B CN 110414610 B CN110414610 B CN 110414610B CN 201910702143 A CN201910702143 A CN 201910702143A CN 110414610 B CN110414610 B CN 110414610B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- clustering
- soil
- communication module
- 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
Links
- 239000002689 soil Substances 0.000 title claims abstract description 96
- 239000002420 orchard Substances 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004891 communication Methods 0.000 claims abstract description 54
- 238000013500 data storage Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 238000003064 k means clustering Methods 0.000 claims abstract description 8
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000005286 illumination Methods 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000000087 stabilizing effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 abstract description 8
- 238000003973 irrigation Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000003745 diagnosis Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 239000002253 acid Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical group [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 150000001768 cations Chemical group 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种果园土壤聚类系统及方法，该系统包括：依次连接的数据采集节点、数据传输网关、数据存储模块、数据处理模块和建模聚类模块；数据采集节点包括：电源模块和分别与电源模块电连接的处理器、传感器及通信模块；处理器分别与传感器、通信模块连接；通信模块通过所述数据传输网关将数据发送给所述数据存储模块；数据处理模块，用于将所述数据存储模块存储的数据进行预处理；建模聚类模块，根据机器学习算法中的K‑means聚类对预处理后的数据进行建模并聚类。该系统可对果园土壤类型进行聚类，让用户清楚的了解土壤的类型，有利于果园分块管理，能有效提高果园灌溉系统的效率，从而针对不同的土壤采取不同的灌溉方法。
Description
技术领域
本发明涉及农情信息获取应用的技术领域，特别涉及一种果园土壤聚类系统及方法。
背景技术
土壤作为果园生态系统中的重要组成部分，能够不断地为果树供应成长所需的水分和养分。然而，不同的土壤对水分的存储能力不同，即使在同一片果园，由于光照不同等原因，也会对土壤的水分和养分产生影响。随着时代的发展，在物联网与大数据快速发展的环境下，果园土壤信息的监测已经可以达到在线实时性的监测。
聚类分析法作为现在多元统计中的一种模式识别方法，属于无监督算法，不需要人为标注类别，并且在土壤评价中提供了科学的方法，从而在土壤科学研究中被广发使用。冯立孝等选用活性酸、代换酸、水解酸、活性铝、阳离子代换量和盐基饱和度共6个因子作为聚类分析指标，对陕西20个黄棕壤和黄褐土进行聚类分析，取得了满意的结果。吴克宁应用模糊聚类对北亚热带过渡区-豫南地区的十个土壤的5项诊断指标进行分析，并与发生分类和诊断分类做了比较，结果表明，模糊聚类分析与发生分类和诊断分类基本吻合。然而果园土壤属于区域性土壤，上述聚类因子在果园土壤聚类中不用适用。
发明内容
针对现有土壤聚类方法复杂，且对果园土壤聚类不适用，以及果园土壤信息利用率不高等问题，本发明提供了一种果园土壤聚类系统及方法，该系统可对果园土壤类型进行聚类，让用户清楚的了解土壤的类型，有利于果园分块管理，能有效提高果园灌溉系统的效率。
本发明实施例提供一种果园土壤聚类系统，包括：依次连接的数据采集节点、数据传输网关、数据存储模块、数据处理模块和建模聚类模块；
所述数据采集节点包括：电源模块和分别与所述电源模块电连接的处理器、传感器及通信模块；所述处理器分别与所述传感器、通信模块连接；
所述通信模块通过所述数据传输网关将数据发送给所述数据存储模块；
所述数据处理模块，用于将所述数据存储模块存储的数据进行预处理；
所述建模聚类模块，根据机器学习算法中的K-means聚类对预处理后的数据进行建模并聚类。
在一个实施例中，所述通信模块为：UART转Zigbee通信模块从机；
所述数据传输网关包括：UART转Zigbee通信模块主机、CH340串口芯片及UART转USB底板；所述UART转Zigbee通信模块主机、CH340串口芯片固定连接在UART转USB底板上；
所述UART转Zigbee通信模块从机与所述UART转Zigbee通信模块主机通讯连接。
在一个实施例中，所述数据存储模块包括上位机及数据库；
所述UART转USB底板通过数据传输线与所述上位机的USB串口连接；
所述上位机将从串口获取的数据存储在所述数据库中。
在一个实施例中，所述电源模块包括：可充电电池与所述可充电电池连接的稳压芯片及其外围电路。
在一个实施例中，所述传感器，包括：土壤温湿度传感器和光照传感器；
所述土壤温湿度传感器为MS-10土壤水分/温度传感器；所述光照传感器为LT18光照传感器。
在一个实施例中，所述数据处理模块，包括：
去除子模块，用于去除数据采集过程中的异常数据；
填补子模块，用于当数据中缺失值产生的时间前后间隔小于一天，则用前后时间对应属性取值的均值填补；当缺失值产生的时间前后间隔大于一天，则用其他所有节点同一时间对应属性的均值填补；
扩展子模块，用于扩展数据维度，构造新特征来反馈土壤的信息；所述新特征包括：每小时温度变化量和每小时湿度变化量；
数值标准化子模块，用于对数据数值进行标准化处理，转化公式如下：
其中x为原始数据，
为原始数据的均值，σ为原始数据的标准差，x*为转换后的数据。
第二方面，本发明实施例还提供一种果园土壤聚类方法，使用如上述任一项实施例所述的一种果园土壤聚类系统，实现果园土壤聚类。
本发明实施例提供的一种果园土壤聚类系统，包括：依次连接的数据采集节点、数据传输网关、数据存储模块、数据处理模块和建模聚类模块；所述数据采集节点包括：电源模块和分别与所述电源模块电连接的处理器、传感器及通信模块；所述处理器分别与所述传感器、通信模块连接；所述通信模块通过所述数据传输网关将数据发送给所述数据存储模块；所述数据处理模块，用于将所述数据存储模块存储的数据进行预处理；所述建模聚类模块，根据机器学习算法中的K-means聚类对预处理后的数据进行建模并聚类。该系统可对果园土壤类型进行聚类，让用户清楚的了解土壤的类型，有利于果园分块管理，能有效提高果园灌溉系统的效率，从而针对不同的土壤采取不同的灌溉方法。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的果园土壤聚类系统的结构框图。
图2为本发明实施例提供的数据采集节点结构框图。
图3为本发明实施例提供的STM32F103C8T6核心处理器的结构图。
图4为本发明实施例提供的5V电源电路示意图。
图5为本发明实施例提供的3.3V电源电路示意图。
图6为本发明实施例提供的土壤温湿度、光照传感器电路结构示意图。
图7为本发明实施例提供的UART转Zigbee通信模块从机的电路结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1所示，为本发明实施例提供的一种果园土壤聚类系统，包括：依次连接的数据采集节点、数据传输网关、数据存储模块、数据处理模块和建模聚类模块；
数据采集节点包括：电源模块和分别与电源模块电连接的处理器、传感器及通信模块；其中：处理器分别与传感器、通信模块连接；多个数据采集节点布置在果园的不同位置，负责采集果园土壤温湿度信息以及当前节点的光照信息；
比如采集到的数据按照每分钟一次的频率通过无线网络发送到数据传输网关。数据处理模块，用于将数据存储模块存储的数据进行预处理；便于后续建模聚类，使聚类结果更精准。建模聚类模块，可根据机器学习算法中的K-means聚类对预处理后的数据进行建模并聚类。比如设定好聚类的K值为3，调整算法的参数:初始聚类中心和距离度量，最终把果园的土壤聚成三种不同的类别：砂质土壤，中性土壤，粘性土壤。
本实施例中，该系统能够很好的区别土壤的类型，并且比如进一步地可以很好的与果园灌溉系统相结合，为果园灌溉决策创造更多的条件，同时也为土壤聚类提供了一个新的方法。
其中，数据存储模块、数据处理模块和建模聚类模块可以是一台或多台服务器，比如：数据存储、处理聚类分析可以在同一台服务器上，也可以分别独立在三台服务器中。本发明实施例对此不做限定。
在一个实施例中，上述通信模块为：UART转Zigbee通信模块从机；数据传输网关包括：UART转Zigbee通信模块主机、CH340串口芯片及UART转USB底板；UART转Zigbee通信模块主机、CH340串口芯片固定连接在UART转USB底板上。
UART转Zigbee通信模块主机可采用TI新一代双ARM-32位CPU芯片CC2630，能够与UART转Zigbee通信模块从机一键自组网。
上述UART转USB底板搭载USB接口、TX/RX状态指示灯、RESET按键和Function按键；USB接口可连接数据线与数据存储模块实现连接；指示灯可显示数据收发状态；RESET按键，可以重启网关；Function按键，用于显示该网关的各项功能选择。UART转USB底板能够方便的将UART转Zigbee通信模块主机与电脑USB口连接，从而更加容易的配置Zigbee通信模块的参数。
上述数据采集节点的电源模块包括：可充电电池与可充电电池连接的稳压芯片及其外围电路。其中，可充电电池比如为12V锂电池，稳压芯片为LM2596稳压芯片；该外围电路比如可以是包括LM2596芯片输出端的滤波电路以及防反接电路。
其中，参照图2所示，采集终端的传感器，比如为：土壤温湿度传感器和光照传感器；土壤温湿度传感器可为MS-10土壤水分/温度传感器，测量精度高，响应速度快，互换性好；耐腐蚀，可长期埋入土壤中使用。该光照传感器可为LT18光照传感器。
数据采集节点的处理器可采用STM32F103C8T6核心处理器，如图3所示。核心处理器第5、6脚连接晶振电路，第30、31脚连接一个开关，开关的另一端连接UART转Zigbee通信模块，第10、11脚连接土壤温湿度传感器，第21、22脚连接光照传感器
如图4所示为5V电源模块的电路结构图，输出5V电压为土壤温湿度传感器和光照传感器供电以及UART转Zigbee通信模块从机供电；如图5所示，为3.3V电源模块的电路结构图，输出3.3V电压为STM32F103C8T6核心处理器供电。
参照图6所示，为土壤温湿度传感器和光照传感器的电路结构示意图；其中土壤温湿度传感器电路的VCC端接5V电源，GND端接地，AVSS端接处理器的10引脚，OUT端接处理器的11引脚。
光照传感器电路的VCC端接3.3V或5V电源，TXD端接处理器的21引脚，RXD端接处理器的22引脚；GND端接地。
参照图7所示，为UART转Zigbee通信模块从机的电路结构图，其VCC端与3.3电源模块连接；GND端接地；RESET_N与ZB-RESET连接；LED_ACT段与ACTIVE端连接；LED_DAT端与DATA端连接；RX端和TX端通过一个开关，与处理器的30、31引脚连接。
在一个实施例中，数据存储模块中的上位机能够读取本机串口，并将串口接收到的数据按照指定格式存入本机的数据库中，比如Microsoft SQL Server、MicrosoftAccess、MySQL中。
在一个实施例中，上述数据处理模块，包括：
去除子模块，用于去除数据采集过程中的异常数据；由于传感器硬件故障以及天气因素影响，数据采集过程中可能收集到一些异常数据，这些数据的存在对模型建立的影响巨大。这时可以根据常识去除部分不合乎常理的数据。例如，去除温度数据中高于100摄氏度的数据。
填补子模块，由于温湿度采集装置故障或者天气恶劣等因素，数据采集过程中可能会中断，导致大量缺失值的产生，若缺失值产生的时间前后间隔小于一天，则用前后时间对应属性取值的均值填补；若缺失值产生的时间前后间隔大于一天，则用其他所有节点同一时间对应属性的均值填补。
扩展子模块，由于测量的参数较少，比较难以全面的反馈土壤的信息，因此需要扩展数据维度，构造新的特征来反馈土壤的信息。新特征可以包括：每小时温度变化量，每小时湿度变化量等。
数值标准化子模块，由于数值间的差别可能比较大，为了消除不同数据量纲和取值范围对模型准确性的影响，需要对数据数值进行标准化处理。转化公式如下：
其中x为原始数据，
为原始数据的均值，σ为原始数据的标准差，x*为转换后的数据。
进一步地，建模聚类模块能够根据机器学习算法中的K-means聚类对数据进行建模并聚类，最后将土壤聚成三种类型：砂质土壤，中性土壤，粘性土壤，该建模聚类模块比如可采用Python语言编写。
实施例1
图1所示，为果园土壤聚类系统的整体结构图，包括：数据采集节点，数据传输网关，数据存储模块，数据处理模块，建模聚类模块。数据采集节点将测量到的土壤温湿度以及当前节点的光照强度值有通信模块从机通过Zigbee局域网传输到通信模块主机，通信模块主机连接电脑USB端口，电脑上的上位机接收串口上传的数据后发送到数据存储模块中，数据处理模块从数据存储模块中读取一个月的数据并对数据进行异常值去除，缺失值补充等处理，数据处理完后传入建模聚类模块中，建模聚类模块根据机器学习算法对数据进行建模并聚类，每一类表示一种土壤类型。
本实施例中，数据采集节点由STM32F103C8T6及其外围电路和土壤温湿度传感器、光照传感器、UART转Zigbee通信模块构成，数据采集节点结构图如图2所示：在数据采集节点中，电源模块为STM32F103C8T6核心处理器提供3.3V电压，为土壤温湿度传感器、光照传感器以及通信模块提供5V电压，土壤温湿度传感器以及光照传感器与核心处理器连接，采集到数据后由核心处理器通过通信模块发送出去。数据采集节点采用C语言编程，能够准确测量土壤温湿度的值，温度测量误差为0.1摄氏度，湿度测量误差为3-5％，土壤温湿度传感器与核心处理器连接方式为电联，光照传感器与核心处理器的连接方式为电联。
实施例2
本发明还提供了一种果园土壤聚类的方法，具体包括以下步骤：
S001：土壤温湿度传感器采集果园生长的土壤温度湿度数据，光照传感器采集光照强度数据，系统每隔一分钟将数据按照指定格式通过UART转Zigbee通信模块传输到数据传输网关；其中：数据格式为节点号，土壤温度，土壤湿度，光照强度。例如：Node01T29.1H38L012524表示一号节点，土壤温度29.1摄氏度，土壤湿度38％，光照强度12524Lux；
S002：数据传输网关连接到电脑USB串口，数据存储模块中的上位机检测电脑USB串口，当电脑USB串口收到数据时，上位机软件按照标准格式将数据保存到电脑上的数据库中，数据库中需要添加录入时间这一项；
S003：数据采集到后，将数据放入数据处理模块，数据处理模块对数据中的异常值、缺失值进行处理，同时扩充数据维度，并且把最终的数据进行归一化处理；
S004：将第三步处理好的数据放入K-means聚类算法的模型中，设定好聚类的K值为3，调整算法的参数：初始聚类中心和距离度量，最终把果园的土壤聚成三种不同的类别。
此外，为了验证该方法的适用性和稳定性，做了以下实验：
设定23个数据采集节点，数据采集周期为均为一分钟，连续采集一个月。最终节点一采集数据示例如表1所示：
表1节点1数据示例
最终K-means聚类模型依据将23个节点聚成3类土壤：砂质土壤，中性土壤，粘性土壤。聚类结果如表2所示：
表2K-means聚类结果
其中，聚类归属为1的最终测定为砂质土壤，2为中性土壤，3为粘性土壤。
该方法主要根据相同时间内同样光照的情况下，结合土壤温湿度的变化量以及机器学习聚类算法，对果园土壤类型进行聚类。该发明有利于果园分块管理，能有效提高果园灌溉系统的效率。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种果园土壤聚类系统，其特征在于，包括：依次连接的数据采集节点、数据传输网关、数据存储模块、数据处理模块和建模聚类模块；
所述数据采集节点包括：电源模块和分别与所述电源模块电连接的处理器、传感器及通信模块；所述处理器分别与所述传感器、通信模块连接；
所述通信模块通过所述数据传输网关将数据发送给所述数据存储模块；
所述数据处理模块，用于将所述数据存储模块存储的数据进行预处理；
所述建模聚类模块，根据机器学习算法中的K-means聚类对预处理后的数据进行建模并聚类；
所述数据处理模块，包括：
去除子模块，用于去除数据采集过程中的异常数据；
填补子模块，用于当数据中缺失值产生的时间前后间隔小于一天，则用前后时间对应属性取值的均值填补；当缺失值产生的时间前后间隔大于一天，则用其他所有节点同一时间对应属性的均值填补；
扩展子模块，用于扩展数据维度，构造新特征来反馈土壤的信息；所述新特征包括：每小时温度变化量和每小时湿度变化量；
数值标准化子模块，用于对数据数值进行标准化处理，转化公式如下：
其中x为原始数据，
为原始数据的均值，σ为原始数据的标准差，x*为转换后的数据。
2.如权利要求1所述的一种果园土壤聚类系统，其特征在于，所述通信模块为：UART转Zigbee通信模块从机；
所述数据传输网关包括：UART转Zigbee通信模块主机、CH340串口芯片及UART转USB底板；所述UART转Zigbee通信模块主机、CH340串口芯片固定连接在UART转USB底板上；
所述UART转Zigbee通信模块从机与所述UART转Zigbee通信模块主机通讯连接。
3.如权利要求2所述的一种果园土壤聚类系统，其特征在于，所述数据存储模块包括上位机及数据库；
所述UART转USB底板通过数据传输线与所述上位机的USB串口连接；
所述上位机将从串口获取的数据存储在所述数据库中。
4.如权利要求1所述的一种果园土壤聚类系统，其特征在于，所述电源模块包括：可充电电池与所述可充电电池连接的稳压芯片及其外围电路。
5.如权利要求1所述的一种果园土壤聚类系统，其特征在于，所述传感器，包括：土壤温湿度传感器和光照传感器；
所述土壤温湿度传感器为MS-10土壤水分/温度传感器；所述光照传感器为LT18光照传感器。
6.一种果园土壤聚类方法，其特征在于，使用如权利要求1-5任一项所述的一种果园土壤聚类系统，实现果园土壤聚类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910702143.XA CN110414610B (zh) | 2019-07-31 | 2019-07-31 | 一种果园土壤聚类系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910702143.XA CN110414610B (zh) | 2019-07-31 | 2019-07-31 | 一种果园土壤聚类系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110414610A CN110414610A (zh) | 2019-11-05 |
| CN110414610B true CN110414610B (zh) | 2021-10-22 |
Family
ID=68364718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910702143.XA Active CN110414610B (zh) | 2019-07-31 | 2019-07-31 | 一种果园土壤聚类系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110414610B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102254175A (zh) * | 2011-04-07 | 2011-11-23 | 北京市农林科学院 | 基于x射线荧光光谱的不同区域土壤聚类分析方法 |
| CN103093182A (zh) * | 2011-11-03 | 2013-05-08 | 北京师范大学 | 一种基于多敏感性策略的遥感影像层次分类识别方法 |
| EP2846289A1 (en) * | 2013-09-05 | 2015-03-11 | Universita'del Salento | Method for the evaluation of land conservation |
| CN105005784A (zh) * | 2015-05-21 | 2015-10-28 | 中国科学院遥感与数字地球研究所 | 一种基于cd-dtw距离的时间序列遥感影像土地覆盖分类方法 |
| CN107532401A (zh) * | 2015-08-24 | 2018-01-02 | 株式会社小松制作所 | 轮式装载机 |
| CN207730242U (zh) * | 2017-11-27 | 2018-08-14 | 华南农业大学 | 一种用于山地柑橘园环境信息自动采集的节点 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10599926B2 (en) * | 2015-12-16 | 2020-03-24 | Regents Of The University Of Minnesota | Automated detection of nitrogen deficiency in crop |
-
2019
- 2019-07-31 CN CN201910702143.XA patent/CN110414610B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102254175A (zh) * | 2011-04-07 | 2011-11-23 | 北京市农林科学院 | 基于x射线荧光光谱的不同区域土壤聚类分析方法 |
| CN103093182A (zh) * | 2011-11-03 | 2013-05-08 | 北京师范大学 | 一种基于多敏感性策略的遥感影像层次分类识别方法 |
| EP2846289A1 (en) * | 2013-09-05 | 2015-03-11 | Universita'del Salento | Method for the evaluation of land conservation |
| CN105005784A (zh) * | 2015-05-21 | 2015-10-28 | 中国科学院遥感与数字地球研究所 | 一种基于cd-dtw距离的时间序列遥感影像土地覆盖分类方法 |
| CN107532401A (zh) * | 2015-08-24 | 2018-01-02 | 株式会社小松制作所 | 轮式装载机 |
| CN207730242U (zh) * | 2017-11-27 | 2018-08-14 | 华南农业大学 | 一种用于山地柑橘园环境信息自动采集的节点 |
Non-Patent Citations (1)
| Title |
|---|
| 融合特征距离与信息熵的大田土壤数据聚类方法;谷云霞;《中国优秀硕士学位论文全文数据库 农业科技辑》;20180315;第2页第1.1.2-1.1.3节，第9-21页第2章，第36页第4.1节，第39-40页第4.1.2节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110414610A (zh) | 2019-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN205301934U (zh) | 一种设施农业物联网环境测控装置 | |
| CN103472789B (zh) | 一种农业智能信息远程监控系统 | |
| CN102333117B (zh) | 基于物联网的家禽育种选种系统 | |
| CN105512949A (zh) | 一种基于社交平台的养殖场信息化管理系统及方法 | |
| CN107463958A (zh) | 昆虫识别预警方法及系统 | |
| CN111561972A (zh) | 一种基于时间序列的土壤含水量预测系统及方法 | |
| CN112213976B (zh) | 一种基于大数据的智能家居加湿控制方法及系统 | |
| CN117787510B (zh) | 基于时序预测分析的农药残留监测过程的优化方法 | |
| CN115617089A (zh) | 基于传感器状态变化的温度控制方法、装置、设备及介质 | |
| CN110414610B (zh) | 一种果园土壤聚类系统及方法 | |
| CN105491103A (zh) | 一种物流仓储室内环境监测系统 | |
| CN117009334B (zh) | 一种海量农业多源异构传感数据智能接入及处理方法、电子设备及存储介质 | |
| CN108922624A (zh) | 一种智能穿戴设备的配置方法、装置、终端和存储介质 | |
| CN112362102A (zh) | 一种用于即时监控农业生产环境的监测系统 | |
| CN111811577A (zh) | 一种基于温度差和湿度差分析的智能检测仪及系统 | |
| CN115689374A (zh) | 一种农业排灌用电的电价执行异常识别方法及装置 | |
| CN110309340A (zh) | 农作物生长异常状况的预警方法及预警装置 | |
| CN110335167A (zh) | 一种植物种植信息采集分析系统 | |
| Huang et al. | An Anthurium Growth Environment Monitoring System Based on Wireless Sensor Network. | |
| CN219041916U (zh) | 一种基于环境监测的低功耗广域网的检测仪 | |
| CN114401296B (zh) | 一种基于物联网的城市环境下田园管理远程光信号处理方法、系统和可读存储介质 | |
| CN109639839A (zh) | 一种基于云平台的可扩展信号数据集系统及其工作方法 | |
| CN204480307U (zh) | 一种农产品质量安全全程监控与溯源追踪装置 | |
| CN210036818U (zh) | 一种蘑菇种植工厂的环境监测系统 | |
| CN108009935A (zh) | 一种节水灌溉决策系统 |
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 |