CN112991082A - 一种设施环境监测传感器部署优化方法 - Google Patents
一种设施环境监测传感器部署优化方法 Download PDFInfo
- Publication number
- CN112991082A CN112991082A CN202110176093.3A CN202110176093A CN112991082A CN 112991082 A CN112991082 A CN 112991082A CN 202110176093 A CN202110176093 A CN 202110176093A CN 112991082 A CN112991082 A CN 112991082A
- Authority
- CN
- China
- Prior art keywords
- clustering
- sensor
- longitudinal section
- environment monitoring
- optimization method
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 title claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims abstract description 18
- 238000009826 distribution Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000010586 diagram Methods 0.000 claims description 22
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 12
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 6
- 239000001569 carbon dioxide Substances 0.000 claims description 6
- 241000283690 Bos taurus Species 0.000 claims description 4
- 241001494479 Pecora Species 0.000 claims description 4
- 241000287828 Gallus gallus Species 0.000 claims description 3
- 241001465754 Metazoa Species 0.000 claims description 3
- 229910021529 ammonia Inorganic materials 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Geometry (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Evolutionary Biology (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)
Abstract
本发明公开了一种设施环境监测传感器部署优化方法，包括以下步骤：S1、选取农业设施结构的纵剖面和横剖面；S2、在纵剖面和横剖面上均间隔布置传感器；S3、对传感器采集环境参数数据进行插值；S4、根据插值结果，生成环境参数分布图；S5、根据环境参数场分布图，确定聚类个数，并进行聚类；S6、根据聚类结果，寻找聚类中心位置；S7、得到聚类中心点，聚类中心点在空间形成聚类中心点云；S8、再次聚类，得到最终的聚类中心，即为优化后传感器的部署位置和数量。本发明采用上述设施环境监测传感器部署优化方法，该方法可以利用有限的传感器和，通过聚类分析得到优化后的传感器部署数量及位置，计算量少，易于实施。
Description
技术领域
本发明涉及一种设施农业生产技术，尤其涉及一种设施环境监测传感器部署优化方法。
背景技术
设施农业包括设施种植和设施养殖，同普通农业相比，设施农业产业化程度更高，经济效益更好，接受新技术的能力更强，是现代农业的重要组成部分。设施农业生产过程中，对于环境的监测尤为必要，比如温室种植过程中，需要对温度、湿度、二氧化碳等环境参数进行监测，以控制通风、加热、补光、补气等操作；而肉蛋鸡、牛羊等设施养殖过程中，需要对温度、氨气、二氧化碳、硫化氢等环境参数进行监测，以控制通风、加热等操作。可知，设施农业的正常生产离不开环境控制，环境控制的前提就是环境的监测，只有对环境参数进行准确的监测才能保证日常生产活动的开展。
设施环境监测是通过在设施中布设传感器来实现的，但是设施结构由于其自身封闭式的特点，导致其内部温湿度、二氧化碳、氨气等在空间分布不均匀，内部不同区域存在较大差异，要对其分布情况进行精准的监测就需要对传感器的部署位置和数量进行优化。
当前对于设施环境监测传感器部方法主要有两种：机理分析法和试验测量法。其中机理分析法是一种基于理论的方法，它一般根据动量守恒方程、质量守恒方程和能量守恒方程等，利用计算流体力学技术(Computational Fluid Dynamics，CFD)，构建设施环境模型，并调节对应参数，进行不同环境条件下设施内参数分布、空气流动模拟，据此进行传感器部署的优化；这种方法需要知道设施结构的详细参数，如高度、宽度、墙体厚度、传热系数、通风系数等等，计算量比较大，有些参数也难以获得。试验测量法主要通过各种测量仪器或传感器进行设施环境信息的获取，得到所需要的各种数据，通过分析数据研究环境参数的变化规律，构建环境变化的数学模型，据此进行传感器部署的优化，这种方法得到的优化结果相对客观，但是其与试验时使用的传感器数量紧密相关，若想得到准确的优化结果，则需要海量的传感器。
因此需要一种利用有限传感器数量得到优化的部署结果的方法。
发明内容
本发明的目的是提供一种设施环境监测传感器部署优化方法，该方法可以利用有限的传感器和，通过聚类分析得到优化后的传感器部署数量及位置，计算量少，易于实施。
为实现上述目的，本发明提供了一种设施环境监测传感器部署优化方法，包括以下步骤：
S1、选取农业设施结构的纵剖面和横剖面；
S2、在纵剖面和横剖面上均按照从左到右、从上到下的顺序，间隔布置传感器；
S3、利用三次样条插值法对传感器采集到的农业设施结构内的环境参数数据进行插值；
S4、根据插值结果，在纵剖面和横剖面分别生成环境参数分布图；
S5、根据环境参数场分布图，确定分别确定纵剖面和横剖面的聚类个数，并利用K-means聚类分析方法进行聚类，聚类个数即为当前传感器的个数；
S6、根据聚类结果，分别寻找纵剖面和横剖面的聚类中心位置，该位置即为当前传感器的布置位置；
S7、分别根据纵剖面上的传感器和横剖面上的传感器在不同时刻获取的信息，得到纵剖面的聚类中心点和横剖面的聚类中心点，聚类中心点在空间形成聚类中心点云；
S8、在聚类中心点云基础上，再次利用K-means进行聚类，得到最终的聚类中心，此聚类中心即为优化后传感器的部署位置和数量。
优选的，步骤S1中的农业设施为温室、鸡舍、牛舍、羊舍或者猪舍。
优选的，步骤S1中的纵剖面为农业设施结构长度方向1/2处的纵向剖面；
横剖面为农业设施结构内种植的作物或养殖的动物上方1米处的横向剖面。
优选的，步骤S2中间隔距离长度计算公式为：l＝L/7
其中，l为相邻两个传感器之间的距离，L为农业设施结构的长宽之和。
优选的，步骤S2中传感器至少包括温度传感器、湿度传感器、二氧化碳传感器、氨气传感器中的一个或者任意组合。
因此，本发明采用上述设施环境监测传感器部署优化方法，该方法可以利用有限的传感器和，通过聚类分析得到优化后的传感器部署数量及位置，计算量少，易于实施。
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
图1为本发明的实施例一种设施环境监测传感器部署优化方法的方法流程图；
图2为本发明的实施例一种设施环境监测传感器部署优化方法纵截面温度场分布图；
图3为本发明的实施例一种设施环境监测传感器部署优化方法的横截面温度场分布图；
图4为本发明的实施例一种设施环境监测传感器部署优化方法的纵截面聚类图；
图5为本发明的实施例一种设施环境监测传感器部署优化方法的横截面聚类图；
图6为本发明的实施例一种设施环境监测传感器部署优化方法的纵截面上当前传感器位置图；
图7为本发明的实施例一种设施环境监测传感器部署优化方法的横截面上当前传感器位置图；
图8为本发明的实施例一种设施环境监测传感器部署优化方法的纵截面聚类中心点云分布图；
图9为本发明的实施例一种设施环境监测传感器部署优化方法的横截面聚类中心点云分布图；
图10为本发明的实施例一种设施环境监测传感器部署优化方法的优化后传感器纵截面布置图；
图11为本发明的实施例一种设施环境监测传感器部署优化方法的优化后传感器横截面布置图。
具体实施方式
以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
图1为本发明的实施例一种设施环境监测传感器部署优化方法的方法流程图，如图1所示，本发明包括以下步骤：
S1、选取农业设施结构的纵剖面和横剖面；
优选的，步骤S1中的农业设施为温室、鸡舍、牛舍、羊舍或者猪舍。步骤S1中的纵剖面为农业设施结构长度方向1/2处的纵向剖面；横剖面为农业设施结构内种植的作物或养殖的动物上方1米处的横向剖面。
S2、在纵剖面和横剖面上均按照从左到右、从上到下的顺序，间隔布置传感器；
优选的，步骤S2中间隔距离长度计算公式为：l＝L/7，其中，l为相邻两个传感器之间的距离，L为农业设施结构的长宽之和。优选的，步骤S2中传感器至少包括温度传感器、湿度传感器、二氧化碳传感器、氨气传感器中的一个或者任意组合。
S3、利用三次样条插值法对传感器采集到的农业设施结构内的环境参数数据进行插值；
图2为本发明的实施例一种设施环境监测传感器部署优化方法纵截面温度场分布图；图3为本发明的实施例一种设施环境监测传感器部署优化方法的横截面温度场分布图，如图2和图3所示，需要说明的是，图2和图3均是环境参数以温度为例进行的说明，S4、根据插值结果，在纵剖面和横剖面分别生成环境参数分布图；
图4为本发明的实施例一种设施环境监测传感器部署优化方法的纵截面聚类图；图5为本发明的实施例一种设施环境监测传感器部署优化方法的横截面聚类图，如图4和图5所示，S5、根据环境参数场分布图，确定分别确定纵剖面和横剖面的聚类个数，并利用K-means聚类分析方法进行聚类，聚类个数即为当前传感器的个数；
图6为本发明的实施例一种设施环境监测传感器部署优化方法的纵截面上当前传感器位置图；图7为本发明的实施例一种设施环境监测传感器部署优化方法的横截面上当前传感器位置图；如图6和图7所示，S6、根据聚类结果，分别寻找纵剖面和横剖面的聚类中心位置，该位置即为当前传感器的布置位置；
图8为本发明的实施例一种设施环境监测传感器部署优化方法的纵截面聚类中心点云分布图；图9为本发明的实施例一种设施环境监测传感器部署优化方法的横截面聚类中心点云分布图，如图8和图9所示，S7、分别根据纵剖面上的传感器和横剖面上的传感器在不同时刻获取的信息，得到纵剖面的聚类中心点和横剖面的聚类中心点，聚类中心点在空间形成聚类中心点云；
图10为本发明的实施例一种设施环境监测传感器部署优化方法的优化后传感器纵截面布置图；图11为本发明的实施例一种设施环境监测传感器部署优化方法的优化后传感器横截面布置图，如图10和图11所示，S8、在聚类中心点云基础上，再次利用K-means进行聚类，得到最终的聚类中心，此聚类中心即为优化后传感器的部署位置和数量。
因此，本发明采用上述设施环境监测传感器部署优化方法，该方法可以利用有限的传感器和，通过聚类分析得到优化后的传感器部署数量及位置，计算量少，易于实施。
最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (5)
1.一种设施环境监测传感器部署优化方法，其特征在于：包括以下步骤：
S1、选取农业设施结构的纵剖面和横剖面；
S2、在纵剖面和横剖面上均按照从左到右、从上到下的顺序，间隔布置传感器；
S3、利用三次样条插值法对传感器采集到的农业设施结构内的环境参数数据进行插值；
S4、根据插值结果，在纵剖面和横剖面分别生成环境参数分布图；
S5、根据环境参数场分布图，确定分别确定纵剖面和横剖面的聚类个数，并利用K-means聚类分析方法进行聚类，聚类个数即为当前传感器的个数；
S6、根据聚类结果，分别寻找纵剖面和横剖面的聚类中心位置，该位置即为当前传感器的布置位置；
S7、分别根据纵剖面上的传感器和横剖面上的传感器在不同时刻获取的信息，得到纵剖面的聚类中心点和横剖面的聚类中心点，聚类中心点在空间形成聚类中心点云；
S8、在聚类中心点云基础上，再次利用K-means进行聚类，得到最终的聚类中心，此聚类中心即为优化后传感器的部署位置和数量。
2.根据权利要求1所述的一种设施环境监测传感器部署优化方法，其特征在于：步骤S1中的农业设施为温室、鸡舍、牛舍、羊舍或者猪舍。
3.根据权利要求1所述的一种设施环境监测传感器部署优化方法，其特征在于：步骤S1中的纵剖面为农业设施结构长度方向1/2处的纵向剖面；
横剖面为农业设施结构内种植的作物或养殖的动物上方1米处的横向剖面。
4.根据权利要求1所述的一种设施环境监测传感器部署优化方法，其特征在于：步骤S2中间隔距离长度计算公式为：l＝L/7
其中，l为相邻两个传感器之间的距离，L为农业设施结构的长宽之和。
5.根据权利要求1所述的一种设施环境监测传感器部署优化方法，其特征在于：步骤S2中传感器至少包括温度传感器、湿度传感器、二氧化碳传感器、氨气传感器中的一个或者任意组合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110176093.3A CN112991082B (zh) | 2021-02-06 | 2021-02-06 | 一种设施环境监测传感器部署优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110176093.3A CN112991082B (zh) | 2021-02-06 | 2021-02-06 | 一种设施环境监测传感器部署优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112991082A true CN112991082A (zh) | 2021-06-18 |
| CN112991082B CN112991082B (zh) | 2022-04-12 |
Family
ID=76392846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110176093.3A Active CN112991082B (zh) | 2021-02-06 | 2021-02-06 | 一种设施环境监测传感器部署优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112991082B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006038163A1 (en) * | 2004-10-01 | 2006-04-13 | Nortel Networks Limited | Segmentation and clustering in a sensor network |
| CN104239725A (zh) * | 2014-09-19 | 2014-12-24 | 电子科技大学 | 一种动态多源传感器优化管理方法 |
| CN106792749A (zh) * | 2016-12-27 | 2017-05-31 | 重庆大学 | 基于cfd和聚类算法的无线传感器网络节点部署方法 |
| US20180042176A1 (en) * | 2016-08-15 | 2018-02-15 | Raptor Maps, Inc. | Systems, devices, and methods for monitoring and assessing characteristics of harvested specialty crops |
| CN109152097A (zh) * | 2018-07-26 | 2019-01-04 | 东华大学 | 基于社会力模型的农业观光园无线传感网节点布局方法 |
| CN110059881A (zh) * | 2019-04-19 | 2019-07-26 | 安徽农业大学 | 基于聚类算法的新型茶园土壤墒情传感器优化布局的方法 |
| CN111323148A (zh) * | 2020-03-06 | 2020-06-23 | 江苏省农业科学院 | 一种基于三维空间的温室传感器布设方法和系统 |
-
2021
- 2021-02-06 CN CN202110176093.3A patent/CN112991082B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006038163A1 (en) * | 2004-10-01 | 2006-04-13 | Nortel Networks Limited | Segmentation and clustering in a sensor network |
| CN104239725A (zh) * | 2014-09-19 | 2014-12-24 | 电子科技大学 | 一种动态多源传感器优化管理方法 |
| US20180042176A1 (en) * | 2016-08-15 | 2018-02-15 | Raptor Maps, Inc. | Systems, devices, and methods for monitoring and assessing characteristics of harvested specialty crops |
| CN106792749A (zh) * | 2016-12-27 | 2017-05-31 | 重庆大学 | 基于cfd和聚类算法的无线传感器网络节点部署方法 |
| CN109152097A (zh) * | 2018-07-26 | 2019-01-04 | 东华大学 | 基于社会力模型的农业观光园无线传感网节点布局方法 |
| CN110059881A (zh) * | 2019-04-19 | 2019-07-26 | 安徽农业大学 | 基于聚类算法的新型茶园土壤墒情传感器优化布局的方法 |
| CN111323148A (zh) * | 2020-03-06 | 2020-06-23 | 江苏省农业科学院 | 一种基于三维空间的温室传感器布设方法和系统 |
Non-Patent Citations (4)
| Title |
|---|
| 程曼等: "基于多传感器数据融合的温室环境控制的研究", 《农机化研究》 * |
| 肖雪朋 等: "基于插值方法的温室温度场可视化仿真分析", 《中国农机化学报》 * |
| 贾鹤鸣 等: "微型植物工厂温度传感器优化布置仿真研究", 《科技创新与生产力》 * |
| 郝山山等: "聚类算法在粮库温度传感器优化布置中的应用研究", 《中国粮油学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112991082B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shamshiri et al. | Model-based evaluation of greenhouse microclimate using IoT-Sensor data fusion for energy efficient crop production | |
| CN107392376B (zh) | 一种农作物气象产量预测方法及系统 | |
| McCarthy et al. | Advanced process control of irrigation: the current state and an analysis to aid future development | |
| CN107329511A (zh) | 基于适宜根温区间的水培蔬菜光环境高效调控方法与系统 | |
| Janke et al. | Calculation of ventilation rates and ammonia emissions: Comparison of sampling strategies for a naturally ventilated dairy barn | |
| CN110119767A (zh) | 一种基于lvq神经网络的黄瓜温室温度智能化检测装置 | |
| Uyeh et al. | An online machine learning-based sensors clustering system for efficient and cost-effective environmental monitoring in controlled environment agriculture | |
| Anand et al. | Soil moisture and atmosphere components detection system using IoT and machine learning | |
| CN112991082B (zh) | 一种设施环境监测传感器部署优化方法 | |
| Simo et al. | Smart agriculture: IoT-based greenhouse monitoring system | |
| CN114092776A (zh) | 应用于智慧农业的多传感器数据融合方法 | |
| EP3474167A1 (en) | System and method for predicting genotype performance | |
| KR102387765B1 (ko) | 작물의 생육량 예측 방법 및 장치 | |
| CN116595333A (zh) | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 | |
| Sirisha et al. | Smart irrigation system for the reinforcement of Precision agriculture using prediction algorithm: SVR based smart irrigation | |
| Morozova | Methodology for Controlling Greenhouse Microclimate Parameters and Yield Forecast Using Neural Network Technologies | |
| Ferdoush et al. | Innovative smart farming system with wimax and solar energy | |
| Zhao et al. | A Review of Scientific Irrigation Scheduling Methods | |
| Liu et al. | Sensor Location Optimisation Design Based on IoT and Geostatistics in Greenhouse. | |
| Rajkumar et al. | IoT-Enabled Smart Irrigation with Machine Learning Models for Precision Farming | |
| CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及系统 | |
| KR20200057830A (ko) | 시설원예 운영 시스템, 재배환경 분석 시스템 및 그 방법들 | |
| CN116195495B (zh) | 一种基于物联网技术进行节水灌溉的方法和系统 | |
| US20230385703A1 (en) | High-resolution environmental sensor imputation using machine learning | |
| Berckmans et al. | 6.3 Monitoring, Prediction, and Control of the Micro-Environment |
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: 20240509 Address after: 071700 No. 45-1, Yonggui North Street, Rongcheng County, Baoding City, Hebei Province Patentee after: Hebei xiong'an Yijing cloud Technology Co.,Ltd. Country or region after: China Address before: Yu Ling Temple Street 071000 No. 289 Hebei city of Baoding Province Patentee before: AGRICULTURAL University OF HEBEI Country or region before: China |