CN113298489A - 一种基于深度学习的大棚自动化系统 - Google Patents
一种基于深度学习的大棚自动化系统 Download PDFInfo
- Publication number
- CN113298489A CN113298489A CN202110502789.0A CN202110502789A CN113298489A CN 113298489 A CN113298489 A CN 113298489A CN 202110502789 A CN202110502789 A CN 202110502789A CN 113298489 A CN113298489 A CN 113298489A
- Authority
- CN
- China
- Prior art keywords
- data
- greenhouse
- equipment
- cloud server
- 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.)
- Pending
Links
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 20
- 239000002689 soil Substances 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 10
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000005286 illumination Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 claims 3
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 description 7
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 229910052744 lithium Inorganic materials 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marine Sciences & Fisheries (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Automation & Control Theory (AREA)
- Mathematical Optimization (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Fuzzy Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
Abstract
一种基于深度学习的大棚自动化系统属于农业领域,包括数据采集设备,大棚设备网关,云端服务器。其中数据采集设备通过ZigBee无线技术与大棚设备网关通讯连接,大棚设备网关通过互联网与云端服务器通讯连接;数据采集设备,用于实时采集指定位置土壤的湿度、温度、光照强度、土壤酸碱度、空气中二氧化碳浓度;并通过无线网络将上述数据发送至所属大棚的设备网关;大棚设备网关,用于将于采集设备处接收到的上述环境数据通过互联网转发至云端服务器;还用于从云端服务器接收设备指令,并操作大棚设备执行;最终可以在大棚环境异常时自动启动大棚设备处理问题,达到大棚自动化管理。此系统不需要经常维护,节省人力成本。
Description
技术领域
本技术涉及农业领域,特别是涉及一种农业自动化系统。
背景技术
在中国,农业是受到大多数人关注的问题。目前很多地方保留着低效的传统耕作方式,农业资源的利用率及农业生产效率不高。同时,由于大量采用人工管理,其管理方式无法满足规模日渐庞大的大棚种植,故普及一个自动化种植平台十分必要。
现代互联网的发达,物联网技术和云计算技术的高速发展为农业自动化系统的发展提供了技术支撑,使农业测控系统可以与物联网、云计算技术结合,朝着智能化、自动化方向发展,并可以显著提升大棚的生产效率。
中外研究人员在传感器产品、物联网方面的研究已经取得了有意义的进展,但仍存在一些待解决的问题:
1.基于云计算技术的大棚设备自动控制系统
2.基于云计算技术的大棚远程监控系统设计
发明内容
此设计完成的系统可以分析大棚的各种环境数据,并基于云计算技术自动得出大棚设备的操作方案并执行,解决了目前大棚设备自动控制系统的空缺;此系统还可以通过网页浏览器直观的展示大棚各种实时环境数据,实现了一个大棚远程监控系统。
针对上述问题,本发明提供一种针对大棚的自动化管理系统。
为实现本发明提供的自动化管理系统,需要:低功耗数据采集设备、大棚设备网关、云端服务器,所述低功耗数据采集设备与所述大棚设备网关建立通讯连接,所述云端服务器分别和所述大棚设备网关进行通讯连接;其中:
·所述低功耗数据采集设备,用于实时采集某指定位置土壤的湿度、温度、光照强度、土壤酸碱度、空气中二氧化碳浓度等数据并发送给所述大棚设备网关。
·所述大棚设备网关收集所述低功耗数据采集设备的上述数据,同时将上述数据发送给所述云端服务器;还用于接收云端服务器推送的命令并操作大棚设备执行。
·作为优选,所述云端服务器包括:
–一个智能决策模块,用于分析大棚的各种环境数据,并通过模糊神经网络得出自动化处理方案,并将处理方案发送至所述大棚设备网关;也用于分析历史数据及对大棚设备的操作记录,在此过程中继续训练模糊神经网络。
–一个数据处理和存储模块,用于接收上述大棚设备网关发送的数据,并将上述数据及上述智能分析模块的分析结果存储在云端分布式文件服务器上。
–一个基于浏览器的数据展示模块,用于将上述大棚设备网关采集到的温度、湿度、土壤酸碱度、空气中二氧化碳浓度等数据制成直观的图表并显示在浏览器上。
有益效果
·低功耗数据采集设备实时采集大棚的环境数据;大棚设备网关接入互联网,将上述数据转发至云端服务器并接收设备指令;云端服务器接收网关转发的数据,进行分析并发送设备指令,最终可以在大棚环境异常时自动启动大棚设备处理问题,达到大棚自动化管理。
·数据采集设备低功耗且易于安装更换,所有线缆均与大棚设备网关连接,其与数据采集设备进行无线通讯,故此系统不需要经常维护,节省人力成本。
·浏览器普及度极高,计算机、智能手机等可接入互联网的设备均可以访问,极大程度降低了使用监控系统的终端要求,从而有利于扩大此系统的使用人群。
附图说明
·图1是一个系统示意图,图描述于具体实施方式第一段
–低功耗数据采集设备为101
–大棚设备网关为102
–云端服务器为103
·图2是一个简单的交互图,位于具体实施方式第五段
–101实时采集指定位置土壤的湿度、温度、光照强度、土壤酸碱度、空气中二氧化碳浓度。
–102实时传递101处采集的上述数据
–103将采集到的数据存储到分布式文件服务器
–103向102推送设备指令
–102操作设备执行指令
·图3是一个硬件组合示意图,位于具体实施方式第六段
–SHT10传感器,OneWire
–ADS1262,SPI
–BH1750FVI,I2C
–SGP30,OneWire
–CC2530F256,所有箭头指向此处
–可充电锂电池(3.7V),与充电电路(5V)指向电源模块(3.3V)
·图4是数据展示模块的框图,如下
1.用户使用浏览器进入登录页面,输入用户名和密码。
2.如果通过云端服务器103的验证则继续,否则提示用户名或密码错误,回到1。
3.浏览器向云端服务器103请求环境数据,云端服务器103返回近10分钟的环境数据。
4.浏览器使用HTML5技术在页面绘制各种数据的折线图,并以文字形式显示当前环境数据及设备操作记录。
5.浏览器每10秒向云端服务器103请求环境数据,云端服务器103返回此10秒内的环境数据及设备操作记录。
6.浏览器在上述折线图中追加近10秒的环境数据,并刷新当前环境数据及设备操作记录,回到5,死循环。
·图5是一个模糊神经网络的示意图。
具体实施方式
如图1所示,作为一具体实施例的大棚自动化管理系统,包括低功耗数据采集设备101,大棚设备网关102,云端服务器103。其中低功耗数据采集设备101通过ZigBee无线技术与大棚设备网关102通讯连接,大棚设备网关102通过互联网与云端服务器103通讯连接。
低功耗数据采集设备101,用于实时采集指定位置土壤的湿度、温度、光照强度、土壤酸碱度、空气中二氧化碳浓度。并通过无线网络将上述数据发送至所属大棚的设备网关。
大棚设备网关102,用于将于采集设备101处接收到的上述环境数据通过互联网转发至云端服务器。还用于从云端服务器接收设备指令,并操作大棚设备执行。
云端服务器103,用于收集从网关102处接收的上述环境数据,并进行条件判断,发送对应的设备指令。还用于提供一个基于浏览器的数据展示模块,用户可以通过浏览器获得大棚的实时数据,并提供远程手动操作设备功能。
进一步,如图2所示,作为一具体实施例的大棚自动化管理系统的整体工作流程可分为5个步骤:
·低功耗数据采集设备101实时采集指定位置土壤的湿度、温度、光照强度、土壤酸碱度、空气中二氧化碳浓度。
·大棚设备网关102实时传递采集设备101处采集的上述数据
·云端服务器103将采集到的数据存储到分布式文件服务器
·云服务器103向网关102推送设备指令
·大棚设备网关102操作设备执行指令
如图3所示,作为一具体实施例的低功耗数据采集设备101,硬件设计包括7个部分:Sensirion用于测定土壤温湿度的SHT10传感器,德州仪器(TI)用来测定土壤酸碱度的ADS1262传感器,ROHM用于测定光照强度的BH1750FVI传感器,Sensirion用于测定二氧化碳浓度的SGP30传感器,德州仪器(TI)集成ZigBee通讯功能的CC2530F256单片机,可充电锂电池(3.7V),充电电路(5V)和电源模块(3.3V)。
低功耗数据采集设备101采用可充电锂电池通过电源模块输出3.3V电压为采集设备供电。当使用充电电路(5V)对锂电池充电时,电源模块切断对整个模块的供电,防止充电过程中锂电池同时充放电影响使用寿命。
低功耗数据采集设备101的软件设计主要包含2个功能:环境数据采集功能;低功耗ZigBee数据传输功能。环境数据采集功能是按照每秒一次的频率,CC2530F256通过OneWire接口读取SHT10采集的温湿度、通过SPI接口读取ADS1262采集的土壤酸碱度、通过I2C接口读取BH1750FVI采集的光照强度、通过OneWire接口读取SGP30采集的二氧化碳浓度。低功耗ZigBee通讯功能主要是CC2530F256管理ZigBee网络的配队连接及数据的封包和发送。
采用上述结构的低功耗数据采集设备101只需要插入土壤即可开始采集各种数据,成本低、体积小、便于更换。由于采用了各种低功耗元器件和低功耗技术,此设备功耗极低,单次充电可使用时长极长。
大棚设备网关102,包括数据传输模块和指令处理模块。
数据传输模块,用于将各采集设备101传输的环境数据通过互联网上传至云端服务器103。
指令处理模块,用于对云端服务器103发送的指令进行解析,并操作大棚设备执行。
云端服务器103,包括数据处理和存储模块、智能决策模块、参数优化模块和数据展示模块。
数据处理和存储模块,用于环境数据的接收,并存储至分布式云端分布式文件服务器上。也用于将智能决策模块对大棚设备的操作记录上传至云端分布式文件服务器上。
智能决策模块,用于参照上述数据处理模块接收的数据,根据预置的模糊控制模型得到输出数据,并生成相应的设备指令,将其发送给设备网关102。
参数优化模块,用于根据历史环境数据的变化趋势与设备操作记录,对智能决策模块的模糊神经网络模型进行调优。
数据展示模块,用于基于浏览器提供一个数据监控界面,界面上显示数据处理模块接收的数据。
具体的,智能决策模块所使用的模糊神经网络如图5(顺序有误)所示,从下到上由输入层、隶属函数层、规则层、输出层四层组成。其中,输入层将输入的模糊参数(例如室内外温差、温度变化率等)传入下层;隶属函数对输入参数的隶属度情况进行描述,传入下层;规则层描述模糊控制相关规则;输出层输出模糊神经网络的处理结果。
在对上述神经网络进行训练前,需要将所有节点间权重和输出阈值使用随机数进行初始化,然后通过梯度下降的方法使用样本进行训练。再利用神经网络多次学习和适应性训练后,得到对应的控制规则,最终用于智能决策模块自动操作设备。
具体的,智能决策模块的工作流程如下:
1.收集到当前不同传感器的温湿度、土壤酸碱度、光照强度及二氧化碳浓度数据。
2.根据上述数据,计算并生成对应的设备指令。
3.将上述设备指令发送至上述设备网关。
具体的,如图4,数据展示模块的工作流程如下:
1.用户使用浏览器进入登录页面,输入用户名和密码。
2.如果通过云端服务器103的验证,则进入下一步,否则提示用户名或密码错误,并停留在登录页面。
3.浏览器向云端服务器103请求环境数据,云端服务器103返回近10分钟的环境数据。
4.浏览器使用HTML5技术在页面绘制各种数据的折线图,并以文字形式显示当前环境数据及设备操作记录。
5.浏览器每10秒向云端服务器103请求环境数据,云端服务器103返回此10秒内的环境数据及设备操作记录。
6.浏览器在上述折线图中追加近10秒的环境数据,并刷新当前环境数据及设备操作记录。
由于Web前端技术的发展,使用HTML5和JavaScript可以构建基于浏览器的动态监控页面,使得用户可以在任何可以使用浏览器的电子设备上对大棚状态进行监控,如智能手机、个人电脑等。同时,通过HTML5的前端绘图技术,云端服务器可仅提供原始数据,而无需为用户生成图片格式的图表,减轻了云端服务器的计算压力。
Claims (4)
1.一种基于深度学习的大棚自动化系统,其特征在于:包括数据采集设备,大棚设备网关,云端服务器;其中数据采集设备通过ZigBee无线技术与大棚设备网关通讯连接,大棚设备网关通过互联网与云端服务器通讯连接;
数据采集设备,用于实时采集指定位置土壤的湿度、温度、光照强度、土壤酸碱度、空气中二氧化碳浓度;并通过无线网络将上述数据发送至所属大棚的设备网关;
大棚设备网关,用于将于采集设备处接收到的上述环境数据通过互联网转发至云端服务器;还用于从云端服务器接收设备指令,并操作大棚设备执行;
云端服务器,用于收集从网关处接收的上述环境数据,并进行条件判断,发送对应的设备指令;还用于提供一个基于浏览器的数据展示模块,用户可以通过浏览器获得大棚的实时数据,并提供远程手动操作设备功能。
2.根据权利要求1所述的一种基于深度学习的大棚自动化系统,其特征在于:
大棚设备网关,包括数据传输模块和指令处理模块;
数据传输模块,用于将各采集设备传输的环境数据通过互联网上传至云端服务器;
指令处理模块,用于对云端服务器发送的指令进行解析,并操作大棚设备执行;
云端服务器,包括数据处理和存储模块、智能决策模块、参数优化模块和数据展示模块;
数据处理和存储模块,用于环境数据的接收,并存储至分布式云端分布式文件服务器上;也用于将智能决策模块对大棚设备的操作记录上传至云端分布式文件服务器上;
智能决策模块,用于参照上述数据处理模块接收的数据,根据预置的模糊控制模型得到输出数据,并生成相应的设备指令,将其发送给设备网关;
参数优化模块,用于根据历史环境数据的变化趋势与设备操作记录,对智能决策模块的模糊神经网络模型进行调优;
数据展示模块,用于基于浏览器提供一个数据监控界面,界面上显示数据处理模块接收的数据。
3.根据权利要求2所述的一种基于深度学习的大棚自动化系统,其特征在于:
智能决策模块所使用的模糊神经网络由输入层、隶属函数层、规则层、输出层四层组成;其中,输入层将输入的模糊参数传入下层;隶属函数对输入参数的隶属度情况进行描述,传入下层;规则层描述模糊控制相关规则;输出层输出模糊神经网络的处理结果。
4.根据权利要求1所述的一种基于深度学习的大棚自动化系统,其特征在于:
数据展示模块的工作流程如下:
1)用户使用浏览器进入登录页面,输入用户名和密码;
2)如果通过云端服务器的验证,则进入下一步,否则提示用户名或密码错误,并停留在登录页面;
3)浏览器向云端服务器请求环境数据,云端服务器返回近10分钟的环境数据;
4)浏览器使用HTML5技术在页面绘制各种数据的折线图,并以文字形式显示当前环境数据及设备操作记录;
5)浏览器每10秒向云端服务器请求环境数据,云端服务器返回此10秒内的环境数据及设备操作记录;
6)浏览器在上述折线图中追加近10秒的环境数据,并刷新当前环境数据及设备操作记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110502789.0A CN113298489A (zh) | 2021-05-10 | 2021-05-10 | 一种基于深度学习的大棚自动化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110502789.0A CN113298489A (zh) | 2021-05-10 | 2021-05-10 | 一种基于深度学习的大棚自动化系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113298489A true CN113298489A (zh) | 2021-08-24 |
Family
ID=77321100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110502789.0A Pending CN113298489A (zh) | 2021-05-10 | 2021-05-10 | 一种基于深度学习的大棚自动化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298489A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114095893A (zh) * | 2021-10-19 | 2022-02-25 | 浙江工业大学 | 分布式数字化农业园区环境感知系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102035876A (zh) * | 2010-10-15 | 2011-04-27 | 江苏鸿信系统集成有限公司 | 基于m2m架构的农业大棚远程监测和智能控制系统及方法 |
CN207947807U (zh) * | 2018-03-26 | 2018-10-09 | 南京理工大学紫金学院 | 一种智能大棚系统 |
CN110262435A (zh) * | 2019-07-16 | 2019-09-20 | 河海大学常州校区 | 基于大数据分析的智慧大棚控制系统及方法 |
-
2021
- 2021-05-10 CN CN202110502789.0A patent/CN113298489A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102035876A (zh) * | 2010-10-15 | 2011-04-27 | 江苏鸿信系统集成有限公司 | 基于m2m架构的农业大棚远程监测和智能控制系统及方法 |
CN207947807U (zh) * | 2018-03-26 | 2018-10-09 | 南京理工大学紫金学院 | 一种智能大棚系统 |
CN110262435A (zh) * | 2019-07-16 | 2019-09-20 | 河海大学常州校区 | 基于大数据分析的智慧大棚控制系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114095893A (zh) * | 2021-10-19 | 2022-02-25 | 浙江工业大学 | 分布式数字化农业园区环境感知系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barik | IoT based temperature and humidity controlling using Arduino and Raspberry Pi | |
CN205301934U (zh) | 一种设施农业物联网环境测控装置 | |
CN203117769U (zh) | 一种基于wsn技术的密闭型智能植物工厂监控管理系统 | |
CN205920428U (zh) | 基于一体化检测传感器的智慧农业监控系统 | |
CN205301613U (zh) | 一种可远程访问的自动气象站 | |
CN105843147A (zh) | 一种智慧农业监控管理系统 | |
CN202904667U (zh) | 基于移动终端的作物病害识别系统 | |
CN110545529A (zh) | 一种温室大棚环境监测与管理服务系统 | |
CN210375194U (zh) | 一种基于多传感器的农业大棚环境监测系统 | |
CN113298489A (zh) | 一种基于深度学习的大棚自动化系统 | |
CN115047821A (zh) | 一种生猪养殖环境智能监测系统及其评价方法 | |
CN203324260U (zh) | 基于物联网的南美白对虾养殖水质在线监测系统 | |
Hu et al. | Internet of things-enabled crop growth monitoring system for smart agriculture | |
Lin et al. | The Construction of a Precise Agricultural Information System Based on Internet of Things. | |
CN113625639A (zh) | 农业智能监控系统及其监控方法 | |
KR20210149623A (ko) | Vr 기반의 실감형 스마트팜 연구 시스템 | |
CN115442405A (zh) | 一种智慧农业生产管理服务系统 | |
CN208862877U (zh) | 一种基于蓝牙与NB-lot技术的远程植物监测系统 | |
TWI722338B (zh) | 智能資訊讀取方法、裝置與系統 | |
Albay et al. | A novel agriculture tracking system using data mining approaches | |
CN106818538A (zh) | 一种鸡舍环境监控系统 | |
CN204925720U (zh) | 基于物联网技术的采集控制器 | |
CN207075026U (zh) | 一种物联网监控系统 | |
Li et al. | Environment Factors Monitoring System Based on CAN bus. | |
Chen et al. | A Smart Agricultural Monitoring System Based on Cloud Platform of Internet of Things |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210824 |