阅读量：

216

作者：

孙志朋

展开

摘要：

我国是农业大国,也是世界上水稻产量及消费量最高的国家.水稻产量对于我国粮食安全有着重要意义.目前我国水稻在平均亩产量和水,肥,药等利用率方面相比农业发达国家还有较大提升空间.采集水稻生长环境信息,有的放矢地指导农业生产,已被证明是提高产量和资源利用率的有效方式之一.农业物联网技术以信息感知设备,通讯网络和智能信息处理技术应用为核心,通过农业科学化管理,达到合理使用农业资源,改善生态环境,降低生产成本,提高农产品产量和品质的目的.目前农业物联网技术应用面临网络覆盖范围小,监测项目受限,传输成本高,供电时间短等问题,这些问题限制了水稻生长环境监测的普及和智能化程度.随着低功率广域网,边缘计算,人工智能等物联网相关技术的蓬勃发展,为解决这些问题提供了更多角度.因此,本文结合物联网及其关联技术,构建了适合监测水稻生长环境的广覆盖,低功耗,智能化的物联网监测系统,并对系统中一些关键技术进行研究.能够更加全面,准确,实时地了解水稻生长的环境因素,从而更好的指导水稻生产.本文的主要研究内容包括以下几个方面:(1)研究了基于边缘计算的水稻生长环境监测物联网的架构.设计了一种功耗低,传输距离远,融合害虫监测功能的水稻生长环境信息监测物联网架构,将高清晰图像传输与低功率广域网进行异构融合,实现了低功率广域网布局下的水稻害虫监测及生长环境信息采集功能.应用NS3软件对水稻生长环境布设大量传感器监测节点的情况进行了仿真,得出了两种ACK机制下网络传输质量的优势参数组合范围对比,给出了需提升网络传输质量的参数组合范围及建议.(2)设计了应用边缘计算技术的水稻生长环境在线监测网关.在支持LoRaWAN和802.11g协议异构组网的基础上,设计了边缘计算网关的功能架构和数据通信架构.通过虚拟化容器技术,将LoRaWAN服务器,在线害虫识别计数算法,实时传感器数据融合算法打包成镜像,在农业生产现场形成多个功能模块集成化运作的边缘计算模式.采用边缘消息中间件的方式规范化定制各功能模块之间以及云,边之间的数据传输.经实际测试,网关可以同时实现各模块功能,在每秒500/1000条并发压力测试中,平均负载分别为0.22/2.99,系统资源利用率稳定,采用的边缘消息中间件模式数据传输稳定可靠,田间实际测试数据传输成功率达99.1%.(3)设计了一种高准确性的多传感器数据融合方案.实时对水稻生长环境信息进行在线监测,通过改进算法,对上传的传感器数据进行数据融合测试,对比传统的融合算法方差降低了约25%左右,切实提高了获取水稻生长环境数据的准确率.(4)研究了水稻害虫在线识别人工智能算法.对采集的水稻害虫图像进行自动化图像预处理工作,使用图像增强,图像分割等传统图像处理技术优化图像质量.提出了一种在线害虫识别计数方法:使用人工智能深度学习的算法,在TensorFlow框架下完成对监测节点上传的害虫图像在线识别及计数.通过测试,识别准确率达到89%.将图像识别结果以数字方式输出,大幅降低了物联网传输和云端计算的压力.(5)构建水稻生长环境监测数据管理云平台.将所有监测节点采集的数据进行动态可视化展示,根据采集的信息内容结合专家系统给出相应的决策意见进而指导水稻生产.

展开

学位级别：

博士