基于大豆生长信息的智能灌溉系统设计

针对目前我国大豆种植灌溉中存在的问题和技术难点,综合运用触摸屏及PLC智能监控、报警输出、智能配比等关键技术,基于大豆生长信息实施智能灌溉。该系统是由控制系统、监控系统、灌溉系统和信息采集四部分构成。监控系统是在触摸屏中实时监控大豆土壤成分和报警,将监控到的数据分析处理,对土壤环境进行水肥智能配比。灌溉系统由水桶、氮桶、磷桶、钾桶、混合桶和喷头组成。信息采集由伸缩杆、环境采集传感器构成,运用传感器采集土壤成分传送到监控系统中,进行实时反馈。本设计具有实时采集土壤信息、智能水肥配比、实时进行灌溉的特点,节约用水,合理施肥及灌溉,对智慧农业发展具有一定意义。

基于多源信息融合的农作物生长信息监测系统

由于现行系统在农作物生长信息监测中应用效果不佳,不仅监测误差比较大,而且系统响应时间比较长,无法达到预期的监测效果,提出基于多传感器信息融合的农作物生长信息监测系统。在系统硬件方面对无线传感器与主控制器选型与设计,利用主控制器控制多种传感器采集到农作物生长温度、湿度、光照强度以及二氧化碳浓度信息;在系统软件方面,利用Allan方差法识别信息误差,并对其修正处理,通过对多传感器信息融合,提取到农作物生长特征,对农作物生长质量量化,生成生长信息监测报告,以此完成基于多传感器信息融合的农作物生长信息监测系统设计。经实验证明,设计系统监测误差小于1%,响应时间在1000ms以内,可以实现对农作物生长信息快速精准监测。

小麦生长信息计算机视觉检测技术研究(英文)

以计算机视觉检测小麦生长信息为目的 ,建立了计算机视觉系统以获取小麦图像。在分析小麦生长特性的基础上 ,提出了用小麦叶片和茎秆之间的叉点数来检测叶数 ;用色相表示小麦叶片的颜色 ,对小麦叶片的色相值进行了检测。并在中文 Windows98平台上用 Visual C+ + 6 .0开发研制了检测软件。

作物生长信息获取多光谱传感器设计与试验

为了实时、快捷、无损获取农作物生长信息,根据作物生长指标的光谱监测机理,研制了一种四波长作物生长信息获取多光谱传感器。采用光学滤波技术提高了光辐射信息输入信噪比,依据作物冠层特征及田间作业环境实际要求,设计了适宜的探测镜头结构参数,确保了多光谱传感器灵敏度与分辨效果,应用T型电阻积分网络搭建了微弱光谱信息放大电路。通过标定,获得了多光谱传感器与FieldSpec Pro FR2500型光谱仪的关系模型,决定系数分别为0.802 8、0.806 8、0.818 5、0.890 0。对小麦的试验结果表明,该传感器的平均测量误差分别为5.6%、4.6%、1.4%、4.5%。该传感器能够较好地实现作物冠层反射光谱的实时在线检测,为作物生长监测设备的研发提供了有力支持。

光谱分析技术在作物生长信息检测中的应用研究进展

获取作物的相关生长信息可以预测作物的生长和健康状态,是实现作物生产管理智能化的基础。植物的生长信息获取技术主要包括利用其电学特性、光学特性和机器视觉技术等,随着光谱技术的发展,近红外光谱技术、多光谱技术和高光谱技术在作物生长信息的获取应用上开始大量应用,并显示了其分析速度快、效率高、成本低、无需制备样品等优点,已成为一种快速、无损的现代分析技术。文章介绍了国内外运用光谱分析技术在作物生长信息获取上的研究情况,并分析了该技术应用于作物生长信息获取时尚存在的问题和今后的研究方向,提出了进行作物生长实时、智能化管理的必要性,需要加快研制相关的光谱自动分析设备,提高作物生长信息获取的速度,最后指出了结合机器视觉技术、红外成像技术、光谱分析技术等多种技术进行作物生长多种信息获取是未来发展的趋势。

基于主动光源的作物生长信息监测仪的设计与试验

为了实现大田作物生长信息全天候实时、快速无损监测,基于作物生长光谱分析技术原理,研发了一种基于主动光源的作物生长信息监测仪。该监测仪包括由730和810 nm 2个光学通道组成的作物生长信息传感系统、控制器系统及其他部件,能快速、准确地获得作物冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值等主要光谱植被指数信息,为大田作物生长指标的实时反演奠定了基础。试验结果表明,在不同光照条件下,监测仪的抗光照稳定性能良好,标准差为1.05%和0.47%;该监测仪与Field Spec3地物光谱仪测得小麦冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值具有显著相关性,其决定系数分别为0.7017、0.7071、0.8178、0.7804;均方根误差分别为0.05362、0.2118、0.03434、0.04182。该监测仪具有稳定性好、抗干扰能力强、操作简便等优点,能够满足大田作物生长信息监测的要求,该研究为实现作物精确管理调控提供了可行的参考方法。

水稻生长信息动态监控系统设计—基于物联网技术

获取水稻的相关生长信息可以动态监控和实时掌握水稻的生长情况,是实现水稻生产管理的自动化和智能化基础。为此,基于物联网技术,设计了集水稻生长过程数据采集、视频信息传输、后台数据分析处理和水稻生长精准调控等功能于一体的水稻生长信息动态监控系统。根据该系统,对植物工厂中种植的4种水稻作为试验田进行研究,选择株高、有效穗数和叶绿素含量这3种性状作为监测对象,并与人工测量数据进行比较,发现该系统可有效监测水稻的株高、有效穗数和叶绿素含量等数量性状,结果表明:系统可实现水稻生产中资源的合理利用,保证水稻高质、高产。

逐日平台搭载作物生长信息传感器效果检验与评估

为验证逐日平台追踪太阳的准确性及其消除太阳高度对作物生长信息传感器影响的效果,从而解决被动光源作物生长信息监测仪器因太阳高度角变化导致反射率测量误差波动大、有效采样窗口期短等问题,在课题组前期被动光源作物生长信息传感器和逐日平台研制的基础上,通过逐日准确性试验、标准反射率以及作物冠层反射率检测对比试验,对逐日平台搭载作物生长信息传感器的实际效果进行了检验与评估。结果显示,逐日平台水平方向追踪太阳的平均偏离角度为0.592°,竖直方向追踪太阳的平均偏离角度为0.470°;当作物生长信息传感器直接测量10%、20%、40%、60%标准反射率灰度板和作物冠层反射率时,在8:00-17:00时间段内因受太阳高度角影响,传感器测量的反射率波动幅度达60.00%以上,仅中午前后(11:00-13:00)测量的反射率较为准确;当使用逐日平台搭载作物生长信息传感器测量相同对象时,8:00-17:00时间段内测得反射率均较为准确,反射率波动幅度在2.53%以内。试验结果表明,使用逐日平台能显著提升被动光源作物生长信息传感器测量的准确性,延长作物生长信息传感器日工作时间1倍以上。

设施园艺作物生长信息智能化检测装备的创新设计

设施园艺智能化装备技术是现代设施农业发展的迫切需要。温室作物生长信息智能化监测装备能够对作物的营养、长势和环境信息进行综合监测,为温室的水肥和环境优化调控提供科学依据,是设施园艺智能化的关键装备,本研究针对不同生长阶段和不同株形作物的检测需求以及温室非结构化环境的作业需要,开发了能够在温室内自主巡航的轮式和履带式作物生长及环境信息监测系统;同时,为了满足大株型作物的检测需求,还开发了悬轨式作物生长和环境信息检测系统,该系统将多传感检测系统通过云台悬挂安装在温室桁架内的回旋轨道上,由于检测位置较高,能够对黄瓜、番茄等较大株型的温室作物实现定时巡航生长监测。为了实现作物生长信息的全面探测,研发了园艺作物信息多传感检测系统,利用可见光—近红外双目多光谱相机、红外探测传感器、激光测距传感器以及环境温湿度和光照传感器等仪器设备,通过多传感信息融合,实现了设施园艺作物营养、长势和环境信息的综合监测,取得了较好的应用效果。

农作物生长信息采集管理系统设计

随着自动化技术在农业生产中广泛应用,精细农业也成为农业科技发展的主流。及时、准确地采集农作物生长信息并进行及时处理,对于提高农作物质量、降低生产成本、缩短生产周期十分重要。用传感器采集农作物的生长信息,通过运算放大器进行信号处理,再应用单片机对数据进行记录、比较分析并发出管理指令,最后由执行电路进行相应操作。本设计电路简单、测量准确、模块化便于增加和改进、成本低廉、可用于多种农作物生产。

基于物联网的玉米生长信息动态监控系统设计

文章针对玉米生长信息动态监控系统设计,结合物联网相关技术,在简要阐述玉米生长过程的基础上,分析了玉米生长信息动态监控系统设计的原理和系统组成,通过田间试验深入分析了改系统设计的可行性。最后通过深入分析,得出基于物联网的玉米生长信息动态监控系统能有效保证玉米生长信息测定结果真实有效的结论,希望对提高我国玉米产量有一定帮助。

基于物联网技术的水稻生长信息动态监控系统研究

在大数据时代中,进行水稻种植作业时,可以灵活地使用物联网技术,加强工作信息的整合处理,从而实现水稻生产的智能程度与自动化程度。物联网技术应用于水稻种植期间,应该加强现代技术的应用,使用动态监控捕捉水稻生长的所有信息,掌握水稻生长的情况,这是水稻生产向智能化、自动化方向发展的基础。与此同时,还应该借助物联网技术,将其应用在水稻生长管理期间,通过大数据技术,及时收集水稻生长信息,并进行视频信息传输,通过后台处理分析,作为开展水稻生长管理的依据。

基于冠层高光谱信息的水稻生长监测应用研究进展

水稻是我国主要的粮食作物,与传统的诊断方法相比,光谱与成像技术具有快速、准确、无损探测和获取水稻养分生理信息的优势,是水稻生长监测和田间精细化管理以及指导农业生产不可或缺的理论基础和关键技术。介绍高光谱技术常用的数据处理与变换方法、建模与模型验证方法,总结国内外近40年来光谱分析技术在叶面积指数、生物量、养分、叶绿素含量、植被指数、病虫害和水分等作物生长信息检测中的应用研究进展,剖析水稻光谱诊断技术亟待解决的问题,为提高水稻精确管理水平和实现精准农业提供技术支撑。最后指出,基于计算机视觉和图像处理技术,利用数码相机RGB(red,green,blue)和HSV(hue,saturation,value)等2种颜色模型以及在多因子交互作用条件下进行水稻参数分析是未来的发展趋势。

基于波谱技术的茶树生长与茶叶品质信息快速检测研究进展

波谱技术快速获取茶树生长和茶叶品质信息对提高茶叶生产信息化、产业化水平,保障茶叶品质和安全具有重要意义。阐述了波谱技术在茶树生长和茶叶品质信息快速检测的研究进展和发展趋势。重点介绍了红外光谱,荧光光谱、拉曼光谱、质谱等在茶树生长信息获取(氮、叶绿素、病虫害信息等)、茶叶品种分类、茶叶分级、茶叶内部品质检测(茶多酚、儿茶素、咖啡碱、氨基酸、农药残留等)、茶饮料和加工品的品质检测以及相关检测设备等方面的研究进展和应用情况,简述了茶树生长信息获取方法、传感仪器和产业化应用的研究和发展趋势。选择合适的预处理和化学计量学方法能有效增加模型效果,减少冗余数据,为基于波谱技术便携式仪器的开发提供可能。基于波谱技术便携式仪器和在线检测仪器开发仍是今后实现该技术应用和推广的重点。首次介绍了波谱技术在茶叶生产加工领域的应用成果和研究进展,涵盖茶树生长、茶叶加工、茶叶和茶加工品品质安全等多方面内容,并论述波谱技术在茶叶产业应用存在问题和将来发展趋势。

无线传感器网络在植物生长环境信息监测中的应用

针对植物生长环境信息大滞后及大惯性的特点,基于WSN和低功耗ZigBee CC2430无线通信技术设计一个植物生长环境多环境参数监测系统。无线传感器网络实时采集和处理植物生长环境数据,由信息接收端保存,可进一步显示处理结果,从而完成动态信息监测任务。植物生长环境数据最终传送至系统的上位机监测中心,对环境数据进行统一管理,充分发挥无线传感器网络的路由监测作用。系统克服了有线传感器网络的局限性,组网灵活、节点成本低、网络容量大。同时,实时监测实验表明,该系统操作灵活,有较好的数据传输精度。由于良好的系统稳定性,使得其在植物生长环境信息监测中可以胜任多参数监测任务。

主位:话语人际意义建构的信息生长点

在以人际意义建构为导向的宏观提议性话语中,主位作为语篇功能体现形式之一,对另一元功能——人际意义的构建具有信息导向功能,即主位发展形成的信息流对话语层面人际意义建构起使能作用。主位发展动态推动话语信息流,赋予实例体系中某些特定项以人际出发点和导向价值,使这些特定项成为实例人际体系韵律表现的信息生长点。

作物生长环境信息无线监测系统的设计与实现

针对热带作物生长环境监测的现状,设计了一个基于Zig Bee/RS232的作物生长环境信息无线监测系统。该系统由Zig Bee传感器网络、数据采集模块和上位机组成,采用组态软件处理数据。系统能够监测环境温湿度、土壤温湿度、光照度和CO2浓度;能够将采集到的数据以图形、表格等形式实时显示、存储,数据存储后可以在不同数据库间共享。试验结果表明该系统运行稳定,传输数据准确,适用于农田或温室作物生长环境信息的监测。

基于DTU和Datalogger的农作物生长环境信息在线监控系统设计

农作物的生长情况与其所在生长环境有着密切的关系,维持良好的生长环境将对农作物的生长起促进作用。本研究采用空气温湿度检测传感器与土壤水分温度电导率传感器,基于DTU和Datalogger数据采集器,使用LoggerNet4.1编程软件开发1套农作物生长环境信息在线监控系统。该系统能够对空气的温度、湿度与土壤环境的温度、湿度、电导率等参数进行长期实时远距离监测,并可根据设置的目标参数与实时数据进行比较判断,实时控制相应浇灌动作,完成农作物生长环境重要参数的监测和控制任务。设计的农作物生长环境信息在线监控系统使用植物盆栽作为测试环境进行试验,试验结果表明,实时监测的空气温度和湿度曲线与土壤温度和湿度曲线达到预期效果,本系统实现了对农作物生长环境的精确监控。由于Datalogger具有网络通讯功能,该系统还有联网开发的潜在功能,应用前景良好。

氮化物外延生长在线监测技术

金属有机化学气相沉积外延技术(MOCVD)是利用金属有机化合物进行金属输运的一种气相外延生长技术,是大规模生产第三代半导体光电子、微电子器件的重要方法,也是制备半导体异质结、超晶格、量子阱等低维结构的主要手段。第三代半导体材料的飞速发展对MOCVD设备提出了更高的要求,MOCVD在线监测技术作为控制生长过程的前提,面临更多的挑战。该文综合介绍和比较了当今各种MOCVD在线监测技术的发展情况,并对MOCVD在线监测技术中的关键技术——红外测温、生产信息、曲率测量、光致发光做出简要介绍和看法。

大豆叶片生长特征的动态模拟研究

选择特定的大豆品种,在大豆种植过程中,采集叶片的生长信息,主要包括叶片的长出时间、单株叶片长、宽、叶柄长、叶面积变化等。对上述数据进行数学分析,获取叶片生长过程中其形态的变化规律,从而提出了大豆叶片生长过程的模拟方法。