农业物联网技术现状与发展趋势

农业物联网技术是推动现代农业智能化发展的新兴技术,已广泛应用于农业生产的各个环节。随着新型感知技术、信息传输技术、人工智能、区块链等信息技术的快速发展,我国农业物联网应用面临新的机遇。光谱及光谱成像、机器视觉等新型传感技术,为实现快速实时无损感知提供了新思路。以5G为代表的新型通信技术,结合多源信息融合、人工智能、区块链、边缘计算等信息处理技术,使信息的传输与处理更加快速和安全可靠。本文从农业物联网的感知、传输、处理和应用4个核心层面,对农业物联网技术展开了较深入的分析,并结合新型信息技术体系,探索农业物联网的未来发展趋势,以期为我国未来农业物联网技术的创新和产业发展提供一些启示。

基于热红外遥感影像的作物冠层温度提取

热红外影像较难直接提取作物冠层区域,因而无法获得较精准的作物冠层温度。本文以拔节期的玉米为研究对象,利用六旋翼无人机搭载热红外成像仪和大疆精灵四Pro无人机,获得热红外影像及正射影像。基于高分辨率正射影像,采用改进的Canny边缘检测算子、支持向量机(Support vector machine,SVM)和小波变换3种方法提取玉米冠层区域,将提取结果进行二值化处理后,在热红外影像中以此生成掩膜并提取玉米冠层温度。应用提取的矢量面分析提取效果并对3种提取算法的精度进行评价。实验结果表明,改进的Canny边缘检测算子提取效果最优、SVM算法次之、小波变换最差,提取精度分别为87. 3%、74. 5%、68. 2%。同时,将手持测温仪测得的玉米冠层温度与提取的冠层温度进行误差分析,结果表明,基于改进的Canny边缘检测算子提取的玉米冠层温度与地面实测值相关性最高,决定系数R^2=0. 929 5,SVM算法决定系数R^2=0. 895 7,小波变换决定系数R2=0. 876 0。改进的Canny边缘检测算子能够更好地提取玉米冠层区域,获取更加精确的玉米冠层温度,从而能够更有效地监测玉米生理状况,进行旱情预测,制定合理的灌溉、施肥措施以提高玉米产量。

多目标肉牛进食行为识别方法研究

基于计算机视觉技术,借助已有系统获得肉牛进食行为数据,并与体重变化、健康状况等进行关联分析,对肉牛科学养殖具有重要意义。为此提出了一种基于机器视觉的肉牛进食行为识别方法。该方法采用YOLOv3模型对观测范围内的肉牛目标进行检测,利用卷积神经网络识别单个目标的进食行为,进而实现对多目标肉牛进食行为的识别。卷积操作时,利用填充(padding)增强网络对目标边缘特征的提取能力;使用修正线性单元(ReLU)为激活函数,防止梯度消失;采用丢弃(dropout)方法提高网络的泛化能力。获取实际肉牛养殖场的监控视频,构建数据集,分别在8组测试集上进行试验,本文方法对观测范围内肉牛目标检测的平均精确度为83.8%,进食行为识别的平均精确度为79.7%、平均召回率为73.0%、平均准确率为74.3%,能够满足肉牛进食行为的监测需求。基于YOLOv3模型和卷积神经网络的多目标肉牛进食行为识别方法具有较高的准确性,为肉牛行为非接触式监测提供了新的途径。

基于DeepSORT算法的肉牛多目标跟踪方法

肉牛的运动行为反映其健康状况,在实际养殖环境下如何识别肉牛并对其进行跟踪,对感知肉牛的运动行为至关重要。基于YOLO v3改进算法(LSRCEM-YOLO),利用视频监控实现了实际养殖环境下的肉牛实时跟踪。该方法采用MobileNet v2作为目标检测骨干网络,根据肉牛分布不均、目标尺度变化较大的特点,提出通过添加长短距离语义增强模块(LSRCEM)进行多尺度融合,结合Mudeep重识别模型实现了肉牛多目标跟踪。结果表明:在目标检测方面,LSRCEM-YOLO的m AP值达到了92.3%,模型参数量仅为YOLO v3的10%,相比YOLO v3-tiny也降低了31.34%;在肉牛重识别方面,采用基于调整感受野的Mudeep模型,获得了更多的多尺度特征,其Rank-1指标达到了96.5%;多目标跟踪的多目标跟踪准确率相对于Deep SORT算法从32.3%提高到了45.2%,ID switch次数降低了69.2%。本文方法可为实际环境下的肉牛行为实时跟踪、行为感知提供技术参考。

基于改进YOLO v3的肉牛多目标骨架提取方法

针对肉牛行为识别过程中,多目标骨架提取精度随目标数量增多而大幅降低的问题,提出了一种改进YOLO v3算法(Not classify RFB-YOLO v3,NC-YOLO v3),在主干网络后引入RFB(Receptive field block)扩大模型感受野,剔除分类模块提高检测效率,结合8SH(8Stacked Hourglass)算法实现实际养殖环境下的肉牛多目标检测与骨架提取。实验为肉牛骨架设置16个关键节点形成肉牛骨架点位信息,通过对图像多尺度和多方向训练提高检测精度。针对多目标骨架提取模型检测的关键点信息进行统计分析,提出一种对肉牛站立和卧倒行为识别的方法。实验结果表明:在目标检测方面,NC-YOLO v3模型的召回率可达99.00%,精度可达97.80%,平均精度可达97.18%。与原模型相比,平均精度提高4.13个百分点,去除的网络参数量为13.81 MB;在单牛骨架提取方面,采用8层堆叠的Hourglass网络检测关键点位置,平均精度均值可达90.75%;在多牛骨架提取方面,NC-YOLO v3构建的模型相对于YOLO v3构建的模型,平均精度均值提高4.11个百分点,达到66.05%。

农机远程智能管理平台研发及其应用

本研究针对农机管理实时数据少、农机实时作业监管困难、服务信息不对称等问题,首先提出专业化远程管理平台设计时应具有五大原则:专业化、标准化、云平台、模块化以及开放性。基于这些原则,本研究设计了基于大田作业智能传感技术、物联网技术、定位技术、遥感技术和地理信息系统的可定制化的通用农机远程智能管理平台。平台分别为各级政府管理部门、农机合作社、农机手、农户设计并实现了基于WebGIS的农机信息库及农机位置服务、农机作业实时监测与管理、农田基础信息管理、田间作物基本信息管理、农机调度管理、农机补贴管理、农机作业订单管理等多个实用模块。研究着重分析了在当前的技术背景下,平台部分关键技术的实现方法,包括采用低精度GNSS定位系统前提下的作业面积的计算方法、GNSS定位数据处理过程中的数据问题分析、农机调度算法、作业传感器信息的集成等,并提出了以地块为核心的管理平台建设思路;同时提出农机作业管理平台将逐步从简单作业管理转向大田农机综合管理。本平台对同类型管理平台的研发具有一定的参考与借鉴作用。

宁夏清真农产品物流的现状与展望

清真农产品是穆斯林群众生活必需品之一,宁夏清真农产品以其独特民族风味占领市场,在国内外享有盛誉、具有独特的产业优势。宁夏虽具有发展清真农产品产业的天然优势,但在清真农产品物流方面存在许多问题。本研究就宁夏清真农产品物流的现状及存在的问题进行了阐述,并对宁夏清真农产品今后的发展提出了思考性的意见。

宁夏医药集中招标采购系统的设计与实现

根据实际应用环境,将网络技术与现有招标采购程序有机结合,建立模块化“医药招标采购系统”,真正实现整体过程的网络化,使之更高效地服务于医疗机构、生产厂商;同时,便于管理部门更灵活地组织、管理、监督医药采购.该系统于2002年3月开发完成,经过宁夏四市五次大规模的招标使用,招标药品2000多个品种规格,参加的医院近80家,采购药品共计1.2亿元人民币,取得了良好的社会效益.

一网打天下 为民送实惠——宁夏新农村信息化建设实践

宁夏新农村信息化建设立足农村、面向农业、服务农民,把信息化工作的着眼点放在农民如何得实惠上,放在推动农村经济社会发展上,放在探索长效机制上,形成了特色,取得了实效。

基于物联网的北方日光温室智能管理系统的应用

本系统创新性的将传统农业与农业物联网技术有机结合起来,利用现代信息技术和物联网技术,以云计算的技术架构和开放的应用体系为支撑,以吴忠国家农业科技园区设施基地为应用载体,建设吴忠国家农业科技园区智能管理系统.系统能够建设农业产业数据标准体系,提高日光温室管理与监控水平,通过对农作物生长环境参数采集存储、Web客户端信息处理、预警分析和温室设备的智能控制等,实现了大棚的科学化管理、实时监测和自动控制.

农业物联网的探索与思考 以宁夏回族自治区为例

物联网的发展还有很漫长的道路要走,核心技术产品的研发与物联网人才的培养成为了制约其发展的两个重要因素,面对国外的先进经验与成功模式,我们还需要进一步认真学习与突破,因地制宜,加快核心技术研发和人才培养机制的建设,加快推进我国农业物联网产业发展。

基于声波的枸杞蚜虫防治系统设计与试验

为减少农药的使用,提升宁夏枸杞的品质,本研究在明确声波与蚜虫的作用机理基础上,开发了声压120 dB,频率范围20~1 000 Hz的低频声波装置,并探索其室内和田间对蚜虫的防效。结果表明,在室内和田间,声波强度100 dB,连续3 d,声波处理3 h/d,室内145 Hz和室外170 Hz的声波对蚜虫的趋避效果分别为83.3%和40%。该低频声波技术和装置可用于枸杞蚜虫的防控,结合机器人等运动平台,具备大面积枸杞蚜虫声波防治的可能性。