本專題我共整理了10篇文章，來(lái)自中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)質(zhì)量標(biāo)準(zhǔn)與檢測(cè)技術(shù)研究所、南京農(nóng)業(yè)大學(xué)、英國(guó)林肯大學(xué)、華南農(nóng)業(yè)大學(xué)、江南大學(xué)、國(guó)家農(nóng)業(yè)智能裝備工程技術(shù)研究中心、浙江大學(xué)、中國(guó)科學(xué)院、吉林農(nóng)業(yè)大學(xué)、西北農(nóng)林 科技 大學(xué)、國(guó)家信息農(nóng)業(yè)工程技術(shù)中心等單位。

文章包含農(nóng)產(chǎn)品質(zhì)量安全納米傳感器、太陽(yáng)能殺蟲(chóng)燈、分簇路由算法、農(nóng)田物聯(lián)網(wǎng)混合多跳路由算法、水產(chǎn)養(yǎng)殖溶解氧傳感器研制、土壤養(yǎng)分近場(chǎng)遙測(cè)方法、農(nóng)機(jī)遠(yuǎn)程智能管理平臺(tái)、水肥濃度智能感知與精準(zhǔn)配比、果園多機(jī)器人通信等內(nèi)容，供大家閱讀、參考。

專題--農(nóng)業(yè)傳感器與物聯(lián)網(wǎng)

Topic--Agricultural Sensor and Internet of Things

[1]王培龍, 唐智勇. 農(nóng)產(chǎn)品質(zhì)量安全納米傳感應(yīng)用研究分析與展望[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(2): 1-10.

WANG Peilong , TANG Zhiyong. Application analysis and prospect of nanosensor in the quality and safety of agricultural products[J]. Smart Agriculture, 2020, 2(2): 1-10.

知網(wǎng)閱讀

[2]楊星, 舒磊, 黃凱, 李凱亮, 霍志強(qiáng), 王彥飛, 王心怡, 盧巧玲, 張亞成. 太陽(yáng)能殺蟲(chóng)燈物聯(lián)網(wǎng)故障診斷特征分析及潛在挑戰(zhàn)[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(2): 11-27.

YANG Xing, SHU Lei, HUANG Kai, LI Kailiang, HUO Zhiqiang, WANG Yanfei, WANG Xinyi, LU Qiaoling, ZHANG Yacheng. Characteristics analysis and challenges for fault diagnosis in solar insecticidal lamps Internet of Things[J]. Smart Agriculture, 2020, 2(2): 11-27.

摘要： 太陽(yáng)能殺蟲(chóng)燈物聯(lián)網(wǎng)（SIL-IoTs）是一種基于農(nóng)業(yè)場(chǎng)景與物聯(lián)網(wǎng)技術(shù)的新型物理農(nóng)業(yè)蟲(chóng)害防治工具，通過(guò)無(wú)線傳輸太陽(yáng)能殺蟲(chóng)燈組件狀態(tài)數(shù)據(jù)，用戶可后臺(tái)實(shí)時(shí)查看太陽(yáng)能殺蟲(chóng)燈運(yùn)行狀態(tài)，具有殺蟲(chóng)計(jì)數(shù)、蟲(chóng)害區(qū)域定位、輔助農(nóng)情監(jiān)測(cè)等功能。但隨著SIL-IoTs快速發(fā)展與廣泛應(yīng)用，故障診斷難和維護(hù)難等矛盾日益突出?；诖?，本研究首先闡述了SIL-IoTs的結(jié)構(gòu)和研究現(xiàn)狀，分析了故障診斷的重要性，指出了故障診斷是保障其可靠性的主要手段。接著介紹了目前太陽(yáng)能殺蟲(chóng)燈節(jié)點(diǎn)自身存在的故障及其在無(wú)線傳感網(wǎng)絡(luò)（WSNs）中的體現(xiàn)，并進(jìn)一步對(duì)WSNs中的故障進(jìn)行分類，包括基于行為、基于時(shí)間、基于組件以及基于影響區(qū)域的故障四類。隨后討論了統(tǒng)計(jì)方法、概率方法、層次路由方法、機(jī)器學(xué)習(xí)方法、拓?fù)淇刂品椒ê鸵苿?dòng)基站方法等目前主要使用的WSNs故障診斷方法。此外，還探討了SIL-IoTs故障診斷策略，將故障診斷從行為上分為主動(dòng)型診斷與被動(dòng)型診斷策略，從監(jiān)測(cè)類型上分為連續(xù)診斷、定期診斷、直接診斷與間接診斷策略，從設(shè)備上分為集中式、分布式與混合式策略。在以上故障診斷方法與策略的基礎(chǔ)上，介紹了后臺(tái)數(shù)據(jù)異常、部分節(jié)點(diǎn)通信異常、整個(gè)網(wǎng)絡(luò)通信異常和未診斷出異常但實(shí)際存在異常四種故障現(xiàn)象下適用的WSNs故障診斷調(diào)試工具，如Sympathy、Clairvoyant、SNIF和Dustminer。最后，強(qiáng)調(diào)了SIL-IoTs的特性對(duì)故障診斷帶來(lái)的潛在挑戰(zhàn)，包括部署環(huán)境復(fù)雜、節(jié)點(diǎn)任務(wù)沖突、連續(xù)性區(qū)域節(jié)點(diǎn)無(wú)法傳輸數(shù)據(jù)和多種故障診斷失效等情形，并針對(duì)這些潛在挑戰(zhàn)指出了合理的研究方向。由于SIL-IoTs為農(nóng)業(yè)物聯(lián)網(wǎng)中典型應(yīng)用，因此本研究可擴(kuò)展至其它農(nóng)業(yè)物聯(lián)網(wǎng)中，并為這些農(nóng)業(yè)物聯(lián)網(wǎng)的故障診斷提供參考。

知網(wǎng)閱讀

[3]汪進(jìn)鴻, 韓宇星. 用于作物表型信息邊緣計(jì)算采集的認(rèn)知無(wú)線傳感器網(wǎng)絡(luò)分簇路由算法[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(2): 28-47.

WANG Jinhong, HAN Yuxing. Cognitive radio sensor networks clustering routing algorithm for crop phenotypic information edge computing collection[J]. Smart Agriculture, 2020, 2(2): 28-47.

摘要： 隨著無(wú)線終端數(shù)量的快速增長(zhǎng)和多媒體圖像等高帶寬傳輸業(yè)務(wù)需求的增加，農(nóng)業(yè)物聯(lián)網(wǎng)相關(guān)領(lǐng)域可預(yù)見(jiàn)地會(huì)出現(xiàn)無(wú)線頻譜資源緊缺問(wèn)題。針對(duì)基于傳統(tǒng)物聯(lián)網(wǎng)的作物表型信息采集系統(tǒng)中存在由于節(jié)點(diǎn)密集部署導(dǎo)致數(shù)據(jù)傳輸過(guò)程容易出現(xiàn)頻譜競(jìng)爭(zhēng)、數(shù)據(jù)擁堵的現(xiàn)象以及固定電池的網(wǎng)絡(luò)由于能耗不均衡引起監(jiān)測(cè)周期縮減等諸多問(wèn)題，本研究建立了一個(gè)認(rèn)知無(wú)線傳感器網(wǎng)絡(luò)（CRSN）作物表型信息采集模型，并針對(duì)模型提出一種引入邊緣計(jì)算機(jī)制的動(dòng)態(tài)頻譜和能耗均衡（DSEB）的事件驅(qū)動(dòng)分簇路由算法。算法包括：（1）動(dòng)態(tài)頻譜感知分簇，采用層次聚類算法結(jié)合頻譜感知獲取的可用信道、節(jié)點(diǎn)間的距離、剩余能量和鄰居節(jié)點(diǎn)度為相似度對(duì)被監(jiān)控區(qū)域內(nèi)的節(jié)點(diǎn)進(jìn)行聚類分簇并選取簇頭，構(gòu)建分簇拓?fù)涞倪^(guò)程對(duì)各分簇大小的均衡性引入獎(jiǎng)勵(lì)和懲罰因子，提升網(wǎng)絡(luò)各分簇平均頻譜利用率；（2）融入邊緣計(jì)算的事件觸發(fā)數(shù)據(jù)路由，根據(jù)構(gòu)建的分簇拓?fù)浣Y(jié)構(gòu)，將待檢測(cè)各區(qū)域變化異常表型信息觸發(fā)事件以簇內(nèi)匯聚和簇間中繼交替迭代方式轉(zhuǎn)發(fā)至匯聚節(jié)點(diǎn)，簇內(nèi)匯聚包括直傳和簇內(nèi)中繼，簇間中繼包括主網(wǎng)關(guān)節(jié)點(diǎn)和次網(wǎng)關(guān)節(jié)點(diǎn)-主網(wǎng)關(guān)節(jié)點(diǎn)兩種情況；（3）基于頻譜變化和通信服務(wù)質(zhì)量（QoS）的自適應(yīng)重新分簇：基于主用戶行為變化引起的可用信道改變，或分簇效果不佳對(duì)通信服務(wù)質(zhì)量產(chǎn)生的干擾，觸發(fā)CRSN進(jìn)行自適應(yīng)重新分簇。此外，本研究還提出了一種新的能耗均衡策略去能量消耗中心化（假設(shè)sink為中心），即在網(wǎng)關(guān)或簇頭節(jié)點(diǎn)選取計(jì)算式中引入與節(jié)點(diǎn)到sink的距離成正比的權(quán)重系數(shù)。算法仿真結(jié)果表明，與采用K-medoid分簇和能量感知的事件驅(qū)動(dòng)分簇(ERP)路由方案相比，在CRSN節(jié)點(diǎn)數(shù)為定值的前提下，基于DSEB的分簇路由算法在網(wǎng)絡(luò)生存期與能效等方面均具有一定的改進(jìn)；在主用戶節(jié)點(diǎn)數(shù)為定值時(shí)，所提算法比其它兩種算法具有更高頻譜利用率。

知網(wǎng)閱讀

[4]顧浩, 王志強(qiáng), 吳昊, 蔣永年, 郭亞. 基于熒光法的溶解氧傳感器研制及試驗(yàn)[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(2): 48-58.

GU Hao, WANG Zhiqiang, WU Hao, JIANG Yongnian, GUO Ya. A fluorescence based dissolved oxygen sensor[J]. Smart Agriculture, 2020, 2(2): 48-58.

摘要：溶解氧含量的測(cè)量對(duì)水產(chǎn)養(yǎng)殖具有極其重要的意義，但目前中國(guó)市面上的溶解氧傳感器存在價(jià)格昂貴、不能持續(xù)在線測(cè)量及更新部件維護(hù)困難等問(wèn)題，難以在水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)中大規(guī)模推廣和發(fā)揮作用。本研究基于熒光淬滅原理，利用水中溶解氧濃度與熒光信號(hào)相位差的關(guān)系進(jìn)行低成本、易維護(hù)溶解氧傳感器的研發(fā)。首先利用自制備溶氧敏感膜，經(jīng)激發(fā)光照射后產(chǎn)生紅色熒光，該熒光壽命可由溶解氧濃度調(diào)節(jié)；然后利用光信號(hào)敏感器件設(shè)計(jì)光電轉(zhuǎn)化電路實(shí)現(xiàn)光信號(hào)感知；再以STM32F103微處理器作為主控芯片，編寫(xiě)下位機(jī)程序?qū)崿F(xiàn)激發(fā)光脈沖產(chǎn)生，利用相敏檢波原理以及快速傅里葉變換（FFT）計(jì)算激發(fā)光與參照光的相位差，進(jìn)而轉(zhuǎn)化為溶解氧濃度，實(shí)現(xiàn)溶解氧的測(cè)量。熒光探測(cè)部分與系統(tǒng)主控部分采用分離式設(shè)計(jì)思想，利用屏蔽排線直接插拔連接，便于傳感器探測(cè)頭的拆卸、更換、維護(hù)以及實(shí)現(xiàn)遠(yuǎn)距離在線測(cè)量。經(jīng)測(cè)試，本溶解氧傳感器的測(cè)量范圍是0~20 mg/L，響應(yīng)延遲小于2 s，溶氧敏感膜使用壽命約1年，可以實(shí)時(shí)不間斷地對(duì)溶解氧濃度進(jìn)行測(cè)量。同時(shí)，本傳感器具有測(cè)量方便、制作成本低、體積小等特點(diǎn)，為中國(guó)水產(chǎn)養(yǎng)殖低成本溶解氧傳感器的研發(fā)與市場(chǎng)化奠定了良好的基礎(chǔ)。

知網(wǎng)閱讀

[5]矯雷子, 董大明, 趙賢德, 田宏武. 基于調(diào)制近紅外反射光譜的土壤養(yǎng)分近場(chǎng)遙測(cè)方法研究[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(2): 59-66.

JIAO Leizi, DONG Daming, ZHAO Xiande, TIAN Hongwu. Near-field telemetry detection of soil nutrient based on modulated near-infrared reflectance spectrum[J]. Smart Agriculture, 2020, 2(2): 59-66.

摘要： 土壤養(yǎng)分作為農(nóng)業(yè)生產(chǎn)的重要指標(biāo)，含量過(guò)少會(huì)降低農(nóng)作物產(chǎn)量，過(guò)多則會(huì)造成環(huán)境污染。因此，快速、準(zhǔn)確檢測(cè)土壤養(yǎng)分對(duì)于精準(zhǔn)施肥和提高作物產(chǎn)量具有重要意義?；谌雍突瘜W(xué)分析的傳統(tǒng)方法能夠全面準(zhǔn)確地檢測(cè)土壤養(yǎng)分，但檢測(cè)過(guò)程中土壤的取樣及預(yù)處理過(guò)程繁瑣、操作復(fù)雜、費(fèi)時(shí)費(fèi)力，不能實(shí)現(xiàn)土壤養(yǎng)分的原位快速檢測(cè)。本研究基于調(diào)制近紅外光譜，提出了一種土壤養(yǎng)分主動(dòng)式近場(chǎng)遙測(cè)方法，可有效避免土壤反射自然光的干擾。該方法使用波長(zhǎng)范圍1260~1610 nm的8通道窄帶激光二極管作為近紅外光源，通過(guò)測(cè)量8通道激光光束的土壤反射率，建立土壤養(yǎng)分中氮（N）關(guān)于土壤反射率的計(jì)量模型，實(shí)現(xiàn)了N的快速檢測(cè)。在74組已知N含量的土壤樣品中，選取54組作為訓(xùn)練集，20組作為預(yù)測(cè)集。基于一般線性模型，對(duì)訓(xùn)練集中土壤N含量與土壤反射率的定量化參數(shù)進(jìn)行訓(xùn)練，篩選顯著波段后的計(jì)量模型R2達(dá)到0.97?；诮⒌挠?jì)量模型，預(yù)測(cè)集中土壤N含量預(yù)測(cè)值與參考值的決定系數(shù)R2達(dá)到0.9，結(jié)果表明該方法具有土壤養(yǎng)分現(xiàn)場(chǎng)快速檢測(cè)的能力。

知網(wǎng)閱讀

[6]朱登勝, 方慧, 胡韶明, 王文權(quán), 周延鎖, 王紅艷, 劉飛, 何勇. 農(nóng)機(jī)遠(yuǎn)程智能管理平臺(tái)研發(fā)及其應(yīng)用[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(2): 67-81.

ZHU Dengsheng, FANG Hui, HU Shaoming, WANG Wenquan, ZHOU Yansuo, WANG Hongyan, LIU Fei, HE Yong. Development and application of an intelligent remote management platform for agricultural machinery[J]. Smart Agriculture, 2020, 2(2): 67-81.

摘要： 本研究針對(duì)農(nóng)機(jī)管理實(shí)時(shí)數(shù)據(jù)少、農(nóng)機(jī)實(shí)時(shí)作業(yè)監(jiān)管困難、服務(wù)信息不對(duì)稱等問(wèn)題，首先提出專業(yè)化遠(yuǎn)程管理平臺(tái)設(shè)計(jì)時(shí)應(yīng)具有五大原則：專業(yè)化、標(biāo)準(zhǔn)化、云平臺(tái)、模塊化以及開(kāi)放性。基于這些原則，本研究設(shè)計(jì)了基于大田作業(yè)智能傳感技術(shù)、物聯(lián)網(wǎng)技術(shù)、定位技術(shù)、遙感技術(shù)和地理信息系統(tǒng)的可定制化的通用農(nóng)機(jī)遠(yuǎn)程智能管理平臺(tái)。平臺(tái)分別為各級(jí)政府管理部門、農(nóng)機(jī)合作社、農(nóng)機(jī)手、農(nóng)戶設(shè)計(jì)并實(shí)現(xiàn)了基于WebGIS 的農(nóng)機(jī)信息庫(kù)及農(nóng)機(jī)位置服務(wù)、農(nóng)機(jī)作業(yè)實(shí)時(shí)監(jiān)測(cè)與管理、農(nóng)田基礎(chǔ)信息管理、田間作物基本信息管理、農(nóng)機(jī)調(diào)度管理、農(nóng)機(jī)補(bǔ)貼管理、農(nóng)機(jī)作業(yè)訂單管理等多個(gè)實(shí)用模塊。研究著重分析了在當(dāng)前的技術(shù)背景下，平臺(tái)部分關(guān)鍵技術(shù)的實(shí)現(xiàn)方法，包括采用低精度GNSS定位系統(tǒng)前提下的作業(yè)面積的計(jì)算方法、GNSS定位數(shù)據(jù)處理過(guò)程中的數(shù)據(jù)問(wèn)題分析、農(nóng)機(jī)調(diào)度算法、作業(yè)傳感器信息的集成等，并提出了以地塊為核心的管理平臺(tái)建設(shè)思路；同時(shí)提出農(nóng)機(jī)作業(yè)管理平臺(tái)將逐步從簡(jiǎn)單作業(yè)管理轉(zhuǎn)向大田農(nóng)機(jī)綜合管理。本平臺(tái)對(duì)同類型管理平臺(tái)的研發(fā)具有一定的參考與借鑒作用。

知網(wǎng)閱讀

[7]金洲, 張俊卿, 郭紅燕, 胡宜敏, 陳翔宇, 黃河, 王紅艷. 水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)研制與試驗(yàn)[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(2): 82-93.

JIN Zhou, ZHANG Junqing, GUO Hongyan, HU Yimin, CHEN Xiangyu, HUANG He, WANG Hongyan. Development and testing of intelligent sensing and precision proportioning system of water and fertilizer concentration[J]. Smart Agriculture, 2020, 2(2): 82-93.

摘要： 為解決農(nóng)場(chǎng)當(dāng)?shù)禺?dāng)時(shí)的復(fù)合肥料精準(zhǔn)化配料問(wèn)題，本研究將水肥一體化智能灌溉施肥系統(tǒng)作為研究對(duì)象，構(gòu)建了水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)。首先提出現(xiàn)場(chǎng)在線水肥溶液智能感知模型的快速建立方法，利用數(shù)據(jù)分析算法從傳感器實(shí)時(shí)監(jiān)測(cè)的一系列濃度梯度的肥料溶液中挖掘出模型。其次基于上述模型設(shè)計(jì)水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)的框架結(jié)構(gòu)，闡述系統(tǒng)工作原理；并通過(guò)三種水體模擬在線配肥驗(yàn)證了該系統(tǒng)原位指導(dǎo)水肥濃度配比的有效性，同時(shí)評(píng)價(jià)了水體電導(dǎo)率對(duì)水肥配比濃度的干擾。試驗(yàn)結(jié)果表明，正則化條件下二階的多項(xiàng)式擬合曲線是表達(dá)溶液電導(dǎo)率與水肥濃度的變化關(guān)系最優(yōu)的模型，相關(guān)系數(shù)R2均大于0.999，由此模型可得出用戶關(guān)心的復(fù)合肥各指標(biāo)濃度。三種水體模擬在線配肥結(jié)果表明，水體會(huì)干擾電導(dǎo)率導(dǎo)致無(wú)法準(zhǔn)確反演水肥配比的濃度，相對(duì)偏差值超過(guò)了0.1。因此，本研究提出的在線水肥智能感知與精準(zhǔn)配比系統(tǒng)實(shí)現(xiàn)了消除當(dāng)?shù)厮w電導(dǎo)率對(duì)水肥配比準(zhǔn)確性的干擾，通過(guò)模型計(jì)算實(shí)現(xiàn)復(fù)合肥精準(zhǔn)化配比，并得出各指標(biāo)濃度。該系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，配比精準(zhǔn)，易與現(xiàn)有水肥一體機(jī)或者人工配肥系統(tǒng)結(jié)合使用，可廣泛應(yīng)用于設(shè)施農(nóng)業(yè)栽培、果園栽培和大田經(jīng)濟(jì)作物栽培等環(huán)境下的精準(zhǔn)智能施肥。

知網(wǎng)閱讀

[8]孫浩然, 孫琳, 畢春光, 于合龍. 基于粒子群與模擬退火協(xié)同優(yōu)化的農(nóng)田物聯(lián)網(wǎng)混合多跳路由算法[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(3): 98-107.

SUN Haoran, SUN Lin, BI Chunguang, YU Helong. Hybrid multi-hop routing algorithm for farmland IoT based on particle swarm and simulated annealing collaborative optimization method[J]. Smart Agriculture, 2020, 2(3): 98-107.

摘要： 農(nóng)業(yè)無(wú)線傳感器網(wǎng)絡(luò)對(duì)農(nóng)田土壤、環(huán)境和作物生長(zhǎng)的多源異構(gòu)信息的獲取起關(guān)鍵作用。針對(duì)傳感器在農(nóng)田中非均勻分布且受到能量制約等問(wèn)題，本研究提出了一種基于粒子群和模擬退火協(xié)同優(yōu)化的農(nóng)田物聯(lián)網(wǎng)混合多跳路由算法（PSMR）。首先，通過(guò)節(jié)點(diǎn)剩余能量和節(jié)點(diǎn)度加權(quán)選擇簇首，采用成簇結(jié)構(gòu)實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)高效動(dòng)態(tài)組網(wǎng)。然后通過(guò)簇首間多跳數(shù)據(jù)結(jié)構(gòu)解決簇首遠(yuǎn)距離傳輸能耗過(guò)高問(wèn)題，利用粒子群與模擬退火協(xié)同優(yōu)化方法提高算法收斂速度，實(shí)現(xiàn)sink節(jié)點(diǎn)加速采集簇首中的聚合數(shù)據(jù)。對(duì)算法的仿真試驗(yàn)結(jié)果表明，PSMR算法與基于能量有效負(fù)載均衡的多路徑路由策略方法（EMR）相比，無(wú)線傳感器網(wǎng)絡(luò)生命周期提升了57%；與貪婪外圍無(wú)狀態(tài)路由算法（GPSR-A）相比，在相同的網(wǎng)絡(luò)生命周期內(nèi)，第1個(gè)死亡傳感器節(jié)點(diǎn)推遲了兩輪，剩余能量標(biāo)準(zhǔn)差減少了0.04 J，具有良好的網(wǎng)絡(luò)能耗均衡性。本研究提出的PSMR算法通過(guò)簇首間多跳降低遠(yuǎn)端簇首額外能耗，提高了不同距離簇首的能耗均衡性能，為實(shí)現(xiàn)大規(guī)模農(nóng)田復(fù)雜環(huán)境的長(zhǎng)時(shí)間、高效、穩(wěn)定地?cái)?shù)據(jù)采集監(jiān)測(cè)提供了技術(shù)基礎(chǔ)，可提高農(nóng)業(yè)物聯(lián)網(wǎng)的資源利用效率。

知網(wǎng)閱讀

[9]毛文菊, 劉恒, 王東飛, 楊福增, 劉志杰. 面向果園多機(jī)器人通信的AODV路由協(xié)議改進(jìn)設(shè)計(jì)與測(cè)試[J]. 智慧農(nóng)業(yè)(中英文), 2021, 3(1): 96-108.

MAO Wenju, LIU Heng, WANG Dongfei, YANG Fuzeng, LIU Zhijie. Improved AODV routing protocol for multi-robot communication in orchard[J]. Smart Agriculture, 2021, 3(1): 96-108.

摘要： 針對(duì)多機(jī)器人在果園中作業(yè)時(shí)的通信需求，本研究基于Wi-Fi信號(hào)在桃園內(nèi)接收強(qiáng)度預(yù)測(cè)模型，提出了一種引入優(yōu)先節(jié)點(diǎn)和路徑信號(hào)強(qiáng)度閾值的改進(jìn)無(wú)線自組網(wǎng)按需平面距離向量路由協(xié)議（AODV-SP）。對(duì)AODV-SP報(bào)文進(jìn)行設(shè)計(jì)，并利用NS2仿真軟件對(duì)比了無(wú)線自組網(wǎng)按需平面距離向量路由協(xié)議（AODV）和AODV-SP在發(fā)起頻率、路由開(kāi)銷、平均端到端時(shí)延及分組投遞率4個(gè)方面的性能。仿真試驗(yàn)結(jié)果表明，本研究提出的AODV-SP路由協(xié)議在發(fā)起頻率、路由開(kāi)銷、平均端到端時(shí)延及分組投遞率4個(gè)方面的性能均優(yōu)于AODV協(xié)議，其中節(jié)點(diǎn)的移動(dòng)速度為5 m/s時(shí)，AODV-SP的路由發(fā)起頻率和路由開(kāi)銷較AODV分別降低了3.65%和7.09%，節(jié)點(diǎn)的移動(dòng)速度為8 m/s時(shí)，AODV-SP的分組投遞率提高了0.59%，平均端到端時(shí)延降低了13.09%。為進(jìn)一步驗(yàn)證AODV-SP協(xié)議的性能，在實(shí)驗(yàn)室環(huán)境中搭建了基于領(lǐng)航-跟隨法的小型多機(jī)器人無(wú)線通信物理平臺(tái)并將AODV-SP在此平臺(tái)應(yīng)用，并進(jìn)行了靜態(tài)丟包率和動(dòng)態(tài)測(cè)試。測(cè)試結(jié)果表明，節(jié)點(diǎn)相距25 m時(shí)靜態(tài)丟包率為0，距離100 m時(shí)丟包率為21.01%；動(dòng)態(tài)行駛時(shí)能使機(jī)器人維持鏈狀拓?fù)浣Y(jié)構(gòu)。本研究可為果園多機(jī)器人在實(shí)際環(huán)境中通信系統(tǒng)的搭建提供參考。

知網(wǎng)閱讀

[10]黃凱, 舒磊, 李凱亮, 楊星, 朱艷, 汪小旵, 蘇勤. 太陽(yáng)能殺蟲(chóng)燈物聯(lián)網(wǎng)節(jié)點(diǎn)的防盜防破壞設(shè)計(jì)及展望[J]. 智慧農(nóng)業(yè)(中英文), 2021, 3(1): 129-143.

HUANG Kai, SHU Lei, LI Kailiang, YANG Xing, ZHU Yan, WANG Xiaochan, SU Qin. Design and prospect for anti-theft and anti-destruction of nodes in Solar Insecticidal Lamps Internet of Things[J]. Smart Agriculture, 2021, 3(1): 129-143.

摘要： 太陽(yáng)能殺蟲(chóng)燈在有效控制蟲(chóng)害的同時(shí)，可減少農(nóng)藥施藥量。隨著其部署數(shù)量的增加，被盜被破壞的報(bào)道也越來(lái)越多，嚴(yán)重影響了蟲(chóng)害防治效果并造成了較大的經(jīng)濟(jì)損失。為有效地解決太陽(yáng)能殺蟲(chóng)燈物聯(lián)網(wǎng)節(jié)點(diǎn)被盜被破壞問(wèn)題，本研究以太陽(yáng)能殺蟲(chóng)燈物聯(lián)網(wǎng)為應(yīng)用場(chǎng)景，對(duì)太陽(yáng)能殺蟲(chóng)燈硬件進(jìn)行改造設(shè)計(jì)以獲取更多的傳感信息；提出了太陽(yáng)能殺蟲(chóng)燈輔助設(shè)備——無(wú)人機(jī)殺蟲(chóng)燈，用以被盜被破壞出現(xiàn)后的部署、追蹤和巡檢等應(yīng)急應(yīng)用。通過(guò)上述硬件層面的改造設(shè)計(jì)和增加輔助設(shè)備，可以獲取更為全面的信息以判斷太陽(yáng)能殺蟲(chóng)燈物聯(lián)網(wǎng)節(jié)點(diǎn)被盜被破壞情況。但考慮到被盜被破壞發(fā)生時(shí)間短，僅改造硬件層面還不足以實(shí)現(xiàn)快速準(zhǔn)確判斷。因此，本研究進(jìn)一步從內(nèi)部硬件、軟件算法和外形結(jié)構(gòu)設(shè)計(jì)三個(gè)層面，探討了設(shè)備防盜防破壞的優(yōu)化設(shè)計(jì)、設(shè)備防盜防破壞判斷規(guī)則的建立、設(shè)備被盜被破壞的快速準(zhǔn)確判斷、設(shè)備被盜被破壞的應(yīng)急措施、設(shè)備被盜被破壞的預(yù)測(cè)與防控，以及優(yōu)化計(jì)算以降低網(wǎng)絡(luò)數(shù)據(jù)傳輸負(fù)荷六個(gè)關(guān)鍵研究問(wèn)題，并對(duì)設(shè)備防盜防破壞技術(shù)在太陽(yáng)能殺蟲(chóng)燈物聯(lián)網(wǎng)場(chǎng)景中的應(yīng)用進(jìn)行了展望。

知網(wǎng)閱讀

微信交流服務(wù)群

為方便農(nóng)業(yè)科學(xué)領(lǐng)域讀者、作者和審稿專家學(xué)術(shù)交流，促進(jìn)智慧農(nóng)業(yè)發(fā)展，為更好地服務(wù)廣大讀者、作者和審稿人，編輯部建立了微信交流服務(wù)群，有關(guān)專業(yè)領(lǐng)域內(nèi)的問(wèn)題討論、投稿相關(guān)的問(wèn)題均可在群里咨詢。

入群方法： 加我微信 331760296 ， 備注： 姓名、單位、研究方向 ，我拉您進(jìn)群，機(jī)構(gòu)營(yíng)銷廣告人員勿擾。

信息發(fā)布

科研團(tuán)隊(duì)介紹及招聘信息、學(xué)術(shù)會(huì)議及相關(guān)活動(dòng) 的宣傳推廣