精细农业论文范文参考关于精细农业的优秀论文范文【10篇】

精细农业论文范文参考关于精细农业的优秀论文范文【10篇】 农田是不可增长的自然资源,如何在有限的农田资源基础上,借助先进的科技手段提高农田的生产效率、经济效益与环境效益已经成为我国必须解决的重大课题.以信息技术与农业技术融合为特点的“精细农业”技术成为解决以上问题的关键,而利用无线传感器网络(WSN)技术进行农田信息采集与管理,是目前农业信息技术研究的热点. 无线传感器网络技术集传感器技术、微机电系统技术(MEMS)、无线通信技术、嵌入式计算技术和分布式信息处理技术于一体,具有易布置、易控制、低功耗、通信灵活、低成本等特点.与传统的公网通信技术不同,无线传感器网络是面向应用的、以任务或数据为中心的无线网络技术,无法找到应对各种不同应用领域的统一架构.因此,需要依据不同应用领域和相关需求,设计优化、适用的无线网络结构,并研究相应的组网技术、能量管理、数据管理与融合方法等. 精细农业应用具有作物类型与地势多样、天气状况复杂、监测面积大、传感器节点数量多、各节点往往配置多源信息(各种土壤属性、环境属性与作物生长信息等)、农作物生长周期长等特点,这些特点为面向精细农业的无线传感器网络技术研究带来了挑战.本论文以良好的环境适应性、低功耗、低成本、标准化为目标,以设施农业与大田两种应用对象,研究了面向精细农业的无线传感器网络关键技术,包括网络结构、组网方式、节点定位方法、数据融合方法、能量快速自给与节能策略,并介绍了无线传感器网络系统性能评价方法、面向物联网的中间件设计方法、通用节点软硬件设计方法与典型应用系统.主要研究内容和成果如下： (1)首先从农业应用环境对无线信道传播特性的影响出发,分别对裸地、平地和山地进行了实验,建立了无线信道传播损耗模型,为无线传感器网络的组织结构、组网方式与不同应用环境的节点部署方法提供了依据. (2)对面向精细农业的无线传感器网络组织结构和组网方式进行了研究.针对设施农业与大田的实际应用环境,设计了无线传感器网络系统架构,提出了分簇有限自组网的组网方式,并设计了双链交叉通信的通信方式. (3)面向大田应用,提出用改进的DV-Hop算法对节点进行定位,利用该算法采用四边测距方式定位节点位置.针对农业多源信息WSN终端节点,设计了基于太阳能MPPT的能量快速自给方法,并设计了传感器间歇采样、深度休眠的工作方式,有效增加了节点的供电可靠性. (4)数据融合是农业无线传感器网络系统的重要支撑技术,本文运用了基于空间相关性的压缩感知理论对节点数据进行融合；采用压缩感知理论,减少了数据的传输量,有效地降低了节点能耗. (5)目前,尚无面向精细农业的无线传感器网络系统行业标准,本文在上述研究的基础上,设计了网络服务质量目标驱动的农业无线传感器网络系统评价策略与评价方法,为面向精细农业的无线传感器网络系统行业标准的建立提供参考. (6)针对农业无线传感器网络系统低成本、标准化与方便数据管理的需要,设计了面向农业物联网的WSN中间件,并开发了软硬件系统,针对大田灌溉、设施栽培环境监控等进行了应用示范,结果表明,本文设计的无线传感器网络技术较好地满足了精细农业应用需求,软硬件皆方便系统集成,适合标准化需求与大规模推广. 农业的发展呼唤新的农业技术革命,农业现代化的建设需要农业高新技术的支持.在进入以信息和生物技术为主的农业技术创新的时代,“精细农业”作为现代农业精细经营技术体系,其应用和发展能够使人类充分挖掘农田的潜力,合理利用水肥资源,避免环境污染,大幅度提高农产品的质量,保证农业的可持续发展.因此,精细农业代表了21世纪世界农业发展的总趋势,将是我国农业现现代化的发展的最佳选择. 精细农业是21世纪农业发展的一个重要方向,将推动粗放型农业向知识型、技术型的现代农业转变,在发达国家已被认为是跨世纪作物生产管理的一场革命.精细农业的核心是针对农作物的生长环境及生长状况在空间和时间分布上存在的差异,实施精确的变量管理措施,实现低投入、高效率、可持续的农业生产.精细农业的实施主要包括三个环节：农田信息的采集、信息的管理与决策、变量作业,其中农田信息的采集是实施精细农业的前提.本文结合我国的实际情况,重点研究了基于GPS、GIS及虚拟仪器的农田信息的采集与处理技术,主要研究内容如下： 1)在分析GPS卫星定位原理及输出语句数据格式的基础上,设计了OEM型GPS接收机与计算机的硬件接口及WINDOWS通讯程序,实现了GPS数据的计算机实时采集.给出了GPS数据的处理方法,提出了使用三角形分割法计算农田的面积的方法,并编程实现了农田面积的GPS测量计算. 近几年来,我国在推进新的农业科技革命中,对国外“精细农业”的研究与发展,给予了极大的关注.精细农业的应用实践和快速发展,能够使人类充分挖掘农田的潜力、合理利用水肥资源、避免环境污染、大幅度提高农产品产量和品质,代表了新时期可持续农业发展的主要方向,将在21世纪初成为推动我国农业科技革命的重要研究课题. 基于机器视觉的目标检测技术将电子技术、传感技术、计算机技术、智能化控制技术等相结合,对于农业机械自动化的实现起着非常重要的作用.在蓝莓,柑橘等农业采摘机器人的实现过程中,果实识别是重点难点问题；在种植柑橘果树的过程中,黄龙病(Huanglongbing or HLB)的危害极大,其检测问题的解决对于果树的健康成长起着非常重要的作用.在总结国内外研究成果的基础上,以蓝莓估产、绿色柑橘估产、以及黄龙病的检测为研究实例,对基于机器视觉的目标检测在精细农业中的关键技术进行研究.主要研究内容和成果包括： (1)提出了基于RGB图像颜色分析的蓝莓果实检测方法.在自然场景下除去自然场景中复杂背景(天空、土壤、枝叶等)的干扰,对蓝莓果实进行识别,并对同一枝头不同生长阶段的果实进行分类.基于对多种颜色模型颜色分量的分析,选出了对于果实分类最有用的R、B、H三个分量.通过交叉验证,比较分析朴素贝叶斯分类器,K-近邻分类器(KNN)和提出的监督K-means分类器(SK-means)的表现.KNN分类器在训练集数据的分类精度最高. (2)以绿色柑橘作为研究对象,对绿色果实在自然光下RGB图像中的检测问题进一步研究.以建立柑橘早期估产系统为目标,提出了基于快速归一化互相关系数(fast normalized cross correlation, FNCC)和机器视觉的自然光图像中绿色柑橘果实检测方法研究.该方法首先基于RGB图像的颜色分量研究,尽可能多的去除了背景的影响,之后通过FNCC检测图像中的果实潜在位置.结合果实的颜色,纹理以及形状特征来对绿色柑橘果实进行检测之后,该方法对最终的结果进行融合,并最终确定了果实的数目.在检测的59幅验证集图像*有154个果实,有130个被正确检测,24个果实被丢失,25个正误识.果实的正确检测率为84.4%. (3)提出一种基于机载高光谱(HS)图像的柑橘黄龙病新的检测方法,扩展的光谱角度匹配检测方法(Extended spectral angle mapping, ESAM).该方法结合端元提取方法,红边位置确定等技术对传统光谱角度匹配算法(SAM)进行扩展.该方法首先分析柑橘叶冠的地面测量数据和机载高光谱图像数据健康和HLB感染树冠的特征和区别,然后使用ESAM算法与常用的三种方法SAM,K-均值和马氏距离分类法分别对训练集样本和验证集样本进行HLB检测,并对其结果进行比较.对训练集样本ESAM的正确率为82.6%,验证集的正确率为86.3%,其正确率最高.还探索了应用多光谱图像进行HLB检测的可行性.使用多光谱图像进行HLB检测的结果比使用机载高光谱图像的结果差很多,说明高光谱图像更适合完成这一任务. (4)为了更加有效的通过HS图像来检测HLB,需要一种有效的降维方法,来改进HLB的检测精确率.尝试了四种不同的降维方法,主成分分析方法(PCA),最大噪声分离变换方法(MNF),前向特征检测方法(FFSA)和基于Kullback-Leibler散度(KLD)