您的位置: 专家智库 > >

国家教育部博士点基金(20110008130006)

作品数:9 被引量:93H指数:6
相关作者:李婷张漫沙莎李民赞袁洪波更多>>
相关机构:中国农业大学河北农业大学学研究院更多>>
发文基金:国家教育部博士点基金国家自然科学基金中央高校基本科研业务费专项资金更多>>
相关领域:农业科学自动化与计算机技术更多>>

文献类型

  • 9篇中文期刊文章

领域

  • 7篇农业科学
  • 3篇自动化与计算...

主题

  • 6篇温室
  • 5篇WSN
  • 4篇网络
  • 4篇CO
  • 3篇无线传感
  • 3篇无线传感器
  • 3篇无线传感器网
  • 3篇无线传感器网...
  • 3篇光合速率
  • 3篇番茄
  • 3篇感器
  • 3篇传感
  • 3篇传感器
  • 3篇传感器网
  • 3篇传感器网络
  • 2篇日光温室
  • 2篇光温
  • 2篇BPNN
  • 2篇TOMATO
  • 2篇GREENH...

机构

  • 7篇中国农业大学
  • 2篇河北农业大学
  • 1篇学研究院

作者

  • 5篇张漫
  • 5篇李婷
  • 4篇沙莎
  • 2篇李莉
  • 2篇李民赞
  • 2篇王海华
  • 2篇袁洪波
  • 1篇张天蛟
  • 1篇于亮亮
  • 1篇张传帅
  • 1篇王小红
  • 1篇王辉
  • 1篇刘刚

传媒

  • 4篇农业机械学报
  • 2篇农业工程学报
  • 2篇Intern...
  • 1篇中国农业大学...

年份

  • 1篇2016
  • 5篇2015
  • 1篇2014
  • 2篇2013
9 条 记 录,以下是 1-9
排序方式:
An improved method for prediction of tomato photosynthetic rate based on WSN in greenhouse被引量:6
2016年
In order to improve the efficiency of CO2 fertilizer and promote high quality and yield,it is necessary to precisely control CO2 fertilizer by wireless sensor network based on a model of photosynthetic rate prediction in greenhouse.An experiment was carried out on tomato plants in greenhouse for photosynthetic rate prediction modeling combined rough set and BP neural network.In data acquiring phase,plants growth information and greenhouse environmental information that may have influences on photosynthetic rate,including plant height,stem diameter,the number of leaves and chlorophyll content of functional leaves,air temperature,air humidity,light intensity,CO2 concentration and soil moisture,which were measured.And LI-6400XT photosynthetic rate instrument was used for obtaining net photosynthetic rate of functional leaf.After preliminary processing,135 sets of data were obtained.And twelve of them were used for model test of neural network,while the others were used for modeling.All of the data were normalized before modeling.Two models were built to predict photosynthetic rate based on BP neural network.One had total nine input parameters.The other had six input parameters,chlorophyll content,air temperature,air humidity,light intensity,CO2 concentration,and soil moisture,which were reducted from original nine based on attributes reduction theory of rough set.Both two models have one output parameter,the net photosynthetic rate of single leaf.The genetic algorithm was adopted to reduct attributes.Since continuous data cannot be processed by rough set,the K-mean cluster method was used to discretize the data of nine input parameters before attributes reduction.The prediction results of two models showed that the model with six input parameters had a mean absolute error of 0.6958,an average relative error of 7.28%,a root-mean-square error of 0.7428,and a correlation coefficient of 0.9964,while the other model respectively had 0.4026,4.53%,0.3245 and 0.9965,which proved that the model with minimum attributes had hi
Ji YuhanJiang YiqiongLi TingZhang ManSha ShaLi Minzan
关键词:TOMATOGREENHOUSE
基于WSN的温室CO_2气肥优化调控系统研究被引量:10
2015年
CO_2是植物进行光合作用的重要原料,合理增施可提高作物的光合速率。为实现温室CO_2气肥的精细管理,设计了基于无线传感器网络(WSN)的温室CO_2气肥调控系统。该系统由监控节点、智能网关和远程管理软件组成,其中监控节点能够自动实时监测温室环境信息(CO_2浓度、光照强度、空气温湿度和土壤温湿度),并控制CO_2增施气阀的开关;智能网关不仅能实现监控节点与远程管理软件之间的通信,还可在本地实现对温室环境信息的显示与存储,以及CO_2增施调控等操作;远程管理软件除了具备基本的数据接收、存储和查询功能外,还可通过建立的光合速率预测模型对CO_2气肥实现远程自动调控。本文以番茄为研究对象,采用开发的系统实时获取环境信息,使用LI-6400XT光合速率仪获取单叶净光合速率,建立了基于支持向量机(SVM)的番茄光合速率预测模型。为了提高预测模型的通用性,实验将苗后期番茄在4个CO_2浓度梯度进行培育,其中C1、C2、C3分别进行700、1 000、1 300μmol/mol浓度的CO_2增施,CK为对照组(CO_2浓度约为450μmol/mol)。数据分析采用SVM算法,以多种环境信息作为输入变量,以单叶净光合速率作为输出变量,得到光合速率预测模型。经过测试与验证,CO_2浓度调控系统能够稳定可靠地采集温室环境信息,适合应用在温室环境中;光合速率模型预测值和实测值相关系数为0.981 5,均方根误差为1.092 5μmol/(m^2·s),具有较好的预测效果,为温室番茄CO_2定量增施调控提供了依据。
季宇寒李婷张漫沙莎
关键词:温室无线传感器网络
CO_2与土壤水分交互作用的番茄光合速率预测模型被引量:10
2015年
为了实现不同土壤水分管理下的CO_2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO_2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数R2为0.925;花期预测模型的决定系数R2为0.920,果期预测模型的决定系数R2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO_2浓度,得到的CO_2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO_2浓度最优值,对指导不同土壤水分条件下CO_2气肥的精细调控具有重要意义。
李婷季宇寒张漫沙莎蒋毅琼
关键词:番茄温室无线传感器网络土壤水分
Management of CO_(2) in a tomato greenhouse using WSN and BPNN techniques被引量:7
2015年
Rational management of CO_(2) can improve the net photosynthetic rate of plants,thereby improving crop yield and quality.In order to precisely manage CO_(2) in a greenhouse,a wireless sensor network(WSN)system was developed to monitor greenhouse environmental parameters in real time,including air temperature,humidity,CO_(2) concentration,soil temperature,soil moisture,and light intensity.The WSN system includes several sensor nodes,a gateway node,and remote management software.The sensor nodes can collect 0-5 V and 4-20 mA analog signals and universal asynchronous receiver/transmitter(UART)data.The gateway node can process and transmit the data and commands between sensor nodes and remote management software.The remote management software provides a friendly interface between user and machine.Users can inquire about real-time data,and set the parameters of the WSN.The photosynthetic rate of tomato plants were studied in the flowering stage.A LI-6400XT portable photosynthesis analyzer was used to measure the photosynthetic rates of the tomato plants,and the environmental parameters of leaves were controlled according to the presetting rule.The photosynthetic rate prediction model of a single leaf was established based on a back propagation neural network(BPNN).The environmental parameters were used as input neurons after being processed by principal component analysis(PCA),and the photosynthetic rate was taken as the output neuron.The performance of the prediction model was evaluated,and the results showed that the correlation coefficient between the simulated and observed data sets was 0.9899,and root-mean-square error(RMSE)was 1.4686.Furthermore,when different CO_(2) concentrations were selected as the input to predict the photosynthetic rate,the simulated and observed data showed the same trend.According to the above analysis,it was concluded that the model can be used for quantitative regulation of CO_(2) for tomato plants in greenhouses.
Li TingZhang ManJi YuhanSha ShaJiang YiqiongLi Minzan
关键词:WSN
日光温室作物产量监测系统设计被引量:4
2013年
根据日光温室作物产量测量和监控的需要,开发了日光温室作物产量监测系统。该系统由压力传感器终端、无线数据传输网络和上位机产量监测软件构成。通过无线数据传输网络的建立及节点间的通信,实现无线网络与压力传感器终端和上位机产量监测软件的通信,产量监测软件获取的产量相关信息保存到数据库中,方便对数据进行统计分析,从而及时调整温室环境及作物生长环境,调整温室管理方式。同时,对所测量的蔬菜添加RFID标签,实现对蔬菜产地等信息的溯源。试验表明,系统方案设计合理、操作简单、运行可靠,能够提高日光温室作物产量测量的效率,有效提升日光温室生产自动化程度,有利于温室管理的调整。
李莉王海华袁洪波王小红
关键词:日光温室WSNRFID
日光温室封闭式栽培系统的设计与试验被引量:25
2013年
土壤连作灾害、生产资源严重浪费和环境污染已成为日光温室生产中制约其发展的瓶颈问题,为了解决这些问题,实现节水、节肥、保护环境的目的并提高温室生产的管理水平和自动化水平,该文设计了一种日光温室封闭式栽培系统。与传统栽培管理方式不同,该系统使用基质栽培代替土栽方式,采用基质袋装或塑料薄膜完全包裹的模式,实现了与外界环境的有效隔离;使用水肥一体化营养液滴灌代替水肥分离灌溉方式,回收多余营养液并循环利用;采用无线传感器网络模式,实现了温室环境信息的自动采集和发送。试验结果表明,采用封闭式栽培比传统土栽方式番茄产量提高了11.7%,水、肥用量均节省了2%(基质不同,节省水、肥量不同),同种基质情况下,采用封闭式栽培方式,由于营养液实现了循环利用,水、肥节省率可以达到17.2%。
袁洪波王海华庞树杰李莉Nick Sigrimis
关键词:温室肥料环境监测基质日光温室
基于WSN的温室环境信息远程监测系统被引量:8
2014年
针对当前温室环境监测中存在的信号遮挡物多、监测范围大、管理不便等问题,设计一种基于无线传感器网络的温室环境信息远程监测系统。无线传感器网络采用433MHz射频进行信息传输,无线传感器节点和汇聚节点分别采用MSP430F149和LPC2478作为微控制器,实现温室环境信息的实时采集、信息汇聚和数据融合。系统采用星型网络拓扑结构,通过定时休眠、传感器掉电控制等方法来减少能量消耗,并通过基于CSMA/CA算法的无线传输协议,避免了节点间信息传输冲突,保证了传输成功率。无线传感器节点通信性能测试结果表明:使用10dBm射频功率时,距地表1.5m节点的有效通信距离为192m;在无太阳能充电且节点工作周期为30min18s的情况下,无线传感器节点生命周期理论值为98d。温室环境信息远程监测应用结果表明,该系统具有低功耗、高稳定性等优点,节点平均丢包率仅为1.1%。
张传帅张天蛟张漫刘刚王辉于亮亮李婷
关键词:无线传感器网络无线传输环境信息
基于PLSR和BPNN方法的番茄光合速率预测比较(英文)被引量:5
2015年
CO2作为温室作物光合作用的重要原料,不同环境因子交互作用的植株叶片对CO2浓度需求具有较大差异。为寻求CO2浓度合理增施量,该文基于偏最小二乘法和BP神经网络方法对不同生长阶段番茄作物进行光合速率预测,进而探讨作物生长过程中可通用的光合速率预测方法。试验以无线传感器网络系统实时监测环境信息(CO2浓度,光照强度,空气温度及相对湿度),以LI-6400XT光合速率仪获取作物单叶净光合速率。剔除样本奇异点后,对样本值进行统一归一化。以CO2浓度、光照强度、空气温度及相对湿度为模型输入变量,以光合速率为输出量,利用偏最小二乘法和BP神经网络方法分别建立番茄幼苗期,开花期及结果期的光合速率预测模型。模型验证结果表明,偏最小二乘法在番茄各生长阶段的决定系数分别为0.74,0.88和0.85,最大相对误差为15.01%;而BP神经网络在各阶段具有较高的预测精度,其决定系数分别为0.94,0.96和0.97,最大相对误差为9.56%。因此,基于BP神经网络模型预测了特定环境下的CO2浓度饱和点,为温室CO2增施提供依据。
李婷季宇寒张漫沙莎李民赞
关键词:温室番茄偏最小二乘回归
基于BP神经网络算法的温室番茄CO_2增施策略优化被引量:34
2015年
CO2浓度是植物光合作用的主要原料之一,确定植株生长阶段的最适CO2浓度需求量,对日光温室内CO2浓度调控具有重要意义。以开花期番茄植株为研究对象,将定植后的番茄分为4个CO2浓度梯度处理组,其中,C1、C2、C3处理组CO2增施摩尔比分别为(700±50)、(1000±50)、(1300±50)txmol/mol,CK处理组为温室内自然状态下C0:摩尔比(约450μmol/mol)。实验利用无线传感器网络节点实时监测温室环境因子,包括空气温湿度、光照强度和c0:浓度;利用LI-6400XT型便携式光合速率仪进行光合日动态和环境因子交互影响实验测定。光合日动态组间差异性研究表明,对开花期番茄增施1000—1300Ixmol/mol的CO2时,可使番茄单叶净光合速率提高约37.13%-40,42%。以环境因子为输人参数,建立基于BP神经网络的光合速率预测模型,用于不同CO2浓度梯度下的光合日动态预测。结果表明,模型训练集和测试集的相关系数分别为0.98和0.93,预测精度较高;C1、C2、C3和CK处理组的日动态预测相关系数分别为0.96、0.94、0.78和0.96,与实测结果吻合度较高且相对误差较小,因此该模型可以为可变环境下的番茄光合日变化动态预测提供依据。
张漫李婷季宇寒沙莎蒋毅琼李民赞
关键词:温室番茄
共1页<1>
聚类工具0