基于LabVIEW的现代农业基本信息采集与处理研究
发布时间：2021-03-05 22:06
随着农业现代化进程的不断加速,信息处理软件和智能控制技术在农业技术中有着越来越广泛的应用。本文以农业浇灌中的信息采集和智能控制为重点研究内容,通过HYDRUS-1D土壤模型仿真,解决了浇灌过程中土壤水分入渗的复杂性和超时滞性带来的模糊控制隶属度调整和BP神经网络参数训练困难的问题。首先,本文构建了基于STM32F103单片机的单总线控制的空气温湿度传感器、需AD转换的光照强度传感器、使用RS485通信方法的土壤温湿度传感器的程序设计和数据读取。利用ZigBee组网协议,完成了16个信息采集单元节点的数据传输,通过GPRS网络和RS232通信,实现了所需信息至上位机的传输。然后,依据Richards方程和Van Genuchten模型建立了HYDRUS-1D土壤仿真模型,通过模型的求解得到了240组原始仿真数据。使用这些数据,进行了模糊控制的隶属度函数调整和BP神经网络的参数训练,用于浇灌水量预测。结果表明:此方法与采用试验方法相比,获得一组数据的效率平均提升13.4倍;土壤浇灌水量模拟结果与模糊控制的输出结果的对比显示误差在3%以内,土壤浇灌水量模拟结果与神经网络预测结果对比显示,决定...
【文章来源】：长春工业大学吉林省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
现代农业技术的特征
业现代化进程的发展，但具体的应用中还存存在范围广，距离远等条件限制，在远距离浇灌系统中，目前大多数的做法是根据人为能控制的发展，用智能算法控制农业现代化进一步研究。处理的研究abVIEW 在农业中的应用0世纪90年代以来随着计算机技术的进步而与工业标准的计算机技术相结合，建立了用理解决方案[5]。虚拟仪器有着功能灵活、使在这一领域内，美国 NI 公司的 LabVIEW程 VI 和显示控件。
利用 LabVIEW 实现了生物发酵过程中的参数采集和实时调控[7]。李于 LabVIEW 平台结合使用相关传感器，实现了在果园生态环境的数据实时程监控服务器端[8]。李岩，设计了一种基于 LabVIEW 技术的大棚农作物生测系统，结果表明系统稳定，可有效提升农业信息化管理和智能化水平[9]。利用 LabVIEW 的 MathScript 节点技术实现了 LabVIEW 和 MATLAB 的混合利用混合编程既良好地发挥了 MATLAB 的数据处理优势优势，又能IEW 强大的数据采集及显示能力，探索了现代农业技术智能算法控制新的。以上实践证明虚拟仪器是一种较好的数据采集的工具，能够高效的完成植程和环境信息的测控等任务。.2 土壤仿真 HYDRUS-1D 在农业中的应用在 SUMATRA、WORM 及 SWMI 等模型的基础上，美国农业部、美国盐碱机构创建发展了 HYDRUS，它一款模拟非饱和基质水流和溶质运移的专业在工业污染、场地修复、土壤呼吸和温室气体释放有着广泛应用。
【参考文献】：
期刊论文
[1]设施农业温室大棚智能控制技术的现状与展望[J]. 邢希君,宋建成,吝伶艳,田慕琴,李德旺. 江苏农业科学. 2017(21)
[2]基于无线传感器网络的农田环境监测系统设计[J]. 肖令禄,王泽宇. 河南科学. 2017(10)
[3]基于HYDRUS-2D模型的玉米高出苗率地下滴灌开沟播种参数优选[J]. 莫彦,李光永,蔡明坤,王丹,徐新涵,边新洋. 农业工程学报. 2017(17)
[4]超低温烧结微波介质陶瓷研究进展[J]. 张高群,汪宏. 硅酸盐学报. 2017(09)
[5]基于GFScom的多层次模糊综合评判与推理及其应用[J]. 张胜礼. 模糊系统与数学. 2017(03)
[6]黄瓜种植技术及病虫害防治研究[J]. 禤培录. 农技服务. 2017(06)
[7]农业传感器技术研究进展与性能分析[J]. 张建华,吴建寨,韩书庆,朱孟帅,石恒,李斐斐,孔繁涛. 农业展望. 2017(01)
[8]Hydrus-3D模型模拟田间点源入渗与水分再分布准确性评价[J]. 周广林,王全九,李云,苏李君. 干旱地区农业研究. 2015(02)
[9]基于HYDRUS-2D的负压灌溉土壤水分入渗数值模拟[J]. 冀荣华,王婷婷,祁力钧,杨知伦. 农业机械学报. 2015(04)
[10]5G移动通信发展趋势与若干关键技术[J]. 尤肖虎,潘志文,高西奇,曹淑敏,邬贺铨. 中国科学:信息科学. 2014(05)
博士论文
[1]设施农业精准水肥管理系统及其智能装备技术的研究[D]. 牛寅.上海大学 2016
[2]垄沟灌溉土壤水分入渗模拟研究[D]. 张勇勇.中国科学院研究生院（教育部水土保持与生态环境研究中心） 2013
[3]BP神经网络的理论及其在农业机械化中的应用研究[D]. 王吉权.沈阳农业大学 2011
[4]基于BP和RBF神经网络的木材缺陷检测研究[D]. 牟洪波.东北林业大学 2010
[5]番茄生长模型及日光温室小气候建模的研究[D]. 马丽丽.沈阳农业大学 2009
[6]畦沟灌溉水流运动模型与数值模拟研究[D]. 聂卫波.西北农林科技大学 2009
[7]模糊控制工程应用若干问题研究[D]. 彭勇刚.浙江大学 2008
硕士论文
[1]基于BP神经网络模型热镀锌锌层厚度控制研究[D]. 李逸.武汉工程大学 2017
[2]室内环境监测中的BP神经网络算法的改进及其仿真分析[D]. 张凌.南京邮电大学 2017
[3]基于Arduino与LabVIEW的农作物生长环境检测系统的设计与实现[D]. 李岩.安徽科技学院 2017
[4]基于模糊控制的智能船舶航迹控制研究[D]. 魏臻宇.哈尔滨工程大学 2017
[5]植物—微生物联合修复石油污染土壤的数值模拟与评价研究[D]. 马文翠.天津大学 2017
[6]基于磁性石墨烯和分子印迹构建对多种有机磷农药痕量检测的仿生电化学传感器方法研究[D]. 史修娟.山东农业大学 2016
[7]拉深成形变压边力神经网络预测技术研究[D]. 王红强.长春工业大学 2016
[8]基于LabVIEW的压力传感器测试系统[D]. 曹昌言.南京大学 2014
[9]基于HYDRUS模型的红壤坡耕地水分动态研究[D]. 高跃.华中农业大学 2013
[10]阔叶红松混交林林隙大小、土壤水分以及光照对植物的影响[D]. 王丽霞.东北林业大学 2013
本文编号：3065945
【文章来源】：长春工业大学吉林省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
现代农业技术的特征
业现代化进程的发展，但具体的应用中还存存在范围广，距离远等条件限制，在远距离浇灌系统中，目前大多数的做法是根据人为能控制的发展，用智能算法控制农业现代化进一步研究。处理的研究abVIEW 在农业中的应用0世纪90年代以来随着计算机技术的进步而与工业标准的计算机技术相结合，建立了用理解决方案[5]。虚拟仪器有着功能灵活、使在这一领域内，美国 NI 公司的 LabVIEW程 VI 和显示控件。
利用 LabVIEW 实现了生物发酵过程中的参数采集和实时调控[7]。李于 LabVIEW 平台结合使用相关传感器，实现了在果园生态环境的数据实时程监控服务器端[8]。李岩，设计了一种基于 LabVIEW 技术的大棚农作物生测系统，结果表明系统稳定，可有效提升农业信息化管理和智能化水平[9]。利用 LabVIEW 的 MathScript 节点技术实现了 LabVIEW 和 MATLAB 的混合利用混合编程既良好地发挥了 MATLAB 的数据处理优势优势，又能IEW 强大的数据采集及显示能力，探索了现代农业技术智能算法控制新的。以上实践证明虚拟仪器是一种较好的数据采集的工具，能够高效的完成植程和环境信息的测控等任务。.2 土壤仿真 HYDRUS-1D 在农业中的应用在 SUMATRA、WORM 及 SWMI 等模型的基础上，美国农业部、美国盐碱机构创建发展了 HYDRUS，它一款模拟非饱和基质水流和溶质运移的专业在工业污染、场地修复、土壤呼吸和温室气体释放有着广泛应用。
【参考文献】：
期刊论文
[1]设施农业温室大棚智能控制技术的现状与展望[J]. 邢希君,宋建成,吝伶艳,田慕琴,李德旺. 江苏农业科学. 2017(21)
[2]基于无线传感器网络的农田环境监测系统设计[J]. 肖令禄,王泽宇. 河南科学. 2017(10)
[3]基于HYDRUS-2D模型的玉米高出苗率地下滴灌开沟播种参数优选[J]. 莫彦,李光永,蔡明坤,王丹,徐新涵,边新洋. 农业工程学报. 2017(17)
[4]超低温烧结微波介质陶瓷研究进展[J]. 张高群,汪宏. 硅酸盐学报. 2017(09)
[5]基于GFScom的多层次模糊综合评判与推理及其应用[J]. 张胜礼. 模糊系统与数学. 2017(03)
[6]黄瓜种植技术及病虫害防治研究[J]. 禤培录. 农技服务. 2017(06)
[7]农业传感器技术研究进展与性能分析[J]. 张建华,吴建寨,韩书庆,朱孟帅,石恒,李斐斐,孔繁涛. 农业展望. 2017(01)
[8]Hydrus-3D模型模拟田间点源入渗与水分再分布准确性评价[J]. 周广林,王全九,李云,苏李君. 干旱地区农业研究. 2015(02)
[9]基于HYDRUS-2D的负压灌溉土壤水分入渗数值模拟[J]. 冀荣华,王婷婷,祁力钧,杨知伦. 农业机械学报. 2015(04)
[10]5G移动通信发展趋势与若干关键技术[J]. 尤肖虎,潘志文,高西奇,曹淑敏,邬贺铨. 中国科学:信息科学. 2014(05)
博士论文
[1]设施农业精准水肥管理系统及其智能装备技术的研究[D]. 牛寅.上海大学 2016
[2]垄沟灌溉土壤水分入渗模拟研究[D]. 张勇勇.中国科学院研究生院（教育部水土保持与生态环境研究中心） 2013
[3]BP神经网络的理论及其在农业机械化中的应用研究[D]. 王吉权.沈阳农业大学 2011
[4]基于BP和RBF神经网络的木材缺陷检测研究[D]. 牟洪波.东北林业大学 2010
[5]番茄生长模型及日光温室小气候建模的研究[D]. 马丽丽.沈阳农业大学 2009
[6]畦沟灌溉水流运动模型与数值模拟研究[D]. 聂卫波.西北农林科技大学 2009
[7]模糊控制工程应用若干问题研究[D]. 彭勇刚.浙江大学 2008
硕士论文
[1]基于BP神经网络模型热镀锌锌层厚度控制研究[D]. 李逸.武汉工程大学 2017
[2]室内环境监测中的BP神经网络算法的改进及其仿真分析[D]. 张凌.南京邮电大学 2017
[3]基于Arduino与LabVIEW的农作物生长环境检测系统的设计与实现[D]. 李岩.安徽科技学院 2017
[4]基于模糊控制的智能船舶航迹控制研究[D]. 魏臻宇.哈尔滨工程大学 2017
[5]植物—微生物联合修复石油污染土壤的数值模拟与评价研究[D]. 马文翠.天津大学 2017
[6]基于磁性石墨烯和分子印迹构建对多种有机磷农药痕量检测的仿生电化学传感器方法研究[D]. 史修娟.山东农业大学 2016
[7]拉深成形变压边力神经网络预测技术研究[D]. 王红强.长春工业大学 2016
[8]基于LabVIEW的压力传感器测试系统[D]. 曹昌言.南京大学 2014
[9]基于HYDRUS模型的红壤坡耕地水分动态研究[D]. 高跃.华中农业大学 2013
[10]阔叶红松混交林林隙大小、土壤水分以及光照对植物的影响[D]. 王丽霞.东北林业大学 2013
本文编号：3065945
本文链接：https://www.wllwen.com/kejilunwen/nykj/3065945.html
