-
公开(公告)号：CN110717507B
公开(公告)日：2023-03-14
申请号：CN201910808140.4
申请日：2019-08-29
Applicant: 安徽农业大学 , 合肥汉亚信息技术有限公司
Abstract: 本发明公开了一种基于APDJ算法的土壤墒情传感器优化布局方法，提出了改进的Dijkstra算法即（APDJ算法），开展了土壤墒情传感器优化布局的应用。在确保传感网络全覆盖的基础上，实时采集各传感节点的土壤墒情数据，运用AP聚类算法得到聚类中心，以聚类中心作为Dijkstra算法搜索最短路径的起点，无线传感网络的汇聚点为终点，通过改进的Dijkstra算法以数据相异性最大和距离最短为目标搜索最佳路径，最终得到一条由6个传感器节点构成的最佳布点路径，以该路径布置传感器，采集的数据冗余度最低，使传感器数量由25个减少到6个，有效降低了数据的冗余度，节约了系统成本，较好地解决了传感器的优化布局问题。
-
Patent Agency Ranking
公开(公告)号：CN110059881A
公开(公告)日：2019-07-26
申请号：CN201910317733.0
申请日：2019-04-19
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于聚类算法的新型茶园土壤墒情传感器优化布局的方法，在保证茶园传感网络全覆盖的基础上，实时采集试验区各节点的土壤墒情数据，构建节点土壤含水量的相似度矩阵，并迭代计算各节点的吸引度和归属度值，得出聚类数和聚类中心。通过实验，采用聚类的方法对试验区域传感器进行优化布局，减少了传感器数量，优化传感器的位置，有效降低了数据的冗余度，节约了系统成本，较好地解决了传感器的优化布局问题。
-
公开(公告)号：CN110084367B
公开(公告)日：2022-10-25
申请号：CN201910317820.6
申请日：2019-04-19
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于LSTM深度学习模型的土壤墒情预测方法，首先收集目标农田的一段时间内的土壤理化及气象数据；将收集到的数据进行预处理后分为训练样本集和测试样本集；构建LSTM深度学习模型，通过训练样本集对LSTM深度学习模型进行训练以得到调参后的LSTM深度学习模型，再通过测试样本集对调参后的LSTM深度学习模型进行验证，最终以验证后的LSTM深度学习模型作为土壤墒情预测模型；将收集的数据输入土壤墒情预测模型，最终由土壤墒情预测模型输出未来时刻的土壤墒情预测结果。本发明使用深度学习方法对土壤墒情进行预报，节约了人力物力，能够真实的反映前期数据对后期结果的影响，充分体现了时序性特征。
-
公开(公告)号：CN110717507A
公开(公告)日：2020-01-21
申请号：CN201910808140.4
申请日：2019-08-29
Applicant: 安徽农业大学 , 合肥汉亚信息技术有限公司
Abstract: 本发明公开了一种基于APDJ算法的土壤墒情传感器优化布局方法，提出了改进的Dijkstra算法即（APDJ算法），开展了土壤墒情传感器优化布局的应用。在确保传感网络全覆盖的基础上，实时采集各传感节点的土壤墒情数据，运用AP聚类算法得到聚类中心，以聚类中心作为Dijkstra算法搜索最短路径的起点，无线传感网络的汇聚点为终点，通过改进的Dijkstra算法以数据相异性最大和距离最短为目标搜索最佳路径，最终得到一条由6个传感器节点构成的最佳布点路径，以该路径布置传感器，采集的数据冗余度最低，使传感器数量由25个减少到6个，有效降低了数据的冗余度，节约了系统成本，较好地解决了传感器的优化布局问题。
-
公开(公告)号：CN110084367A
公开(公告)日：2019-08-02
申请号：CN201910317820.6
申请日：2019-04-19
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于LSTM深度学习模型的土壤墒情预测方法，首先收集目标农田的一段时间内的土壤理化及气象数据；将收集到的数据进行预处理后分为训练样本集和测试样本集；构建LSTM深度学习模型，通过训练样本集对LSTM深度学习模型进行训练以得到调参后的LSTM深度学习模型，再通过测试样本集对调参后的LSTM深度学习模型进行验证，最终以验证后的LSTM深度学习模型作为土壤墒情预测模型；将收集的数据输入土壤墒情预测模型，最终由土壤墒情预测模型输出未来时刻的土壤墒情预测结果。本发明使用深度学习方法对土壤墒情进行预报，节约了人力物力，能够真实的反映前期数据对后期结果的影响，充分体现了时序性特征。
-
公开(公告)号：CN210519709U
公开(公告)日：2020-05-15
申请号：CN201921135820.6
申请日：2019-07-19
Applicant: 安徽农业大学
IPC: A01G25/16 , G08C19/00 , H04L12/40 , G05B19/042
Abstract: 本实用新型公开了一种基于Modbus的农田灌溉智能控制器，通过不同类型传感器多路采集农田气象信息和土壤信息，完成了手动和自动等多方式的信息采集，并在LCD屏实时显示。将STM32F103ZET6嵌入式电路作为主控电路，设计驱动电路用于驱动电磁阀，采集电路使用RS485通信方式用于采集农田信息。传感器通过采集电路将收集到的信息传递给主控电路。主控电路收集传感器采集到的农田气象信息和土壤信息，通过控制器GPIO端口自动控制电磁阀的工作状态，使土壤含水量保持在预设值范围。本实用新型实现了农田多源信息的采集、处理以及灌溉电磁阀的精准控制，减少了水资源浪费，有良好的应用价值。
-
-
-
-
-
Search Results
6
records
(took 0.12 seconds)
