公开(公告)号：CN112352523A

公开(公告)日：2021-02-12

申请号：CN202010941855.X

申请日：2020-09-09

Applicant: 安徽农业大学

Inventor： 张武 ,  苗犇犇 ,  冯金磊 ,  万盛民 ,  汪涛 ,  金秀 ,  饶元 ,  江朝晖 ,  李绍稳

IPC: A01C23/04 ,  A01C21/00 ,  G06K9/62 ,  G06F16/2458

Abstract: 本发明公开了一种基于智能决策的茶园水肥灌溉控制方法和系统，该方法包括：构建茶园灌溉及施肥的决策模型，所述决策模型以与茶园灌溉、施肥需求相关的多种属性数据为输入，以灌溉、施肥的决策需求为输出；采集茶园的多种属性数据，将其输入至茶园灌溉及施肥的决策模型中，输出灌溉和/或施肥的决策需求；以及根据灌溉需求和/或施肥的决策需求，结合预先设置的水量和施肥量对茶园进行水肥一体灌溉。与传统方法相比，使用数据挖掘算法对茶园水肥灌溉进行决策，避免了人为凭经验进行灌溉的弊端。由于输入了多种影响灌溉及施肥的属性，使得决策能够更加准确。

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

Inventor： 张武 ,  张嫚嫚 ,  韩华威 ,  张森林 ,  饶元 ,  金秀 ,  苗犇犇 ,  冯金磊

IPC: G06K9/62 ,  H04W84/18 ,  G06Q50/02

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：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

Inventor： 张武 ,  张嫚嫚 ,  韩华威 ,  张森林 ,  饶元 ,  金秀 ,  苗犇犇 ,  冯金磊

IPC: G06F18/23 ,  G06F18/22 ,  H04W84/18 ,  G06Q50/02

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：CN112352523B

公开(公告)日：2022-10-04

申请号：CN202010941855.X

申请日：2020-09-09

Applicant: 安徽农业大学

Inventor： 张武 ,  苗犇犇 ,  冯金磊 ,  万盛民 ,  汪涛 ,  金秀 ,  饶元 ,  江朝晖 ,  李绍稳

IPC: A01C23/04 ,  A01C21/00 ,  G06K9/62 ,  G06F16/2458

Abstract: 本发明公开了一种基于智能决策的茶园水肥灌溉控制方法和系统，该方法包括：构建茶园灌溉及施肥的决策模型，所述决策模型以与茶园灌溉、施肥需求相关的多种属性数据为输入，以灌溉、施肥的决策需求为输出；采集茶园的多种属性数据，将其输入至茶园灌溉及施肥的决策模型中，输出灌溉和/或施肥的决策需求；以及根据灌溉需求和/或施肥的决策需求，结合预先设置的水量和施肥量对茶园进行水肥一体灌溉。与传统方法相比，使用数据挖掘算法对茶园水肥灌溉进行决策，避免了人为凭经验进行灌溉的弊端。由于输入了多种影响灌溉及施肥的属性，使得决策能够更加准确。

公开(公告)号：CN112115984A

公开(公告)日：2020-12-22

申请号：CN202010887051.6

申请日：2020-08-28

Applicant: 安徽农业大学

Inventor： 张武 ,  冯金磊 ,  万盛民 ,  苗犇犇 ,  王瑞卿 ,  汪涛 ,  江朝晖 ,  饶元

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明公开了一种基于深度学习的茶园异常数据校正方法、系统和存储介质，该校正方法包括：采集目标茶园的环境数据并对此预处理，将预处理后的目标茶园的环境数据作为输入数据输入到卷积神经网络‑支持向量机CNN‑SVM中，对数据进行异常检测，同时还输入到长短期记忆神经网络LSTM中，对环境数据进行预测；当CNN‑SVM模型检测数据为异常数据时，提取出由CNN‑SVM模型检测出异常数据的时间特征，并在LSTM模型预测的数据中选取具有相同时间特征的数据进行校正，然后输出到茶园数据集中。本发明不仅能够校正异常数据，还能根据异常数据判断传感器故障具体地点，具有较高的校正准确率、特异度和泛化能力。