基于农业物联网的农作物生长监测数据融合研究

被引：15

作者：

黄海松

秦志远

张慧

机构：

[1] 贵州大学现代制造技术教育部重点实验室

来源：

江苏农业科学 | 2017年 / 45卷 / 21期

关键词：

农业物联网; 格拉布斯准则; 分层数据融合; 自适应加权; 数据融合;

D O I：

10.15889/j.issn.1002-1302.2017.21.068

中图分类号：

S126 [电子技术、计算机技术在农业上的应用]; TN929.5 [移动通信]; TP391.44 [];

学科分类号：

080804 [电力电子与电力传动]; 082806 [农业信息与电气工程];

摘要：

针对农业无线传感器网络数据融合精度低、传感器节点能量有限的问题,结合农作物生长环境监测的特点,提出了一种适用于农作物生长监测数据融合的架构和算法。将无线传感器网络划分成多个固定层级,减少数据传输量并逐层降低误差。仿真试验结果表明,该算法融合结果比算术平均法和单一自适应加权算法更接近真实值。该算法能够减少数据传输量,且具有很好的可拓展性。

引用

收藏

页码：241 / 243+251 +251

页数：4

相关论文

共 14 条

[1]

精准农业中WSN渐进融合算法研究 [D].

常超 .

重庆大学,

2012

[2]

Adaptive data aggregation scheme in clustered wireless sensor networks [J].

Chen, Huifang ;

Mineno, Hiroshi ;

Mizuno, Tadanori .

COMPUTER COMMUNICATIONS, 2008, 31 (15) :3579-3585

[3]

日光温室无线传感器多数据融合技术研究 [J].

陈春玲 ;

崔琳 ;

许童羽 ;

周云成 ;

李天来 ;

王一情 .

沈阳农业大学学报, 2016, 47 (01) :86-91

[4]

基于农业物联网的改进型双门限频谱检测算法研究 [J].

同诗扬 ;

祁广云 ;

衣淑娟 .

农机化研究, 2016, (01) :53-56

[5]

一种改进的多无线传感器数据分批估计自适应加权融合算法 [J].

王华东 ;

王大羽 .

传感技术学报, 2015, 28 (08) :1239-1243

[6]

基于EMD与分批估计的动态称量快速融合方法 [J].

蒋婷 ;

滕召胜 ;

顾红艳 ;

林海军 .

仪器仪表学报, 2015, 36 (06) :1406-1414

[7]

煤矿安全监测多传感器分层数据融合模型研究 [J].

刘凯 ;

郭勇义 ;

吴世跃 .

工矿自动化, 2014, 40 (06) :45-50

[8]

农业物联网的发展及关键技术应用进展 [J].

秦怀斌 ;

李道亮 ;

郭理 .

农机化研究, 2014, 36 (04) :246-248+252

[9]

无线传感网中基于BP神经网络的数据融合方法 [J].

樊雷松 ;

强彦 ;

赵涓涓 ;

胡洋洋 ;

格磊 .

计算机工程与设计, 2014, 35 (01) :62-66

[10]

温室无线传感器网络系统实时数据融合算法 [J].

熊迎军 ;

沈明霞 ;

陆明洲 ;

刘永华 ;

孙玉文 ;

刘龙申 .

农业工程学报, 2012, 28 (23) :160-166