摘要：为实现农业现代化,推进农业供给侧结构性改革,保障小麦生产高质高效,通过对小麦种植过程中的土壤墒情、苗情长势、光合作用、虫情、气象等数据的收集和分析整理,为农技人员和生产经营者提供决策所需数据和种植方案。以宁津县小麦生产为例,运用物联网、无人机遥感、大数据平台处理等技术,设计开发了小麦生长监测大数据平台系统。该系统分为3个模块,包括1个大数据平台和5个现场监测点,系统每隔30 min采集1次虫情、墒情和气象数据,并24 h不间断地提供现场小麦长势的监控画面,数据通过互联网的形势传输到大数据平台的数据库中,平台对数据的汇总形成图像和报表,为农业专家和农业生产经营者提供更合适的种植方案。

摘要：当前农作物生长智能监测系统监测模块结构多为单向形式,监测的范围小导致错误监测警示次数增加。为此提出基于多源信息融合的农作物生长智能监测系统的设计与验证分析。根据当前测试需求及标准,先进行监测信息采集单元装置构建,以此为基础,构建主控制器,并进行传感器接入,实现农作物生长智能监测系统硬件的设计;采用多源融合的方式,扩大当前的监测范围,建立多源信息融合农作物生长监测模块,与自适应监测数据库关联,实现系统软件设计。实验结果表明:在三个阶段的测试背景下针对玉米、大豆、高粱、花生和水稻农作物的误监测警示次数减低到10次以下,说明在多源信息融合技术的辅助下,所设计的智能监测系统最效果更佳。

摘要：为实现作物生长信息的低成本、实时、无损监测,本研究基于光谱分析技术,选择395 nm和800 nm 2个波段,根据光学系统原理和小型化需求,进行基于智能移动设备的低功耗微型作物光谱反射率测量仪研发,包括封装壳体、光学系统和硬件电路设计及控制系统App开发;并使用积分球和ASD Fieldspec 4 Hi-Res地物光谱仪对测量仪4个通道(395 nm和800 nm太阳光接收通道和作物反射光接收通道)的测量值进行标定,并以反射率为20%、40%、60%、100%的4块标准灰度板为测量对象检验测量仪的准确性。结果表明:4个通道标定方程的决定系数均在0.9980以上,395 nm和800 nm反射率的均方根误差分别为1.46%和1.07%,平均绝对误差分别为1.17%和0.82%;4块标准反射率灰度板在395 nm和800 nm 2个波段测得反射率的相对误差分别小于2.0%和3.6%,变异系数分别在1.36%~4.17%和0.78%~2.36%。该测量仪体积32 cm^(3),质量仅20 g,且具有低成本、高精度、易操作、可升级等特性,可实现基于智能移动设备的作物生长实时监测。

摘要：针对目前人参种植管理环节中面临的生长环境要素监测难、病害发觉迟缓、自动化水平低等问题,设计出一种基于ZigBee网络的人参生长监测及环境关系敏感型病害自动化预警系统。利用ZigBee无线监测节点采集人参生长的环境要素信息,数据传输网关汇集相关信息发送至远程服务器,系统提取特征数据处理分析后自动向客户端推送实时监测数据,同时发出病害预警分析,提示管理人员做出应对措施。通过应用试验的验证,系统很好地解决了人参生长监测及环境关系敏感型病害预警的难题,提高了人参种植的科学化管理水平。

摘要：玉米生长监测远程诊断系统设计的主导思想是"互联网+数字图像(视频)+现代农业",配套分布式网络结构与数据库技术,架构玉米生长监测远程诊断系统服务体系。主要通过数码相机与高清数字摄像头作为硬件监测设备,抓拍玉米各生育期的高清图像,采用无线4G网络或Wi-Fi技术将远程获取的玉米冠层图片或视频数据上传到网络服务器,再运用图像处理工具提取玉米生长的特征参数值,通过特征参数准确反映玉米生长状况,并做出决策诊断,建立玉米生长监测图像数据库,搭建玉米视频信息远程监控与诊断服务体系。

摘要：为了收集水稻种植过程中农学、气象、土壤、作物苗情图像、病虫害图像等数据,实现绿色稻米生产提供决策所需要的基础数据采集,该研究以当涂县为例,运用物联网技术,设计并开发了水稻生长监测系统。该系统包括1个监测中心和分布在5个现代新型经营主体的监测基站。系统每隔20min采集1次土壤和气象环境数据,每日上午10时采集苗情图像和虫情图像数据。数据通过以太网形式传输汇总到监测中心的服务器数据库中。系统最终形成数据报表、决策意见,为农技部门指导生产和农技推广提供新方法。

摘要：采用数码相机和CCD数字摄像头为图像监测设备,融合机器视觉技术,集成数字图像处理技术、农业物联网技术、Web远程控制技术、信息传输服务技术和数据库管理技术等构建了远程服务系统平台。通过2年试验对棉花的生长状况进行实时跟踪监测,获取其冠层图像,运用数字图像处理技术对棉花群体冠层图像进行分割,筛选棉花长势监测与氮素营养诊断反应敏感的特征颜色参数覆盖度,构建了覆盖度与棉花地上部总含氮量间的关系模型。研究结果表明,覆盖度与棉花地上部总含氮量间指数函数模型相关性最高,其决定系数为0.978,根均方差为1.479 g/m^2。依据棉花覆盖度与氮素营养诊断的最佳模型,搭建了棉花长势长相监测中心(田间监测)、网络信息服务控制中心(服务器)、图像分析与数据处理中心、决策诊断与评价中心以及用户浏览中心,形成一个大型环式"一网三层五中心"棉花监测管理诊断体系,初步实现对棉花生长信息和氮素营养状况快速准确的监测与诊断。