如果你从事算法方面（包括图像处理，机器学习，深度学习等），那么数学用到的地方真是多了去了。从事深度学习计算机视觉方面的东西，用到的数学知识有：线性代数、矩阵论、概率论、优化方法、数值计算、当然还有高等数学，高等数学是一切的基础。
物联网（Internet of Things，简称IoT）是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、 连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络简述Inter,物联网，云端计算之间的区别以及联络
因特网（Inter），物联网都是通讯网路，将装置进行连线，就好比物联网是高速公路与英特网是大马路，大马路可以走人走脚踏车走汽车，高速路只走汽车。云端计算是区别于本地计算的一种概念，是分散式计算的一种技术名称。
云端计算和物联网两者之间本没有什么特殊的关系，物联网只是今后云端计算平台的一个普通应用，物联网和云端计算之间是应用与平台的关系。
物联网的发展依赖于云端计算系统的完善，从而为海量物联资讯的处理和整合提供可能的平台条件，云端计算的集中资料处理和管理能力将有效的解决海量物联资讯储存和处理问题。
人工智慧是程式演算法和大资料结合的产物。
而云计算是程式的演算法部分，物联网是收集大资料的根系的一部分。
可以简单的认为：人工智慧=云端计算+大资料（一部分来自物联网）
随着物联网在生活中的铺开，它将成为大资料最大，最精准的来源。
云端计算通俗理解：1、通过网路上传到云储存东西，无需储存装置有网路便可读取。像银行
2、可以通过云端计算，有些软体无需安装便可使用，比如直接通过云写文件，不用安装word。像家里用电不用自己发电，通过电网购买。
云的使用对自己电脑的配置实用减少，而物联网是本地电脑和伺服器资讯互换，处理资讯使用的是本地电脑的资源处理东西。
物联网是客观世界在Inter上的一种应用；云端计算是建立在Inter上的一种分散式技术服务模式；三网融合是将Inter、电信网、广电网业务融合在一起的应用技术及业务模式。
希望对你有用。
随着社会迅速发展，人类逐渐进入大资料的时代，而物联网与云端计算作为近年来的热点，受到了业内不少人士的关注。据业界人士分析，大资料的前景与物联网以及云端计算这两者之间的关系非常密切，那么，真像业界人士所说的那样它们之间存在着不一样的关系呢？下面，我们就来了解一下大资料与物联网、云端计算之间的关系吧。
大资料概念
巨量资料(big data)，或称大资料、海量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软体工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。“大资料”是由数量巨大、结构复杂、型别众多资料构成的资料集合，是基于云端计算的资料处理与应用模式，通过资料的整合共享，交叉复用,形成的智力资源和知识服务能力。
大资料市场格局
具体意义上来讲，早在20世纪90年代“资料仓库之父”的Bill Inmon便提出了“大资料”的概念。大资料之所以在最近走红，主要归结于网际网路、移动装置、物联网和云端计算等快速崛起，全球资料量大大提升。可以说，移动网际网路、物联网以及云端计算等热点崛起在很大程度上是大资料产生的原因。
我们通过分析，形象的知道大资料与移动网际网路、物联网以及传统网际网路的关系。物联网，移动网际网路再加上传统网际网路，每天都在产生海量资料，而大资料又通过云端计算的形式，将这些资料筛选处理分析，提前出有用的资讯，这就是大资料分析。
大资料与云端计算
云端计算（cloud puting）是基于网际网路的相关服务的增加、使用和交付模式，通常涉及通过网际网路来提供动态易扩充套件且经常是虚拟化的资源。近几年，云端计算的概念受到了学术界、商界，甚至 的热捧，一时间云端计算无处不在，这真让同时代其他的IT技术相形见绌，无地自容。
本质上，云端计算与大资料的关系是静与动的关系；云端计算强调的是计算，这是动的概念；而资料则是计算的物件，是静的概念。如果结合实际的应用，前者强调的是计算能力，或者看重的储存能力；但是这样说，并不意味着两个概念就如此泾渭分明。大资料需要处理大资料的能力（资料获取、清洁、转换、统计等能力），其实就是强大的计算能力；另一方面，云端计算的动也是相对而言，比如基础设施即服务中的储存装置提供的主要是资料储存能力，所以可谓是动中有静。
如果资料是财富，那么大资料就是宝藏，而云计算就是挖掘和利用宝藏的利器！没有强大的计算能力，资料宝藏终究是镜中花；没有大资料的积淀，云端计算也只能是杀鸡用的宰牛刀。
大资料与物联网
物联网是一个基于网际网路、传统电信网等资讯承载体，让所有能够被独立定址的普通物理物件实现互联互通的网路。
大资料与物联网之间的关系是相铺相成的。物联网产生大资料。美国人前几年医院一年产生500个数据，IMT1。4TB资料等各种的资料通过感测器产生，也有在网上直接产生的，我们现在处于大资料时代，物联网一分钟可以产生非常多的东西，苹果下载2万余次，一分钟会上传10万条新微博，全世界物联网上虚拟网路上，产生了大量的资料。
物联网产生的大资料与一般的大资料有不同的特点。物联网的资料是异构的、多样性的、非结构和有噪声的，更大的不同是它的高增长率。物联网的资料有明显的颗粒性，其资料通常带有时间、位置、环境和行为等资讯。物联网资料可以说也是社交资料，但不是人与人的交往资讯，而是物与物，物与人的社会合作资讯。
除此之外，大资料助力物联网，不仅仅是收集感测性的资料，实物跟虚拟物要结合起来。今天北京交通堵塞，但是并不知道堵塞原因，如果 释出讯息和市民微博释出讯息结合起来就知道发生什么事，物联网要过滤，过滤要有一定模式。
基于大资料与物联网，云端计算之间的关系
物联网重点突出了感测器感知的概念，同时它也具备网路线路传输，资讯储存和处理，行业应用介面等功能。而且也往往与网际网路共用伺服器，网路线路和应用介面，使人与人(Human ti Human ，H2H)，人与物(Human to thing，H2T)、物与物( Thing to Thing，T2T)之间的交流变成可能，最终将使人类社会、资讯空间和物理世界(人机槠)融为一体。
大资料目前尚没有统一的定义，比较有代表性的是3V 定义，即认为大资料需满足3 个特点：规模性(Volume)、多样性(Variety)和高速性(Velocity)。
以云端计算为代表的网际网路新应用的兴起，表明网际网路基础服务无论从硬体，软体还是资料资讯都在向集中和统一的方向发展。也就是说，未来的大资料还将具备一个新的特性-统一性(Unity)。
你也可以参考物联商业网。
因特网是一个数据网际网路；物联网是将现实世界的事物通过感测器等连线到网际网路形成的一个管理网路；云端计算是一种大规模的计算服务平台，它可以为其他网路提供计算服务；三网融合是将电信网、电视网及网际网路融合在一起的综合应用网路。
希望对你有用。
云端计算与网格计算的概念
首先，究竟什么是云端计算（Cloud Computing）呢？钱教授指出，云就是网际网路——做网路的似乎总是把网路抽象成云；云端计算就是利用在Inter中可用的计算系统，能够支援网际网路各类应用的系统。云端计算是以第三方拥有的机制提供服务，为了完成功能，使用者只关心需要的服务，这是云端计算基本的定义。
相对于网格计算（Grid Computing）和分散式计算，云端计算拥有明显的特点：第一是低成本，这是最突出的特点。第二是虚拟机器的支援，使得在网路环境下的一些原来比较难做的事情现在比较容易处理。第三是镜象部署的执行，这样就能够使得过去很难处理的异构的程式的执行互 *** 作变得比较容易处理。第四是强调服务化，服务化有一些新的机制，特别是更适合商业执行的机制。
那么网格计算的特点又是什么呢？
网格计算有了十几年的历史。网格基本形态是什么？是跨地区的，甚至跨国家的，甚至跨洲的这样一种独立管理的资源结合。资源在独立管理，并不是进行统一布置、统一安排的形态。网格这些资源都是异构的，不强调有什么统一的安排。另外网格的使用通常是让分布的使用者构成虚拟组织（VO），在这样统一的网格基础平台上用虚拟组织形态从不同的自治域访问资源。此外，网格一般由所在地区、国家、国际公共组织资助的，支援的资料模型很广，从海量资料到专用资料以及到大小各异的临时资料集合，在网上传的资料，这是网格目前的基本形态。
云端计算与网格计算区别何在
可以看出，网格计算和云端计算有相似之处，特别是计算的并行与合作的特点；但他们的区别也是明显的。主要有以下几点：
首先，网格计算的思路是聚合分布资源，支援虚拟组织，提供高层次的服务，例如分布协同科学研究等。而云计算的资源相对集中，主要以资料中心的形式提供底层资源的使用，并不强调虚拟组织（VO）的概念。
其次，网格计算用聚合资源来支援挑战性的应用，这是初衷，因为高效能运算的资源不够用，要把分散的资源聚合起来；后来到了2004年以后，逐渐强调适应普遍的资讯化应用，特别在中国，做的网格跟国外不太一样，就是强调支援资讯化的应用。但云计算从一开始就支援广泛企业计算、Web应用，普适性更强。
第三，在对待异构性方面，二者理念上有所不同。网格计算用中介软体遮蔽异构系统，力图使使用者面向同样的环境，把困难留在中介软体，让中介软体完成任务。而云计算实际上承认异构，用映象执行，或者提供服务的机制来解决异构性的问题。当然不同的云端计算系统还不太一样，像Google一般用比较专用的自己的内部的平台来支援。
第四，网格计算用执行作业形式使用，在一个阶段内完成作用产生资料。而云计算支援持久服务，使用者可以利用云端计算作为其部分IT基础设施，实现业务的托管和外包。
第五，网格计算更多地面向科研应用，商业模型不清晰。而云计算从诞生开始就是针对企业商业应用，商业模型比较清晰。
总之，云端计算是以相对集中的资源，执行分散的应用（大量分散的应用在若干大的中心执行）；而网格计算则是聚合分散的资源，支援大型集中式应用（一个大的应用分到多处执行）。但从根本上来说，从应对Inter的应用的特征特点来说，他们是一致的，为了完成在Inter情况下支援应用，解决异构性、资源共享等等问题。
那么，网格计算和云端计算有没有可能取长补短、互为补充呢？钱教授提到，如果这两者结合起来，也许可以聚合大量分散的资源，从而支援各种各样的大型集中应用以及分散的应用。
最后，钱教授还谈到，在云端计算技术方面，有三个需要关注的问题。第一是安全，因为要想作为公共基础设施必须取得使用者的充分信任。第二是标准化，不能再走中介软体的老路。第三是开源，要走开放的平台，这样才有发展。
简明的描述，看了有茅塞顿开的感觉。
观点一：网格计算主要关注如何把一个任务分配到它所需要的资源上（一般来说是一个远端可用的），在这里一个大的计算任务可以被分成多个小任务，然后被分配到这些伺服器上执行；而云计算则强调把资源动态的从硬体基础架构上产生出来，以适应工作任务的需要，云端计算可以支援网格计算，也可以支援非网格计算。（简单理解，即动态产生的计算资源是来自一台伺服器还是多台，是否使用了网格计算的演算法。本人的理解）
观点二：网格计算与云端计算主要有三点区别，第一，网格主要是通过聚合式分布的资源，通过虚拟组织提供高层次的服务，而云计算资源相对集中，通常以资料中心的形式提供对底层资源的共享使用，而不强调虚拟组织的观念；第二，网格聚合资源的主要目的是支援挑战性的应用，主要面向教育和科学计算，而云计算一开始就是用来支援广泛的企业计算、web应用等；第三，网格用中介软体遮蔽异构性，而云计算承认异构，用提供服务的机制来解决异构性的问题。
网格计算与云端计算的关系如下表所示。
表 1 网格计算与云端计算的比较
网格计算
云端计算
目标
共享高效能运算力和资料资源，实现资源共享和协同工作
提供通用的计算平台和储存空间，提供各种软体服务
资源来源
不同机构
同一机构
资源型别
异构资源
同构资源
资源节点
高效能运算机
伺服器/PC
虚拟化检视
虚拟组织
虚拟机器
计算型别
紧耦合问题为主
松耦合问题
应用型别
科学计算为主，计算密集
资料处理为主，资料密集
使用者型别
科学界
商业社会
付费方式
免费（ 出资）
按量计费
标准化
有统一的国际标准OGSA/WSRF
尚无标准，但已经有了开放云端计算联盟OCC
网格计算走的是学院派的路子：在概念上争论多年，在体系结构上三次伤筋动骨，在标准规范上花费了大量的心力，所设定的目标又非常远大－－要在跨平台、跨组织、跨信任域的极其复杂的异构环境 享资源和协同解决问题，所要共享的资源也是五花八门－－从高效能运算机、资料库、装置到软体、甚至知识；云端计算走的是现实派的路子：暂时不管概念、不管标准，Google云端计算与Amazon云端计算的差别非常大，云端计算只是对他们以前做的事情的新的共同的时髦叫法；所共享的储存和计算资源暂时仅限于某个企业内部，省去了许多跨组织协调的问题；以Google为代表的云端计算在内部管理运作方式上的简洁一如其介面，能省的功能都省了，Google档案系统甚至不允许修改已经存在的档案，大大降低了实现难度，却借助其无与伦比的规模效应释放前所未有的能量。
网格计算与云端计算的关系，就像是OSI与TCP/IP之间的关系：ISO制定的OSI（开放系统互联）网路标准，考虑得非常周到，也异常复杂，在多年之前就考虑到了会话层和表示层的问题。很有远见，但过于阳春白雪了，实现的难度和代价也非常大。当OSI的一个简化版－－TCP/IP冒出来之后，将七层协议简化为四层，内容也大大精简，因而迅速取得了成功。在TCP/IP一统天下之后多年，语义网等问题才被提上议事日程，开始为TCP/IP补课，增加其会话和表示的能力。因此，OSI是学院派，TCP/IP是现实派。OSI是TCP/IP的基础，TCP/IP又推动了OSI的发展。不是成者为王、败者为寇的问题，而是滚动发展的问题。
1．物联网产生大资料，大资料助力物联网。目前，物联网正在支撑起社会活动和人们生活方式的变革，被称为继计算机、网际网路之后冲击现代社会的第三次资讯化发展浪潮。物联网在将物品和网际网路连线起来，进行资讯交换和通讯，以实现智慧化识别、定位、跟踪、监控和管理的过程中，产生的大量资料也在影响着电力、医疗、交通、安防、物流、环保等领域商业模式的重新形成。物联网握手大资料，正在逐步显示出巨大的商业价值。
2．大资料是高速跑车，云端计算是高速公路。在大资料时代，使用者的体验与诉求已经远远超过了科研的发展，但是使用者的这些需求却依然被不断地实现。在云端计算、大资料的时代，那些科幻片中的统计分析能力已初具雏形，而这其中最大的功臣并非工程师和科学家，而是网际网路使用者，他们的贡献已远远超出科技十年的积淀。
本专题我共整理了10篇文章，来自中国农业科学院农业质量标准与检测技术研究所、南京农业大学、英国林肯大学、华南农业大学、江南大学、国家农业智能装备工程技术研究中心、浙江大学、中国科学院、吉林农业大学、西北农林 科技 大学、国家信息农业工程技术中心等单位。
文章包含农产品质量安全纳米传感器、太阳能杀虫灯、分簇路由算法、农田物联网混合多跳路由算法、水产养殖溶解氧传感器研制、土壤养分近场遥测方法、农机远程智能管理平台、水肥浓度智能感知与精准配比、果园多机器人通信等内容，供大家阅读、参考。
专题--农业传感器与物联网
Topic--Agricultural Sensor and Internet of Things
[1]王培龙, 唐智勇 农产品质量安全纳米传感应用研究分析与展望[J] 智慧农业(中英文), 2020, 2(2): 1-10
WANG Peilong , TANG Zhiyong Application analysis and prospect of nanosensor in the quality and safety of agricultural products[J] Smart Agriculture, 2020, 2(2): 1-10
知网阅读
[2]杨星, 舒磊, 黄凯, 李凯亮, 霍志强, 王彦飞, 王心怡, 卢巧玲, 张亚成 太阳能杀虫灯物联网故障诊断特征分析及潜在挑战[J] 智慧农业(中英文), 2020, 2(2): 11-27
YANG Xing, SHU Lei, HUANG Kai, LI Kailiang, HUO Zhiqiang, WANG Yanfei, WANG Xinyi, LU Qiaoling, ZHANG Yacheng Characteristics analysis and challenges for fault diagnosis in solar insecticidal lamps Internet of Things[J] Smart Agriculture, 2020, 2(2): 11-27
摘要： 太阳能杀虫灯物联网（SIL-IoTs）是一种基于农业场景与物联网技术的新型物理农业虫害防治工具，通过无线传输太阳能杀虫灯组件状态数据，用户可后台实时查看太阳能杀虫灯运行状态，具有杀虫计数、虫害区域定位、辅助农情监测等功能。但随着SIL-IoTs快速发展与广泛应用，故障诊断难和维护难等矛盾日益突出。基于此，本研究首先阐述了SIL-IoTs的结构和研究现状，分析了故障诊断的重要性，指出了故障诊断是保障其可靠性的主要手段。接着介绍了目前太阳能杀虫灯节点自身存在的故障及其在无线传感网络（WSNs）中的体现，并进一步对WSNs中的故障进行分类，包括基于行为、基于时间、基于组件以及基于影响区域的故障四类。随后讨论了统计方法、概率方法、层次路由方法、机器学习方法、拓扑控制方法和移动基站方法等目前主要使用的WSNs故障诊断方法。此外，还探讨了SIL-IoTs故障诊断策略，将故障诊断从行为上分为主动型诊断与被动型诊断策略，从监测类型上分为连续诊断、定期诊断、直接诊断与间接诊断策略，从设备上分为集中式、分布式与混合式策略。在以上故障诊断方法与策略的基础上，介绍了后台数据异常、部分节点通信异常、整个网络通信异常和未诊断出异常但实际存在异常四种故障现象下适用的WSNs故障诊断调试工具，如Sympathy、Clairvoyant、SNIF和Dustminer。最后，强调了SIL-IoTs的特性对故障诊断带来的潜在挑战，包括部署环境复杂、节点任务冲突、连续性区域节点无法传输数据和多种故障诊断失效等情形，并针对这些潜在挑战指出了合理的研究方向。由于SIL-IoTs为农业物联网中典型应用，因此本研究可扩展至其它农业物联网中，并为这些农业物联网的故障诊断提供参考。
知网阅读
[3]汪进鸿, 韩宇星 用于作物表型信息边缘计算采集的认知无线传感器网络分簇路由算法[J] 智慧农业(中英文), 2020, 2(2): 28-47
WANG Jinhong, HAN Yuxing Cognitive radio sensor networks clustering routing algorithm for crop phenotypic information edge computing collection[J] Smart Agriculture, 2020, 2(2): 28-47
摘要： 随着无线终端数量的快速增长和多媒体图像等高带宽传输业务需求的增加，农业物联网相关领域可预见地会出现无线频谱资源紧缺问题。针对基于传统物联网的作物表型信息采集系统中存在由于节点密集部署导致数据传输过程容易出现频谱竞争、数据拥堵的现象以及固定电池的网络由于能耗不均衡引起监测周期缩减等诸多问题，本研究建立了一个认知无线传感器网络（CRSN）作物表型信息采集模型，并针对模型提出一种引入边缘计算机制的动态频谱和能耗均衡（DSEB）的事件驱动分簇路由算法。算法包括：（1）动态频谱感知分簇，采用层次聚类算法结合频谱感知获取的可用信道、节点间的距离、剩余能量和邻居节点度为相似度对被监控区域内的节点进行聚类分簇并选取簇头，构建分簇拓扑的过程对各分簇大小的均衡性引入奖励和惩罚因子，提升网络各分簇平均频谱利用率；（2）融入边缘计算的事件触发数据路由，根据构建的分簇拓扑结构，将待检测各区域变化异常表型信息触发事件以簇内汇聚和簇间中继交替迭代方式转发至汇聚节点，簇内汇聚包括直传和簇内中继，簇间中继包括主网关节点和次网关节点-主网关节点两种情况；（3）基于频谱变化和通信服务质量（QoS）的自适应重新分簇：基于主用户行为变化引起的可用信道改变，或分簇效果不佳对通信服务质量产生的干扰，触发CRSN进行自适应重新分簇。此外，本研究还提出了一种新的能耗均衡策略去能量消耗中心化（假设sink为中心），即在网关或簇头节点选取计算式中引入与节点到sink的距离成正比的权重系数。算法仿真结果表明，与采用K-medoid分簇和能量感知的事件驱动分簇(ERP)路由方案相比，在CRSN节点数为定值的前提下，基于DSEB的分簇路由算法在网络生存期与能效等方面均具有一定的改进；在主用户节点数为定值时，所提算法比其它两种算法具有更高频谱利用率。
知网阅读
[4]顾浩, 王志强, 吴昊, 蒋永年, 郭亚 基于荧光法的溶解氧传感器研制及试验[J] 智慧农业(中英文), 2020, 2(2): 48-58
GU Hao, WANG Zhiqiang, WU Hao, JIANG Yongnian, GUO Ya A fluorescence based dissolved oxygen sensor[J] Smart Agriculture, 2020, 2(2): 48-58
摘要：溶解氧含量的测量对水产养殖具有极其重要的意义，但目前中国市面上的溶解氧传感器存在价格昂贵、不能持续在线测量及更新部件维护困难等问题，难以在水产养殖物联网中大规模推广和发挥作用。本研究基于荧光淬灭原理，利用水中溶解氧浓度与荧光信号相位差的关系进行低成本、易维护溶解氧传感器的研发。首先利用自制备溶氧敏感膜，经激发光照射后产生红色荧光，该荧光寿命可由溶解氧浓度调节；然后利用光信号敏感器件设计光电转化电路实现光信号感知；再以STM32F103微处理器作为主控芯片，编写下位机程序实现激发光脉冲产生，利用相敏检波原理以及快速傅里叶变换（FFT）计算激发光与参照光的相位差，进而转化为溶解氧浓度，实现溶解氧的测量。荧光探测部分与系统主控部分采用分离式设计思想，利用屏蔽排线直接插拔连接，便于传感器探测头的拆卸、更换、维护以及实现远距离在线测量。经测试，本溶解氧传感器的测量范围是0~20 mg/L，响应延迟小于2 s，溶氧敏感膜使用寿命约1年，可以实时不间断地对溶解氧浓度进行测量。同时，本传感器具有测量方便、制作成本低、体积小等特点，为中国水产养殖低成本溶解氧传感器的研发与市场化奠定了良好的基础。
知网阅读
[5]矫雷子, 董大明, 赵贤德, 田宏武 基于调制近红外反射光谱的土壤养分近场遥测方法研究[J] 智慧农业(中英文), 2020, 2(2): 59-66
JIAO Leizi, DONG Daming, ZHAO Xiande, TIAN Hongwu Near-field telemetry detection of soil nutrient based on modulated near-infrared reflectance spectrum[J] Smart Agriculture, 2020, 2(2): 59-66
摘要： 土壤养分作为农业生产的重要指标，含量过少会降低农作物产量，过多则会造成环境污染。因此，快速、准确检测土壤养分对于精准施肥和提高作物产量具有重要意义。基于取样和化学分析的传统方法能够全面准确地检测土壤养分，但检测过程中土壤的取样及预处理过程繁琐、 *** 作复杂、费时费力，不能实现土壤养分的原位快速检测。本研究基于调制近红外光谱，提出了一种土壤养分主动式近场遥测方法，可有效避免土壤反射自然光的干扰。该方法使用波长范围1260~1610 nm的8通道窄带激光二极管作为近红外光源，通过测量8通道激光光束的土壤反射率，建立土壤养分中氮（N）关于土壤反射率的计量模型，实现了N的快速检测。在74组已知N含量的土壤样品中，选取54组作为训练集，20组作为预测集。基于一般线性模型，对训练集中土壤N含量与土壤反射率的定量化参数进行训练，筛选显著波段后的计量模型R2达到097。基于建立的计量模型，预测集中土壤N含量预测值与参考值的决定系数R2达到09，结果表明该方法具有土壤养分现场快速检测的能力。
知网阅读
[6]朱登胜, 方慧, 胡韶明, 王文权, 周延锁, 王红艳, 刘飞, 何勇 农机远程智能管理平台研发及其应用[J] 智慧农业(中英文), 2020, 2(2): 67-81
ZHU Dengsheng, FANG Hui, HU Shaoming, WANG Wenquan, ZHOU Yansuo, WANG Hongyan, LIU Fei, HE Yong Development and application of an intelligent remote management platform for agricultural machinery[J] Smart Agriculture, 2020, 2(2): 67-81
摘要： 本研究针对农机管理实时数据少、农机实时作业监管困难、服务信息不对称等问题，首先提出专业化远程管理平台设计时应具有五大原则：专业化、标准化、云平台、模块化以及开放性。基于这些原则，本研究设计了基于大田作业智能传感技术、物联网技术、定位技术、遥感技术和地理信息系统的可定制化的通用农机远程智能管理平台。平台分别为各级政府管理部门、农机合作社、农机手、农户设计并实现了基于WebGIS 的农机信息库及农机位置服务、农机作业实时监测与管理、农田基础信息管理、田间作物基本信息管理、农机调度管理、农机补贴管理、农机作业订单管理等多个实用模块。研究着重分析了在当前的技术背景下，平台部分关键技术的实现方法，包括采用低精度GNSS定位系统前提下的作业面积的计算方法、GNSS定位数据处理过程中的数据问题分析、农机调度算法、作业传感器信息的集成等，并提出了以地块为核心的管理平台建设思路；同时提出农机作业管理平台将逐步从简单作业管理转向大田农机综合管理。本平台对同类型管理平台的研发具有一定的参考与借鉴作用。
知网阅读
[7]金洲, 张俊卿, 郭红燕, 胡宜敏, 陈翔宇, 黄河, 王红艳 水肥浓度智能感知与精准配比系统研制与试验[J] 智慧农业(中英文), 2020, 2(2): 82-93
JIN Zhou, ZHANG Junqing, GUO Hongyan, HU Yimin, CHEN Xiangyu, HUANG He, WANG Hongyan Development and testing of intelligent sensing and precision proportioning system of water and fertilizer concentration[J] Smart Agriculture, 2020, 2(2): 82-93
摘要： 为解决农场当地当时的复合肥料精准化配料问题，本研究将水肥一体化智能灌溉施肥系统作为研究对象，构建了水肥浓度智能感知与精准配比系统。首先提出现场在线水肥溶液智能感知模型的快速建立方法，利用数据分析算法从传感器实时监测的一系列浓度梯度的肥料溶液中挖掘出模型。其次基于上述模型设计水肥浓度智能感知与精准配比系统的框架结构，阐述系统工作原理；并通过三种水体模拟在线配肥验证了该系统原位指导水肥浓度配比的有效性，同时评价了水体电导率对水肥配比浓度的干扰。试验结果表明，正则化条件下二阶的多项式拟合曲线是表达溶液电导率与水肥浓度的变化关系最优的模型，相关系数R2均大于0999，由此模型可得出用户关心的复合肥各指标浓度。三种水体模拟在线配肥结果表明，水体会干扰电导率导致无法准确反演水肥配比的浓度，相对偏差值超过了01。因此，本研究提出的在线水肥智能感知与精准配比系统实现了消除当地水体电导率对水肥配比准确性的干扰，通过模型计算实现复合肥精准化配比，并得出各指标浓度。该系统结构简单，配比精准，易与现有水肥一体机或者人工配肥系统结合使用，可广泛应用于设施农业栽培、果园栽培和大田经济作物栽培等环境下的精准智能施肥。
知网阅读
[8]孙浩然, 孙琳, 毕春光, 于合龙 基于粒子群与模拟退火协同优化的农田物联网混合多跳路由算法[J] 智慧农业(中英文), 2020, 2(3): 98-107
SUN Haoran, SUN Lin, BI Chunguang, YU Helong Hybrid multi-hop routing algorithm for farmland IoT based on particle swarm and simulated annealing collaborative optimization method[J] Smart Agriculture, 2020, 2(3): 98-107
摘要： 农业无线传感器网络对农田土壤、环境和作物生长的多源异构信息的获取起关键作用。针对传感器在农田中非均匀分布且受到能量制约等问题，本研究提出了一种基于粒子群和模拟退火协同优化的农田物联网混合多跳路由算法（PSMR）。首先，通过节点剩余能量和节点度加权选择簇首，采用成簇结构实现异构网络高效动态组网。然后通过簇首间多跳数据结构解决簇首远距离传输能耗过高问题，利用粒子群与模拟退火协同优化方法提高算法收敛速度，实现sink节点加速采集簇首中的聚合数据。对算法的仿真试验结果表明，PSMR算法与基于能量有效负载均衡的多路径路由策略方法（EMR）相比，无线传感器网络生命周期提升了57%；与贪婪外围无状态路由算法（GPSR-A）相比，在相同的网络生命周期内，第1个死亡传感器节点推迟了两轮，剩余能量标准差减少了004 J，具有良好的网络能耗均衡性。本研究提出的PSMR算法通过簇首间多跳降低远端簇首额外能耗，提高了不同距离簇首的能耗均衡性能，为实现大规模农田复杂环境的长时间、高效、稳定地数据采集监测提供了技术基础，可提高农业物联网的资源利用效率。
知网阅读
[9]毛文菊, 刘恒, 王东飞, 杨福增, 刘志杰 面向果园多机器人通信的AODV路由协议改进设计与测试[J] 智慧农业(中英文), 2021, 3(1): 96-108
MAO Wenju, LIU Heng, WANG Dongfei, YANG Fuzeng, LIU Zhijie Improved AODV routing protocol for multi-robot communication in orchard[J] Smart Agriculture, 2021, 3(1): 96-108
摘要： 针对多机器人在果园中作业时的通信需求，本研究基于Wi-Fi信号在桃园内接收强度预测模型，提出了一种引入优先节点和路径信号强度阈值的改进无线自组网按需平面距离向量路由协议（AODV-SP）。对AODV-SP报文进行设计，并利用NS2仿真软件对比了无线自组网按需平面距离向量路由协议（AODV）和AODV-SP在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能。仿真试验结果表明，本研究提出的AODV-SP路由协议在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能均优于AODV协议，其中节点的移动速度为5 m/s时，AODV-SP的路由发起频率和路由开销较AODV分别降低了365%和709%，节点的移动速度为8 m/s时，AODV-SP的分组投递率提高了059%，平均端到端时延降低了1309%。为进一步验证AODV-SP协议的性能，在实验室环境中搭建了基于领航-跟随法的小型多机器人无线通信物理平台并将AODV-SP在此平台应用，并进行了静态丢包率和动态测试。测试结果表明，节点相距25 m时静态丢包率为0，距离100 m时丢包率为2101%；动态行驶时能使机器人维持链状拓扑结构。本研究可为果园多机器人在实际环境中通信系统的搭建提供参考。
知网阅读
[10]黄凯, 舒磊, 李凯亮, 杨星, 朱艳, 汪小旵, 苏勤 太阳能杀虫灯物联网节点的防盗防破坏设计及展望[J] 智慧农业(中英文), 2021, 3(1): 129-143
HUANG Kai, SHU Lei, LI Kailiang, YANG Xing, ZHU Yan, WANG Xiaochan, SU Qin Design and prospect for anti-theft and anti-destruction of nodes in Solar Insecticidal Lamps Internet of Things[J] Smart Agriculture, 2021, 3(1): 129-143
摘要： 太阳能杀虫灯在有效控制虫害的同时，可减少农药施药量。随着其部署数量的增加，被盗被破坏的报道也越来越多，严重影响了虫害防治效果并造成了较大的经济损失。为有效地解决太阳能杀虫灯物联网节点被盗被破坏问题，本研究以太阳能杀虫灯物联网为应用场景，对太阳能杀虫灯硬件进行改造设计以获取更多的传感信息；提出了太阳能杀虫灯辅助设备——无人机杀虫灯，用以被盗被破坏出现后的部署、追踪和巡检等应急应用。通过上述硬件层面的改造设计和增加辅助设备，可以获取更为全面的信息以判断太阳能杀虫灯物联网节点被盗被破坏情况。但考虑到被盗被破坏发生时间短，仅改造硬件层面还不足以实现快速准确判断。因此，本研究进一步从内部硬件、软件算法和外形结构设计三个层面，探讨了设备防盗防破坏的优化设计、设备防盗防破坏判断规则的建立、设备被盗被破坏的快速准确判断、设备被盗被破坏的应急措施、设备被盗被破坏的预测与防控，以及优化计算以降低网络数据传输负荷六个关键研究问题，并对设备防盗防破坏技术在太阳能杀虫灯物联网场景中的应用进行了展望。
知网阅读
微信交流服务群
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。
入群方法： 加我微信 331760296 ， 备注： 姓名、单位、研究方向 ，我拉您进群，机构营销广告人员勿扰。
信息发布
科研团队介绍及招聘信息、学术会议及相关活动 的宣传推广
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）