大数据为物联网带来大智慧_物联网大数据人工智能

随着全球信息化的浪潮，信息化产业不断发展、延伸，已经深入了众多的企业及个人，SOA系统架构的出现，将给信息化带来一场新的革命。

纵观信息化建设与应用的历程，尽管出现过XML（标准通用标记语言的子集）、Unicode、UML等众多信息标准，但是许多异构系统之间的数据源仍然使用各自独立的数据格式、元数据以及元模型，这是信息产品提供商一直以来形成的习惯。各个相对独立的源数据集成一起，往往通过构建一定的数据获取与计算程序来实现，这样的做法需要花费大量工作。信息孤岛大量存在的事实，使信息化建设的ROI（投资回报率）大大降低，ETL成为集中这些异构数据的有效工具。ETL常用于从源系统中提取数据，将数据转换为与目标系统相兼容的格式，然后将其装载到目标系统中。数据经过获取、转换、装载后，要产生应用价值，还需另外的数据展现工具予以实现，如此复杂的数据应用过程，必定产生高昂的应用成本。

结构化的数据管理尚可通过以上方法，予以实现其集成应用。在非结构化的内容方面，这些具有挑战性的问题令人生畏。内容管理的应用方案基于不同的信息化应用系统，而且大部分是纵向的以组织部门为界限的。在内容管理市场中，经常使用来自不同厂商的产品来提供这些解决方案。即使是同一个厂商的产品，相互之间的功能也是经常重叠，并且无法集成。

随着信息化建设的深入，不同应用系统之间的功能界限已趋于模糊。同时企业资源计划系统和协同商务系统，又需要商业智能的分析展现数据提供用户 *** 作依据。

在激烈竞争且多变的市场环境下，企业的管理模式很难固化，应用传统的信息化软件，当企业要做出一些改动时需要面对巨大的挑战。

SOA系统架构的出现，信息化变革

微软大中华区服务部总经理辛儿伦介绍说，从上世纪60年代应用于主机的大型主机系统，到80年代应用于PC的CS架构，一直到90年度互联网的出现，系统越来越朝小型化和分布式发展。2000年WebService出现后，SOA被誉为下一代Web服务的基础框架，已经成为计算机信息领域的一个新的发展方向。

SOA的出现给传统的信息化产业带来新的概念，不再是各自独立的架构形式，能够轻松的互相联系组合共享信息。

可复用以往的信息化软件。基于SOA的协同软件提供了应用集成功能，能够将ERP、CRM、HR等异构系统的数据集成。

松散耦合方式，只要充分了解业务的进程，就可以不用编写一行代码，通过流程图实现一套我们自己的信息系统。就像已经给你准备好了砖瓦和水泥，只需要想好盖什么样的房子就可以轻松的盖起。加快开发速度，并且减少了开发和维护的费用。软件将所有的管理提炼成表单和流程，以记录管理的内容，指定过程的流转方向。

更简便的信息和数据集成。信息集成功能可以将散落在广域网和局域网上的文档、目录、网页轻松集成，加强了信息的协同相关性。同时，复杂、成本高昂的数据集成，也变成了可以简单且低成本实现的参数设定。创建了完全集成的信息化应用新领域。

在具体的功能实现上，SOA协同软件所实现的功能包括了知识管理、流程管理、人事管理、客户管理、项目管理、应用集成等，从部门角度看涉及了行政、后勤、营销、物流、生产等。从应用思想上看，SOA协同软件中的信息管理功能，全面兼顾了贯穿整个企业组织的信息化软硬件投入。尽管各种IT技术可以用于不同的用途，但是信息管理并没有任意地将信息分为结构化或者非结构化的部分，因此ERP等结构化管理系统并不是信息化建设的全部；同时，信息管理也没有将信息化解决方案划分为部门的视图，因此仅仅以部分为界限去构建软件应用功能的思想未必是不可撼动的。基于SOA的协同软件与ERP、CRM等传统应用软件相比，关键的不同在于它可以在合适的时间、合适的地点并且有正当理由向需要它提供服务的任何用户提供服务。

作者 | 尼古拉苏

数据支持 | 勾股大数据

1990年，美国首富比尔盖茨在华盛顿州西雅图的麦迪那区买了一块地皮，开始为自己建造一幢豪宅。七年之后，这幢豪宅终于完工，盖茨为此花费了113亿美金。这其中还不包括地价。

与传统豪宅相同的是，盖茨的豪宅地域广大，景观优美，功能齐备，极尽奢华，但与此同时，它与传统豪宅之间又有着极大的不同。它还是当世物联网智能家居的典范之作。

盖茨为这套豪宅取名“未来之屋”。

这就是人工智能赋能之下的万物互联，这就是IoT（Internet of Things，即“物联网”）。

很多人以为未来屋离我们还很远，其实未来屋早就来了。

站在2019年的时点上，很有必要地回头看看，物联网这颗潜伏多年的种子，将如何在中国这片土地上破土而出。

1

手环背后的蝴蝶效应：万亿级别信息产业

1982年，在美国卡内基梅隆大学计算机系，三个懒于去买可乐的程序员聚在了一起，认真地 探索 了如何科学购买可乐。他们在可乐机里安装了微动开关，并连接到服务器上。这样，人们可以在电脑里查询可乐的数量及冷热。

这台可乐机叫做“Only”，因为它是世界上最早的、当时唯一物联网设备。随后一系列的物联网设备开始诞生。

那么，何谓物联网？

与互联网把人连接起来不同，物联网是把万事万物连接在一起。物体通过传感器和嵌入式计算机系统，产生数据，通过网络进行数据交互，交织在同一张网络上， 最终实现任何时刻、任何地点、任何物体之间的互联，成为无所不在的网络并进行无所不在的计算； 而数据连接成巨大的神经网络，可以自动产生决策。

以时下流行的小米智能手环为例，只要戴着这个轻巧的小东西，它就可以记录你的运动量，监测你的睡眠质量。你可以通过手机应用实时查看运动量，监测走路和跑步的效果，及时调整健身计划，还可以实时了解自己的 健康 状况。

物联网是智慧世界最后一张拼图。 高效、精准、解放人力，这是物联网的关键词， 而物联网背后大数据的积累，则是新的生产资料。 物联网之上，无数从未被搜集统计的信息被数据化，万物信息上传到云端，成为数字世界非常重要的一环。

你身上带上的小小的手环，可能成为你的生命系统重要的监护人。 物联网这只蝴蝶，扇动几次翅膀，足可引起中国大地上的一场龙卷风。

互联网的红利正在逐渐消失，物联网的世界正在到来。

2008年，第一届国际物联网大会在瑞士苏黎世举行，这一年，物联网设备数量就已经超过了地球上人口的数量。 美国研究机构Forrester预测， 物联网所带来的产业价值将比互联网大30倍，并将成为下一个万亿元级别的信息产业。

2

米家会是“未来之家”？

GSMA智库预计，从2017年到2025年，产业物联网连接数将实现47倍的增长，达到138亿产业物联网连接；2017年到2025年消费物联网连接数将实现25倍的增长，到2025年全球范围内将会有18亿消费物联网链接。 互联网在枯竭，而物联网将成为推动 科技 市场增长的最大风口。

从物联网连接的渗透率来看，渗透率最高有智能计量、车联网、智能家居和安防。在这些领域的数据最有可能率先实现闭环，最先落地。

尤其智能家居。它是2019年物联网最大的变化的领域，以超预期的速度在快速增长。

StrategyAnalytics数据显示，2017年全球智能家居数量为164亿户，市场规模为840亿美元，预计到2023年，智能家居数量预计将达到293亿户，年消费额将达1550亿美元；2017年中国智能家居市场规模为908亿元，预计2017-2021年GAGR为4812%。

目前，“未来之家”的中国市场，已经突破了千亿体量。但是，“未来之家”究竟局里我们还有多远呢？

答案是，近在咫尺。

通讯技术的突破性进展，大大加速了未来之家的落地。近年来，NB-IoT技术的普及，能解决能耗、覆盖率与成本的问题，可以有效地满足地下管网、室内及偏远地区监测邓物联网需求，而5G的落地更是大大加快了物联网的进程——它能使网络时延降至1ms、速度高达20Gbps、密度高达每平方公里100万终端，更能解决高要求的物联网需求。智能家居一触即发，巨头们早早布局，加码抢滩。 “未来之家”最可能先将由谁来实现？

美国有谷歌、苹果、亚马逊，而中国有小米 。

目前，全世界消费级IoT（物联网）市场第一是小米，占全球市场份额19%，第二、第三、第四是世界级巨头——亚马逊（12%）、苹果（1%）、谷歌（09%）。超乎想象地，小米超越了BAT巨头，也超越了美国巨头，成为全球第一。

小米在物联网基础之上，衍生出了“米家”，空调、电视、扫地机器人、电饭煲、洗衣机、智能门锁等都可以链接到米家上，实现语音智能 *** 控。可以说，进入米家，就是进入当年比尔盖茨的未来之屋了，而目前小米开发的米家APP上，月活用户不断增长，已经突破了260万，单纯非小米手机的米家APP用户就超过了50%。

自1990年比尔盖茨开始建造未来屋以来，智能家居的概念就已经诞生，但几十年来智能家居一直离普通人非常遥远，这其中的推广之难显而易见。

那么，小米IoT又是如何实现的呢？

3

小米提前布局的IoT生态链

智能家具有三大痛点：第一、商业通道的封闭性，非智能化的家居产品不能接入平台；第二、技术上没有打通，不同设备有不同的生产商，彼此不能互相连接，前两点都妨碍了智能家居间无法形成一个闭环。第三个痛点是成本高，质量差，性价比低，导致渗透增长率低下。

小米打造了庞大的产品线，构建了小米之家IoT生态链，IoT产业自此迎来转机。 今天，小米已经成为全球最大的家用智能硬件平台，没有之一。

小米对家居物联网关键领域都进行了卡位。2014年，小米推出智能手环开始，陆续推出空气净化器、路由器、净水器、电饭煲、无人机、扫地机器人、电动滑板车、声波电动牙刷、小爱音箱、蓝牙温湿度器、智能闹钟、行车记录仪。各项产品接入IoT生态链，能实现统一控制，互相协同，打造智能家具场景。

图:小米部分产品一览

此外，小米研发并生产了智能的互联互通的模组。 虽然产品不是同一个公司做的，但是只要用了小米的模组，不同设备就能互相连通。 这能帮助更多的产品接入到小米IoT生态链中。 例如，小米已经和宜家达成合作。宜家所有的全系智能照明产品，统统能通过ZigBee协议接入小米IoT生态链中。用户可以通过小爱同学和其他入口等控制宜家相关产品，并与小米其他IoT智能设备互联互通。除了宜家，小米还在全季上海虹桥中心酒店，与全季共同开发了智慧酒店系统；与”车和家“一起打造小爱同学车载解决方案。爱空间则推出了智能家居安装服务小米智能照明家装套餐。小米生态链渐趋完整。

第三点是小米一直坚持极致高效为根基的“性价比”路线。 这得益于过去的沉淀。小米一贯坚持高性价比路线，建立了高效的供应链体系。而小米有一个以“米粉”为核心的庞大的用户群体，使得产品能快速规模化生产，把成本控制在较低水平。

图：小米家居保持极高性价比

另一方面，是由于对产品的“专注”，保证了质量。小米产品这么多，但是只有手机、电视和路由器是小米生产的，其他的产品是采用投资的方式，孵化出不同的产品。小米直接在市场“抢”在细分领域数一数二的公司合作，每个公司都是专注在各自领域沉淀多年的企业， “专注性”保证了了米家的智能化设备保持高效和稳定。

2019年Q1，小米IoT平台已连接IoT设备数达到171亿台（不包括智能手机和笔记本电脑），环比增长137%，同比增长70%。高连接数使得产品保持高速迭代，IoT开发者平台全生态已经建雏形。

4

IoT的未来谁主沉浮，小米会一直领先？

物联网市场规模可观，国内各领域巨头陆续布局。BAT等互联网巨头基于自身云计算优势，主要布局B端大型客户，只有阿里在C端消费级IoT相对成熟。而智能设备供应商中，华为、小米起步较早，通过打造自身设备连接平台，构建消费级IoT平台；OV在消费级IoT的布局尚未成形。

而阿里、小米、华为三者模式看似类似，但是细看大有不同：

从控制中心来看，小米、阿里起步较早，布局较全面。小米的小爱同学和阿里云的天猫精灵起步相近，华为起步较晚。

但从种类看，小米和华为控制中心布局较全，华小米和华为在手机端优势明显，华为的手机出货量比小米的高，但是小米的手机IoT配套显然比华为齐全。除了智能音箱和智能音箱外，小米还有手机、智能电视、智能手环等作为入口。

云计算方面，阿里无疑拥有最强的云计算能力。华为云整体优势大于小米，但是优势主要针对B端，在整体的应用层面，并不一定比小米突出。

IoT平台方面，阿里平台视之为物联网重点，因此阿里的平台搭建最成熟；小米次之，华为在智能家居领域的平台搭建不如前两者。

每个部分强弱不同，和各巨头发展的重点不同有关。阿里重点在于应用管理平台搭建和数据处理，华为凭借着海量连接以及NB-IoT技术，重点做底层的设备连接平台。而小米注重智能家居的整体生态。

而从C端物联网的流量分布来看，小米遥遥领先。全世界消费级IoT（物联网）市场第一是小米，占全球市场份额19%。小米名符其实地超越了BAT巨头，也超越了美国巨头，成为全球第一。

也就是从目前布局来讲，小米遥遥领先。

为什么是小米？而这样的成功有没有护城河呢？

首先，流量是物联网竞争的关键，能帮助小米避开BAT的流量垄断，小米手机+其他控制入口+智能赢家设备+IoT平台，构成了完整的闭环，自成护城河，而不需要导入BAT的流量。

随着生态链的完整，IoT业务开始呈现规模效应，在2019年Q1，IoT版块财务数据亮眼。2019年Q1，小米IoT与生活消费品部分营收达人民币120亿元，同比增565%。小米AIoT特征显著，呈现爆发式增长，反映出小米的AIoT领先优势。并且，AIoT业务已经开始兑现收入，未来预计进入高速增长期。

当年手机出诞生，人们只视之为可携带的通话工具，认为取代PC是痴人说梦；而未来屋的幻想的提出，当时也被无数人认为是幻想。而现在，小米经过了多年布局，梦想中的“未来之屋”真的要来了。

雷军在2019年之初再次喊出了，小米要全面AllinIoT，未来五年持续投入高达100亿，抓住人工智能、物联网时代的新风口。这是对业务战略重点布局方向的清晰界定，以"手机+AIoT"双引擎战略建立深厚基础，迎接5G、人工智能及万物互联等新技术周期。

小米的未来是什么？

小米的未来依然只会是小米，是AIoT最终及最初的幻想。

参考及引用：

[1]丛林基于技术、应用、市场三个层面的我国物联网产业发展研究[D]，辽宁大学

[2]苏 美文 物联网产业发展的理论分析与对策研究[D]，吉林大学

[3]郑欣物联网商业模式发展研究[D]，北京邮电大学

[4]小米生态链战地笔记[M]，小米生态链谷仓学院，中信出版社

[5]从亚马逊飞轮看小米的护城河[R]，西南证券

[6]小米纪录片，一团火

[7]以硬件为入口逐步推进互联网变现的 科技 巨头[R]，光大证券

[8]从亚马逊飞轮看小米的护城河[R]，西南证券

[9]雷军致投资人公开信

[10]访谈，王自如对话小米副总裁

[11]虎嗅：小米生态链的未来在哪里[Z]，江浩Corli

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

感知为核心。

在2011年召开的中国国际物联网大会上，我国学者定义物联网是指以感知为核心，实现物理空间和信息空间互动融合的综合信息系统。按约定的协议，将任何物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。

历史溯源

物联网这个概念，中国在1999年提出来的时候叫传感网。中科院早在1999年就启动了传感网的研究和开发。与其它国家相比，我国的技术研发水平处于世界前列，具有同发优势和重大影响力。

2005年11月27日，在突尼斯举行的信息社会峰会上，国际电信联盟（ITU）发布了《ITU互联网报告2005：物联网》，正式提出了物联网的概念。

2009年8月24日，中国移动总裁王建宙在台湾公开演讲中，也提到了物联网这个概念。

物联网就是物物相连的互联网。这有两层意思：其一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；其二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信，也就是物物相息。

物联网通过智能感知、识别技术与普适计算等通信感知技术，广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。

物联网的特征：

1、首先，它是各种感知技术的广泛应用。物联网上部署了海量的多种类型传感器，每个传感器都是一个信息源，不同类别的传感器所捕获的信息内容和信息格式不同。传感器获得的数据具有实时性，按一定的频率周期性的采集环境信息，不断更新数据。

2、其次，它是一种建立在互联网上的泛在网络。物联网技术的重要基础和核心仍旧是互联网，通过各种有线和无线网络与互联网融合，将物体的信息实时准确地传递出去。在物联网上的传感器定时采集的信息需要通过网络传输。

由于其数量极其庞大，形成了海量信息，在传输过程中，为了保障数据的正确性和及时性，必须适应各种异构网络和协议。

AIoT（人工智能物联网）未来发展前景十分广阔。它将使用AI技术实现对设备、数据和应用的连接，从而为企业带来新的发展机遇。AIoT可以帮助企业实现效率的大幅度提升，同时也可以帮助企业减少成本开销。此外，AIoT还能够帮助企业针对不断变化的需要快速作出决定和行动。

RFID技术

核心关键技术主要有RFID技术、传感器技术、无线网络技术、人工智能技术、云计算技术等

拓展内容：

1、RFID技术

RFID技术是物联网中“让物品开口说话”的关键技术，物联网中RFID标签上存着规范而具有互通性的信息，通过无线数据通信网络把他们自动采集到中央信息系统中实现物品的识别。

2、传感器技术

传感器技术在物联网中传感器主要负责接收物品“讲话”的内容。传感器技术是从自然信源获取信息并对获取的信息进行处理、变换、识别的一门多学科交叉的现代科学与工程技术，它涉及传感器、信息处理和识别的规划设计、开发、制造、测试、应用及评价改进活动等内容。

3、无线网络技术

物联网中物品要与人无障碍地交流，必然离不开高速、可进行大批量数据传输的无线网络。无线网络既包括允许用户建立远距离无线连接的全球语音和数据网络，也包括近距离的蓝牙技术、红外技术和Zigbee技术。

4、人工智能技术

人工智能是研究是计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考和规划等)的技术。在物联网中人工智能技术主要将物品“讲话”的内容进行分析，从而实现计算机自动处理。

5、云计算技术

物联网的发展理离不开云计算技术的支持。物联网中的终端的计算和存储能力有限，云计算平台可以作为物联网的大脑，以实现对海量数据的存储和计算。

2022物联网大会于2022年3月02-03日在中国·上海国家会展中心召开。
展会涵盖了智能制造及技术应用、工业互联网网络互联、工业互联网标识及信息采集、工业互联网平台、工业交换机、云计算及信息安全等领域，展会直接并全面服务于物联网行业从源头到终端的整条产业链。
本届展会将汇聚智能制造、电子信息、智能家居、汽车制造、能源\电力、智能教育、航空航天、医药\医疗、仓储物流、智能交通、电信业、公共安全、民生政务、基础建设等领域超3万名专业观众，是集产品展示、品牌推广营销、买家对接、技术交流、企业融资、高端峰会及行业评选为一体的全方位智能制造产业展示平台。
琳琅满目的创新设备和制造科技，工业40和智慧工厂理念与实践相结合，带您尽览未来生活。

---