专题推荐 - 农业传感器与物联网专题

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

物联网“概念”如火如荼，作为提供产业有生力量的大学自然不甘寂寞，于是乎，各个学校都在筹建、设立物联网专业，可从各方面渠道的信息看，似乎所想传授的知识五花八门，有侧重传感的，有侧重通讯的，有侧重某项应用领域的，如智能电网、智能交通等，似乎不像以往的专业设置，有相对统一的方向。 出现这个局面，首先就说明一点：物联网不应是一个传统形式本科专业，至少不适合作为一个本科专业而存在！ 现实中很多领域都有这个特征，它有广泛的需求，且孕育着极大的机会，但由于其所涉及的知识属于跨学科的，需要多方面的基础及专业知识作为铺垫，故作为本科专业有些勉为其难。 我很早就听过的一个说法：海洋学院不应该面向高中生招生，应该是从学过相关专业的本科毕业生中选拔，因为海洋研究要用到各方面的专业知识，它属于二级学科，需要一些基础性的专业知识背景，如生物、化学、流体力学等，而这些知识是高中生所不具备的，如果要他们在海洋学院的四年中学会这些，估计和海洋相关的知识几乎没有时间传授了，这样毕业的学生和普通院校有何差别？ 对比今天的物联网，似乎也有“海洋学院”的影子。 如果把物联网提升到目前所宣传的那个高度，要培养一个能应对如此“宽泛”领域的人才，似乎也应该是作为一个二级学科而存在。 首先这些人应该在普通本科中学会一些基础性的专业知识，如测量、传感、通讯、大规模计算和统计等，然后再进入物联网专业，结合自己所具备的专业知识背景，侧重研究物联网的某一分支，如侧重于基于联网需求设计测量部分，或基于测量特征设计通讯链路和协议，或基于收集来的巨量信息研究如何用“云”来储存和分析，从而使其成为有效信息而非“字典”。 这些都不是一个高中生所能直接面对的，而把所需的专业知识作为物联网专业的基础知识来传授，时间不够，本来这些就是四年的本科课程，学完这些，留给物联网的相关知识传授时间有限了，只能培养出一个无特色的学生，这和设置此专业的初衷不是相悖吗？ 所以，如果要培养一个真正意义上的物联网人才，靠本科四年的学习难以胜任！ 所谓真正意义上的“物联网人才”，按我的理解应该是：能将目前的现实需求纳入物联网，从而产生有别于传统解决方案的革命性变化。 听起来有些“玄”，但目前的宣传就是如此，甚至有过之而无不及，腾“云”驾“物”是在媒体上看到的最经典的描述！何时能落地，似乎还欠火候。 那针对目前的物联网热，学校应该如何应对呢？ 依本人愚见：暂时不去想培养那些“真正的物联网人才”，那些未来的并非本科教育所能造就，作为大量输送技术骨干进入社会的工科院校，着眼点应该是如何培养一个能在未来的工作中应对物联网需求的技术人员。 要做到这点，首先应该分析物联网到底衍生出那些新的东西？ “物联网”三个字实际上表达了其含义： 第一：“物”，乃所关注的对象 第二：“联”，乃所采取的手段 第三：“网”，乃解决问题的工具 这三个部分中，“物”早已存在，最为悠久，人们对“物”可以说是“关怀备至”了，至今仍在不断深入，并非物联网所带来的新生事物。 而“网”虽较“年轻”，但由于技术手段的进步，人们也已将其功能发挥的“淋漓尽致”，“网”已经给人们生活带来了巨大变化。 唯一属于物联网带来的新生事物就是“联”，即将“物”连接到“网”上！ 联网的设备已很多，为何此时将“物”连到网上就成了新东西？ 先分析一下以往的联网设备有什么特征。目前联网的设备主要是计算机、手机、电视等，还有一些幕后设备，如交换机、路由器等，究其特征，无一例外是和人交互，或者是服务于与人交互。所以，以往的互联网也可以称之为“人联网”！ 而如今“物联网”所指的“物”，多为面向自然界的物，关注的是其生物、理化等特征，是一些不具备智能的物，即便是和人相关，此时所关注的也是人的生物特征而非智能，所以完全区别于现存的“互联网”所承载的内容。目前互联网的绝大多数信息是服务于智能的，属于“上层建筑”，而物联网要关注的则是“经济基础”。 因为这些“物”相对“低能”，以往联网的方式就要做相应改变，以适应其特征，这才是物联网的精髓所在。 “物”有千百种，均有相应的专业在探究，而“网”也有相应的分支在完善，至于数据分析、云计算、分布式运算、并行计算等早已是深入研究的课题。后两者近年来已不断融合、完善，有了长足的进步。只是前者和后两者似乎有些像平行线，暂无交点。 物联网则是要在这两条平行线间架起一座桥，使前者的信息能借助于后者得到升华！ 但由于“物”的“低能”和“多样性”特征，使得原有的联网手段不再适合，正是这种缺位才催生了物联网教学的需求！ 因此，探究各种“物”所适合的联网手段，应该是培养一个可以应对物联网需求的工程技术人员的重点。 虽说联网应该是通讯的范畴，但以往通讯的关注点是媒介、链路和协议，而作为物联网应用需求，应该是关注各种通讯方式的特征，结合所需联网的“物”之个性，选择合适的通讯方案，侧重点是“选择”。 要做出合适的选择，就要对各类通讯方式的特点予以准确的把握，扬长避短，并合理的加以组合，从而达到最可靠、经济的方案。 不要一提到物联网就是 ZigBee、Wifi，实际上每种通讯方式都有其利弊和适用的环境。智能电网上的检测用 ZigBee 就不一定比“载波”合适；智能家居的很多节点或许用简单的“485总线”集中后再由WiFi 或 ZigBee转接入网更加经济、可靠。 所以，准确地把握对象特征和应用场景，同时熟知各类通讯技术的优势、缺陷，是一个合格的物联网应用技术人员的核心素质。 至于物联网的高层次应用，即那些汇集了巨量数据的“云”该如何处置？如何产生效益？那是少数精英的事，需要大量技术人员的是这个金字塔的塔基。 具体而言，针对物联网应用需求，学习应该关注： 1、 理解最基本的通讯原理，尤其是串行通讯，因为只要距离略远，并行通讯基本无使用可能，而现实中的各类通讯，不论是有线的RS232、485、USB、以太网，还是红外、蓝牙、Wifi，其实质都是串行通讯，区别只在于介质和协议。 2、 通过最简单的UART通讯，理解握手、冲突、争抢、仲裁等通讯中常见的问题，以及丢帧、误码的可靠性问题，理解通讯协议的作用和含义。 3、 通过简单的实际应用，理解各种场景的需求，何时要速度？何时要可靠？何时要响应快？何时要低功耗？ 4、 结合所面临的需求，尝试各类通讯，只要会用即可，因为随着MCU的无所不在，各类通讯模块使用越来越简单，看似神秘的3G通讯，也能用和古老的Modem一样的AT命令让其工作。对于多数人而言，只能做到会用即可，设计、生产这类模块的事情交给地球上少数人去 *** 心吧。就像 PC，全世界都在用，但只有Intel和AMD为此劳神，似乎也并未耽误PC的普及和使用啊！ 5、 选择一个分支，系统地贯穿一下各个层面，从“物”开始，到“网”结束，无所谓实用，只要涵盖的物联网的要素即可，重要是通过实际的体验，感受将“物”连到“网”上后所遇到的问题。 总之，我觉得，如果是培养一个应用类的技术人员，不需要特别的传授什么“物联网”的专业知识，而是用已有的专业知识，围绕上述重点实践即可，重要的是体验和阅读理解，因为未来的应用是多种多样的，无法预知，所以培养把握对象特征的能力是非常重要的。 最后，推荐一本关于各类通讯的书： 《嵌入式网络通信开发应用》 怯肇乾著北京航空航天大学出版，ISBN978-7-5124-0179-2 面对如此众多的通讯方式，想要全面了解并非易事，很多书都是只描述一部分，此书却全面收集了各种现存的通讯方式，为选择合适的通讯提供了极大的便利。 详细目录见“好书交流”栏目。

在互联网时代，Wi-Fi如同我们生活中的氧气一般无处不在。它是当今使用最广泛的无线网络传输协议，承载了全球一半以上的流量。Wi-Fi是一个包罗万象的术语，用于描述不断发展的80211协议家族。

而Wi-Fi联盟是推动Wi-Fi发展的组织，他们通过数字命名法简化了Wi-Fi名称，例如Wi-Fi 6对应80211ax、Wi-Fi 5则是80211ac、Wi-Fi 4为80211n。

5G的到来，开启了万物互联的时代，像自动驾驶、智慧城市、远程医疗、智能可穿戴等，都是物联网的应用场景。 为了能够更好地满足这类市场的需求，Wi-Fi联盟推出了覆盖距离更广、功耗更低的Wi-Fi HaLow认证方案。

Wi-Fi HaLow是基于IEEE 80211ah技术的认证标准，同时也是针对IoT市场量身打造的低功耗Wi-Fi技术。

众所周知，适用于物联网的低功耗传输标准，还包括ZigBee、Z-Wave、蓝牙以及Thread。ZigBee和Z-Wave的缺点在于频宽较低，并且两者在设定时的d性较弱。以ZigBee为例，它无法进行跳频，在网络布建时容易受到干扰。因此，ZigBee不太适合射频环境不稳定的物联网或M2M应用（基于特定行业的终端）。 而Wi-Fi HaLow单个节点最多连接设备超过8000个，同时还具备一定的抗干扰能力和墙壁穿透性。

至于蓝牙，它的缺点在于通讯距离，一般不会超过10米。 而Wi-Fi HaLow的最大传输距离达到了1000米。

作为远距离无线传输技术的一种，Wi-Fi HaLow低功耗、长距离的特性，除了适用于工业物联网、无人机、安防监控等领域外，还可以用于智能可穿戴设备。

目前，主流的智能可穿戴设备大致可分为三大类：TWS、智能手表和智能眼镜。 首先是TWS， 消费者在选购TWS耳机前，通常会比较在意耳机的音质、降噪以及续航能力。

为了更好的便携性，TWS耳机的体积基本上做得都比较小，大概只有一根大拇指那么大。在有限的体积下，TWS耳机内部需要塞入很多元器件，包括音频单元、降噪芯片、电池等。

现在，市面上绝大多数TWS耳机，单次使用时间基本都能达到5~8个小时。想要进一步提升TWS耳机的续航能力，厂商的做法有两种：一种是增大电池容量；另一种则是引入快充技术。

虽然增大电池容量并不难，但是这种简单粗暴的方法存在很多问题，比如随着电池容量的增加，电池的体积也会增大，这样一来，耳机腔体部分也会变大、变重，不仅牺牲了部分便携属性，还会影响耳机的佩戴舒适度。而且，在TWS上加入更多的功能，也会加快电池消耗的速度。

至于引入快充技术，并不能从根本上解决TWS耳机的续航问题，因为用户需要将耳机放入充电盒，等待5分钟后，才可以继续使用1小时。 而Wi-Fi HaLow低功耗的特性有助于改善TWS耳机的续航能力，尽管不难带来质的提升，但是最起码要比以前更好一些。

其次是智能手表。 以Apple Watch为例，它可以通过e-SIM功能脱离手机独立运作，而且拥有专门的应用商店，用户可以根据自身需求下载对应的App，这些 *** 作均离不开移动蜂窝数据和Wi-Fi。

传统Wi-Fi最大的瓶颈在于功耗问题。Wi-Fi HaLow在功耗表现方面，由于采用了700~900更低的频率，以及更窄的频道占用宽度，使得功耗与蓝牙、ZigBee等短距离无线传输技术处于同一水平线上。

也就是说，无论是下载安装应用还是长时间使用需要联网的App，支持Wi-Fi HaLow标准的智能手表功耗表现会更低，与之对应的就是续航能力的提升。

最后是智能眼镜。 现在，市面上比较常见的智能眼镜有家用或户外使用两种类型，前者主要用来影音 娱乐 ，比如看、玩 游戏 等；后者则更倾向于接打电话和听歌。

而Wi-Fi HaLow除了低功耗的特性外，还支持远距离传输、多设备连接、更好的穿墙能力以及更强的抗干扰性。 对于家用型智能眼镜，如果路由器位于客厅，在房间内使用时，WiFi连接性会变差。再加上如果家里不止你一人，路由器又不支持Wi-Fi 6的情况下，使用智能眼镜可能会因为网络拥堵问题影响用户体验。如果家用型智能眼镜支持Wi-Fi HaLow标准，上述问题或许都能得到解决。

对于像华为Eyewear这类户外使用的智能眼镜而言，其最大的问题在于网络连接的稳定性。 举个例子，在地铁、公交等信号复杂的应用场景下，使用户外型智能眼镜听歌时，可能会受到外界信号的干扰，导致设备经常断连。相比传统Wi-Fi和蓝牙，Wi-Fi HaLow拥有更强的信号抗干扰能力，可以大幅降低外接信号对智能眼镜的干扰性。

其实，相比智能可穿戴设备，Wi-Fi HaLow更多的作用在于布局AIoT市场。比如智能安防，由于Wi-Fi HaLow最大传输距离为1000米，并支持最多1万台设备同时接入同一连接点，大型商场只需要在一个位置搭建Wi-Fi HaLow的接入点，即可覆盖一公里以内所有支持该标准的监控摄像头。对于商家来说，布局安防监控成本会更低。

而且Wi-Fi HaLow有助于提升智能家居的使用体验，现阶段的智能家居，体验上都不是太好，不是经常断连，就是受到家里其他设备的信号干扰，导致实际使用起来延迟偏高。如果智能家居全部支持Wi-Fi HaLow标准，那么这些问题可能都会得到解决。

事实上，Wi-Fi HaLow并不是什么新技术，早在2016年，Wi-Fi联盟就已经公布了这项标准，只是没有厂商愿意去跟进， 直到2020年，国内珠海泰芯半导体才推出了全球首款基于Wi-Fi Halow标准的量产芯片，但应用场景与普通消费者没有太多联系。

说实话，Wi-Fi HaLow在定位上，与Wi-Fi 6多少有些重叠，毕竟室内应用场景，两者区别并不大。相较之下，Wi-Fi HaLow更适合户外场景。很显然，Wi-Fi联盟在这个时间节点再次宣布该标准，是一个很正确的决定。

不过，考虑到之前该标准从公布到芯片量产再到商用的进度，厂商们可能没有那么跟进并推出相关产品。虽然加入Wi-Fi联盟的厂商不在少数，包括上游芯片厂商英特尔、高通等，下游终端品牌厂商包括微软、苹果、华为等，但是Wi-Fi HaLow标准是否会应用于智能可穿戴领域，最终还要看厂商们愿不愿意，毕竟已经有了“前车之鉴”。

曾读到很有思辨力的一句话：“技术无法拯救行业，只有需求才能做到”。汽车有必要融入IoT物联网生态圈吗？又该怎样融入？将来的话语权会旁落吗？不妨带着问题思考答案。

物联网并不是一个新词。1995年，比尔·盖茨在《未来之路》一书中，提出了物联网的概念。他曾做出设想，未来的住宅应该具备智能家居系统，这也是物联网的一个具体应用场景。

物联网真正兴起，则要进入21世纪10年代了。2014年，谷歌收购Nest，对业界提了个醒，这家公司要在智能家居的跑道上提速了。

小米的创始人雷军也是在2013年年底，开始看到智能硬件与IoT（Internet of Things物联网）的发展趋势。到如今，小米生态链有了一定的规模，主要围绕的也是智能家居这一应用场景。

IoT生态的觉醒

物联网，即万物互联，物与物之间可以网络互通，我们也可以连接并控制万物。这就需要解决两个技术问题：1 硬件要智能，可以被控制；2 物物之间如何连接，通讯技术如何落地。

目前，技术门槛正在被碾碎。

智能硬件越来越多，小米生态链不断扩容的正是智能硬件；通讯技术也不是问题，以NB-IoT、LoRa为代表的LPWAN物联网技术正在崛起，而5G技术的发展可以使物联网加速落地。

以小米生态链为例，链条核心是手机，周边才是小米或投资、或结盟的硬件生产企业。

智能硬件搭起了物联网的基础，这是第一层建筑。再往上，第二层是内容产业，第三层是云服务。当完全搭成之后，就可以满足人们日益增长的提高生活质量的需求了。

不过，你可能发现了，小米生态链的触角暂时并没有延伸到汽车领域。或者说，汽车还不是小米周边的硬件生产企业。

车联万物，还是人联万物？

事实上，物联网与汽车行业相融合，并非一个新热点。我们有一个词叫“车联网”，但如果仅仅理解为“汽车能上网”，那还是过于狭义了。

车联网更广阔的边界其实是V2X技术，V是汽车，X是万物，Vehicle to Everything，即车联万物。

具体有V2V（车与车）、V2I（汽车与基础设施）、V2P（汽车与行人）、V2N（汽车与互联网），再广义一点想，汽车也可以融入到智能家居的网络中去。

所以，我们也看到了，“车联万物”的核心是汽车，是站在汽车端往周边扩。小米生态链的核心是手机，当然是站在手机端往周边扩。这是两个不同的核心点，不同的扩展方向。

从目前来看，多数智能家居的生态链，一般都会以手机为核心。为什么会这样？因为手机是最为普及的智能硬件，可以做到“人手一部”。那么，每一台手机的背后，主体就是一个人。

这才是需求所在。终究，我们搭建复杂的物联网，是希望以人为核心，与万物互联，也可以控制万物。

那么，问题来了。汽车有可能成为下一代移动终端，也可能成为人们移动的“第二起居室”。汽车与智能家居一定会融合在一起，而且，互联的边界还要拓展到更广的领域。

但是，在这个融合的过程中，核心究竟在汽车端，还是在手机端？哪一种“物”，可以真正代表背后的“人”？

下个十年，谁是核心？

重新再来审视开篇那句话，“技术无法拯救行业，只有需求和场景才能做到”。

汽车与智能家居生态链相融合，技术上的难度并不大，但核心还是看需求，而需求到达了一定程度，也会倒推着技术走向成熟。

美好生活是人类一直以来的追求，物联网大融合的需求势必存在。那么，这场融合会怎样进行呢？我们试着畅想一下。

1 谁在主导？

究竟汽车端是核心，还是手机端是核心，也可能两者都不是，智能穿戴设备反而有可能成为核心。

我们可能戴着一款智能眼镜，或者一块智能手表，具备远程 *** 控各种智能硬件的能力，既可以控制家居家电，也可以控制车辆来去。当然，如何控制智能硬件，能语音对话的，就别动手。

2 车能干什么？

车与家之间，其实是空间上的一种转换，我们可能需要一种无缝衔接式的对接体验。

比如，你正在家中用智能屏幕观看一条视频，却着急乘车赶往目的地，当进入车内时，可以在车载屏幕上继续观看。

此时，汽车可以完美承接智能屏幕的作用，也可以说，进入车内与家中无异，相关内容与服务不会断点与卡顿。但前提明显是，汽车要实现自动驾驶。

3 完全自动驾驶

完全自动驾驶，或在有限区域内的自动驾驶。纵使在主要行程路线中，可以选择手动控制车辆，但在达到目的地之后，“最后一公里”的自动停车需求仍是很充足的。

未来将允许车辆自动寻找车位停放，并自动充电，而在下一次出发的时候，又可以通过远程召唤，让车辆在指定地点等候我们。

4 共享出行可能真的会成真

现在的共享出行，脱离不了租赁的本质，取车还车的痛点也没有解决。真正的共享出行仍需要与自动驾驶深度捆绑，自动来，自动走，闲置资源可以更好地运转起来。

但是，共享化未必会消灭汽车私有化，我们或许还需要一定的独享权，就像手机基本实现了“人手一部”，私有化特征其实很明显。而汽车独享于我，其个人差异化将体现在内部布局及内容服务层面，外观设计或许越来越趋同。

经济条件允许则买车，暂时不允许则共享，大概会形成这样一种汽车消费观。

5 汽车去品牌化

汽车品牌越来越少，而产品将越来越趋同，融入到整个生态链之后，产品自身的品牌已经不重要了（类似于小米生态链的现状），消费者优先记得的，是生态链的名字，或者内容服务商的名字。一句话总结，软件压倒硬件。

未来畅想，未必全对。只是，追求更美好生活的需求一定会在未来肆意生长，那就驱动技术来一场变革吧。

越来越美好，越来越进步。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

物联网层次结构分为三层，自下向上依次是：感知层、网络层、应用层。感知层是物联网的核心，是信息采集的关键部分。感知层位于物联网三层结构中的最底层，其功能为“感知”，即通过传感网络获取环境信息。感知层是物联网的核心，是信息采集的关键部分。\r\n感知层是物联网的皮肤和五官-用于识别 物体，采集信息。感知层包括二维码标签和识读器、RFID标签和读写器、摄像头、GPS、传感器、M2M终端、传感器网关等，主要功能是识别物体、采集信息，与人体结构中皮肤和五官的作用类似。\r\n对我们人类而言，是使用五官和皮肤，通过视觉、味觉、嗅觉、听觉和触觉感知外部世界。而感知层就是物联网的五官和皮肤，用于识别外界物体和采集信息。感知层解决的是人类世界和物理世界的数据获取问题。它首先通过传感器、数码相机等设备，采集外部物理世界的数据，然后通过RFID、条码、工业现场总线、蓝牙、红外等短距离传输技术传递数据。感知层所需要的关键技术包括检测技术、短距离无线通信技术等。\r\n感知层由基本的感应器件（例如RFID标签和读写器、各类传感器、摄像头、GPS、二维码标签和识读器等基本标识和传感器件组成）以及感应器组成的网络（例如RFID网络、传感器网络等）两大部分组成。该层的核心技术包括射频技术、新兴传感技术、无线网络组网技术、现场总线控制技术（FCS）等，涉及的核心产品包括传感器、电子标签、传感器节点、无线路由器、无线网关等。\r\n一些感知层常见的关键技术如下：\r\nl 传感器：传感器是物联网中获得信息的主要设备，它利用各种机制把被测量转换为电信号，然后由相应信号处理装置进行处理，并产生响应动作。常见的传感器包括温度、湿度、压力、光电传感器等。\r\n2 RFID：RFID的全称为Radio Frequency Identification，即射频识别，又称为电子标签。RFID是一种非接触式的自动识别技术，可以通过无线电讯号识别特定目标并读写相关数据。它主要用来为物联网中的各物品建立唯一的身份标示。\r\n3 传感器网络：传感器网络是一种由传感器节点组成网络，其中每个传感器节点都具有传感器、微处理器、以及通信单元。节点间通过通信网络组成传感器网络，共同协作来感知和采集环境或物体的准确信息。而无线传感器网络（Wireless Sensor Network，简称WSN），则是目前发展迅速，应用最广的传感器网络。\r\n对于目前关注和应用较多的RFID网络来说，附着在设备上的RFID标签和用来识别RFID信息的扫描仪、感应器都属于物联网的感知层。在这一类物联网中被检测的信息就是RFID标签的内容，现在的电子（不停车），收费系统（Electronic Toll Collection，ETC）、超市仓储管理系统、飞机场的行李自动分类系统等都属于这一类结构的物联网应用。

物联网平台的定义:

物联网平台是一个中间层，一方面位于物联网设备层和物联网网关(和数据)层之间，另一方面是应用。因此，物联网平台也被称为应用支撑平台/智能管理平台。

物联网平台的基本功能和优势:

物联网平台支持物联网设备和端点管理、连接和网络管理、数据管理、处理和分析、应用开发、安全、访问控制、监控、事件处理和接口/集成。

物联网平台有自己的根，需要管理、监控、存储、翻译、保护和分析物联网数据；启用应用程序；物联网设备管理；因为物联网缺乏标准和互 *** 作性、连接性和集成性；安全性、固件更新以及用户和访问管理；可视化并与应用程序、用户和开发人员联系。

物联网平台可以更快、更便宜、更好地构建物联网解决方案，实现物联网项目。它们的基本功能包括连接和网络管理、设备管理、数据采集、处理分析和可视化、应用支持、集成和存储。

随着更多物联网设备/资产、数据、相关技术、网络/连接解决方案的出现，以及基础设施和高效、可互 *** 作和安全连接的发展，物联网平台已经成为专业的物联网部署。

物联网平台已经成为物联网部署的重要组成部分，几种类型和供应商都有各自的侧重点和市场策略。此外，物联网平台的现实和市场非常复杂，因为物联网项目、应用和解决方案具有不同的架构、连接和管理设备的方式、管理和分析数据的可能性、构建应用的能力和利用的选项。对于任何特定环境下的任何给定物联网用例，物联网都是有意义的:例如:消费应用、企业物联网应用和工业物联网或工业40。

---