《基于物联网的温室监控系统研究》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于物联网的温室监控系统研究

范文

摘要：基于物联网的温室传感器监控系统是现代农业发展的重要技术。为了解决传感器采集数据时网络传输延时的问题，提出了一种基于矩阵的改进D-S证据理论的数据融合方法。该方法通过改进D-S证据理论，利用矩阵优化算法来获得改进后的D-S证据理论的信任度矩阵，降低数据融合的网络传输延时。通过NS2仿真验证了该方法的可行性和有效性。

关键词：物联网；温室监控系统；D-S证据理论；数据融合

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2018）32-0239-03

Abstract： The Internet-based greenhouse sensor monitoring system is an important technology for modern agricultural development. In order to solve the problem of network transmission delay when the sensor collects data， a data fusion method based on matrix improved D-S evidence theory is proposed. By improving the D-S evidence theory， the method uses the matrix optimization algorithm to obtain the trust matrix of the improved D-S evidence theory， and reduces the network transmission delay of data fusion. The feasibility and effectiveness of the proposed method are verified by NS2 simulation.

Key words： Internet of Things； greenhouse monitoring system； D-S evidence theory； data fusion

1 背景

近年来，随着物联网技术的兴起及技术的成熟，越来越多的农业相关产业跟物联网进行了对接。国外首先使用物联网的相关技术用于温室监控系统。在早期也只是单纯地使用传感器和无线网络。随着技术的不断发展，现在很多发达国家已经将温室向大型化发展，灵活的使用传感器、物联网相关技术建立了大型的温室监控系统。国外已经建立了“植物工厂”，生产程序全部利用传感器、无线网络以及物联网的其他相关技术，用来提高单位土地面积上农作物的产出率。植物工厂是一个典型的CPS（Cyber-Physical System）信息物理融合系统[1]，其所要研究的问题包括数据感知认知、数据的分析决策，人工智能控制以及自动化的生产操作几个方面。因此，研究基于物联网的温室监控系统，要从以上的相关内容进行研究。该文从数据感知入手，根据原有的D-S证据理论，结合温室监控系统的特点，对D-S证据理论进行改进，提升数据融合的效果。

2 D-S证据理论

D-S证据理[2]论也被称为DS理论，最早是由哈佛大学的数学家A.P. Dempster在1967年提出的，在经过了将近十年的研究，Dempster的学生G.shafer在其基础上进行了补充研究，引入信任函数的概念，通过“证据”和“组合”的方式，进一步将其发展为处理不确定性问题的完整理论。

D-S理论是对贝叶斯推理方法推广，主要是利用概率论中贝叶斯条件概率来进行的，需要知道先验概率[3]。而D-S证据理论不需要知道推理者过去的有关的经验和知识，对于“不确定性”这个概念有很好的诠释，具有直接表达不确定和不知道的能力，能够广泛地用于处理不确定的数据，属于人工智能范畴。

该文结合LEACH协议[4]以及温室监控性的特点，通过改进D-S证据理论算法，通过解决网络延时以及数据提取的准确度，从而提升温室监控系统中数据融合的效果。

3 改进的D-S证据理论

在温室监控系统中一般需要采集的數据包括温室中[5]的实时温度、湿度、植物的光照强度以及土壤的酸碱度，因此在温室监控系统中所采用的传感器包括温湿度传感器、光照度传感器以及土壤PH值浓度传感器等。该文将D-S证据理论改进为基于矩阵分析的D-S证据理论[5]。传感器采集这些数据并将这些数据发送到协调器节点进行处理[6]。此时进行数据融合就需要构造识别框架，分配相应的基本概率函数[7]，并且对每个结果给予一个信任度[Mii]。

4 改进结果

4.1 数据分析

通过NS2仿真软件对原D-S证据理论算法和改进后的基于矩阵的D-S证据理论算法进行分析[13]对比，结合gunplot，得出数据融合的结果与原D-S证据理论波动范围是一致的，因此改进后的基于矩阵的D-S证据理论与原理论具有同样的融合效果。

如上式所述，该D-S证据理论算法[14-16]是[n]元的乘法运算，并且在矩阵中每个因子的取值都有m个，其所需要的时间是[O（mn）]，由一个[m×m]的矩阵进行执行，因此需要的时间为[O（m2）]，并通过证明得知需要n-q次的运算才能得到最终的融合结果，综上所述，整个基于矩阵的D-S证据理论算法的时间复杂度为[O（mn）]。该算法运行的时间如图所示。传感器节点数量较少时，D-S证据理论与改进后的基于矩阵的D-S证据理并没有什么区别，但是在传感器节点数量增多时，改进后的算法能够有效地控制融合数据的时间，降低网络延时[17-18]。

5 结束语

综上所述，通过基于矩阵改进的D-S证据理论，可以有效改进温室监控系统中传感器采集数据的时间复杂度。因此将改进后的D-S证据理论与LEACH协议相结合，应用在温室监控系统中，能够提升数据融合的效果[19-20]。

参考文献：

[1] 李琼，杨晓祥. 多传感器数据融合模型的研究[J]. 计算机与现代化， 2013（4）： 158-161.

[2] 李琼，杨军. 基于无线传感器网络的温室环境监测系统中低功耗协议研究[J]. 南方农业学报， 2012， 43（12）： 2109-2112.

[3] 余岚岚. 基于CAN总线的温室环境现场层监控系统的研究[D]. 杭州：浙江工业大学， 2007.

[4] 李琼. 温室监控系统中多传感器数据融合技术的研究及应用[D]. 银川：宁夏大学， 2013.

[5] 刘闯，陈桂芬，马威风. 无线传感器网络LEACH协议的研究改进[J]. 长春理工大学学报：自然科学版， 2018， 41（2）： 129-133.

[6] 盛栋梁. 基于Kinect传感器的移动机器人环境检测和地图构建[D]. 沈阳：沈阳工业大学， 2016.

[7] 马驰. 提升机危险载荷分析与预警系统研究[D]. 北京：中国矿业大学， 2012.

[8] 张磊，余阳，王霄，等. 基于最小二乘与D-S证据理论的WSN层次式数据融合算法[J]. 测控技术， 2010， 29（5）： 23-26， 35.

[9] 张志，杨清海. 基于BP神经网络和改进D-S证据理论的目标识别方法[J]. 计算机应用与软件， 2018， 35（3）： 151-156.

[10] 刘标，许腾，李光. D-S证据理论改进算法提高水下目标识别准确性[J]. 现代防御技术， 2018， 46（1）： 120-124， 155.

[11] 许洪军. 基于物联网的智能农业温室控制系统设计[J]. 农业工程， 2018， 8（1）： 35-36.

[12] 孙护军. 基于物联网技术的智能农业设计[J]. 农业工程， 2017， 7（6）： 25-28.

[13] 林湘宁，刘畅，汪致洵，等. 基于动态权重修正D-S证据理论的最后断路器多判据保护跳闸策略[J].中国电机工程学报， 2018， 38（9）： 2609-2621， 2829.

[14] 吴蓬勃，张金燕，杨斐. 基于物联网的智能农业温室大棚监管系统[J]. 电子制作， 2017（15）： 7-9， 18.

[15] 周煒. 智能农业大棚物联网研究与应用[D]. 长春：长春工业大学， 2017.

[16] 张慧芬. 物联网技术在智能农业中的应用[J]. 电子技术与软件工程， 2017（5）： 10.

[17] 孙忠祥. 基于设备云平台的智能农业温室大棚远程监控系统的实现[D]. 哈尔滨：哈尔滨理工大学， 2017.

[18] 曲婉嘉，王鸿超，徐忠林，等. 基于D-S证据融合的雷达毁伤评估研究[J]. 战术导弹技术， 2017（1）： 103-108.

[19] 濮永仙. 物联网智能农业系统在果蔬种植中的应用[J]. 计算机与数字工程， 2016， 44（6）： 1097-1102.

[20] 张曙光. 农业物联网化智能温室系统的设计与实现[D]. 天津：天津大学， 2016.

【通联编辑：谢媛媛】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。