基于物联网的智慧农业监测管理系统研究

doi:10.14088/j.cnki.issn0439-8114.2024.08.030

湖北农业科学 ›› 2024, Vol. 63 ›› Issue (8): 176-181.doi: 10.14088/j.cnki.issn0439-8114.2024.08.030

基于物联网的智慧农业监测管理系统研究

何建强^1,2, 张莹¹, 许兴¹

1.商洛学院电子信息与电气工程学院,陕西商洛 726000;
2.商洛市智慧农业研究中心,陕西商洛 726000

收稿日期:2023-11-17 出版日期:2024-08-25 发布日期:2024-09-05
作者简介:何建强（1987-）,男,陕西商洛人,副教授,硕士,主要从事物联网技术研究,（电话）18220970121（电子信箱）hejianqiang@slxy.edu.cn。
基金资助:
陕西省教育厅2022年度专项科学研究计划项目（22JK0356）; 陕西省大学生创新创业训练计划项目（S202311396068）

Research on intelligent agricultural monitoring and management system based on Internet of Things

HE Jian-qiang^1,2, ZHANG Ying¹, XU Xing¹

1. College of Electronic Information and Electrical Engineering, Shangluo University, Shangluo 726000, Shaanxi, China;
2. Shangluo Intelligent Agriculture Research Center, Shangluo 726000, Shaanxi, China

Received:2023-11-17 Published:2024-08-25 Online:2024-09-05

摘要/Abstract

摘要： 为构建农作物环境信息实时监测系统,实现农作物生长的智慧管理,构建了一种智慧农业监测管理系统。首先,基于物联网技术从感知层、传输层、应用层3个维度,以STM32为控制核心搭建智慧农业监测管理系统,通过传感器收集环境温湿度、土壤温湿度、光照强度、空气质量等环境数据,利用无线模块将其传输至服务器,实现对环境因子的监测和远程控制;其次,基于OpenCV库的图像处理算法和SVM模型实现对作物病害图像的分类、识别;最后,基于QT平台完成上位机UI界面的设计。通过试验测试,该系统在信息传输和设备控制方面准确、可靠,对病害图像分类平均准确率为96.3%,对石榴褐斑病的识别准确率最高,达97.4%。

关键词: 物联网, 智慧农业, 监测管理系统, 图像识别, SVM

Abstract: In order to build a real-time monitoring system of crop environmental information and realize intelligent management of crop growth, an intelligent agricultural monitoring and management system was constructed. Firstly, based on the Internet of Things technology, the intelligent agricultural monitoring and management system was built with STM32 as the control core from three dimensions of perception layer, transmission layer and application layer. The environmental data such as environmental temperature and humidity, soil temperature and humidity, light intensity and air quality, etc, were collected through sensors, and transmitted to the server using a wireless module to achieve monitoring and remote control of environmental factors. Secondly, the image processing algorithm and SVM model based on OpenCV database were used to classify and recognize crop disease images. Finally, the upper computer UI interface was designed based on the QT platform. Through experimental tests, the system was accurate and reliable in information transmission and equipment control. The average accuracy rate of the system for disease image classification was 96.3%, and the accuracy rate of pomegranate brown spot recognition was the highest, reaching 97.4%.

Key words: Internet of Things, intelligent agriculture, monitoring and management system, image recognition, SVM

中图分类号:

何建强, 张莹, 许兴. 基于物联网的智慧农业监测管理系统研究[J]. 湖北农业科学, 2024, 63(8): 176-181.

HE Jian-qiang, ZHANG Ying, XU Xing. Research on intelligent agricultural monitoring and management system based on Internet of Things[J]. HUBEI AGRICULTURAL SCIENCES, 2024, 63(8): 176-181.

参考文献

[1] 郑纪业,阮怀军,封文杰.农业物联网体系结构与应用领域研究进展[J].中国农业科学,2017,50(4):657-668.
[2] 赖俊桂,孙道宗.基于无线传感器网络的山地柑橘园灌溉控制系统设计[J].江苏农业科学,2020,48(7):245-249.
[3] 何建强,杨振宝,王边驰.基于物联网技术的智能消防控制系统设计[J].商洛学院学报,2021,35(4):15-19.
[4] 杨伟志,孙道宗,刘建梅.基于物联网和人工智能的柑橘灌溉专家系统[J].节水灌溉, 2019(9):116-120.
[5] 何灿隆,沈明霞.基于NB-IoT的温室温度智能调控系统设计与实现[J].华南农业大学学报, 2018,39(2): 117-124.
[6] 余国雄,王卫星.基于物联网的荔枝园信息获取与智能灌溉专家决策系统[J].农业工程学报, 2016,32(20):144-152.
[7] 施苗苗,宋建成.基于物联网的设施农业远程智能化信息监测系统的开发[J].江苏农业科学, 2016,26(11):392-395.
[8] 何建强,韩美林.基于物联网技术的丹江流域水质监测预警系统设计[J].自动化与仪表,2022,37(6):84-89,95.
[9] 曾德生,骆金维.基于边缘计算模型的智能视频监控系统的设计[J].智能计算机与应用,2019,9(6):254-261,265.
[10] 张永玲,姜梦洲.基于多特征融合和稀疏表示的农业害虫图像识别方法[J].中国农业科学,2018,51(11):2084-2093.
[11] 马佳佳,陈友鹏,王克强.基于优化SVM的虫害图像识别研究[J].中国粮油学报,2022,37(5):10-15.
[12] 张亚军. 基于改进支持向量机算法的农业害虫图像识别研究[J].中国农机化学报,2021,42(2):146-152.
[13] 赵玉清,杨慧丽,张悦.基于特征组合与SVM的小粒种咖啡缺陷生豆检测[J].农业工程学报,2022,38(14):295-302.
[14] 白鲁尧,杨培宏.基于物联网技术的智慧农业系统开发与实现[J].电工技术,2021(18):19-21,23.
[15] 李宝生. 一种基于物联网技术的智慧农业大棚远程监控系统设计[J].中国科技信息,2022(15):95-96.

基于物联网的智慧农业监测管理系统研究

Research on intelligent agricultural monitoring and management system based on Internet of Things

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	陈娉婷, 沈祥成, 罗治情, 马海荣, 郑明雪, 屠晶, 官波. 湖北省智慧农业发展现状与问题研究[J]. 湖北农业科学, 2024, 63(8): 1-4.
[2]	万青松, 罗晓姣. 基于多传感器的可视化智慧农业数据管理系统设计[J]. 湖北农业科学, 2024, 63(8): 171-175.
[3]	杨会甲, 张亚军, 王鹏杰, 王东, 王亚平. 基于混合蚁群算法的无人化农机路径寻优研究[J]. 湖北农业科学, 2024, 63(8): 247-251.
[4]	车鹏飞. 基于AT80C51单片机的物联网农业智能灌溉系统设计与实现[J]. 湖北农业科学, 2024, 63(1): 177-184.
[5]	吉新梅, 李皎, 郭玉杰. 智慧农业赋值茶产业流通体系转型升级研究[J]. 湖北农业科学, 2023, 62(7): 235-239.
[6]	李正, 李宝喜, 李志豪, 战艺芳, 王利华, 龚琦. 基于深度学习的农作物病虫害识别研究进展[J]. 湖北农业科学, 2023, 62(11): 165-169.
[7]	邹雄, 杨明秋, 蒲利云, 陆建学, 夏连军, 刘鑫. 基于物联网技术的锈斑蟳人工养殖环境监测[J]. 湖北农业科学, 2023, 62(10): 149-153.
[8]	刘震, 纪明妹, 郭志顶, 黄素芳, 赵忠祥, 闫旭东, 滕霄, 石秘, 岳明强, 刘青松, 徐玉鹏. 河北省农业害虫图像识别系统建设[J]. 湖北农业科学, 2022, 61(7): 135-139.
[9]	李辉, 罗敏, 岳佳欣. 基于计算机视觉技术的水稻病害图像识别研究进展[J]. 湖北农业科学, 2022, 61(4): 9-15.
[10]	常瑞莉. 基于飞蛾扑火算法和维诺图理论的智慧农业通信节点部署策略[J]. 湖北农业科学, 2022, 61(21): 176-182.
[11]	包明林. 数字乡村智慧农业信息服务体系设计及其应用价值[J]. 湖北农业科学, 2022, 61(15): 209-213.
[12]	江凤香, 任大鹏, 杜谋涛, 王馨, 林俊杰, 秦晓龙, 范力. 乡村振兴战略背景下陕西省智慧农业发展模式构建研究[J]. 湖北农业科学, 2022, 61(12): 143-146.
[13]	彭远, 刘申, 赵璧, 董婷婷, 张东晖. 粮食物流过程中质量安全追溯方法研究[J]. 湖北农业科学, 2021, 60(21): 135-139.
[14]	刘浩, 武止戈. 区块链技术突破智慧农业发展瓶颈的应用方向研究[J]. 湖北农业科学, 2021, 60(20): 10-15.
[15]	张竞超, 翟乃琦, 王一博, 云利军. 基于物联网技术的仓储烟叶霉变状态智能监测方法研究[J]. 湖北农业科学, 2021, 60(20): 167-170.