基于边缘计算的农业物联网系统研究
这是一篇关于边缘计算,树莓派,麻雀搜索优化,模糊控制,决策控制的论文, 主要内容为2020年1月农业农村部提出“数字农业农村发展规划”要推动农业数字化发展和农业物联网升级,其中设施农业作为农业物联网的主要应用场景,在我国保障蔬菜的新鲜供应上发挥着重要作用。当农业温室进行规模化、精细化管理作业时,系统通过远程服务器实现智能控制功能,需分析处理大量环境数据信息,会出现远程服务器压力增加和数据传输延时等问题,并且传输大量中数据会产生较多带宽费用,所以无法满足精准农业中精确控制和资源高效利用的发展目标。边缘计算以其靠近数据源进行数据处理分析的特点,对工程系统中控制时延的问题进行优化,拥有广泛应用前景,将驱动国内各行产业变革,同时进一步促进精准农业发展。首先,设计了一个基于轻量级边缘计算框架的树莓派网关,通过部署边缘计算开源框架,在设备服务层接入Lo Ra WAN模块,与温室监测数据实现交互功能,支持服务层中规则引擎负责对底层采集上传的数据分析处理和下达控制指令快捷执行,同时通过调用算法应用接口完成相对复杂算法功能实现,导出服务层中的分发微服务用来完成数据的定向转发传递,该网关节点设计降低了温室相关控制功能的开发难度。其次,提出了一种基于麻雀搜索算法优化模糊控制算法,对模糊控制过程中的量化因子和比例因子进行动态参数寻优,通过MATLAB仿真实验表明该算法相对于传统模糊控制在控制响应时间与稳态超调量都有较大的性能提升,在温室精准化控制方面具有较强的应用价值。最后,基于所设计边缘计算的监测控制系统,并结合提优化算法对温室环境参数调节进行了实验测试,结果显示了设计的系统能良好监测温室相关数据,使用的控制算法能控制果蔬温室的土壤水分与设定目标值的误差维持3.6%左右,证明了系统稳定可靠性,能满足精准农业需求。同时,本文对系统中边缘计算节点进行了时延对比测试,其中边缘计算网关完成计算任务的时延与本地服务器较为接近,远低于云服务器。所以本文研究基于边缘计算的农业温室控制系统在满足系统轻量化同时,具有较高的性价比,适用于果蔬温室规模化、精细化管控的发展趋势。
用于沙果去核切分的沙果智能输送设备研制
这是一篇关于沙果加工,智能输送,树莓派,智能控制,疲劳程度的论文, 主要内容为沙果又名林檎、海棠果,属蔷薇科,广泛地分布于我国北方十多个省份。由于沙果不耐存储,常温一周将淀粉化,通常将沙果去核、切片制成沙果干,以延伸产业链条。沙果是内蒙古自治区科尔沁右翼前旗的支柱产业,为助力当地脱贫攻坚,课题组研发了沙果去核切分设备,经生产实践,该设备的沙果输送设备存在如下问题:间歇传动精度不稳定,可靠性差,速度不能根据生产需要特别是根据工人劳动疲劳程度进行调节,对生产效率影响严重,亟待改进。针对以上问题,本文基于现有的沙果输送设备及改进后的气动去核切分设备,设计了用于沙果去核切片的智能输送设备样机,采用变频电机配合凸轮分割器作为传动机构,通过PLC及变频器对变频电机实现电机转速控制,采用树莓派4B微型控制器作为上位机,配合其图像处理功能完成沙果输送计数,对工人疲劳程度进行评估,最后基于Modbus通信功能实现设备的智能控制,并研制了用于沙果去核切片的智能输送设备样机,进行验证。本文主要研究内容如下:1、输送设备机械设计。根据沙果去核切片加工的工艺要求,设计了沙果智能输送设备的机械部分,包括间歇输送流程、输送设备整体,以及机械结构设计、传动系统设计等,并使用Autodesk Inventor软件建模;2、实时沙果个数清点功能开发。采用树莓派4B微型控制器,通过CSI摄像头对设备链板进行图像提取,利用颜色分析及图像分割实现对链板上沙果计数,通过Modbus通信协议与PLC通信控制实现电机的调速,以实现设备的智能控制;3、沙果摆放工人疲劳程度评估。根据沙果个数实时判断工人的疲劳程度,并根据工人疲劳程度设置速度调节参数与指令;4、控制系统总体设计及搭建。基于智能控制系统上位机,采用西门子S7200 Smart PLC搭建设备控制系统;采用ASDA A2-L伺服电机及其控制器搭建缩比模型控制系统;5、智能输送设备样机模型制造及试验。完成设备缩比样机制造,并通过试验验证设备的智能控制效果。试验过程中,基于树莓派4B主机的智能控制能够迅速、准确地完成链板上的沙果计数,并判断当前工人疲劳状态,进而自动对设备的运转速度进行调整。试验结果表明:该设备有效地解决原有设备存在的问题,且大幅提升原有设备的智能化及自动化水平。该设计运用于生产实际中,可为沙果深加工技术提供智能化升级,改善工人劳动条件,也可以用于其他多核类果品的智能输送。
基于深度学习的马铃薯病害识别方法及检测装置研究
这是一篇关于马铃薯叶部病害,机器视觉,轻量级卷积神经网络,PyQt5,树莓派的论文, 主要内容为马铃薯是人们的日常饮食中主食之一,目前,我国马铃薯病害种类繁多、分布范围广泛,严重影响马铃薯产量。传统的病害识别方式,通过专家运用专业知识进行识别判断,推广困难。因此,众多研究者致力于应用计算机视觉技术实现对马铃薯叶部病害的识别,但是当前大多数病害识别所采用的深度学习算法,大都存在网络模型深度和权重较大,需要较多样本数据进行训练,难以实现移动端应用等问题。此外,若采用较少的样本量进行训练,又可能造成过拟合或识别准确率不高等问题。为解决上述问题,本文选择马铃薯病害中分布最广、危害严重的晚疫病、早疫病以及主要危害叶部的炭疽病作为主要研究对象,开展相关研究如下:(1)采集患有晚疫病、早疫病、炭疽病、其他病害以及健康的马铃薯叶部图像;采用图像滤波处理去除图像中常见噪声,并分析去噪效果;对比分析Graph Cut和Grab Cut图像分割算法,择优进行图像分割处理;针对适当的数据增广对小样本数据集的必要性展开讨论,并选择合适的方式进行数据增广;在将新数据集输入模型前,对其进行图像标准化和归一化处理。(2)构建Res Net-18、Res Net-GH、Mobile Net V3-Small、Mobile Net V3-S3以及Efficient Net-B0这5种卷积神经网络模型,以这5种模型为基础建立相应的马铃薯叶部病害识别模型,分析5种模型识别性能,同时选取相对适用于5种模型的模型训练学习率。(3)采用模型迁移的迁移学习方法,将大型公开植物数据集Plant Village中的部分数据集作为迁移学习的源域,进行模型预训练获取预训练模型参数,再分别运用迁移训练全部层和训练全连接层参数的方式进行模型训练。(4)以识别准确率、损失函数、模型权重、模型训练时间、识别速率作为模型性能评价标准,开展相关实验,对采用不同训练方式进行模型训练以及通过不同预处理方式建立的数据集与模型结合的效果进行分析,确定采用迁移训练全部层参数的模型训练方式以及经Grab Cut算法进行图像分割后再进行数据增广的方式建立数据集。同时,对比5种模型的性能优劣,综合选取性能最佳的识别模型为Mobile Net V3-S3。(5)建立马铃薯叶部病害识别软硬件系统:该系统中采用Python和Py Qt5建立其软件系统,可以实现登录注册,账号管理,图像识别,图像预处理和选取模型训练等功能;同时,以树莓派4B为核心控制器建立硬件系统,构建软件系统运行所需环境,选取适用于拍摄害病马铃薯叶片的摄像头及光源等硬件。
尾鳍式驱动潜航器及控制系统设计
这是一篇关于尾鳍式驱动潜航器,陀螺仪,树莓派,运动学建模,原型机的论文, 主要内容为尾鳍式驱动潜航器相对于传统的水下潜航器具有节能、高效、低噪声、隐蔽性好等特点,一直以来都受到国内外研究机构的高度重视,逐渐成为仿生科研领域的热门研究对象。为了验证尾鳍式驱动潜航器的可行性,本课题在广泛参考当前尾鳍式驱动潜航器系统基础上,设计出一种单关节驱动可升潜的尾鳍式驱动潜航器,主要工作包括:潜航器外型及运动机构机械设计、硬件系统设计、上下位机软件系统开发、运动学建模以及潜航器实验等。具体工作内容如下:采用Solid Works软件完成了外型以及运动机构机械设计。外形设计包括:潜航器头部、主体、胸鳍外形、尾鳍外形以及密封设计等;机械结构设计包括:胸鳍驱动结构、尾鳍驱动结构、驱动连接轴、元器件支架结构以及密封结构等。控制系统硬件主要由树莓派3B+、电源、直流舵机控制模块、WIFI通信模块、陀螺仪、稳压电路等模块组成。以树莓派3B+作为系统控制核心,总线舵机LX-16A作为运动执行器,WIFI进行上、下位机通信,GY-521 MPU-6050陀螺仪实时监测潜航器姿态变化。软件控制系统开发工作包括上位机软件和下位机软件,上下位机间的数据通信采用TCP/IP协议。上位机编程环境采用Python语言在QT和Pycharm环境下开发,实现控制操作功能界面,对下位机运行数据进行采集、计算、记录等数据管理,对下位机发出控制命令,并实现运动规划。下位机采用树莓派在VNC软件支持下采用Python语言进行程序开发,实现运动控制、传感器数据读取以及舵机控制。根据本课题采用的潜航器推进方式,参考Lighthill等人提出的鱼体波波幅包络线建立尾鳍式驱动潜航器运动学模型以及运动状态分析,对潜航器的直游、转向和升潜运动进行仿真分析,验证了运动模型的正确性。控制器设计采用模糊PID,并与传统PID控制效果进行了对比,验证了模糊PID控制的优越性。实验工作主要分析在不同参数下尾鳍式驱动潜航器直游、转向及升潜等运动方式的游动性能。通过对实验数据分析验证了尾鳍的最大摆幅、摆动频率等参数对潜航器速度的影响,并分析了胸鳍攻角对潜航器水下静止转弯、惯性前进转弯以及胸鳍辅助转弯、上浮和下潜等性能的影响。本课题实现了尾鳍式驱动潜航器原型机实验平台系统的设计、开发及调试,并通过实验对各种运动性能进行了分析,验证了设计方案的可行性,为未来进一步实用化的尾鳍式驱动潜航器的研究打下了基础。
基于自动巡检平台的电厂指针式仪表读数识别研究
这是一篇关于目标检测,树莓派,图像分割,指针式仪表,云平台的论文, 主要内容为指针式仪表由于其示数识别的可靠性高、使用维护方便快捷、价格便宜、适用于各种恶劣使用环境等优势,被广泛应用在电力、化工等领域。目前,电厂中的许多设备的运行状态显示采用了指针式仪表,如气压表、温度表、油温表、油压表等。对这些指针式仪表数据记录及读取主要是靠人眼近距离的观测,人工手动记录,该方法存在着人力成本高、数据较为分散并且主观性强、很难保证及时处理隐患等诸多问题。根据电力企业信息化管理的要求,需要对这些仪表示数进行自动化读取,然而这些指针式仪表由于不具备通讯接口,无法实现测量数据的自动采集及传输,因此急需开展指针式仪表自动巡检及数据采集技术应用研究。本文将图像处理技术与云技术相结合,并以树莓派小车为自动巡检硬件平台,研究设计了仪表读数识别系统以及云平台通讯系统,以期为电厂指针式仪表自动巡检及数据读取提供技术支撑。具体研究内容如下:(1)设计了一种轻量化的YOLOv4仪表盘检测模型。针对算力有限的自动巡检平台,对YOLOv4目标检测模型进行轻量化的改进,剔除了 YOLOv4原来的主干特征提取网络CSPDarknet53,融合轻量化MobileNetv3网络到YOLOv4网络结构中,并将PANet网络中标准卷积替换为深度可分离卷积,该轻量化模型在NVIDIA Geforce GTX 1050Ti 4G显卡上对于分辨率为320×320的图像检测速率为22帧/s,均值平均精度(mAP)为99.92%;(2)设计了仪表指针与刻度线分割算法和仪表读数算法。针对图像会受到外界因素影响导致图像质量不高等不良情况,分割指针与刻度线算法在保证精度的同时兼顾自动巡检平台的算力,将DeepLabv3+的主干网络部分Xception替换为融合了空洞卷积的轻量化网络MobileNetv2,改进后的模型在NVIDIA Geforce GTX 1050Ti 4G显卡上对于分辨率为320×320的图像检测速率为21帧/s,均交并比(mIoU)为89.77%。在分割信息的基础上利用透视变换进行倾斜校正,对校正后的图像进行空间变换并与距离法结合,可实现仪表的读数且引用误差(测量的绝对误差值与满量程值之比)小于4%;(3)搭建了云平台系统。以云服务器为核心,实现服务器与巡检小车平台通信,将巡检小车图像处理所获得的数据存储到云服务器的数据库或本地;开发微信公众平台,实现根据用户发出的指令来读取仪表巡检结果;(4)开发了一套以树莓派小车为自动巡检平台的仪表读数系统。在实验室内,模仿电厂仪表的位置,通过自动巡检平台搭载的工业摄像头、相机云台等硬件设备,实现自动巡检平台在模拟电厂环境中仪表读数数据的自动读取、数据传输到云服务器以及在移动微信客户端查看巡检信息的功能且最终仪表读数的引用误差均在4%以下。
基于氧化还原电位的葡萄酒发酵过程智能倒罐系统设计
这是一篇关于机器学习,工业智能化,智能化倒罐,生化反应器设计,树莓派的论文, 主要内容为葡萄酒发酵过程的机械化程度较高,但自动化和智能化程度有待提升,尤其体现在红葡萄酒发酵过程中倒罐管理上。倒罐是红葡萄酒发酵的主要工作内容,通常需要人工操作泵和管路在发酵期间每天进行,不仅劳动强度大,从大发酵罐罐顶人工作业也有着较大安全隐患。本研究通过分析发酵过程中氧化还原电位变化特征,结合机器学习技术,设计了基于发酵过程氧化还原电位的智能倒罐系统,通过在线监测红葡萄酒发酵过程的电位来决策倒罐管理过程,实现智能化生产并尽可能提升成品酒的品质。主要研究结果如下:1、设计并实现了氧化还原电位在线监测系统,利用在线监测红葡萄酒发酵过程氧化还原电位,分析了电位变化与酿酒师倒罐行为的关系,实现了倒罐行为的信息化。将Pt-Ag/AgCl电极系统作为电位传感器,安装在发酵罐中在线采集发酵电位,采集到的电位信号转化为RS485信号发送至树莓派,由树莓派完成数据存储和远程发送至云端。2、设计并实现了红葡萄酒发酵过程自动倒罐系统,实现倒罐操作的自动化,并基于电位变化与倒罐行为的关系,实现通过控制倒罐来影响发酵电位。通过树莓派的GPIO引脚操作继电器,使用继电器控制泵的工作实现自动倒罐,并为实验室规模发酵设计了发酵罐和温度控制系统。3、基于上述在线监测系统和自动控制系统,测定了8种不同倒罐方式酿造干红葡萄酒的理化指标,分析了成品酒的质量,确定了优质葡萄酒的倒罐方式。在此基础上,建立了发酵电位曲线特征与倒罐方式的联系,使在线监测及自动控制系统可以按照最优倒罐方式的时间-电位曲线执行倒罐决策,在红葡萄酒发酵过程种自行判断是否需要倒罐操作,决策准确度为97.38%～98.04%,实现了基于发酵电位的智能倒罐系统,在自动倒罐系统的基础上进一步减小了人工劳动强度。4、葡萄酒发酵电位是时间序列数据,分析发酵电位与发酵过程理化指标的关系,或分析发酵电位与发酵电位之间的关系时,应保证时间序列数据的“二维性”。因此,本研究通过曲线匹配的方法来分析时间序列数据的相关性,采用的算法有弗雷歇距离法、全局对齐内核法、动态时间规整法、豪斯多夫距离法。此外,智能倒罐系统中所选择的分类算法(最邻近节点、支持向量机、多层感知机、时序最大区分子序列)是从时间序列数据处理库中调用的,也可满足时间序列数据的分析要求。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码驿站 ，原文地址：https://m.bishedaima.com/lunwen/45194.html
