农业物联网关键技术及应用

农业物联网将大数据技术、网络技术、物联网技术应用到传统农业中，为传统农业提供生产指导，从而提高农业生产效率，增加农业收益。 
农业物联网多应用于生产环节，即利用新技术实现农业生产环节的精细化、智能化和现代化发展。农业信息化以及智能化的新趋势，对农业生产的精细化水平、农产品的数量与质量以及农村生态环境提出了新的要求，农业物联网的推广，对于实现农村经济快速稳定发展、推进农业农村现代化具有重要意义。 
本书的撰写团队是国内较早进行农业物联网相关技术研究和应用的团队之一，团队成员常年在农村田间地头工作，针对农业数据的采集、传输、处理及展示环节前 进行了大量研究实验。本书的撰写团队长期致力于农业物联网相关技术的研究工作，· 注重智能农机装备的研发、生产和应用，主持了多项省部级及公司横向科研项目，言 积累了丰富的研发、应用经验。
目前，国内外出版的相关农业物联网的专著和教材，将算法研究与应用相结合的比较少，本书是团队十余年农业物联网相关研究的成果，并在实际中得到了广泛应用和验证。本书主要内容包括时空数据采集、数据提取、冗余数据处理、分簇优化、路径规划、轨迹预测、轨迹纠偏、数据融合、宕机预测等相关算法和优化问题，以及农业物联网的典型应用。本书在详细分析国内外相关研究工作的基础上，总结凝练存在的关键问题，并提出相应的解决问题的模型，最终将这些模型进行融合，设计并实现农业物联网技术框架，系统解决农业物联网建设过程中的关键技术问题。
本书由长春理工大学计算机科学技术学院杨宏伟、李松江、张婧共同撰写，张剑飞对本书的撰写工作提供了大力支持和帮助。冯欣、张昕、赵兴通、张云霄、高升、杨洋、罗可心、孙颖、侯昕、于方正、黄文增、刘盼等同学参与了本书部分章节的整理、修改和统稿工作，对他们的辛勤劳动表示衷心的感谢！ 
鉴于农业物联网的相关技术涉及嵌入式系统、计算机控制系统、大数据、云计算等诸多领域，内容涵盖非常广泛，本书难以全面覆盖。由于水平有限，书中难免有不当之处，敬请读者批评指正。
 
著者
2021年11月

本书对农业物联网中的时空数据采集、数据提取、冗余数据处理、分簇优化、路径规划、轨迹预测、轨迹纠偏、数据融合、宕机预测等关键技术进行了研究，并将这些技术、算法及模型进行融合，设计并实现农业物联网技术框架，去系统解决农业物联网建设过程中的关键技术问题。 
本书主要为从事农业物联网技术的相关工程人员及其他自学者提供学习参考。

第1章 绪论  1 
1.1农业物联网架构  1 
1.2农业物联网研究现状  4 
1.2.1国外研究现状  5 
1.2.2国内研究现状  7 
1.3农业物联网关键技术  8 
1.3.1时空数据采集  9 
1.3.2数据提取与预处理  9 
1.3.3冗余数据处理  9 
1.3.4分簇优化算法  10 
1.3.5路径规划  11 
1.3.6轨迹预测  11 
1.3.7轨迹纠偏  12 
1.3.8多模态数据融合  13 
1.3.9宕机预测  13 
1.4研究内容与总体结构  14 
1.4.1研究内容  14 
1.4.2总体结构  15 

第2章 农业物联网中的数据采集模型  17 
2.1 概述  17 
2.2数据采集技术  18 
2.2.1机器学习  18 
2.2.2人工神经网络  20 
2.2.3深度学习  20 
2.2.4卷积神经网络  20 
2.2.5长短期记忆网络  21 
2.3时空数据模型构建  21 
2.4时空数据模型结构与设计  22 
2.4.1时空数据采集设计  24 
2.4.2输入层构造  24 
2.4.3卷积神经网络构造  24 
2.4.4长短期记忆网络构造  26 
2.4.5全连接层构造  27 
2.4.6输出层构造  28 
2.5模型实现与结果分析  28 
2.5.1时空数据的采集与实现  28 
2.5.2数据处理与模型训练  32 
2.5.3测试与训练模型  38 
2.5.4模型优化与验证  39 
2.6本章小结  42 

第3章 农业物联网中的数据提取模型  44 
3.1 概述  44 
3.2数据提取与预处理技术  45 
3.2.1数据提取技术  46 
3.2.2数据预处理技术  48 
3.3模型构建  50 
3.3.1数据提取模型构建  50 
3.3.2 基于 KNN算法的数据清洗  52 
3.3.3基于数据规范化的变换处理  54 
3.3.4 基于 PCA 算法的特征选择  56 
3.4模型实现与结果分析  57 
3.4.1实验环境  57 
3.4.2数据集  58 
3.4.3数据提取分析  59 
3.4.4实验结果与分析  59 
3.5本章小结  63 

第4章 农业物联网中的冗余数据处理  64 
4.1 概述  64 
4.2数据预处理  65 
4.2.1 Bloom Filter 的介绍  65 
4.2.2 标准 Bloom Filter 误判概率的证明和计算  67 
4.2.3设计和应用 Bloom Filter  69 
4.2.4朴素贝叶斯分类介绍  70 
4.3设计与实验  72 
4.3.1布隆过滤器的改进  72 
4.3.2布隆过滤器和改进后的布隆过滤器流程图  72 
4.3.3实验配置  74 
4.3.4重复数据过滤  74 
4.3.5无效数据分类  75 
4.3.6 使用 Laplace Smoothing 优化  76 
4.4本章小结  77 

第5章 农业物联网中的分簇优化算法  79 
5.1 概述  79 
5.2分簇优化算法  80 
5.2.1分簇算法  80 
5.2.2目前研究存在的问题  82 
5.3系统模型  82 
5.3.1问题假设  82 
5.3.2能耗模型  83 
5.3.3问题模型  84 
5.4实验与论证过程  91 
5.5本章小结  96 

第6章 农业物联网中的路径规划研究  98 
6.1 概述  98 
6.1.1路径规划问题的分类  99 
6.1.2环境建模  99 
6.1.3蚁群算法概述  101 
6.1.4基本蚁群算法的数学模型  103 
6.2基于蚁群算法的无人驾驶拖拉机的路径规划  105 
6.2.1环境建模  105 
6.2.2蚁群优化算法的基本原理及数学模型  107 
6.2.3改进的蚁群算法  107 
6.3算法实现与仿真  109 
6.3.1 Matlab仿真与分析  110 
6.3.2结果分析  110 
6.4本章小结  111

第7章 农业物联网中的轨迹预测模型  113 
7.1 概述  113 
7.2轨迹预测模型  114 
7.3基于分数阶累加的灰色模型理论  115 
7.3.1灰色预测理论与模型  115 
7.3.2分数阶算子 GM（1,1）灰色预测模型  117 
7.4基于改进分数阶累加的灰色轨迹预测模型  119 
7.4.1分数阶累加灰色轨迹预测模型  119 
7.4.2参数寻优算法  121 
7.4.3基于改进的粒子群优化算法求解最优 r值及最优背景值  121 
7.5仿真验证及分析  124 
7.5.1数据集  124 
7.5.2模型性能比较与分析 
7.6本章小结  129 

第8章 农业物联网中的轨迹纠偏算法  130 
8.1 概述  130 
8.2轨迹纠偏模型  131 
8.3基于环比的时间序列方法  132 
8.3.1传统的时间序列算法  132 
8.3.2短期环比  133 
8.3.3长期环比  133 
8.3.4三次样条插值  135 
8.3.5算法步骤  135 
8.4实验仿真与结果分析  136 
8.4.1短期环比算法  136 
8.4.2长期环比算法  138 
8.4.3三次样条插值纠偏  141 
8.4.4实验对比与评价  142 
8.5本章小结  143 

第9章 农业物联网中的数据融合技术  144 
9.1 概述  144 
9.2研究现状  144 
9.3数据融合理论  145 
9.3.1多模态数据融合  146 
9.3.2卡尔曼滤波  148 
9.3.3朴素贝叶斯算法  150 
9.4多模态数据的融合与分析  152 
9.5实验结果与分析  158 
9.5.1数据清洗  158 
9.5.2基于卡尔曼滤波的数据融合  159 
9.5.3基于朴素贝叶斯的数据分析  161 
9.5.4结果分析  164 
9.6本章小结  164 

第10章 农业物联网中的宕机预测研究  165 
10.1 概述  165 
10.1.1 Hadoop  166 
10.1.2分布式文件存储系统  166 
10.1.3流数据计算组件 Spark Streaming  168 
10.1.4时间序列多元线性回归算法  169 
10.2研究现状  170 
10.3研究策略  171 
10.3.1问题背景  171 
10.3.2策略实施  171 
10.4模型评估  179 
10.5本章小结  180 

第11章 农业物联网典型应用  182 
11.1智慧农机典型应用  184 
11.2应用性能度量  186 
11.3本章小结  187 

参考文献  188