農業物聯網關鍵技術及應用

1.內容新穎，亮點突出，包括時空數據采集、數據提取、分簇優化、軌跡預測、軌跡糾偏、數據融合、宕機預測及路徑規劃等相關算法及優化問題 2.理論結合實踐，技術實用，總結凝練存在的關鍵問題，提出相應解決問題模型，將這些模型進行融合，設計并實現農業物聯網技術框架

農業物聯網將大數據技術、網絡技術、物聯網技術應用到傳統農業中，為傳統農業提供生產指導，從而提高農業生產效率，增加農業收益。 
農業物聯網多應用于生產環節，即利用新技術實現農業生產環節的精細化、智能化和現代化發展。農業信息化以及智能化的新趨勢，對農業生產的精細化水平、農產品的數量與質量以及農村生態環境提出了新的要求，農業物聯網的推廣，對于實現農村經濟快速穩定發展、推進農業農村現代化具有重要意義。 
本書的撰寫團隊是國內較早進行農業物聯網相關技術研究和應用的團隊之一，團隊成員常年在農村田間地頭工作，針對農業數據的采集、傳輸、處理及展示環節前 進行了大量研究實驗。本書的撰寫團隊長期致力于農業物聯網相關技術的研究工作，· 注重智能農機裝備的研發、生產和應用，主持了多項省部級及公司橫向科研項目，言 積累了豐富的研發、應用經驗。
目前，國內外出版的相關農業物聯網的專著和教材，將算法研究與應用相結合的比較少，本書是團隊十余年農業物聯網相關研究的成果，并在實際中得到了廣泛應用和驗證。本書主要內容包括時空數據采集、數據提取、冗余數據處理、分簇優化、路徑規劃、軌跡預測、軌跡糾偏、數據融合、宕機預測等相關算法和優化問題，以及農業物聯網的典型應用。本書在詳細分析國內外相關研究工作的基礎上，總結凝練存在的關鍵問題，并提出相應的解決問題的模型，最終將這些模型進行融合，設計并實現農業物聯網技術框架，系統解決農業物聯網建設過程中的關鍵技術問題。
本書由長春理工大學計算機科學技術學院楊宏偉、李松江、張婧共同撰寫，張劍飛對本書的撰寫工作提供了大力支持和幫助。馮欣、張昕、趙興通、張云霄、高升、楊洋、羅可心、孫穎、侯昕、于方正、黃文增、劉盼等同學參與了本書部分章節的整理、修改和統稿工作，對他們的辛勤勞動表示衷心的感謝！ 
鑒于農業物聯網的相關技術涉及嵌入式系統、計算機控制系統、大數據、云計算等諸多領域，內容涵蓋非常廣泛，本書難以全面覆蓋。由于水平有限，書中難免有不當之處，敬請讀者批評指正。
 
著者
2021年11月

本書對農業物聯網中的時空數據采集、數據提取、冗余數據處理、分簇優化、路徑規劃、軌跡預測、軌跡糾偏、數據融合、宕機預測等關鍵技術進行了研究，并將這些技術、算法及模型進行融合，設計并實現農業物聯網技術框架，去系統解決農業物聯網建設過程中的關鍵技術問題。 
本書主要為從事農業物聯網技術的相關工程人員及其他自學者提供學習參考。

第1章 緒論  1 
1.1農業物聯網架構  1 
1.2農業物聯網研究現狀  4 
1.2.1國外研究現狀  5 
1.2.2國內研究現狀  7 
1.3農業物聯網關鍵技術  8 
1.3.1時空數據采集  9 
1.3.2數據提取與預處理  9 
1.3.3冗余數據處理  9 
1.3.4分簇優化算法  10 
1.3.5路徑規劃  11 
1.3.6軌跡預測  11 
1.3.7軌跡糾偏  12 
1.3.8多模態數據融合  13 
1.3.9宕機預測  13 
1.4研究內容與總體結構  14 
1.4.1研究內容  14 
1.4.2總體結構  15 

第2章 農業物聯網中的數據采集模型  17 
2.1 概述  17 
2.2數據采集技術  18 
2.2.1機器學習  18 
2.2.2人工神經網絡  20 
2.2.3深度學習  20 
2.2.4卷積神經網絡  20 
2.2.5長短期記憶網絡  21 
2.3時空數據模型構建  21 
2.4時空數據模型結構與設計  22 
2.4.1時空數據采集設計  24 
2.4.2輸入層構造  24 
2.4.3卷積神經網絡構造  24 
2.4.4長短期記憶網絡構造  26 
2.4.5全連接層構造  27 
2.4.6輸出層構造  28 
2.5模型實現與結果分析  28 
2.5.1時空數據的采集與實現  28 
2.5.2數據處理與模型訓練  32 
2.5.3測試與訓練模型  38 
2.5.4模型優化與驗證  39 
2.6本章小結  42 

第3章 農業物聯網中的數據提取模型  44 
3.1 概述  44 
3.2數據提取與預處理技術  45 
3.2.1數據提取技術  46 
3.2.2數據預處理技術  48 
3.3模型構建  50 
3.3.1數據提取模型構建  50 
3.3.2 基于 KNN算法的數據清洗  52 
3.3.3基于數據規范化的變換處理  54 
3.3.4 基于 PCA 算法的特征選擇  56 
3.4模型實現與結果分析  57 
3.4.1實驗環境  57 
3.4.2數據集  58 
3.4.3數據提取分析  59 
3.4.4實驗結果與分析  59 
3.5本章小結  63 

第4章 農業物聯網中的冗余數據處理  64 
4.1 概述  64 
4.2數據預處理  65 
4.2.1 Bloom Filter 的介紹  65 
4.2.2 標準 Bloom Filter 誤判概率的證明和計算  67 
4.2.3設計和應用 Bloom Filter  69 
4.2.4樸素貝葉斯分類介紹  70 
4.3設計與實驗  72 
4.3.1布隆過濾器的改進  72 
4.3.2布隆過濾器和改進后的布隆過濾器流程圖  72 
4.3.3實驗配置  74 
4.3.4重復數據過濾  74 
4.3.5無效數據分類  75 
4.3.6 使用 Laplace Smoothing 優化  76 
4.4本章小結  77 

第5章 農業物聯網中的分簇優化算法  79 
5.1 概述  79 
5.2分簇優化算法  80 
5.2.1分簇算法  80 
5.2.2目前研究存在的問題  82 
5.3系統模型  82 
5.3.1問題假設  82 
5.3.2能耗模型  83 
5.3.3問題模型  84 
5.4實驗與論證過程  91 
5.5本章小結  96 

第6章 農業物聯網中的路徑規劃研究  98 
6.1 概述  98 
6.1.1路徑規劃問題的分類  99 
6.1.2環境建模  99 
6.1.3蟻群算法概述  101 
6.1.4基本蟻群算法的數學模型  103 
6.2基于蟻群算法的無人駕駛拖拉機的路徑規劃  105 
6.2.1環境建模  105 
6.2.2蟻群優化算法的基本原理及數學模型  107 
6.2.3改進的蟻群算法  107 
6.3算法實現與仿真  109 
6.3.1 Matlab仿真與分析  110 
6.3.2結果分析  110 
6.4本章小結  111

第7章 農業物聯網中的軌跡預測模型  113 
7.1 概述  113 
7.2軌跡預測模型  114 
7.3基于分數階累加的灰色模型理論  115 
7.3.1灰色預測理論與模型  115 
7.3.2分數階算子 GM（1,1）灰色預測模型  117 
7.4基于改進分數階累加的灰色軌跡預測模型  119 
7.4.1分數階累加灰色軌跡預測模型  119 
7.4.2參數尋優算法  121 
7.4.3基于改進的粒子群優化算法求解最優 r值及最優背景值  121 
7.5仿真驗證及分析  124 
7.5.1數據集  124 
7.5.2模型性能比較與分析 
7.6本章小結  129 

第8章 農業物聯網中的軌跡糾偏算法  130 
8.1 概述  130 
8.2軌跡糾偏模型  131 
8.3基于環比的時間序列方法  132 
8.3.1傳統的時間序列算法  132 
8.3.2短期環比  133 
8.3.3長期環比  133 
8.3.4三次樣條插值  135 
8.3.5算法步驟  135 
8.4實驗仿真與結果分析  136 
8.4.1短期環比算法  136 
8.4.2長期環比算法  138 
8.4.3三次樣條插值糾偏  141 
8.4.4實驗對比與評價  142 
8.5本章小結  143 

第9章 農業物聯網中的數據融合技術  144 
9.1 概述  144 
9.2研究現狀  144 
9.3數據融合理論  145 
9.3.1多模態數據融合  146 
9.3.2卡爾曼濾波  148 
9.3.3樸素貝葉斯算法  150 
9.4多模態數據的融合與分析  152 
9.5實驗結果與分析  158 
9.5.1數據清洗  158 
9.5.2基于卡爾曼濾波的數據融合  159 
9.5.3基于樸素貝葉斯的數據分析  161 
9.5.4結果分析  164 
9.6本章小結  164 

第10章 農業物聯網中的宕機預測研究  165 
10.1 概述  165 
10.1.1 Hadoop  166 
10.1.2分布式文件存儲系統  166 
10.1.3流數據計算組件 Spark Streaming  168 
10.1.4時間序列多元線性回歸算法  169 
10.2研究現狀  170 
10.3研究策略  171 
10.3.1問題背景  171 
10.3.2策略實施  171 
10.4模型評估  179 
10.5本章小結  180 

第11章 農業物聯網典型應用  182 
11.1智慧農機典型應用  184 
11.2應用性能度量  186 
11.3本章小結  187 

參考文獻  188