基于信任度的多传感器数据融合在农业物联网的应用
- 格式:pdf
- 大小:3.90 MB
- 文档页数:3
多传感器数据融合及其应用多传感器数据融合及其应用什么是多传感器数据融合?多传感器数据融合是指将来自不同传感器的数据进行整合、分析和综合利用的过程。
通过融合多个传感器的数据,可以提高数据的准确性、可靠性和实时性,从而为各种应用提供更可靠的信息和决策支持。
应用领域1. 无人驾驶汽车多传感器数据融合在无人驾驶汽车领域有着重要的应用。
一辆无人驾驶汽车通常会搭载激光雷达、摄像头、毫米波雷达等多种传感器,用于实时感知车辆周围的道路、车辆和行人等信息。
通过将这些传感器的数据进行融合,无人驾驶汽车可以更准确地感知和理解周围环境,并做出安全且准确的驾驶决策。
2. 医疗诊断在医疗领域,多传感器数据融合可以用于提高医疗诊断的准确性和效率。
例如,在放射学领域,医生常常会使用多种不同的影像学技术(如X射线、磁共振成像、超声波等)来对患者进行诊断。
通过将这些不同影像学技术获得的数据进行融合,医生可以得到更全面和准确的影像学信息,从而提高疾病的诊断和治疗效果。
3. 环境监测多传感器数据融合在环境监测领域也有着广泛的应用。
例如,针对空气质量监测,可以使用多种传感器(如气体传感器、温湿度传感器、风速传感器等)来获取不同参数的数据。
通过将这些传感器的数据进行融合,可以更准确地评估和监测空气质量状况,为环境保护和健康管理提供有力的支持。
4. 智能家居在智能家居领域,多传感器数据融合可以用于实现更智能、更便捷的家居控制。
例如,通过将温度传感器、光照传感器、声音传感器等数据进行融合,可以实现智能的温控系统,根据不同的环境条件自动调节室内温度和照明。
同时,通过与其他智能设备(如智能音箱、智能门锁等)的数据融合,还可以实现更复杂的智能家居管理和控制。
5. 无线通信多传感器数据融合在无线通信领域也有着重要的应用。
例如,在移动通信中,可以使用多个传感器(如基站、无线电接收机等)来获取不同信道上的信号强度、噪声等数据。
通过将这些数据进行融合,可以提高无线通信系统的性能和质量,减少信号丢失和干扰,从而提供更稳定和可靠的通信服务。
物联网技术在农业领域的应用近年来,物联网技术在各个领域的应用越来越广泛,其中在农业领域的应用也引起了广泛的关注。
物联网技术的引入,能够为农业生产提供更加智能、高效的解决方案,有效提升农业生产的质量和产量。
本文将就物联网技术在农业领域的应用进行探讨,并展望其未来发展趋势。
一、智能农业物联网技术在农业领域的应用最为显著的体现在智能农业领域。
通过将传感器等设备与农业生产环境相连接,物联网技术能够实时获取土壤、气象、水质等多种数据信息,为农民提供科学决策依据。
例如,传感器能够实时监测土壤湿度,通过物联网技术传输数据到农民的手机上,农民可以根据土壤湿度情况合理安排灌溉工作,避免过度灌溉或者干旱,提高土壤利用率和作物产量。
此外,物联网技术还可以应用于自动喷灌、智能施肥等农业环境管理,实现高效、节水的农业生产。
二、精准养殖在畜牧业领域,物联网技术的应用也带来了显著改变。
传感器和无线通信技术的结合,使养殖场能够实现对动物的精确监测和管理。
传感器可以监测动物的体温、体重、活动情况等信息,并通过物联网技术将这些数据实时传输到农民的设备上,帮助农民实现对动物的精准管理。
例如,农民可以根据动物的体温和体重数据,进行及时的疫病预防和治疗,从而提高养殖效益。
此外,物联网技术还可以用于实现动物饲料的精准投放、智能环境控制等方面,提升养殖场的生产效率和动物的生长质量。
三、农产品追溯物联网技术在农业领域的应用不仅可以帮助提高农业生产效率,还可以保障农产品的质量安全。
通过在农产品上植入感应芯片,并通过物联网技术实现对农产品的追溯和监控。
农民可以记录种植过程中的各种信息数据,包括施肥、灌溉、采摘等环节的记录,同时可以监测农产品的运输、储存环境等情况。
当农产品进入市场后,消费者可以通过手机或扫码等方式查询到该农产品的生产过程和质量信息,增强了消费者对农产品的信任感,保障了农产品的质量安全。
四、物联网与农业大数据物联网技术的应用不仅为农业提供了大量的数据,而且对于农业大数据的分析和应用也提供了保障。
物联网与智慧农业的深度融合随着科技的进步和应用的不断推广,其在各行各业中的地位也愈发重要。
而在现代农业中,物联网和智慧农业的深度融合已经是一个不可逆转的趋势。
本文将从几个方面探讨物联网和智慧农业的深度融合。
一、物联网技术在智慧农业中的应用物联网技术指的是通过互联网连接各种物体,实现物与物之间的信息传递和互动。
在智慧农业中,物联网技术的应用范围非常广泛。
通过各种传感器和监测设备,可以实现对农作物生长过程的实时监测和控制,进而做出精准的决策,提高农作物的生产力和品质。
例如,现在有一些智能农场基于物联网技术开发了一些智能农场管理系统。
这些系统可以通过无线传感器获取各种气象、土壤、水质、气体浓度等数据,通过云端计算分析,提供一系列决策支持,帮助农民了解农作物的状态,优化管理和决策。
二、智慧农业在物联网中的应用智慧农业的基本核心在于实现农业生产的自动化和智能化。
而物联网则是实现智慧农业自动化和智能化的核心技术支持。
物联网技术可以实现各种设备之间的联动和信息共享,在智慧农业中扮演着重要角色。
例如,植保无人机是一种子系统,通过传感器和图像处理技术,可以实现自动化的农业植保工作。
无人机需要与其他子系统进行联动,才能更好地实现农业植保的自动化。
此外,物联网还可以实现车辆、设备、终端设备等设备之间的信息共享和数据传输,从而实现更加高效的农业自动化生产。
三、物联网和智慧农业的优点和挑战物联网和智慧农业的深度融合,将带来很多的优点和挑战。
首先,优点是可以实现实时监测、自动化管理、精细操作,提高农业生产的效率和质量,并可以提高农作物的产量和品质。
其次,物联网和智慧农业的深度融合还可以带来不少挑战,例如信息安全保障、数据隐私保护和对大数据处理能力的要求等等。
四、物联网和智慧农业的发展前景物联网和智慧农业的发展前景是非常广阔的,这将是未来农业生产的主要趋势。
随着人工智能、大数据技术、云计算技术的应用,智慧农业和物联网技术将会在现代农业中发挥更加重要的作用,同时也将会推进农业生产模式从人工劳动向数字化、智能化的方向发展。
物联网在农业中的应用有哪些在当今科技飞速发展的时代,物联网技术正逐渐渗透到农业领域,为农业生产带来了前所未有的变革。
物联网简单来说,就是通过各种传感器、网络和智能设备,实现物与物、人与物之间的互联互通。
那么,物联网在农业中的应用究竟有哪些呢?首先,物联网在农业中的一个重要应用是精准农业。
通过在农田中部署传感器,如土壤湿度传感器、温度传感器、光照传感器等,可以实时监测农田的环境参数。
这些传感器将收集到的数据传输到中央控制系统,农民可以根据这些数据精准地进行灌溉、施肥和病虫害防治等操作。
例如,当土壤湿度传感器检测到土壤缺水时,系统会自动开启灌溉设备,为农作物提供适量的水分,避免了水资源的浪费和过度灌溉对土壤结构的破坏。
同时,根据土壤肥力传感器的数据,可以精准地施加肥料,提高肥料的利用率,减少对环境的污染。
其次,智能温室也是物联网在农业中的常见应用。
在温室中,安装有各种传感器和智能控制设备,能够对温室内的温度、湿度、光照、二氧化碳浓度等环境因素进行精确调控。
通过物联网技术,农民可以远程监控温室的环境状况,并根据作物的生长需求及时调整环境参数。
比如,在寒冷的冬季,当温度过低时,系统会自动启动加热设备,保持温室内的温度适宜作物生长。
在光照不足的情况下,自动开启补光灯,为作物提供充足的光照。
这种智能化的管理方式,不仅提高了作物的产量和品质,还降低了人工管理的成本和劳动强度。
再者,物联网在农业中的应用还体现在农产品质量追溯方面。
给农产品贴上电子标签或二维码,从种植、加工、运输到销售的各个环节,都可以通过物联网技术进行记录和跟踪。
消费者在购买农产品时,只需扫描标签或二维码,就能获取到农产品的详细信息,包括产地、种植过程、农药使用情况、采摘时间等。
这不仅增加了消费者对农产品的信任度,也有助于保障食品安全。
同时,对于农业企业来说,质量追溯系统可以帮助他们及时发现问题,改进生产流程,提高产品质量。
另外,物联网在农业养殖领域也发挥着重要作用。
物联网中的多传感器融合技术近年来,随着信息技术的快速发展,物联网(IoT)逐渐成为人们瞩目的热门领域之一。
在物联网系统中,传感器被用来采集各种实时数据,使得物联网可以实现对各种物体的监测、远程控制和自动化处理等功能。
在多传感器的情形下,如何在统一平台上处理来自不同传感器的数据成为了一个挑战性的问题。
为解决这个问题,多传感器融合技术被广泛应用于物联网系统。
本文将介绍多传感器融合技术在物联网系统中的应用以及其实现原理。
一、多传感器融合技术的应用传感器是物联网中非常重要的组成部分,它可以感知环境中的各种信息,包括气象信息、环境污染信息、灯光亮度信息、声音信息等。
然而,当多个传感器被应用于同一系统时,这些传感器采集的数据可能存在不一致或重叠的情况,从而导致数据的冲突和误差。
为了解决这个问题,多传感器融合技术被广泛应用于IoT 系统中。
传感器融合技术可以将来自多个传感器的数据进行集成,形成一个可靠和准确的数据源。
这样,IoT系统可以利用这些数据集中的信息,提高系统的性能和可靠性。
例如,在气象预报系统中,如果可以利用多个传感器采集的数据进行融合,预测结果将更加准确。
另外,在智能家居系统中,当多个传感器被应用于同一个房间时,将这些传感器数据进行融合,可以使家居系统根据用户的实时需求来调整房间的温度、湿度和照度等属性,实现更加人性化的智能控制。
二、多传感器融合技术的实现原理多传感器融合技术的实现需要涉及到多领域知识,包括信号处理、数据融合、机器学习等。
在多传感器融合技术中,主要有两种数据融合方法:基于模型的方法和基于数据的方法。
基于模型的方法:基于模型的方法是根据物理模型对数据进行预测或补偿,减小融合数据的误差。
这种方法涉及到多种数学模型,如卡尔曼滤波、粒子滤波、贝叶斯网络、模型推理等等。
这些模型都是基于传感器输出的数据进行的,因此需要较强的数学背景和计算机实现能力。
基于数据的方法:基于数据的方法是将传感器采集到的原始数据进行处理,用数学方法实现传感器数据的融合。
物联网在智慧农业中的应用有哪些在当今科技飞速发展的时代,物联网技术正以前所未有的速度改变着各个领域,农业也不例外。
智慧农业作为现代农业发展的重要方向,物联网技术在其中发挥着关键作用。
那么,物联网在智慧农业中的应用具体有哪些呢?首先,物联网在农业环境监测方面大显身手。
通过部署各种传感器,如温度传感器、湿度传感器、光照传感器、土壤湿度传感器等,可以实时收集农田中的环境数据。
这些传感器就像是农田的“眼睛”,将环境信息准确无误地传递给农民和农业管理者。
有了这些实时数据,农民能够及时了解农田的小气候变化,从而采取相应的措施,比如在高温干旱时及时灌溉,在低温寒冷时采取保温措施,以确保农作物在最适宜的环境中生长。
其次,物联网在精准灌溉方面成效显著。
传统的灌溉方式往往是粗放式的,不仅浪费水资源,还可能导致灌溉不均匀,影响农作物的生长。
而借助物联网技术,通过在农田中安装土壤湿度传感器和智能灌溉设备,可以实现根据土壤的实际湿度情况进行精准灌溉。
当传感器检测到土壤湿度低于设定的阈值时,智能灌溉系统会自动开启进行灌溉;当土壤湿度达到适宜范围时,灌溉则会自动停止。
这种精准灌溉方式不仅节约了水资源,还提高了灌溉效率,保证了农作物的水分需求,有助于提高农作物的产量和质量。
再者,物联网在智能施肥方面也发挥着重要作用。
利用传感器可以检测土壤中的养分含量,根据农作物的生长阶段和需求,精准计算出所需肥料的种类和用量。
然后通过智能施肥设备,将肥料精准地施用到农田中。
这样一来,既避免了过度施肥造成的环境污染和资源浪费,又能满足农作物的营养需求,促进其健康生长。
在病虫害监测与防治方面,物联网同样表现出色。
通过安装图像传感器和智能分析系统,可以实时监测农作物的生长状况,及时发现病虫害的迹象。
一旦发现病虫害,系统会自动发出警报,并提供相应的防治建议。
这使得农民能够在病虫害初期就采取有效的防治措施,减少病虫害带来的损失。
此外,物联网在农产品质量追溯方面也有着重要的应用。
物联网技术在农业行业的应用与前景一、引言农业作为人类生存的基础产业,一直以来都在不断寻求创新和发展。
随着科技的飞速进步,物联网技术逐渐走进了农业领域,为农业生产带来了前所未有的变革。
物联网技术通过将各种传感器、设备和网络连接起来,实现了对农业生产环境、作物生长状况等信息的实时监测和精准控制,极大地提高了农业生产效率和质量,为农业的可持续发展开辟了新的道路。
二、物联网技术在农业中的应用(一)农业环境监测物联网技术可以通过在农田中布置各类传感器,如温度传感器、湿度传感器、光照传感器、土壤酸碱度传感器等,实时采集农业环境的各种数据。
这些数据被传输到中央控制系统,农民可以通过手机、电脑等终端设备随时随地了解农田的环境状况,及时采取相应的措施,如灌溉、通风、遮阳等,为农作物创造最佳的生长环境。
(二)智能灌溉系统基于物联网技术的智能灌溉系统能够根据土壤湿度和作物需水情况自动进行灌溉。
传感器监测土壤水分含量,当水分低于设定阈值时,系统自动开启灌溉设备,精准控制灌溉水量,避免水资源的浪费。
同时,还可以结合天气预报数据,提前调整灌溉计划,提高水资源的利用效率。
(三)精准施肥利用物联网技术,结合土壤养分传感器和作物生长模型,可以实现精准施肥。
传感器检测土壤中的氮、磷、钾等养分含量,系统根据作物的生长阶段和需肥规律,计算出最佳的施肥量和施肥时间,通过自动化施肥设备进行精准施肥,减少肥料的过量使用,降低农业面源污染。
(四)病虫害监测与预警在农田中安装图像传感器和智能分析设备,能够实时监测农作物的生长状况,及时发现病虫害的迹象。
通过对图像数据的分析和处理,结合病虫害数据库,实现病虫害的早期预警。
农民可以根据预警信息采取针对性的防治措施,减少病虫害造成的损失。
(五)农产品质量追溯物联网技术为农产品质量追溯提供了有力支持。
在农产品生产、加工、运输和销售的各个环节,通过安装电子标签、传感器等设备,记录相关信息,如产地、种植过程、农药使用情况、加工流程等。
物联网技术在农业领域的应用案例分析概述物联网技术(IoT)是指通过将传感器、设备和网络相互连接,实现数据的收集、传输和分析,从而实现物与物、人与物之间的信息交互和智能化的技术。
在农业领域,物联网技术的应用呈现出许多潜力和机会。
本文将分析几个具有代表性的物联网技术在农业领域的应用案例。
案例一:智能温室农业在传统的农业生产中,农民面临着多种因素的挑战,如气候变化、害虫侵袭和水资源限制等。
通过物联网技术,农民可以实时监测和控制温室内的环境条件,从而优化作物的生长环境。
例如,温室中的传感器可以收集温度、湿度、光照和土壤条件等数据,并将其传输到中央控制系统。
农民可以通过手机、平板电脑或电脑监控数据,了解温室内的情况,并根据需要调整灌溉、通风和温度等参数。
这样一来,农民可以实现精准农业,减少能源和资源的浪费,提高农作物的产量和质量。
案例二:智能养殖场传统的养殖场通常面临着饲料浪费、动物健康问题和环境污染等挑战。
物联网技术的应用可以帮助养殖场监测和管理动物饲料和环境条件。
通过在饲料箱和水槽中安装传感器,养殖场可以实时监测饲料的消耗情况和水质指标。
同时,动物体内的生物传感器也可以实时监测动物的健康状况,如体温、心率和活动情况等。
这些数据可以与养殖场的中央控制系统连接,养殖场管理者可以即时获取动物的健康状况并采取相应的措施,提高养殖效率和动物福利。
案例三:智能灌溉系统灌溉是农业生产中非常关键的环节。
传统的灌溉方式通常基于经验和固定的时间表,容易造成水资源的浪费和土壤的过度排泄。
通过物联网技术的应用,农民可以实现智能灌溉系统,根据作物的需水量和土壤水分状况智能调整灌溉量。
系统中的土壤湿度传感器可以实时监测土壤的水分含量,并将数据传输到中央控制系统。
基于这些数据,中央控制系统可以自动调整灌溉设备的工作模式,确保土壤水分的合理利用。
这不仅可以节约水资源,降低灌溉成本,还可以避免因过度或不足的灌溉导致的土壤质量下降。
案例四:智能物流管理物流是农产品从生产到消费的关键环节之一。
无线传感器网络在智能农业物联网中的应用与效益分析随着互联网的发展和人工智能技术的逐渐成熟,智能农业物联网正逐渐成为现代农业的新趋势。
在智能农业物联网中,无线传感器网络(Wireless Sensor Network,WSN)作为信息采集和传输的关键技术,发挥着重要的作用。
本文将从农业生产监测、精准农业管理和节能减排三个方面分析无线传感器网络在智能农业物联网中的应用与效益。
一、农业生产监测无线传感器网络在农业生产监测方面,可以通过部署大量的传感器节点,实时感知和监测土壤湿度、温度、光照强度、气象数据等农业生产所需的环境参数。
这些数据不仅可以提供农作物生长环境的实时监测,还可以通过数据分析和预测模型,提供作物生长的指导和决策支持。
首先,通过无线传感器网络,可以实现对土壤湿度的精确监测。
传感器节点可以实时采集土壤湿度信息,并利用通信模块将数据传输到中心控制系统,农民可以通过手机或电脑随时了解各个农田的土壤湿度情况。
这样,在农作物生长的关键阶段,农民可以及时调整灌溉量,保证作物得到适宜的水分,提高农作物的产量和品质。
其次,无线传感器网络可以监测农作物生长的环境参数,如温度、光照等。
通过感知农作物的环境参数,可以及时发现并预防病虫害的发生。
传感器节点可以感知到异常的环境参数,并通过中心控制系统发出警报,农民可以第一时间采取相应的措施,减少病虫害对农作物的影响。
二、精准农业管理无线传感器网络在智能农业物联网中还可以实现精准农业管理。
通过部署大量的传感器节点和智能控制系统,可以实现对农作物的精准施肥、植保等管理措施,提高农业生产效益。
首先,通过无线传感器网络监测土壤养分含量,可以实现精准施肥。
传感器节点可以感知土壤中不同养分的含量,并将数据传输给中心控制系统,农民可以根据这些数据制定合理的施肥方案。
这样,不仅可以减少农民的施肥成本,还能避免因施肥不当导致的农作物养分过剩或不足的问题。
其次,无线传感器网络可以实现精准植保。
I I信息化服务I.基于信任度的多传慼器数据融合在农业 物联网的应用文/初洪龙,马玉强(中国农业大学烟台研究院)摘要:农业物联网在农业温室大棚应用非常广泛,传感器采集温室大棚的各项参数是非常重要的环节。
温室大 棚中的传感器由于硬件和位于大棚中的地理位置等原因导致传感器数据不精准。
针对这一问题本文提出了一种 基于信任度的多传感器数据融合方法。
通过定义指数信任度函数的方法,利用指数函数的特征对传感器监测的 传感数据间的信任程度进行量化处理,利用信任度矩阵计算每个传感器采集温度数据的信任程度,并根据信任 程度在数据融合时合理的分配权重,推导出数据融合公式,实现多传感器数据融合的目标。
分析温室大棚温度 数据融合结果可知,经过数据融合后的温度数据更加的精准,贴近实际情况和更好的参考价值,从而能够更好 地指导农业生产,提高产量。
关键词:农业物联网;数据融合;信任度Application of Multisensor Data Fusion Based on Trust in Agricultural Internet of ThingsC H U H o n g lo n g,M A Y u q ia n g{Yantai Academy of China Agricultural U niversity)Abstract:The application of agricultural Internet of things is very wide in the greenhouse, and it is a very important link to collect all the parameters of the greenhouse. Sensors in the greenhouse are inaccurate because of their hardware and location in the greenhouse. In this paper, a multisensor data fusion method based on trust degree was proposed. Through the method of defining exponential trust degree function, it used the characteristics of exponential function to conduct quantitative disposal for the trust degree of data monitored by sensors, and the matrix of trust degree to calculate the trust degree of monitored temperature data. According to the weight distribution of trust degree in data fusion, it derived data fusion formula to realize the target of multisensor data fusion. The analysis of greenhouse temperature data fusion results showed that the temperature data after data fusion was more precise, and close to the actual situation with better reference value, so as to better guide agricultural production and increase output.Key words:agricultural Internet of things;data fusion;trust degree一、基于信任度的数据融合原理本文中的数据融合是对多传感器采集的数据进行综合处理的一项技术,现实中由于传感器硬件限制和 布局的地理位置不同导致采集的数据结果并不精确,130 农业网络信息| Agriculture Network Information 第258期N0.258 十二月December 2017信息化服务Informatization service对传感器采集的数据并不是完全信任111。
假设两次采 集数据比较一致,那么这两次数据的相互信任的程度 高,从而可以实现采集数据的融合K1。
经过融合后的 采集数据对指导农业生产更具有指导性和权威性,实 现精准农业的目标。
通过信任度矩阵B可以直观地看出,行~表示一个传感器与其余传感器采集的数据的信任程度,数值越大则说明传感器采集的数据越接近,即其它传感器对采集的数 据信任程度越高,即传感器采集的数据越接近真实值。
基于信任度的数据融合的表达式为:本文主要介绍用可信任度的对采集的传感数据如 何进行处理,假设多个传感器测量的同一环境参数,第i个传感器测得的数据X和第j个传感器测得的数据 \之间是相互信任的,在信任度原理中假如数据真实 程度高,相应的其它数据对它的信任度就高131。
接合 模糊集合理论本文中将隶属度函数的范围确定在区间 〇~1之间|41。
将信任度函数定义成指数函数形式如公式 (1 ),指数函数的性质决定了它可以实现模糊理论中 隶属度函数〇~1的范围特征,即传感器采集的数据相 互信任程度的范围区间是0~1,实现了信任程度的可行性并且便于操作,传感数据经过数据融合后更加准确便于指导农业生产。
用值|x i-|表示数据A和 '间互信任程度,将信任度函数~定义为:h =由指数函数定义得出,指数困数'取值在|而-~| £|^,+00)区间,并且在该区间是1~0单调递减的,进而可以得 出结论指数函数具有信任度函数的特征|51,指数函数岣设定一个常数M,如果卜厂勺|的值超过阀值M时,可以得出的结论传感器采集的数据A 和数据气相差较大,也就是说两数据信任度低,通过 公式1定义〜=〇,鉴于以上理论,本文将采集数据 之间的信任程度函数定义为:n_i—1,2, ■•■,n( 2 )公式中w,■表示对第i个传感器上传的采集数据数据融合赋予的权重。
w,•满足以下条件:0s^1W;的值越大说明其他传感器对数据'的信任程度 越高。
信任度矩阵B包含的信息通过W;表示,本文中使用 -组大于等于0的常数,权重的表达式为:利用权重值w,•将信任度矩阵B转化为另一种矩阵,g阵 的形式为 W=其中 w=t w i,M V",w n]7',4=1^,^,…,a…f。
采集的数据信任度最低为〇,即信 阵为非舰阵,由矩随伽只得知薇阵为娜矩阵,矩阵存在最大特征值又(又>〇),使得又A=f i A成 立,(又五-5)A=0。
可以得出结论:W=kA(3)通过传感器采集数据的权重w;由公式(4)得出。
uwj aj h j=h,2,---,n(4)多个传感器采集数据经过数据融合,数据融合值 表达式如公式5所示:hX i-X j0X i-X j(1数据融合的主要特征是数据是多源的,假设n个 传感器负责采集环境参数,采集的参数通过信任度函数得出多个~值,多个~值按照阵列的形式组成信矩阵B:B-U\\办21J Y lb.22K i K iKKn_^ixiX =----------—-------------------%+a2H----van( 5 )二、基于信任度的数据融合实验本实验的实验数据来自于温室大棚的温度参数,现实温室大棚中需要多个传感器采集温室大棚的环境数据,由于温度传感器的特征和所处大棚的位置不同,导致传感器测得温度有所差异。
温室大棚的4个温度传感器测得数据如附表所示。
取样每个温度传感器相同时刻的10组数据,定义常数M的值为5,假设M值大于等于5,可以得出第258期N0.258 十二月December 2017 Agriculture Network Information!农业网络信息131I 信息化服务service附表温度数据次数12345678910传感器121.8623.7224.4325.3125.3922.4624.5826.0427.7526.52传感器223.5124.4825.7222.3827.6525.2327.4525.1323.5425.36传感器322.7423.6623.2924.6924.3424.3525.5324.3426.6127.82传感器424.8125.1727.9126.1223.1726.3223.7822.4724.7323.13传感器i 传感器2 传感器3传感器4 融合值附图原始温度数据与经过数据融后温度图^ =0即传感器采集的温度数据i 与温度数据j 相差较大,由常识得知温室大棚在短时间内的温度是相对恒定的,那么两者数据之间是相互不信任的。
利用以上 公式对采集的温度数据进行数据融合,得到其中一列 数据的信任度矩阵B :23.50 度、24.21 度、25.79 度、24.85 度、25.08度、24.86 度、25.28 度、24.72 度、25.57 度和25.51度。
四个传感器分别采集的温度与经过数据融合后的温度数据比较如附图所示。
通过数据融合结果比较图可以直观地看出未经过数据融合的传感器采集的温度数据波动较大,不能够真实反映温室大棚的温度参数。
现实中温室大棚的温度相对而言是稳定的,经过基于信任度的数据融合处 理后的温度数据相数据波动较小,即经过数据融合后 的采集数据精度得到了明显的提高,可以更好地指导 农业生产,实现精准农业的目标。
10.270.320.030.2710.080.110.320.0810.010.030.110.011B 由矩阵理论知识可以求出矩阵B 的最大特征值,最大特征值又为1.473,求得矩阵B 对应的特征向量为 A = [0.65,0.50,0.54,0.17],根据温度传感器所处的地理位置不同赋予温度传感器不同的权重,权重值 依次为0.35, 0.27, 029, 0.09。
利用公式5可以求出矩阵B 的列数据融合结果三、结束语本文引用信任度函数对各传感器测得温度数据的 信任程度进行相应的处理[6]。
对各温度传感器监测的数 据通过信任度矩阵来衡量,并且对测得传感赋予合理的 权重用于数据融合,推导出数据融合最终表达式,经过试验验证经过数据融合后的温度数据更具有权威性,以 此类推,可以将数据融合方法用于温室大棚的湿度、土 壌含水率等参数的处理上,应用前景广阔。