基于无线传感器网络数据获取的玉米作物长势监测与产量预测智能参数模型研究

In field conditions, it is very important for predicting crop yield and optimizing crop quality to monitor the maize crop plant in terms of the growth parameters such as the canopy coverage area and density, height, chlorophl and nitrogen concentration, weeds etc. Furthermore, the microenvironmental parameters on which the maize plant live, such as the soil moisture, soil temperature, salinity, air temperature, air moisture, illumination, wind speed and orientation, carbon dioxide content etc，have great effects on its growth parameters. And the corresponding researches have become more and more necessary in precision farming. In this study, the wireless sensor networking technologies are used to aggregate the information of the maize growth and its microenvironmental parameters, in which the relation between the microenvironmental parameters and growth parameters of the maize crops is modeled, with the yield estimation, quality evaluation by using data fusion and machine learning. The chlorphl and nitrogen concentration of the maize crops are obtained by using multispectral data analysis, and the canopy area,height and density are obtained through utilzing the 3-dimensional morphological structure properties of the maize crop rows based on the existing algorithms.

田间自然条件下玉米作物的覆盖面积、密度、高度、叶绿素含量、氮含量、杂草等作物长势参量为其产量预测和质量评估的重要依据；玉米作物土壤温度、湿度、酸碱度，空气温度、湿度，风速，风向，二氧化碳含量等微环境参量又是影响其长势参量的重要因素。对玉米作物长势监测与产量预测、质量评估，以及微环境参量对其长势影响的关联模型研究是生态农业农情信息监测研究的重要组成部分。本文采用嵌入式无线多传感器网络技术，在国内外相关研究成果基础上，通过机器学习和数据融合的方法构建玉米作物长势监测、产量预测和质量评估智能型网络系统模型。研究玉米作物长势参量与微环境参量的量化关系模型。借鉴相关研究成果，研究从玉米作物垄行三维结构识别中获取玉米作物及杂草的面积、密度和高度信息有效算法。

基于作物长势监测及其产量预测方式、方法仍然是相关领域研究的热点内容，本项目在研究期间，构建了作物长势环境参数无线传感器网络系统、基于Android便携式农作物生长环境参数智能监控系统及提出田间图像传输的压缩方法。采用数据拟合等方法进行玉米生长期内植株或叶片的高、宽及高宽比参量特性分析，给出它们的生长特性曲线；并采用逐步回归构建这些参量与其环境因子相关性模型方程，获得较为一致结论。提出不同生长期内叶绿素含量与多光谱图像数据的关系模型方程，并分析玉米叶片不同生长期内叶绿素含量分布特性，给出叶绿素含量分布显示的伪彩色方法；同时给出玉米叶片生长期内长宽比符合的数学方程形式。对作物生长三维垄形参量获取进行了探索，提出三维垄行特征匹配、重构方法及视觉系统误差校正方法；并提出基于单目视觉系统的作物生长高度、宽度及其覆盖面积的检测方法，误差范围分别为0.95%～4.76% 、0%～6.73%、0.76%～13.42%。提出可用于作物基因组的基于数据集的同构系统发生网络方法，节省了网络生成的时间，为进一步寻找作物表型参量与其基因组关联的机理奠定了理论基础。这些成果的获取，可为本地区现代农业作物生长管理应用推广或作物培育提供技术支持。