从感官监测数据的准确性的角度出发，研究了环境科学数据监测传感器在日光温室中的位置。温度为例，在辽宁省冬季的温室中进行了西红柿种植实验。化，环境和监视设备被视为一个整体。用农业温度监测设备测量温室中几个点（M1至M11）的空气温度。对数据进行整体分析的基础上，根据数据特征对平方和最小二乘法的最佳近似值进行计算，研究了传感器在日光温室中的哪个位置可以代表全球温度。前生产模式下的日光温室。果表明，温室区域中心点（监测点M6）及其附近区域的温度最能代表温室的整体温度，该区域是温度传感器的最佳区域。一发现为日光温室温度数据监测的准确性提供了理论支持，也为日光温室中其他环境监测传感器的部署研究提供了思路。业物联网是新一代农业信息技术的高度集成和综合应用[1]。年来，美国和欧洲的一些发达国家相继进行了农业物联网应用的示范研究，实现了人机物理信息的交互和农业的发展。
联网技术在农业生产，运营，管理和服务阶段的精确度。践与推广[2-5]。业物联网技术在中国的应用总体上处于实验论证阶段，中国农业大学，国家农业工程技术研究中心，中国农业科学院信息研究所和相关研究人员近年来进行了更多的应用研究。田作物，果园等是典型的应用示范案例[1]，但实际的推广和应用更多地集中在对设施农业环境的监控中。管农业环境监测设备已被广泛使用，但是在实际生产中几乎没有对监测数据进行完整的自动控制和重用，重要的原因是监测数据的准确性无法达到不能保证，这不需要根据此数据进行任何定向或决策。
际的可操作性和含义也阻碍了这种应用模式的发展。者得出结论，多年的促销实践认为，日光温室温室科学数据的测量准确性主要受以下因素影响：传感器的准确性，灵敏度和分辨率；用于接收传感器的数据监控设备的硬件设计和软件对监控数据的处理；监视传感器的布置。两点可以通过传感器的选择，监控设备的设计和生产过程来保证。传感器部署方面，许多研究人员通过文献研究从无线传感器网络的覆盖范围研究了在农业环境中部署传感器节点的策略和方法[6-8]。而，在设施的农业生产中，关于传感器监视数据的准确性，关于传感器的布置的研究很少。实际应用中，传感器的放置主要基于安装人员的想法和经验。感器监视的数据是智能农业的最低且最重要的层。的精度是其控制的基础，它直接影响高级模型的构造和决策的精度。别是，由于其结构特点，日光温室具有其自身的环境异质性。此，有必要研究日光温室环境科学数据监测传感器的部署。研究日光温室微生态环境的变化时，温度和湿度对农作物生长的影响是环境因素，例如光强度，温度，湿度，CO2浓度和水含量[9]。
于温度和湿度具有耦合关系，因此本实验以温度为例，从整体上考虑了农作物，环境和监视设备。研究了当前的生产模式，其在日光温室中的位置可以代表日光温室中的全球温度。况。
领域的研究不受相关先验知识的指导。此，为了解决这个问题，作者在辽宁省农业科学院的日光温室进行了田间试验，并使用了辽宁省农业科学院自主开发的农业环境监测设备。光温室中的科学。量这些点的空气温度并分析监测数据，以找到最佳的温度传感器位置，并为在日光温室中部署温度传感器提供理论支持。间试验是在辽宁省农业科学院专门用于测试计算机化设备的日光温室中进行的，试验温室的大小为45 m×9 m，是该植物的主要种类。
植西红柿，使用基质的生长方法，行距为1.1 m，并使用温室中的冷却设备。是风扇电动机，风扇和水幕，而除湿机是风扇电动机。热室中的加热设备为太阳能和电加热（辅助设备）。用期为2015年9月24日至2016年2月8日，涵盖冬茬番茄的开花期和结实期以及结实期，播种期为2015年8月10日至9月30日，开花期和结果期是2015年10月1日至20日。016年1月28日。测试使用采样点来测量太阳能温室生产区域的气温。
择了11个具有相同水平位置的典型位置点进行测量（图1），以便注意11个位置之间的气温差异以及包括温室中位置监视点在内的数据太阳能可以代表太阳能温室环境的整体状况。虑到温室作物的生长，这11个监测点的高度始终比测试的11个地点的番茄植物的平均高度高10 cm。西红柿的高度调整到离地面1.9 m的高度。辽宁省农业科学院信息中心独立开发的农业环境监测仪（WM2500型）用于测量日光温室中多个位置的气温。控方案如图2所示。
业环境监控器在筛选组件（静态筛选，高温和低温筛选，性能筛选等），配置组件和配置方面做了很多工作。考电压[10]，传感器选择，温度和湿度的线性度[11]和传感器的可重复性。确保设备的精度，适用温度范围为-10〜50℃。传感器的精度为0.01℃，可以满足农业应用的需求。
生产过程中，有两种类型的操作会影响温室中的空气温度：（1）排气设备会根据温度值自动释放空气并进行设置最小阈值为28℃，恒温阀芯最大阈值为30℃。温度高于最大阈值时，空气出口设备被激活。温度低于最低阈值时，通风设备关闭； （2）根据温室的湿度手动进行通风操作，操作时间一般为每天上午11:00至下午12:00。过分析以天为单位的数据趋势（d），我们得出的结论是1天的温度变化可以分为3个时段：00：00-09：00，09：00-14：00，14:00 -24h00。00:00到09:00是温度上升阶段，其趋势近似为线性函数，变化缓慢。14:00至24:00为降温阶段，趋势近似为线性函数，变化缓慢。09：00-14时区大约是二次函数。线是单峰或双峰。释放人造空气时，该曲线为双峰。
项研究没有考虑一阶曲线的那部分有轻微的波动，只关注了二阶曲线的那一部分，也没有考虑人工通风操作对监测点和监测点的影响。阶曲线。
于主要目的是研究温度升高的趋势，因此在晚上12:00达到了温度峰值，因此9：00-12：00是关键的研究时期，与此同时，在下降趋势步骤中选择1点作为校正，因此选择09:03。上午10:03，上午11:03，下午2:03为了减少外部温度，光线和其他因素对测试结果的影响，选择了较新的日期数据进行分析。之，为该研究选择的数据对象是：从M1到M11的11个监视点，连续6天（2015年15月16日，17日，18日，19日，20日）的09：03、10：03、11分别为：03、14：03四个时间点的平均温度数据。据以下原则对数据进行归一化：以12:03作为x轴（即时间轴）0点，然后将时间轴的坐标设置为09：03、10：03 ，11：03和14:03是-3，-2，-1、2；将上午11:03的平均温度作为y轴（即温度轴）的0点，则其他时间的平均温度相对于上午11:03的平均温度（表1）。用上述方法调整11条二次曲线（表2），观察到的值表明监视点M1的值a与其他监视点显着不同，可能是因为该点M1监测站位于温室门附近，因此其温度受外界温度和温室种植活动的影响，M1监测点的数据不包括在内。N = 10，j = 2，3，…，11，由公式（4）和公式（5）得到M2〜M11的值Tj和T [TX-]。最终从公式（6）中得到一个。TX- * 5]的值为-0.437，[TX- * 5]和aj为正，并且曲线的值最接近[TX- * 5]是通过比较获得的，对应于监视点M6（图3），该点位于温室种植区域的中心。点及其最接近的点可以最好地表示温室的全球温度，即温度传感器的最佳位置区域。
体的农业互联网的感觉，传播，智能，使用，运输和管理这六个主要环节的第一要务是感觉，其要求是精确的感知。此，笔者以实践中存在的问题为指导，针对日光温室生产环境中温度监测数据传感器的部署进行研究。小二乘法的计算得出以下结论：（1）在冬季种植茅草时，监测点M1位于门附近，其温度数据受外界温度和温度的影响很大。温室中进行种植活动，导致此时温度较低； （2）由于温室的左半部分被太阳能采暖设备遮挡，因此测试的对称监测点之间的温差为3至5°C，这可能会影响结论的准确性; （3）调整后的二次曲线具有监测点M6的值和总体值加权平均值a [TX- * 5]非常接近。
之，得出的结论是，温室种植区域中心点（监视点M6）的温度和邻近温度可以最好地代表温室中的整体温度，并且该区域是传感器的最佳区域。度。结论为日光温室环境数据监测的准确性提供了理论支持，为农业环境监测设备“自动化-智能-智能”的逐步发展奠定了基础。测试还为在日光温室中部署其他环境监测传感器提供了思路。
本研究的下一步中，将使用更通用的日光温室进行多环境参数的耦合监控，并将使用回归分析得出更精确的结论并进一步验证该实验的结论。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com