首页--农业科学论文--园艺论文--设施园艺(保护地栽培)论文--蔬菜设施园艺论文

基于Raspberry Pi的蔬菜大棚智能控制系统设计与实现

摘要第3-5页
Abstract第5-6页
第1章 绪论第10-15页
    1.1 课题研究的背景及其意义第10-12页
    1.2 研究现状第12-13页
    1.3 现有技术的缺点第13-15页
第2章 蔬菜大棚智能控制系统结构设计第15-31页
    2.1 温室大棚内环境条件分析第15-16页
    2.2 系统工作原理第16-18页
        2.2.1 智能控制原理第16页
        2.2.2 控制决策第16-18页
    2.3 系统需求分析第18-19页
        2.3.1 功能需求分析第18页
        2.3.2 性能需求分析第18-19页
    2.4 系统结构设计第19-21页
    2.5 硬件选型及其电路设计第21-30页
        2.5.1 主控选择第21-24页
        2.5.2 传感器选型第24-27页
        2.5.3 LCD驱动电路第27-28页
        2.5.4 调控设备控制电路第28-29页
        2.5.5 云台控制电路第29页
        2.5.6 PCB设计第29-30页
    2.6 本章小结第30-31页
第3章 蔬菜大棚智能控制下位机系统实现第31-41页
    3.1 通信方案第31-34页
        3.1.1 网关程序框架第31-32页
        3.1.2 Socket网络编程第32页
        3.1.3 通信命令设计第32-34页
    3.2 环境采集模块第34-36页
        3.2.1 空气温湿度模块第34-35页
        3.2.2 光照强度模块第35页
        3.2.3 土壤湿度模块第35-36页
    3.3 实时视频监控模块第36-40页
        3.3.1 Raspberry摄像头配置第36-37页
        3.3.2 Mjpg-Steamer移植第37-39页
        3.3.3 云台控制第39-40页
    3.4 本章小结第40-41页
第4章 基于Android监控客户端设计实现第41-57页
    4.1 Android平台技术第41-43页
        4.1.1 Android系统简述第41-42页
        4.1.2 Android四大组件第42-43页
    4.2 客户端关键技术分析第43-46页
        4.2.1 多线程编程第43-44页
        4.2.2 数据加载优化第44-46页
    4.3 客户端框架设计第46-47页
    4.4 客户端功能实现第47-56页
        4.4.1 初始化模块第47-48页
        4.4.2 环境监测模块第48页
        4.4.3 环境控制模块第48-50页
        4.4.4 实时视频模块第50-51页
        4.4.5 历史数据查看模块第51页
        4.4.6 参数设置模块第51-56页
    4.5 本章小结第56-57页
第5章 多传感器数据融合算法设计第57-69页
    5.1 存在的问题第57-58页
    5.2 多传感器数据融合技术第58-59页
        5.2.1 多传感器数据融合技术概述第58页
        5.2.2 多传感器数据融合的结构第58-59页
    5.3 多传感器数据融合算法设计第59-64页
        5.3.1 改进后的数据预处理准则第59-62页
        5.3.2 数据融合算法第62-64页
        5.3.3 多传感器数据融合算法模型第64页
    5.4 融合算法可行性验证第64-67页
    5.5 改进后的控制系统原理第67-68页
    5.6 本章小结第68-69页
第6章 系统测试第69-76页
    6.1 模拟试验系统搭建第69页
    6.2 系统功能测试第69-74页
        6.2.1 环境监测测试第70页
        6.2.2 数据库查询可靠性测试第70-71页
        6.2.3 专家知识库诊断测试第71-72页
        6.2.4 视频模块测试第72-73页
        6.2.5 开放式端口测试第73-74页
        6.2.6 改进后的系统精度对比第74页
    6.3 成本对比第74-75页
    6.4 本章小结第75-76页
第7章 总结与展望第76-78页
    7.1 论文总结第76页
    7.2 展望第76-78页
参考文献第78-81页
致谢第81-82页
攻读学位期间主要研究成果第82-83页

论文共83页,点击 下载论文
上一篇:基于卷积神经网络的交通标志图像识别方法研究
下一篇:泾渭供电分公司馈线自动化研究与设计