智慧型作物生长环境监测与管理技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 目的意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 系统组成及研究内容 | 第12-15页 |
| 2 相关技术综述 | 第15-21页 |
| 2.1 专家系统 | 第15-18页 |
| 2.2 WM 智能手机概述 | 第18-19页 |
| 2.3 蓝牙技术 | 第19-21页 |
| 3 作物生长环境监测系统原理与实现 | 第21-34页 |
| 3.1 作物生长环境监测系统的结构与组成 | 第21页 |
| 3.2 监测系统的太阳能供电电源方案 | 第21-25页 |
| 3.2.1 太阳能供电电源的结构和特点 | 第22页 |
| 3.2.2 太阳能供电设计考虑因素 | 第22-23页 |
| 3.2.3 太阳能供电电源电路设计 | 第23-25页 |
| 3.3 监测系统的传感器模块 | 第25-28页 |
| 3.3.1 土壤湿度监测模块 | 第25-26页 |
| 3.3.2 空气温湿度检测模块 | 第26页 |
| 3.3.3 CO2浓度监测模块 | 第26-27页 |
| 3.3.4 光照强度监测模块 | 第27-28页 |
| 3.4 监测系统的蓝牙传输模块 | 第28-30页 |
| 3.5 监测系统的软件设计 | 第30-31页 |
| 3.6 监测系统的装置结构 | 第31-33页 |
| 3.7 本章小结 | 第33-34页 |
| 4 基于改进 GP 的后台农业专家决策系统 | 第34-59页 |
| 4.1 分布式专家决策系统结构 | 第34页 |
| 4.2 后台 PC 端农业专家决策系统 | 第34-46页 |
| 4.2.1 后台系统知识库的构建 | 第34-40页 |
| 4.2.2 后台数据库的构建 | 第40-43页 |
| 4.2.3 后台的推理机研究 | 第43-46页 |
| 4.3 GP 算法的改进 | 第46-57页 |
| 4.3.1 GP 算法概述 | 第46-48页 |
| 4.3.2 GP 算法原理 | 第48-51页 |
| 4.3.3 GP 算法的改进 | 第51-54页 |
| 4.3.4 GP 的推理算法 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 5 基于 WM 智能手机的农业专家决策系统 | 第59-83页 |
| 5.1 系统概述 | 第59页 |
| 5.2 智能手机端系统的知识库构建 | 第59-65页 |
| 5.3 智能手机端系统的推理机研究 | 第65-67页 |
| 5.4 基于智能手机的模糊解耦控制器 | 第67-72页 |
| 5.4.1 调控机构 | 第67-68页 |
| 5.4.2 模糊控制解耦器的构建 | 第68-72页 |
| 5.5 智能手机端系统主要模块构建 | 第72页 |
| 5.6 智能手机端系统的构建 | 第72-82页 |
| 5.7 本章小结 | 第82-83页 |
| 6 系统的通讯 | 第83-94页 |
| 6.1 智能手机与环境监测系统通讯 | 第83-86页 |
| 6.2 智能手机与后台通讯 | 第86-93页 |
| 6.2.1 GSM 技术概述 | 第86-87页 |
| 6.2.2 GSM 通讯方案 | 第87-93页 |
| 6.3 本章小结 | 第93-94页 |
| 7 系统的应用效果与分析 | 第94-99页 |
| 7.1 应用环境 | 第94-95页 |
| 7.2 应用效果与结论 | 第95-98页 |
| 7.3 应用分析 | 第98-99页 |
| 8 结论与展望 | 第99-102页 |
| 8.1 完成的工作及创新点 | 第99-101页 |
| 8.1.1 主要完成工作 | 第99-100页 |
| 8.1.2 主要创新点 | 第100-101页 |
| 8.2 展望 | 第101-102页 |
| 参考文献 | 第102-108页 |
| 博士学位在读期间发表的论文和著作 | 第108-109页 |
| 作者简介 | 第109-110页 |
| 致谢 | 第110-111页 |
