首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

基于Android平台的智慧农业信息采集系统的开发

摘要第4-5页
Abstract第5页
第一章 绪论第8-14页
    1.1 课题研究的背景及其意义第8-9页
    1.2 国内外研究现状第9-11页
        1.2.1 国外的研究现状第9-10页
        1.2.2 国内的研究现状第10-11页
        1.2.3 我国温室大棚技术主要存在的问题第11页
    1.3 本文工作内容及行文结构第11-14页
        1.3.1 本文工作内容第11-12页
        1.3.2 本文的行文结构第12-14页
第二章 系统整体设计方案第14-23页
    2.1 农业大棚功能性能需求分析第14-15页
        2.1.1 功能分析第14页
        2.1.2 性能分析第14-15页
    2.2 系统整体组成第15-17页
        2.2.1 主要功能模块组成第15页
        2.2.2 模块的选择与比较第15-17页
    2.3 WiFi技术第17-22页
        2.3.1 WiFi技术简介第17-18页
        2.3.2 WiFi基本结构第18-20页
        2.3.3 WiFi技术的特点与发展第20-22页
    2.4 本章小结第22-23页
第三章 太阳能自供电部分的设计第23-36页
    3.1 太阳能发电的原理及特性第23-24页
        3.1.1 太阳能发电原理第23-24页
        3.1.2 太阳能发电的特性第24页
    3.2 太阳能供电模块的基本组成以及各模块选择第24-31页
        3.2.1 储能电池的选择第25-26页
        3.2.2 太阳能电池板的选择与安装第26-28页
        3.2.3 太阳能电池板的日发电量第28-31页
    3.3 太阳能发电单元的电路设计第31-35页
        3.3.1 充电管理电路设计第31-33页
        3.3.2 放电管理电路设计第33-34页
        3.3.3 稳压电路设计第34-35页
        3.3.4 整体实现第35页
    3.4 本章小结第35-36页
第四章 温室监测系统设计第36-51页
    4.1 主控制芯片部分第36-37页
    4.2 温湿度模块设计第37-40页
        4.2.1 硬件电路设计第38-39页
        4.2.2 软件部分设计第39-40页
    4.3 光强模块设计第40-43页
        4.3.1 硬件部分设计第41页
        4.3.2 软件部分设计第41-43页
    4.4 无线模块设计第43-46页
        4.4.1 WiFi模块通信第43-44页
        4.4.2 WiFi模块配置第44-45页
        4.4.3 WiFi模块硬件电路设计第45-46页
    4.5 系统整体实现第46-50页
        4.5.1 硬件实现第46-49页
        4.5.2 软件实现第49-50页
    4.6 本章小结第50-51页
第五章 安卓平台数据监测软件设计第51-65页
    5.1 安卓系统简介第51-53页
        5.1.1 安卓系统优势第51-52页
        5.1.2 安卓系统架构第52-53页
    5.2 开发环境介绍第53页
    5.3 安卓应用程序结构第53-57页
        5.3.1 安卓应用程序组成第53-54页
        5.3.2 安卓四大组件介绍第54-56页
        5.3.3 安卓系统布局与控件第56-57页
    5.4 基于安卓平台监测程序的设计第57-64页
        5.4.1 登录界面的设计第57-58页
        5.4.2 主界面的设计第58-60页
        5.4.3 通信程序的实现第60-62页
        5.4.4 报警功能设计第62页
        5.4.5 历史数据查询设计第62-64页
    5.5 本章小结第64-65页
第六章 系统测试与总结展望第65-68页
    6.1 系统整体测试第65-66页
    6.2 总结及展望第66-68页
参考文献第68-70页
附录1 攻读硕士学位期间申请的专利第70-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:基于OpenStack的开源云计算平台的研究与实现
下一篇:基于深度置信网络的说话人识别研究与实现