Cloud-Assisted地区移动机器人的智能温室监控策略

文摘

在智能农业系统,macroinformation传感采用多种类型的传感器的移动机器人是农业可持续发展的一个关键步骤。在一个区域监控策略,满足更加合理需求,优化运行的移动机器人是必要的。摘要cloud-assisted区域监测策略的移动机器人智能温室。首先,混合框架,包含了云,无线网络和移动机器人多传感器部署监控地区温室。这时,一个新策略,其中包含两个阶段的目的是确保有效区域监测和满足时间约束的移动传感机器人。在第一阶段,候选人地区监视点选择使用改进的虚拟力。在第二个阶段,移动节点的移动路径基于欧氏距离的计算。随后,该策略的适用性验证的温室测试系统。验证结果表明,该算法比传统方法具有更好的性能。结果还表明,通过应用该算法,监视点的数量和时间可以减少消费,而有效的监测区域面积扩大。

1。介绍

众所周知,农业是许多其他领域的基础。随着城市化的发展,许多国家面临有限的农田和城市人口增长的问题1,2]。模型的社会趋势要求农业提高土地单位面积产量。因此,精准农业或智能农业已成为一个热门研究课题为工业和学术界作为一个潜在的解决方案可能提到的解决问题。智能温室是最典型的代表之一,智能农业食品应该满足日益增长的要求。改善温室的自动化和效率,太阳能和水和能源自给自足的方法(3,4]和信息和通信技术(ict)等无线传感器网络(网络)和智能控制(5- - - - - -8)合并成农业系统。因此,智能温室系统是一个很好的选择,实现智能和精准农业。

数据收集,特别是macrodata集合,是实现智能温室的先决条件。随着信息采集技术的发展(9- - - - - -11),信息通信技术已经逐步引入温室,和农业网络已经成为经典信息采集申请。农业网络获得一个很大的进步12- - - - - -14]。然而,一方面,当前网络大多是由静态节点和约束的能量充电,以便监控系统缺乏灵活性和寿命15]。另一方面,增加温室大小,监测区域变得更广泛的(16]。因此,传统的网络不适合温室监控区域。

许多研究已经致力于解决温室数据采集;即WSN节点部署以满足越来越多的趋势,但增加了系统成本显著,尤其是对一个大区域的温室17,18]。除此之外,许多研究都集中在减少能源消耗,但所有提出的方法还有一个约束的有限的能量轮(19,20.]。因此,提高机动性和灵活性的同时,移动元素(移动机器人或移动传感器节点)被引入系统。关于这一主题的相关研究也研究从不同的角度,如路径规划和避障(21- - - - - -23]。然而,温室地区监测仍面临以下问题:(1)如何构造一个更高效的框架使用云计算和移动元素来提高数据收集和(2)如何选择更好的移动路径温室地区监控延迟和能量约束。

最近,cyber-physical系统(CPS)已经被越来越多的引入到农业。出于CPS的优点,特别是云技术,和地区温室监控的特点,我们提出一个新颖的解决方案来解决这些提到的问题。

这项工作的贡献可以概括如下:(1)一种新颖的基于云计算的数据收集系统,无线网络和移动节点(2)满足要求地区监测率和时间消耗,cloud-assisted地区移动机器人设计的监控策略(3)评估框架和策略,进行真实实验,结果进行了讨论

本文的其余部分组织如下:部分2介绍相关工作信息收集和地区农业监测。部分3给出了cloud-assisted信息收集框架为智能温室。部分4提出了信息收集的方法。部分5评估该算法实验和讨论结果。部分6总结了纸。

2。相关工作

2.1。农业信息收集

众所周知,数据收集代表智能温室的基础。因此,许多研究已经集中在数据收集方法。在[24),实现科学栽培和降低管理成本,采用无线传感器网络体系结构中蔬菜温室监控环境参数。在[25),安排灌溉,作者提出了一种多传感器系统收集土壤湿度和气象参数。然后,利用收集到的数据,设备驱动精密灌溉。在[26),采用无线传感器网络检测蜗牛通过传感环境数据的存在。WSN微粒的设计也与实际应用和部署在数据收集。随着气候是作物产量的重要因素和疾病,在27),作者意识到温室使用一个传感器网络的分布式监控系统,分析了原始数据探索种植庄稼的条件。在[28),作者设计了一个农田信息采集系统包含一个便携式农田信息采集设备,远程服务器,和一个手机应用。此外,该系统实施,和信息收集的空气温度和湿度,叶绿素和其他farmland-related信息收集。在[29日),配备无线传感器在拖拉机和其他设备,中断延迟宽容信息收集系统设计和实现的农田。提出了不同的信息收集方法和应用程序在上述研究。然而,提议的解决方案大多是基于静态无线传感器网络和不适合地区在智能温室监控。

2.2。区域监测方法

随着信息分析的发展,许多研究表明,区域也可能采用监测监控目标目标(30.,31日]。在一些研究中,越来越多的移动节点用于区域监控。在[32),作者提出了一个分配框架包含一个服务器和客户端运行不同的策略监控区域,无法安装固定摄像机,基于众包和移动设备。在[33),移动无线传感器网络中的节点被用来监控发现的地区。然后,一个算法被用来找出最优路径移动节点的覆盖目标区域。最近,无人机无人机(uav)的类型在该领域取得了进展,从而为该地区提供一个好的解决方案监控问题。在[34),一个无人机被用作移动信息收集器区域监控。此外,该地区被监控分为细胞。分配给每个作者无人机细胞访问和优化每个无人机的路径通过考虑公平。此外,在[35),作者使用无人机有效地监测大区域。通过结合轮廓查询,提出了一种新的策略来搜索一个更合适的无人机飞行路径。上述研究提供一个参考和新的解决方案为温室地区监控问题。然而,以满足区域监控、温室的特点和低延迟区域监测需要考虑。

3所示。Cloud-Assisted数据收集框架智能温室

节,一个区域监控架构在一个温室,解释框架的工作过程,介绍了移动机器人。

3.1。信息收集温室的框架

随着物联网的发展物联网和云计算技术,信息通信技术已经被证明是作为信息收集的有效方法。因为温室的传统框架缺乏流动性,计算资源,逐渐和收集,前面的解决方案并不适合新的需求。提高智能温室的灵活性和可扩展性,无线网络、云计算、软件应用程序、温室设备合并成一种改进的框架。拟议的框架,用于智能系统传感由三层组成:网络层,云层,应用层和数据传感领域,如图1。与此同时,所有组件都与通过有线或无线网络和物联网(物联网)。我们完全同意大数据分析和人工智能农业的未来趋势。分布式云服务,我们可以看到,是最灵活和有成本效益的基础设施大数据分析的智能农业。众所周知,云计算已经成为智能农业的一个重要组成部分。一方面,该算法容易实现最优结果得到了全球信息通过使用云技术。另一方面,大数据不是在冲突与云,云是大数据分析的基本平台。

在应用程序层,构造不同的应用程序以满足实际需求如温室管理、数据可视化和移动终端的操作。云中的数据存储和执行计算任务层。在网络层,数据传输是通过有线或无线网络。同时,感应提交的数据是用于收集来自不同传感器的数据等温室的温度、湿度、光级、作物的形象,和其他参数。

3.2。地区移动监控机器人的框架

本文重点是区域监测使用移动机器人在温室。因此,简要回顾移动区域监测机器人(MAMR)提供。MAMR配有无线广播模块,动力装置,不同的相机和温湿度传感器等传感器。应用程序层或云服务器进行该地区监测任务;即云服务器任务分解成多个步骤,并确定关键命令移动节点根据温室全球信息。然后,MAMR完成后的区域监控云发号施令。最后,当移动节点移动沿规划路径,它传递信息到云服务器通过物联网系统。

4所示。在温室移动机器人区域监控策略

一节中,我们首先提供配方的问题。然后,我们提出一个区域监控策略,移动机器人,它包含两个阶段:候选点选择和移动路径搜索。

4.1。问题公式化

为了简单起见,我们考虑一个温室作为平面矩形和让是一个平面矩形区域的温室。我们假设,在一个特定的时期内,有n被监控,让区域 这些区域的集合。与此同时,我们假设每个监控区域有一个轨迹的起点 。移动机器人配备不同的传感器是通过定义导航监控区域沿着轨迹。假设MAMR监控区域在某些点,轨迹 。有监视点的轨迹 。让R传感半径。在这项工作中,MAMR监测区域标记成一个圈。监控的圆圈表示为 和一组表示为圆的中心位置 ,并安排根据监控区域的起始点的距离 。

定义1。实际监测区域(RMA):让被监测区域, 。真正的监控区域的可以定义如下: 在哪里表示函数获得一个真正的移动机器人的监控区域。让是一个有效的监测监控圆和地区的地区 。因此,(1)可以简化如下: 此外,让的感应时间MAMR点监控区域 。因此,表示总感觉到时间的 ,它是由 假设感应时间在任何时候是恒定的 ,(3)可以简化为 因此,总感觉到时间的 是由 根据以上关系,让是时间消耗,包括移动和监测时间监控区域 ,表示为 此外,让通过监测区域移动时间。总之,总时间消费的所有监控区域可以作为计算

定义2。区域监测比(RMR):让和是真正的面积监测和面积 ,分别。该地区监控的一个地区 ,表示为 ,是真正的监测区域内的一小部分的面积 ,它可以表示为 因此,整个地区监测比温室可以表示为 假设有一个常数在每一个领域 ,然后(9)可以近似

定义3。覆盖路径(CP): CP的移动路径MAMR覆盖所有监控区域。让是CP组,可以为制定 在哪里表示,覆盖所有地区。
每个监测区域试图得到RMR应该大于预设常数。因此,本文的目的是搜索路径满足上述要求的RMR,同时满足下列条件: 在哪里 预设值的RMR和吗的最后期限是监测区域。

4.2。提出了移动机器人区域监测方法

解决这个问题定义为(12)是具有挑战性的由于以下原因。时间消耗与监测点和路径长度的数量。在本节中,我们将问题(12)为两个子问题:选择候选人监视点和最优区域监测移动路径。首先,采用一种改进的虚拟力选择候选点。然后,满足监控时间消费的需求,我们开发一个基于模拟退火算法确定一个最优的路径移动。

4.2.1。准备选择候选人监视点的策略

在传统的虚拟力模型,力的方向是随机的。众所周知,模型不适合温室。与此同时,监控点的轨迹。因此,我们使用一个方向的轨迹。

与此同时,保险系数监控区域引入到模型中,它是制定

因此,根据胡克定律,虚拟力制定 在哪里k表示虚拟力系数和 。所以,总虚拟力监控点之间(l,问)可以表示为

此外,点集的总虚拟力监控P可以制定

根据上述关系,我们减少虚拟力来确定最小数量的监控要点:

解决的问题(17),我们使用以下公式来更新一个新的位置根据当前位置 : 在哪里每次迭代的移动距离和吗虚拟力的阈值。拟议的候选人监视点策略选择策略算法所示1,它可以解释如下:首先,在初始化步骤中,预设值的变量集。然后,根据相应的虚拟力计算方程。如果虚拟力大于阈值,一个新的位置更新监视点,如果虚拟力小于阈值,监测位置将停止更新。此外,RMR计算并判断其价值是否符合要求。重复迭代步骤,直到所有的约束。

4.2.2。混合解决方案最优路径移动

获得最短路径移动,我们把搜索最优移动路径的策略分为两个阶段:intermonitoring地区和outermonitoring地区。在第一阶段,一个贪婪的策略是用来获得最短路径移动。在第二阶段,问题是首先归类为旅行商问题(TSP),然后使用模拟退火来解决它。

4.2.3。我阶段:Intermonitoring地区

算法后1完成后,在监测区域 ,监视点的数量及其位置。移动机器人的移动路径必须包含声明点,因此,扩展监测点集定义如下: 在哪里表示一个轨迹的起点 。此外,对应的位置设置扩展监测点集可以表示为 0表示的位置在哪里 。让是相邻的p。然后,之间的欧氏距离p和任何周边点问可以表示为

上的所有监控点轨迹,得到一个最优的监测区域内的移动路径,贪婪策略设计基于邻近距离;也就是说,在每个迭代中,最近的邻近点被选中作为下一个移动的点。给出了算法的流程步骤2。首先,使用(19)和(20.),扩展监测确定点集和对应的位置设置,分别。接下来,创建了邻近点集基于距离的值。然后,邻近点最小距离是选为下一个移动的点。最后,算法返回的移动路径点及其位置的监控区域。

4.2.4。第二阶段:外监测地区

在舞台上我,移动路径intermonitoring地区解决。接下来,在第二阶段中,我们专注于获得最短路径外监测地区移动。

在前一阶段,每个监测次区域的监视点。自监视点的距离比条件之间的距离小,重心法用于监视点的位置归一化。具体来说,在次区域 ,重心可以作为制定

所以,可以表示为重心的条件

关于上述讨论,外边的最短路径选择运动可以转移到一个TSP问题。为了解决TSP问题,采用模拟退火。确定一个最优路径移动的过程中外部监控区域的算法3。在算法3首先,计算每个子区域的重心;然后,使用模拟退火获得最短路径移动,最后,算法将结果返回给移动机器人。

5。实验结果

该算法通过实验评估。获得的实验结果,讨论了在不同的指标。此外,该算法与传统方法相比在以下三个方面:监视点的数量,平均覆盖区域和时间消耗。

5.1。实验设置

一个真正的实验进行了使用移动机器人在温室种植不同的作物,如图2。混合方法包含超声波避障和自动跟踪(不同的颜色)采用应对机器人避障。移动机器人配备了许多传感器收集空气温度、湿度、光强度和相机。

为了证明该规划算法正确执行在实际环境中,一个实验装置图2构造。实验设置如下。温室面积是 ,它包含10亚区和2×4米的大小相同²。传感半径R是1米。其他实验参数表1。提出的策略是申请了几次,并计算平均结果。

正如前面提到的,很少有作品,解决该地区监控问题。因此,我们将我们的方法称为CARM与下面的常见方法:(1)SSRL方法选择相同数量的监视点次区域CARM,但与一个随机位置;(2)fmp方法选择固定监测位置在同一距离沿着轨迹。在实验中,点的距离等于传感半径。

5.2。结果分析

5.2.1。监控点数

监视点的平均数量的不同的方法对应于他们最好的表现在现实实验呈现在图3(一个);即RMR监视点的平均数量的20%,70%,和90%的图展示了不同的方法3(一个)。在图3(一个)可以看出,监视点的平均数量增加与增加RMR的所有方法。然而,CAMR优于其他方法在所有三个案例,这是由于优化CAMR方法的虚拟力算法选择一个更优的监视点的数量和他们的位置。fmp实现更好的性能比SSRL因为监视点沿着轨迹均匀分布。RMR 70%, CARM几乎20%和10%较小的平均数量比SSRL和fmp监视点,分别。

5.2.2。平均覆盖范围

的平均覆盖范围在图展示了不同的方法3 (b)。在图3 (b)可以看出,所有的值的数量监测点,该方法的平均覆盖范围是最好的,因为CARM选定最优的监视点的数量及其位置为了得到一个大的覆盖范围。作为显示在图3 (b),穷人SSRL获得平均覆盖范围随机监视点选择的性能,因为采用这种方法。此外,通过增加监视点的数量,平均覆盖范围的所有方法的性能增强。此外,当点的数量是3,CARM的覆盖范围大于35米²。此外,CARM可以适应不同数量的监视点和平均覆盖范围有最好的性能在所有的测试方法。

5.2.3。时间消耗

总感觉到时间消费表现为每个子区域的不同的方法以70%的RMR呈现在图4(一)。一般来说,每种方法的总感觉到时间增加一个单点的感应时间的增加。对此CARM达到最好的性能指标;换句话说,CARM花更少的时间完成监测任务,其他两种方法。RMR时70%,单点的感应时间是5 s, CARM的感应时间总消费量还不到15秒,而其他方法检测时间较长,特别是SSRL因为这种方法选择监控更多的点。

总时间消耗性能在不同的移动速度对整个监测区域不同的方法以70%的RMR呈现在图4 (b)。一般来说,随着机器人移动速度的增加,消费的总时间减少。因此,时间总消费量的增加减少了所有方法的机器人移动速度。同样,CARM实现最佳性能的总时间消费这意味着CARM完成监测任务比其他方法更快,这是因为最优算法用于选择监视点的数量和他们的位置。与此同时,在70%的RMR,机器人移动速度为0.5米/秒,和单点的感应时间5 s,总感觉时间短CARM的5%和3%消费SSRL和fmp方法相比,分别。

5.2.4。成本评估

众所周知,评估成本是实际应用的一个重要组成部分。很明显,数据显示3和4,建议方法CARM可以减少监视点的数量相同的覆盖范围,减少时间消耗比较传统方法SSRL fmp。换句话说,该策略可以降低维护成本。事实上,提出了框架,因为需要构建一个云是更昂贵的比传统的区域监测框架,如传感器网络。然而,公共云可以显著降低成本,公共云提供一个非常低的价格(0.023∼0.04美元/ GB数据存储和0.017∼0.027美元/ GB RAM的Amazon Web服务);此外,一些公司提供免费的云服务。此外,私人农场在中国不能聘用专业技术人员维护私人服务器,所以,使用专用服务器相比,利用公共云是最可行的解决方案。

6。结论

一个有效地区监控智能温室的植物重要但有挑战性。在本文中,我们提出一个新颖的cloud-assisted地区监测策略基于移动机器人的智能温室增加监测区域大小和减少时间消耗。首先,一个信息集合框架基于移动机器人,介绍了无线网络和云计算。然后,该地区监测模型的构造与云计算移动机器人按照温室特性和云资源。此外,基于该模型,提出了两种策略选择候选人监视点采用改进的虚拟力和混合解决方案最优路径移动。该算法由温室的实际实验验证。实验结果表明,该算法可以提供比传统的方法更有效地区监测温室。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本文得到了广东省科技计划项目,中国(没有。2014 a020208132),广州和科技项目,中国(没有。201607010018)。

引用

1. k·l·斯库格和m . Steinnes”中心,人口增长和城市扩张影响农田转换在挪威?”土地使用政策59卷,第196 - 185页,2016年。视图:出版商的网站|谷歌学术搜索
2. w·歌,公元前Pijanowski, a . Tayyebi“城市扩张及其消费优质农田在北京,中国,“生态指标,54卷,不。54岁,60 - 70、2015页。视图:出版商的网站|谷歌学术搜索
3. e·法雷尔哈桑,r . a凝灰岩等,“反向电渗析的温室农业水资源和能源自给自足的概念,“应用能源卷,187年,第409 - 390页,2017年。视图:出版商的网站|谷歌学术搜索
4. s . Suryawanshi s Ramasamy s Umashankar, p . Sanjeevikumar”的设计和实现太阳能温室系统低成本模式,”智能电网的发展和可再生能源卷,435年,页357 - 365,施普林格,柏林,德国,2018年。视图:谷歌学术搜索
5. g . Ping, p . Dusadeeringsikul和s . y . Nof”农业温室压力管理网络物理系统协作,”电脑和电子产品在农业卷,150年,第454 - 439页,2018年。视图:出版商的网站|谷歌学术搜索
6. l . x呗,z . Wang盛,z,“可靠的分层数据融合与异步测量温室无线传感器网络监测、”IEEE控制系统技术,27卷,不。3、1036 - 1046年,2018页。视图:出版商的网站|谷歌学术搜索
7. p . j .起亚a t, m . Omid r . Alimardani和l . Naderloo“基于智能控制的模糊逻辑的自动化温室灌溉系统和评价与传统的系统,”世界应用科学杂志》第六卷,没有。1,16-23,2009页。视图:谷歌学术搜索
8. a . Somov d . Shadrin i Fastovets et al .,“普及农业:IoT-enabled温室植物生长控制,”IEEE普适计算,17卷,不。4、65 - 75年,2018页。视图:出版商的网站|谷歌学术搜索
9. j . d . x Li Li Wan, c . Liu和m·伊姆兰,“自适应传输优化计算SDN-based工业物联网的优势,”IEEE物联网,5卷,不。3、1351 - 1360年,2018页。视图:出版商的网站|谷歌学术搜索
10. 问:j . Wan j . Li Hua, a . Celesti z王,“智能设备设计认知的帮助下物联网和工业大数据,”神经计算和应用,2018年,页1 - 10。视图:出版商的网站|谷歌学术搜索
11. j . Wan j .李·m·伊姆兰·d·李,“blockchain-based解决方案提高智能工厂,安全与隐私”IEEE工业信息,15卷,不。6,3652 - 3660年,2019页。视图:出版商的网站|谷歌学术搜索
12. l . d . Pedrosa·梅洛r . m .罗查和r .七巧板”基础上开发和部署一个灵活的方法,”传感器网络的国际期刊》第六卷,没有。3/4,199 - 211年,2009页。视图:出版商的网站|谷歌学术搜索
13. X.-M。郭,X.-T。杨,M.-X。陈,m·李,Y.-A。王”,与叶面积指数和苹果大小参数模型在苹果园,2.4 GHz无线传播”精准农业,16卷,不。2、180 - 200年,2015页。视图:出版商的网站|谷歌学术搜索
14. d·阿帕德海耶,Dubey a k, p . s . Thilagam”应用非线性高斯回归自适应无线传感器网络的时钟同步技术在农业、”IEEE传感器杂志,18卷,不。10日,4328 - 4335年,2018页。视图:出版商的网站|谷歌学术搜索
15. o .以利亚,t·a·拉赫曼Orikumhi, c . y .利奥和m . n . Hindia”物联网的概述(物联网)和数据分析在农业:好处和挑战,”IEEE物联网,5卷,不。5,3758 - 3773年,2018页。视图:出版商的网站|谷歌学术搜索
16. m·康X.-R。x粉丝,j .华h . Wang Wang和F.-Y。王”,管理与独立主办的传统太阳能温室:just-for-fit哲学,“IEEE控制论,48卷,不。12日,第3380 - 3371页,2018年。视图:出版商的网站|谷歌学术搜索
17. l . x呗,z . Wang邹,f . e . Alsaadi“协作融合估计无线传感器网络监测有限公司₂集中在一个温室。”信息融合,42卷,第126 - 119页,2018年。视图:出版商的网站|谷歌学术搜索
18. D.-H。公园,B.-J。Kang K.-R。曹et al .,“基于无线传感器网络的温室自动控制系统,”无线个人通信卷,56号1,第130 - 117页,2011。视图:出版商的网站|谷歌学术搜索
19. h . y . Zhang高,s . Cheng和j·李,“一个高效EH-WSN能源管理机制,“清华科技,23卷,不。4、406 - 418年,2018页。视图:出版商的网站|谷歌学术搜索
20. w . Xu y张,问:“x王,“能源管理和跨层优化无线传感器网络由异构的能源,”IEEE无线通信,14卷,不。5,2814 - 2826年,2015页。视图:出版商的网站|谷歌学术搜索
21. 学术界。你和w l。他,“移动anchor-based路径规划算法在无线传感器网络定位,“IEEE传感器杂志,13卷,不。2、466 - 475年,2013页。视图:出版商的网站|谷歌学术搜索
22. a . Alomari w·菲利普斯::f . Comeau,“避障mobility-assisted群集智能优化技术在无线传感器网络定位,“IEEE访问》第六卷,第22385 - 22368页,2018年。视图:出版商的网站|谷歌学术搜索
23. 周p c . Wang和y,“静态和移动目标k-coverage无线充电传感器网络,”IEEE移动计算,18卷,不。10日,2430 - 2445年,2019页。视图:出版商的网站|谷歌学术搜索
24. m . Srbinovska c . Gavrovski诉Dimcev, a . Krkoleva诉Borozan,“在精准农业环境参数监测使用无线传感器网络,”《清洁生产卷,88年,第307 - 297页,2015年。视图:出版商的网站|谷歌学术搜索
25. r .隋和j . Baggard”无线传感器网络监测土壤湿度和天气状况,“应用工程农业没有,卷。31日。2、193 - 200年,2015页。视图:出版商的网站|谷歌学术搜索
26. d . Garcia-Lesta d·卡贝略港铁、p•洛佩兹和v . m .沥青,“无线传感器网络与永恒的微粒为陆生蜗牛活动监测、”IEEE传感器杂志,17卷,不。15日,第5015 - 5008页,2017年。视图:出版商的网站|谷歌学术搜索
27. k . p . Ferentinos n . Katsoulas a . Tzounis t . Bartzanas和c . Kittas“无线传感器网络的温室气候和植物条件评估,”生物系统工程卷,153年,第81 - 70页,2017年。视图:出版商的网站|谷歌学术搜索
28. j . Zhang j . Hu l .黄马y, z . Zhang”便携式农田信息采集系统与多个传感器,”传感器,16卷,不。2016年10篇文章ID 1762。视图:出版商的网站|谷歌学术搜索
29. 落合h, h .不能,y Kawakami和h .江崎”DTN-based传感器数据采集农业应用。”IEEE传感器杂志,11卷,不。11日,第2868 - 2861页,2011年。视图:出版商的网站|谷歌学术搜索
30. d·埃利希j·e·埃斯蒂斯j . Scepan和k·c·麦奎尔,“农作物种植面积监测在一个先进的农业信息系统”Geocarto国际,9卷,不。4,31-42,1994页。视图:出版商的网站|谷歌学术搜索
31. T.-Y。林,h·a . Santoso K.-R。吴,G.-L。王”,增强部署算法异构定向移动传感器在一个有限的监测区域,”IEEE移动计算,16卷,不。3、744 - 758年,2017页。视图:出版商的网站|谷歌学术搜索
32. a . Guerriero f·朱利安尼,d . o . Nitti“众包和移动设备广泛地区监测”学报2015年IEEE车间环境、能源、和结构监测系统(EESMS)页,29-32特兰托,意大利,2015年7月。视图:谷歌学术搜索
33. c . Zygowski和a . Jaekel”路径规划区域范围最大化无线传感器网络移动节点的”学报2018年IEEE 9年信息技术、电子和移动通讯大会(IEMCON)公元前,页12 - 17,温哥华,加拿大,2018年11月。视图:谷歌学术搜索
34. i Khoufi、p . Minet和n . Achir”区域监控、无人飞行器路径规划”2016年国际研讨会论文集在有线和无线网络的性能评估和建模(PEMWN),页1 - 5,巴黎,法国,2016年11月。视图:谷歌学术搜索
35. y y陈和陈”,由无人机路径规划大面积监测,”学报》2018年第十届国际会议上先进的计算智能(ICACI)厦门,页295 - 299年,中国,2018年3月。视图:谷歌学术搜索

版权

版权©2019小民李等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。