相关实验视频
Updated: May 20, 2025

In Situ Soil Moisture Sensors in Undisturbed Soils
Published on: November 18, 2022
评估室内养殖系统的稳定性,使用数据检测异常值
Jean Pompeo1, Ziwen Yu1, Chi Zhang1
1Department of Agricultural and Biological Engineering, University of Florida, Gainesville, FL, United States.
这项研究使用物联网传感器评估了控制环境农业 (CEA) 中的空气温度数据质量. 增加的农业作业与数据质量和系统稳定性下降相关,突出了需要改善室内农业监测的需要.
科学领域:
- 农业工程 农业工程
- 环境监测 环境监测
- 传感器技术 传感器技术
背景情况:
- 控制环境农业 (CEA) 系统依赖于准确的环境数据,以确保稳定性和效率.
- 低成本的物联网传感器越来越多地用于CEA,需要进行数据质量评估.
- 在四个不同的温度下进行了菜种植试验,以评估传感器性能.
研究的目的:
- 在小型CEA系统中调查来自低成本物联网传感器的空气温度数据的质量.
- 通过分析累积农业操作 (Agr.Ops) 和空气温度数据变化之间的相关性,评估CEA系统的稳定性.
- 识别和分析传感器数据中的异常值,以了解它们对系统性能的影响.
主要方法:
- 在整个生菜种植过程中从物联网传感器收集空气温度数据.
- 采用了通用线性模型回归来分析累积Agr.Ops和空气温度残余的z-score之间的关系.
- 利用剩余分布和曲线拟合来确定最佳的数据分布模型 (log-normal).
主要成果:
- 累积的Agr.Ops和剩余的z-score之间发现了强烈的反向关系,这表明随着业务的增加,系统稳定性下降.
- 传感器数据中的异常值与传感器噪音或漂移等潜在问题有关.
- 该系统在不同试验中对累积的Agr.Ops表现出不同的弹性.
结论:
- 该研究强调了通过改进模型,传感器选择和冗余来解决室内农业数据不确定性的重要性.
- 另一种分解方法有效地确定了异常值,并提供了对系统功能的洞察力.
- 这些发现为加强CEA系统的不确定性监测和管理提供了有希望的方法.
更多相关视频
00:08A Cross-Disciplinary and Multi-Modal Experimental Design for Studying Near-Real-Time Authentic Examination Experiences
Published on: September 4, 2019
06:52Behavioral and Locomotor Measurements Using an Open Field Activity Monitoring System for Skeletal Muscle Diseases
Published on: September 29, 2014
相关概念视频
Outliers and Influential Points
Detection of Gross Error: The Q Test
What Are Outliers?
The z score is used to find outliers or unusual values. It should be noted that any values beyond -2 and +2 are...
Quantifying and Rejecting Outliers: The Grubbs Test
Survival Tree
Building a Survival Tree
Constructing a...
Key Elements for Plant Nutrition