通过物联网资源受限设备对实时农田土壤参数进行先进卡尔曼波器的评估

科学领域:

• 农业工程 农业工程
• 传感器技术 传感器技术
• 物联网 (IoT) 的物联网 (IoT) 的物联网.

背景情况:

• 准确的传感器数据对于实时农业决策支持系统至关重要.
• 物联网农业监测中的资源有限的设备需要高效的传感器消除噪音.
• 现有的除方法可能不适合土壤监测的特定挑战.

研究的目的:

• 评估无气味卡尔曼过器 (UKF) 扩展用于资源有限的设备上的传感器反噪声.
• 提高基于物联网的农业土壤监测的可靠性.
• 为了比较UKF的性能,使用Cubature Kalman Filter (CKF),UKF使用人工神经网络 (UKF_ANN),UKF使用模糊逻辑 (UKF_FL).

主要方法:

• 实施四种实时传感器消噪模型:UKF,CKF,UKF_ANN和UKF_FL.
• 在卢旺达的麻豆农场部署一个树Pi 5 (ARM v8) 无线传感器节点.
• 使用以下指标进行评估:R2,平均绝对误差 (MAE),根平均平方误差 (RMSE),计算内存 (CM) 和计算时间 (CT).

主要成果:

• CKF表现出卓越的性能,将RMSE降低了高达32%,并将CM和CT降低了75%.
• 在保持数据完整的同时,CKF和UKF_ANN有效地消除了高斯,统一和盐和胡噪声.
• 这些模型使用Python 3.12在ARM v8架构上进行了评估.

结论:

• 在资源有限的农业物联网应用中,CKF对传感器无声化非常有效.
• CKF和UKF_ANN为可靠的实时土壤监测提供了强大的解决方案.
• 该研究验证了先进的过技术对于改善农业决策支持系统的适用性.