XiaoMi-AI文件搜索系统
World File Search SystemLoRa
基于洛拉的智能农业监测和自动灌溉系统
农业是一个在确保粮食安全和可持续发展方面起着至关重要的作用的部门。然而，传统农业实践面临着诸如无效灌溉方法和缺乏实时监测之类的挑战，导致水浪费和农作物产量降低。几种试图解决这些挑战的系统，例如基于Wi-Fi，蓝牙和3G/4G细胞技术的系统；而且还会遇到困难，例如较低的传输范围，高功耗等。为了解决所有这些问题，本文提出了基于洛拉的智能农业监控和自动灌溉系统。该系统利用Lora技术用于远程线 - 无需通信，用于实时数据可视化和控制的Blynk平台以及用于数据存储，可视化和进一步的分析的ThingsPeak平台。系统包含多个组件，包括用于数据收集的传感器节点，数据传输的网关以及用于灌溉控制的执行器节点。实验结果表明，所提出的系统有效地监视了收集的数据，例如土壤水分水平，实时可视化数据，并根据传感器数据和用户命令自动控制灌溉。本研究中提出的系统为可持续农业实践提供了一种具有成本效益，有效的解决方案。关键字
WiFi和Lora能源消耗比较IOT ESP 32/ SX1278设备 div> 通过使用高性能电离微电极阵列与光学成像相关的高性能电离微电极阵列
摘要 - 物联网（IoT）设备的使用已通过许多不同的领域传播。农业的运输，健康和能源管理是使用物联网系统的一些领域。对物联网系统的无线通信技术的选择对于其最佳性能至关重要。但是，必须考虑此选择的因素，例如所需的覆盖范围或能源消耗。在本文中，已经执行了使用低成本物联网设备的WiFi和Lora低功率广泛区域网络（LPWAN）传输后确定可获得的电池寿命。具有5秒的传输间隔和默认设置，WiFi和Lora都获得了类似的结果。此外，WiFi的表现优于默认设置和30秒的传输间隔。最后，洛拉（Lora）在更改的设置变化时确实跑赢了wifi，因为洛拉（Lora）的传输功率为10 dbm。
一种基于云的钥匙滚动技术，用于减轻基于Lorawan的无线传感器网络
摘要 - 如今，许多设备正在利用物联网世界，连接并提供了对互联对象和设备的庞大网络中数据和传感器测量的访问。考虑到需要偶尔需要覆盖的巨大通信距离，提出了洛万网络，因为它采用了低功率（LP）和远距离（LORA）协议，以减少设备能耗，同时最大程度地提高通信范围。在数据传输之前，通往云的网关对Lorawan IoT设备进行身份验证。此过程以未加密的加入请求开始。JOIN请求包括消息完整性代码（MIC），这是使用AppKey加密消息的未加密内容的结果，该AppKey既可以牢固地存储在云和IoT设备中。但是，充当中间人（MITM）的恶意参与者可以干扰通信渠道，反向工程麦克风值，并得出appkey。然后，他们可以启动加入请求，该请求被误解为来自合法设备并访问通信渠道。本文介绍了一种新颖的方法，该方法侧重于Appkey的连续再生，因此需要经常对网络中的物联网设备进行重新加入和重新验证。建议的方法可以作为Lorawan网络中的额外的安全层添加，它使用类似于汽车中央锁定系统中使用的键滚动技术，并作为各种Lorawan安装和版本的优化且可扩展的微服务开发。通过评估过程，出现了重大发现，证明了拟议的安全解决方案在减轻重播攻击方面的有效性。该系统成功阻止了服务器被恶意数据包淹没，将其与缺乏所提出机制的系统区分开来。值得注意的是，这项成就是在没有导致通信过程的任何明显延迟的情况下做出的。此外，考虑到当前可访问的计算资源，认为拟议机制生成新AppKey所需的时间范围太短了，无法执行重播攻击。
lora在冰上 - 使用IoT Technologies
海冰测量值是理解极地区域的复杂动力学及其对全球气候变化的影响的关键。自主传感器设计用于长时间测量海冰性能，是从远程和无法访问区域获取数据的核心组成部分。虽然卫星通讯在这些自主系统的数据传输中起着重要作用，尤其是在无法检索的情况下，陆地无线电链路和低功率广泛区域网络（LPWAN）并未被广泛使用。在这种情况下，应用技术（IoT）技术的应用具有巨大的潜力，在易于集成，延长的电池寿命和成本效益方面具有优势。在这里，我们介绍了为海冰研究量身定制的无线传感器网络（WSN）的设计和实施。我们的定制传感器采用远距离（LORA）无线电技术和远距离广泛区域（Lorawan）协议。我们利用物联网技术描述了在南极的Neumayer III研究站附近的科学测量系统的部署。在操作的第一年中，进行了多次测试，以验证系统从以前仅依赖卫星连接的现有介绍站点收集和传输数据的能力。数据的简单传感器集成和数据的近实时可用性表明该技术能够提高现场活动的有效性。我们确定了当前的技术局限性，并提出了针对海冰研究的下一代WSN的改进，旨在进一步提高数据质量并减少后勤工作。
朝向具有能量自主洛杉矶传感器节点的质量大规模物联网
摘要：到2030年，预计将连接一万亿的东西。在这种情况下，数万亿节点所需的功率将需要使用数万亿个电池，从而导致维护挑战和巨大的管理成本。这项研究的目的是通过引入能源自治的无线传感器节点（EAWSN）来为可持续的无线传感器节点做出贡献，该节点（EAWSN）旨在是一种能量自治，自给自足的设备，适用于在远程和无环境中的长期大规模互联网应用程序（IOT）应用。EAWSN通过Lorawan连接利用了低功率大区域网络（LPWAN），并且由商业光伏电池提供动力，该电池还可以在室内环境中收获环境光。存储组件包括2 MF的电容器，这使EAWSN能够成功传输30个字节的数据包最高560 m，这要归功于机会性的Lorawan数据速率选择，从而在能源消耗和网络覆盖率之间进行了重大的权衡。通过在城市环境中的验证中证明了设计平台的可靠性，在显着距离上显示出卓越的性能。
乐团：通过单个LORA网关和基于生成扩散模型的指纹构图
在果园中，机器人的树级定位对于智能农业应用至关重要。但是，先前的解决方案无法提供足够的准确性。我们开发了我们的系统，这是一种基于固定识别的本地化系统，可以仅使用一个Lora网关提供树级的精度。我们提取在八个频道上显示的通道状态信息（CSI）作为填纸。为了避免用于构建和更新Fifgerprint数据库的劳动密集型站点调查，我们设计了CSI生成模型（CGM），该模型（CGM）了解CSIS及其相应位置之间的关系。使用静态LORA传感器节点的CSI进行CGM进行构建，以构建和更新Fifgerprint数据库。在两个果园中进行了广泛的实验，这是我们系统在以最小的开销和增强机器人导航准确性来实现树级定位方面的有效性。
基于 LoRa 通信的鸡蛋孵化器温度监测与控制原型
摘要 家禽业在生产雏鸡 (DOC) 时遇到问题。家禽业通常使用孵化器生产 DOC。孵化器必须具有高精度的机器内部环境温度读取能力。孵化器内部的温度环境需要保持在 36°C - 40°C 范围内。另一方面，孵化场和鸡舍通常不在一个地方。家禽业需要应用技术来解决这个问题。这个问题可以通过使用物联网来解决。但是物联网的成本非常高。本研究旨在利用低成本通信技术实现对孵化器原型内部温度的监测和控制。研究结果表明，当读取的温度分别为 36°C、37°C、38°C、39°C 和 40°C 时，控制系统可以将孵化器原型温度保持在最佳范围内，精度分别为 99.63%、99.83%、99.97%、99.64% 和 99.37%。本研究实施了用于监测系统的长距离 (LoRa) 技术。与物联网技术不同，点对点 LoRa 通信不需要付费即可进行通信，但仍可提供广域通信。根据研究结果，点对点 LoRa 通信在 50m、100m、150m、200m、250m 和 300m 范围内发送温度数据时性能良好，平均接收信号强度 (RSSI) 也较高。本研究可以得出结论，所提出的鸡蛋孵化器可以将温度保持在最佳范围内。所提出的孵化器还可以正确通信以发送数据温度以监测温度。
比较基于洛拉的废物箱监测系统中知识提取模型的机器学习方法
知识提取模型（KEM）是一个系统，可通过基于IoT的智能废物箱清空调度分类来提取知识。分类是一个困难的问题，需要有效的分类方法。这项研究以KEM系统的形式做出了贡献，以使用机器学习方法的最佳性能排空废物箱的时间表。该研究旨在比较决策树，幼稚的贝叶斯，K-Nearest邻居，支持向量机和多层感知器的形式的机器学习方法的性能，这将在KEM系统中使用。使用具有十个观测值的交叉验证方法对准确性，召回，精度，F-量和ROC曲线进行了。 实验结果表明，决策树最适合准确性，召回，精度和ROC曲线。 相比之下，K-NN方法获得了最高的F量度性能。 可以实现以从其他基于物联网的系统中创建的数据集中提取知识。。实验结果表明，决策树最适合准确性，召回，精度和ROC曲线。相比之下，K-NN方法获得了最高的F量度性能。可以实现以从其他基于物联网的系统中创建的数据集中提取知识。以从其他基于物联网的系统中创建的数据集中提取知识。
Cloud-Lora：使用基于增强学习的带宽 - 自动压缩
已经提出了云无线电访问网络（CRAN）体系结构，以解决通过大规模LORA网络的通过和可伸缩性挑战解决网络的一种方式。crans可以通过相干地汇总信号来改善网络吞吐量，并通过在云中实现接收器来扩展到多个通道。但是，在远程洛拉（Lora Deployments）中，克兰（Cran）对高架带宽的需求可能具有挑战性。因此，需要带宽感知的洛拉样品来收获crans的好处。我们介绍了云洛拉（Lora），这是洛拉（Lora）的第一个实用的cran，它可以检测到亚噪声洛拉信号并形成带宽自动压缩。据我们所知，这是Cran实时运作的Cran的首次演示。 我们将Cloud-lora在农业领域中部署了数天，将USRP作为门户。 然后使用蜂窝回程热点将Compers样品流式传输到Microsoft Azure服务器。 我们使用联合多门解码器和使用最新的接收器的联合多门解码和2倍吞吐量改进来证明超过6 dB的SNR收益，这是Cran在现实世界部署中实现的。据我们所知，这是Cran实时运作的Cran的首次演示。我们将Cloud-lora在农业领域中部署了数天，将USRP作为门户。然后使用蜂窝回程热点将Compers样品流式传输到Microsoft Azure服务器。我们使用联合多门解码器和使用最新的接收器的联合多门解码和2倍吞吐量改进来证明超过6 dB的SNR收益，这是Cran在现实世界部署中实现的。