基于無線圖像傳感器網絡的農田遠程監測系統

殷建軍 潘春華 肖克輝 葉耀文 劉小平 肖德琴

(華南農業大學數學與信息學院，廣州510642)

基于無線圖像傳感器網絡的農田遠程監測系統

殷建軍 潘春華 肖克輝 葉耀文 劉小平 肖德琴

(華南農業大學數學與信息學院，廣州510642)

為了實時獲取農田圖像和視頻信息，提出了基于無線圖像傳感器網絡的農田遠程監測系統。針對當前圖像傳感器節點存在的不足，基于CMOS圖像傳感器和S3C6410嵌入式處理器設計了低成本、高分辨率的無線圖像傳感器節點，并研究了基于驅動層和應用層協作的分辨率實時調整算法，使得節點具備10種不同的分辨率，最高分辨率可達500萬像素，而且分辨率可根據用戶需求實時調整，以滿足用戶對不同圖像精度的需求。采用WiFi技術構建無線圖像傳感器網絡，并通過4G網絡遠程傳輸圖像和視頻到服務器。在服務器端開發了基于Web的可視化農田信息管理軟件，實現對采集的數據進行有效存儲、管理和應用，并為用戶提供網絡服務。部署了該系統并進行了長時間的運行測試試驗，試驗結果表明:系統可穩定地運行，能夠根據遠程指令采集并傳輸不同分辨率的圖像，采集并傳輸1幅126 KB左右的圖像平均耗時為5.36 s，網絡平均丟包率為1.67%，客戶端開啟視頻監控平均時延為3.48 s，視頻播放流暢。

無線圖像傳感器網絡;分辨率調整算法;可視化管理軟件;遠程監測系統

引言

農田的圖像和視頻信息具有直觀、便捷、實時和信息量大的優點［1－2］。農田靜態圖像可被用來觀測農作物的長勢和分析農作物各種深度狀態信息［3－5］，農田視頻監控可用于在線統計農田害蟲數量［6－7］，也可用于農田安全生產監控［8］。無線圖像傳感器網絡(Wireless image sensor network，WISN)由一組微型圖像傳感器節點以自組網的形式構成［9－10］，能夠采集被監測區域內的圖像和視頻信息，并無線傳輸到控制中心。

近年來，國內外學者研究了WISN在農業監測方面的應用。PAEK等［11］開發和部署了2個基于圖像的環境監測系統，一個用于監測生物學家統計蜥蜴和蟾蜍數量的陷阱，另一個監測系統用來監測鳥巢。THULASIPRIYA等［12］開發了一個基于無線圖像傳感器網絡的害蟲陷阱監測系統，用于采集陷阱圖像并進行圖像分析，以統計果蠅數量。LLORET等［13］提出了一個帶有圖像處理系統的WISN用于葡萄狀態的監測。姚仲敏等［14］設計了一個基于移動無線傳感器網絡的農田植株圖像監測系統，利用無人機搭載協調器收集節點采集的圖像數據。楊信廷等［15］設計了一種基于無線多媒體傳感器網絡的作物環境與長勢遠程監測系統。

上述WISN監測系統在應用中存在以下不足:①圖像采集模塊大都是購買市面上的成品攝像頭，價格較高。②圖像采集模塊的分辨率低，且固定不可調，無法滿足用戶對不同圖像精度的需要。③構建的采集網絡大都基于ZigBee協議，傳輸速率低、傳輸延遲大。④在服務器端沒有集成可視化信息管理軟件，不能實現更完善的節點管理、數據分析和應用服務。

本文基于CMOS圖像傳感器自行研制低成本、高分辨率的圖像傳感器節點，并以此構建基于WiFi的WISN用于農田的遠程監測，并在服務器端開發可視化信息管理軟件，對節點和采集的數據進行管理，并為用戶提供數據查詢、統計、分析等網絡服務功能。

1 材料與方法

1.1 監測系統結構

農田遠程監測系統體系結構如圖1所示。系統在邏輯上可分為3部分:①由部署在監測區域內的采集節點所構成的采集子系統，負責采集圖像和視頻數據。②由匯聚節點(Sink node)、網關節點(Gateway node)和4G網絡組成的傳輸子系統，負責將數據傳送到服務器。③由服務器和備份服務器及運行其上的可視化信息管理軟件組成應用子系統，負責接收、存儲、管理和分析數據，并為用戶提供可視化網絡服務功能。

圖1 監測系統體系結構Fig．1 Architecture ofmonitoring system

部署在農田的圖像傳感器節點周期性地采集農作物和農田環境圖像或視頻信息，并利用WiFi技術無線發送到匯聚節點，再由匯聚節點轉發到網關節點;網關節點將接收的數據從802.11局域網的數據幀格式轉換為4G的TDD-LTE數據幀格式，然后通過4G模塊發送到服務器;最后，服務器對數據進行存儲、處理和分析。用戶可以利用智能手機或計算機通過Internet與監測系統進行交互，可以對數據進行查詢、統計和分析，也可以根據應用需要修改監測參數等。

1.2 系統硬件設計

1.2.1 圖像傳感器節點結構

圖像傳感器節點由圖像采集模塊、處理器模塊、無線通信模塊和供電模塊組成，如圖 2a所示。圖2b為節點的實物圖。

圖2 節點硬件結構與實物Fig．2 Hardware structure and node picture

1.2.2 圖像采集模塊

一般來說圖像采集模塊可通過兩種方式得到:購買市面上的成品攝像頭;購買圖像傳感器芯片，再定制一個小電路底板，并加裝合適的鏡頭構成一個圖像采集模塊。兩種方式的優劣比較如表1所示?；诔杀竞凸δ艿目紤]，本文選擇了第2種方式，即自行開發圖像采集模塊，這樣保證了圖像傳感器芯片的可選擇性，更重要的是通過開發驅動可實現圖像的高分辨率及分辨率的可調性。

表1 圖像采集模塊方案比較Tab．1 Comparison between two image acquisition module solutions

CMOS和CCD是目前圖像采集中使用最多的兩種圖像傳感器［16］。與CCD相比，CMOS圖像傳感器具有體積小、成本低、功耗小、易控制等特點［17］，且隨著技術的進步，其成像質量已經接近甚至超過CCD［18］，因此，選用CMOS圖像傳感器芯片來設計圖像采集模塊。OV5642是美國 OmniVision公司2010年推出的新一代CMOS彩色圖像傳感器芯片，支持多種分辨率，最高分辨率可達500萬像素，支持5種圖像輸出格式，具有自動曝光等多種圖像控制功能，核心電壓1.5 V，模擬電壓1.8 V/2.8 V，工作時電流140mA，待機時電流20μA［19］。OV5642與處理器模塊 S3C6410通過 20針的 CIF(Camera interface)接口相連，如圖3所示。

圖3 S3C6410與OV5642的連接Fig．3 Connection between S3C6410 and OV5642

1.2.3 處理器模塊

由于節點需要采集、壓縮和傳輸圖像/視頻數據，執行多任務調度，因此要求處理器有較高的性能。為此，選擇以S3C6410核心板+自行設計的外圍電路構成處理器模塊。S3C6410是SAMSUNG公司基于ARM11內核構建的低功耗、高性能多媒體處理器［20］，主頻高達 667 MHz，并帶有 256 MB SDRAM和1 GB NANDFLASH，工作電流為200mA。S3C6410集成了一個多格式編解碼器(Multi-format video coder，MFC)，支持 H.264/MPEG4編碼和譯碼，以及VCI的解碼，極大地提高了多媒體的處理效率。

1.2.4 匯聚節點和網關節點設計

匯聚節點和網關節點是監測系統的骨干節點，是在采集節點的基礎上，通過軟硬件升級得到。硬件上主要增加存儲容量和蓄電池容量;匯聚節點增加一塊WiFi網卡，用于和網關通信;網關節點增加一塊4G模塊，用于和服務器通信。軟件上增加數據的轉發模塊，以實現數據格式的轉換和數據的快速轉發。

1.3 系統軟件設計

考慮到節點既要執行圖像處理任務，又要進行系統控制、以及負責接口與網絡的管理，因此選擇功能強大的嵌入式Linux作為操作系統，并在此基礎上開發和移植相關的驅動、中間件，應用層采用模塊化設計，包含系統控制模塊、圖像采集與壓縮模塊、網絡通信模塊和數據存儲模塊。

1.3.1 節點工作流程

節點上電復位后，進行一系列初始化，接著設置休眠時間，并打開定時器，然后進入休眠狀態，等待下一個工作周期的到來。休眠時間到，節點被喚醒，首先連接Sink節點，加入WiFi網絡，然后啟動圖像傳感器開始采集、壓縮和傳輸圖像，完成采集任務后，節點再次進入休眠狀態，等待下一個工作周期的到來，節點工作流程如圖4所示。

圖4 節點工作流程Fig．4 Workflow of node

1.3.2 分辨率實時調整算法

為滿足用戶對不同圖像精度的需求，設計了基于驅動層和應用層協作的分辨率實時調整算法。在驅動層設計了 10種不同的分辨率，最高可達2 592像素×1 944像素，如表2所示。為實現分辨率的快速調整，為每一種分辨率設計一個對應的寄存器配置表。寄存器配置表是一個N×3的二維數組，數組的行數N由待配置的寄存器數量決定;在每一行的3列數據中，前2列共同組成了待配置寄存器的16 bits地址，最后1列是待寫入的配置數據。利用I2C協議將寄存器配置表中的配置數據寫入相關寄存器即可實現對應分辨率［20］。

表2 OV5642多級分辨率及寄存器配置表Tab．2 Multilevel resolution and correspondingregister configuration table of OV5642

驅動層多分辨率的設計為應用層根據用戶指令選擇不同分辨率奠定了基礎。當用戶發送修改分辨率的指令時，節點的應用層接收指令，并解析指令，然后提取分辨率調整參數(分辨率索引)，并將其傳遞到驅動層，最后由驅動層完成分辨率調整，分辨率調整流程如圖5所示。

圖5 分辨率調整流程圖Fig．5 Flow chart of resolution adjustment

1.3.3 圖像采集與傳輸

V4L2(Video for linux two)是Linux內核中訪問音、視頻設備的驅動框架［21］，為應用層提供了一系列的API接口，通過調用這些接口可實現圖像采集。采集的靜態圖像壓縮成JPEG格式圖片保存在SD卡中，同時啟動發送程序傳輸到服務器端;采集的視頻進行硬件壓縮并傳輸到服務器。

1.3.4 服務器應用軟件

服務器是WISN和監測系統的應用核心。為有效地接收、存儲、管理和分析節點采集的數據，并為用戶提供網絡服務，設計了基于B/S模式的可視化農情信息綜合管理平臺(Agricultural information comprehensive management platform，AICMP)。AICMP由7個功能模塊組成，如圖6所示，既能管理筆者前期開發的稻田水分傳感器網絡［22－24］，也能管理本文設計的無線圖像傳感器網絡。

AICMP提供可視化操作功能，圖7顯示了用戶登錄服務器主頁查看WISN網絡拓撲結構及查看節點采集圖像的情況，圖中列出了網關節點、匯聚節點和采集節點的位置、距離，并標出了節點的編號。紅色矩形代表網關，藍色三角形代表匯聚節點，綠色圓圈代表采集節點。當單擊圖中節點時，會顯示節點采集的最新圖像及采集時間。

圖6 AICMP的功能模塊結構Fig．6 Functional schematic diagram of AICMP

圖7 節點采集的最新圖像Fig．7 Display of image captured by node

2 結果與討論

2.1 節點部署與組網

為驗證監測系統的穩定性，于2016年6月5日開始在廣東省農業技術推廣總站(113.414 751°E、23.186 813°N)進行節點部署與組網，并開展60 d的綜合測試實驗。實驗部署的拓撲結構如圖8所示。

圖8 實驗節點部署Fig．8 Deployment of nodes in experiment

2.2 多分辨率采集測試

多分辨率測試是為了驗證節點能否按照系統設計的功能采集不同分辨率的圖像。測試方法為:從服務器發送指令，控制節點采集10種不同分辨率的圖像各100幅，并上傳到服務器，圖像壓縮質量因子設置為80%，表3列出了10種分辨率圖像對應的平均大小，從中可以看出，隨著分辨率的提高，采集圖像的原始數據越來越大，壓縮后的圖像文件也越來越大，JPEG的平均壓縮比約為8.6∶1。

表3 不同分辨率圖像的平均大小Tab．3 Average size of imagesw ith different resolutions

為了體現不同分辨率圖像清晰度的差異，選取5種分辨率圖像進行對比分析，分辨率從左至右分別是640像素×480像素、1 600像素×1 200像素、1 280像素×1 024像素、2 048像素×1 536像素和2 592像素×1 944像素，如圖9所示。從直觀上看，圖9a中同一目標的不同分辨率圖像沒有太大差異，肉眼無法直接區分它們的清晰度。為此，對圖像進行放大以展現其細節的差異。為了便于比較和區分，采集圖像時放入水瓶蓋，并對采集后的圖像進行等比例放大，然后截取含水瓶蓋的部分進行對比分析，如圖9b所示，從中可以清晰地看到，隨著圖像分辨率的提高，圖像中水瓶蓋圖案越來越清晰，這表明分辨率高的圖像具有更高的清晰度，也證明了本文設計的多分辨率方案是有效的。

圖9 節點采集的不同分辨率圖像對比Fig．9 Comparison between images captured by node with different resolutions

2.3 系統丟包率測試

表4列出了監測系統的14個節點(包括匯聚節點)采集并傳輸不同分辨率圖像時的丟包率統計情況，數據是統計100次的結果。

表4 不同分辨率圖像的傳輸丟包率Tab．4 Packet loss ratio of imagesw ith different resolutions %

丟包率為

式中 Nsent——節點發送的數據包個數

測試時，節點將發送1幅圖像產生的數據包個數Nsent記錄下來，待發送完圖像后，將Nsent發送到服務器;服務器接收圖像時，記錄接收到的數據包個數Nreceived，然后根據式(1)計算丟包率。從表4可以看出，所有節點平均丟包率為1.67%，表明網絡傳輸穩定可靠，遠程監測系統能夠滿足實際應用需求。

2.4 系統耗時測試

耗時測試的目的是檢驗網絡中的節點采集和傳輸1幅圖像到服務器所消耗的時間，它反映了監測系統的實時性。表5展示了14個采集節點執行100次采集任務的平均耗時情況，所采集的圖像分辨率為640像素×480像素。從表5可看出，14個采集節點的平均耗時為5.36 s，也就是說，在發出采集指令5.36 s后，服務器可以收到節點上傳的圖像，表明系統具有很好的實時性，能夠滿足農田環境和農作物實時監測的需要。同時發現，4個匯聚節點平均耗時約為4.92 s，小于其他節點的5.54 s，因為它們采集的圖像可以直接上傳到網關，少了一次WiFi傳輸和轉發。

表5 節點的時延Tab．5 Delay of node

2.5 視頻監控測試

圖10展示了客戶端通過HTTP協議登錄服務器開啟4個節點視頻監控的情況。視頻采集的分辨率為640像素×480像素，幀率為25 f/s。H.264碼流的壓縮比約為106∶1，4個節點視頻監控開啟后，網絡的視頻碼率平均為3.32 Mb/s。從發出開啟視頻指令，到視頻開始在客戶端網頁播放，平均時延約為3.48 s。從測試情況來看，監控視頻畫面流暢，無卡頓情況，能夠滿足農田視頻監控的需要。

圖10 節點視頻監控Fig．10 Videomonitoring of node

3 結論

(1)設計了一種低成本、高分辨率的無線圖像傳感器節點和基于應用層與驅動層協作、多線程并發的分辨率實時調整算法，使節點具有10種不同的分辨率，最高可達500萬像素，且分辨率可根據用戶需求實現遠程、實時調整。

(2)基于所設計的節點，提出了基于WiFi+4G的農田實時監測系統和基于Web的可視化農田信息管理軟件，實現了農田圖像和視頻信息的自動采集、遠程傳輸、有效存儲和高效網絡應用。

(3)對監測系統進行了綜合測試試驗，試驗結果表明系統能穩定運行，節點能夠自動采集、壓縮并傳輸10種不同分辨率的圖像，采集并傳輸1幅大小為126 KB左右的圖像消耗的時間約為5.36 s，網絡平均丟包率為1.67%;視頻監控播放流暢，無卡頓情況，播放時延約為3.48 s。

1 熊迎軍，沈明霞，孫玉文，等．農田圖像采集與無線傳輸系統［J］．農業機械學報，2011，42(3):184－187．XIONG Yingjun，SHENMingxia，SUN Yuwen，etal．Design on system of acquisition and wireless transmission for farmland image［J］．Transactions of the Chinese Society for Agricultural Machinery，2011，42(3):184－187．(in Chinese)

2 ZHAO LQ，YIN SY，LIU L B，et al．A crop monitoring system based on wireless sensor network［J］．Procedia Environmental Sciences，2011，11(Part B):558－565．

3 SRITARAPIPAT T，RAKWATIN P，KASETKASEM T．Automatic rice crop heightmeasurement using a field server and digital image processing［J］．Sensors，2014，14(1):900－926．

4 MORA M，AVILA F，CARRASCO-BEMAVODES M，et al．Automated computation of leaf area index from fruit trees using improved image processing algorithms applied to canopy cover digital photograpies［J］．Computers＆Electronics in Agriculture，2016，123:195－202．

5 賈洪雷，王剛，郭明卓，等．基于機器視覺的玉米植株數量獲取方法與試驗［J］．農業工程學報，2015，31(3):215－220．JIA Honglei，WANG Gang，GUOMingzhuo，et al．Methods and experiments of obtaining corn population based onmachine vision［J］．Transactions of the CSAE，2015，31(3):215－220．(in Chinese)

6 BECHAR I，MOISAN S，THONNAT M，et al．On-line video recognition and counting of harmful insects［C］∥2010 20th International Conference on Pattern Recognition(ICPR)，2010:4068－4071．

7 肖德琴，傅俊謙，鄧曉暉，等．基于物聯網的桔小實蠅誘捕監測裝備設計及試驗［J］．農業工程學報，2015，31(7):166－172．XIAO Deqin，FU Junqian，DENG Xiaohui，et al．Design and test of remotemonitoring equipment for bactrocera dorsalis trapping based on internet of things［J］．Transactions of the CSAE，2015，31(7):166－172．(in Chinese)

8 GARCIA-SANCHEZ A，GARCIA-SANCHEZ F，GARCIA-HARO J．Wireless sensor network deployment for integrating video-surveillance and data-monitoring in precision agriculture over distributed crops［J］．Computers and Electronics in Agriculture，2011，75(2):288－303．

9 PHAM C，LECUIRE V．Building low-costwireless image sensor networks:from single camera tomulti-camera system［C］∥ACM International Conference on Distributed Smart Cameras，2015:158－163．

10 GONZALEZ M，SCHANDY J，WAINSTEIN N，et al．Wireless image-sensor network application for population monitoring of lepidopterous insects pest(moths)in fruit crops［C］∥2014 IEEE International Instrumentation and Measurement Technology Conference，2014:1394－1398．

11 PAEK J，HICLS J，COE S，et al．Image-based environmentalmonitoring sensor application using an embedded wireless sensor network［J］．Sensors，2014，14(9):15981－16002．

12 THULASIPRIYA C，PRAVEEN K，SRIVIDYA A．Monitoring of pest insect traps using image sensors＆dspic［J］．International Journal of Engineering Trends and Technology，2013，4:4088－4093．

13 LLORET，BOSCH I，SENDRA S，et al．A wireless sensor network for vineyard monitoring that uses image processing［J］．Sensors，2011，11(12):6165－6196．

14 姚仲敏，荊寶剛，孫彩蘋．基于移動無線傳感器網絡的植株圖像監測系統設計與測試［J］．農業工程學報，2016，32(11):189－196．YAO Zhongmin，JING Baogang，SUN Caiping．Design and test of plant imagemonitoring system based onmobile wireless sensor network［J］．Transactions of the CSAE，2016，32(11):189－196．(in Chinese)

15 楊信廷，吳滔，孫傳恒，等．基于WMSN的作物環境與長勢遠程監測系統［J/OL］．農業機械學報，2013，44(1):167－173．http:∥www．j-csam．org/jcsam/ch/reader/view_abstract．aspx?flag=1＆file_no=20130132＆journal_id=jcsam．DOI: 10．6041/j．issn．1000-1298．2013．01．032．YANG Xinting，WU Tao，SUN Chuanheng，et al．Remotemonitoring system of crop environment and growing based on WMSN［J/OL］．Transactions of the Chinese Society for Agricultural Machinery，2013，44(1):167－173．(in Chinese)

16 FOSSUM E R，HONDONGWA D B．A review of the pinned photodiode for CCD and CMOS image sensors［J］．IEEE Journal of the Electron Devices Society，2014，2(3):33－43．

17 晉孝峰，岳素格，劉麗艷，等．CMOS圖像傳感器的硬復位電路研究［J］．電子學報，2014，42(1):182－186．JIN Xiaofeng，YUE Suge，LIU Liyan，et al．Research on CMOS image sensor hard reset circuit［J］．Acta Electronica Sinica，2014，42(1):182－186．(in Chinese)

18 劉杰，朱天成．基于CMOS工藝的無線圖像傳感器網絡綜述［J］．微計算機信息，2012(2):133－135．LIU Jie，ZHU Tiancheng．Wireless image sensor network based on CMOS technology［J］．Microcomputer Information，2012(2): 133－135．(in Chinese)

19 OMNIVISION INC．OV5642 datasheet［EB/OL］．(2009-08-18)［2016-11-01］．http:∥www．docin．com/p-186847439．htm l．

20 楊闊，何東健．基于S3C6410的田間視頻監控系統的實現［J］．計算機工程與設計，2013，34(6):1978－1982．YANG Kuo，HE Dongjian．Implementation of field video monitoring system based on S3C6410［J］．Computer Engineering and Design，2013，34(6):1978－1982．(in Chinese)

21 殷建軍，肖德琴，黃順彬．CMOS圖像傳感器多分辨率驅動算法設計［J］．計算機工程與設計，2014，35(9):3045－3049．YIN Jianjun，XIAO Deqin，HUANG Shunbin．Design of CMOS image sensor multi-resolution driver algorithm［J］．Computer Engineering and Design，2014，35(9):3045－3049．(in Chinese)

22 肖德琴．稻田水分傳感器網絡構建［D］．廣州:華南農業大學，2009．XIAO Deqin．Study on paddy field moisture sensor network［D］．Guangzhou:South China Agricultural University，2009．(in Chinese)

23 肖德琴，古志春，馮健昭，等．稻田水分監測無線傳感器網絡優化設計與試驗［J］．農業工程學報，2011，27(2):174－179．XIAO Deqin，GU Zhichun，FENG Jianzhao，et al．Design and experiment of wireless sensor networks for paddy field moisture monitoring［J］．Transactions of the CSAE，2011，27(2):174－179．(in Chinese)

24 XIAO D，FENG J，WANG N，et al．Integrated soil moisture and water depth sensor for paddy fields［J］．Computers and Electronics in Agriculture，2013，98:214－221．

Remote Monitoring System for Farm land Based on Wireless Image Sensor Network

YIN Jianjun PAN Chunhua XIAO Kehui YE Yaowen LIU Xiaoping XIAO Deqin
(College of Mathematics and Informatics，South China Agricultural University，Guangzhou 510642，China)

A remote monitoring system for farmland based on wireless image sensor network was put forward in order to obtain the farmland image and video information in real time．Aiming at the shortcomings of the current image sensor nodes，a low-costhigh-resolution wireless image sensor nodewas designed based on CMOS image sensor chip and S3C6410 embedded processor．To ensure the stability and reliability of the node，the powerful embedded Linux operating system was employed as the software development platform．And based on this platform，amodular designingmethod was adopted to program the software system of the node in C/C++language．Especially，a resolution adjustment algorithm based on driver and application layer cooperation was studied，which made the node had 10 different resolutions and the highest resolution was up to 5 mega pixels．More importantly，the resolution can be adjusted in real time according to the requirements of users when it was working，which made the node can meet the needs of users for different image accuracies．A wireless image sensor network was constructed by utilizing WiFi technology as well as the images and videos captured by the nodes were remotely transmitted to the server through the 4G network．In order to prolong the life cycle of the node，a solar power supply system was designed．A visual farmland information management software Webbased was developed in order to effectively store，manage and use the data captured by the nodes，and a convenientmethod was provided for a user to remotely access the acquisition networks and the data stored in the server．The system was deployed and tested for a long time．The test results showed that the system could work stably，as well as capture and transmit images with different resolutions according to the remote instruction．Moreover，the average time to capture and transmit one image with size of about 126 KB was about 5.36 s，and the average packet loss ratio of the network was about 1.67%．In thetests，the average delay for the client to open videomonitoring was about 3.48 s，and the video playing was smooth．Finally，the power supply system based on the solar energy could provide a stable power supply for the nodes in the long work．The tests validated that the remotemonitoring system designed in thiswork can automatically capture images and videos of farmland in real time，transmit them to the server remotely，and satisfy the requirement of users for remotemonitoring farm land．

wireless image sensor network;resolution adjustment algorithm;visual management software;remotemonitoring system

——服務器接收到的數據包個數

S24;TP274

A

1000-1298(2017)07-0286-08

2016-10-26

2016-12-05

國家星火計劃項目(2014GA780064、2015GA780002)和廣東省科技計劃項目(2015A020224033、2015A020209129)

殷建軍(1981—)，男，講師，博士，主要從事無線傳感器網絡在農業上的應用研究，E-mail:jianjunyin@scau．edu．cn

肖德琴(1970—)，女，教授，博士生導師，主要從事無線傳感器網絡在農業上的應用研究，E-mail:deqinx@scau．edu．cn

10．6041/j．issn．1000-1298．2017．07．036