張九通 唐維東 劉鴻瑞 楊思存 廖明亮 蔣猛

摘要：針對一些大型拖拉機機庫的管理過程中，產(chǎn)生的數(shù)據(jù)量龐大，傳統(tǒng)依靠人工手動錄入的管理方式效率低下、成本高、可靠性低等問題，結(jié)合互聯(lián)網(wǎng)、傳感器、智能定位等技術(shù)設(shè)計并開發(fā)一套拖拉機機庫信息管理系統(tǒng)。該系統(tǒng)分為移動端和機庫端的開發(fā)，移動端使用GPS進行拖拉機室外定位，結(jié)合拖拉機作業(yè)幅寬，計算得到拖拉機的作業(yè)面積等信息，開發(fā)移動端人機交互界面。機庫端先對射頻識別（RFID）的硬件電路進行設(shè)計，再使用Landmarc定位算法進行拖拉機室內(nèi)定位，最后綜合機庫內(nèi)的環(huán)境參數(shù)和移動端上傳的作業(yè)信息等，開發(fā)拖拉機在線管理可視化平臺。為驗證系統(tǒng)的可行性，進行Landmarc算法的定位仿真、作業(yè)面積計算準確性驗證、數(shù)據(jù)上傳丟包測試。試驗結(jié)果表明：拖拉機室內(nèi)定位的平均誤差為1.06 m，可以滿足判斷拖拉機車位的要求；作業(yè)面積計算的平均誤差為4.17%，可以滿足實際作業(yè)時的需求；數(shù)據(jù)存儲成功率為97.70%，能夠?qū)崿F(xiàn)各項數(shù)據(jù)的存儲。

關(guān)鍵詞：管理系統(tǒng)；射頻識別；Landmarc定位算法；GPS；拖拉機

中圖分類號：S23

文獻標識碼：A

文章編號：2095-5553 （2024） 05-0154-08

收稿日期：2023年7月6日? 修回日期：2023年9月27日*基金項目：貴州省科技廳農(nóng)業(yè)支撐項目（黔科合支撐［2020］1Y127號）；重慶市渝北區(qū)科技計劃項目（2022（農(nóng)社）09）

第一作者：張九通，男，1999年生，重慶人，碩士研究生；研究方向為農(nóng)業(yè)物聯(lián)網(wǎng)及智能農(nóng)業(yè)裝備。E-mail：? 2544258668@qq.com

通訊作者：蔣猛，男，1964年生，四川岳池人，碩士，副教授；研究方向為農(nóng)業(yè)物聯(lián)網(wǎng)。E-mail：? driver1964@sina.com

Design and development of tractor hangar information management system

based on RFID and GPS

Zhang Jiutong1， Tang Weidong1， Liu Hongrui1， Yang Sicun1， Liao Mingliang2， Jiang Meng1

（1. College of Engineering and Technology， Southwest University， Chongqing， 400715， China;

2. Zunyi City Bozhou District Secondary Vocational? School， Zunyi， 563102， China）

Abstract：

In view of the huge amount of data generated in the management process of some large tractor hangars， the traditional management method of manual input is inefficient， high cost and low reliability， and a set of tractor hangar information management system is designed and developed in combination with the Internet， sensors， intelligent positioning and other technologies. The system is mainly divided into mobile terminal and hangar end development， the mobile terminal uses GPS for tractor outdoor positioning， calculates the tractor working area and other information combined with the tractor working width，? and develops the mobile terminal human-computer interaction interface. At? the hangar end， the hardware circuit of radio frequency identification （RFID） is designed first， and then the indoor positioning of the tractor is carried out using the Landmarc positioning algorithm， and finally， the tractor online management visualization platform is developed by integrating the environmental parameters in the hangar and the operation information uploaded by the mobile terminal. In order to verify the feasibility of this system， the positioning simulation of Landmarc algorithm， the verification of the accuracy of the operation area calculation， and the packet loss test of data upload are carried out， and the test results show that the average error of the indoor positioning of the tractor is 1.06m， which can meet the requirements of judging the tractor parking space， and the average error of the operation area calculation is 4.17%， which can meet the needs of actual operation. The success rate of data storage is 97.70%， which can realize the storage of various data.

Keywords：

management system; radio frequency identification;? landmarc positioning algorithm; GPS;? tractor

0 引言

近年來，我國農(nóng)業(yè)機械化水平不斷提升［1］，農(nóng)業(yè)機械數(shù)量增長較快。隨著中國科學技術(shù)的不斷發(fā)展，農(nóng)業(yè)機械開始向智能化、信息化轉(zhuǎn)型。對于一些大型的農(nóng)業(yè)機械機庫，其中拖拉機數(shù)量繁多，涉及的農(nóng)機信息和作業(yè)信息的數(shù)據(jù)量龐大。目前大多數(shù)機庫仍采用傳統(tǒng)的人工手動錄入方式進行管理，在數(shù)據(jù)量太龐大的機庫，這種管理方式耗費人力較多，效率低下。在跨區(qū)作業(yè)越來越普遍的今天，拖拉機的管理愈發(fā)復雜，引發(fā)了政府作業(yè)監(jiān)管困難、農(nóng)忙時間拖拉機資源分配難以協(xié)調(diào)、拖拉機實際運行效率難以度量等問題［2］。因此，在物聯(lián)網(wǎng)技術(shù)不斷發(fā)展的背景下，借助互聯(lián)網(wǎng)、傳感器、智能定位和大數(shù)據(jù)等技術(shù)，實現(xiàn)拖拉機機庫的智能化、信息化轉(zhuǎn)型，建立拖拉機機庫信息管理系統(tǒng)，是拖拉機管理的必然趨勢［3-5］。

國外目前有一些關(guān)于農(nóng)業(yè)管理平臺的研究，但是平臺技術(shù)完整性有待提高。比如美國的FarmSightTM農(nóng)業(yè)管理平臺、Trimble Ag Software農(nóng)場管理平臺等［1］。這類管理平臺主要是用于采集拖拉機進行田間作業(yè)時的各項數(shù)據(jù)，對長期采集的數(shù)據(jù)進行分析以指導生產(chǎn)［6］。但是對于日常作業(yè)的管理效果不明顯，且平臺通用性不強，在中國現(xiàn)階段的農(nóng)業(yè)生產(chǎn)中無法起到較好的指導作用。

國內(nèi)目前正處在傳統(tǒng)農(nóng)機向現(xiàn)代農(nóng)機轉(zhuǎn)型的關(guān)鍵時期［7］。在“863”計劃、科學技術(shù)部“十三五”國家重點研發(fā)計劃等重大專項和地方政府的支持下，農(nóng)業(yè)機械的信息化管理在近年來取得了較大的進步。朱登勝等［2］提出了一種農(nóng)機遠程智能管理平臺，以農(nóng)田為核心，將農(nóng)業(yè)生產(chǎn)中的各種數(shù)據(jù)聯(lián)系成一個整體，實現(xiàn)農(nóng)業(yè)資源及農(nóng)田資源的統(tǒng)一分析與管理。張良等［8］基于北斗導航技術(shù)，設(shè)計了農(nóng)機作業(yè)面積管理系統(tǒng)，實現(xiàn)了依靠該系統(tǒng)對作業(yè)面積進行計算和管理。張俊藝等［9］基于Android系統(tǒng)開發(fā)了農(nóng)機調(diào)度管理平臺，建立了農(nóng)機主、農(nóng)民、管理員三方交互的農(nóng)機調(diào)度管理平臺，部分解決了因為信息不暢通引起的農(nóng)機供需缺口大的問題。

隨著導航技術(shù)和傳感器技術(shù)的發(fā)展，農(nóng)業(yè)機械正朝著智能化、信息化的方向發(fā)展，智能化的拖拉機機庫在拖拉機進行日常作業(yè)和管理的過程中，會產(chǎn)生大量的數(shù)據(jù)［10］。為實現(xiàn)拖拉機作業(yè)生產(chǎn)全過程的信息化管理，本研究使用RFID技術(shù)、GPS技術(shù)、物聯(lián)網(wǎng)技術(shù)等，針對拖拉機在機庫端和移動端的感知數(shù)據(jù)，研發(fā)了一種較為通用的拖拉機機庫信息管理系統(tǒng)。在移動端實現(xiàn)駕駛員與拖拉機的人機交互，實現(xiàn)每一臺拖拉機作業(yè)的精準管理；在機庫端實現(xiàn)作業(yè)信息、位置信息、環(huán)境參數(shù)等信息的可視化管理，以及生產(chǎn)數(shù)據(jù)的溯源統(tǒng)計。提高管理效率的同時，大量的生產(chǎn)數(shù)據(jù)能夠為農(nóng)戶生產(chǎn)提供指導，為政府的決策提供數(shù)據(jù)支撐。

1 系統(tǒng)功能架構(gòu)設(shè)計

基于RFID與GPS的拖拉機機庫信息管理系統(tǒng)由機庫端和移動端組成。機庫端由RFID讀寫器進行位置信息的采集，移動端由GPS模塊進行位置信息采集與作業(yè)信息計算。通過DTU無線透傳模塊實現(xiàn)數(shù)據(jù)的上傳。分別在可視化大屏和人機交互界面實現(xiàn)信息可視化。

系統(tǒng)總體架構(gòu)如圖1所示，分為感知層、網(wǎng)絡(luò)層和應用層。其中感知層在機庫端由RFID讀寫器和環(huán)境監(jiān)測傳感器進行數(shù)據(jù)采集，在移動端由GPS進行數(shù)據(jù)采集，采集到的數(shù)據(jù)分別由串口發(fā)送到對應單片機進行處理；網(wǎng)絡(luò)層主要由DTU讀取單片機的數(shù)據(jù)并轉(zhuǎn)發(fā)到網(wǎng)絡(luò)服務器，存入數(shù)據(jù)庫；應用層主要是可視化大屏和人機交互界面，通過服務器獲取前端資源，實現(xiàn)與后臺的數(shù)據(jù)交互。

2 硬件設(shè)計與實現(xiàn)

2.1 嵌入式模塊設(shè)計

嵌入式模塊是本系統(tǒng)采集數(shù)據(jù)的硬件核心，分別需要和RFID讀寫器、GPS、DTU進行通信，在主控芯片內(nèi)部需要進行定位算法的運算。考慮到該模塊需要與多臺設(shè)備進行通訊，而且內(nèi)部需要運算算法，首先考慮選用串口豐富而且運算速度塊的主控芯片，其次再綜合考慮價格、性能等，最終選擇STM32F407GT6作為主控芯片。該芯片性能穩(wěn)定、有6個串口、在168 MHz頻率下，能夠提供210 DMIPS性能。以STM32為主控芯片的控制模塊結(jié)構(gòu)如圖2所示。

2.2 機庫端定位模塊設(shè)計

機庫端定位模塊由STM32、RFID讀寫器、DTU無線模塊組成。該模塊作用于機庫，需要采集機庫中標簽的信號強度，計算待定位標簽對應拖拉機的坐標?？紤]到本系統(tǒng)RFID模塊使用RSSI法進行室內(nèi)定位，讀寫器接收的RSSI值應當具有可靠性，再基于機庫空間以及機庫內(nèi)拖拉機數(shù)量方面的考量，兼顧高性能、低成本、低功耗的要求，最終選擇Impinj的IE701讀寫器。

IE701外部引出了5VDC、GND、GPIO1、GPIO2、UART_RXD、UART_RXD、EN、GPIO3等15個管腳。主控芯片與讀寫器進行通信時，需要連接5VDC、GND為讀寫器供電，連接UART_RXD、UART_RXD進行串口通信，串口通信在TTL電平3.3 V下進行，需額外連接一個3.3 V引腳。主控芯片與讀寫器連接的電路原理圖如圖3所示。

2.3 移動端定位模塊設(shè)計

該模塊由STM32主控芯片、定位裝置、無線模塊、人機交互界面組成。移動端定位模塊作用于拖拉機，需采集拖拉機進行田間作業(yè)時的位置信息［11］，并通過無線模塊上傳到上位機、通過串口傳到人機交互界面。

選用USR-G776-GNSS（DTU）無線模塊進行拖拉機移動端定位。該模塊集成GPS+北斗定位，具有配套的二次開發(fā)云平臺，方便進行二次開發(fā)。同時該模塊具有無線透傳的功能，可以將移動端定位模塊采集的數(shù)據(jù)上傳至云平臺。將其裝備在拖拉機上，這一個模塊就能夠?qū)崿F(xiàn)拖拉機的定位以及數(shù)據(jù)的上傳。DTU將采集的經(jīng)緯度坐標上傳到有人云服務器，在云平臺處理后通過DTU傳到STM32控制芯片，再由STM32的串口2傳輸?shù)饺藱C交互界面。人機交互界面選用TJC8048X550串口屏。定位模塊和人機交互界面的電路接口圖如圖4所示。

3 軟件設(shè)計

3.1 農(nóng)機裝備定位

拖拉機的定位是本文的核心部分，主要分為RFID室內(nèi)定位和GPS室外定位兩部分。當拖拉機在機庫端時，采用RFID室內(nèi)定位技術(shù)進行拖拉機室內(nèi)定位，以此確定機庫中的拖拉機數(shù)量，以及每臺拖拉機所在的車位。當拖拉機離開機庫，進行移動端作業(yè)時，采用GPS實時定位，得到拖拉機的運動軌跡，并以此計算拖拉機的作業(yè)時間和作業(yè)面積。

3.1.1 基于RSSI的LANDMARC室內(nèi)定位算法

考慮到機庫室內(nèi)的環(huán)境復雜，在進行室內(nèi)射頻識別時有很多干擾因素［12］，影響定位精度，因此引入對數(shù)路徑損耗模型（1），圖5是參考距離為1 m，損耗指數(shù)為4、白噪聲的信噪比水平為28 dB時的仿真結(jié)果。

PD=PD0-10μlg（D/D0）+x? （1）

式中：

PD——

距離信號發(fā)射點為D時的信號強度值；

PD0——

距離為D0時的參考信號強度值；

μ——損耗指數(shù)；

D——讀寫器與待定位標簽的距離；

D0——參考距離；

x——正態(tài)分布隨機變量。

LANDMARC算法的原理是通過已布置好的參考標簽協(xié)助定位，根據(jù)參考標簽與待測標簽之間RSSI值的差異賦予不同的權(quán)值，進而使用加權(quán)估算得出待測標簽的坐標［13-15］。

其定位算法的第一步就是由讀寫器獲取參考標簽和待測標簽的信號強度矩陣。假設(shè)定位區(qū)域有讀寫器m臺，待定位標簽s個，布置參考標簽n個，測得的參考標簽RSSI矩陣A和待測標簽RSSI矩陣B，如式（2）所示。

3.1.2 仿真試驗

為了驗證LANDMARC定位算法在農(nóng)業(yè)機械機庫中定位的準確性，使用MATLAB軟件進行室內(nèi)定位仿真試驗。在圖6所示長×寬為40 m×36 m的模擬機庫內(nèi)進行仿真試驗，其中LANDMARC定位算法的k值設(shè)置為4，路徑損耗指數(shù)N設(shè)置為2。

在該模擬機庫的區(qū)域布置讀寫器4個（分別在四個角落）、參考標簽54個（包括36個車位標簽和18個道路標簽）。隨機選擇待定位標簽8個。

使用MATLAB在模擬機庫中進行基于標簽信號強度的LANDMARC算法的拖拉機室內(nèi)定位仿真試驗，仿真結(jié)果如圖7所示。

由式（7）計算得到8個待定位標簽的定位誤差，結(jié)果如圖8所示。

由圖8可知，最大誤差為1.76 m，最小誤差為0.52 m，平均誤差約為1.06 m。拖拉機車位的大小為2 m×4 m，在機庫中只需要知道拖拉機所在的車位即可，因此本文中LANMARC定位算法的精度，能夠滿足機庫內(nèi)拖拉機的定位要求。

3.1.3 基于GPS技術(shù)的農(nóng)機裝備室外定位

拖拉機在移動端作業(yè)時使用USR-G776-GNSS模塊進行室外定位與數(shù)據(jù)透傳，將該模塊安裝在拖拉機車頭的內(nèi)部，由拖拉機的蓄電池供電。該GPS定位模塊內(nèi)置無線透傳模塊，可直接向云平臺傳輸經(jīng)緯度和高度等信息，經(jīng)平臺內(nèi)部運算過后轉(zhuǎn)化成速度、里程、時間等信息，展示在云平臺上。

調(diào)用云平臺的API接口獲取行駛里程，再配合拖拉機的作業(yè)幅寬，根據(jù)式（8）可計算出拖拉機的作業(yè)面積

S=al

（8）

式中：

l——作業(yè)幅寬，m；

a——行駛里程，m。

累加一天內(nèi)拖拉機的行駛里程和行駛時間，就能得到拖拉機一天的作業(yè)時間和作業(yè)里程。拖拉機作業(yè)面積計算流程如圖9所示。

每臺拖拉機上安裝一臺人機交互設(shè)備，該設(shè)備由人機交互界面、STM32控制芯片、USR-G776-GNSS組成。將經(jīng)緯度坐標、作業(yè)里程、作業(yè)面積、作業(yè)時間等信息傳輸至各個拖拉機對應的人機交互設(shè)備中，精準實現(xiàn)每一臺拖拉機的作業(yè)情況統(tǒng)計。

將各個拖拉機的作業(yè)信息進行匯總統(tǒng)計后，上傳至后臺數(shù)據(jù)可視化平臺中，實現(xiàn)機庫中拖拉機作業(yè)情況的總體統(tǒng)計，并在衛(wèi)星地圖中顯示拖拉機的實時位置［19］。

3.2 管理系統(tǒng)構(gòu)建

3.2.1 數(shù)據(jù)庫設(shè)計

拖拉機機庫管理系統(tǒng)的建立離不開數(shù)據(jù)存儲，本系統(tǒng)的數(shù)據(jù)庫采用開源的MySQL數(shù)據(jù)庫進行設(shè)計，借助Navicat Premium 16對數(shù)據(jù)庫進行管理。本系統(tǒng)中主要實體之間的關(guān)系如圖10所示。

RIFD標簽和拖拉機一一對應，通過RFID讀寫器讀取RFID標簽，就能得到標簽對應的拖拉機信息，因此設(shè)計拖拉機表和RFID標簽表。在機庫內(nèi)，通過RFID室內(nèi)定位技術(shù)，得到機庫中各個拖拉機的信息，因此設(shè)計機庫表。在田間，通過GPS定位，可以得到拖拉機室外作業(yè)的總體情況，因此設(shè)計作業(yè)情況表。整個數(shù)據(jù)庫的設(shè)計遵循數(shù)據(jù)庫三范式準則［20］，數(shù)據(jù)庫主要表信息如表1所示。該數(shù)據(jù)庫的建立為農(nóng)機機庫信息管理系統(tǒng)的構(gòu)建奠定了數(shù)據(jù)基礎(chǔ)。

3.2.2 人機交互界面設(shè)計

人機交互界面作用于拖拉機移動端作業(yè)時。在每一臺拖拉機上單獨安裝一塊串口屏，實現(xiàn)拖拉機詳細作業(yè)信息的數(shù)據(jù)可視化。拖拉機詳細作業(yè)信息的人機交互界面包括開關(guān)控制、基本信息、本次作業(yè)信息、累積作業(yè)信息、位置信息等模塊。

當拖拉機啟動時，人機交互界面、GPS模塊等也立即啟動，串口屏上顯示拖拉機的基本信息、累積作業(yè)信息、位置信息等。點擊“開始作業(yè)”按鈕后開始累加本次作業(yè)的時間和面積，結(jié)束作業(yè)時點擊“結(jié)束作業(yè)”按鈕，將本次作業(yè)的時間和面積分別累加到“累積作業(yè)信息”中。

3.2.3 后臺數(shù)據(jù)可視化設(shè)計

機庫中拖拉機數(shù)量眾多，數(shù)據(jù)量較大，為了更直觀地展示機庫中拖拉機的作業(yè)情況和位置信息等，本研究開發(fā)了一個可視化大屏，在機庫端進行展示。本設(shè)計采用有人IOT進行可視化大屏的開發(fā)，借助該平臺可以使用低代碼拖拉拽的方式編輯大屏，實現(xiàn)快速開發(fā)。通過調(diào)用API接口的實時交互數(shù)據(jù)，保證其中數(shù)據(jù)的實時性與真實性。其功能結(jié)構(gòu)如圖11所示。該可視化平臺主要包含三個模塊，分別是機庫端信息管理、移動端信息管理、政策與預警信息。

可視化大屏如圖12所示，左邊三個板塊是機庫端信息管理模塊，包括機庫環(huán)境狀態(tài)、實時電子地圖、拖拉機完好率；右邊四個板塊以及中間的衛(wèi)星地圖是移動端信息管理模塊，包括總體作業(yè)情況、本月作業(yè)統(tǒng)計、駕駛員作業(yè)統(tǒng)計、拖拉機作業(yè)狀態(tài)、GPS實時定位；下面三個板塊是政策與預警信息，包括機庫門禁出入統(tǒng)計、政策文件與新聞、預警報警信息。

4 測試與分析

4.1 系統(tǒng)通信穩(wěn)定性測試

對后臺記錄的數(shù)據(jù)包進行丟包測試，以RFID讀寫器、GPS、環(huán)境監(jiān)測傳感器為測試對象。設(shè)定RFID讀寫器和GPS每20 s采集一次數(shù)據(jù)，環(huán)境監(jiān)測傳感器每1 min采集一次數(shù)據(jù)，選取2023年6月11日14時到2023年6月14日14時，共72 h采集的數(shù)據(jù)作為樣本。對照數(shù)據(jù)庫中收到的數(shù)據(jù)量，丟包測試結(jié)果如表2所示。由表2可知，平均丟包率為2.30%，數(shù)據(jù)存儲成功率為97.70%。從本系統(tǒng)的一般需求以及數(shù)據(jù)完整性需求考慮，該數(shù)據(jù)存儲成功率可滿足實際需求。

4.2 作業(yè)面積計算準確性測試

選擇4塊標準農(nóng)田進行培土作業(yè)，測試根據(jù)式（8）得到的作業(yè)面積準確性。4塊農(nóng)田的面積分別為576 m2、970 m2、1443 m2、1640 m2，駕駛搭載了GPS移動終端的拖拉機進行測試，拖拉機裝載的農(nóng)機具為雄進農(nóng)機WJSP-6培土犁，該機具的作業(yè)幅寬為2.1 m，在移動終端上選擇對應的作業(yè)方式和作業(yè)機具后開始測試。

誤差是由地塊形狀、地塊大小、重復作業(yè)等多方面因素造成的，結(jié)果如表3所示。平均誤差為4.17%，該誤差對駕駛員作業(yè)面積的記錄影響較小，可以滿足實際作業(yè)時的需求。

5 結(jié)論

在農(nóng)業(yè)機械開始智能化、信息化轉(zhuǎn)型的背景下，針對拖拉機機庫中的大量數(shù)據(jù)，設(shè)計并開發(fā)拖拉機機庫信息管理系統(tǒng)。

1）? 本文設(shè)計一套拖拉機機庫信息管理系統(tǒng)，主要分為機庫端和移動端的設(shè)計。在機庫端使用RFID進行拖拉機室內(nèi)定位，獲取拖拉機的位置信息，綜合環(huán)境參數(shù)、作業(yè)信息等，借助有人IOT平臺開發(fā)了前端可視化界面，實現(xiàn)數(shù)據(jù)可視化與數(shù)據(jù)溯源，指導農(nóng)民生產(chǎn)，為政府決策提供數(shù)據(jù)支撐。在移動端使用GPS進行室外定位，并計算作業(yè)量，每臺拖拉機上安裝人機交互界面，自動記錄駕駛員的作業(yè)信息，實現(xiàn)每一臺拖拉機作業(yè)的精準管理。

2） 先對RFID和GPS模塊進行硬件電路設(shè)計，然后對RFID室內(nèi)定位算法進行設(shè)計、用GPS室外定位路徑來計算作業(yè)面積。使用Landmarc定位算法實現(xiàn)拖拉機室內(nèi)定位，完成標簽布局，并使用MATLAB進行拖拉機定位仿真試驗，試驗結(jié)果表明，該算法在該機庫的平均定位誤差為1.06 m，能夠滿足判斷拖拉機車位的要求。用GPS定位獲得的拖拉機行駛里程乘以其作業(yè)幅寬，得到拖拉機作業(yè)面積。

3）? 進行系統(tǒng)通信穩(wěn)定性測試和作業(yè)面積計算準確性測試。連續(xù)72 h的丟包測試數(shù)據(jù)表明，數(shù)據(jù)存儲成功率為97.70%，可以滿足實際需求。選擇4塊標準農(nóng)田開展實地作業(yè)，進行作業(yè)面積計算測試，作業(yè)面積計算誤差的平均值為4.17%，可以滿足實際作業(yè)時的需求。

參 考 文 獻

［1］ 謝斌， 武仲斌， 毛恩榮. 農(nóng)業(yè)拖拉機關(guān)鍵技術(shù)發(fā)展現(xiàn)狀與展望［J］. 農(nóng)業(yè)機械學報， 2018， 49（8）： 1-17.

Xie Bin， Wu Zhongbin， Mao Enrong. Development and prospect of key technologies on agricultural tractor ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（8）： 1-17.

［2］ 朱登勝， 方慧， 胡韶明， 等. 農(nóng)機遠程智能管理平臺研發(fā)及其應用［J］. 智慧農(nóng)業(yè)（中英文）， 2020， 2（2）： 67-81.

Zhu Dengsheng， Fang Hui， Hu Shaoming， et al. Development and application of an intelligent remote management platform for agricultural ［J］. Smart Agriculture， 2020， 2（2）： 67-81.

［3］ 吳文福， 張娜， 李姝峣， 等. 5T智慧農(nóng)場管理系統(tǒng)構(gòu)建與應用探索［J］. 農(nóng)業(yè)工程學報， 2021， 37（9）： 340-349.

Wu Wenfu， Zhang Na， Li Shuyao， et al. Construction and application exploration of 5T smart farm management systems ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（9）： 340-349.

［4］ 朱明， 隋斌， 齊飛， 等. 論中國鄉(xiāng)村振興戰(zhàn)略中的農(nóng)業(yè)工程管理創(chuàng)新［J］. 農(nóng)業(yè)工程學報， 2019， 35（2）： 1-9.

Zhu Ming， Sui Bin， Qi Fei， et al.Innovation of agricultural engineering management in pursuing rural revitalization strategy in China ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2019， 35（2）： 1-9.

［5］ 姚艷， 牛明雷， 孫法軍， 等. 基于微服務架構(gòu)的農(nóng)業(yè)轉(zhuǎn)移支付項目管理系統(tǒng)設(shè)計與實現(xiàn)［J］. 中國農(nóng)業(yè)科學， 2021， 54（15）： 3207-3218.

Yao Yan， Zhu Minglei， Sun Fajun， et al. Design and implementation of agricultural transfer payment project management system based on micro-service architecture ［J］. Scientia Agricultura Sinica， 2021， 54（15）： 3207-3218.

［6］ Jiang Ping， Wang Xianghui， Song Hui， et al. Design and implementation system of maintenance engineering analysis for aero-engine ［J］. Advances in Aeronautical Science and Engineering， 2021， 12（5）： 131-138.

［7］ 姚春生， 何麗虹， 陳謙， 等. 農(nóng)業(yè)機械化信息化融合研究［J］.中國農(nóng)機化學報， 2017， 38（8）： 1-8， 54.

Yao Chunsheng， He Lihong， Chen Qian， et al. Research on fusion of agricultural mechanization and informatization ［J］.Journal of Chinese Agricultural Mechanization， 2017， 38（8）： 1-8， 54.

［8］ 張良， 伍濱濤， 謝景鑫， 等. 北斗導航農(nóng)機作業(yè)面積管理系統(tǒng)設(shè)計與試驗［J］. 中國農(nóng)機化學報， 2020， 41（12）： 139-146.

Zhang Liang， Wu Bintao， Xie Jingxin， et al. Design and test on agricultural machinery operation area management system of Beidou navigation ［J］. Journal of Chinese Agricultural Mechanization， 2020， 41（12）： 139-146.

［9］ 張俊藝， 馮澤佳， 高磊， 等. 基于Android系統(tǒng)的農(nóng)機調(diào)度管理平臺的設(shè)計與開發(fā)［J］. 中國農(nóng)機化學報， 2018， 39（5）： 91-96.

Zhang Junyi， Feng Zejia， Gao Lei， et al.Design and development of agricultural machinery dispatching management platform based on Android system ［J］. Journal of Chinese Agricultural Mechanization， 2018， 39（5）： 91-96.

［10］ Qinghua G， Zhongkuan W， et al. Design of 3D visualization management platform for intelligent coal preparation plant based on coal preparation information model ［J］. Gong-kuang zidonghua. 2022， 48： 54-62.

［11］ 武仲斌， 謝斌， 遲瑞娟， 等. 電動拖拉機田間巡航作業(yè)驅(qū)動轉(zhuǎn)矩管理模型［J］. 農(nóng)業(yè)工程學報， 2019， 35（4）： 88-98.

Wu Zhongbin， Xie Bin， Chi Ruijuan， et al. Driving torque management model for electric tractor in field cruise condition ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2019， 35（4）： 88-98.

［12］ 段宇峰. 基于RFID的物流定位技術(shù)研究［D］. 成都： 電子科技大學， 2016.

Duan Yufeng. Research on RFID logistics position technology ［D］. Chengdu： University of Electronic Science and Technology of China， 2016.

［13］ 李麗娜， 馬俊， 徐攀峰， 等. RFID室內(nèi)定位技術(shù)研究綜述［J］. 計算機應用與軟件， 2015， 32（9）： 1-3， 96.

Li Lina， Ma Jun， Xu Panfeng， et al. Summary of study on RFID indoor localization technology ［J］. Computer Applications and Software， 2015， 32（9）： 1-3， 96.

［14］ 鄒承明， 黃明凱. LANDMARC室內(nèi)定位改進算法［J］. 計算機工程與設(shè)計， 2019， 40（11）： 3111-3117.

Zou Chengming， Huang Mingkai. Improved LANDMARC algorithm on indoor location ［J］. Computer Engineering and Design， 2019， 40（11）： 3111-3117.

［15］ 謝亞琴， 王超. 基于不同鄰近標簽數(shù)選擇的LANDMARC定位算法研究［J］. 南京信息工程大學學報（自然科學版）， 2019， 11（5）： 621-624.

Xie Yaqin， Wang Chao. An improved LANDMARC method based on different neighbor reference nodes ［J］. Journal of Nanjing University of Information Science & Technology （Natural Science Edition）， 2019， 11（5）： 621-624.

［16］ Xu H， Ding Y， Li P， et al. An RFID indoor positioning algorithm based on Bayesian probability and K-nearest neighbor ［J］. Sensors， 2017， 17（8）： 1806.

［17］ Zhang T， Jiao C， Sun H， et al. Application of Internet of Things combined with wireless network technology in volleyball teaching and training ［J］. Computational Intelligence and Neuroscience， 2022， 2022.

［18］ 申思涵， 洪濤， 吳楷文， 等. 基于RFID的智能圖書定位系統(tǒng)［J］. 物聯(lián)網(wǎng)技術(shù)， 2018， 8（12）： 20-24.

［19］ Kayacan E， Kayacan E， Ramon H， et al. Distributed nonlinear model predictive control of an autonomous tractor-trailer system ［J］. Mechatronics， 2014， 24（8）： 926-933.

［20］ 余鵬翔， 石軍鋒. 基于SpringBoot框架的群養(yǎng)母豬飼喂站管理系統(tǒng)設(shè)計與試驗［J］. 中國農(nóng)機化學報， 2023， 44（3）： 149-155， 241.

Xu Pengxiang， Shi Junfeng. Design and experiment of group sow feeding station management system based on SpringBoot framework ［J］. Journal of Chinese Agricultural Mechanization， 2023， 44（3）： 149-155， 241.