Low altitude remote sensing-ground sensing double collection system for farmland quality
-
摘要:目的
将无人机(UAV)低空遥感检测系统与无人机−无线传感器网络(UAV-WSN)集成，实现通过一套系统进行低空遥感监测和地面长期监测的双重监测，为耕地质量的空间和时间变化提供监测数据。
方法本研究探讨了现有UAV-WSN系统无法实现双重采集的问题，设计了一套用于耕地质量监测的低空遥感−地面传感双重采集系统，提出一套双重采集的工作流程，以及提升性能的基于航线的LEACH算法。仿真分析试验中调整UAV飞行高度和地面节点密度，以比较双重采集系统和UAV-WSN系统总飞行时间的不同。
结果双重采集系统1次飞行同时采集2种监测数据，无需完成低空遥感监测数据采集后再次走遍所有地面节点，在低空遥感地面图像分辨率变化的情况下，总飞行时间比UAV-WSN系统快165 s；双重采集系统根据无人机航线和地面节点位置进行调整，在地块内节点数量变化的情况下，总飞行时间基本不变，比UAV-WSN系统快129～194 s。
结论双重采集系统能够减少现场采样所需的总工作时长，降低采样工作的复杂程度，提升耕地质量监测的效率。
Abstract:ObjectiveTo integrate unmanned aerial vehicle (UAV) low altitude remote sensing system and unmanned aerial vehicle-wireless sensor network (UAV-WSN), realize double monitoring of low altitude remote sensing monitoring and ground long term monitoring through one system, and provide monitoring data for space and time changes of farmland quality.
MethodThe study explored the problem that current UAV-WSN system cann’t collect long-term monitoring data from sensor nodes on the ground and low altitude remote sensing data from UAV’s sensor at the same time. A low altitude remote sensing and ground sensing double collection method and system for farmland quality monitoring was designed, and the key steps and algorithm for integrating these two monitoring systems were studied. Adjusting UAV flying altitude and ground node density in simulation analysis experiments to compare total flying time differences of double collection system and UAV-WSN system.
ResultDouble collection system could collect two kinds of data in one flight, UAV don’t need to fly over every ground sensor node again after collecting low altitude remote sensing data. When the ground image resolution was changed, the total flying time of double collection system was 165 s faster than UAV-WSN system. Double collection system could adjust based on UAV flight path and ground sensor node location. When the number of sensor nodes was changed, the total flying time was not changed and 129−194 s faster than UAV-WSN system.
ConclusionDouble collection system can reduce total operating time and complexity of sampling, and increase the efficiency of farmland quality monitoring.
-
非洲猪瘟(African swine fever)是由非洲猪瘟病毒(African swine fever virus，ASFV)引起的急性、烈性、高度接触性的传染病。该病毒是一种有囊膜的双链DNA病毒，ASFV基因组大小约为170~190 kb，编码151~167个基因[1]。ASFV中，B646L基因编码的P72蛋白是ASFV的主要衣壳结构蛋白，也是ASFV检测中最常用的靶基因[2]；EP402R基因编码的CD2v蛋白和多基因家族成员MGF360/505基因均能够影响宿主的干扰素产生，且2个基因的缺失是研制非洲猪瘟疫苗的主要方向之一[3-4]。
目前尚无有效的疫苗和药物用于控制非洲猪瘟，只能通过早期检测淘汰来控制疫情的发展。已经建立的检测方法主要包括红细胞吸附试验、PCR、实时荧光定量PCR、环介导等温扩增(Loop-mediated isothermal amplification，LAMP)及酶促重组酶扩增(Enzymatic recombinase amplification，ERA)等[5]。ERA是一种检测核酸的新技术，通过在模板内添加3种蛋白(DNA重组酶、单链结合蛋白和具有聚合链置换功能的DNA聚合酶)，并加入特异性引物和探针，在一定时间内(15~20 min)完成等温扩增[6]。本研究采用ASFV编码P72蛋白的B646L、编码CD2v蛋白的EP402R和MGF360/505基因作为目的基因模板，通过条件优化，建立用于快速检测ASFV的ERA等温扩增方法。
1. 材料与方法
1.1 主要试剂
基础型核酸扩增试剂盒(ERA法)购自苏州先达基因科技有限公司；Phanta Max Super- Fidelity DNA Polymerase购自南京诺唯赞生物科技有限公司；GenStar 2×Taq PCR StarMix和Loading Dye购自广州康润生物公司；pMD18-T Vector Cloning试剂盒购自Takara公司；RaPure Viral RNA/DNA试剂盒购自广州美基生物科技有限公司。
1.2 病毒株与临床样品
猪繁殖和呼吸综合征病毒(Porcine reproductive and respiratory syndrome virus，PRRSV)、猪瘟病毒(Classical swine fever virus，CSFV)和伪狂犬病毒(Pseudorabies virus，PRV)的阳性DNA或cDNA样品均由华南农业大学兽医学院传染病教研室保存。15 份ASFV阳性核酸样品由华南农业大学国家非洲猪瘟区域实验室(广州)提供。
1.3 引物和探针设计
根据GenBank公布的ASFV GZ201801(GenBank：MT496893.1)病毒基因序列，选取B646L基因(编码p72蛋白)序列、EP402R基因(编码CD2v蛋白)序列和多基因家族成员MGF360/505基因序列的相关片段。根据TwistDX公司给出的指导建议( https://www.twistdx.co.uk/en/support/rpa-assay-design-2)设计ERA引物和探针(表1)，通过BLAST比对确定引物和探针的特异性，送生工生物工程(上海)股份有限公司合成标记。
表 1 ERA探针序列与构建目的片段的引物序列Table 1. ERA probe sequence and primer sequence for constructing target fragment引物/探针
Primer/probe序列(5′→3′)
Sequence产物长度/bp
Product sizeB646L-ERA-probe CTGGAAGAGCTGTATCTCTATCCTGAAAGCT(FAM-dT)(THF)
(BHQ1-dT)CTCTGCGTGGTGAGTGG-C3-spacerB646L-ERA-F1 CGATAAGATTGATACCATGAGCAGTTACGG 173 B646L-ERA-R1 GATTGGCACAAGTTCGGACATGTTGTTAAC B646L-ERA-F2 ACAAGTTCGGACATGTTGTTAACGCCATTA 135 B646L-ERA-R2 CGATAAGATTGATACCATGAGCAGTTACGG B646L-ERA-F3 CGATAAGATTGATACCATGAGCAGTTACGG 137 B646L-ERA-R3 GAGATTGGCACAAGTTCGGACATGTTGTTA EP402R ERA-probe CATTACTTCCTAAGCCTTACAGTCGTTATCAG(FAM-dT)(THF)
(BHQ1-dT)AATACACCTATTTAC-C3-spacerEP402R-ERA-F1 CCTGAATCTAATGAAGAAGAACAATGTCAGCATG 188 EP402R-ERA-R1 CACGGTTTAGGTAAGGGAAATGGGTTGAGT EP402R-ERA-F2 CGGTTTAGGTAAGGGAAATGGGTTGAGTGG 195 EP402R-ERA-R2 CACCACTTCCATACATGAACCATCTCCCAGAG EP402R-ERA-F3 CCACTTCCATACATGAACCATCTCCCAGAG 197 EP402R-ERA-R3 CACGGTTTAGGTAAGGGAAATGGGTTGAGT MGF-ERA-probe CAGCGCGTAACAGTAATATATTGTTAATGGAT(FAM-dT)(THF)
(BHQ1-dT)TATCCTTGGTAGAAGC-C3-spacerMGF-ERA-F1 TTGTACTGAAGTAAGCATAGCTTGGTTGAT 194 MGF-ERA-R1 GAATGGCGATTAAAATGTCTCCTGTATTAT MGF-ERA-F2 GAATGGCGATTAAAATGTCTCCTGTATTAT 192 MGF-ERA-R2 TATTGTACTGAAGTAAGCATAGCTTGGTTG MGF-ERA-F3 GTACTGAAGTAAGCATAGCTTGGTTGATGT 196 MGF-ERA-R3 GAATGGCGATTAAAATGTCTCCTGTATTAT B646L-18t-F TTAGGTACTGTAACGCAGCACAGCTGAAC 1 941 B646L-18t-R ATGGCATCAGGAGGAGCTTTTTGTCTTAT EP402R-18t-F TAAAATGATAATACTTATTTTTTTAAT 1 087 EP402R-18t-R TTAAATAATTCTATCTACGTGAATA MGF-18t-F GTGTTGACAGATACCAGCCCGTAG 2 559 MGF-18t-R GTAAAGGCCGTGAAGAGCGATAA 1.4 DNA标准模板的制备
以ASFV(GZ201801株)细胞培养悬液为样本，按照RaPure Viral RNA/DNA提取试剂盒说明书，对病毒悬液进行DNA提取。利用构建目的片段的引物(B646L-18t-F/R、EP402R-18t-F/R和MGF-18t-F/R)，使用Phanta Max Super-Fidelity DNA Polymerase试剂盒，经过PCR后，获得B646L、EP402R和MGF360/505目的基因片段(表1)。PCR反应体系：2× Phanta Max Buffer 25 μL，dNTP Mix(10 mmol·L−1) 2 μL，Phanta Max Super-Fidelity DNA Polymerase 1 μL，上、下游引物(10 μmol·L−1)各2 μL，DNA样本2 μL，ddH2O补足50 μL。反应程序：95 ℃ 3 min；95 ℃ 15 s、61 ℃(B646L)/43 ℃(EP402R)/57 ℃(MGF360/505) 15 s、72 ℃ 1 min(B646L)/1 min(EP402R)/1.5 min(MGF360/505)，35个循环；72 ℃延伸5 min。上述病毒核酸提取及扩增反应体系配置操作均在国家非洲猪瘟区域实验室(广州)所在的华南农业大学生物安全三级实验室完成。将纯化后的目的片段连接至pMD18-T载体后，送至广州天一辉远基因科技有限公司进行测序。测序正确后，换算为拷贝数。
1.5 ERA方法的引物筛选
以构建的DNA标准质粒为模板，通过PCR获得ERA引物的产物(B646L-ERA-F1/R1、B646L-ERA-F2/R2和B646L-ERA-F3/R3，EP402R-ERA-F1/R1、EP402R-ERA-F2/R2和EP402R-ERA-F3/R3，MGF-ERA-F1/R1、MGF-ERA-F2/R2和MGF-ERA-F3/R3)，筛选出试验效果较优引物对。PCR反应体系：2 × Taq PCR StarMix 10 μL，上、下游引物(10 μmol·L−1)各0.40 μL，模板2 μL，ddH2O补足20 μL。反应程序：94 ℃ 2 min；94 ℃ 30 s、59 ℃(B646L)/62 ℃(EP402R)/56 ℃(MGF360/505) 30 s、72 ℃ 45 s，5个循环；72 ℃延伸5 min。使用常规ERA方法，进行第2次引物筛选，筛选出试验效果较优引物对。ERA反应体系：溶解剂20 μL，上、下游引物(10 μmol·L−1)各2.10 μL，模板2 μL，激活剂2 μL，ddH2O补足50 μL。反应程序：37 ℃ 30 min，每15 s收集FAM荧光信号。
1.6 ERA方法反应体系因素水平设计与优化
参考ERA方法的使用说明[7]，采用L9(33)的正交方法设计方案(表2)。优化ERA体系中的温度、探针浓度、引物浓度、激活剂浓度。经试验得出结果，使用Minitab软件分析得出各因素的最优水平。
1.7 ERA方法的特异性试验
以PRRSV、CSFV和PRV的DNA或cDNA作为对照，ddH2O为空白对照，使用优化后的ERA方法进行荧光检测，通过观察有无扩增曲线，检测方法的特异性。
表 2 L9(33)试验方案Table 2. L9(33) experimental program序号
Order numberθ/℃ 探针体积/μL
Probe volume引物体积/μL
Primer volume激活剂体积/μL
Activator volume1 37 0.24 0.84 1 2 37 0.48 2.10 2 3 37 0.72 3.15 3 4 39 0.24 2.10 3 5 39 0.48 3.15 1 6 39 0.72 0.84 2 7 42 0.24 3.15 2 8 42 0.48 0.84 3 9 42 0.72 2.10 1 1.8 ERA方法的灵敏性试验
将pMD18T-ASFV-B646L、pMD18T-ASFV-EP402R和pMD18T-ASFV-MGF按10倍梯度各稀释至拷贝数为106、105、104、103、102、101和100 μL−1。以各浓度梯度的pMD18T-ASFV-B646L、pMD18T-ASFV-EP402R和pMD18T-ASFV-MGF为模板，同时加入ddH2O作为空白对照。使用优化后的ERA方法进行荧光检测，重复3次，检测方法的灵敏性。
1.9 ERA方法的重复性试验
以拷贝数为105、104和103 μL−1的pMD18T-ASFV-B646L、pMD18T-ASFV-EP402R和pMD18T-ASFV-MGF为模板，ddH2O作为空白对照。使用优化后的ERA方法进行荧光检测，重复3次，检测方法的重复性。
1.10 ERA方法的临床样本验证检测
以15份ASFV DNA阳性样品和50份DNA阴性样品为模板，使用优化后的ERA方法进行荧光检测，并参照GB/T 18648—2020非洲猪瘟诊断技术标准[8]提供的B646L基因的扩增引物和探针检测样品，将2种方法的结果进行对比分析。
2. 结果与分析
2.1 DNA模板的制备
以ASFV GZ201801病毒基因组为模板，B646L-18t-F/R、EP402R-18t-F/R和MGF-18t-F/R为引物，分别扩增获得1 941、1 087和2 559 bp的特异性片段(图1A~1C)。将扩增片段纯化后，克隆到pMD18-T载体上，进行体外扩增检测得出结果(图1D~1F)并测序正确后，命名为pMD18T-ASFV-B646L、pMD18T-ASFV-EP402R和pMD18T-ASFV-MGF。测得pMD18T-ASFV-B646L、pMD18T-ASFV-EP402R和pMD18T-ASFV-MGF的DNA拷贝数分别为4.15×1010、4.67×1010和4.13×1010 μL−1。
![]()
图 1 PCR扩增产物结果(A~C)以及质粒鉴定结果(D~F)M：DS2000 marker；M1：DS10000 marker；1：B646L；2：EP402R；3：MGF360/505Figure 1. PCR amplification product results (A−C) and plasmid identification results (D−F)2.2 ERA方法的引物筛选
将每对ERA引物，分别进行普通PCR，发现每对引物的特异性都很好(图2)。再使用ERA体系，对每对ERA引物进行荧光检测，挑选出最优的1对引物。以反应管内的荧光信号到达设定的阈值(△Rn=5000)时所经历的循环数(Cycle number)最低为原则，且荧光值最大为选择标准。分析后，B646L-ERA-F1/R1、EP402R-ERA-F2/R2、MGF-ERA-F1/R1分别为常规ERA-ASFV-B646L、ERA-ASFV-EP402R、ERA-ASFV-MGF方法的最优引物对(图3)。
![]()
图 2 普通PCR对不同引物的检测结果M：DS2000 marker；1：B646L-ERA-F1/R1；2：B646L-ERA-F2/R2；3：B646L-ERA-F3/R3；4：EP402R-ERA-F1/R1；5：EP402R-ERA-F2/R2；6：EP402R-ERA-F3/R3；7：MGF-ERA-F1/R1；8：MGF-ERA-F2/R2；9：MGF-ERA-F3/R3Figure 2. Normal PCR detection results of different primers![]()
图 3 常规ERA对不同引物的检测结果Figure 3. Routine ERA detection results of different primer pairsB1: B646L-ERA-F1/R1; B2: B646L-ERA-F2/R2; B3: B646L-ERA-F3/R3; E1: EP402R-ERA-F1/R1; E2: EP402R-ERA-F2/R2; E3: EP402R-ERA-F3/R3; M1: MGF-ERA-F1/R1; M2: MGF-ERA-F2/R2; M3: MGF-ERA-F3/R32.3 ERA方法条件优化
用最优的1对引物按表2试验方案进行ERA反应，每个组合重复4次，以设定的阈值所经历的循环数最低为原则，记录结果。9组试验结果经过极差分析，得出每个因素的最佳水平，最终列出最佳反应体系。50 μL反应体系中，ERA-ASFV-B646L：42 ℃，探针0.48 µL，上、下游引物各3.15 µL，激活剂2 µL，溶解剂20 µL，ddH2O 21.22 µL；ERA-ASFV-EP402R：42 ℃，探针0.24 µL，上、下游引物各2.10 µL，激活剂2 µL，溶解剂20 µL，ddH2O 23.56 µL；ERA-ASFV-MGF：42 ℃，探针0.48 µL，上、下游引物各3.15 µL，激活剂2 µL，溶解剂20 µL，ddH2O 21.22 µL。
2.4 ERA方法的特异性试验
对PRRSV、CSFV、PRV的DNA或cDNA进行ERA检测，ddH2O为空白对照。结果(图4)显示，该方法对其他3种病毒的DNA或cDNA无特异性扩增，表明该方法具有较强的特异性。
![]()
图 4 ERA-ASFV-B646L、ERA-ASFV-EP402R和ERA-ASFV-MGF方法的特异性检测PRRSV：猪繁殖和呼吸综合征病毒，PRV：伪狂犬病毒，CSFV：猪瘟病毒Figure 4. The specificity detection of ERA-ASFV-B646L, ERA-ASFV-EP402R and ERA-ASFV-MGF methodsPRRSV: Porcine reproductive and respiratory syndrome virus, PRV: Pseudorabies virus, CSFV: Classical swine fever virus2.5 ERA方法的灵敏性试验
以拷贝数为100~106 μL−1梯度的pMD18T-ASFV-B646L、pMD18T-ASFV-EP402R和pMD18T-ASFV-MGF质粒为模板，使用优化过的ERA方法进行检测。结果显示，ERA-ASFV-B646L、ERA-ASFV-EP402R和ERA-ASFV-MGF方法检测所用时间分别为16、7和13 min，且对质粒拷贝数的检测限均为102 μL−1(图5)。
![]()
图 5 ERA-ASFV-B646L、ERA-ASFV-EP402R和ERA-ASFV-MGF方法的灵敏性检测Figure 5. The sensitivity detection of ERA-ASFV-B646L, ERA-ASFV-EP402R and ERA-ASFV-MGF methods2.6 ERA方法的重复性试验
以拷贝数为105、104和103 μL−1的标准质粒分别作为模板，进行3次ERA扩增反应。结果(表3)显示，标准质粒浓度越高，重复性越好，但所构建的方法不适合非洲猪瘟的定量试验。
2.7 ERA方法的临床样本验证
采用ERA-ASFV-B646L、ERA-ASFV-EP402R和ERA-ASFV-MGF方法同时检测ASFV 15份阳性核酸样品和50份阴性核酸样品，使用GB/T 18648—2020非洲猪瘟诊断技术标准[8]提供的检测方法与之进行比较。结果显示，本试验建立的3种检测方法的检测结果与推荐方法检测结果的符合率为100%。所构建的方法适合非洲猪瘟的定性试验。
表 3 ERA-ASFV-B646L、ERA-ASFV-EP402R和ERA-ASFV-MGF方法的重复性检测Table 3. The repeatability detection of ERA-ASFV-B646L, ERA-ASFV-EP402R and ERA-ASFV-MGF methods方法
Method标准质粒拷贝数/μL−1
Standard plasmid copy number循环数
Cycle number变异系数/%
Coefficient of variationERA-ASFV-B646L 105 6.71 5.54 104 8.79 6.15 103 13.86 10.57 ERA-ASFV-EP402R 105 6.64 1.20 104 8.30 9.15 103 8.64 10.45 ERA-ASFV-MGF 105 6.92 5.95 104 9.64 1.72 103 11.73 5.61 3. 讨论与结论
目前，我国非洲猪瘟疫情总体可控，大部分猪场正在通过改变传统养殖结构限制非洲猪瘟疫情对养猪行业的影响。在尚无有效的治疗药物和商品化疫苗的情况下，只能通过生物安全配合实验室检测来防控疫情[9-10]。实验室检测方法种类很多，但各有优缺点[11]，ELISA有着操作简单、重复性好等特点，但不适用于ASFV感染的暴发期，且存在假阳性的诊断[12]；LAMP方法具有高特异性、高灵敏性的特点，但获得检测结果至少需要40 min，也易产生假阳性结果[13]。ERA检测方法作为新型分子病原学诊断方法，在37~42 ℃的条件下即可实现核酸扩增，仅需要20 min左右的检测周期，在适合条件下改变试验条件，依然可以保持较高的灵敏度和较强的特异性[14-15]；例如Xia等[16]使用逆转录–酶促重组等温扩增技术(Reverse transcription-enzymatic recombinase amplification，RT-ERA)对新冠病毒(COVID-19)RNA的双基因同时检测，25 min内得出结果，无需特殊设备就可进行简便的居家检测。
目前构建的ERA-ASFV核酸检测方法需要注意以下问题。首先，普通移液枪无法吸取精确体积的黏性溶解剂，导致结果的重复性不是很好；在添加含有溶解剂溶液的过程中，需要使用为吸取黏性液体而设计的移液器。其次，ERA方法反应非常迅速，扩增曲线会在短时间内迅速上升并进入平台期；所以，当加入所有试剂成分后，需要立即检测荧光。另外，目前建立的ERA-ASFV方法只能在病毒检测中作为定性的方法；检测结束后，反应不会自行终止，需要高温灭活试管中的蛋白。
综上所述，本试验建立的ERA-ASFV-B646L、ERA-ASFV-EP402R和ERA-ASFV-MGF方法特异性强，对应的最低拷贝数检测限均为102 μL−1，分别在16、7和13 min内即可完成反应。参照GB/T 18648—2020非洲猪瘟诊断技术标准[8]推荐方法，经过对比，与推荐检测方法结果一致。本研究结果可为ASFV检测提供一种新方法，并为今后ASFV的ERA多基因检测打下良好技术基础。
-
![]()
图 1 立体无线传感器网络(a)和低空遥感监测系统(b)技术方案
Figure 1. Solutions of stereo wireless sensor network (a) and low altitude remote sensing monitoring system (b)
![]()
图 3 低空遥感−地面传感监测双重采集系统技术方案
Figure 3. Solution of low altitude remote sensing-ground sensing double collection system
![]()
图 6 低空遥感−地面传感双重采集仿真器
“□”表示地面节点位置，“▷”表示无人机位置，“−−−”表示无人机飞行航线，“◯”表示地面有效通信范围，“◯”表示无人机所在高度的水平面上的有效通信范围
Figure 6. Emulator of low altitude remote sensing-ground sensing double collection
“□” indicates ground node location, “▷” indicates UAV location, “−−−” indicates UAV flight route, “◯” indicates effective communication range on the ground, “◯” indicates effective horizontal communication range in the altitude of UAV
表 1 通信试验数据
Table 1 Test data of communication experiment
水平距离/m
Horizontal distance垂直高度/m
Vertical height直线距离/m
Straight-line distance丢包率/%
Packet loss平均信号强度/dBm
Average signal strength18 10 20.59 4.76 −50.45 18 30 34.99 0.00 −60.75 18 50 53.14 4.76 −75.65 18 70 72.28 0.00 −68.40 33 10 34.48 0.00 −54.60 33 30 44.60 0.00 −58.25 33 50 59.91 0.00 −67.70 33 70 77.39 9.09 −75.75 45 10 46.10 0.00 −58.65 45 30 54.08 0.00 −57.30 45 50 67.27 0.00 −67.15 45 70 83.22 0.00 −68.10 60 10 60.83 0.00 −68.85 60 30 67.08 0.00 −60.45 60 50 78.10 4.76 −59.35 60 70 92.20 0.00 −67.70 60 90 108.17 0.00 −69.35 
下载: 导出CSV
-
[1] 马建辉, 吴克宁, 赵华甫, 等. 我国耕地质量监测指标体系的构建[J]. 广东农业科学, 2012, 39(21): 74-78. [2] 张蚌蚌, 孔祥斌, 郧文聚, 等. 我国耕地质量与监控研究综述[J]. 中国农业大学学报, 2015, 20(2): 216-222. [3] 瞿华香, 赵萍, 陈桂鹏, 等. 基于无线传感器网络的精准农业研究进展[J]. 中国农学通报, 2014, 30(33): 268-272. [4] 黄欣, 赵志刚, 万荣泽. 面向精细农业的无线传感器网络关键技术研究[J]. 农机化研究, 2017, 39(11): 208-211. [5] THAKUR D, KUMAR Y, KUMAR A, et al. Applicability of wireless sensor networks in precision agriculture: A review[J]. Wireless Pers Commun, 2019, 107(1): 471-512. doi: 10.1007/s11277-019-06285-2
[6] MAHMOOD J H, ROSDIADEE N, KAMEL G S, et al. Energy-efficient wireless sensor networks for precision agriculture: A review[J]. Sensors, 2017,17(8). doi: 10.3390/s17081781.
[7] 梅海彬, 张明华, 黄冬梅. 基于无线传感器网络的实时近海环境监测系统设计[J]. 计算机应用与软件, 2015, 32(1): 110-113. [8] 王德麾, 冯军帅, 宋海亮, 等. 基于无线传感器网络和3G/4G的远程环境监测系统研究[J]. 物联网技术, 2015, 5(3): 17-18. [9] LI W, KARA S. Methodology for monitoring manufacturing environment by using wireless sensor networks (WSN) and the internet of things (IoT)[J]. Procedia CIRP, 2017: 61. doi: 10.1016/j.procir.2016.11.182
[10] 余修武, 余员琴, 江珊. 基于无线传感器网络的滑坡地质灾害预警监测系统研究[J]. 南华大学学报(自然科学版), 2014, 28(1): 34-39. [11] 苏国栋, 王平, 蔡碧丽, 等. 基于ZigBee技术的无线传感器网络在山体滑坡监测中的应用[J]. 梧州学院学报, 2013, 23(6): 27-34. doi: 10.3969/j.issn.1673-8535.2013.06.005 [12] 邓宏. 无线传感网络技术在文化遗产保护领域的应用[J]. 文物保护与考古科学, 2011, 22(3): 60-65. [13] 祁浩, 邓宏, 余珊珊. 无线传感器网络在考古发掘现场动态环境监测的应用研究[J]. 敦煌研究, 2013(1): 113-119. [14] 蔡义华, 刘刚, 李莉, 等. 基于无线传感器网络的农田信息采集节点设计与试验[J]. 农业工程学报, 2009, 25(4): 176-178. [15] 王卫星, 罗锡文, 孙道宗, 等. 茶园信息采集无线传感器网络节点设计[J]. 农业工程学报, 2011, 27(5): 169-173. [16] 韩文霆, 吴普特, 郁晓庆, 等. 农业环境信息无线传感器网络监测技术研究进展[J]. 农业工程学报, 2011, 27(14): 326-330. [17] ALI Z A, MASROOR S, AAMIR M. UAV based data gathering in wireless sensor networks[J]. Wireless Pers Commun, 2019, 106(4): 1801-1811. doi: 10.1007/s11277-018-5693-6
[18] 姚仲敏, 荆宝刚, 孙彩苹. 基于移动无线传感器网络的植株图像监测系统设计与测试[J]. 农业工程学报, 2016, 32(11): 189-196. [19] 李敬兆, 郭明明, 张晓明. 地空交互多感融合森林防护监测系统[J]. 传感器与微系统, 2019, 38(1): 110-113. [20] 黄志宏, 张波, 兰玉彬, 等. 基于UAV-WSN的农田数据采集[J]. 华南农业大学学报, 2016, 37(1): 104-109. [21] 张珊珊, 孟庆奎, 王玲. 基于UAV动态特性限制的WSN分簇路由方法研究[J]. 智能计算机与应用, 2018, 8(2): 14-19. [22] 史舟, 梁宗正, 杨媛媛, 等. 农业遥感研究现状与展望[J]. 农业机械学报, 2015, 46(2): 247-260. [23] 白由路, 金继运, 杨俐苹, 等. 低空遥感技术及其在精准农业中的应用[J]. 土壤肥料, 2004(1): 3-6. [24] PERZ R, WRONOWSKI K. UAV application for precision agriculture[J]. Aircr Eng Aerosp Tec, 2019, 91(2): 257-263. doi: 10.1108/AEAT-01-2018-0056
[25] MAES W H, STEPPE K. Perspectives for remote sensing with unmanned aerial vehicles in precision agriculture[J]. Trends Plant Sci, 2018, 24(2): 152-164.
[26] GÓMEZ-CANDÓN D, CASTROA I, LÓPEZ-GRANADOS F. Assessing the accuracy of mosaics from unmanned aerial vehicle (UAV) imagery for precision agriculture purposes in wheat[J]. Precis Agric, 2014, 15(1): 44-56. doi: 10.1007/s11119-013-9335-4
[27] 徐秀云, 陈向, 刘宝梅. 微型无人机助力土地整治项目监管[J]. 测绘通报, 2017(3): 86-90. [28] 张柯, 刘元志, 董胜光, 等. 无人机技术在土地综合整治动态监管项目中的一体化应用模式探索[J]. 国土资源导刊, 2013, 10(8): 92-94. [29] 毕凯, 李英成, 丁晓波, 等. 轻小型无人机航摄技术现状及发展趋势[J]. 测绘通报, 2015(3): 27-31. [30] 吕立蕾, 张卫兵, 胡树林, 等. 低空无人机航摄系统在长距离输油(气)管道1∶2 000带状地形图测绘中的应用研究[J]. 测绘通报, 2013(4): 42-45. [31] 杨青山, 范彬彬, 魏显龙, 等. 无人机摄影测量技术在新疆矿山储量动态监测中的应用[J]. 测绘通报, 2015(5): 91-94. [32] 郭忠磊, 翟京生, 张靓, 等. 无人机航测系统的海岛礁测绘应用研究[J]. 海洋测绘, 2014, 34(4): 55-57. [33] 兰玉彬. 精准农业航空技术现状及未来展望[J]. 农业工程技术, 2017, 37(30): 27-30. [34] 杨润书, 吴亚鹏, 李加明, 等. 无人机航摄系统的特点及应用前景探讨[J]. 地矿测绘, 2011, 27(1): 8-9. [35] 张永年. 无人机低空遥感海洋监测应用探讨[J]. 测绘与空间地理信息, 2013, 36(8): 143-145. [36] WANG X D, ZHOU Q F, CHENG C T. A UAV-assisted topology-aware data aggregation protocol in WSN[J]. Phys Commun-Amst, 2019: 34. doi: 10.1016/j.phycom.2019.01.012.
[37] CAO H R, LIU Y X, YUE X J, et al. Cloud-assisted UAV data collection for multiple emerging events in distributed WSNs[J]. Sensors , 2017, 17(8). doi: 10.3390/s17081818.
[38] SARMAD R, MUJDAT S. Analyzing the effects of UAV mobility patterns on data collection in wireless sensor networks[J]. Sensors, 2017, 17(2). doi: 10.3390/s17020413.
[39] HO D T, GRØTLIE I, SUJIT P B, et al. Optimization of wireless sensor network and UAV data acquisition[J]. J Intell Robot Syst, 2015, 78(1): 159-179. doi: 10.1007/s10846-015-0175-5
[40] 王赛, 郝建军, 姚亚芬. 一种基于UAV的无人海岛监控网络数据收集策略[J]. 电讯技术, 2018, 58(2): 131-137. [41] 张旺. 基于无线传感器网络的无人机农田信息监测系统[J]. 南方农机, 2017, 48(9): 36-37. [42] 张波, 罗锡文, 兰玉彬, 等. 基于无线传感器网络的无人机农田信息监测系统[J]. 农业工程学报, 2015, 31(17): 176-182. [43] 郑锴, 童利标, 陆文骏. 应用无人机实现地面无线传感器网络通信中继的探讨[J]. 现代电子技术, 2007, 30(23): 40-41. [44] 王勇, 庞蕾, 张学东, 等. 基于PhotoScan的无人机航摄大比例尺DOM制作[J]. 矿山测量, 2017, 45(2): 14-17. [45] 张纯斌, 杨胜天, 赵长森, 等. 小型消费级无人机地形数据精度验证[J]. 遥感学报, 2018, 22(1): 185-195. [46] 黄健. 遥感影像纠正的地面控制点选取[J]. 现代测绘, 2005(S1): 208-209. -
期刊类型引用(14)
1. 潘婷婷，康喜龙，黄霞，孟闯，潘志明，焦新安. 非洲猪瘟诊断靶标的研究进展. 微生物学通报. 2025(02): 510-521 . 
百度学术
2. 苗雅倩，杨艳歌，赵健淞，魏莹，王秀娟，袁飞，王正亮，张峰. 配方乳粉中6种致病菌双重酶促等温扩增快速检测方法的建立. 微生物学报. 2025(03): 1319-1336 . 百度学术
3. 赵健淞，杨艳歌，刘通，魏莹，李红娜，李涛，孙冬梅，袁飞. 现制直饮品中铜绿假单胞菌的ERA快速检测. 中国食品学报. 2025(04): 376-385 . 百度学术
4. 华冰洁. 非洲猪瘟的研究进展. 中国动物保健. 2024(02): 7-8+28 . 百度学术
5. 潘建良. 非洲猪瘟防控期间养猪场生物安全管理探讨. 今日畜牧兽医. 2023(02): 22-23+26 . 百度学术
6. 王帅，杨艳歌，吴占文，李红娜，李涛，孙冬梅，袁飞. 重组酶聚合酶扩增、重组酶介导等温扩增及酶促重组等温扩增技术在食源性致病菌快速检测中的研究进展. 食品科学. 2023(09): 297-305 . 百度学术
7. 林志伟，王帅，王迎春，吴占文，李涛，李红娜，杨艳歌，袁飞. 婴儿配方乳粉中食源性致病菌双重ERA快速检测方法的建立. 食品科学. 2023(18): 347-354 . 百度学术
8. 杨艳歌，王帅，李红娜，李涛，吴占文，孙冬梅，袁飞. 沙门氏菌ERA可视化快速检测方法的建立. 中国食品学报. 2023(10): 261-272 . 百度学术
9. 杨艳歌，吴占文，李涛，王帅，李红娜，孙冬梅，袁飞. GI和GII诺如病毒ERA的可视化快速检测. 华南理工大学学报(自然科学版). 2023(12): 140-151 . 百度学术
10. 王翠，许宗丽，黄溢泓，覃艳然，梁竞臻，周师师，刘针伶，黄小武，马小蓉，李志源，严斯刚. 非洲猪瘟病原学检测技术研究进展. 中国动物检疫. 2022(02): 74-81 . 百度学术
11. 张帅，刘媛，赵云环，刘莹，左玉柱，范京惠. 非洲猪瘟病毒研究进展. 中国兽医学报. 2022(12): 2569-2577 . 百度学术
12. 魏晓通，周宇航，刘扬，荣馨锐，张士新，徐亚维. 酶促恒温扩增技术快速鉴定食品中牡蛎成分. 食品科技. 2022(11): 255-261 . 百度学术
13. 倪俊芬，陈前岭，仲向前. 我国对非洲猪瘟病毒的研究进展综述. 中国猪业. 2022(06): 70-74 . 百度学术
14. 王良辉. 精准清洗消毒是防控非洲猪瘟的重要措施. 兽医导刊. 2021(23): 79-80 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 18365
- HTML全文浏览量: 4
- PDF下载量: 37646
- 被引次数: 18
