基于多Agent的多媒体传感器网络的上下文感知计算

埃及信息学杂志20（2019）33基于多Agent的多媒体传感器网络K.N. Bhanua，Bagh，T.Bhaskara Reddyb，M.Hanumanthappaca研究学者，系计算机科学应用，Rayalaseema大学，AP，印度b部Sri Krishnadevaraya University，A.P.，印度c部班加罗尔大学计算机科学应用系，印度班加罗尔阿提奇莱因福奥文章历史记录：2017年6月4日收到2018年4月5日修订2018年7月2日接受在线提供2018年保留字：无线多媒体传感器网络上下文感知计算Agent技术基于内容的图像检索A B S T R A C T无线多媒体传感器网络（Wireless Multimedia Sensor Network，WMSN）在农业监测、基础设施、军事行动、灾害管理等方面有着广泛的应用，其中节能是WMSN应用的一个重要方面本文提出了一种基于多代理的上下文感知信息收集WMSN农业监测。本文考虑了检测紧急事件、时间和计算环境等三种背景，用于检测植物、杂草、火灾等病害，并根据土壤参数解释土壤肥力这项工作考虑由传感器节点驱动的上下文。每当检测到上下文时，信息将被发送到汇聚节点。该方案的工作原理如下：每个传感器感知信息，并更新节点的知识库。基于感测到的信息，节点解释诸如受疾病影响的植物、土壤肥力、火灾和杂草生长的上下文。传感器节点在路径发现代理的帮助下开始将存储的信息传输到簇头。簇头将现场传感器节点接收到的信息进行汇总，然后借助查询代理（QA）将这些信息发送到汇聚节点。在汇聚节点处，所有信息将被发送到最终用户，但是在火灾检测的情况下，汇聚节点本身将立即采取行动以打开喷水装置。一旦传感器完成指定的任务（传感，通信），然后自动进入睡眠模式。为了检测植物病害和杂草，使用基于内容的图像检索分别与健康或有用的植物图像进行为了进行性能分析，使用NS2对所提出在这项工作中考虑的一些性能参数是上下文检测时间，延迟，融合时间和能量消耗。©2019 Elsevier B.V.制作和托管代表开罗计算机和信息学院大学这是一篇CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍无线传感器网络（Wireless Sensor Networks，WSN）由具有感知、计算和无线通信能力的微小传感器节点组成。一个微小的传感器节点在短距离内通信，并协同工作，以满足特定的应用程序*通讯作者。电子邮件地址：www.example.combhanu.kn @ gmail.com（K.N. Bhanu）。开罗大学计算机和信息系负责同行审查。WSN的目标。在文献[1]中，作者强调了重新考虑传统无线传感器网络计算能力的需求。传感器节点可以配备有多分辨率相机，其收集大量的多媒体数据，除了收集标量数据的基本传感器节点之外。无线多媒体传感器网络（WMSN）是一个由具有多媒体能力的传感器节点组成的网络WMSN需要复杂的硬件来处理多媒体数据并减少通信所需的能量，如作者在[2，3]中所讨论的。大多数WMSN都有大量的冗余数据，因此这些冗余数据可以以有效的方式进行处理和聚合，这反过来又降低了能量消耗并延长了电池的寿命。为了节省网络生命周期的WMSN，上下文感知计算以及软件代理技术提出了这项工作。https://doi.org/10.1016/j.eij.2018.07.0011110-8665/©2019制作和主办由Elsevier B. V.代表开罗大学计算机和信息学院这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表埃及信息学杂志杂志主页：www.sciencedirect.com34K.N. Bhanu等人/Egyptian Informatics Journal 20（2019）33一个系统是上下文感知的，如果它使用上下文来提供相关的信息和服务给用户。WMSN基于上下文的信息收集需要有适当的信息和上下文的测量，我们用什么来表示系统。上下文感知计算有助于从环境中检索相关信息，这反过来又可以节省WMSN的网络生命周期，如[4]所述。软件代理可以用于信息收集以延长网络寿命，如[5]所述。代理可以是静态的或移动的。静态代理驻留在特定位置，通过收集感测到的信息并存储在节点数据库中来执行任务。此外，它还向移动代理提供信息。移动代理通过在整个网络环境中移动来执行任务，从而从每个传感器节点收集数据并将其提供给汇聚节点，如[26-29]所示现代技术如无线多媒体传感器网络以及上下文感知决策能力对于改变农业实践以提高生产率是重要的。无线传感器网络的无线特性适用于监测农业需求。上下文感知传感器网络有助于节省网络中的能量利用，从而在生产性农业监测中实现传感器节点随机部署在整个领域。传感器节点采集土壤湿度、叶片湿度、土壤pH值、温度、大气压力等信息。基于这些值汇聚节点提供了解决方案。开展拟议工作的动机是，在印度这样的国家，农业是一项主要职业，是国家经济的支柱在农业方面可以看到两个主要缺点，即水管理和生产率低。WMSN有助于为农业问题提供解决方案，例如监测作物以进行灾害检测、土壤肥力、植物疾病和杂草检测。由于农业文化是一个丰富的领域的上下文意识，农业场景被认为是拟议的工作。这篇文章集中在改善低生产率的问题，考虑WMSN的农业背景下。提出的基于智能体的上下文感知信息收集在农业监测中使用WMSN解决了以下问题：（i）检测灌溉土地中受疾病影响的植物(ii) 识别作物中不需要的植物的生长(iii) 在无线多媒体传感器网络中，可以实现以下几个方面：（1）定期检测土壤的肥力;（2）检测野外的火灾;（3）延长网络的生命周期1.1. 相关作品利用无线传感器网络进行情境感知农业的相关工作如下：农业是人类社会的一个非常重要的方面。在农业领域，使用适当的灌溉方法是很重要的。文章[6]重点研究了植物病害的检测，包括图像分割、特征提取和分类三大部分。图像分割部分提取输入图像中受疾病影响的区域。特征提取部分将分割结果转换为特征提取向量。分类部分通过比较输入图像的特征信息来判断输入图像中的植物是否有病。文[7]对滴灌的定期维护进行了讨论.Zigbee是控制大面积农业灌溉的良好技术之一。这是一个实时反馈控制系统，能有效地监测和控制滴灌系统的所有活动。文章[8]介绍了金字塔上下文感知模型。实现了一个上下文感知的传感器网格，以增加农业决策和控制过程的精度。作为如[10，11]所述，标量WSN用于检测土壤的肥力。当工厂处于危险中时，警报系统用于紧急情况和条件。当临界条件威胁到工厂时，警报系统被启用。在[12]中，作者解释了摄像机与标量WSN节点的耦合能够满足环境数据收集和事件检测的大部分要求。利用低成本的电荷耦合器件（CCD）摄像机检测植物病害。在[9]中，作者描述了上下文感知传感器网格系统的体系结构。上下文感知传感器网格是上下文感知计算、网格计算和传感器网络三大技术领域的结合。传感器节点利用代理技术将感知到的信息传送到汇聚节点。代理是位于环境中的自主程序，其通过自身或通过与环境中的其他代理交互来执行专用任务，如[13]中所解释的。软件代理有两种类型：静态代理和移动代理。移动代理系统通过在环境中漫游并与环境中的其他移动代理以及节点交互来执行任务。移动代理还聚合来自所有传感器节点的数据，并帮助将聚合的数据路由到汇聚节点，如[14]中所述。在[15]中提出的工作解释了使用基于小波变换的图像融合的无线军事传感器网络的多代理系统的上下文感知图像融合。在[16]中提出了一种用于精准农业应用的WSN系统，其中感测气候和其他环境特性的实时数据，并基于其做出控制决策，以使用Zigbee协议修改它们。由于灌溉方法取决于天气条件、土壤结构和作物栽培的种类，因此[17]中提出了一种利用无线传感器网络进行自动环境监测的温室技术，用于精确农业。在[18]中，作者试图从用户的角度探索传感器和传感器网络如何在作物生产过程中得到利用。文[20]解释了自动颜色相关图的概念，并讨论了利用颜色特征进行基于内容的图像检索（CBIR）系统的性能。用于颜色特征提取的技术在[21]中被解释为HSV直方图、颜色相关图和颜色矩。纹理特征提取是通过Gabor小波滤波器实现的，如[22]所述。在[23]中解释了使用小波变换进行基于内容的图像检索的局部、全局和k均值的组合。相似性测量可以在曼哈顿距离的帮助下完成，如[24]中所解释的。[25]中讨论了使用无线传感器网络技术改善埃及农业的精准农业。提出了一种上下文感知的无线灌溉系统在[19]中，提出了一种使用无线传感器网络的上下文感知系统，以最大限度地减少灌溉过程中的水浪费。CAWIS是用来比较拟议的工作，基于代理的上下文感知农业（ACAA）使用WMSN。现有的基于无线传感器网络的精准农业技术的一些缺点是，大多数工作仅考虑实时标量数据来改善农业过程。现有的研究大多没有考虑传感器节点的节能和延长网络生命周期的问题而在WMSN中多媒体数据的感知、处理和传输中的节能研究也很少1.2. 我们的贡献所提出的方案考虑由传感器节点驱动的上下文。每当检测到上下文时，信息将被发送到汇聚节点。本文的主要工作如下：（1）对WMSN的事件检测区域进行K.N. Bhanu等人/Egyptian Informatics Journal 20（2019）3335用于农业场景的上下文感知计算（2）使用sta-你好。0的整数倍;<皮皮Σð1ÞTIC和移动代理，用于基于土壤肥力、火灾、患病植物和杂草的信息收集和环境检测。（3）与现有系统相比，在上下文检测时间、融合时间、能量消耗、簇头本文的其余部分组织如下：第2节提出了一个上下文感知的农业模型。第三部分介绍了基于内容的图像检索在植物病害和杂草检测中的应用。第四节介绍了Agent技术。第5节给出了仿真模型和性能参数。第6节讨论了结果，第7节给出了工作的结论。2. 农业环境感知模型上下文是可以用来描述实体的情况的任何信息。本节包括模拟所需的数学模型。2.1. 网络环境图中所示的网络环境。1由传感器节点和汇聚节点组成。传感器节点随机分布在现场。传感器节点感测数据并更新知识库。传感器节点包括一个代理平台与静态和移动代理，摄像头和其他传感设备，如土壤pH值，湿度，温度和烟雾检测。传感器节点被称为基于通信范围在其周围形成集群一个传感器节点有不同的传感设备连接到它。传感器节点感知到信息后，将其与阈值进行比较，如果不在阈值范围内，则采用多跳技术通过簇头向汇聚节点发送报文2.2. 上下文检测模型让1;否则其中i =1，2，3，，n‘Pi2.2.1. 土壤肥力土壤的肥力可以作为几个参数的组合来测量，如土壤湿度、土壤盐度（土壤电导率）、土壤PH值、土壤温度等，如[30]中所给出的。土壤参数如土壤PH和土壤电导率的阈值可以基于农业用地的地理区域和在该土地中种植的作物类型而在这项工作中，仅考虑印度土壤的土壤湿度和土壤温度参数以及表1中给出的相应阈值进行模拟。阈值与农业用地的地理区域有关2.2.2. 火灾探测火灾的发生可以通过几个参数的组合来检测，如[31]中给出的温度、烟雾、湿度、光强度、烟雾中的一氧化碳和大气压力。火灾探测的各种阈值如表2所示。大气压力随着农业用地所在地区的不同而变化。温度、烟雾和一氧化碳是有助于高概率探测火灾的三个参数。因此，这三个参数以及表1土壤肥力参数土壤肥力参数传感器（制造商）阈值土壤湿度（%）EC-5（十边形）百分之八十土壤温度（°C）THERM200（vegetronix）42°C土壤PHEC-250（史蒂文斯水）6.5土壤电导率（mS/m）WET-2（Dynamax）25 mS/mFig. 1. 网络环境36K.N. Bhanu等人/Egyptian Informatics Journal 20（2019）33表2火灾探测参数。火灾探测参数传感器（制造商）阈值湿度（%）STDS75（STM）50%特别是在描述图像的内容时。在这项工作中，小波变换被应用于一组纹理图像，从小波分解的近似和细节系数中图像被分解为四个子带，并且临界子带温度（°C）HIH-4000-001（Honeywell）70°C采用DWT采样这些子带被标记为低高（LH 1）、高低（HL 1）、高高（HH 1）代表鳍-光强（Lux）BH 1750 FVI（DLI）700 Lux一氧化碳（ppm）GGS-200 T（UST）50 ppmest尺度小波区域（Detailed images），而子带低low（LL1）对应于粗水平系数（Approximation大气压（毫巴）MS5540B（Interseema）500 mbar图像）。为了获得下一级分解，子带LL 1烟度（OD/m）EC 01000（Honeywell）0.025 ± 0.005 OD/m在这项工作中，考虑了它们各自的阈值用于模拟。2.2.3. 杂草生长在[32]中讨论了使用数字图像识别杂草。在该系统中，一些有用的植物图像存储在数据库中。如果捕获的图像超过存储图像的阈值，则检测到杂草。在这项工作中考虑的阈值是85%。2.2.4. 疾病检测一些患病植物图像存储在数据库中。如果所捕获的图像超过所存储的图像的阈值，则检测到患病植物在这项工作中考虑的阈值是88%。3. 基于内容的图像检索在植物病害和杂草检测中的应用单独被进一步分解和临界采样，这导致两级小波分解。一旦特征提取完成，这些值将以特征向量的形式类似地，将提取所捕获图像的特征然后在捕获的图像和数据库图像之间进行相似性比较。曼哈顿距离被认为是相似性匹配。索引用于快速定位数据，而无需搜索数据库表中的每一行。然后根据与捕获图像的相似性距离以升序对图像进行排序然后检索具有最小距离的提出的CBIR系统使用的统计度量精度召回，以验证检索的图2显示了CBIR中涉及的步骤。3.2.推荐算法名称：n：数据库中的图像数量，s：数据库中存储的图像c：由传感器节点捕获的图像，L：数据库的长度，dv：距离向量，p：精度，r：召回率，fc：捕获图像的特征向量，fs：存储图像的特征向量，md：曼哈顿距离，fv：特征向量从数据库中检索一组图像的过程，通过相似性匹配来检索图像称为图像检索。基于内容的图像检索（ Content-based Image Retrieval ， CBIR ）是指利用图像的颜色、形状或特征等视觉信息，对存储在数据库中的图像与查询图像进行相似性匹配在拟议的工作中，植物病害和杂草的检测，CBIR被认为是。传感器节点的节点知识库中存储有用的和健康的植物图像。启用相机的传感器节点被打开以周期性地感测农田检查所捕获的图像以确定存储在节点知识库中的图像的相似性如果捕获的图像相似，则丢弃捕获的图像，否则存储捕获的图像并将相关消息发送到汇聚节点。3.1. CBIR系统CBIR系统考虑所提出的工作具有的视觉内容的图像在数据库中提取和描述的多维特征向量存储在数据库中的相关图像。对于所提出的系统中的特征提取，颜色和纹理特征被认为是。在颜色特征提取方面，采用了HSV（Hue， Saturation，Value）直方图和自动颜色相关图颜色矩是图像索引的一种方法，其中图像可以被解释为平均值、标准差、偏度和kur-tosis。在这个方案中，只考虑平均和标准偏差的颜色矩。HSV直方图根据人类视觉特征提供感知HSV直方图忽略了图像中像素的空间组织，自相关图被认为是描述图像颜色的相关性作为它们的空间距离的函数纹理特征提取采用离散小波变换在基于内容的图像检索中，纹理特征在计算机视觉和模式识别中起着非常重要的作用算法1：使用基于内容的图像检索的植物病害和杂草检测1：开始2：如果n3：for i in 1：L loop 4：fsi：= feature_vector（si）5：end for6：while（s）7：fc：= feature_vector（c）8：for i in 1：L loop9：用fsi10：通过排序执行索引11：具有最小dv的fsi 12：计算p和r值13：如果fc = fsi，则14：dropc 15：else16：使用c更新节点知识库17：如果18：end for19：endwhile 20：else21：图像数据库不存在22：如果第23章：结束第24章：开始25：输入图像26：计算图像27：计算相关图和颜色矩值28：将RGB图像计算为HSV图像29：计算图像的小波系数30：输出fvK.N. Bhanu等人/Egyptian Informatics Journal 20（2019）3337图二. CBIR的流程图4. Agent技术WMSN由静态传感器节点和汇聚节点（也称为需要信息的端节点）组成。传感器节点被称为基于通信范围在其周围形成集群。 每个簇都有簇头节点。传感器节点是地理上分布的，并且在上下文检测时收集信息。WMSN的每个传感器节点都有预定值。一旦传感器节点感测到信息，它将该信息与预定值进行比较，如果它超出范围，则向其簇头发送消息，说明它是活动节点。汇聚节点是需要不同传感器节点信息的节点。从每个节点或一组节点获取信息的路由可用于汇聚节点，由最近的簇头节点提供。WMSN中的每个节点由一个Agent平台和所提出的Agent信息转换模型组成。本文提出了两种代理，即传感器节点代理和汇聚节点代理。4.1. 传感器节点机构传感器节点代理由传感器管理代理、传感器知识库和寻路代理组成。3.第三章。4.1.1. 传感器管理代理（SMA）它是一个静态代理，驻留在WMSN的所有传感器节点。它创建寻路代理（PFA）和节点知识库（NKB）并且负责同步代理自身内和外部代理的动作。SMA用感测到的信息、捕获时间和信号强度更新NKB。它将感测值与驻留在NKB中的阈值进行比较，并解释上下文。如果检测到上下文，则计算源节点和目的节点之间的任意中点以及源节点和目的节点之间的参考轴周围的中间节点。它还计算跳距因子。在睡眠模式下，SMA不向信宿发送任何信息。它监控电池寿命;如果电池耗尽，它将有关电池状态的信息发送到sink节点。当且仅当它具有高于由信宿设置的预定义阈值的信号强度时，它向信宿节点发送诸如节点id、位置信息、上下文和信号强度信息的节点的信息。4.1.2. 节点知识库该知识库由SMA读取和更新NKB包括节点ID，活动模式/睡眠模式，感测时间，阈值，输入值，传输所需的带宽，信号强度和节点的位置，如表3所示。4.1.3. 路径查找代理它是一个驻留在所有传感器节点中的移动代理如果检测到上下文，则SMA生成PFA及其克隆以用于路由描述。PFA携带节点标识、剩余能量、跳数、带宽、跳距等信息。然后将收集到的信息发送给簇头。38K.N. Bhanu等人/Egyptian Informatics Journal 20（2019）33图三.传感器节点机构。表3节点知识库的示例数据。节点ID位置地位电池电压信号强度%功率（毫瓦）存储图像捕获图像Tx所需的带宽（%）上下文4（3，7）活性7.97514.0st3.jpgst4.jpgct.jpg15下午12点15检测到的疾病st5.jpg见图4。 汇节点机构。K.N. Bhanu等人/Egyptian Informatics Journal 20（2019）33394.2. 汇节点代理汇聚节点代理由管理代理、传感器知识库代理和查询代理组成。四、4.2.1. 经理代理（MA）该代理驻留在WMSN的汇聚节点中，是一个静态代理。它创建查询代理（QA）和接收器知识库（SKB），并负责同步代理内部和外部代理的动作。当上下文发生时，它监视并更新SKBMA从SKB中检查主动传感器节点当检测到上下文时，通过警报或通过在用户数据库中更新来监视网络，从而将信息提供给用户。4.2.2. 汇点知识库它是MA可以阅读和更新的知识库。它存储有关节点ID、上下文信息、感测时间、信号强度、传输每个活动节点的图像所需的带宽、可用网络带宽和活动节点的位置的信息，如表4所示。4.2.3. 查询代理（QA）当查询从汇聚节点发送时，来自所有传感器节点的信息必须被发送。将传感器节点划分为簇。簇内所有传感器节点将感知到的信息发送给簇首节点。将来自所有簇头的信息进行融合并发送到sink节点。融合的过程发生在最远的星系团。最远的聚类是基于欧氏距离决定的。4.3. 代理交互传感器节点在地理上分布在整个领域，并在上下文检测时收集信息。LEACH协议[23]用于簇头选择。 一旦簇头被选中，它将相同的消息发送给所有传感器节点。然后，传感器节点根据信号强度决定它属于哪个簇。代理交互序列建议计划是示于图 五、1. 传感器节点代理交互信息可以解释如下：表4Sink知识库的样本数据。节点ID位置地位电池电压信号强度（%）功率（毫瓦）Tx所需带宽（%）上下文306,09活性8.3793.113上午10点403,13非活动–0––沃土–605,07非活动–0–––810,04活性7.9834.510上午11时20905,15活性7.5758.515检测到的疾病下午12点151012,01非活动–0––未检测到–1202,08活性8.0807.018下午两点非肥沃土壤图五. 代理交互。40K.N. Bhanu等人/Egyptian Informatics Journal 20（2019）33≥≥≥≥a. 传感器节点感测信息，并在检测到上下文时在NKB中更新信息。b. SMA将状态作为活动发送给其簇头。2. SMA生成PFA及其克隆用于路由发现，并将感知到的信息发送给簇头。来自所有传感器节点的所有3. 汇聚节点代理交互信息可以解释如下：a. MA生成QA并提供路由信息。b. QA到达最远的簇头并收集信息。最远聚类是基于欧氏距离来确定的。QA到达下一个最近的簇并从簇头收集信息。 同样，QA收集并融合来自所有传感器节点的信息并到达sink节点。4. 然后汇聚节点的MA更新SKB，并将所有传感器节点的信息提供给用户。如果需要，MA通过打开/关闭喷头或电机采取必要的行动。4.4. 提算法名称：n：节点的数量，i：传感器节点的感测信息，ith：阈值，n活动：活动节点，n非活动：非活动节点，SMA：传感器管理器代理，PFA：路径查找代理，MA：汇聚节点管理器代理，QA：查询代理，CH：簇头算法2：代理交互1：开始2：for i in 1：n循环3：SMA检查n活动 4：如果n= n活动，则5：SMA用i更新NKB 6：如果 i ith，则7：SMA生成PFA并将其发送到相应的CH 8：MA生成QA，QA聚合并收集来自每个CH9：else10：drop i11：endif 12：else13：n = n不活动14：结束，如果15：结束第16章：结束名称：i：来自各种传感器节点的信息，ith：阈值，i1th：存储在数据库中的健康植物图像，i2th：存储在数据库中的有用植物的图像，i3th：土壤湿度，i3thmax：土壤湿度的最大阈值，其为100%，i4th：土壤温度，i5th：田地温度，i6th：一氧化碳水平，i1， i2：相机传感器，i3， i4：土壤肥力传感器（分别为土壤湿度和土壤温度），i5，i6：火灾探测传感器（分别为温度和一氧化碳）算法3：上下文检测1：开始2：While（i）3：如果i= i1，则转到疾病检测4：否则，如果i= i2，则转到生长杂草5：否则，如果i= i3或i= i4，则转到土壤肥力6：否则如果i= i5或i= i6，则转到Fire_detection 7：否则转到End8：如果结束9：结束时10：结束11：开始疾病检测12：如果i1=第i1，则13：drop i114：其他15：更新NKB16：如果17：结束疾病检测18：开始生长杂草19 ：如果 i2 =i2，则20：drop i221：其他22：更新NKB23：如果第24章：你是我的女人26：while（i3≤i3thmax）27：如果i3 i3th和i4 i4th，则28：更新NKB29：MA打开电机30：否则，如果i3 i3th，则31：MA打开电机32：否则33：删除i3，i4 34：结束如果第35章：结束第36章：你是我的女人37：开始火灾探测38：如果i6 i6 th和i7 i7 th，则39：更新NKB40：MA触发警报并打开洒水器41：else42：删除i6，i7 43：如果第44章：一夜情5. 仿真模型及性能参数在NS2平台上对模型进行了仿真。我们讨论了一个广义的仿真模型，仿真过程和一些性能参数。5.1. 仿真模型在仿真模型中，我们考虑在长“L”和宽“B”的区域中有“N”个节点。一个网络由随机放置在给定区域内的N个静态节点我们发现K.N. Bhanu等人/Egyptian Informatics Journal 20（2019）3341表5模拟输入。参数符号值长度L5000米广度B5000米数量的节点N1–80传输范围RX300米改变图像大小px32× 32、64× 64、128×128、256 × 256（8、12、16、24）位/像素带宽BW4 Mbps传感器节点和汇聚节点之间的一些静态和移动代理。数据包的传输被假定为在离散时间内发生。一个节点在接收间隔期间接收所有发往它的数据包，除非发送方节点处于非活动状态。为了简单起见，我们认为信道是无误差的。表5显示了所考虑的各种模拟输入。5.2. 模拟程序模拟程序包括以下步骤：1. 生成传感器网络环境。2. 传感器节点向汇聚节点发送上下文信息。3. 应用所提出的方案。4. 计算系统的性能参数5.3. 性能参数评估所提出的方案所考虑的一些性能如下：延迟：它是从传感器节点向汇聚节点发送感测信息所花费的时间。它以毫秒为单位表示。簇头选择时间：这是形成簇并根据能量选择簇头所花费的时间。它以毫秒为单位表示。上下文检测时间：感知信息和检测上下文所需的时间。它以毫秒为单位表示。能量消耗：它是将数据从传感器节点传输到汇聚节点所需的总能量。它以毫焦耳表示。融合时间：融合来自所有传感器节点的信息并传输到sink节点所花费的时间。它以毫秒为单位表示。相关性：是两个传感器节点之间的相互联系。对于多媒体数据，相关性也可以被认为是两个帧之间的相似性度量。6. 结果该部分包括了本文工作的各种仿真结果，如簇头选择时间、延迟、上下文检测时间、能量消耗、融合时间等。6.1. 延迟取决于通信范围和部署的节点数量随着节点数量的增加，每个传感器节点的延迟逐渐增加随着通信范围和节点数量的增加，延迟会逐渐增加，如图1所示。第六章见图6。传输节点数与延迟（以毫秒为单位）。6.2. 基于通信距离的簇头选择时间随着节点数量的增加，形成簇所需的时间也会增加，如图所示。第七章因此，选择簇头所花费的时间随着通信距离的增加，传感器节点的数量增加，因此选择簇头所花费的时间也更多。6.3. 基于通信范围随着传感器节点数量的增加，上下文检测所花费的时间也增加。从图 8，可以理解，随着通信范围的增加，上下文检测所花费的时间将更多。6.4. 基于通信范围和节点随着传感器节点数量的增加，从传感器节点向汇聚节点传输信息所需的能量因此，能量消耗将随着参与通信的节点的数量而增加随着通信距离的增加，传感器节点和汇聚节点之间的距离也会增加图9示出了不同传输范围的能量消耗。见图7。传输节点数与群集头选择时间（以毫秒为单位）。●●●●●●42K.N. Bhanu等人/Egyptian Informatics Journal 20（2019）33见图8。传输节点数与上下文检测时间（以毫秒为单位）。见图9。传输节点数量与能耗（单位：毫焦耳）。6.5. 基于通信范围和节点数的融合时间随着节点数量的增加，每个传感器节点感知到的信息也会更多。比较后的所有感知信息必须被融合并发送到sink节点。此外，随着通信范围的增加，融合所需的时间将更多。 图图10示出了基于通信范围和节点数量的信息融合所花费的时间。6.6. 基于感知范围和节点数的相关性相关性是指两个传感器节点之间的相互联系。随着节点数量的增加，节点之间的相关性也会增加。 图 11，通信范围被认为是300米。随着传感范围和部署在通信范围内的节点数量的增加，节点之间的相关性增加。6.7. 基于上下文随着节点数量的增加，上下文检测所需的时间将更多。与疾病检测和杂草检测相比，土壤肥力和火灾检测等背景需要更少的时间。图像传输用于疾病和杂草检测，因此疾病检测和杂草检测所需的时间将更多，如图所示。 12个。见图10。传输节点数与融合时间（以毫秒为单位）。见图11。 感知范围与相关性图12个。传输节点数与上下文检测时间（毫秒）。6.8. 基于环境随着节点数量的增加，上下文检测所需的能量也会更多。与如图13所示的疾病检测和杂草检测相比，诸如土壤肥力和火灾检测的背景需要更少的能量。因为图像是反-K.N. Bhanu等人/Egyptian Informatics Journal 20（2019）3343图13岁传输节点数与上下文感知能耗（单位：毫焦耳）。图14个。数据库中的图像数量与图像检索时间（毫秒）。用于病害检测和杂草检测的能量消耗较大。6.9. CBIR中的图像检索时间使用曼哈顿距离和欧几里德距离进行相似性度量的图像检索时间如图所示。 14个。根据实验结果，曼哈顿距离具有更好的检索时间，因此在建议的工作中被考虑随着数据库中图像数量的增加，图像检索的时间也逐渐增加.7. 结论提出了一种基于多Agent的上下文感知农业监测信息收集方法。传感器节点感测数据并更新知识库。传感器节点包括一个代理平台与静态和移动代理，摄像头和其他传感设备，如土壤pH值，湿度，温度，烟雾等传感器节点形成一个集群自己的基础上的通信范围。一旦传感器节点感知到信息，它将信息与阈值进行比较;如果不在范围内，则使用多跳技术通过簇头向汇聚节点发送消息信息从使用移动代理将不同的活动节点融合并发送到汇聚节点。终端用户可以在需要时访问汇聚节点处的可靠信息。与CAWIS相比，本文提出的基于Agent的农业上下文感知系统（ACAA）在上下文检测时间、延迟、融合时间和能耗等方面均优于CAWIS。通过考虑入侵检测的视频传感器以及在这项工作中考虑的其他传感参数，可以扩展这项工作对于更大的农田，可以通过合并多个汇聚节点来扩展工作，以获得更好的性能。引用[1] Akyildiz Ian F，Weilian Su，Sankarasubramaniam Yogesh，Cayirci Erdal.佐治亚理工学院传感器网络研究综述。38.第38章：一个女人[2] 伊斯兰教T.放大图片创作者：Manel Guerrero Zapata Jamal N.作者声明：JULIAN MORILLO POZO.无线多媒体传感器网络：当前趋势和未来方向。Sensors 2010; 10，6662 https://doi.org//10.3390/[3] Davis Thomas，Pang Qing，Mr. Gordon W，Meghanathan Natarajan.无线多媒体传感器网络的设计与实现。Int JNext-Generation Networks（IJNGN）2010;2（3）.[4] 查里斯·佩雷拉，阿卡迪·扎斯拉夫斯基，彼得·克里森. Dimitrios Georgakopoulos，“物联网的上下文感知计算：调查”。IEEE Commun Surveys Tuesday 16（1），DOI：https://doi.org//10.1109/ SURV.2013.042313.00197.[5] DagdevirenOrhan，Korkmaz Ilker，Tekbacak Zahh，Erciyes Kayhan. 无线传感器网络代理技术综述。IETE技术修订版2011;28（2）。[6] K. 当，H。孙角，澳-地Jean-Pierre，J.Garcia-Vidal，J.M.阿尔贝托-奥尔迪纳斯Shi，K.M. 侯 无 线 多 媒 体 传 感 器 网 络 用 于 植 物 病 害 检 测 ” 。 @ https://hal.archives-ouvertes.fr/docs/。[7] Awati JS，Patil VS.使用无线传感器网络进行自动灌溉控制。J Exclusive ManageSci Jun 2012;1：332-7.[8] Jayant P. Pawar，Dr. Prashant V. Ingole，Aparna R.卡丹环境感知的农业无线传感器网格实现。IJECET 2013;4.[9] 祖拜尔·阿基尔-乌尔-拉赫曼莎朗面向农业的上下文感知传感器网格框架设计世界科学、工程和技术学院，1992年，2008年2月。[10] Siuli Roy，Somprakash Bandyopadhyay.基于无线传感器网络的精准农业参数实时监测试验平台https://facultylive.iimcal.ac.in/.[11] N. Sakthipriya。一种有效的利用无线传感器网络进行农作物监测的方法。Middle-East J Scientific Res 20 2014;9.[12] 洪玲石，坤意味着侯，勋兴刁，刘星，李建进，Christophe de Vaulx。一个用于精确农业环境事件检测的edss.isima.fr/.[13] Jyotitewari，Swatiarya，Premnarayansingh.智能软件代理未来发展的途径。2013年;3.[14] Edison Pignaton de Freitas§ ， Tales Heimfarth ， Ivayr Farah Netto ， AlexGuimaresCardosodeSá ， CarlosEduardoPereira ， ArmandoMoradoFerreira，FlávioRech Wagner，Tony Larsson.智能软件代理支持的增强型无线传感器网络建立策略。IEEE 2010。[15] Ashok V. Sutagundar，S.S.曼维基于多Agent系统的军事传感器网络上下文感知多传 感 器 图 像 融 合 。 International Journal of Ad hoc ， Sensor UbiquitousComputing（IJASUC）2011;2.[16] 曼杰什·凯什特加里这是阿梅尼·德尔乔基于Zigbee技术的精准农业无线传感器网络 解 决 方 案 。 无 线 传 感 器 网 络 ， 2012 ， 4 ， 25-30 ， 科 学 研 究 。 @doi ：https://doi.org//10.4236/wsn- 2012.41004.[17] Chaudhary DD，Nayse SP，Waghmare LM.无线传感器网络在精准农业温室参数控制中的应用。Int JWireless Mobile Networks 2011年2月;3（N 0）：1。[18] Thessler Shipra ， Kooistra Lammer ， Teye Frederick ， Huitu Hanna ， BregtAnold K.支持作物生产的地理传感器：当前应用和用户需求。传感器2011;11：6656-84. doi：https://doi.org/10.3390/s110706656。[19] Divya P，Sonkiya Surbhi，Das Preeti，Manjusha VV，Ramesh Maneesha V.CAWIS ： Context Aware Wireless Irrigation System. IEEE 数 字图 书 馆 2014 。doi：https://doi.org/10.1109/I4CT.2014.6914195网站。[20] K. Nirmala ，Dr. A. 苏布拉马尼基于内容的自动颜色相关图图像检索系统。 JComput Appl 2013;4（4）.[21] Hari Hara P