基于RFID與GPS的拖拉機機庫信息管理系統的設計與開發

摘要：針對一些大型拖拉機機庫的管理過程中，產生的數據量龐大，傳統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，結合互聯網、傳感器、智能定位等技術設計并開發一套拖拉機機庫信息管理系統。該系統分為移動端和機庫端的開發，移動端使用GPS進行拖拉機室外定位，結合拖拉機作業幅寬，計算得到拖拉機的作業面積等信息，開發移動端人機交互界面。機庫端先對射頻識別（RFID）的硬件電路進行設計，再使用Landmarc定位算法進行拖拉機室內定位，最后綜合機庫內的環境參數和移動端上傳的作業信息等，開發拖拉機在線管理可視化平臺。為驗證系統的可行性，進行Landmarc算法的定位仿真、作業面積計算準確性驗證、數據上傳丟包測試。試驗結果表明：拖拉機室內定位的平均誤差為1.06 m，可以滿足判斷拖拉機車位的要求；作業面積計算的平均誤差為4.17%，可以滿足實際作業時的需求；數據存儲成功率為97.70%，能夠實現各項數據的存儲。

關鍵詞：管理系統；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：貴州省科技廳農業支撐項目（黔科合支撐［2020］1Y127號）；重慶市渝北區科技計劃項目（2022（農社）09）

第一作者：張九通，男，1999年生，重慶人，碩士研究生；研究方向為農業物聯網及智能農業裝備。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；研究方向為農業物聯網。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，我國農業機械化水平不斷提升［1］，農業機械數量增長較快。隨著中國科學技術的不斷發展，農業機械開始向智能化、信息化轉型。對于一些大型的農業機械機庫，其中拖拉機數量繁多，涉及的農機信息和作業信息的數據量龐大。目前大多數機庫仍采用傳統的人工手動錄入方式進行管理，在數據量太龐大的機庫，這種管理方式耗費人力較多，效率低下。在跨區作業越來越普遍的今天，拖拉機的管理愈發復雜，引發了政府作業監管困難、農忙時間拖拉機資源分配難以協調、拖拉機實際運行效率難以度量等問題［2］。因此，在物聯網技術不斷發展的背景下，借助互聯網、傳感器、智能定位和大數據等技術，實現拖拉機機庫的智能化、信息化轉型，建立拖拉機機庫信息管理系統，是拖拉機管理的必然趨勢［3-5］。

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

國內目前正處在傳統農機向現代農機轉型的關鍵時期［7］。在“863”計劃、科學技術部“十三五”國家重點研發計劃等重大專項和地方政府的支持下，農業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］提出了一種農機遠程智能管理平臺，以農田為核心，將農業生產中的各種數據聯系成一個整體，實現農業資源及農田資源的統一分析與管理。張良等［8］基于北斗導航技術，設計了農機作業面積管理系統，實現了依靠該系統對作業面積進行計算和管理。張俊藝等［9］基于Android系統開發了農機調度管理平臺，建立了農機主、農民、管理員三方交互的農機調度管理平臺，部分解決了因為信息不暢通引起的農機供需缺口大的問題。

隨著導航技術和傳感器技術的發展，農業機械正朝著智能化、信息化的方向發展，智能化的拖拉機機庫在拖拉機進行日常作業和管理的過程中，會產生大量的數據［10］。為實現拖拉機作業生產全過程的信息化管理，本研究使用RFID技術、GPS技術、物聯網技術等，針對拖拉機在機庫端和移動端的感知數據，研發了一種較為通用的拖拉機機庫信息管理系統。在移動端實現駕駛員與拖拉機的人機交互，實現每一臺拖拉機作業的精準管理；在機庫端實現作業信息、位置信息、環境參數等信息的可視化管理，以及生產數據的溯源統計。提高管理效率的同時，大量的生產數據能夠為農戶生產提供指導，為政府的決策提供數據支撐。

1 系統功能架構設計

基于RFID與GPS的拖拉機機庫信息管理系統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信息計算。通過DTU無線透傳模塊實現數據的上傳。分別在可視化大屏和人機交互界面實現信息可視化。

系統總體架構如圖1所示，分為感知層、網絡層和應用層。其中感知層在機庫端由RFID讀寫器和環境監測傳感器進行數據采集，在移動端由GPS進行數據采集，采集到的數據分別由串口發送到對應單片機進行處理；網絡層主要由DTU讀取單片機的數據并轉發到網絡服務器，存入數據庫；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，實現與后臺的數據交互。

2 硬件設計與實現

2.1 嵌入式模塊設計

嵌入式模塊是本系統采集數據的硬件核心，分別需要和RFID讀寫器、GPS、DTU進行通信，在主控芯片內部需要進行定位算法的運算。考慮到該模塊需要與多臺設備進行通訊，而且內部需要運算算法，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構如圖2所示。

2.2 機庫端定位模塊設計

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。考慮到本系統RFID模塊使用RSSI法進行室內定位，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拖拉機數量方面的考量，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云平臺，方便進行二次開發。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據上傳至云平臺。將其裝備在拖拉機上，這一個模塊就能夠實現拖拉機的定位以及數據的上傳。DTU將采集的經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傳輸到人機交互界面。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 軟件設計

3.1 農機裝備定位

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室內定位技術進行拖拉機室內定位，以此確定機庫中的拖拉機數量，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時間和作業面積。

3.1.1 基于RSSI的LANDMARC室內定位算法

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

PD=PD0-10μlg（D/D0）+x" （1）

式中：

PD——

距離信號發射點為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；

D——讀寫器與待定位標簽的距離；

D0——參考距離；

x——正態分布隨機變量。

LANDMARC算法的原理是通過已布置好的參考標簽協助定位，根據參考標簽與待測標簽之間RSSI值的差異賦予不同的權值，進而使用加權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。假設定位區域有讀寫器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定位算法在農業機械機庫中定位的準確性，使用MATLAB軟件進行室內定位仿真試驗。在圖6所示長×寬為40 m×36 m的模擬機庫內進行仿真試驗，其中LANDMARC定位算法的k值設置為4，路徑損耗指數N設置為2。

在該模擬機庫的區域布置讀寫器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算法的拖拉機室內定位仿真試驗，仿真結果如圖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，能夠滿足機庫內拖拉機的定位要求。

3.1.3 基于GPS技術的農機裝備室外定位

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

調用云平臺的API接口獲取行駛里程，再配合拖拉機的作業幅寬，根據式（8）可計算出拖拉機的作業面積

S=al

（8）

式中：

l——作業幅寬，m；

a——行駛里程，m。

累加一天內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時間和作業里程。拖拉機作業面積計算流程如圖9所示。

每臺拖拉機上安裝一臺人機交互設備，該設備由人機交互界面、STM32控制芯片、USR-G776-GNSS組成。將經緯度坐標、作業里程、作業面積、作業時間等信息傳輸至各個拖拉機對應的人機交互設備中，精準實現每一臺拖拉機的作業情況統計。

將各個拖拉機的作業信息進行匯總統計后，上傳至后臺數據可視化平臺中，實現機庫中拖拉機作業情況的總體統計，并在衛星地圖中顯示拖拉機的實時位置［19］。

3.2 管理系統構建

3.2.1 數據庫設計

拖拉機機庫管理系統的建立離不開數據存儲，本系統的數據庫采用開源的MySQL數據庫進行設計，借助Navicat Premium 16對數據庫進行管理。本系統中主要實體之間的關系如圖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，因此設計拖拉機表和RFID標簽表。在機庫內，通過RFID室內定位技術，得到機庫中各個拖拉機的信息，因此設計機庫表。在田間，通過GPS定位，可以得到拖拉機室外作業的總體情況，因此設計作業情況表。整個數據庫的設計遵循數據庫三范式準則［20］，數據庫主要表信息如表1所示。該數據庫的建立為農機機庫信息管理系統的構建奠定了數據基礎。

3.2.2 人機交互界面設計

人機交互界面作用于拖拉機移動端作業時。在每一臺拖拉機上單獨安裝一塊串口屏，實現拖拉機詳細作業信息的數據可視化。拖拉機詳細作業信息的人機交互界面包括開關控制、基本信息、本次作業信息、累積作業信息、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、累積作業信息、位置信息等。點擊“開始作業”按鈕后開始累加本次作業的時間和面積，結束作業時點擊“結束作業”按鈕，將本次作業的時間和面積分別累加到“累積作業信息”中。

3.2.3 后臺數據可視化設計

機庫中拖拉機數量眾多，數據量較大，為了更直觀地展示機庫中拖拉機的作業情況和位置信息等，本研究開發了一個可視化大屏，在機庫端進行展示。本設計采用有人IOT進行可視化大屏的開發，借助該平臺可以使用低代碼拖拉拽的方式編輯大屏，實現快速開發。通過調用API接口的實時交互數據，保證其中數據的實時性與真實性。其功能結構如圖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，包括機庫環境狀態、實時電子地圖、拖拉機完好率；右邊四個板塊以及中間的衛星地圖是移動端信息管理模塊，包括總體作業情況、本月作業統計、駕駛員作業統計、拖拉機作業狀態、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計、政策文件與新聞、預警報警信息。

4 測試與分析

4.1 系統通信穩定性測試

對后臺記錄的數據包進行丟包測試，以RFID讀寫器、GPS、環境監測傳感器為測試對象。設定RFID讀寫器和GPS每20 s采集一次數據，環境監測傳感器每1 min采集一次數據，選取2023年6月11日14時到2023年6月14日14時，共72 h采集的數據作為樣本。對照數據庫中收到的數據量，丟包測試結果如表2所示。由表2可知，平均丟包率為2.30%，數據存儲成功率為97.70%。從本系統的一般需求以及數據完整性需求考慮，該數據存儲成功率可滿足實際需求。

4.2 作業面積計算準確性測試

選擇4塊標準農田進行培土作業，測試根據式（8）得到的作業面積準確性。4塊農田的面積分別為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，拖拉機裝載的農機具為雄進農機WJSP-6培土犁，該機具的作業幅寬為2.1 m，在移動終端上選擇對應的作業方式和作業機具后開始測試。

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

5 結論

在農業機械開始智能化、信息化轉型的背景下，針對拖拉機機庫中的大量數據，設計并開發拖拉機機庫信息管理系統。

1）" 本文設計一套拖拉機機庫信息管理系統，主要分為機庫端和移動端的設計。在機庫端使用RFID進行拖拉機室內定位，獲取拖拉機的位置信息，綜合環境參數、作業信息等，借助有人IOT平臺開發了前端可視化界面，實現數據可視化與數據溯源，指導農民生產，為政府決策提供數據支撐。在移動端使用GPS進行室外定位，并計算作業量，每臺拖拉機上安裝人機交互界面，自動記錄駕駛員的作業信息，實現每一臺拖拉機作業的精準管理。

2） 先對RFID和GPS模塊進行硬件電路設計，然后對RFID室內定位算法進行設計、用GPS室外定位路徑來計算作業面積。使用Landmarc定位算法實現拖拉機室內定位，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幅寬，得到拖拉機作業面積。

3）" 進行系統通信穩定性測試和作業面積計算準確性測試。連續72 h的丟包測試數據表明，數據存儲成功率為97.70%，可以滿足實際需求。選擇4塊標準農田開展實地作業，進行作業面積計算測試，作業面積計算誤差的平均值為4.17%，可以滿足實際作業時的需求。

參 考 文 獻

［1］ 謝斌， 武仲斌， 毛恩榮. 農業拖拉機關鍵技術發展現狀與展望［J］. 農業機械學報， 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. 農機遠程智能管理平臺研發及其應用［J］. 智慧農業（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智慧農場管理系統構建與應用探索［J］. 農業工程學報， 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. 論中國鄉村振興戰略中的農業工程管理創新［J］. 農業工程學報， 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. 基于微服務架構的農業轉移支付項目管理系統設計與實現［J］. 中國農業科學， 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. 農業機械化信息化融合研究［J］.中國農機化學報， 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. 北斗導航農機作業面積管理系統設計與試驗［J］. 中國農機化學報， 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系統的農機調度管理平臺的設計與開發［J］. 中國農機化學報， 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驅動轉矩管理模型［J］. 農業工程學報， 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室內定位技術研究綜述［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室內定位改進算法［J］. 計算機工程與設計， 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 amp; 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［J］. 物聯網技術， 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框架的群養母豬飼喂站管理系統設計與試驗［J］. 中國農機化學報， 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.