肉鸡健康养殖环境监测控制系统研建

禽舍环境因素对肉鸡健康养殖至关重要,为此,文章以肉鸡养殖环境质量为监测对象,研究建立了肉鸡健康养殖环境监测控制系统,该系统由感知器、数据采集控制器、执行器及远程服务器等部分组成,感知器将实时监测的鸡舍环境数据与用户设定值进行比较,实现鸡舍通风降温的自动化,同时将该数据通过网络上传至远程服务器,便于用户随时查看鸡舍环境并对其进行调控;采集控制器和远程服务器之间的通信可采用GPRS、WiFi、433MHz及以太网等多种形式,可根据养殖场实际情况灵活选择。实验结果表明该系统稳定可靠,在保证禽舍所需温度基本恒定的条件下,使舍内可吸入颗粒物、氨气浓度和相对湿度保持在适宜范围。系统对于改善禽舍环境质量,提高养殖效益具有重要意义。     

集约化家禽养殖无线传感器网络监测系统

针对集约化家禽养殖过程中禽舍环境监测效率低、灵活性差等问题,本研究构建了基于无线传感器网络技术的远程禽舍环境监测系统.设计并研制了以监测禽舍环境温湿度、氨气浓度为目的的传感器节点和路由节点,以数据远程传输为目的的GPRS网络网关节点;节点软件使用C语言编程,根据实际需求编写了无线路由协议及应用程序.该系统实现了禽舍环境信息远程在线监测,解决了集约化家禽养殖过程中环境信息信息化、网络化所存在的问题,为保障集约化家禽养殖的生产安全提供了一种新的手段.     

基于物联网的温室远程监测器设计

本研究设计了一种温室远程监测器。该监测器采用STM32F103ZET6微控制器,通过Wi-Fi模块,能够接收1~5个温室内感知节点的环境参数,并将该数据上传到云端服务器,实现远程监测多个温室环境参数;该监测器采用SD储存卡,实现历史数据的储存;使用NandFlash芯片,实现电源断电数据不丢失。为了验证监测器的性能,在温室内测试时间为48d。实验结果表明:该远程监测器能够稳定接收感知节点的数据,没有出现数据丢失情况,同时能将数据上传到云端服务器上,从而方便使用者实时远程监测温室内的环境参数,且节省大量的劳动力资源。     

基于GPRS和WEB的远程网络分布式茶园环境污染监测系统研究

根据目前汉中茶园种植分散的特点,设计了一种基于GPRS和WEB的茶园环境参数的监测系统。该系统由数据采集和网络终端组成。采集系统由有害气体传感器和温湿度传感器组成,可以对茶园空气参数实时检测,通过SIM9000A把采集的数据发送到指定的网络服务器上。结果表明,系统能很好地对环境参量精确测量,用户可以随时查看和进行控制。     

一种鸡舍环境监测的无线传感器网络节点的设计

为实现对鸡舍环境中温湿度、二氧化碳和氨气浓度的实时监测,设计了基于UTC4432的无线传感器网络的节点模块。该模块是以无线透传模块UTC4432为收发模块,传感器将采集的数据信息传送给主控芯片STM32进行处理,再经无线模块发送给主节点,实现数据的监测和发送。该节点模块具有体积小、功耗低、实时性强等特点,同时具有很好的适用性,发展前景广阔。     

基于WEB的空气质量实时监测系统

基于WEB模式的空气质量实时监测系统,使用SO2﹑NO2﹑CO﹑O3气体传感器、细颗粒物(PM2.5)传感器,以STC12LE5A16S2单片机为核心控制器,通过GPRS网络将采集的数据发送到互联网的指定服务器上,监测结果以WEB形式呈现给用户。该系统可以实现远程全自动监控,对当前空气质量进行评价,随时随地为用户提供空气质量信息服务,可以为预测空气质量提供依据,实现了对空气质量数据的采集与监测、管理及分析。     

基于WIA-PA的农田环境监测系统设计

针对农田环境状况复杂、监测难度大等问题,设计了基于WIA-PA标准无线传感器网络。该系统利用无线传感器节点对农田环境参数进行采集,并将获得的数据通过WIA-PA网络发送至远程服务器。远程服务器对参数进行分析和存储,对于超出阈值的数据会及时告知管理者。管理者通过远程服务器发送控制命令到传感器节点调节相关参数,从而实现远程测量与控制。试验表明该系统运行效果良好,功耗小,具有很好的应用价值。     

基于PSO-DNN的平养鸡舍冬季氨气浓度预测模型研究

[目的]氨气是鸡舍内影响肉鸡生长发育的主要有害气体,由于冬季鸡舍低通风量会导致氨气浓度超标,使肉鸡的免疫功能下降,导致呼吸系统疾病发生。针对鸡舍氨气预测精度不高、效率不理想等问题,提出基于粒子群算法(particle swarm optimization,PSO)优化深度神经网络(deep neural network,DNN)的预测模型,实现冬季氨气浓度预警并及时调控鸡舍内氨气的浓度。[方法]选取自建平养鸡舍环境参数数据(温度、相对湿度和氨气浓度)和鸡自身情况数据(鸡龄和鸡进入鸡舍时间)建立模型,对鸡舍内未来1 h氨气浓度进行预测。PSO-DNN预测模型首先采用PSO优化DNN中的batch_size参数,以平均绝对误差(mean absolute error,MAE)作为目标函数,经过多次迭代后,得到最佳的batch_size,再以此构建DNN模型,以数据集的前70%数据作为训练集进行DNN模型训练,经过DNN的线性运算和激活运算后,采用数据集的后30%数据对模型进行验证,并对模型进行评估。[结果]将PSO-DNN模型与DNN和随机森林模型对比,PSO-DNN模型氨气预测结果的MAE为1.886 mg·m~(-3),DNN和随机森林模型预测的MAE分别为4.297和2.855 mg·m~(-3)。[结论]PSO-DNN模型的预测精度最高,与DNN和随机森林模型预测结果相比,其MAE分别降低56.1%和33.9%,可为平养鸡舍内氨气浓度预测提供方法参考,有助于及时、准确地调控鸡舍内氨气浓度。     

基于物联网的集约化兔场环境监测系统

为了解决集约化兔场环境监测技术落后的问题,需要设计一套基于物联网的集约化兔场环境监测系统。该系统具有能够双向传输数据的无线传感器网络,能够采集兔舍内空气的温度、湿度及氨气浓度,将环境数据和报警信息发送至指定的服务器或手机内。通过在广东骏威农业有限公司的集约化兔场的应用,验证了系统可以定时自动采集兔舍内关键位置的环境信息,对发展集约化兔场生产信息化自动化、提高兔子养殖产业的发展具有重要意义。     

基于ARM和ZigBee技术的禽舍环境无线监测系统设计

本文在布线式禽舍环境监测系统基础上,添加支持ZigBee协议的无线模块和ARM处理器,设计了一款具有无线传输和ARM终端机监测的数据采集系统。系统将禽舍环境信息通过ZigBee无线发射到ARM终端机。介绍ZigBee网络与和ARM终端的硬件平台构建与软件实现,以及禽舍环境信息传输到监测终端的过程。监测终端选用ARM处理器和LINUX嵌入式系统;无线传感器网络基于ZigBee协议,硬件部分使用的是TI公司的CC2430;开发工具IAR Embedded Workbench 7.3、QT4.5,编程语言C、C++。     

基于物联网的奶牛养殖环境监测系统研制

为了推动奶牛养殖信息化的发展，更加便捷地对奶牛养殖场进行环境监测和远程控制，本文研发了1种基于物联网的奶牛养殖环境监测系统，完成了对多个环境因子的远程采集和数据存储，实现了参数预警和远程控制。系统利用STM32F103单片机和传感器终端实时采集环境信息，利用EMQ搭建1个MQTT服务器，通过WiFi实现数据汇总并用MQTT协议远距离传输至服务器，通过Node-Red进行数据的可视化，将上传到MQTT服务器的数据在网页端进行显示查看和控制，并将其存储到数据库中，通过微信小程序在移动应用端进行信息的实时查看和控制。试验结果表明：该系统可实时获取养殖环境的温湿度、光照强度、二氧化碳浓度、氨气浓度、硫化氢浓度等参数信息，数据传输平均丢包率为0.12%，系统控制反应时间在100～500 ms范围内，系统整体运行稳定、可靠，能够满足实际生产需要，为其它信息化养殖和环境监测提供支持和参考。     

基于虚拟仪器和微信公众平台的温室环境监测系统

将物联网技术与微信公众平台相结合,设计了一套接入方便、交互友好的温室监测系统。该系统以虚拟仪器为核心,STM8S105C6单片机作为数据处理器和多个传感器实现温室环境监测,传感器采集温室内信息,通过RS232传至Lab VIEW进行显示存储及报警。监测系统的服务器与公众平台服务器连接,从而实现移动终端对温室情况的实时查询和历史回溯等功能。     

基于神经网络猪舍氨气浓度预测方法研究

猪舍内氨气浓度对猪生长发育影响较大,建立准确氨气浓度预测模型尤为必要。目前已有针对猪舍内氨气浓度预测研究,但氨气浓度受猪舍内多种环境因素影响,缺少准确预测模型。为此本研究从实测猪舍内环境数据(包括氨气浓度、温度、湿度、活动量、通风)中随机选取1 537组数据,使用L-M算法优化BP神经网络、线性神经网络和Elman神经网络预测猪舍内氨气浓度。结果表明,基于L-M算法优化BP神经网络建立5-9-9-1四层结构预测模型经290步后达目标误差,预测值和真实值最大绝对误差仅为0.1720,与Elman神经网络和线性神经网络预测方法相比可提高猪舍氨气浓度预测准确性和及时性,为猪舍环境预警提供支持。     

机械通风下的养殖舍内多通道氨气采集仪的设计

机械化、集约化、智能化等生产方式越来越多地应用到农业生产中,在带来丰富农产品的同时,农业源气体污染物也在局部的有限空间内大量聚集,不仅影响农村居民的生产生活,而且制约着农业经济的可持续发展。本文提出一种多通道氨气采集仪的设计,可以持续采集6个独立位置的氨气样本。与氨气分析仪组合使用,使氨气分析仪能够监测多个采样点,并延长其监测距离,可实现对机械通风养殖舍内氨气的多点连续监测。本设计可提高监测设备利用率,降低监测成本,对农业源气体污染物的研究有一定促进作用。     

基于机器学习算法的农田挥发氨多传感器阵列检测技术研究

【目的】设计能够快速、低成本、便捷检测农田挥发氨装置。【方法】构建基于二氧化锡(SnO₂)半导体气体传感器阵列检测系统,并在新鲜空气(氨气质量浓度为0 mg·m^-3)和氨气质量浓度分别为75.9、151.8、303.6mg·m^-3条件下,以及混合有乙醇的空气、纯乙醇气体(质量浓度为151.8 mg·m^-3)、混合有氨气的空气和纯氨气气体(质量浓度为151.8 mg·m^-3)样品下,通过主成分分析法(principal component analysis,PCA)、K-最近邻算法(K-nearest neighbors,KNN)和支持向量机算法(support vector machine,SVM)对多传感器阵列响应稳态阶段和暂态阶段的数据进行分类处理,分析该系统对不同质量浓度氨气和混合气体环境下氨气的区分效果。【结果】该装置能够明显区分不同质量浓度氨气,稳态阶段的主成分1值超过90%。KNN与SVM算法稳态阶段平均准确率超过97%,暂态阶段平均准确率68%,KNN与SVM平均...     

基于GSA-SVM的畜禽舍废气监测缺失数据恢复方法

针对畜禽舍内废气监测过程中因传感器故障等原因造成部分监测数据缺失的问题,将遗传模拟退火算法与支持向量机相结合,提出一种基于GSA-SVM的缺失数据恢复方法。该方法综合考虑畜禽舍废气监测值对应的时间、空间和环境等多种影响因素,建立支持向量机回归预测模型对缺失的监测数据进行恢复性估算;为获得更好的预测结果,使用遗传模拟退火算法对模型参数进行优化。以氨气浓度数据的恢复为例,随机选取某养殖场3 d的监测数据验证。结果表明,缺失数据估算最大相对误差为6.69%,平均相对误差为1.87%,估算数据与监测数据误差很小,可有效对缺失性数据进行恢复,为畜舍废气监测提供可行数据恢复处理方法。     

禽舍内有害气体的来源、危害及控制

分析了禽舍内氨气、硫化氢、二氧化碳、一氧化碳等有害气体的来源及危害,并提出了具体的控制措施,包括:合理选择养禽场址;科学规划设计禽舍;加强禽舍日常管理;改善日粮,提高营养素的利用率。     

基于NB-IoT的农田远程监测系统的设计

为了实时了解农作物生长环境信息,综合运用传感器技术、嵌入式技术和基于蜂窝的窄带物联网(Narrow Band Internet of Things,NB-IoT)等先进的信息技术,设计了基于NB-IoT的农田远程监测系统。此系统可对农田空气温湿度、土壤温湿度、光照强度、二氧化碳浓度、土壤pH值进行监测,并利用NB-IoT网络将实时采集的农田环境数据上传到后台管理服务器。后台服务器部署的农田环境数据监测平台采用LNMP(Linux+Nginx+My SQL+PHP)网站服务器架构实现,用户可使用浏览器访问农田环境数据监测平台来获取农田环境数据。该系统具有功能实用、操作简单、可大规模部署等特点。     

基于物联网技术的仓储香蕉成熟度智能监测与预警系统设计

为了达到对香蕉成熟度的无损检测,减少由于过度存放及处理不及时造成的损失,基于物联网技术设计并实现了一套仓储香蕉成熟度智能监测与预警系统。该系统包括智能仓储数据采集终端、手持无线中继器和后台数据服务器3个部分,智能仓储数据采集终端将采集到的仓储香蕉的温度、湿度、二氧化碳和氨气等环境信息通过手持无线中继器传输到后台数据服务器,然后基于神经网络识别算法判断给出香蕉的成熟度状态和预警信息。测试结果表明,该系统可以有效地对仓储香蕉的成熟度状态进行监测和预警,提示用户进行及时的处理,从而大大降低香蕉的损失率,具有非常高的实用价值。     

冬季分娩猪舍内主要有害气体分布规律及其影响因素探究

猪舍内空气中氨气、硫化氢和二氧化碳等有害气体的存在会严重影响猪的健康,降低其生产性能,诱发疾病。为探讨华北地区猪场封闭式分娩舍内冬季氨气、硫化氢和二氧化碳的分布规律及其影响因素,选择太谷县的一猪场,于2017年1月3日对封闭式分娩舍内的氨气、硫化氢和二氧化碳等有害气体进行了7 d的连续监测。结果表明,畜舍内气体一天内呈现周期性变化,白天各气体浓度均低于夜间;平面空间不同位置的气体浓度存在差异,四周浓度高于中间;不同气体垂直高度间的浓度变化不同,其中,氨气浓度地面处最高、屋顶处最低;舍内气体中氨气和二氧化碳的浓度与圈舍温、湿度间均存在显著正相关(r=0.898,r=0.945,P0.05)。猪产房舍内空气质量的改善需要通过调控舍内的温度、湿度与优化通风设施布局来实现。