基于分布式对象的蛋鸡舍设施养殖数字化智能监测系统

目前我国蛋鸡产业养殖模式逐步由小群体、散养往集约化、规模化方向发展,传统的养殖方式已经不能满足发展的要求。为了在非人为干扰条件下,可实时监测预警蛋鸡生产环境和生产过程,保障动物福利,本文基于可被远程调用的分布式对象的3Tiers物联网软件体系结构,将传感器技术和云技术结合在一起,设计了蛋鸡舍设施养殖数字化智能监测系统。3Tiers物联网软件架构考虑了大量的异构数据集成和对传感器设备的监测、远程交互性能的需求,满足了本研究中对规模化蛋鸡生产过程的研究要求。系统实现了规模化蛋鸡舍的实时生产环境参数采集和视频监控、生产资料管理、生产过程管理、基础信息管理、统计管理、预警设置管理、系统管理和推送管理功能。考虑到温热环境对蛋鸡健康福利和生产性能有着重要的影响,利用系统中的大量环境数据,对中国农业大学上庄实验站大鸡舍内的小气候环境舒适度进行评价,并结合产蛋率、死淘率和耗料,在黄山养殖场对环境舒适度评价进行了验证。通过对上庄鸡舍24h周期内和2016年11月-2017年4月的环境情况进行分析,结果表明实验蛋鸡舍内的小气候环境值始终小于70,蛋鸡群始终处于舒适区;而通过对养殖场鸡舍2016年7-10月份的环境数据和生产数据进行分析,验证了当蛋鸡处于舒适区时,产蛋率提升,死淘率下降,耗料更接近标准。     

基于分布式流式计算的蛋鸡养殖实时监测与预警系统

为实现蛋鸡养殖生产过程参数实时监测与预警,研发了基于分布式流式计算框架Data-Canal的蛋鸡养殖实时监测与预警系统。Data-Canal是面向数据流的分布式计算框架,使用控制流集中、数据流分散的模型,以分布式文件系统为中间结果的存储,支持异地多数据源的实时采集和处理。系统以Data-Canal为基础设施,在具有一定扩展性的情况下,保证实时性。系统采用Brower/Server模式,用户通过浏览器即可访问,提升了信息共享的便捷性。系统实现了规模化蛋鸡生产过程实时数据采集与展示、生产信息管理、实时预警、决策分析和系统管理功能,对蛋鸡养殖全生命周期进行了全方位的管理。运行效果表明,该系统可以解决规模化蛋鸡生产过程中产生海量数据信息化和实时处理问题,在部署8台机器的情况下,Data-Canal集群的处理能力峰值达到160 MB/s,延迟在分钟级别,在线上实验环境中,Data-Canal集群每天处理约25 GB的数据,而且系统后期维护和升级都极为便利。     

基于分布式流式计算的生猪养殖视频监测分析系统

基于分布式流式计算框架,提出了节点资源调度器算法,构建了可插拔的分布式流式实时计算模型,研究开发了生猪养殖视频监测分析系统。系统实现了规模化生猪养殖视频流数据采集、任务调度、实时计算、可插拔式扩展和结果展示的功能。在由1个主节点和3个从节点构成的集群下,采用改进混合高斯模型的背景更新方式,实现集群下多摄像头多目标的实时检测。平均处理速度比传统混合高斯模型提高了29.00%,平均检测率为79.00%,平均误检率比传统混合高斯模型降低了70.96%。测试结果表明,可插拔分布式流式实时计算模型具有较好的可扩展性,视频流处理算法速度和实时性得到了提升,具有较高的检测率和较低的误检率。     

基于Hadoop的蛋鸡设施养殖智能监测管理系统研究

为实现对蛋鸡生产过程中长期积累的海量数据进行高效存储和实时查询,利用Hadoop生态系统,设计了规模化蛋鸡设施养殖智能监测管理系统。针对环境数据的实时监测及大规模数据查询,用My SQL数据库存储近期数据、HBase存储历史数据,有效提升了检索速度;针对海量异构视频数据的统一管理,设计实现了基于MapReduce并行处理框架的分布式转码模块,将1.5 GB的视频分割为多个128 MB分段后进行转码,转码效率提高了50%。该系统实现了规模化蛋鸡场生产养殖中对实时信息、历史信息、基础设施信息、生产过程信息的统一管理,并提供了统计分析模块对采集获取的数据进行整合分析,开发了Web端网页版本及移动端APP版本的智能监测管理系统,便于用户进行实时访问,提高了生产养殖的工作效率。     

分布式磁力泵群智能监测系统的设

磁力泵以其无轴封,无泄漏的特点,广泛应用于电力、石油、化工等工业领域。随着工厂设备管理现代化的发展,要求对磁力泵的状态可监测,并且可联入工厂自动化监控网络。通过实际应用和分析对比,对磁力泵状态监测和故障诊断,其核心在于对隔离套温度、滑动轴承磨损监测两个方面。因此,针对磁力泵的结构及运行特点,采用单片机和PC机相结合的分布式系统,对生产车间多台磁力泵运行中隔离套温度及滑动轴承运行状态进行实时监测和记录,并实现了越限报警,故障泵停机切换处理。文章介绍了系统工作原理,硬件组成及软件设计。     

基于IPSO优化BP神经网络的蛋鸡舍有害气体监测系统

为实现蛋鸡养殖过程有害气体浓度监测,改善复杂环境下常用气体传感器之间因存在交叉敏感性而导致测量数据不准确的问题,设计了基于IPSO优化BP神经网络模型的有害气体监测系统。选用无线ZigBee模块、传感器模块和STM32模块,搭建了蛋鸡舍各点数据采集硬件平台,利用GPRS远程通信模块将平台采集到的数据传输至服务器,同时开发手机APP软件,对有害气体进行实时监测。利用权重线性递减及改进学习因子的IPSO算法,对BP神经网络进行优化,利用优化后的网络对气体传感器采集到的数据进行处理,有效提高了有害气体的数据精度。利用该系统对河北省保定市某鸡舍有害气体进行测试实验,将传感器测量值与真实值进行对比分析,验证了利用IPSO优化BP神经网络模型的有效性。测试表明,SGP30型二氧化碳传感器测量精度由81.75%提升到94.69%,MQ135型氨气传感器由61.83%提升到91.23%,MQ137型氨气传感器由70.18%提升到91.23%,MQ136型硫化氢传感器由62.35%提升到92.80%,TGS2602型硫化氢传感器由62.97%提升到92.80%。本研究为蛋鸡养殖过程中有害气体的精确监测提供了新方法。     

分布式无线土壤湿度监测系统的设计

设计了一种分布式无线土壤湿度监测系统,由多个从机和一个主机组成。从机负责测量点土壤湿度数据的采集,装置分布安装在一片待测土壤的多个测量点中,主机负责土壤湿度数据的收集和显示。主机和从机之间是无线双向通信。系统包括土壤湿度信息采集、无线模块、按键控制以及显示模块等部分。系统可以对一片土壤的湿度进行同时监测,其结构简单、使用方便,具有小型化、可视性好等特点,同时采用无线方式,无需馈线连接,主机和从机可以随时移动,可扩展性好。     

基于AVR单片机的鸡舍有害气体监测系统

针对我国北方鸡舍蛋鸡养殖密度大、产生的有害气体影响鸡群健康、导致产蛋性能下降的情况,研究设计了鸡舍有害气体监测系统.与传统的化学方法检测不同,系统由数据采集电路、信号调理电路、下位机与上位机通讯电路等硬件部分和相应的软件构成.它呵以完成有害气体浓度的检测,并通过Rs485将数据传送给上位机,以此数据来控制风机等装置的工作,使鸡含内环境利于蛋鸡的养殖.鸡场实验结果表明:有害气体测量误差在±3%范围内,为研究环境因素对蛋鸡产蛋性能的影响提供技术支持.     

基于物联网的温室智能监控系统设计

根据现代温室监控与管理需求,基于物联网技术框架,设计并实现了一种基于物联网的温室智能监控系统。系统由现场监控子系统、远程监控子系统和数据库3部分组成。采用基于分布式CAN总线的硬件系统实现环境数据的实时采集与设备控制,将分布图法应用于采集系统离异数据的在线检测。为了提高远程监控子系统的响应速度与交互性,采用了基于异步Java Script和XML技术(Ajax)的Web数据交互方式。结合温室环境调控的特点,将基于混杂自动机模型的温室温度系统智能控制算法应用于实际系统,实现了温室环境的自动调控。为保证设备控制的安全性,采用轮询法实现了现场监控子系统和远程监控子系统中设备状态的同步,并将基于Zernike矩的图像识别技术应用于双向型设备的状态检测,实现设备的自动校准。试验表明系统数据传输稳定,环境调控可靠,满足现代温室智能监控的需求。     

基于物联网的水产养殖智能化监控系统

针对目前我国水产养殖规模越来越大,种类越来越丰富,传统养殖方式已不能满足要求的现状,将RFID与无线传感网络技术相结合应用到水产养殖领域,提出了基于RFID与无线传感网络的水产品智能化养殖监控系统的架构及应用实施方案。根据水产品养殖基本流程,对水产品养殖环节的生长环境进行分析,总结影响水产品生长的环境因素并确定出进行水产品高密度养殖的最佳环境,从而实现环境资源的充分利用。通过现场试验,验证了该系统的数据检测与传输误差、闭环控制精度、反应速度等性能均达到了实际项目的需要,试验结果表明温度误差在±0.5℃范围内,溶氧量误差在±0.3 mg/L范围内,pH值误差在±0.3范围内,系统传输数据的正确率在98%以上。     

基于物联网和模糊PID技术的温室智能监控系统

针对温室范围广、监控点多、布线困难、且具有非线性、大延时、控制模型难以确定等特性,以CC2530为核心设计了无线传感器节点、汇聚节点及智能控制节点,实现对温湿度、光照等参数的实时采集,以Zigbee技术实现各无线传感器节点之间的数据传输;以GPRS技术实现汇聚节点与监控平台的对接,采用带Smith预估器的模糊PID控制算法实现对遮阳网、风机、湿帘、均热扇等设备的控制,经现场长时间运行表明,整个系统经济实用,控制精度高,运行稳定可靠,满足大棚生产要求。     

基于物联网技术的温室土壤环境监测系统的设计

针对传统的有线监测系统线缆密布、安装维护困难等问题,设计开发了一种基于物联网技术的温室土壤环境监测系统,该系统主要由无线传感器网络和监测系统两部分构成。主要介绍了基于cc2430的无线传感器节点的硬件设计,以及基于labview的上位机软件设计,并进行了系统测试。实验分析结果表明,该系统能实现对作物生长的土壤温、湿度进行自动实时监测,并结合作物生长的信息进行适量的灌溉,具有广阔的应用前景。     

基于物联网的农业虫害智能监控系统

为提高我国农业抗病虫害的整体水平,精准研究农作物生长环境对虫害数目变化趋势的影响尤为重要。基于物联网的农业虫害智能监控系统研发了一套自动采集农田环境信息、害虫数目,并且可以进行设备参数设置的系统。采用K-means聚类算法从拍摄图片背景中提取稻飞虱和最小二乘法椭圆拟合,用椭圆率区分虫体和杂质统计稻飞虱数目。同时,详细介绍了系统的硬件组成和软件设计功能模块,实现了虫害等信息的自动采集和自动化运作,为有效防控病虫害奠定基础。     

基于自动巡航无人驾驶船的水产养殖在线监控技术

研制了一种由自动巡航无人驾驶船、环境生态监控装置和远程服务平台3部分组成的水产养殖在线监控设备,在提高养殖监控效率和降低监控成本的同时,实现养殖过程的实时在线监测和精准调控。综合应用自动化航向航速控制、自动导航定位和防碰撞技术,实现无人驾驶船的自动巡航功能。利用无人船运载自制的多功能环境生态监控装置,实现水质指标(温度、溶解氧、p H值和氧化还原能力)以及鱼、虾生态信息的实时定点获取,并能根据用户需求调整检测指标。无人船在大幅减少环境生态监控装置数量的同时,有效提高了装置的检测精度。将统计分析、信息融合、组态控制、嵌入式等技术相结合,用于对数据进行处理与分析,实现养殖现场环境调控设备的精准控制。试验表明,该监控设备能满足规模化水产养殖需求,对推广应用精准农业技术与装置、进行水产养殖过程监测与精准调控有积极的促进作用。     

基于物联网的浮标水质监测系统与溶解氧浓度预测模型

为促进近海养殖业信息化发展,更好地实现对近海养殖环境的监控,设计了基于浮标平台的环境监测系统。利用STM32L475微控制器定时采集光照、温度、pH值、溶解氧浓度等信息,通过物联网技术将数据传输至云监测平台,实现了多区域环境信息远程监测和多终端访问。提出了改进遗传算法BP神经网络的溶解氧浓度预测模型,实现对近海养殖环境的预测;根据所采集的数据,利用改进遗传算法对初始权重和阈值进行优化得到最优参数,在此基础上构建BP神经网络溶解氧浓度预测模型。通过试验验证了该系统海洋环境信息采集的准确性与可靠性,以及溶解氧浓度预测模型的有效性;与传统遗传算法BP神经网络预测模型相比,平均误差由0.0778mg/L降至0.0178mg/L,能够满足近海养殖的实际需求。     

基于物联网和云架构的渠灌闸门智能控制系统

为了实现农田明渠灌溉的精准化控制,设计了一种基于物联网和云架构的渠灌闸门远程智能控制系统,系统由一体化旋转式闸门、本地控制软件、远程终端访问系统和云端中间件组成。闸门采用旋转式阀芯结构设计,降低闸门启闭时的驱动能耗;基于ARM开发了嵌入式控制系统,实现水闸运行的本地控制和状态数据采集;集成了无线通讯模块和光伏电源系统,解决传统水闸野外安装布线繁琐和供电困难问题;通过在阿里云服务器建立数据中心,部署中间件,实现水闸远程数据传送与控制指令传达;建立了基于水位、流量双反馈的闸门开度云控模型,实现水闸群智能运行;根据旋转式闸门启闭阶段角速度变化规律,提出了水闸运行异常报警方法;开发了B/S版和APP版的远程终端访问系统,实现了灌区数据大屏、闸群远程控制和智能调度,适用于农田灌溉中小型渠道输水、配水的精准化控制。