水產養殖物聯網系統集成與安全預警研究

黃雅玉，鄂 旭,2，楊 芳，周 津，蓋佳妮

(1.渤海大學 教育學院，遼寧 錦州 121000;2.渤海大學 信息科學與技術學院，遼寧 錦州 121000;3.渤海大學 實驗管理中心，遼寧 錦州 121000)

水產養殖物聯網系統集成與安全預警研究

黃雅玉1，鄂 旭1,2，楊 芳3，周 津1，蓋佳妮1

(1.渤海大學 教育學院，遼寧 錦州 121000;2.渤海大學 信息科學與技術學院，遼寧 錦州 121000;3.渤海大學 實驗管理中心，遼寧 錦州 121000)

中國是水產養殖大國，總產量連續多年位居世界第一位。但是國內水產養殖業發展卻是以消耗和占用大量資源為代價的，生態失衡和環境惡化問題日益凸顯。為此，針對水產品安全系數低、養殖過程智能化程度低的狀況，提出了基于信息感知的水產養殖物聯網系統集成與安全預警方法。以系統集成為指導思想，以集約化水產養殖的水質監控設備為研究對象，將在線智能診斷技術應用在水質監控系統中，通過建立信息傳輸技術體系架構，利用信息參數的無線數據傳輸、自動信息采集節點等技術，精確可靠地獲得了養殖參數信息，并通過系統結構和預測預警方法的設計，實現了水產養殖智能化和自動化運行。研究結果表明，該系統集成理念與安全預警方法是可行和有效的，并且對于其他的類似應用也具有借鑒價值。

信息感知；系統集成；無線采集；無線匯聚節點；最小二乘支持向量回歸機

0 引 言

作為物聯網技術重點應用領域之一的農業，其對物聯網技術的需求最迫切，集成特征最明顯，難度系數亦最大[1-3]。物聯網浪潮的來臨，對現代農業的發展，如水產養殖、畜禽養殖、園藝設施等行業領域的各種要素實行科學化管理，精準化運行，智能化控制等，實現“全面感知、可靠傳輸以及智能處理”,達到優質、安全、高效、高產的目標[4-9]。系統集成根據系統工程學的指導和用戶需求，選取各種優質技術、產品，將分離的各個子系統連接成一個經濟有效的整體，使它們彼此協調工作，整體性能達到最優。物聯網基于互聯網、電信網等信息承載體，讓各個能被獨立尋址的物理對象實現網絡的互聯互通[10-14]。為此，在研究水產養殖傳輸技術體系框架建模的基礎上，提出了基于信息感知的水產養殖物聯網系統集成和建模方法，進而設計并實現了監控設備診斷系統的設備集成、系統結構和預測預警方法。

1 水產養殖傳輸技術體系架構的建模

1.1水產養殖傳輸技術體系架構

若想真正達到物聯網的最終目標，需打破傳統的孤立形態，形成新一代和電信網融合的物聯網，克服原始信息傳輸系統之間無關聯的交互方式。如圖1所示，該系統能夠實現信息參數的無線數據傳輸和自動信息采集節點，使人們精準地獲取養殖參數信息。

圖1 水產養殖物聯網傳輸技術體系架構

1.2基于能量和距離的無線傳感器網絡分簇路由協議

高效的分簇算法形成的網絡結構，阻止網絡連通性下降，延長了網絡的生命周期。典型的無線傳感器網絡分簇路由協議是LEACH協議，而EECS協議則是一種在LEACH協議基礎上經典的改進算法。LEACH算法中，節點根據通信代價最小原則決定加入哪個簇，不僅不能保證簇的負載平衡能量，且忽略了距離基站較遠簇頭的能量耗費過快等問題。針對這些問題，EECS提出新的通信代價(見式(1))決定節點加入哪個簇。

cost(i,j)=wf[d(Pj,CHi)]+ (1-w)·g[d(CHi,BS)]

(1)

(2)

其中，cost(j,i)為節點Pj加入簇頭i；d(Pj,CHi)為節點與簇頭的距離；f子函數則為保證最小化節點與簇頭間的通信代價；d(CHi,BS)為簇i到基站間的距離；權值w的設置根據具體應用，在簇頭能量消耗之間與成員節點能量折衷，目標就是最大化網絡生命周期。節點Pj選擇cost(j,i)最小的簇頭i加入，保證每個簇頭的負載均衡。

實驗結果顯示，EECS協議比LEACH協議的網絡生命周期提高了30%以上。

2 水產養殖物聯網系統集成問題描述

2.1水產養殖物聯網系統集成思想

系統集成的水平很大程度上影響物聯網系統的效應和效率，將所有孤立的系統建立聯系，構成一個經濟有效實用、完整可靠、可擴充維護的水產養殖物聯網平臺。

2.2水產養殖物聯網系統集成建模

2.2.1 集成原則

水產養殖物聯網系統集成是運營維護融為一體的重要環節，包括前端信號采集、網絡傳輸過程和后臺，是一項非常具有挑戰性的任務，如不遵循一些原則，就會產生許多問題。水產養殖物聯網系統集成必須滿足用戶需求，即安全可靠性、實用性、遵循系統先進性、兼顧經濟性、擴充可維護性等原則。

2.2.2 集成步驟

水產養殖物聯網系統集成的步驟對于不同的應用有不同的決策，可將其分為三個階段，每個階段又分若干步驟。以下結合水產養殖物聯網給出系統集成的具體步驟。

(1)系統集成方案設計階段：需求分析；系統集成方案設計；方案論證。

(2)工程實施階段：感知設備集成；網絡設計；應用服務集成與實現；系統測試。

(3)驗收和維護階段：系統驗收；系統維護和服務；項目總結。

3 模擬實驗

針對國內農業信息化應用模式多、需求復雜多變，而基礎設施薄弱的特點，采用智能信息服務等關鍵技術，為現代農業技術體系提供有力的支撐，構建了一個面向服務的集成環境和運行支撐平臺。該案例構建了水產養殖物聯網應用實例，詳細介紹了水產養殖物聯網監控設備診斷系統的設備集成、系統結構和預測預警方法，建立以最小支持向量回歸為數學模型的集約化水產養殖水質預測模型。

3.1設備集成

水產養殖監控設備包含無線采集節點、無線匯聚節點、水質傳感器、Web訪問端和遠程服務器。水產養殖物聯網系統選用的集成設備除了具有最基本的功能外，還具有設備狀態、傳輸、電池電量的信息記錄等功能，并充分考慮了接口標準、數據通道等方面。

3.2系統結構設計

水產養殖水質監控設備故障在線智能診斷系統軟件按結構層次劃分為數據訪問層、應用層、表示層，如圖2所示。

圖2 水產養殖水質監控設備故障在線智能診斷系統軟件結構

3.3預測預警方法

采用最小二乘支持向量回歸機解決函數估計問題。LSSVR采用不等式約束，將損失函數和誤差平方作為訓練集的經驗損失，且將支持向量機中傳統的解二次規劃問題轉化成求解線性方程組的問題，有效提高了收斂精度和計算速度，具有良好的推廣性。其最小二乘支持向量回歸機的數學模型如式(3)和式(4)所示：

(3)

yi=ωTφ(xi)+b+ξi(i=1,2,…,l)

(4)

其中，xi∈Rl和yi=Rl分別為系統的輸入和輸出向量；ξi∈R為經驗誤差；b為偏置量；C∈R+為正則化參數；φ(·)為輸入空間到特征空間的非線性映射。

求解上述約束優化問題，其對偶問題的Lagrange多項式函數為式(5)所示：

(5)

其中，α=[α1,α2,…,αl]T為拉格朗日乘子。

分別對ω，b，ξi,αi求偏導數并令其分別等于0，得到如式(6)所示的線性系統：

(6)

式(6)消去ω，ξi，得如式(7)所示的線性方程組：

(7)

其中，I=[1,1,…,1]T；E為l×l維的單位矩陣；y=[y1,y2,…,yl]T，Ωij=φ(xi)·φ(xj)=K(xi,xj)為滿足Mercer 條件的核函數，所求的最小二乘支持向量回歸機數學模型如下所示：

(8)

核函數選擇至今沒有統一標準。經研究發現，相同條件下選擇高斯RBF核函數較其他核函數為實際問題獲得了更為滿意的預測效果，因此，該系統采用高斯核函數作為LSSVR模型的核函數。得到的LSSVR模型如下所示：

(9)

4 系統分析

該系統的監控平臺使用戶很容易通過實施精準的方法監測水產養殖水質參數，同時監控計算機對系統數據進行分析處理并做出相應的控制決策。

4.1數據歸一化預處理

為消除各指標的量綱不同，縮小統一指標值的變換范圍，采用式(10)和式(11)對樣本指標進行歸一化預處理。對于越大越優的指標，歸一化表達式為:

(10)

對于越小越優的指標，歸一化表達式為:

(11)

4.2算法實現及性能分析

SVM分類器基于徑向基核函數，其性能由參數(C,σ)決定，不同取值的C和σ會得到分類性能不同的SVM分類器。為選擇最優的(C,σ)參數組合，采用可避免過學習或欠學習的k折交叉驗證法用來實現。算法初始化為：0≤C≤200，0.1≤σ≤10，且最大循環Time=1 000。通過優化計算獲取SVM最優參數組合：C=115.0，σ=3.492。并將參數代入RS-SVM分類模型中，進行養殖水質預警。其測試集判定情況如表1所示，結果對比如圖3所示。

表1 基于RS-SVM分類模型對測試集判定情況

圖3 實際測試集分類與基于RS-SVM的分類圖

由表1和圖3可知，該預警模型精度都達到了90%以上，能充分滿足集約化水產養殖的真實需要。

5 結束語

針對國內水產品安全系數低、養殖過程智能化程度低的狀況，提出了基于信息感知的水產養殖物聯網系統集成與安全預警方法。該方法以系統科學理論為指導思想，采用相應的集成技術，將水產養殖物聯網技術中各個孤立的系統進行有機組合，并采用最小二乘支持向量回歸方法，建立了水產養殖安全預測預警模型，以提高算法的收斂精度和計算速度，設計并實現了一個安全可靠、經濟性好的水產養殖物聯網系統。雖然通過對數據歸一化預處理的研究解決了各指標的量綱不同等問題，能基本滿足集約化水產養殖的實際需要，但模型的預警精度還需要進一步提高。

[1] 李道亮.物聯網與智慧農業[J].農業工程,2012(1):1-7.

[2] 鄂 旭,楊明婧,勵建榮,等.能量均衡的數據融合隱私保護算法研究[J].計算機工程,2016,42(4):126-130.

[3] 李道亮.農業物聯網導論[M].北京:科學出版社,2012.

[4] E Xu,Lin Shuang,Jin Lulu.Data recovery method for seafood quality safety system based on rough set theory[J].International Journal of Security and Its Applications,2014,8(5):195-202.

[5] 邵良杉,趙琳琳.區間直覺模糊信息下的雙向投影決策模型[J].控制與決策,2016,31(3):571-576.

[6] 劉 源,靳登超,趙金才,等.基于單片機的養殖水質自動監控系統[J].自動化技術與應用,2010,29(2):101-103.

[7] 吳子岳,趙婷婷.水質在線監測系統及檢測分析方法[J].漁業現代化,2007,34(4):28-29.

[9] Avci E. Selecting of the optimal feature subset and kernel parameters in digital modulation classification by using hybrid genetic algorithm-support vector machines:HGASVM[J].Expert Systems with Applications,2009,36(2):1391-1402.

[10] 鄂 旭. 物聯網電子技術[M].北京:清華大學出版社,2014.

[11] 鄂 旭，侯寶明，畢佳娜，等.基于物聯網的智能農業[J].計算機技術與發展,2014,24(9):164-167.

[12] Frank H.Risks,uncertainties and profits[M].Charleston,South Carolina:Nabu Press,2010.

[13] 吳曼青.物聯網與公共安全[M].北京:電子工業出版社,2012.

[14] 陳君石.食品安全風險評估概述[J].中國食品衛生雜志,2011,23(1):4-7.

Research on Integration of Internet of Things System andSecurity Early Warning in Aquaculture

HUANG Ya-yu1，E Xu1,2，YANG Fang3，ZHOU Jin1，GAI Jia-ni1

(1.Education College,Bohai University,Jinzhou 121000,China;2.School of Computer Science and Technology,Bohai University,Jinzhou 121000,China;3.Experiment Management Center,Bohai University,Jinzhou 121000,China)

China is the biggest aquaculture country in the world,in which gross product has been the most for many years.However,since Chinese aquaculture has been developed at the cost of consuming and occupying large amount of nature resource,the problems of ecological imbalance and deterioration of the nature environment have become more and more prominent.Therefore,in view of the situation of low aquaculture safety factor and low intelligent level in breeding process,a method of system integration and security prediction of aquaculture Internet of Things based on system perception is proposed,in which with system integration as guiding ideology and intensive aquaculture water quality monitoring equipments as investigated objects,the online intelligent diagnosis technology is applied in water quality monitoring system.The breeding parameter information has been acquired in an accurate and reliable way via establishment of information system structure with transmission technologies and adoption of wireless data transmission of information parameter,automatic information collection node and other technologies.System structure,prediction and early warning methods have been designed and intelligent and automatic operation of aquaculture has been implemented eventually.The research shows that it is feasible and effective,which is of reference value for other similar applications.

information perception;system integration;wireless data acquisition;wireless sink node;least squares support vector regression machine

2016-05-31

：2016-09-08 < class="emphasis_bold">網絡出版時間

時間：2017-07-11

遼寧省社會科學規劃基金項目(L16BJY001);遼寧省自然科學基金項目(20170540005，2014020141);遼寧省社會科學規劃基金重點項目(L14AGL001)

黃雅玉(1986-)，女，研究生，研究方向為現代教育技術；鄂 旭，教授，通信作者，研究方向為食品安全物聯網。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170711.1451.004.html

TP301

:A

:1673-629X(2017)09-0201-04

10.3969/j.issn.1673-629X.2017.09.044