基于無線傳感器網絡的水產養殖水質監測系統

施珮 袁永明 張紅燕 匡亮

摘要 集約化的水產養殖對養殖水體水質有較高的要求，不準確的測量和延遲的數據采集會影響養殖生產的順利進行。設計了一種基于無線傳感器網絡的水產養殖水質監測系統，將無線傳感器網絡與上層應用系統有機結合，在自組網情況下實現了水產養殖相關數據的實時監測。該系統在Cotex-M4 ARM架構下以微處理器STM32F405與無線射頻芯片CC2530為核心，對系統底層硬件、底層軟件、應用層軟件進行了開發。同時，為提高數據的準確性，采用新型支持度函數加權融合算法對系統采集的多傳感器數據進行融合。整個系統測量精度高，實時性強、運行穩定，能夠較好地滿足水產養殖水質監測的要求。

關鍵詞 水產養殖;STM32F405;ZigBee;CC2530;水質監測

中圖分類號 S 126文獻標識碼 A

文章編號 0517-6611（2021）05-0207-04

doi：10.3969/j.issn.0517-6611.2021.05.058

開放科學（資源服務）標識碼（OSID）：

Monitoring System of Aquaculture Water Quality Based on Wireless Sensor Network

SHI Pei，YUAN Yong-ming，ZHANG Hong-yan et al

（Freshwater Fisheries Research Center，Chinese Academy of Fishery Sciences，Key Laboratory of Freshwater Fisheries and Germplasm Resources Utilization， Ministry of Agriculture and Rural Affairs，Wuxi， Jiangsu 214081）

Abstract Intensive aquaculture has high demands on the quality of culture water.Inaccurate or delayed water quality monitoring will do harm to the regular fishery production.To solve these problems，this study designed a monitoring system of aquaculture water quality based on wireless sensor network.It combined the wireless sensor network with application system together，and realized the real-time monitoring of aquaculture water quality by using ad-hoc network.Under Cotex-M4 ARM architecture，the monitoring system used microprocessors STM32F405 and wireless RF CC2530 chip as a core.Meanwhile，it developed corresponding underlying hardware，software and application software.In order to enhance the data accuracy，an improved support degree function was applied to fuse multi-sensor data in monitoring system.This system had high measurement accuracy，real-time and stability，which could meet the requirements of aquaculture monitoring.

Key words Aquaculture;STM32F405;ZigBee;CC2530;Water quality monitoring

近年來，隨著水產養殖逐漸規模化、集約化，我國居民水產品攝入量逐年增高，可供食用的水產品種類也日趨豐富。水產品的質量與產量受到多種因素的影響，其中養殖水體的質量至關重要[1-3]。現階段，養殖密度的擴大使得部分養殖水環境遠超其承載極限，水質不斷惡化，病害率提高。因此，準確、實時的水產養殖水質監測具有重要意義。

傳統的水質監測主要依賴于儀表與人工經驗的結合，耗時、耗力、監測范圍小且監測周期長[4]。目前廣泛采用的有線自動監測系統存在布線困難、施工難度大、維護成本高、監測范圍有限等問題[5]，相關從業者迫切需要一種更有效的水產養殖水質監測系統。王文華等[6]使用STC12C5A60S2采集相關傳感器數據，并通過GSM進行傳輸，該方案對運營商依賴性強，維護成本高，功耗大，存在自身局限性;黃建清等[7]通過nRF905實現無線傳輸，但nRF905無法實現自組網功能，方案可擴展性差;張國杰等[8]采用STM32微處理器作為終端及GPRS實現傳感器數據傳輸。筆者在前人研究的基礎上，結合新一代信息技術手段，提出了一種基于無線傳感器網絡的水產養殖水質監測系統，使用數據采集終端節點測量水質各參數，通過ZigBee網絡發送至協調器，協調器通過RS232發送至服務器端，用戶可在網頁和手機APP遠程查看水質數據。

1 系統結構

基于無線傳感器網絡的水產養殖水質監測系統主要包括數據采集終端、ZigBee路由器、ZigBee協調器、服務器端等構成，系統結構如圖1所示。數據采集終端、ZigBee路由器、

ZigBee協調器通過已配置信道與Pan ID完成數據傳輸，考慮到水質監測節點較多，ZigBee無線網絡采用網狀拓撲結構。

2 硬件電路設計

數據采集終端主要包括數據采集模塊和ZigBee通訊模塊兩部分，數據采集終端硬件連接圖如圖2所示。

數據采集模塊包括溫度傳感器、溶解氧傳感器、pH傳感器、溶解氧飽和度傳感器、MCU主控制器構成，ZigBee通訊模塊由CC2530構成，電源電路負責為整個采集終端供電。各傳感器采集到相關數據后通過CC2530模塊的ZigBee網絡傳輸至協調器，協調器通過RS232連接服務器，實現監測數據的實時顯示及存儲。

2.1 MCU主控電路

主控芯片采用意法半導體公司的STM32F405RGT6。該芯片基于Cotex-M4架構，最高主頻168 MHz，作為一款高性能的微控制器，其采用90 nm的NVM工藝和ART（自適應實施存儲加速器，Adaptive Real-Time MemoryAccelerator），能夠勝任該水質監測系統傳感器采集及數據融合的要求，STM32F405RGT6外部引腳圖如圖3所示。

2.2 數據通信電路

數據采集模塊采集數據后需通過ZigBee網絡上傳數據。ZigBee采用基于802.15.4的低功耗局域網協議標準，該標準由ZigBee聯盟（ZigBee Alliance）開發并管理。ZigBee常用于異步通信，具有CSMA/CA通道介入能力。因其低功耗、低成本、時延短、網絡容量大、可靠、安全等特點，被廣泛應用于智能家居、智慧醫療、智慧農業等物聯網行業中[9-13]。ZigBee有3種網絡拓撲結構：①星型網絡。該網絡拓撲方式結構簡單，但只有唯一的路徑，整個ZigBee網絡容易受到協調器限制。

②樹形網絡。該網絡拓撲方式可以重復多個層級，ZigBee網絡通過路由器節點延長傳輸距離，但終端節點只能指定一條路由路徑，并且路由過程是完全透明的。③網狀拓撲結構。該網絡拓撲結構具有更加靈活的信息路由規則，信息通訊更有效率，整個網絡具有“自愈性”。節點間根據路由探索功能可以找到信息最佳傳輸路徑。該系統采用此網絡拓撲結構。

此次監測系統中ZigBee通訊模塊采用CC2530F256，該芯片由德州儀器（Texas Instruments，TI）生產，遵循2.4 GHz IEEE802.15.4協議。ZigBee和RF4CE的結合應用是一個真正的片上系統（SoC）解決方案，ZigBee通訊模塊系統電路圖如圖4所示。

3 軟件設計

3.1 底層軟件設計 數據采集模塊STM32F405RGT6采用結構化編程方法，在MDK環境下使用C語言編程，J-Link在線調試。ZigBee通訊模塊采用IAR Embedded Workbench完成程序編譯開發。數據采集模塊代碼主要包括水溫數據采集子函數、溶解氧數據采集子函數、pH采集子函數、溶解氧飽和度數據采集子函數。運行時，數據采集模塊首先進行微處理器初始化，對各函數進行調用獲得傳感器數據，并通過CC2530發送至協調器。數據采集模塊程序流程如圖5所示。

3.2 應用層軟件設計

為了便于用戶隨時查看數據信息，該監測系統完成了服務器端的開發和部署，并在應用層設計了移動端APP軟件，可使用手機實時查詢服務器數據。該系統數據庫采用MySQL開發，其中包含監測指標信息表、監測池塘信息表、設備信息表等表格。APP軟件采用面向對象編程的方法，在Eclipse For Android Developer Tools環境下采用Java開發，提供遠程訪問數據庫功能和執行器設備控制功能。通過這些功能用戶可隨時查看養殖水體的實時情況，并根據數據分析結果，實時控制底層設備，APP軟件訪問服務器流程如圖6所示。

在軟件開發中，設計了權限驗證功能，經過驗證后方可顯示主界面，同時使用ViewPager控件實現界面滑動功效果。與服務器連接成功后，即可查看傳感器監測信息，該軟件實現效果如圖7所示。

4 算法實現與結果分析

4.1 數據預處理

由于水質監測系統采集數據的多樣性，各參數之間存在量綱和量級上

的差異[14]。為了避免這些差異對數據分析和融合產

生的影響，使用數據標準化方法Z-score[15]對采集的原始數據進行處理。標準化處理計算式

如下：

x k+i=x k+i×（x k+j-x k）j，0

式中，x k+i為k+i時刻傳感器丟失數據;x k、x k+j分別為第k和k+j 時刻傳感器采集的原始數據。

4.2 數據融合

由于在實際水產養殖過程中，水質監測系統采集的傳感器參數較多，且來源于多個傳感器。為了保障系統能夠根據監測數據做出正確的控制和決策，系統需要利用數據融合算法對這些數據進行融合后輸出。該研究中搭建的無線傳感器網絡水產養殖監測系統使用一種新型支持度函數加權融合理論[16]作為多傳感器數據的融合算法。系統多參數數據融合過程如圖8所示。

基于水產養殖水質監測系統采集的多傳感器水質參數經數據傳輸層到達應用層。所有采集的原始數據首先經過數據預處理獲得標準化后的數據，再經過加權融合操作，向系統提供融合結果，為系統控制決策提供依據。

4.3 結果分析 該研究中將該水產養殖監測系統應用在無錫南泉水產養殖基地的多個養殖池塘中。選擇其中一個試驗池塘為研究對象，并將系統監測數據和融合的部分結果顯示在表1中。從表1可以看出，溶解氧融合值與多傳感器觀測值具有較高的一致性，能有效體現多傳感器觀測值之間的潛在關系，可以為多傳感器測量提供參考依據，為水產養殖實際應用提供決策支撐，滿足生產實踐的需要。然而，融合值和真實值仍會存在一定的誤差。這是由于在實際傳感器感知測量的過程中，傳感器會由于微生物、污漬附著或環境的突然變化使得測量誤差發生。當故障發生或水體發生突然異常時，水質監測系統的融合機制可以實時獲得新的融合值并傳送至應用端用戶中心。同時，系統能夠幫助發現故障設備，調整應急策略，降低養殖風險，提高經濟效益。

5 結論

該研究以無錫市南泉養殖基地的養殖池塘為試驗對象，設計了基于無線傳感器網絡的水產養殖監測系統。該系統以自組網的形式完成多個試驗池塘中水溫、溶解氧、pH、溶解氧飽和度等指標的檢測。對數據采集終端節點、應用層APP進行開發，并利用新型支持度函數加權融合算法完成多參數傳感器的數據融合處理，解決了遠程水質監測中精度低、實時性差等問題。該系統能幫助相關從業者實時了解養殖水體信息，提高養殖效率，從而規避養殖風險，提高經濟效益。

參考文獻

[1]

孫麗華，陳浩如，黃洪輝，等.攝食水平對幾種重要海水養殖魚類生長和氮收支的影響[J].水產學報，2009，33（3）：470-478.

[2] 陶寧，母剛，張國琛，等.陶瓷板和真空管太陽能集熱器對養殖水體升溫效果的對比研究[J].大連海洋大學學報，2019，34（2）：267-272.

[3]李希磊，吳雪，楊俊麗，等.萊州灣扇貝養殖區水體質量調查[J].安徽農業科學，2017，45（20）：106-110.

[4] 譚德紹.VOCs氣質聯用走航監測技術應用于環境監察的展望[J].節能與環保，2019（8）：98-99.

[5] 黃建清，王衛星，姜晟，等.基于無線傳感器網絡的水產養殖水質監測系統開發與試驗[J].農業工程學報，2013，29（4）：183-190.

[6] 王文華，岳維光，王宇飛，等.多傳感器無線智能水質監測系統設計及應用[J].電子設計工程，2016，24（7）：135-137，140.

[7] 黃建清，王衛星，姜晟，等.基于無線傳感器網絡的水產養殖水質監測系統開發與試驗[J].農業工程學報，2013，29（4）：183-190.

[8] 張國杰，陳凱，顏志剛，等.基于無線傳感器網絡的水質監測系統研究[J].機電工程，2016，33（3）：366-372.

[9] 劉大安.水產工廠化養殖及其技術經濟評價指標體系[J].中國漁業經濟，2009，27（3）：97-105.

[10] 潘子輝，沈蘇彬，吳振宇.一種基于ZigBee的智能家居自動服務提供方法[J].計算機技術與發展，2018，28（1）：200-204.

[11] 檀業健.基于智能病房的監控系統設計[J].機械工程與自動化，2018（3）：184-185.

[12] 趙曉璐，劉琨.基于ZigBee技術的智慧農業實時采集和遠程控制系統[J].農業工程技術，2017，37（6）：35-36.

[13] 田學軍，何江蕓.一種基于ZigBee的智慧農業無線網絡監控系統[J].機床與液壓，2018，46（22）：112-115，134.

[14] 施珮，袁永明，匡亮，等.基于EMD-IGA-SELM的池塘養殖水溫預測方法[J].農業機械學報，2018，49（11）：312-319.

[15] 匡亮，華馳，鄧小龍，等.一種優化極限學習機的果園濕度預測方法[J].傳感技術學報，2019，32（3）：418-423.

[16] SHI P，LI G H，YUAN Y M，et al.Data fusion using improved support degree function in aquaculture wireless sensor networks[J/OL].Sensors，2018，18（11）[2020-04-25].https：//doi.org/10.3390/s18113851.DOI：10.3390/s18113851.