工廠化養蠶精準飼喂信息系統的研究與開發

何銳敏，鄭可鋒，張俊，張小斌，尉欽洋，朱怡航，趙懿瀅，顧清*

(1.嵊州陌桑高科股份有限公司，浙江 嵊州 312400；2.浙江省農業科學院 數字農業研究所，浙江 杭州 310021)

中國是世界蠶絲業發源地，蠶業也是我國傳統優勢產業[1]。然而，近年來蠶桑繭絲產業發展呈現蠶桑生產下滑、繭絲需求增長的趨勢，亟需通過蠶業的技術創新和產業升級來緩解或解決這個矛盾[2-4]。自2013年始，嵊州陌桑高科股份有限公司與有關科研院所合作開展了全齡人工飼料工廠化養蠶技術體系的研究與應用實踐，已在專用蠶品種選育與蠶種繁育周年供種、全齡人工飼料配方、飼料加工車間及裝備集成研發、飼料加工工藝、養蠶車間基礎設施、環境監測控制、專用蠶具研制等諸多技術與裝備方面取得了開創性成果[5]，目前一期項目已建成投產，可日產鮮蠶繭20余t。全齡人工飼料工廠化養蠶改變了五千多年的傳統養蠶方式，克服了傳統養蠶受季節、氣候等條件的限制，實現周年循環高密度飼養，極大地提高了桑蠶的生產效率和經濟效益[5-7]。

提高飼料利用率是控制工廠化養蠶成本的關鍵環節之一。根據養蠶盒單元蠶個體數量實時精準控制人工飼料投喂量，實現變量投喂，是一種節省飼料的有效方法。通過前期的研發，目前已經開發完成利用機器視覺和目標檢測技術進行家蠶和殘留人工飼料識別和計數的算法，可實現飼喂流水線上移動養蠶盒單元圖像的實時獲取和快速分析，為工廠化養蠶精準飼喂設備和信息系統的開發提供了算法支持。本研究在分析當前工廠化養蠶特有模式下對精準飼喂信息系統需求的基礎上，結合機器視覺技術和基于深度學習技術訓練的蠶和飼料殘留識別模型，開展了“工廠化養蠶精準飼喂信息系統”數據庫、功能模塊等的研究和開發，構建了針對人工飼料工廠化養蠶的精準飼喂信息系統框架平臺。通過本系統的開發，以期實現工廠化養蠶人工飼料投喂的數字化管理，達到人工飼料投喂變量化、精準化目標，提高飼料利用率，實現節本增效。

1 需求分析與研發目標

工廠化養蠶精準飼喂信息系統是集機器視覺系統、深度學習模型圖像分析、數據存儲檢索和分析功能的綜合平臺，用于掌握工廠化養蠶過程中詳細的蠶個體數、蠶群體生長發育狀況、飼料消耗情況以及飼養環境參數等信息。要求系統可以配置不同攝像頭，以實時獲取不同齡期的養蠶盒單元圖像；可以輸出、分析、保存、實時展示后臺深度學習模型運算得到的蠶和殘留飼料數據、預測蠶繭產量數據等。可以保存養蠶盒單元圖像和統計數據并提供查詢功能；可以實時測算當期家蠶和剩余飼料量數據累計值，獲得齡期、蠶期總體估計值、養蠶盒單元估計值等；可以查詢采集的圖片信息，增加蠶病、星標、備注等人工輔助分析功能；可以設置車間環境參數、攝像頭參數、最優生長發育時間序列模型參數等。系統主要功能模塊包括圖像采集模塊、服務器與數據庫模塊和前端用戶模塊。圖1為根據需求分析設計的系統建設目標框架圖。

圖1 系統建設的目標框架

1.1 圖像采集模塊

圖像采集模塊支持相機實時采集養蠶盒單元圖像，并將圖像傳輸至開發板，通過部署好的深度學習模型進行蠶體和飼料殘留識別、數據統計。多個開發板會向服務器傳輸圖像分析結果數據。使用工業相機獲取流水線上飼喂過程中養蠶盒單元的數字圖像。相機通過USB 3.0接口與開發板相連，通過對蠶盒的框形結構進行檢測識別達到自動拍攝的目標。

1.2 服務器與數據庫模塊

獲得不同開發板傳輸的分析數據后，將保存拍攝的圖片和數據存至數據庫服務器中。前期已在實驗室環境中采集了不同齡期的養蠶盒單元數字圖像，并選取其中比較理想的250張圖像作為訓練數據，通過計算機預處理、目標標注、模型訓練和預測驗證等過程，建立了基于深度學習模型Mask R-CNN的蠶體和剩余飼料識別計數模型。訓練完成后的模型部署在開發板上，用于實時圖像的分析。

1.3 前端用戶模塊

提供交互界面，可進行家蠶信息的查詢、檢索、可視化等。具體流程為：

用戶通過瀏覽器訪問系統，并采用心跳連接的形式向服務端發送服務請求，服務端根據客戶的請求和客戶等級提供蠶體信息和統計數據。管理人員需要在登錄界面輸入用戶名和密碼完成登錄，登錄后可以查看和更新系統參數。

用戶數據請求以表單形式提交給服務端，服務端驗證請求正確性后將查詢數據庫。用戶可進行數據分析結果檢索及圖片檢索。數據查詢可以提交查看數據請求給服務端，服務端接收到請求后，返回選定時間內和固定蠶期范圍內的統計信息與單個盒單元信息，包括總蠶數、平均盒蠶數、平均大小、平均勻整度、飼料余量總量、平均飼料余量、平均飼料利用率等。圖片檢索功能可對已保存的圖片進行搜索和查看。圖片分兩種方式保存，自動保存(每隔1 000張)和手動保存。可根據養蠶盒單元編碼、蠶期、齡期、日期和時間、保存方式進行圖片檢索。搜索出目標圖片后，可對圖片進行放大查看，對蠶生長狀況、飼料消耗和蠶病等情況進行識別分析后，可對圖片添加描述和備注，也可另存為其他路徑，用于進一步分析。

用戶可進行系統蠶數設置，包括每個蠶期的養蠶盒單元數(用于對不同蠶期的跳轉)、蠶個體大小區間定義、圖片存放路徑、圖片自動保存間隔等。另外還可以設置蠶最優生長發育時間序列模型，并可以新增和刪減參數。養蠶車間蠶最優生長發育時間序列模型是一個完整的蠶生長周期(0～20 d)，按小時等為間隔的各個環境參數(氣溫、濕度、照度、氣流等)、蠶體生長發育參數(平均飼養盒單元蠶個體數量、個體大小均值、勻整度、平均飼料消耗量等)，基于非等距時間序列的矩陣模型，是具體飼養過程中的環境、蠶體、飼料的調控閾值依據，并可以在具體的飼養實踐中以節能、降耗、節本、提高單位蠶繭產量為目標不斷完善和優化。

1.4 變量投喂數據接口與投喂設備耦合模塊

根據模型分析得出的養蠶盒單元存蠶頭數，按照蠶最優生長發育時間序列模型中對應齡期的單蠶基準攝食量，確定養蠶盒單元的所需飼料投喂量。通過數據轉換接口建立耦合機制，將量化后的精準投喂量數據信號傳輸至精準投喂裝備，投喂裝備按相應的數據實時調整出料量，實現人工飼料的變量精準投喂。

2 系統設計與實現

2.1 系統設計

工廠化養蠶精準飼喂控制信息系統包含家蠶圖像采集與機器視覺分析、家蠶信息查詢和投喂數據接口和耦合等3個子系統。家蠶攝像采集與機器視覺分析子系統主要負責圖像的采集和分析；家蠶信息查詢子系統主要用于數據的統計、分析和檢索；投喂數據接口和耦合子系統實現飼料實時精準變量投喂。系統設計結構如圖2所示。

圖2 工廠化養蠶精準飼喂控制的信息系統結構

2.2 數據庫設計

根據《全齡人工飼料工廠化養蠶數據標準》和《全齡人工飼料工廠化養蠶精準管理數據庫》規范開展系統數據庫的設計，構建攝像頭信息表、用戶信息表、后臺設置表及家蠶信息表等主要數據表。其主要邏輯結構如下：

攝像頭信息表(CameraInfo)：cam_id(攝像頭標識)+age(齡期)+date_id(蠶期)+IP(攝像頭IP地址)+iter_id(養蠶盒單元編號)；

用戶信息表(UserInfo)：user(用戶名)+password(用戶密碼)；

后臺設置表(Settings)：age_iter_num(養蠶盒單元數量)+default_image_path(默認圖片保存路徑)+can_img_interval(圖片保存間隔)+linqi_1_temp(溫度)+linqi_1_shidu(濕度)+linqi_1_siliao(飼料用量)+can_size_group_max(蠶大小區間最大值)+can_size_group_min(蠶大小區間最小值)；

家蠶信息表(CanLog)：id(蠶記錄編號)+time(圖片獲取時間)+cam_id(攝像頭編號)+age(齡期)+date_id(蠶期)+iter_can(養蠶盒單元編號)+num_can(總參數)+num_siliao(總飼料殘留量)+area_can(蠶面積)+area_siliao(飼料面積)+area_can_size(蠶大小所屬區間)+ori_image(原圖片存儲路徑)+seg_image(檢測圖片存儲路徑)+image_saved(圖片是否保存)+is_star(圖片是否星標)+is_ill(是否患病)+description(圖片描述)。

2.3 運行設計

根據用戶角色類型設置不同的訪問權限。當運行攝像機數據記錄模塊時，系統使用數據更新模塊，將家蠶信息寫入數據庫。當瀏覽器端運行數據查看模塊時，系統使用數據檢索模塊，從數據庫中讀取家蠶信息；該模塊主要使用React進行開發。

如果訪問者未登錄，即為訪客，則只能訪問登錄頁面，無法訪問任何其他信息。如果用戶已登錄，可以查看不同齡期的家蠶統計數據和圖表，也可進行數據查詢、圖片查詢、系統設置等。

2.4 系統實現

系統基于B/S模式開發，設置簡單，安裝方便，不需要安裝任何輔助軟件。服務器操作系統為Ubuntu 18.04，采用MySQL數據庫。在服務器上安裝好MySQL和Python后，完成基本網絡配置即可正常使用。系統的分析設計采用面向對象技術，應用React JS、PHP等工具進行輔助設計。客戶端可以在Windows 7、Windows 10、Mac OS等操作系統中使用Chrome、Firefox、IE等瀏覽器運行。圖3為系統首頁界面，圖4和圖5分別為當期蠶生長狀況評價數據模塊和蠶體識別分析實時數據展示模塊界面。

圖3 系統的首頁界面

圖4 當期蠶生長狀況評價的數據模塊

圖5 蠶體識別分析實時數據的展示模塊

3 小結與討論

本研究從工廠化養蠶對人工飼料精準飼喂信息化需求出發，開展了針對工廠化養蠶數據標準與數據庫、功能模塊等的研究和開發，構建了人工飼料工廠化養蠶特有模式下的精準飼喂信息系統框架平臺。工廠化養蠶精準飼喂信息系統的開發與應用，使管理人員可以及時掌握工廠化養蠶過程中詳細的蠶數、蠶生長發育狀況、飼料消耗情況以及飼養環境參數等信息，并對其進行數字化管理，將工廠化養蠶過程中的人工飼料投喂進行精準化、智能化、數字化，最終達到提高飼料利用率、節省成本的目的。

工廠化養蠶技術體系復雜，需要各類裝置設備與管理信息系統相互關聯協同，才能實現低本、高效地生產蠶繭。這些系統主要涉及飼養環境和蠶生長發育智能調控信息系統、遠程視頻監控信息系統、養蠶車間物流管理信息系統和本研究開發的精準飼喂控制信息系統等。各類信息系統之間的串聯集成以及與環境控制裝備、飼料成形及投喂裝備之間的高效耦合，是實現信息系統、智能裝備和管理信息平臺高效協同的關鍵技術。養蠶過程管理者通過管理平臺實現對整個車間飼養環境、蠶生長發育狀況、飼料投喂等過程透明可視，能有效提高飼養效率。

數字化、智能化、自動化、精準化和飼育周年化是全齡人工飼料工廠化養蠶成功的關鍵，因為只有實現這“五化”才能降低工廠化養蠶的飼料、人工、能源、管理和時間成本，使規模效益得到大幅提升，為產業化建立堅實的基礎[8]。而基于“五化”的生產和管理都離不開數據的標準化和信息化，因此，本信息系統的研發也具有重要的現實和實踐意義。由于是首次提出的系統框架，難免存在問題和不足之處，必須在今后的應用和工廠化養蠶技術體系的發展中不斷充實和改進。