
摘 要:為推動科學化魚類養殖,減少養殖魚類的病害發生,設計了養殖魚類水質監測及關聯分析系統,在監測水質的同時,對水質數據進行關聯分析,通過物聯網技術搭建了多重傳感器組成的水質監測平臺,在監測平臺獲取水質數據的基礎上,完成水質數據的關聯分析。
關鍵詞:魚類養殖;水質監測;關聯分析;水質分析
隨著科學養殖技術的普及,我國魚類養殖技術快速發展,但由于魚類品種繁多,產量巨大,養殖中經常有魚類病害發生,且魚類養殖有較高的實時性,有些病害發展迅速,程度難以控制。目前較多已經成熟的水質監測技術雖可以滿足養殖數據的實時獲取,但數據本身無法提供病害預防的理論依據,還要加以分析和運算才能了解養殖環境的具體情況,如能將監測和分析加以結合[1],利用相關技術進行系統呈現,將有效減少魚類病害的發生,做到病害的預防。養殖魚類水質監測及關聯分析系統由兩部分構成,分別是水質監測以及關聯分析。本系統基于物聯網技術,將各個指標相應的傳感器進行搭建,完成養殖水質的實時監測,同時在水質監測基礎上引入灰色關聯算法,以求得關聯程度最大的水質因子作為養殖魚類病害分析的依據,最后將數據結果以圖表化呈現,養殖人員可以更加直觀方便地獲取相關的養殖數據。
1 系統需求分析
1.1 用戶需求
養殖魚類水質監測及關聯分析系統的用戶類別分別為開發者、管理者、使用者(養殖人員)。其中管理者使用系統后臺所設定的賬戶密碼進入系統,管理者的職能是系統使用的基礎,它作為系統的一部分也是連接其他工作模塊的橋梁。所以,為了系統操作的便捷性,管理模塊應該盡可能簡單明了,并具備基本的信息管理、限權管理、用戶管理等模塊。
1.2 功能需求
養殖魚類水質監測及關聯分析系統功能需求主要分為三部分:首先為數據采集模塊,該模塊將水質監測平臺所采集的數據儲存到系統數據庫中,同時可以導入相關病害數據;其次為數據管理模塊,該模塊的功能主要是完成數據清洗、數據檢索以及數據分析,保證監測得到的數據準確無異常值,并依據分析模型進行數據計算獲取結果;最后為展示分析模塊,該模塊完成監測數據的展示、分析結果的展示等,為數據結果進行可視化處理,方便使用人員依據數據結果對養殖環境進行整改。
2 系統構成
2.1 系統硬件構成
養殖魚類水質監測及關聯分析系統整體分為兩大部分,分別由水質監測平臺和數據關聯分析系統構成。其中平臺主要由環境數據檢測、數據傳輸處理和系統平臺三個部分組成。水質環境數據監測的結構由多傳感器組合搭建,為保證傳感器之間的協同工作,監測平臺的底層硬件采用STM32系列單片機,該系列嵌入式單片機具有高性能、低成本等特點,可以在滿足應用需求的同時降低使用成本,并且它豐富的外圍接口也可以依據使用環境進行改進[2]。目前影響魚類病害的水質因素主要有水溫、pH值、溶解氧、氨氮、亞硝鹽,那么系統基于這些數據需求將這五種傳感器進行組合完成養殖區域的水質數據采集。數據采集完成之后通過LoRa無線通信模塊進行數據的遠距離傳輸,由于魚類養殖場地通常與系統使用場地具有較大距離,那么采用LoRa協議就可以保證數據傳輸的實時性,為后續的數據分析提供基礎。
2.2 系統軟件構成
養殖魚類水質監測及關聯分析系統采用B/S架構,相比C/S結構它的優點是更加便捷,為了減少后期的維護與更新所投入的成本,本系統基于瀏覽器就可完成相關工作,不需要客戶端的支撐[3]。系統前端使用HTML、JavaScript等語言,完成系統界面的制作,后端則使用Java語言編寫完成數據處理及分析等工作。在數據分析結束之后通過引入ECharts工具完成數據分析的可視化工作。
3 數據分析核心技術
3.1 灰色關聯分析模型算法概述
養殖魚類水質監測及關聯分析系統采用灰色關聯模型進行數據分析,通過計算因子間的互動程度來獲得關聯度大小,關聯度是指進行分析的兩種因子之間關聯程度的量值,它不需要被計算數據之間有著特定的規律,被計算因子在發展過程中出現較高的一致性,就稱兩者之間的關聯度大[4],考慮魚類養殖中水質因素對病害的產生影響最大,所以本系統通過灰色關聯分析模型建立水質數據與病害發生率的關聯模型,分析當前養殖環境,為養殖活動提供理論依據。
3.2 關聯分析模型建立流程
4 數據庫設計
數據庫是本系統正常運行的核心所在,養殖魚類水質監測及關聯分析系統所產生的數據都會隨著時間的推移而不斷增加,所以數據庫設計更需要體現人性化和操作簡潔化。數據采集的設備不同造成數據類型差別較大,為了保證能夠兼容不同的數據同時又保證數據的安全性,數據庫設計就需要更高的標準去執行,本系統采用MySql對所產生的數據統一進行存儲,共同構成養殖魚類水質監測及關聯分析系統。
在本系統設計中,高標準的安全措施是保證數據庫安全的途徑之一,為了防止數據在獲取和傳輸過程中造成盜取、篡改等情況,必要時需要對數據進行秘鑰設置。由于數據量較多,保證安全的同時也要考慮到數據庫的工作效率,所涉及的數據庫應具有讀取迅速和效果穩定的特點,以下為數據庫的數據表設計情況。
5 系統功能設計
5.1 系統管理功能
系統管理功能是系統的操作基礎,分為用戶管理和限權管理。用戶管理主要負責對于操作養殖魚類水質監測及關聯分析系統的人員信息進行監管,其中包括用戶信息的增加、刪除、修改等基本操作,將用戶信息進行統一化處理。限權管理則是針對不同身份的用戶賦予該身份的權利對系統進行操作,不同角色可以操作不同的功能對本系統實現運用。
5.2 采集監測功能
養殖魚類水質監測及關聯分析系統采集監測功能分為水質數據采集和關聯數據導入兩部分,被采集和被導入的數據將統一進行存儲,以備進行數據的關聯分析。數據采集具體工作是將硬件部分所采集的水溫、溶解氧、氨氮、亞硝鹽等與關聯分析相關的數據在監測頁面中實時顯示。數據導入具體工作是將養殖過程中產生的相關數據進行上傳,其中包括養殖過程的歷史數據、養殖魚類的活動情況、魚類病害情況等等。
5.3 數據管理功能
數據管理功能由數據篩選和數據檢索兩部分構成,數據篩選主要負責對養殖過程中所產生的不同類型數據進行預處理,例如數據缺失、數據重復等會對后續關聯分析造成影響的因素。數據檢索主要針對養殖過程中的數據查詢,可以針對時間進行歷史數據查詢,對數據的分析結果查詢。
5.4 數據分析功能
數據分析功能也是養殖魚類水質監測及關聯分析系統的核心功能,主要是由關聯分析和預警分析構成。其中關聯分析是結合監測到的水質數據和導入的養殖數據通過灰色關聯模型得到影響因素較大的因子,為后續的養殖整改提供依據。預測分析主要是通過關聯分析結果建立預測模型從而得到病害等級,更直觀地得到當前的水質現狀。
5.5 輔助決策功能
養殖魚類水質監測及關聯分析系統的輔助決策功能分為數據展示和養殖建議,其中數據展示利用Echarts生成直觀的數據圖表,可以對歷史數據、實時數據、分析數據結果進行展示。輔助決策則是針對預測等級類型,通過數據結果對養殖提出整改建議。
6 結語
養殖魚類水質監測及關聯分析系統通過物聯網技術搭建了水質監測平臺,在此基礎上引入灰色關聯分析模型,對獲取的實時數據進行關聯分析,不僅滿足了養殖人員實時監測養殖環境的需求,同時為養殖環境的整改提供了理論基礎,為病害的發生提供預警信息,大大減少了病害發生所造成的經濟損失,也提高了魚類養殖的產量,降低了養殖風險。
參考文獻:
[1] 崔用芬.濟南水質檢測數據可視化分析系統的設計與實現[D].濟南:山東大學,2019.
[2] 游曠喆,董自鵬,顧苗苗.基于STM32的水質監測系統研究[J].江蘇科技信息,2022,39(17):46-49.
[3] 劉宇航.在線水質監測云端管理系統設計[J].科學技術創新,2020(32):69-70.
[4] 敖成歡,鐘九生,趙夢,等.基于模糊綜合法和灰色關聯法的百花湖水質評價[J].水土保持通報,2020,40(1):116-122+129.
Design and research of water quality monitoring and correlation analysis system for fish farming
TANG Bo
(Haikou University of Economics, Haikou 571132,China)
Abstract: In order to promote scientific fish farming and reduce the occurrence of fish diseases, it was proposed to monitor the water quality and make correlation analysis on the water quality data in the system. A water quality monitoring platform composed of multiple sensors was set up by the technology of Internet of Things. Based on the water quality data obtained from the monitoring platform, the correlation analysis of water quality data was completed.
Key words:fish farming;water quality monitoring;correlation analysis;water quality analysis
(收稿日期:2023-06-13)
基金項目:海南省高等學校教育教學改革項目(Hnjgzc2023-66);海口經濟學院教育教學改革重點項目(Hjyj2022009ZD)。
作者簡介:唐博(1997-)女,碩士,助教,研究方向:計算機應用。E-mail:735703848@qq.com。