江苏省技术产权交易市场

规模化牲畜养殖环境精准感知系统开发
547人浏览  | 2人意向购买
商品编号
P-2022-2022-0083
商品权属
自有
转让方式
技术转让
成交价格
¥ 300,000 元
成交时间
2022-07-29

店铺信息

盐城工业职业技术学院
电话 138xxxx1437
养殖环境作为牲畜生存、生长和生产的关键因素之一,其好坏直接影响养殖牲畜的健康状况。养殖环境主要包括温度、湿度、光照强度、氨气浓度与硫化氢浓度等,它们均能不同程度地影响影响着牲畜的生长。目前大部分地区养殖户采取人工检测养殖舍环境指标方式,该方式主要存在两大缺陷:(1)养殖户采用检测设备对舍内环境进行检测,对于大规模养殖而言,此方式劳动强度相对较大,时效性较差,而且无法处理并保存大量数据;(2)每次检测需要进入养殖舍内部,一旦空气质量不佳势必会威胁到检测人员的生命健康,甚至出现人畜共患病。
因此,本项目开发一套牲畜养殖环境感知系统,实现养殖环境多参数实时远程监测,对于实现牲畜智能化、精细化养殖具有很重要的现实意义。

参见图1,基于嵌入式、传感器、物联网等技术开发牲畜养殖环境精准感知系统,具有多参数多点在线采集、无线自组网实时传输等功能。系统主要分为三大部分:环境质量采集节点、终端节点与上位机监控软件。其中,采集节点部署在养殖舍内,负责定时采集畜禽舍温度、湿度、光照度、氨气浓度等参数,对于规模化养殖场,每个养殖舍安装一个或若干个采集节点,多个采集节点通过无线芯片组网实现数据的实时传递与汇聚,最终转发至终端节点。由终端节点通过USB将收到所有节点数据上传至监控软件,便于养殖户对数据查看分析,实现了环境参数精准感知,有效解决人工检测存在时效性差、劳动强度大以及健康受到威胁等问题。

参见图2,项目开发采用STM32高性能单片机作为核心控制芯片,处理速度快,数据量大。硬件系统主要包括采集节点与终端节点。采集节点主要包括:STM32F103主控电路、温湿度度采集电路、氨气采集电路、硫化氢采集电路、光照度采集电路、无线通信模块、OLED显示电路以及继电器控制风机、湿帘、喷雾、热风炉等。采集节点主要负责定时采集养殖舍温度、湿度、光照度、氨气等参数,将数据显示在OLED屏上,并判断数据是否异常,一旦数据异常,异常指示灯点亮,同时控制相应外设调节环境参数,实现环境参数的实时采集与控制。

终端节点主要包括:STM32F103主控电路、无线通信模块、OLED显示电路以及串口通信电路。终端节点负责收集所有采集节点数据,通过 USB 电脑端连接,将收到的所有节点数据上传至监控软件。

参见图3,根据用户的不同需求,开发养殖环境多参数监控管理平台,主要负责采集节点数据实时显示、历史数据查询以及曲线趋势分析等功能,实现数据可视化操作与科学管理。

1)实时显示:显示当前节点号的参数数据信息和相应的采集时间以及设备状态,可进行阈值设置以及通信连接;

2)数据分析:根据时间节点查询数据,根据检测指标状态筛选数据,根据时间节点查看各节点温度、湿度、光照、氨气等参数的趋势等;

3)窗体布局:对窗体进行水平、垂直、层叠布局等;

4)用户管理:主要包括用户注册,用户注销,用户修改等功能;

5)密码管理:主要负责修改密码;

6)辅助功能:显示各种养殖管理记录、养殖信息记录,查看系统登录日志以及养殖趋势分析图,便于用户管理;

7)使用说明:为用户提供软件使用说明与操作手册。

参见图45,规模化畜禽养殖占地广、环境相对恶劣,对无线传输质量要求较高,为了能够将所有节点数据正常传输至终端节点,不会因为某个节点损坏导致整个传输链失效,项目采用可变汇聚节点式通信方案,该方案不指定某个节点作为汇聚节点,每个采集节点的作用是一样的,即在某个时刻可以是普通节点,转发自身采集的数据,某个时刻也可以作为组长(汇聚节点)发送指令,汇总节点数据,即所有传感器节点都具备汇聚数据与中转功能,整个通信过程可依赖通信质量进行确定汇聚节点,故汇聚节点是可变的,从而有效减少数据丢包率,从而弥补环境恶劣、远距离数据传输存在的存在可靠性不高的问题。

参见图6,牲畜养殖环境是一个大量存在非线性和非平稳问题的综合系统,受到多种因素影响,每个影响因子之间有复杂的非线性关系,因此,本项目利用头脑风暴优化算法(BSO)优化BP神经网络构建牲畜养殖环境质量评价模型,以舍内环境参数指标如:温度、湿度、光照强度、氨气浓度、硫化氢浓度的值作为模型输入,养殖环境质量等级(1-5)作为模型输出,实现环境综合评价,提高评价准确性,从而解决牲畜养殖环境质量评价单一、缺乏科学性的问题。其构建过程主要包含以下三个环节:

1)构建BP神经网络基本拓扑结构:感知系统主要采集养殖环境温度、湿度、光照强度、氨气浓度与硫化氢浓度共5种环境因子,所以设置BP网络的输入层节点数为5;养殖环境质量等级作为环境质量评价预测模型的唯一输出值,因此,BP神经网络的输出层节点数为1;隐层节点数则需要通过实验确定,其关系到模型预测精度。

2)利用BSO算法优化BP 神经网络得到最优的权值和阈值:首先确定BSO算法的参数包括初始个体数量n、种群类别数目m、最大迭代次数、随机扰动的坡度调节参数K以及初始解维数D;其次,确定适应度计算函数并计算每个个体的适应度值;然后,确定PaPbPcPd四个概率的值,并选择不同的个体更新方式,实现个体的迭代更新;当达到最佳或者达到终止条件后停止更新,将得到的最优解作为BP网络的连接权重值和阈值。

3)将最优的权值和阈值返回BP神经网络进行模型预测评价:将最优的权值和阈值返回BP神经网络,然后使用测试数据进行神经网络仿真,最终得到基于BSO-BP算法的牲畜养殖环境质量评价模型。


商品类型 技术成果 项目阶段 研制 成果权属 独占
技术领域 农业生物技术 生物与新医药 畜禽水产优良新品种与健康养殖技术 合作方式 技术转让 有效期至 长久有效
暂无数据

购买意向调查