基于多源數(shù)據(jù)融合的雞舍環(huán)境智能監(jiān)控技術(shù)研究

謝苗苗，李華龍

（1.安徽大學(xué)江淮學(xué)院理工部，安徽省合肥市230031；2.中國科學(xué)院合肥智能機械研究所,安徽省合肥市230031）

引言

目前，我國集約化蛋雞養(yǎng)殖多以全封閉和半封閉的養(yǎng)殖模式為主，由于其養(yǎng)殖密度高，極易導(dǎo)致蛋雞產(chǎn)生疾病甚至死亡，所以雞舍內(nèi)環(huán)境條件對于雞只的健康生長及產(chǎn)蛋性能影響較大，適宜的雞舍環(huán)境可以大大增加養(yǎng)殖利潤[1]。傳統(tǒng)雞舍環(huán)境控制系統(tǒng)多采用少量傳感器來監(jiān)測整個雞舍環(huán)境狀況。由于環(huán)境監(jiān)測點少，集約化蛋雞舍面積較大，且環(huán)境參數(shù)間相互影響、關(guān)系復(fù)雜，難以全面準確反映整棟雞舍的環(huán)境變化情況，因此，本文在雞舍環(huán)境智能監(jiān)控系統(tǒng)中引入多源數(shù)據(jù)融合技術(shù)，綜合考慮多個環(huán)境因子的相互作用，得到較為精確的融合結(jié)果，據(jù)此實時調(diào)控雞舍內(nèi)環(huán)境控制設(shè)備的啟停，為雞只生長提供最佳環(huán)境條件，從而克服了傳統(tǒng)監(jiān)測手段的單一性，避免由于雞舍環(huán)境參數(shù)采集不準確，導(dǎo)致環(huán)境調(diào)控效果差的問題，從而實現(xiàn)集約化蛋雞舍環(huán)境的精準調(diào)控。

1 系統(tǒng)的結(jié)構(gòu)框圖

因為集約化蛋雞舍內(nèi)環(huán)境情況較為復(fù)雜，為了準確監(jiān)控整棟雞舍的環(huán)境參數(shù)分布，需要在雞舍內(nèi)部布置多組傳感器對各個環(huán)境因子進行實時在線監(jiān)測。本文采用的傳感器結(jié)構(gòu)為分布式多點測量，可以對雞舍內(nèi)關(guān)鍵環(huán)境因子溫度、濕度、光照強度和NH3濃度進行實時監(jiān)測，首先對同類傳感器進行進行數(shù)據(jù)分批，每一類傳感器測量數(shù)據(jù)分成2批進行自適應(yīng)加權(quán)融合后，再利用加權(quán)自適應(yīng)算法進行一次加權(quán)融合，求出相應(yīng)因子的最佳融合估計值[2-5]；將溫度、濕度、光照強度和NH3濃度四類同質(zhì)傳感器數(shù)據(jù)進行局部融合以后，可以得到較為精確的的融合估計值，最后對這四種異質(zhì)傳感器數(shù)據(jù)融合，從而得到全局融合結(jié)果，據(jù)此實時調(diào)控風(fēng)機、濕簾和燈光等雞舍環(huán)境控制設(shè)備，實現(xiàn)對雞舍內(nèi)環(huán)境的精準控制。圖1所示為系統(tǒng)設(shè)計的數(shù)據(jù)融合算法結(jié)構(gòu)圖。

圖1 系統(tǒng)融合算法結(jié)構(gòu)圖Figure1 The fusion algorithm structure diagram of system

2 數(shù)據(jù)融合原理

多傳感器融合的基本原理就是利用多個同類或異類傳感器在時間或空間上冗余或互補的數(shù)據(jù)依據(jù)某種規(guī)則進行組合，將傳感器采集到的信息合理支配和使用，獲得被測對象的一致性解釋或描述，實現(xiàn)對應(yīng)的決策和估計[6]。本文對雞舍內(nèi)溫度、濕度、光照強度和NH3濃度四個主要環(huán)境參數(shù),每一類環(huán)境參數(shù)因子進行自適應(yīng)加權(quán)融合算法局部融合之后，再使用D-S（Dempster-Shafer）證據(jù)理論算法對這四類環(huán)境因子局部融合后的數(shù)據(jù)信息進行全局融合，可以雞舍環(huán)境數(shù)據(jù)處理的準確性和融合決策結(jié)果的精確性。

2.1 自適應(yīng)加權(quán)融合

假設(shè)在n個傳感器對同一個目標進行狀態(tài)估計，各傳感器的測量值分別為X1、X2…Xn，均是真值x的無偏估計，并且測量值彼此相互獨立，其對應(yīng)的方差為 δ12、δ22…δ12[7]，第 m 個傳感器在第時刻測量值記為Xm（i），設(shè)各傳感器的權(quán)重分別為w1，w2…wn，則融合后的狀態(tài)估計值 和權(quán)重滿足，總均方誤差

自適應(yīng)加權(quán)數(shù)據(jù)融合充分考慮了各傳感器各個時刻的歷史數(shù)據(jù)，取均方誤差最小情況的數(shù)據(jù)融合值。傳感器方差δP2=RPP-RPq，其中傳感器P在k時刻的均值為，則此刻的估計值所對應(yīng)的總均方誤差為

2.2 D-S證據(jù)理論算法

D-S算法是以Bayes理論為基礎(chǔ)進行優(yōu)化的數(shù)據(jù)融合算法，核心思想是證據(jù)組合規(guī)則，它能夠組合從不同信息員采集得到的信息，處理融合出更加可靠、精確的結(jié)果，被廣泛應(yīng)用在多傳感器的目標識別與控制等方面[10]。D-S證據(jù)理論中最基本的概念是識別框架，用 表示。該算法首先對從四類傳感器采集的環(huán)境信息進行預(yù)處理，求出各個證據(jù)的基本概率賦值mi、信任測度函數(shù)Bel（A）和似然測度函數(shù)Pls（A）；其次按照合成規(guī)則求出證據(jù)綜合作用下的各值，最后選用合理的判決原則把信任測度和似然測度的最大假設(shè)作為本次數(shù)據(jù)融合的最終結(jié)果[11]。

表示論域中所有可能命題的集合，即各傳感器采集的所有目標的總集；各命題用 的子集表示， 的冪集（2）構(gòu)成了命題的集合Ω（ ），把利用傳感器獲得的信息特征量作為證據(jù)，并且用基本概率分配m為所有的命題賦予一個可信度，基本概率分配m滿足以下兩個條件[12]：

對命題A的支持程度和可能性分別定義為信任測度 Bel（A）和似然測度 Pl（A），其表達式為：設(shè)，

基本概率分配m（A）表示對集合A的精確信任程度；Pl（A）反映可能性，表示置信區(qū)間上限函數(shù)；Bel（A）反映必然性，表示置信區(qū)間下限函數(shù)。DS證據(jù)理論的合成規(guī)則提供了一個能夠融合多個證據(jù)元提供的證據(jù)的合成公式[13]：

3 數(shù)據(jù)融合算法驗證

在安慶市某養(yǎng)雞場蛋雞舍開展多源數(shù)據(jù)融合技術(shù)的驗證實驗，分別在雞舍不同位置布置溫濕度傳感器、光照傳感器和NH3傳感器各8個。每隔30分鐘采集一次信息，4個傳感器分別采集溫度、濕度、光照和NH3濃度，共有八組異質(zhì)數(shù)據(jù)。選取某天10:00-12:00期間，系統(tǒng)所檢測的參數(shù)信息為例進行局部融合，首先將四類環(huán)境因子數(shù)據(jù)各分2批進行自適應(yīng)加權(quán)算法進行局部融合，然后將分批融合后的結(jié)果再送入一級融合中心分別得到溫度、濕度、光照強度和NH3濃度的融合估計值。表1至表4是八組傳感器分別采集的環(huán)境參數(shù)。

表1 第一組和第二組傳感器采集的參數(shù)信息Table1 Parameter information collected by the first and second group of sensors

表2 第三組和第四組8傳感器采集的參數(shù)信息Table 2 Parameter information collected by the third and fourth group of sensors

表3 第五組和第六組傳感器采集的參數(shù)信息Table3 Parameter information collected by the fifth and sixth group of sensors

表4 第七組和第八組的參數(shù)信息Table4 Parameter information collected by the seventh and eighth group of sensors

按照本文中所述的方法，先對以上每一種同質(zhì)傳感器進行一級融合，得到融合結(jié)果為：{溫度27.31℃，濕度 49.96%，光照強度 39.57lx，NH3濃度12.81mg/m3}。

因為雞舍內(nèi)各環(huán)境參數(shù)之間相互作用影響，任何一個環(huán)節(jié)參數(shù)的改變都講會引起其他參數(shù)不同程度的變化，例如，雞舍內(nèi)溫度的升高以及光照強度的增強都會導(dǎo)致濕度的降低，濕度如果太低也會導(dǎo)致NH3濃度的升高以及溫度的降低，光照度太低有可能會導(dǎo)致溫度低或者濕度較低等情況。為了對整棟雞舍內(nèi)環(huán)境的真實狀況作出精準判斷，在進行異構(gòu)傳感器的數(shù)據(jù)融合時，合理構(gòu)造辨識框架是必須具備的先決條件。

構(gòu)造辨識框架設(shè)， ＝｛A，B，C，D，E，F(xiàn)，G，H，J｝，其中，

A＝｛適宜｝，即溫度 20℃～25℃，濕度 65%～75%，光照 28～30lx，NH3濃度＜15mg/m3

B＝｛溫度偏高｝

C＝｛溫度偏高，光照過強｝

D＝｛溫度偏高，濕度偏低｝

E＝｛溫度偏高，濕度偏低，NH3濃度偏高｝

F＝｛溫度偏低｝

G＝｛溫度偏低，濕度偏高｝

H｛溫度偏低，濕度偏地，光照度不足｝

I＝｛溫度偏低，濕度偏地，氨氣偏高｝

選取12:00的雞舍內(nèi)環(huán)境參數(shù) （溫度28.51℃，28.21℃，27.45℃，28.16℃，27.45℃，27.45℃，27.76℃，27.56℃， 濕度 49.89%，50.21%，49.87%，50.01%，49.87% ，50.15% ，49.17% ，49.01% ， 光 照 強 度39.15lx，39.14lx，39.17lx，39.15lx，39.77lx，39.98lx，39.71lx，40.14lx，NH3濃 度 12.21mg/m3，12.12mg/m3，13.09mg/m3，13.01mg/m3，12.59mg/m3，13.64mg/m3，12.59mg/m3，12.54mg/m3）這組環(huán)境參數(shù)作為 D-S證據(jù)理論的融合實驗驗證，經(jīng)過計算得出四類環(huán)境因子的基本概率賦值分配如下表5所示。

表5 基本概率分配賦值表Tabel5 Basic probability assignment table

分別設(shè)溫度、濕度、光照強度和NH3濃度四組證據(jù)體為 m1、m2、m3和 m4，根據(jù) D-S 融合算法可計算得到概率賦值函數(shù)m（A）的值，結(jié)果如下表6所示。

表6 參數(shù)融合結(jié)果Tabel6 Result of Parameter fusion

根據(jù)融合結(jié)果以及所設(shè)命題可以看出，該時刻雞舍環(huán)境目前狀況為命題D，即此時雞舍環(huán)境內(nèi)溫度偏高，濕度偏低，同時根據(jù)融合結(jié)果也可得知光照強度較強，此時需要啟動降溫設(shè)備和通風(fēng)設(shè)備，還應(yīng)該關(guān)閉雞舍內(nèi)的部分補光燈。通過比較表5和表6的結(jié)果，可以看出來每類環(huán)境因子經(jīng)過二級D-S證據(jù)理論算法融合后所對應(yīng)命題的概率賦值函數(shù)不再雜亂零散，集中性較強，并且經(jīng)過融合后的基本可信度函數(shù)區(qū)分度比較明顯。

4 結(jié)論

本文設(shè)計的雞舍環(huán)境智能監(jiān)控系統(tǒng)中，先對雞舍內(nèi)溫度、濕度、光照強度和NH3濃度四種同質(zhì)傳感器采集的數(shù)據(jù)，進行分批自適應(yīng)加權(quán)融合，再將分批后的結(jié)果進行下一步自適應(yīng)加權(quán)融合，實現(xiàn)了同質(zhì)傳感器的數(shù)據(jù)融合，增強了數(shù)據(jù)處理的精確性，然后通過引入多源異構(gòu)數(shù)據(jù)融合算法，來綜合考慮雞舍各環(huán)境因子之間的相互作用關(guān)系，從而提高雞舍環(huán)境數(shù)據(jù)處理的準確性，為雞舍環(huán)境精準調(diào)控提供科學(xué)依據(jù)，避免傳統(tǒng)的雞舍環(huán)境監(jiān)控系統(tǒng)由于傳感器監(jiān)測點過少，難以全面反映整棟雞舍環(huán)境狀況的缺點。通過開展的驗證實驗，表明該技術(shù)在雞舍環(huán)境智能監(jiān)控中具有廣泛的應(yīng)用前景。