基于邊緣計算與深度學(xué)習(xí)的禽舍監(jiān)測系統(tǒng)設(shè)計

楊東軒 吳葉蘭 張剛剛 劉碩

摘要：惡臭氣體是影響禽舍內(nèi)禽類個體健康和產(chǎn)蛋效率的重要因素。由于傳統(tǒng)的監(jiān)測設(shè)備具有較長的氣體濃度響應(yīng)時間，導(dǎo)致無法及時對污染物的排放做出檢測，設(shè)計并實現(xiàn)可以預(yù)測氨氣濃度變化的禽舍監(jiān)測系統(tǒng)，選用低成本的電化學(xué)傳感器和低功耗Wi-Fi微控制器設(shè)計終端監(jiān)測器。為了克服電化學(xué)傳感器易受其他環(huán)境因素影響的缺點(diǎn)，監(jiān)測器還集成硫化氫濃度、二氧化碳濃度以及溫濕度等傳感器。由于禽舍生產(chǎn)經(jīng)營屬性對成本較敏感，選用性價比較高的邊緣計算硬件作為服務(wù)器。在該服務(wù)器對監(jiān)測器上傳的采集數(shù)據(jù)進(jìn)行預(yù)處理，最終通過提出的Bi-LSTM模型使用多傳感器參數(shù)預(yù)測未來一段時間內(nèi)氨氣的濃度值。經(jīng)過參數(shù)調(diào)優(yōu)和對比訓(xùn)練，該系統(tǒng)對禽舍內(nèi)氨氣濃度的預(yù)測值與采集值均方誤差僅為3.29%，以期為接下來的減排措施提供有效的數(shù)據(jù)支撐。

關(guān)鍵詞：深度學(xué)習(xí);邊緣計算;禽舍環(huán)境;氨氣濃度監(jiān)測;電路設(shè)計

中圖分類號：TP277 ??文獻(xiàn)標(biāo)志碼： A

文章編號：1002-1302（2022）09-0219-07

禽類的產(chǎn)蛋效率容易受多種環(huán)境因素影響[1]。采用智能化的監(jiān)控系統(tǒng)對禽舍內(nèi)的空氣質(zhì)量、溫濕度以及污染氣體進(jìn)行監(jiān)測，可有效促進(jìn)禽類養(yǎng)殖的現(xiàn)代化[2]。傳統(tǒng)的禽舍監(jiān)測系統(tǒng)通過獨(dú)立的氨氣、硫化氫和二氧化碳等傳感器實時采集環(huán)境參數(shù)，然后將采集到的數(shù)據(jù)發(fā)送給服務(wù)器并呈現(xiàn)給用戶查看[3-5]。由于氣體傳感器普遍存在響應(yīng)時間這一固有特點(diǎn)[6]，因此用戶或減排系統(tǒng)所獲取的采集值會與實際值之間相差一段時間，及時判斷污染氣體的濃度可有效提高禽類的動物福利和生存率。段文杰等探究云計算技術(shù)在禽類養(yǎng)殖過程中的經(jīng)營管理辦法，為集約化和規(guī)模化的養(yǎng)殖提供新思路，但該研究并未提出在禽類養(yǎng)殖過程中的有效監(jiān)測方案[7]。姬舒等構(gòu)建了禽舍環(huán)境的智能化數(shù)據(jù)監(jiān)測和減排控制系統(tǒng)[8]，但該類系統(tǒng)僅將監(jiān)測數(shù)據(jù)作為控制系統(tǒng)的輸入變量，并未分析該數(shù)據(jù)的變化趨勢，因此具有一定的滯后性。環(huán)境數(shù)據(jù)的預(yù)測已在其他環(huán)境監(jiān)測系統(tǒng)中進(jìn)行研究，曾志雄等使用門控循環(huán)單元（GRU）網(wǎng)絡(luò)對豬舍溫度進(jìn)行預(yù)測[9];楊亮等基于長短記憶網(wǎng)絡(luò)（long short term memory，LSTM）模型和多環(huán)境參數(shù)預(yù)測豬舍的氨氣濃度[10]。

深度學(xué)習(xí)模型在圖像和語義等方面有著顯著的應(yīng)用效果[11-12]，而禽舍內(nèi)的環(huán)境數(shù)據(jù)是受多種外界因素而變化的時序數(shù)據(jù)。為了解決禽舍內(nèi)存在的污染物監(jiān)測不及時和監(jiān)控成本過高等問題，本研究提出的深度學(xué)習(xí)模型以Bi-LSTM為基礎(chǔ)，使用無線檢測器采集的氨氣濃度、硫化氫濃度、二氧化碳濃度、溫度和濕度的時間序列值作為輸入變量，對未來15 min內(nèi)的氨氣濃度進(jìn)行預(yù)測。同時，為了降低成本，選用電化學(xué)傳感器和低功耗Wi-Fi無線微控制器，設(shè)計傳感器采集終端。通過對比包括樹莓派在內(nèi)的5種邊緣計算硬件，選擇性價比最優(yōu)的硬件作為計算服務(wù)器。

1 系統(tǒng)架構(gòu)

禽舍監(jiān)測系統(tǒng)從功能上可以分為數(shù)據(jù)感知層、邊緣計算層和數(shù)據(jù)展示層。數(shù)據(jù)感知層主要由終端監(jiān)測器和2.4 GHz無線網(wǎng)絡(luò)構(gòu)成。傳感器終端以基于Cortex-M4內(nèi)核的CC3200無線微控制器作為核心處理器，通過片上的A/D模數(shù)轉(zhuǎn)換接口讀取氣體濃度和電池電壓，通過I2C、GPIO等數(shù)字接口配置傳感器的運(yùn)行參數(shù)。邊緣計算層以樹莓派單板計算機(jī)作為硬件載體，通過禽舍內(nèi)的Wi-Fi無線網(wǎng)絡(luò)接收感知層采集的底層傳感器數(shù)據(jù)。以長短記憶網(wǎng)絡(luò)（long short term memory，LSTM）作為深度學(xué)習(xí)模型，通過氨氣濃度、硫化氫濃度、二氧化碳濃度以及溫濕度的歷史數(shù)值訓(xùn)練該模型，最終實現(xiàn)氨氣濃度的預(yù)測。數(shù)據(jù)展示層運(yùn)行于云托管服務(wù)器，通過邊緣計算層推送的運(yùn)算結(jié)果數(shù)據(jù)，向用戶端提供數(shù)據(jù)獲取服務(wù)。由于大量計算已在邊緣服務(wù)器上運(yùn)行，因此云端服務(wù)器所需算力較小，用戶無需支付高昂的計算費(fèi)用（圖1）。

2 采集終端設(shè)計

終端監(jiān)測器的硬件主要由電化學(xué)傳感器電路和無線微控制器電路構(gòu)成。前者負(fù)責(zé)氨氣和硫化氫傳感器的前端模擬信號采集和調(diào)理;后者主要負(fù)責(zé)其余傳感器的數(shù)據(jù)采集、無線數(shù)據(jù)收發(fā)以及其他邏輯控制（圖2）。

2.1 傳感器硬件電路

2.1.1 傳感器選型

設(shè)計一種適用于禽舍的環(huán)境采集終端，其首要任務(wù)就是挑選合適的氨氣濃度傳感器。基于光學(xué)原理的檢測方法具有精度高和響應(yīng)快的優(yōu)點(diǎn)，其檢測靈敏度通常可達(dá)到1 g/m3級別[13]，但該方案一般用于實驗室環(huán)境且造價昂貴。基于氣敏半導(dǎo)體、電化學(xué)EC（electrochemistry）和金屬氧化物半導(dǎo)體（metal oxide semiconductor，MOS）的氨氣濃度傳感器是各類電子檢測儀的主要選擇。本研究分別選擇型號為MQ-137（氣敏半導(dǎo)體型，鄭州煒盛電子科技有限公司）、ME3-NH 3（EC型，鄭州煒盛電子科技有限公司）和MiCS-5914[MOS型，艾知傳感器（上海）有限公司]的氨氣濃度傳感器作為試驗對象，在響應(yīng)時間T 90、相對誤差（relative error，RE）以及價格范圍綜合考察。使用3組同樣尺寸的PVC材質(zhì)氣密箱作為氣室，分別使用5、25 mg/m3 濃度的氨氣標(biāo)準(zhǔn)氣體以恒定的流速導(dǎo)入到氣室，測試每組傳感器由初始上電狀態(tài)到數(shù)值輸出穩(wěn)定時所用的時間，并記錄每組傳感器達(dá)到穩(wěn)態(tài)時的測量值。根據(jù)公式（1）計算每組傳感器的相對誤差。備選傳感器的對比結(jié)果見表1，其中包含傳感器廠家給出的參數(shù)和本試驗所得的相對誤差數(shù)據(jù)。

RE=|C S-C T|C S×100。（1）

式中：RE表示相對誤差，%;C S表示標(biāo)準(zhǔn)氣體濃度，mg/m3;C T表示傳感器測量濃度，mg/m3。

綜合比較可知，基于EC原理的ME3-NH 3型氨氣濃度傳感器適用于本方案的設(shè)計，該傳感器相比光學(xué)傳感器具有低成本、低功耗的優(yōu)勢，且該傳感器與其他電子傳感器相比具有響應(yīng)速度適中、相對誤差低等優(yōu)勢。使用相同的試驗對比方法，選擇同為EC原理的ME3-H 2S作為硫化氫濃度傳感器。選擇基于MEMS的SGP30作為二氧化碳傳感器，選擇SHT31作為溫濕度傳感器，二者均可以通過數(shù)字I2C接口獲取傳感器數(shù)據(jù)，無需設(shè)計復(fù)雜的預(yù)處理電路，且不要求微處理器具有高精度的A/D轉(zhuǎn)換模塊。

2.1.2 信號處理電路

電化學(xué)傳感器ME3-NH 3為3端引腳結(jié)構(gòu)，分別為R極（參考電極）、S極（傳感電極）和C極（負(fù)電壓極），傳感器內(nèi)部通過與氨氣發(fā)生一系列氧化還原反應(yīng)來產(chǎn)生與濃度成比例的電流[14]。對于電化學(xué)傳感器，傳統(tǒng)的信號處理電路由3個部分構(gòu)成：恒電位模塊、電流電壓轉(zhuǎn)換電路以及短路模塊。使用分散元器件構(gòu)建該電路時需要注意器件的選型，應(yīng)使用具有低輸入偏置電流和低輸入噪聲的運(yùn)放;R Gain（增益電阻）應(yīng)具有高精度且低溫漂特性;R Load（負(fù)載電阻）的取值范圍為10～33 Ω，取值越高，降噪效果越好，但氣體濃度檢測的響應(yīng)時間也越長。為了精簡電路設(shè)計和降低成本，本研究采用型號為LMP91000的電化學(xué)模擬前端（AFE）IC代替分散電路方案。電路設(shè)計見圖3，AFE芯片內(nèi)部除了集成有用于處理模擬信號的恒電位和電流轉(zhuǎn)換電路，還包含可編程的偏置電壓、可編程的跨組運(yùn)放增益模塊以及數(shù)字通信接口，且其內(nèi)部集成有場效應(yīng)管短路特性，因此無需額外設(shè)計短路模塊。得益于AFE的可編程特性，硫化氫濃度傳感器ME3-H 2S同樣使用該設(shè)計方案，只需在系統(tǒng)運(yùn)行時通過I2C接口為其配置不同的偏置電壓和跨組增益即可。得益于I2C接口的可擴(kuò)展性，該設(shè)計將信號處理電路設(shè)計為獨(dú)立硬件模塊，若對該模塊進(jìn)行升級則無需重新設(shè)計主體硬件電路。

2.2 CC3200核心模塊電路

自組網(wǎng)芯片方案常被用于無線傳感器的設(shè)計[15]，該方案的優(yōu)點(diǎn)是在不確定地形的監(jiān)測環(huán)境中輕松實現(xiàn)大覆蓋范圍的組網(wǎng)。而在面積有限且確定的禽舍環(huán)境中，監(jiān)測器到數(shù)據(jù)網(wǎng)關(guān)之間的距離較近，且不需要多跳轉(zhuǎn)發(fā)，因此使用基于Wi-Fi的無線微處理器便于直接利用已有的2.4 GHz路由器進(jìn)行數(shù)據(jù)通信。羅俊等使用單獨(dú)的Wi-Fi芯片和微控制器分別實現(xiàn)了收發(fā)數(shù)據(jù)和采集數(shù)據(jù)[16]，但電路設(shè)計較復(fù)雜。使用集成有Wi-Fi收發(fā)器和 Cortex-M4 內(nèi)核微控制器的CC3200芯片可以有效地降低設(shè)計復(fù)雜度和運(yùn)行功耗[17]。圖4為無線微控制器的核心電路，相比于傳統(tǒng)微控制器，無線微控制器在收發(fā)無線數(shù)據(jù)時會給DC-DC電路引入較大的噪聲，因此要優(yōu)先考慮去耦電容的布局以及電源的走線位置。在處理器引腳的設(shè)計上選用1對I2C數(shù)字總線與下掛的所有傳感器進(jìn)行通信，可大幅節(jié)約引腳占用。該數(shù)字總線用于獲取SGP30和SHT31傳感器的采集數(shù)據(jù)，以及配置AFE芯片的內(nèi)部運(yùn)行參數(shù)。核心電路的設(shè)計選用2個GPIO接口控制電化學(xué)傳感器的使能信號輸入，2個PWM引腳控制直流風(fēng)扇電機(jī)的轉(zhuǎn)速，3個A/D輸入引腳分別采集AFE輸出的氨氣和硫化氫模擬量電壓以及電池電壓。

3 預(yù)測模型設(shè)計

由于電化學(xué)傳感器存在易受周圍環(huán)境影響的固有特點(diǎn)，且具有一定的響應(yīng)時間，因此僅通過底層監(jiān)測器進(jìn)行數(shù)據(jù)采集無法滿足對禽舍生產(chǎn)環(huán)境的及時掌握。系統(tǒng)實現(xiàn)的預(yù)測模型使用多種環(huán)境數(shù)據(jù)作為輸入數(shù)據(jù)，使用Bi-LSTM模型計算氨氣濃度的預(yù)測值來解決上述問題。

3.1 模型結(jié)構(gòu)

對于時間序列預(yù)測問題，易使用循環(huán)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)預(yù)測下一時刻的數(shù)據(jù)，而長短期記憶網(wǎng)絡(luò)對循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，可以解決循環(huán)神經(jīng)網(wǎng)絡(luò)由于層數(shù)增肌引起的梯度消失或梯度爆炸問題[18]。Bi-LSTM 由方向相反的LSTM網(wǎng)絡(luò)組合而成。檢測器采集的環(huán)境數(shù)據(jù)是包含時間信息的序列，因此選擇使用Bi-LSTM模型學(xué)習(xí)多個傳感器數(shù)據(jù)特征與下一時刻氨氣濃度的關(guān)系，預(yù)測監(jiān)測器所在位置下一時刻的氨氣濃度。

LSTM模型由若干個記憶單元組成，模塊通過3個門結(jié)構(gòu)控制和管理輸入輸出信息（圖5）。模塊中包含隨時間傳遞的單元狀態(tài)信息C和隱藏層狀態(tài)信息h，h t-1是上一時刻LSTM隱藏層信息，x t是當(dāng)前時刻的輸入值，C t-1是上一時刻LSTM記憶單元的狀態(tài)信息，C t是當(dāng)前時刻LSTM記憶單元的狀態(tài)信息。

3.2 基于LSTM的多傳感器預(yù)測模型

采集的數(shù)據(jù)中包括采集時間、氨氣濃度、硫化氫濃度和其他環(huán)境信息。為了深入探索氨氣濃度變化的歷史數(shù)據(jù)，建立基于LSTM的實時氨氣濃度預(yù)測模型，將監(jiān)測器采集的所有環(huán)境數(shù)據(jù)作為模型輸入（圖6）。

氨氣濃度預(yù)測模型根據(jù)某一位置監(jiān)測器采集的歷史數(shù)據(jù)特征作為模型輸入，將下一時刻的氨氣濃度作為輸出，建立歷史采集數(shù)據(jù)和未來真實數(shù)據(jù)之間的映射關(guān)系。其中一條采集數(shù)據(jù)在t時刻的特征X（t）為

X（t）={x 0，…，x n}。（2）

式中：x 0表示某一時刻氨氣濃度;x 1，…，x n表示同一時刻其他傳感器采集值。考慮到監(jiān)測器使用的ME3-NH 3電化學(xué)傳感器易受到其他環(huán)境參數(shù)的影響，將采集到的其他傳感器值作為特征。將連續(xù)n個時刻的采集數(shù)據(jù)X（t-n+1），…，X（t-1）作為模型的輸入，將t+1時刻的氨氣濃度數(shù)據(jù)Y（t+1）作為輸出，其中n對應(yīng)輸入層的步長大小。氨氣濃度預(yù)測模型的表達(dá)式如下。

Y（t+1）=f（{X（t-n+1），…，X（t-1）}）。（3）

4 運(yùn)行結(jié)果與分析

4.1 訓(xùn)練測試集構(gòu)建

試驗數(shù)據(jù)的采集地點(diǎn)位于北京市平谷區(qū)某一小型禽類養(yǎng)殖場，時間為2020年5—6月，將所設(shè)計的監(jiān)測器終端懸掛于距離雞籠靠近糞到部位（圖7）。考慮到氣體濃度采集操作需要用到排風(fēng)扇進(jìn)行換氣，將傳感器的采集時間點(diǎn)間隔定為15 min，訓(xùn)練測試集共記錄了該禽舍內(nèi)30 d的采集數(shù)據(jù)。由于測試期間會遇到更換電池或路由器重啟等問題，使用算術(shù)平均值來填充缺失值。使用格拉布斯（Grubbs）法判斷異常值，并用相鄰位置數(shù)據(jù)的算術(shù)平均值代替異常值。為了避免維度對試驗結(jié)果的影響，對數(shù)據(jù)進(jìn)行歸一化處理，并構(gòu)建2 880個樣本數(shù)據(jù)。每一條樣本包含連續(xù)5個時刻的數(shù)據(jù)，每一條數(shù)據(jù)中有該時刻的氨氣濃度以及其他全部傳感器的值。數(shù)據(jù)集的基本信息見表2。

在試驗過程中，將數(shù)據(jù)集劃分成訓(xùn)練集、測試集和驗證集，所占比重分別為80%、10%、10%。其中，驗證集用來調(diào)整模型的超參數(shù)，測試集用來檢測模型的訓(xùn)練效果。模型中用到的超參數(shù)設(shè)置如下，迭代次數(shù)為50，輸入單元數(shù)為20，輸出單元數(shù)為2，隱藏層為32，塊大小為100。本試驗使用均方誤差MSE評估濃度預(yù)測模型的正確率，均方誤差用來衡量預(yù)測結(jié)果的誤差情況，MSE的數(shù)學(xué)表達(dá)見公式（4），該值越小，表示模型的預(yù)測效果越好。

MSE=1n∑ni=1（y-y^）2。（4）

式中：n表示樣本個數(shù);y^ 表示模型的預(yù)測值;y表示真實值。

4.2 對比試驗

4.2.1 不同歷史長度的訓(xùn)練對比

為了驗證模型的有效性，設(shè)定s為預(yù)測下一時間點(diǎn)所用的歷史數(shù)據(jù)條數(shù)，分析不同s長度對模型的預(yù)測效果。網(wǎng)絡(luò)輸入使用同樣的測試集數(shù)據(jù)，分別對比s為5、10、15條數(shù)時的預(yù)測結(jié)果，按照預(yù)測數(shù)據(jù)和真實值的均方誤差計算模型的準(zhǔn)確率。試驗對比結(jié)果見圖8。通過對比試驗可以發(fā)現(xiàn)選擇以過去10個時間點(diǎn)傳感器數(shù)據(jù)作為樣本輸入，模型預(yù)測效果相對較好。使用公式（4）計算圖中預(yù)測值和實際采集值曲線的均方誤差MSE可知，在使用過去10個時間點(diǎn)長度預(yù)測的情況下MSE為3.29%。

4.2.2 硬件平臺對比

考慮禽舍的生產(chǎn)規(guī)模和經(jīng)濟(jì)效益，使用基于ARM架構(gòu)和Linux系統(tǒng)的單板計算機(jī)作為邊緣計算服務(wù)器。為了在滿足計算性能的情況下盡可能降服務(wù)器的成本，試驗對比5種常見的單板計算機(jī)在運(yùn)行預(yù)測模型時的效率（表3）。單板計算機(jī)所用的核心芯片都具有硬件GPU核。綜合考慮運(yùn)算時間和成本因素，系統(tǒng)選用樹莓4B型號作為邊緣計算服務(wù)器。

4.3 用戶端界面

邊緣計算服務(wù)器將終端監(jiān)測器采集的數(shù)據(jù)和通過深度學(xué)習(xí)模型預(yù)測的下一時刻氨氣濃度定時推送到云端服務(wù)器。用戶登錄到系統(tǒng)展示界面后可以察看禽舍內(nèi)不同點(diǎn)位終端監(jiān)測器的實時環(huán)境采集數(shù)據(jù)、剩余電池電量以及未來15 min內(nèi)的氨氣濃度預(yù)測值。此外，還可以通過提前預(yù)設(shè)的報警閾值接收警告信息，并查看全部環(huán)境數(shù)據(jù)的歷史曲線（圖9）。

5 結(jié)論

本研究設(shè)計的禽舍監(jiān)控系統(tǒng)可以實現(xiàn)基于低功耗Wi-Fi的無線終端監(jiān)測器和基于深度學(xué)習(xí)的數(shù)據(jù)預(yù)測模型。以終端監(jiān)測器為感知層，采集禽舍內(nèi)的氨氣濃度、硫化氫濃度、二氧化碳濃度以及溫濕度等環(huán)境參數(shù)，并上傳到邊緣計算服務(wù)器。在邊緣計算層以單板計算機(jī)為運(yùn)算載體，通過構(gòu)建以多傳感器采集數(shù)據(jù)為集合的時間序列數(shù)據(jù)集來訓(xùn)練Bi-LSTM深度學(xué)習(xí)模型。通過調(diào)優(yōu)參數(shù)和對比不同長度歷史數(shù)據(jù)的預(yù)測結(jié)果，可以實現(xiàn)對下一時刻即15 min后的氨氣濃度的最佳預(yù)測，該預(yù)測值與真實值之間的MSE誤差為3.29%。同時比較多種型號單板計算機(jī)運(yùn)行深度學(xué)習(xí)模型所需要的時間，最終確定使用樹莓派4B型號為最優(yōu)解決方案。由于終端監(jiān)測器采用低功耗Wi-Fi解決方案，因此在硬件部署上降低了施工難度和運(yùn)維成本。選用的邊緣計算單板計算機(jī)既可以降低系統(tǒng)的數(shù)據(jù)計算成本，還能為用戶提供有效的污染物預(yù)測服務(wù)。由于該系統(tǒng)可以相對準(zhǔn)確地提供未來一段時間內(nèi)的氨氣濃度預(yù)測值，因此對保障禽舍生產(chǎn)安全、降低有害氣體排放具有重要的參考作用。

參考文獻(xiàn)：

[1]時 凱，陳長寬，卞紅春，等. 不同養(yǎng)殖模式及光照度對蛋雞產(chǎn)蛋率的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2016，44（2）：254-255.

[2]于 群，柳平增，李寶全，等. 基于MSP430的禽舍智能控制系統(tǒng)設(shè)計及應(yīng)用[J]. 江蘇農(nóng)業(yè)科學(xué)，2018，46（9）：236-240.

[3]劉忠超，范偉強(qiáng)，常有周，等. 基于ZigBee和Android的牛舍環(huán)境遠(yuǎn)程監(jiān)測系統(tǒng)設(shè)計[J]. 黑龍江畜牧獸醫(yī)，2018（17）：61-64，234.

[4]牛培培，張總平，貢玉清，等. 規(guī)模養(yǎng)殖氨氣監(jiān)測及控制技術(shù)[J]. 畜牧與獸醫(yī)，2021，53（8）：137-141.

[5]王 琳，吉增濤，李文勇，等. 信息技術(shù)在家禽精細(xì)養(yǎng)殖應(yīng)用中的研究進(jìn)展[J]. 中國家禽，2017，39（12）：48-53.

[6]Chanonsirivorakul R，Nimsuk N. Analysis of relationship between the response of ammonia gas sensor and odor perception in human[C]//8th International Electrical Engineering Congress.Chiang Mai，2020：1-4.

[7]段文杰，胡月明，陳聯(lián)誠，等. 基于云計算技術(shù)的家禽養(yǎng)殖管理系統(tǒng)研究與實現(xiàn)[J]. 廣東農(nóng)業(yè)科學(xué)，2014，41（1）：165-168.

[8]姬 舒，劉 幸，閆鋒欣，等. 物聯(lián)網(wǎng)在蛋雞生產(chǎn)中的應(yīng)用及研究進(jìn)展[J]. 中國家禽，2018，40（18）：49-53.

[9]曾志雄，羅毅智，余喬東，等. 基于時間序列和多元模型的集約化豬舍溫度預(yù)測[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報，2021，42（3）：111-118.

[10]楊 亮，劉春紅，郭昱辰，等. 基于EMD-LSTM的豬舍氨氣濃度預(yù)測研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2019，50（S1）：353-360.

[11]左 敏，薛明慧，張青川，等. 面向互聯(lián)網(wǎng)食品文本實體關(guān)系聯(lián)合抽取研究[J/OL]. 重慶郵電大學(xué)學(xué)報（自然科學(xué)版）：1-8.[2021-10-19]. http：//kns.cnki.net/kcms/detail/50.1181.N.20211011.1553.004.html.

[12]徐清越，左 敏，張青川，等. 基于位置注意力機(jī)制的字詞雙維度卷積神經(jīng)網(wǎng)絡(luò)違法違規(guī)行為語義分類模型[J]. 科學(xué)技術(shù)與工程，2020，20（25）：10341-10346.

[13]張 楊，范 穎，王哲，等. 基于可調(diào)諧激光吸收光譜技術(shù)的硫化氫檢測方法研究[J]. 電子測量與儀器學(xué)報，2017，31（12）：1943-1947.

[14]王 雅，楊雨露，楚意月，等. 電催化氮還原催化劑的研究進(jìn)展[J]. 化學(xué)研究，2019，30（5）：532-536.

[15]陳 巖，楊東軒，郭 宏，等. 低功耗綠地墑情監(jiān)測WSN節(jié)點(diǎn)[J]. 儀表技術(shù)與傳感器，2012（7）：107-110.

[16]羅 俊，孫國耀. 基于WiFi無線傳感器網(wǎng)絡(luò)的工業(yè)環(huán)境監(jiān)測平臺系統(tǒng)設(shè)計[J]. 儀表技術(shù)與傳感器，2018（8）：65-68.

[17]楊東軒，劉 碩，王 嵩. 低功耗電子號牌在排隊系統(tǒng)中的設(shè)計與實現(xiàn)[J]. 計算機(jī)應(yīng)用與軟件，2018，35（12）：76-82.

[18]Hochreiter S，Schmidhuber J. Long short-term memory[J]. Neural Computation，1997，9（8）：1735-1780.