豬顆粒飼料殘留量非接觸式檢測技術研究

李常營，龍定彪，蒲施樺，劉作華

（重慶市畜牧科學院，重慶 榮昌 402460）

推動養豬業走向集約化、自動化、智能化是我國農業發展近10年來最大的特點之一。目前，越來越多的養殖場愿意采用精準飼喂技術降低料重比并降低飼料的浪費，因此如何精準控制或監測豬的采食量是一個非常重要的問題。研究表明，使用紅外傳感器構建檢測系統，能夠低成本并簡單有效地解決實時監測飼料殘留量監測的問題，為提高我國生豬養殖水平有一定的積極意義。

隨著測量技術的發展，國內有學者利用紅外傳感測距結合圓規創新研發新型的電子圓規，以能夠自主測量圓的直徑功能為首要目標并向外拓展延伸，通過紅外測距功能對兩腳距離進行探測；也有學者結合紅外測距傳感器和計算機圖像處理技術，提出了一種非接觸式測量果樹深度信息的方法，實現了機器人對果樹快速識別和定位；還有學者以紅外距離傳感器作元件，采用非接觸式測量方法，捕捉人體退步表面幾何信息，設計了紅外人體腿圍測量系統。由此可見紅外技術可以很好地進行測距和定位，在飼料領域也可以得到應用。

1 系統總體設計

顆粒飼料監測系統，核心控制芯片為Arduino UNO，外接的模塊分別有Esp8226無線通信模塊，紅外傳感器GP2D12集成模塊，伺服舵機模塊，7.4伏鋰電池等。通過手機給主控下達指令，利用云服務器完成閉環的信號傳遞。

顆粒飼料監測系統框架如圖1所示。

圖1 數據采集系統的結構框圖

1.1 主要模塊基礎介紹

在此設計中，整體以Arduino為核心控制外接Esp8226無線通信模塊，紅外傳感器GP2D12集成模塊，大扭力伺服舵機模塊，7.4V鋰電池等。以下對各類模塊進行簡要的概述。

1.1.1 無線模塊

Esp8266系列無線模塊是一個經濟高效的WiFiSOC模塊，支持標準IEEE802.11b/g/n協議，內置完整的TCP/IP協議棧。用戶可以使用此系列模塊向現有設備添加網絡功能，也可以構建獨立的網絡控制器。

Esp8266是一款超低功耗的UART-WiFi透傳模塊，擁有業內極富競爭力的封裝尺寸和超低能耗技術，專為移動設備和物聯網應用設計，可將用戶的物理設備連接到Wi-Fi無線網絡上，進行互聯網或局域網通信，實現聯網功能。

1.1.2 處理器模塊

Arduino是一個基于易于使用的硬件和軟件的開源電子平臺。不僅具有各式種類的接口，也可利用USB接口傳輸程序。其優點包括了AVR單片機的特點，跨平臺-Arduino軟件（IDE）在Windows，Macintosh OSX和Linux操作系統上運行。簡單清晰的編程環境使Arduino軟件（IDE）對初學者來說易于操作。開源性強和可擴展軟件Arduino軟件作為開源工具發布，可供經驗豐富的程序員進行擴展。

1.1.3 紅外監測模塊

紅外測距主要原理是利用光的反射強度來測定距離的，具有精度高，低消耗，體積小，不受干擾等特點。它由一個紅外發射管和一個位置敏感檢測裝置以及相應的計算電路構成，位置敏感檢測裝置可以測量到光點在它上面的細微位移，利用此特征進行幾何方式的測距。

1.1.4 電池模塊

整個系統的供電一般可以直接由USB數據線連接開發板為其供電，也可以通過外接獨立電源。本實驗采用電壓輸出為7.4V，容量為1 500 mAh，充電截止電壓為8.4V的可充電軟包聚合物鋰電池組。

1.2 各項問題的解決和設計

1.2.1 紅外監測模塊

料筒或者料盤內的飼料表面不平整，在4個對稱點安置紅外傳感器，把4個收集到高度取其平均值來代替平面的實際高度。料筒設計的完成品圖內部結構和外部結構如圖2所示。

圖2 料筒設計的完成品圖內部結構和外部結構

針對GP2D12傳感器，數據處理上要解決兩個問題：（1）信號的線性化；（2）測量數據的噪聲很大，也就是誤差數據含量比較多。

上述的紅外線模塊在測量的過程存在一定的波動性，為了篩選出合理數據，必須先在測量過程中利用一定時間區域內的數據進行合理的剔除并篩選。GP2D12紅外傳感模塊反饋的是一個模擬電壓值，而且其數值并不能與距離呈現線性關系，利用最小二乘擬合出的線性化關系式，編寫程序讓反饋的高度呈線性化。對一定時間內采取到數據利用改進的肖維涅算法進行篩選，達到消除噪聲的效果。

1.2.2 Arduino板和Esp8226之間的通訊程序設計

Arduino UNO和Esp8226兩者連接主要依靠D2、D3為Arduino設置的軟串口RX和TX，也就是通過串口可以達到兩者在連接后利用內置庫的函數實現通信（圖3）。

圖3 連接接口指示圖

1.2.3 服務端部分（巴法云）

巴法云物聯網平臺采用前后端分離的設計思想，屬于輕量級的精簡物聯網端服務器。其支持發布和訂閱模式，可以實現一對多、或者多對一、多對多的消息傳遞。

利用發布訂閱模式，即令Esp8266訂閱一個主題，再利用App inventor 編寫的app 往這個主題發布消息，由于Esp8266 訂閱了此主題，所以就可以收到app發布得消息，從而執行相應得動作。原理步驟如下：

第一步先讓Esp8226模塊訂閱上此服務器的主題；

第二步讀取GP2D12的反饋值；

第三步訂閱同一主題的內部可以進行數據互換，手機上的App inventor設置程序同樣的要訂閱同一個主題。最后達到三者都可以進行消息傳輸。

1.2.4 客戶端軟件設計

App Inventor是一款利用圖形化界面的Android智能手機應用程序開發軟件，可以創造基于Android操作系統的應用軟件。它使用圖形化界面，非常類似于Scratch語言和Star Logo TNG用戶界面。用戶可以拖放圖形對象來創造一個運行在安卓系統上的應用，它就可以在許多手機設備上運行。

本文設計的軟件主要是為了實現飼料剩余量的檢測，并且將在app上輸入過的數據保存在內置的數據庫中，可以方便隨時查看。另外，通過軟件里的程序設計實現讓其和巴法云服務器能保持通訊。具體的設計步驟為：（1）讓手機客戶端和巴法云通過程序設定訂閱同一主題；（2）將反饋回來的數據進行反饋和實時的顯示的效果。飼料殘余量反饋功能部分軟件示范見圖4。

圖4 App inventor完成品示例圖

2 紅外線測試頻率和數據篩選處理

需要對設備中篩選紅外測距數據的程序進行改進，原理如下：利用前四分位利差設定特定區間，將范圍外的偏差較大的誤差數據提前剔除，在整體運行上提升效率，節省了一定量繁瑣的過程時間。具體如下：在獲得新的測量樣本數據集，假設個樣本中含有個誤差樣本點，設樣本點偏離大的有個，誤差偏小的樣本點有個。先通過快速排序的方法將樣本數據里的數據進行從小到大的排序，得到其中的中位數設為，上四分位點和下四分位點。設四分位離差：，選擇保留作為上述的接納區間，同時按照誤差數據服從正態分布的規律來確定。將數據集代入后求得，然后求出剩下每個數據與的偏差。

簡化得到：

計算收斂速度：

3 實驗結果

3.1 數據處理

將監測系統里的針對單一個紅外傳感器的接受數據，因為儀器本身的數據波動，特別是在飼料變化過程中，為了精準地捕獲反饋量，先假設以時間間隔20 ms，即每秒檢測50次，對同一高度的飼料，采取同一時間節點測試100次的數據來測試篩選的實際效果。因為經過處理后反饋的測距值為整型，所以得到的距離值都是整數，第一輪篩選結果如表1所示。

表1 第一輪篩選實驗結果數據

利用改進的肖維涅算法處理完數據得到第一次篩選的結果：獲得中位數，，平均值為190 mm，標準差：，在100個經過排列后經過篩選發現合格的數據為39個，數據總數為64個，然后通過遞歸進行第二輪的篩選，第二輪篩選結果如表2所示。

表2 第二輪篩選實驗結果數據

依據第一輪篩選結果重新遞歸代入回算法中，第二輪得到平均值為189 mm，標準差，經過排列后經過篩選發現合格的數據為14個，總數為39個，發現仍然都沒有滿足的結束條件，然后將得到的合格數據進行下一次循環，第三輪篩選結果如表3所示。

表3 第三輪篩選實驗結果數據

表4 第四輪篩選實驗結果數據

3.2 殘余飼料的數據曲線擬合

在進行紅外線測距模塊本身的測距的線性化調試后，可以明確到測量的結果和距離是趨近線性的，然后利用所得的數據進行線性回歸的實驗來擬合得到剩余飼料量和距離的實際關系。

以飼料倒進去桶內的飼料不再漏出為基礎實驗起點，每次投入700 g豬飼料為梯度，一共進行了7次的實驗。每次試驗都首先順著儀器管道倒入飼料，飼料在桶內會堆積起來，分別讀取此時4個不同傳感器的數據，取平均值。為了得到實際的高度，利用工具將桶內的飼料水平鋪開，然后，取長尺垂直伸入桶內，測量飼料上平面到桶上端的距離。數據結果如表5所示。

表5 殘余飼料的數據曲線擬合數據

利用實際的高度值和剩余飼料質量值進行回歸分析，得到分析結果如表6所示。

表6 回歸分析

由上面得到的實際高度值和剩余飼料質量的值呈現線性相關性，而且P≤0.01，說明結果有顯著的統計學意義，得到關系式：，其中為剩余的飼料量，為實際的高度值。

3.3 單一傳感器測試高度的誤差程度

對于實際測量為271 mm的高度，實驗采用單一紅外傳感器進行10次重復實驗，獲得10次返回的數據（表7）。總體的樣本數為10，小于30，而且獲得的隨機數據在實驗中呈現正態，滿足使用t檢驗的條件。將獲得的數據代入excel進行單樣本的t檢驗，得到表8。

表7 10次重復測量的實驗結果數據 mm

表8 t檢驗結果

代入數據可以得到表9。

表9 精度分析表

3.4 多個傳感器平均高度值與實際值的誤差程度

利用上述實驗數據，對比多個傳感器與實際值的誤差程度，上述實驗也說明了由一個傳感器測量距離得到的數據具有穩定性，每次取儀器穩定后得到的返回值，使其具有代表性，來和實際值進行比較。得到公式為，其中為相對質量誤差，為返回平均值代入擬合關系式的值和實際質量的差，相對高度的誤差絕對值是類似的，公式為，其中為相對質量誤差，為返回的高度平均值和實際高度的差（表10）。

表10 各高度精度分析表

通過發現分析發現實際高度和返回的平均值線性化程度很高，發現實際值和返回來的平均值存在的誤差除個別值外整體接近線性，對返回的平均值和實際高度值進行回歸分析，得到表11。

表11 平均值和實際高度值的回歸分析

4個傳感器傳回來的值可以利用系數矯正，盡可能讓反饋回來的平均值逼近實際的高度值，減少相對質量的誤差，利用上述的系數重新矯正，通過關系式得到高度數據如表12所示。

表12 矯正值表 mm

再將矯正后的均值和實際高度值進行成對樣本均值的t檢驗得到表13。

表13 矯正后均值和實際高度的t檢驗

雙尾概率P＞0.05，說明矯正后的數據和實際高度值差異不顯著，為了得到矯正后的效果，再次分析矯正后的質量精度，把矯正后的均值重新代入到上述關系式，得到表14。

結果表明，在實驗范圍內，相對質量誤差的絕對值都小于等于10%，說明總體的下料精度不小于90%，總體系統穩定性好，整體反饋數據精度通過矯正后的精度得到了提升，而最后得到的關系式為，其中為剩余飼料的質量值，為由4個傳感器構成的系統返回的平均值。

4 結論

（1）針對紅外傳感部分噪聲較大的問題也利用肖維涅算法將數據控制在合理的數據范圍，最后針對同一高度進行10次重復測量得到重復實驗結果，來衡量算法控制的誤差程度。根據上述表（表1-表14），得到最大相對誤差為1.845%，變異系數為3.306%，說明單一傳感器反饋的精度不小于98%，篩選得到的數據和實際值存在的差異很小，穩定性高。

表14 矯正后誤差

（2）針對紅外傳感部分的突出問題做出了實驗和引出了相關的方法解決，也擬合出了返回的數據高度和剩余飼料質量的對應關系，得到線性回歸方程：，總體下料精度不小于90%，說明非接觸式檢測飼料殘留飼料量的效果良好。