基于物联网和云计算的智能养殖系统

郑笔耕

(荆楚理工学院 电子信息工程学院，湖北 荆门 448000)

基于物联网和云计算的智能养殖系统

郑笔耕

(荆楚理工学院 电子信息工程学院，湖北 荆门 448000)

随着物联网的发展，国内的养殖业逐渐从传统的“后院养殖”向现代化的高科技专业养殖过渡，具有高技术、低人工、高产能、低消耗等特点。将ZigBee技术和无线传感网络体系结构应用于养殖场，并将每个房间的全部监测传感器节点通过一种潜在的形式组合成相对智能化和灵活结构的无线传感器网络系统；同时，每个房间的汇聚节点通过串口和网口与近远程监控中心相连，当房间环境参数超标时，该系统会智能启动风扇并向用户短信报警，用户可通过终端登陆云端系统查看和分析上传数据，从而营造一个适于动物生长的舒适环境，提高养殖的经济效益。

无线传感器网络；云计算；以太网；ADO；智能养殖

0 引言

据相关调查，全国90%以上的规模化养殖场没有经过环境影响评价，80%的养殖场缺乏必要的污染治理设施，畜禽粪便堆放及清粪冲洗管理不当或者养殖场长时间封闭，这些因素极易造成空气中的二氧化碳、甲烷、氨气等超标。这不仅污染水和空气，而且会滋生蚊蝇，影响畜禽质量，给养殖业带来一定的损失。

无线传感器网络[1-2](Wireless Sensor Network)是一种低速率的无线自组织网络，其以低功耗、低成本、分布式和自组织的特点引发了信息感知的一场变革。将无线传感器网络应用于养殖场，可以对养殖过程中的温度、湿度、甲烷、二氧化碳进行实时监测。当现场环境参数指标超过预定阈值，系统会启动智能电扇，并向用户发送短信报警，然后用户可通过手机终端访问云端系统，对一段时间内的曲线变化进行查询和分析，从而保证给畜禽提供一个舒适的生长环境，最终获得经济效益。

1 物联网

1.1 基本概念

随着科技的高速发展，无线通信以及分布式信号处理技术的完善成熟，现代化的传感器节点具备了低成本、小尺寸、多功能以及低功耗等优点[3]。通过将多种前沿技术与无线传感器网络相结合，使得传感器网络的成本更低、组织更独立、拓扑更动态，同时其部署更加容易和灵活，其在当前各个行业领域得到了更广泛的应用。

物联网系统结构如图1所示，主要包括分布式传感器节点、汇聚节点、传输网络、监控中心以及云端服务器系统。分布式传感器节点将多种接口与传感器相连，通过微处理器控制传感器的数据采集与无线传输，借助汇聚节点将接收到的节点信息通过串口和网口传输至近远程数据服务中心。

图1 物联网系统

1.2 传感器节点的基本构成

无线传感器网络的基本单元就是传感器节点，但由于其应用场合不同，传感器节点难免存在一定的差异。传感器节点具有高灵敏度、低功耗、可靠传输的优点，其基本构成框架如图2所示。从图中可知，其主要构成单元包括数据采集模块、数据处理模块、无线通信模块、电源与电源管理模块、其它功能扩展模块等[4]。

图2 传感器节点基本构成框架

数据采集模块在某种程度上属于一种物理世界结构，其主要构成部分有控制单元、转换单元以及接口电路。数据采集模块的作用主要是感知和获取外界信息，从而实现信号转换，并对限号进行调理和放大；数据处理模块基本构成单位主要是微控制器、应用模块以及存储区。该模块通过对传感器节点各个部分的工作进行调节，并采集外部信息，通过相关处理，可提供一定嵌入式操作系统以及数据卡系统，使其更好的服务于传感器；通信模块基本构成部分主要是基带处理以及射频收发单元。该模块对所采集的数据信息进行调制发送，并接受解调，通过采用较低功耗以及较短距离的无线通信技术以及相关网络节点，进而实现数据信息的交换和控制；供电单元最主要的作用是实现电池的供电，并为其他模块提供一定能量，在某种程度上实现动态性的模块管理，进而对电源进行控制；其他功能扩展模块主要包括定位模块、移动模块等，可实现节点定位、移动以及能量的补充。

2 智能养殖监控系统设计

2.1 系统节点的传感器选型

考虑到养殖间各种气体浓度会影响畜禽的生长发育，并兼顾养殖现场和成本需求，养殖系统通常会将温度传感器、气压传感器、空气的温湿度传感器、CO2传感器以及甲烷传感器布置于养殖间，如图3所示。当养殖间的气体浓度超标时，通过无线模块将采集的信息传输至上位机，并发出本地预警信号。

图3 传感器节点

2.2 汇聚节点组成

为了实现传感器网络与现有网络的融合，汇聚节点配置了RS485接口、以太网、GPRS接口，如图4所示。

图4 汇聚节点结构图

在无线传感器中，汇聚节点特别重要，其主要功能是实现协议栈通信协议间的转换，通过监控中心实时监控，将所收集的数据向外部网络转发。

2.3 智能化养殖网络设计

由于有线监控系统的局限性，以及畜禽容易被电线缠绕从而可能造成畜禽死亡或者监控系统设备损坏，因而具有较大的安全隐患。如果我们在有线监测系统的基础上结合无线监测系统，就能有效弥补现有系统的不足，极大的提高监控系统的有效性。尤其使用现阶段较为成熟的物联网和云计算技术，既能保证养殖间数据可靠的传输至中心，也能极大的实现人机交互和各养殖场主间的交流；对每一个养殖阶段的环境参数和养殖产量的分析更有助于制定下一阶段的养殖计划，从而提高养殖产量。本文提出的基于物联网和云计算的智能养殖体系结构如图5所示。

图5 智能养殖网络结构图

智能养殖网络系统将物联网和云计算结合，实现用户对现场的实时智能监控。该系统以串口和现有的计算机网络为主要信息传输载体，根据养殖现场环境，将传感器节点均匀布置在各个养殖间内[5]。节点可放置在墙上、房顶以及养殖间的柱子上。各个养殖间节点将所采集的信息，通过无线传感器网络传输至汇聚节点。无线网关利用自身的串口、以太网和GPRS接口实现本地网和外网间的协议转换，近端监控中心接到串口传来的数据，对数据进行实时处理、存储。如果采集的指标超过预定阈值，则向用户发送短信报警，并启动风扇，降低室内气体浓度；无线网关通过GPRS模块和网口，将现场采集的传感器节点信息通过TCP/IP协议传输至云端系统，当用户接到报警短信时，可通过3G网络登陆云端系统，观测采集的传感器信息，并通过短信实现对风扇和播放音乐的控制[6-7]。总监控中心能通过云端系统对区域养殖的整体安全情况进行实时查询监控，从而形成一个有线和无线相结合以及本地和远程相结合的智能监控养殖系统。

3 本地系统测试

为了使接收到的数据便于分类存储和用户观察，将终端采集到的数据进行打包发送。打包内容包括帧头、数据类型、终端的短地址、负荷以及帧结束符[8]。数据类型主要采用一个字节进行表示，不同的传感器往往组合不同的数据类型，从而实现传感器的扩展、分类和储存；将数据类型按格式分类存储至数据库中，再通过软件查询和数据库分析包括对采集的剩余电量和温度信息进行曲线分析，使得用户能够直观的观察节点剩余电量和温度变化信息，并进行实时操作。测试结果如图6～7所示。

图6 近端剩余电量测试结果

图7 近端温度信息测试结果

用户可以选择对一个时间段采集的信息数据进行分析，也可以通过查询数据表准确定位网内相关节点采集的参数值，从而达到对养殖系统的实时监控。

4 结束语

本文研究了物联网和云计算在智能养殖业的应用。监控系统利用无线传感器网络采集分布在养殖场的传感器信息，并通过串口、GPRS模块和以太网传输至监控中心和云端服务器，对于实现养殖场的智能监控、提高经济效益具有重要意义[9-10]。通过对基于物联网和云计算的智能养殖系统进行研究分析，同时也有利于促进物联网和云计算技术的进一步融合，实现其在各行业的推广。

[1] I F Akyildiz,W Su,Y Sankarasubramaniam.A survey on sensor networks[J].IEEE Communications Magazine,2002,40(8):102-114.

[2] 马祖长,孙怡宁,梅涛.无线传感器网络综述[J].通信学报,2004,25(4):114-124．

[3] W B Heinzelman,A P Chandrakasan,H Balakrishnan.An Application-Specific Protocol Architecture for Wireless Microsensor Networks[J].IEEE Transactions on Wireless Communications,2002,1(4):660-670.

[4] 费巧玲,徐向阳.VC中用ADO实现大数据的存取[J].计算机工程与应用,2005(24):182-183.

[5] 徐志斌.基于GPRS的无线图像传输系统研究[D].武汉:华中科技大学,2008.

[6] 李文仲,段朝玉.Zigbee2007/PRO协议栈实验与实践[M].北京:北京航空航天大学出版社,2009.

[7] J Matamoros,C Anton-Haro.Opportunistic power allocation and sensor selection schemes for wireless sensor networks[J].IEEE Transactions on Wireless Communications,2010,9(2):534-539.

[8] 李晓毅,钟先信,余文革,等.局域监控蓝牙无线图像传输系统设计[J].电子技术应用,2003(6):62-64.

[9] J Z Luo,T F Qin,J F Liu,et al.An Energy Saving Scheme Based on Network Coding in WSN[C]//IEEE International Conference on Communications and Mobile Computing(CMC).Shenzhen:IEEE,2010:229-233.

[10] R Yu,Y Zhang,L Y Song,et al.Joint Optimization of Power,Packet Forwarding and Reliability in MIMO Wireless Sensor Networks[J].Mobile Networks and Applications,2011,16(6):760-770.

2014-06-09

市级基金项目：养殖场环境综合监控系统技术研究(2012G05)；荆门市市级研究与开发引导计划：基于物联网的农田环境监测系统研究(2012YD04)；荆楚理工学院校级科研项目：基于物联网的精准农业环境监测系统实现(ZR201219)

郑笔耕(1981-)，男，湖北荆门人，荆楚理工学院讲师。研究方向：通信与信息系统。

TN919.72

A

1008-4657(2014)04-0042-05

寸晓非]