基于窄带物联网的养殖塘水质监测系统研制

宦 娟，吴 帆，曹伟建，李 慧，刘星桥



基于窄带物联网的养殖塘水质监测系统研制

宦 娟1,2，吴 帆1，曹伟建1，李 慧1，刘星桥2

（1. 常州大学信息科学与工程学院，常州 213164； 2. 江苏大学电气信息工程学院，镇江 212013）

为了促进水产养殖信息化的发展，更加准确、便捷地对水产养殖塘进行监测，该文研发了一种基于窄带物联网（narrow band Internet of Things，NB-IoT）技术的养殖塘水质监测系统，实现了对多传感器节点信息（温度、pH值、溶解氧等环境参数）的远程采集和数据存储功能，以及对养殖塘的智能控制和集中管理。系统利用STM32L151C8单片机和传感器终端实时采集温度、pH值、溶解氧等水质信息，通过NB-IoT技术实现数据汇总和远距离传输至IoT电信云平台，Keil工具实现NB无线通信模组数据格式的设计以及数据的发送，Java用于开发访问云平台、控制底层设备和本地数据处理的后台监测应用，其既能够发送HTTP请求对云平台数据进行监测，也可以向底层控制模块下发命令，控制增氧机等设备的启动和关闭。试验结果表明：该系统可实时获取温度、pH值、溶解氧等水质参数信息，温度控制精度保持在±0.12 ℃，平均相对误差为0.15%，溶解氧控制精度保持在±0.55 mg/L以内，平均相对误差为2.48%，pH值控制精度保持在±0.09，平均相对误差为0.21%。系统整体运行稳定，数据传输实时、准确，能够满足实际生产需要，为进一步水质调节和水产养殖生产管理提供了有力的数据和技术支持。

水产养殖；水质；监测；物联网；NB-IoT

0 引 言

近年来，中国水产养殖业快速发展，水产养殖产量已占到世界养殖总产量的70%以上[ -2]。养殖水体的水质环境是水生动物赖以生存的根本，影响水质的温度、pH值、溶解氧等水体因子更是水产养殖的关键因素[3-4]。所以水质的实时监测对水产养殖高效高产、健康安全具有重要的现实意义。

研究人员纷纷开展了针对水产养殖环境监测的相关研究。Wang等[5]设计了海洋远程监控系统。Nam等[6]结合ZigBee和码分多址（code division multiple access，CDMA）技术，在水产养殖场部署无线传感网[7]（WSN，wireless sensor networks），监测近海游鱼物种的环境信息。Chen等[8]结合ZigBee和WiFi，建立渔场环境 WSN自动监测系统。Parra等[9]结合WSN和GPRS，远程监控鱼类养殖基地的水质参数和饲料消耗等。以上水产养殖监测系统各具特点，但随着物联网技术发展，近年来涌现了面向设备接入的低功耗广域网。典型如窄带物联网（narrow band Internet of Things，NB-IoT），其单跳距离可达上千米，在节点通信范围、节点部署个数、环境适用性上更适于园区、养殖塘等地。为了有效解决当前水产养殖地域网络覆盖不足、终端功耗过高、无法满足海量终端要求、综合成本高等问题，本文选取NB-IoT技术应用于养殖塘监测，它是建立于蜂窝网络基础之上。直接接入蜂窝网络可以很大程度上简化网络结构，减少部署和维护的难度，同时做到了低成本、低功耗、广覆盖、大连接，非常适合水产养殖业这一类低频、小数据包、通信时延不敏感的物联网业务。通过NB-IoT与传感器的连接，将低成本、低功耗的移动终端分布各养殖基地，为水产养殖生产和物联网研究提供保障。

综合该技术在应用到水产养殖业的优势以及当前发展的趋势，本文设计实现了基于NB-IoT技术的养殖塘水质监测系统，应用STM32L151C8芯片与传感器技术，采集水产环境信息，通过NB模组实现无网关化数据上报。云平台接收到数据或下发的命令后即时保存，随时准备解析发送协议包。一方面，该系统可以实时监测水产养殖环境，并将相关数据通过IoT平台发送至PC机和远程客户端。另一方面，可以通过下发命令控制底层模块的工作，协调各传感器节点并配置有可信模块，周期性检测各节点可信性，从而保证传感节点的完整和安全。研究结果为进一步水质调节和水产养殖生产管理提供参考。

1 系统体系结构

本文设计的养殖塘水质监测系统具备数据采集、远程传输、存储管理、远程监测和智能控制等功能，实现了对水产养殖环境水质参数的分布式监控和集中管理[10-18]。该系统由感知层，传输层，平台层和应用层等四层结构组成。系统架构图如图1所示。

图1 养殖塘水质监测系统架构图

第一层为感知层，不同养殖塘分别部署，主要包括电源模块、传感器模块（温度传感器、pH复合电极、溶解氧传感器等），单片机（microcontroller unit，MCU）和NB模组。负责养殖塘数据采集和增氧机开闭控制，温度传感器、pH复合电极、溶解氧传感器分别采集温度、pH值、溶解氧数据，通过NB通信模块将物理实体连接到传输层。第二层为传输层，主要包含核心网和通信基站，感知层采集到养殖塘数据之后将通过传输层的核心网络发送到附近的通信基站，为NB-IoT终端建立用户面承载，传递上下行业务数据[19]。第三层为平台层，负责汇聚接入网得到的IoT相关数据，并根据不同感知数据类型转发给监测应用系统进行具体处理，同时向系统开放接口方便获取数据。第四层为应用层，在平台基础上，将养殖塘监测系统部署于IoT电信云平台，既能调用查询接口对平台数据进行监测，完成数据的预处理、存储；也可以向底层控制模块下发命令，控制增氧机等设备的开闭。

各层次分工明确，主要实现两大功能：由感知层到应用层的数据上报实现了对数据的远程监测，应用层到感知层的命令下发实现了对设备的智能控制。系统流程图如图2所示。

1.1 数据上报

温度等传感器设备采集养殖塘相关数据，并按数据帧格式进行编码，通过MCU串口，以AT命令的形式，发送已编码数据到NB-IoT模组。NB-IoT芯片接收到AT命令后，将payload自动封装为CoAP协议的消息，并发送给事先配置的IoT电信云平台；平台收到数据后，自动解析CoAP协议包，根据设备Profile文件，找到匹配的编解码插件，对payload进行解析，解析为与设备Profile中描述的service匹配的json数据，并存于平台之上；养殖监测系统通过查询接口获取平台上的数据，对数据变化进行远程监测，平台每个监测周期都会通过POST消息，发送数据到指定的服务器。

图2 感知层对接云平台流程图

1.2 命令下发

监测系统可以下发控制增氧机开闭的命令到平台，如平台判断设备在线，则立即下发命令；若平台判断设备离线，则命令缓存于平台的数据库中。NB设备在某时刻上报数据，平台收到数据后，将检索对应设备在数据库中是否存在有效未下发的命令，如有，则下发该命令。下发的命令通过编解码插件进行编码（json到16进制码流）发送到设备端。设备收到命令，执行增氧机控制命令，返回结果。

2 系统设计

2.1 感知层设计

感知层的设计主要分为5个部分：主控板设计、通信模块电路设计、数据帧格式设计、电源模块设计以及嵌入式开发。其中NB-IoT主控板和通信模块电路设计为感知层设计的核心。主控板负责养殖塘数据的采集，通信模块负责与NB-IoT 基站的数据交互。

2.1.1 主控板设计

主控板设计框图如图3所示。使用温度传感器DHT12、pH复合电极E-201-C、数字型溶解氧传感器DOS-600分别获取养殖塘内的温度、pH值以及溶解氧。单片机处理器（MCU）是整个主控板的核心，负责数据采集、处理、分析以及与通信模块通信连接，选用STM32L151C8为主控芯片，其内核为基于超低功耗的ARM Cortex-M4 CPU，能够最大程度减少功率损耗。并具有定时器、DMA、UART、RST、ADC、GPIO等模块，能够满足NB-IoT硬件设计功能需求[20-25]。芯片主要用于完成温度、溶解氧、pH值信号的采集和处理，并将处理好的数据存储到内部的存储模块，MCU通过BC95-B5模块发送到指定对象，使用内部定时器控制，每隔30 min发送一次。系统工作参数的设定可通过AT指令来完成。如AT+NMSTATUS判断当前模块与平台之间的连接关系，AT+NMGS发送根据通讯帧协议设计的二进制编码可以获取相应的养殖塘监测数据等。

图3 主控板设计框图

MCU发送数据给NB-IoT后，NB-IoT创建和基站之间的传输信道，上行发送。也能够监听命令，当收到来自基站的命令请求信号时，可以及时对命令作出响应。

采集终端包括传感器模块、单片机处理器、NB-IoT通信模块。系统使用内部定时器定时对温度、溶解氧、pH值信号进行采集，并将处理好的数据遵循数据帧设计格式进行编码，然后存储到内部存储器中。溶解氧传感器和pH复合电极（pH传感器）采集到模拟信号需要经过A/D转换成单片机可以处理的数字信号，通过串口以AT+NMGS命令的形式发送至NB-IoT模组。模组接收到AT命令后，将payload自动封装为CoAP协议的消息，经由基站发送给IoT电信云平台。系统采用电池供电，供电电压为3.3 V。

2.1.2 通信模块电路设计

NB模组负责对养殖塘水质数据进行接收和转发。对MCU进行编程实现对NB-IoT芯片的控制，将监测到的数据编码后通过该模块发送出去，判断SIM卡信息读取是否完全，匹配相对应状态。

本设计采用移远BC95-B5无线通信模块上报水质监测数据和接收增氧机控制命令。BC95-B5是一款基于NB-IoT技术的无线通信模块，采用NB-IoT无线通信协议（3GPP Rel.13）与网络运营商的设备建立连接，主要工作在850 MHz的授权频段。尺寸小可节约布板面积，最低深度休眠电流可达5A，节省功耗。物联网SIM卡是由中国电信提供的4G NB-IoT卡，卡上存储了用户信息、加密密钥以及用时信息等内容，满足了智能硬件和智能农业对设备联网的管理需求。

通信模块电路原理图如图4所示，通信模块BC95作为射频模组，与专用NB-IoT物联网卡进行数据交互，最后经由射频天线将养殖塘水质数据直接发送到NB-IoT基站。为确保有更好的电源供电性能，在靠近BC95的电源输入端并联有1个低ESR的100F钽电容，和0.1F、100 pF、22 pF的滤波电容；在射频天线的电路设计中，对于PCB走线使用专业阻抗模拟计算工具对射频信号线进行50 Ω的阻抗控制，并且预留有p型匹配电路，能 够更加方便地调节射频性能，确保了射频信号良好以及可靠。

结合上述各类传感器和BC95射频芯片，共同构成终端传感器节点。终端节点实物如图5所示。

2.1.3 数据帧格式设计

为提高正确性，方便软硬件模块对数据解析处理，采用帧结构来降低数据包在传输过程中出错的概率。根据应用架构可知，在通信中采用IP地址+IMSI号的方法分辨设备终端，设备终端存在唯一的IP地址和IMSI号，传输的数据包中加入这两个因子，来保证数据包的发送和及时响应。帧格式内容共包括4部分，分别是：帧头、帧长度、控制字和数据。

帧头部分占2 Byte，作为每一帧数据的起始字符，本文约定固定的帧头内容为0x7E 0x7E；帧长度部分占2 Byte，表示该帧的数据长度，只包含控制字部分和数据部分长度；控制字部分占1 Byte，共分为4部分，分别是操作类型，数据类型，数据项和预留位；数据部分占用字节数不固定，依据数据传输时实际长度而定，该部分存储真正发送的数据内容。

其中，控制字部分占用1 Byte，共包含8 Bit，其中Bit7和Bit6数据类型值为00则表示上报数据，01表示命令下发；Bit5和Bit4所传输的是与温度模块相关的数据或命令数据；Bit3和Bit2所传输的是与pH值模块相关的数据或命令；Bit1和Bit0所传输的是与溶解氧模块相关的数据或命令。当操作类型为00时，表示上传相应的温度测量值、pH测量值和溶解氧测量值，其余值均为保留；当操作类型为01时，数据项值00表示开启测量，01 表示关闭测量，10表示获取测量值，其余值均为保留；当操作类型为命令响应时，数据项值均做保留处理。

2.1.4 电源模块设计

电源模块负责整个主控板的用电供应，MCU的供电电压为3.3 V，NB模组的供电电压为3.8 V。所以需要将输入的5 V电压稳定至3.3和3.8 V。

图4 通信模块原理图

图5 终端硬件实物图

其中，5 V稳定至3.3 V，采用的是AMS1117-3.3降压型稳定器，AMS1117是线型稳定器，输出的最大电流为0.8 A，5 V稳压至3.8 V，采用的是MIC29302WU降压型稳压器。MIC29302WU是线型稳压器，输出的最大电流为3 A[26-29]。

2.1.5 嵌入式开发

感知层设计的最终目的就是为了完成数据的上报，数据上报是物联网业务中最基础的一项。

本文采用了Keil集成开发环境对STM32单片机进行编程，并通过SEGGER J-Link仿真器和单片机相连接。编译之后下载并仿真，将程序烧写至MCU上，完成开发。具体实现的功能有获取数据、信号转换、发送数据和接收命令等方面，部分代码如下所示：

1）uint8_t DHT12_Read_Data(uint8_t *temp)//获取温度值

2）uint8_t PH_Read_Data(uint8_t *pH) //获取pH值

3）PH_value = -0.005816* PH_Read_Data +19.2654; //pH值ADC转换

4）uint8_t DO_Read_Data(uint8_t *do) //获取溶解氧值

5）DO_value = (unsigned int)((float)DO_Read_Data/ 228/100); //溶解氧值ADC转换

6）Void BC95_SendCOAPdata(uint8_t *len,uint8_t *data)//发送CoAP数据

7）Void BC95_RECCOAPData(void) //接收平台层下发的命令

2.2 传输层设计

养殖塘监测数据被NB模组发送后经由传输层的核心网络发送到附近的通信基站。传输层包含核心网和通信基站，核心网主要承担与非接入层交互的功能，将温度等监测到的水质数据转发到IoT平台进行处理。

通信基站由运营商搭建，NB-IoT无线接入网由一个或多个基站（eNB）组成，负责无线资源的管理，包括无线承载控制、无线接入控制、连接移动性控制，以及上下行资源动态分配调度和用户数据流的加密、IP报头压缩等功能。

图6所示NB-IoT无线投入网由多个基站（eNB）组成，eNB基站通过Uu接口（空中接口）与NB-IoT终端（UE）通信，是UE用户面和控制面的协议终止点。eNB基站通过接口连接到NB模组，接口上传输的是养殖塘监测数据。2个eNB基站之间的接口，可以使UE在进入空闲状态后快速启动恢复进程。

图6 NB-IoT网络拓扑图

2.3 平台层设计

IoT平台绑定NB模组后存储温度、pH值、溶解氧等传感器设备发送的数据，可以创建部署养殖监测系统应用，编写Profile文件和编解码插件，实现对NB-IoT设备的统一管理。同时向部署的监测应用系统开放接口以便让其对平台数据进行远程监测。

若平台接收到的是上报的数据，依据编解码插件解码成匹配的json数据并存储，以便养殖监测系统远程监测；若平台接收到的是养殖监测系统下发的命令，则通过编解码插件编码成16进制码流发送到设备端，实现对设备的智能控制。平台层设计流程图如图7所示。

图7 IoT平台设计流程图

本文运用IoT平台提供的SP Portal前台界面，实现了养殖塘监测的基本应用管理、设备管理、数据查看和命令查看等功能。登录SP Portal（账户名、密码会随着平台资源一同下发）创建一个“应用”。“应用”即为监测系统在平台的一个映射。应用创建完成后，平台会返回appid和secret。这2个值用于养殖监测系统和NB设备的唯一绑定。

2.3.1 Profile设计

为了确保不同养殖塘监测到的数据唯一性，并能准确将温度等数据保存至云平台。需要建立不同感知节点与云平台的映射关系。所以本文设计了映射文件Profile。

文件内容主要包括2部分，一部分是设备属性信息（Device Capability），如manufacturerId（厂商ID）、manufacturerName（厂商名字）、deviceType（设备类型）、model（设备型号）、protocolType（协议类型）等，确保绑定NB模组的一一对应；另一部分是设备服务信息（Service），这一部分定义了养殖塘的数据字段，包括温度（temp）、pH值（pH）、溶解氧（do）等需要设备上报的上行数据和服务器下发给设备的下行数据。部分业务数据json代码如下：

"propertyName":,//温度

"dataType":,"required": true,"min":,"max":, "step": 1.0, "maxLength": 0, "method":,"unit":, "enumList":,

"propertyName":,//pH值

"dataType":,"required": true,"min":,"max":, "step": 1.0,"maxLength": 0,"method":,"unit":, "enumList":,

"propertyName":,//溶解氧

"dataType":,"required": true,"min":,"max":, "step": 1.0,"maxLength": 0,"method":,"unit":, "enumList":

以温度代码为例，propertyName为temp表示接入设备为温度传感器，dataType为int表示数据类型为整型，required为true表示为必填项，min和max规定了属性的范围是0～100，step表示步长等于1.0，method代表该属性的访问模式，RE说明可读取，更改后可上报保存等。

只有上传了设备Profile文件，才能正确的绑定设备，接收数据和发送命令。

2.3.2 编解码插件设计

养殖塘监测到的数据经由NB模组通过传输层上报至平台之后，需要对数据进行解码。同样的，平台接收到系统下发的控制增氧机的命令后也需要对命令进行编码。所以在平台上设计了一个编解码插件用来实现对数据的编码和对命令的解码。

由于设备对省电要求通常较高，所以应用层数据一般采用十六进制格式。应用层数据在IoT平台做协议解析时，会转换成统一的json格式，以方便养殖塘监测系统的使用。要实现十六进制消息与json格式消息的转换功能，IoT平台需要使用设备厂商提供编解码插件。一个NB模组对应一个编解码插件。

编解码插件要实现解码与编码，主要针对encode和decode 2个接口的具体实现进行代码开发，它承担了4个任务：对上报的数据进行解码；对上报的命令响应进行解码；对下发的命令进行编码；对下发的数据响应进行编码。

实质上是一个实现IProtocolAdapter接口的jar包，需要完成4个接口函数的修改。

1）String getManufacturerId() //返回设备厂商ID字符串

2）String getModel () //返回设备型号字符串

3）ObjectNode decode (final byte[] binaryData) throws Exception //将设备上报的温度、pH值、溶解氧等二进制数据转换为json格式数据

4）byte[] encode (final ObjectNode input) throws Exception //将应用层下发的命令转换为设备可识别的二进制数据

接口1和接口2是为了获取设备的相关信息，方便核对编解码的目标，接口3将设备上报的温度、pH值、溶解氧等数据进行解码，接口4将控制增氧机的命令进行编码。

编解码插件部署完毕后通过NB模组的IMSI号对设备进行注册绑定，云平台每30 min监测一次。平台接收到监测系统下发的控制命令，命令ID为平台随机生成的操作命令的唯一标识符，seviceId为对应的设备名称，每12 h发送一次控制命令。

2.4 应用层设计

应用层即本地服务器端养殖塘监测应用系统，主要实现两大功能：一是可以通过事先订阅数据变化消息，或者通过数据查询接口，获取到水产养殖NB监控设备发送到IoT平台的水产环境数据；二是通过IoT平台下发命令控制底层模块的工作，监测系统下发命令到感知层NB设备，而设备也将做出一些对应的响应。控制增氧机控制单元的开启和关闭。

应用server通过HTTP协议和平台通讯，通过调用平台的开放API来控制设备，平台把设备上报的数据推送给应用服务器。平台支持对设备数据进行协议解析，转换成标准的json格式数据。

1）String appId = Constant.APPID; //设置应用ID

2）String secret = Constant.SECRET; //设置应用密码

3）String urLogin = Constant.APP_AUTH; //设置鉴权序列号

4）QueryDeviceHistoryData data = new QueryDeviceHistoryData(); //获取云平台数据

5）PostAsynCommand command = new PostAsynCommand(); //向设备端下发命令

养殖塘水质监测系统通过数据查询接口QueryDeviceHistoryData.java获取IoT平台上的数据进行养殖塘的远程监测，获取到数据后保存到数据库中，设计前端页面进行显示；同时也可以提前调用命令下发接口PostAsynCommand.java，对增氧机设备进行远程控制，单击前端页面开闭按钮，则可以向云平台下发控制增氧机命令，命令缓存时间可在云平台进行设置。本地设备接收到命令后控制增氧机开关，执行后返回结果。

3 系统试验结果

本文设计的系统所需的软硬件设备型号及环境如表1所示，单片机选用了STM32L151C8芯片，NB-IoT模块选用移远BC95-B5无线通信模块，传感器主要负责温度、pH值、溶解氧等环境参数的实时采集[30-33]，采用CoAP 协议，将采集到的数据通过NB-IoT模块发送，同时接收来自服务器的控制命令；温度传感器采用广州奥松电子有限公司生产的DHT12型温度传感器，测量范围为-20～60 ℃，精度为±0.5 ℃。溶解氧传感器采用北京博海志远科技有限公司研发的DOS-600型传感器，测量范围为0～20.00 mg/L，精度为±0.1 mg/L。pH值电极采用上海仪电科学仪器股份有限公司研发的雷磁系列E-201-C型 pH 复合电极，测量范围为0～14，精度为±0.05。嵌入式程序烧录使用Keil工具，应用层监测系统的设计开发则选用Java开发环境。

表1 软硬件设备

利用本系统在江苏省常州市渔业养殖基地进行试验。该基地采用塘内养殖模式，占地面积0.1 km2。不同水生物被放置的养殖塘深度不同，水产环境极具代表性。实时获取温度、pH值和溶解氧水质信息，为了验证系统运行时对水产养殖环境各因素的及时监测和精准调控，选取不同天气（阴、晴、雨），不同时间（0:00、12:00、20:00）、不同养殖塘（1号养殖塘、4号养殖塘、6号养殖塘）进行数据监测，以购买的美国哈希公司生产的MS5-Hydrolab便携式多参数水质监测仪所测得的参数为标准值，该传感器测量的精度较高，溶解氧测量精度达±1%，温度达±0.2℃，pH值精度为±0.2。分别将传感器节点采集到的数据、云平台接收到的数据以及监测系统显示的数据与标准值进行比较。数据如表2，表3，表4所示，1号养殖塘实际部署见图8。

注：圈内所示即为监测节点，内置各传感器和单片机等硬件模块。

Fig.8. No.1 aquaculture pond node deployment diagram

表2 1号养殖塘实测值和标准值的比较

表3 4号养殖塘实测值和标准值的比较

设置传感器节点上传周期为30 min，根据云平台获取到的数据对节点丢包率进行统计，发送数据包大小为40 Bit，统计日期为2018年9月1日17:00至9月30日11:00。其中1号养殖塘数据量为1 426帧，9月15日丢失4帧，丢包率为0.28%；4号养殖塘数据量为1 468帧，9月7号丢失2帧，丢包率为0.13%；6号养殖塘数据量为1 520帧，9月14日丢失2帧，9月15日丢失4帧，9月21日丢失7帧，丢包率为0.85%。实际部署中，节点与网关通信距离约3 km，平均丢包率为0.42%，具有非常良好的通信可靠性。

综合表2，表3，表4 可得到，云平台可准确及时显示各个养殖塘的监测数据，通过本系统可以实时获取温度、pH值、溶解氧等水质参数信息，其中，温度控制精度保持在±0.12 ℃，1号养殖塘相对误差为0.22%，4号相对误差为0.12%，6号相对误差为0.12%，平均相对误差为0.15%；溶解氧控制精度保持在±0.55 mg/L以内，1号养殖塘相对误差为1.75%，4号相对误差为3.17%，6号相对误差为2.51%，平均相对误差为2.48%；pH值控制精度保持在±0.09，1号养殖塘相对误差为0.14%，4号相对误差为0.15%，6号相对误差为0.33%，平均相对误差为0.21%，符合系统控制要求。所测得各参数数据与标准值相比较，相对误差很小，远程控制增氧机反应时间在 100 ms 以内，达到系统设计要求。系统在现场实时监测下运行稳定，实现了对温度、pH值、溶解氧等水产养殖环境因素的准确监测控制和无线传感器的网络通信功能，满足水产养殖要求。

表4 6号养殖塘实测值和标准值的比较

4 结 论

为了对养殖塘水质进行监测，本文设计了基于NB-IoT网络的养殖塘水质监测系统，具体设计和实现了终端传感器节点、后台控制模块、监测系统等软硬件，实现了对养殖塘的远程监测和增氧机等设备的智能控制。并在江苏省常州市渔业养殖基地中实地监测。主要结论如下：

1）监测系统采用NB-IoT技术部署网络结构，利用传感节点获取温度、pH值、溶解氧等水质环境参数，完成数据的采集编码，并通过NB模组经由核心网上报至云平台，应用层监控系统实时调用查询接口，实现了养殖塘的在线远程监测。借助IoT电信云平台对水质参数数据实时存储，并设置了描述设备功能的Profile文件和分析处理协议包的编解码插件，最后完成了对NB模组设备的绑定，确保了不同养殖塘数据的唯一性和准确性。

2）监测系统能够随时下发控制增氧机的命令至云平台，由平台编解码插件对命令编码后发送至硬件终端并执行相应操作。结果表明远程控制设备反应时间在100 ms以内，实现了对增氧机的智能控制。

3）实地部署系统并验证监测精度，温度控制精度保持在±0.12 ℃，平均相对误差为0.15 %。溶解氧控制精度保持在±0.55 mg/L以内，平均相对误差为2.48 %。pH值控制精度保持在±0.09，平均相对误差为0.21 %。符合系统控制要求。

以上结论证明了NB-IoT技术的稳定可靠，数据获取便捷，命令响应及时，可为该技术在农业监控等更广领域提供技术支持和参考。

[1] 李道亮，杨昊. 农业物联网技术研究进展与发展趋势分析[J]. 农业机械学报，2018，49(1)：1－20. Li Daoliang, Yang Hao. State-of-the-art review for internet of things in agriculture[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(1): 1－20. (in Chinese with English abstract)

[2] Baumüller, Heike. Mobile technology trends and their potential for agricultural development[J]. Social Science Electronic Publishing, 2013, 83(3): 446－456.

[3] Tang J, Dong T, Li L, et al. Intelligent monitoring system based on internet of things[J]. Wireless Personal Communications, 2018, 147(102): 1521－1537.

[4] Deng X, Tang Z, Yi L, et al. Healing multi-modal confident information coverage holes in NB-IoT-Enabled networks[J]. IEEE Internet of Things Journal, 2018, 5(3): 1463－1473.

[5] Wang Y, Qi C, Pan H. Design of remote monitoring system for aquaculture cages based on 3G networks and ARM-Android embedded system[J]. Procedia Engineering, 2012, 3(29): 79－83.

[6] Nam H, An S, Kim C H, et al. Remote monitoring system based on ocean sensor networks for offshore aquaculture[C]// Oceans, China: IEEE, 2014: 1－7.

[7] Rawat P, Singh K D, Chaouchi H, et al. Wireless sensor networks: A survey on recent developments and potential synergies[J]. The Journal of Supercomputing, 2014, 68(1): 1－48.

[8] Chen J H, Sung W T, Lin G Y. Automated monitoring system for the fish farm aquaculture environment[C]// IEEE International Conference on Systems, China:IEEE, 2015: 1161－1166.

[9] Parra L, Sendra S, García L, et al. Design and deployment of low-cost sensors for monitoring the water quality and fish behavior in aquaculture tanks during the feeding process[J]. Sensors, 2018, 18(3): 750－772.

[10] Ratasuk R, Vejlgaard B, Mangalvedhe N, et al. NB-IoT system for M2M communication[C]// IEEE Wireless Communications and Networking Conference Workshops (WCNCW). IEEE, 2016.

[11] Song Q, Guo S, Liu X, et al. CSI Amplitude fingerprinting based NB-IoT indoor localization[J]. IEEE Internet of Things Journal, 2018, 5(3): 1494－1504.

[12] 何灿隆，沈明霞，刘龙申，等. 基于NB-IoT 的温室温度智能调控系统设计与实现[J]. 华南农业大学学报，2018，39(2)：117－124.He Canlong, Shen Mingxia, Liu Longshen, et al. Design and realization of a greenhouse temperature intelligent control system based on NB-IoT[J]. Journal of South China Agricultural University, 2018, 39(2): 117－124. (in Chinese with English abstract)

[13] 吕卫，赵佳丽. 一种低功耗高精度的NB-IoT温度采集系统设计[J]. 传感技术学报，2018，31(6)：836－840. Lü Wei, Zhao Jiali. Design of a High-Precision and low-power temperature acquisition system based on NB-IoT[J]. Chinese Journal of Sensors and Actuators, 2018, 31(6): 836－840. (in Chinese with English abstract)

[14] Zhang H, Li J, Bo W, et al. Connecting intelligent things in smart hospitals using NB-IoT[J]. IEEE Internet of Things Journal, 2018, 62(5): 1550－1560.

[15] Oh S M, Shin J S. An efficient small data transmission scheme in the 3GPP NB-IoT system[J]. IEEE Communications Letters, 2017, 21(3): 660－663.

[16] 史兵，赵德安，刘星桥，等. 工厂化水产养殖智能监控系统设计[J].农业机械学报，2011，42(9)：191－196. Shi Bing, Zhao Dean, Liu Xingqiao, et al. Design of intelligent monitoring system for aquaculture[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(9): 191－196. (in Chinese with English abstract)

[17] Shreema S, Pai R M, Pai M M M. Energy efficient message priority based routing protocol for aquaculture applications using underwater sensor network[J]. Wireless Personal Communications, 2018, 216(103): 1871－1894.

[18] Schmidt W, Raymond D, Parish D, et al. Design and operation of a low-cost and compact autonomous buoy system for use in coastal aquaculture and water quality monitoring[J]. Aquacultural Engineering, 2018, 141(80): 28－36.

[19] Osanaiye O, Alfa A S, Hancke G P. Denial of service (DoS) defence for resource availability in wireless sensor networks [J]. IEEE Access, 2018, 22(6): 6975－7004.

[20] 邓芳明，吴翔，李兵，等. 基于无源RFID传感标签的农田土壤环境监控技术研究[J]. 农业机械学报，2018，49(8)：187－193. Deng Fangming, Wu Xiang, Li Bing, et al. Monitoring technology of farmland soil environment based on passive RFID sensor tag[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(8): 187－193. (in Chinese with English abstract)

[21] Parra L, Sendra S, García L, et al. Design and deployment of low-cost sensors for monitoring the water quality and fish behavior in aquaculture tanks during the feeding process[J]. Sensors, 2018, 18(3): 750－772.

[22] Paramesh J, Robin C R R. A novel and efficient routing protocol for fishermen using underwater wireless sensor network[J]. Journal of Computational & Theoretical Nanoscience, 2018, 15(4): 1226－1232.

[23] 刘雨青，李佳佳，曹守启，等. 基于物联网的螃蟹养殖基地监控系统设计及应用[J]. 农业工程学报，2018，34(16)：205－213. Liu Yuqing, Li Jiajia, Cao Shouqi, et al. Design and application of monitoring system for crab breeding base based on internet of things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(16): 205－213. (in Chinese with English abstract)

[24] 周利明，韦崇峰，苑严伟，等. 基于无线传感网络的改碱暗管排盐监控系统[J]. 农业工程学报，2018，34(6)：89－97. Zhou Liming, Wei Chongfeng, Yuan Yanwei, et al. Monitoring system of subsurface pipe drainage for improving saline-alkaline soil based on wireless sensor network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(6): 89－97. (in Chinese with English abstract)

[25] 何耀枫，梁美惠，陈俐均，等. 基于物联网的温室环境测控系统[J]. 郑州大学学报(理学版)，2018，50(1)：90－94. He Yaofeng, Liang Meihui, Chen Lijun, et al. Greenhouse environment control system based on IoT[J]. Journal of Zhengzhou University(Natural Science Edition), 2018, 50(1): 90－94. (in Chinese with English abstract)

[26] Koosheshi K, Ebadi S. Optimization energy consumption with multiple mobile sinks using fuzzy logic in wireless sensor networks[J]. Wireless Networks, 2018, 25(6): 1215－1234.

[27] 马从国，赵德安，王建国，等. 基于无线传感器网络的水产养殖池塘溶解氧智能监控系统[J]. 农业工程学报，2015，31(7)：193－200. Ma Congguo, Zhao Dean, Wang Jianguo, et al. Intelligent monitoring system for aquaculture dissolved oxygen in pond based on wireless sensor network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(7): 193－200. (in Chinese with English abstract)

[28] Bengheni A, Didi F, Bambrik I. EEM-EHWSN: Enhanced energy management scheme in energy harvesting wireless sensor networks[J]. Wireless Networks, 2018(12): 1－18.

[29] 王嘉宁，牛新涛，徐子明，等. 基于无线传感器网络的温室CO2浓度监控系统[J]. 农业机械学报，2017，48(7)： 280－285，367. Wang Jianing, Niu Xintao, Xu Ziming, et al. Monitoring system for CO2concentration in greenhouse based on wireless sensor network[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(7): 280－285, 367. (in Chinese with English abstract)

[30] 张海辉，邵志成，张佐经，等. 基于无线传感网的设施环境二氧化碳精准调控系统[J]. 农业机械学报，2017，48(3)：325－331，360. Zhang Haihui, Shao Zhicheng, Zhang Zuojing, et al. Regulation system of CO2in facilities based on wireless sensor network[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(3): 325－331, 360. (in Chinese with English abstract)

[31] Bing S, Victor S, Dean Z, et al. A wireless sensor network-based monitoring system for freshwater fishpond aquaculture[J]. Biosystems Engineering, 2018, 236(172): 57－66.

[32] Salim T I, Alam H S, Pratama R P, et al. Portable and online water quality monitoring system using wireless sensor network[C]// International Conference on Automation. IEEE, 2018.

[33] Wiranto G, Widodo S, Hermida I D P, et al. Design and fabrication of thick film dissolved oxygen sensor based on RuO2working electrodes for water quality monitoring[J]. Materials Science Forum, 2018, 917(1026): 59－63.

Development of water quality monitoring system of aquaculture ponds based on narrow band internet of things

Huan Juan1,2, Wu Fan1,Cao Weijian1, Li Hui1, Liu Xingqiao2

(1.213164,212013,)

The water quality environment of aquaculture water is the basis for the survival of aquatic animals. Water quality factors such as temperature, pH value and dissolved oxygen are the key factors affecting aquaculture water quality. Therefore, timely monitoring of water quality has important practical significance for high yield, health and safety of aquaculture. In order to promote the development of aquaculture informationization, it is necessary to monitor aquaculture ponds more accurately and conveniently. This paper designs a water quality monitoring system based on NB- IoT narrow-band Internet of Things technology. The single hop distance of this technology can reach thousands of meters. It is more suitable for parks, aquaculture ponds and other places in terms of communication range, deployment number and environmental applicability of nodes. The technology solves the problems of insufficient network coverage, high terminal power consumption, insufficient terminal equipment and high comprehensive cost in aquaculture area. The system specially designs terminal sensor nodes, background control module, monitoring application software and hardware. The functions of data storage and remote collection of multi-sensor node information such as temperature, pH value, dissolved oxygen and other sensor nodes were realized, as well as the intelligent control of aquaculture pond aerator. Temperature, pH value, dissolved oxygen and other water quality information were collected and coded by STM32L151C8 MCU and sensor terminal in real time. First, data was reported to cloud platform through NB module and core network. The application layer called the query interface in time to realize online remote monitoring of aquaculture ponds. Then, the system used the Internet of Things Telecom Cloud Platform, which was equipped with a Profile file that described the functions of the device and a codec plug-in that analyzed the protocol package, to stores the water quality parameter data in time. Finally, the binding of NB module devices was completed. The NB wireless communication module data format and data transmission were realized by Keil tool. Java was used to develop background monitoring applications for accessing cloud platforms, controlling underlying devices, and local data processing. Monitoring applications could not only send HTTP requests to monitor cloud platform data, but also send commands to terminal control module to control the start and shutdown of aerators. The experimental results showed that the system could acquire water quality information in time, such as temperature, pH value, dissolved oxygen and so on. The control accuracy of temperature, dissolved oxygen and pH value were kept in the±0.12 ℃,±0.55 mg/L, and less than 0.09, respectively. The average relative errors were 0.15%, 2.48% and 0.21%, respectively. Monitoring applications could also issue commands to cloud platforms to control aerators at any time. The codec plug-in of the platform encoded the command and send it to the hardware terminal. The response time of the remote control device was less than 100 ms, and the whole system was stable, which proved the reliability of NB- IoT technology. Data transmission is timely and accurate, which can meet the actual production needs and provide strong data and technical support for further water quality control and aquaculture production management.

aquaculture; water quality; monitoring; internet of things; NB-IoT (narrow-band internet of things)

2018-12-05

2019-03-07

国家自然科学基金（61803050）；溧阳市第一批重点研发计划（现代农业）项目（LB2016003）

宦 娟，副教授，2015年赴美国德克萨斯大学达拉斯分校研修，主要从事农业信息化研究。Email：huanjuan@cczu.edu.cn

10.11975/j.issn.1002-6819.2019.08.030

TP391

A

1002-6819(2019)-08-0252-10

宦 娟，吴 帆，曹伟建，李 慧，刘星桥. 基于窄带物联网的养殖塘水质监测系统研制[J]. 农业工程学报，2019，35(8)：252－261. doi：10.11975/j.issn.1002-6819.2019.08.030 http://www.tcsae.org

Huan Juan, Wu Fan, Cao Weijian, Li Hui, Liu Xingqiao. Development of water quality monitoring system of aquaculture ponds based on narrow band internet of things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(8): 252－261. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.08.030 http://www.tcsae.org