规模化养蚕智能监控系统设计初探＊

孙孝龙，吴德余，徐 森，施建军

（1.江苏联合职业技术学院 盐城生物工程分院，江苏 盐城 224051；2.盐城工学院，江苏 盐城 224007； 3.盐城思源网络科技有限公司，江苏 盐城 224005）

智能化农业管理需要对农业生产环境的温度、湿度、气体、光照以及动、植物生长发育状态等主要参数进行精准调节和合理保护。本文通过农业物联网系统实时监控环境因子，结合养蚕生产实景，尝试选用多层卷积神经网络算法，学习训练得到一个预测模型，并根据养蚕生产实际适时调节环境因子、改进技术措施，实现精准高效生产管理。多层卷积神经网络算法对散落在不同场景下碎片化、非结构化的文字、图片、声音、视频等数据应用深度学习，对目标对象的特征进行刻画，为管理流程的优化、管理效率的提高，提供了新的内生动力[1～3]。本设计基于农业物联网和卷积神经网络学习算法，对养蚕复杂生产环境的监控和家蚕生长发育状态进行科学预测，设计规模化养蚕智能监控管理系统，推进精准决策生产管理[4～5]。

1 养蚕技术参数

养蚕技术参数主要包括养蚕环境和家蚕生长发育状态（生长经过或发育阶段）。养蚕环境因子主要包括蚕室内、外温度，内、外湿度，光照强度，气流速度，CO、CO2等气体浓度；家蚕大小、色泽、强弱等生长发育状态和阶段表征、群体整齐状况等。采用物联网技术，运用深度学习综合算法，养蚕环境和家蚕生长发育状态数据通过不同智能设备调控，能及时提供家蚕生长适宜的环境条件和合理的技术方案，不仅省力省工、生产安全、精准施策，而且能不断优化技术方案，有效提高规模化养蚕的产量和质量。

2 系统设计

2.1 总体设计

以物联网技术为依托，设计养蚕管理数据库系统，实现养蚕环境参数、家蚕生长发育状态的全面感知、精准传输和智能处理。综合运用信息管理、自动监测、动态模拟、样本学习、精确控制、网络通讯等现代信息技术，以养蚕环境要素、家蚕状态实景和生产过程的数字化、智能化为主要研究目标[6～8]，通过解决环境的信息化管理、状态的自动化监测、过程的数字化模拟、系统的可视化设计、知识的模型化表达以及决策的精准化控制等实际问题，基于样本学习算法，构建规模化养蚕智能监控系统框架。系统选取适宜的数据采集设备，将蚕室内、外温、湿度变化，光照强度，气流速度，CO、CO2等气体浓度等环境因子和家蚕生长发育实况，进行感知采集，通过网络传输到计算机控制中心，应用深度学习算法，不断更新样本学习训练模型，提高数据处理和决策的精确性。系统通过数据分析和处理，将结果信息反馈到计算机界面或手机终端。用户可以在养蚕现场或远程终端，有预见性地对养蚕生产全过程进行观察、监视、查询、咨询、调控，并自动完成日志管理和养蚕质量追溯[6]。

2.2 模块构建

2.2.1 系统目标

在系统设计过程中，引入卷积神经网络的分类模型来识别养蚕不同阶段的实景样本数据，将综合算法通过后台插件模型引入系统，针对家蚕不同阶段生存环境和生长发育实景进行数据分类处理，多层采集、测试、校准、完善（如图1）。系统架构包含移动端APP、算法云服务和系统开发平台。软件系统开发包括ZigBee底层协议栈开发、各种传感器驱动程序编写、智能控制程序的编写、网关接入和GPRS网程序编写、相关数据库建立等。

2.2.2 设计模块

系统模块设计包括数据感知采集、数据传输处理、样本学习训练、智能控制管理四个，每个模块完成相应的功能。数据感知采集主要完成养蚕环境和家蚕生长发育状态数据的感知、采集和控制。主要包括RTU设备、规模化养蚕环境因子传感器、高清全景摄像机等，采集产生0～5 V的数据值，并进行数据初步分析。数据传输处理包括数据存储、数据分析、智能更新、人机交换四个部分。数据存储实时创建规模化养蚕数据库和设备状态数据库，完成感知采集数据的基本处理和更新。样本学习训练采用深度学习综合算法，通过软件补偿、分布图法、对比纠偏和取平均值法消除感知数据的差异影响，实现数据智能化分析、处理、校准、改进。智能控制管理采用模糊控制策略和变结构模糊控制方法对规模化养蚕技术进行智能监控，以便获得良好的数据精度。规模化养蚕智能监控模式，设计人机交互界面。计算机中心将数据进程状态、数据监测图像、分析调控指令等信息进行实时网络发送，并接收用户的反馈信息进行相关搜索、验证、调整。系统通过计算机界面或远程终端实现养蚕智能控制。用户管理操作包括实时监控、数据查询、技术咨询、决策输出、参数设置和规则更新等。系统采用AJAX图表实时显示技术，对采集数据全部存入中心数据库，便于数据查询、验证和学习改进。各养蚕基地可分别使用不同的用户名和密码进入系统，实时查看、及时上传实境数据，可以同时控制多个设备的运行状态[7]。

2.2.3 样本学习模型训练

卷积神经网络由于具有强大的特征学习和分类能力，在目标检测、图像分类、管理预测等领域具有很好的应用。由于规模化养蚕数据集不是特别大，系统模型训练采用残差网络ResNet微调的训练方法，来实现养蚕环境和家蚕实景的分类识别处理。训练数据选用从开发者平台互联网获取、管理者经验积累或用户采集反馈，以此不断丰富训练集、验证集和测试集。一方面，通过加大有标注的养殖数据、图像信息的建立。另一方面，在分类模型训练过程中，对大量养蚕生产数据进行分类和归一化操作，并通过不断的迭代训练来寻求最佳分类模型。系统设计目标就是将数据库的获取和分类模型训练自动化，从图像搜索查询、人工筛选甄别、归一化调整到分类模型训练，逐步加大数据库容量、提升数据归一标准。

3 系统功能

3.1 实景监测

可在线实时检测不同养蚕环境因子变化和家蚕生长发育状态，以及养蚕环境中各类连接设备的状态信息，也可以通过视频在线，实时观察、记录、巡查到相关基地、某个工作室（棚）的状态，实现无人化值守、自动化调节、全程化日志、智能化告警。养蚕环境参数、家蚕生长发育状态和设备工作状态的相关信息，通过监控系统界面显示、记录，可以通过控制中心管理平台获取、调取，也可以通过网络浏览器或移动终端APP查看、咨询、反馈，实现室（棚）现场、控制中心、移动用户三者协调一致，既相互依存、又互相补充。

3.2 精准调控

通过多种调节方式完成养蚕环境和家蚕生长发育状态的合理保护，实现在系统指导下操作，也可以对养蚕技术措施进行远程调控。一是在环境参数范围内，系统运用大数据近似模糊算法，自动调节辅助设备的运行状态，精准控制养蚕环境因子水平的高低，并对临界温度、节点湿度、有毒气体等监控关键因子进行告警管理；二是系统通过不同阶段家蚕生长发育状态样本学习训练，有针对性地提供精准养蚕方案，包括发育阶段甄别、标准校正、发育状态预测、技术措施、操作模拟等预测管理。

3.3 辅助决策

把用户的需求问题转化为方便查询、咨询的知识和规则，建成规模化养蚕知识库、标准库，提供给管理系统平台。管理用户既可以通过网络浏览器或移动APP访问知识信息系统，接受知识查询、专家咨询、仿真学习、在线问答等专业化技术服务，也可以现场反馈养蚕环境和家蚕生长发育状态实景，及时上传生产过程中的疑难问题的相关信息，在接受系统专家指导的同时，不断丰富系统数据库。

4 结果与分析

本系统在江苏省蚕种管理所、江苏富安茧丝绸公司、江苏联合职业技术学院盐城生物工程分院以及盐城工学院、盐城思源网络科技有限公司等单位参与下，进行了综合实验和分析。设计表明，通过引入基于卷积神经网络学习来识别不同类型的养蚕环境和家蚕生长发育状态，结合用户移动APP应用，通过计算机综合数据处理，全方位输出、提供技术服务和管理方案，作用于简化分类模型的智能训练，在养蚕环境和家蚕生长发育管理中的数据精准采集、典型样本学习、标准数据库完善、智能监控管理、快速响应调控、专家决策提供等方面取得了显著的成效，大大提高了规模化养蚕智能管理水平和生产效益。

4.1 数据库更丰富

依托物联网技术，通过样本学习算法实时对养蚕环境因子和家蚕生长发育状态数据进行采集、传输、对比、学习、存储、更新，通过智能控制平台（现场或远程）提供用户需要的管理信息，或发出超值报警信息。调查表明，养蚕常规生产条件下，智能监控系统数据采集准确率可达97.83%，标准参数校正率可达86.36%，针对规模化、产业化养蚕生产，系统数据库存储量可提高17.55倍，应用效果大大超出人工操作速度和效率。

4.2 安全性能更高

规模化养蚕智能监控系统不仅可以达到全方位无人值守的效果，而且通过卷积神经网络综合算法，及时校准养蚕环境和家蚕生长发育状态标准参数，大大提高了养蚕生产的精准度和安全性。同时，系统的全方位实景监控和偏差自我纠错处理，实现了提前预警和异常警戒功能，保证了快速响应、指令精准的高效管理要求，增加了数据更新的灵活性和运行的稳定性。

4.3 生产决策准

通过设置与蚕桑专业群数据库（专业群知识库和图片规则库、参数标准库）的传输接口，顺利将专业群知识纳入机器智能管理系统。用户通过现场浏览器界面或远程客户终端，可以随时访问、上传知识信息，实时进行知识查询、技术学习、仿真观摩、案例分析、专家咨询或开展在线问答。系统应用不仅实现了规模化养蚕的智能监控管理，而且进一步优化了产业化养蚕生产标准方案，促进系统设计和应用的实时更新。

5 结语

本系统设计结合规模化养蚕生产实景开发，应用农业物联网技术、样本深度学习算法、大数据近似计算技术，实现了养蚕生产规模化、精准化、智能化管理，大大提高了养蚕产业化、自动化管理水平和生产效益。系统通过开发者平台，使规模化养蚕技术分类模型训练自动化，进一步提高了典型样本学习、数据模糊处理的质量，但仍然存在养蚕技术数据量不多、监测内容不丰富、典型特征提取困难、数据冗余多、数据共享低等问题，需要进一步加大推广应用，充分利用农业大数据技术，增强数据过滤、数据近似计算，进一步提高系统数据处理和预测的精准度、适应性。