黃雅玉，鄂 旭,2，楊 芳，周 津，蓋佳妮

(1.渤海大學(xué) 教育學(xué)院，遼寧 錦州 121000;2.渤海大學(xué) 信息科學(xué)與技術(shù)學(xué)院，遼寧 錦州 121000;3.渤海大學(xué) 實(shí)驗(yàn)管理中心，遼寧 錦州 121000)

水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成與安全預(yù)警研究

黃雅玉1，鄂 旭1,2，楊 芳3，周 津1，蓋佳妮1

(1.渤海大學(xué) 教育學(xué)院，遼寧 錦州 121000;2.渤海大學(xué) 信息科學(xué)與技術(shù)學(xué)院，遼寧 錦州 121000;3.渤海大學(xué) 實(shí)驗(yàn)管理中心，遼寧 錦州 121000)

中國是水產(chǎn)養(yǎng)殖大國，總產(chǎn)量連續(xù)多年位居世界第一位。但是國內(nèi)水產(chǎn)養(yǎng)殖業(yè)發(fā)展卻是以消耗和占用大量資源為代價(jià)的，生態(tài)失衡和環(huán)境惡化問題日益凸顯。為此，針對水產(chǎn)品安全系數(shù)低、養(yǎng)殖過程智能化程度低的狀況，提出了基于信息感知的水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成與安全預(yù)警方法。以系統(tǒng)集成為指導(dǎo)思想，以集約化水產(chǎn)養(yǎng)殖的水質(zhì)監(jiān)控設(shè)備為研究對象，將在線智能診斷技術(shù)應(yīng)用在水質(zhì)監(jiān)控系統(tǒng)中，通過建立信息傳輸技術(shù)體系架構(gòu)，利用信息參數(shù)的無線數(shù)據(jù)傳輸、自動信息采集節(jié)點(diǎn)等技術(shù)，精確可靠地獲得了養(yǎng)殖參數(shù)信息，并通過系統(tǒng)結(jié)構(gòu)和預(yù)測預(yù)警方法的設(shè)計(jì)，實(shí)現(xiàn)了水產(chǎn)養(yǎng)殖智能化和自動化運(yùn)行。研究結(jié)果表明，該系統(tǒng)集成理念與安全預(yù)警方法是可行和有效的，并且對于其他的類似應(yīng)用也具有借鑒價(jià)值。

信息感知；系統(tǒng)集成；無線采集；無線匯聚節(jié)點(diǎn)；最小二乘支持向量回歸機(jī)

0 引 言

作為物聯(lián)網(wǎng)技術(shù)重點(diǎn)應(yīng)用領(lǐng)域之一的農(nóng)業(yè)，其對物聯(lián)網(wǎng)技術(shù)的需求最迫切，集成特征最明顯，難度系數(shù)亦最大[1-3]。物聯(lián)網(wǎng)浪潮的來臨，對現(xiàn)代農(nóng)業(yè)的發(fā)展，如水產(chǎn)養(yǎng)殖、畜禽養(yǎng)殖、園藝設(shè)施等行業(yè)領(lǐng)域的各種要素實(shí)行科學(xué)化管理，精準(zhǔn)化運(yùn)行，智能化控制等，實(shí)現(xiàn)“全面感知、可靠傳輸以及智能處理”,達(dá)到優(yōu)質(zhì)、安全、高效、高產(chǎn)的目標(biāo)[4-9]。系統(tǒng)集成根據(jù)系統(tǒng)工程學(xué)的指導(dǎo)和用戶需求，選取各種優(yōu)質(zhì)技術(shù)、產(chǎn)品，將分離的各個子系統(tǒng)連接成一個經(jīng)濟(jì)有效的整體，使它們彼此協(xié)調(diào)工作，整體性能達(dá)到最優(yōu)。物聯(lián)網(wǎng)基于互聯(lián)網(wǎng)、電信網(wǎng)等信息承載體，讓各個能被獨(dú)立尋址的物理對象實(shí)現(xiàn)網(wǎng)絡(luò)的互聯(lián)互通[10-14]。為此，在研究水產(chǎn)養(yǎng)殖傳輸技術(shù)體系框架建模的基礎(chǔ)上，提出了基于信息感知的水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成和建模方法，進(jìn)而設(shè)計(jì)并實(shí)現(xiàn)了監(jiān)控設(shè)備診斷系統(tǒng)的設(shè)備集成、系統(tǒng)結(jié)構(gòu)和預(yù)測預(yù)警方法。

1 水產(chǎn)養(yǎng)殖傳輸技術(shù)體系架構(gòu)的建模

1.1水產(chǎn)養(yǎng)殖傳輸技術(shù)體系架構(gòu)

若想真正達(dá)到物聯(lián)網(wǎng)的最終目標(biāo)，需打破傳統(tǒng)的孤立形態(tài)，形成新一代和電信網(wǎng)融合的物聯(lián)網(wǎng)，克服原始信息傳輸系統(tǒng)之間無關(guān)聯(lián)的交互方式。如圖1所示，該系統(tǒng)能夠?qū)崿F(xiàn)信息參數(shù)的無線數(shù)據(jù)傳輸和自動信息采集節(jié)點(diǎn)，使人們精準(zhǔn)地獲取養(yǎng)殖參數(shù)信息。

圖1 水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)傳輸技術(shù)體系架構(gòu)

1.2基于能量和距離的無線傳感器網(wǎng)絡(luò)分簇路由協(xié)議

高效的分簇算法形成的網(wǎng)絡(luò)結(jié)構(gòu)，阻止網(wǎng)絡(luò)連通性下降，延長了網(wǎng)絡(luò)的生命周期。典型的無線傳感器網(wǎng)絡(luò)分簇路由協(xié)議是LEACH協(xié)議，而EECS協(xié)議則是一種在LEACH協(xié)議基礎(chǔ)上經(jīng)典的改進(jìn)算法。LEACH算法中，節(jié)點(diǎn)根據(jù)通信代價(jià)最小原則決定加入哪個簇，不僅不能保證簇的負(fù)載平衡能量，且忽略了距離基站較遠(yuǎn)簇頭的能量耗費(fèi)過快等問題。針對這些問題，EECS提出新的通信代價(jià)(見式(1))決定節(jié)點(diǎn)加入哪個簇。

cost(i,j)=wf[d(Pj,CHi)]+ (1-w)·g[d(CHi,BS)]

(1)

(2)

其中，cost(j,i)為節(jié)點(diǎn)Pj加入簇頭i；d(Pj,CHi)為節(jié)點(diǎn)與簇頭的距離；f子函數(shù)則為保證最小化節(jié)點(diǎn)與簇頭間的通信代價(jià)；d(CHi,BS)為簇i到基站間的距離；權(quán)值w的設(shè)置根據(jù)具體應(yīng)用，在簇頭能量消耗之間與成員節(jié)點(diǎn)能量折衷，目標(biāo)就是最大化網(wǎng)絡(luò)生命周期。節(jié)點(diǎn)Pj選擇cost(j,i)最小的簇頭i加入，保證每個簇頭的負(fù)載均衡。

實(shí)驗(yàn)結(jié)果顯示，EECS協(xié)議比LEACH協(xié)議的網(wǎng)絡(luò)生命周期提高了30%以上。

2 水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成問題描述

2.1水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成思想

系統(tǒng)集成的水平很大程度上影響物聯(lián)網(wǎng)系統(tǒng)的效應(yīng)和效率，將所有孤立的系統(tǒng)建立聯(lián)系，構(gòu)成一個經(jīng)濟(jì)有效實(shí)用、完整可靠、可擴(kuò)充維護(hù)的水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)平臺。

2.2水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成建模

2.2.1 集成原則

水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成是運(yùn)營維護(hù)融為一體的重要環(huán)節(jié)，包括前端信號采集、網(wǎng)絡(luò)傳輸過程和后臺，是一項(xiàng)非常具有挑戰(zhàn)性的任務(wù)，如不遵循一些原則，就會產(chǎn)生許多問題。水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成必須滿足用戶需求，即安全可靠性、實(shí)用性、遵循系統(tǒng)先進(jìn)性、兼顧經(jīng)濟(jì)性、擴(kuò)充可維護(hù)性等原則。

2.2.2 集成步驟

水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成的步驟對于不同的應(yīng)用有不同的決策，可將其分為三個階段，每個階段又分若干步驟。以下結(jié)合水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)給出系統(tǒng)集成的具體步驟。

(1)系統(tǒng)集成方案設(shè)計(jì)階段：需求分析；系統(tǒng)集成方案設(shè)計(jì)；方案論證。

(2)工程實(shí)施階段：感知設(shè)備集成；網(wǎng)絡(luò)設(shè)計(jì)；應(yīng)用服務(wù)集成與實(shí)現(xiàn)；系統(tǒng)測試。

(3)驗(yàn)收和維護(hù)階段：系統(tǒng)驗(yàn)收；系統(tǒng)維護(hù)和服務(wù)；項(xiàng)目總結(jié)。

3 模擬實(shí)驗(yàn)

針對國內(nèi)農(nóng)業(yè)信息化應(yīng)用模式多、需求復(fù)雜多變，而基礎(chǔ)設(shè)施薄弱的特點(diǎn)，采用智能信息服務(wù)等關(guān)鍵技術(shù)，為現(xiàn)代農(nóng)業(yè)技術(shù)體系提供有力的支撐，構(gòu)建了一個面向服務(wù)的集成環(huán)境和運(yùn)行支撐平臺。該案例構(gòu)建了水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)應(yīng)用實(shí)例，詳細(xì)介紹了水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)監(jiān)控設(shè)備診斷系統(tǒng)的設(shè)備集成、系統(tǒng)結(jié)構(gòu)和預(yù)測預(yù)警方法，建立以最小支持向量回歸為數(shù)學(xué)模型的集約化水產(chǎn)養(yǎng)殖水質(zhì)預(yù)測模型。

3.1設(shè)備集成

水產(chǎn)養(yǎng)殖監(jiān)控設(shè)備包含無線采集節(jié)點(diǎn)、無線匯聚節(jié)點(diǎn)、水質(zhì)傳感器、Web訪問端和遠(yuǎn)程服務(wù)器。水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)選用的集成設(shè)備除了具有最基本的功能外，還具有設(shè)備狀態(tài)、傳輸、電池電量的信息記錄等功能，并充分考慮了接口標(biāo)準(zhǔn)、數(shù)據(jù)通道等方面。

3.2系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

水產(chǎn)養(yǎng)殖水質(zhì)監(jiān)控設(shè)備故障在線智能診斷系統(tǒng)軟件按結(jié)構(gòu)層次劃分為數(shù)據(jù)訪問層、應(yīng)用層、表示層，如圖2所示。

圖2 水產(chǎn)養(yǎng)殖水質(zhì)監(jiān)控設(shè)備故障在線智能診斷系統(tǒng)軟件結(jié)構(gòu)

3.3預(yù)測預(yù)警方法

采用最小二乘支持向量回歸機(jī)解決函數(shù)估計(jì)問題。LSSVR采用不等式約束，將損失函數(shù)和誤差平方作為訓(xùn)練集的經(jīng)驗(yàn)損失，且將支持向量機(jī)中傳統(tǒng)的解二次規(guī)劃問題轉(zhuǎn)化成求解線性方程組的問題，有效提高了收斂精度和計(jì)算速度，具有良好的推廣性。其最小二乘支持向量回歸機(jī)的數(shù)學(xué)模型如式(3)和式(4)所示：

(3)

yi=ωTφ(xi)+b+ξi(i=1,2,…,l)

(4)

其中，xi∈Rl和yi=Rl分別為系統(tǒng)的輸入和輸出向量；ξi∈R為經(jīng)驗(yàn)誤差；b為偏置量；C∈R+為正則化參數(shù)；φ(·)為輸入空間到特征空間的非線性映射。

求解上述約束優(yōu)化問題，其對偶問題的Lagrange多項(xiàng)式函數(shù)為式(5)所示：

(5)

其中，α=[α1,α2,…,αl]T為拉格朗日乘子。

分別對ω，b，ξi,αi求偏導(dǎo)數(shù)并令其分別等于0，得到如式(6)所示的線性系統(tǒng)：

(6)

式(6)消去ω，ξi，得如式(7)所示的線性方程組：

(7)

其中，I=[1,1,…,1]T；E為l×l維的單位矩陣；y=[y1,y2,…,yl]T，Ωij=φ(xi)·φ(xj)=K(xi,xj)為滿足Mercer 條件的核函數(shù)，所求的最小二乘支持向量回歸機(jī)數(shù)學(xué)模型如下所示：

(8)

核函數(shù)選擇至今沒有統(tǒng)一標(biāo)準(zhǔn)。經(jīng)研究發(fā)現(xiàn)，相同條件下選擇高斯RBF核函數(shù)較其他核函數(shù)為實(shí)際問題獲得了更為滿意的預(yù)測效果，因此，該系統(tǒng)采用高斯核函數(shù)作為LSSVR模型的核函數(shù)。得到的LSSVR模型如下所示：

(9)

4 系統(tǒng)分析

該系統(tǒng)的監(jiān)控平臺使用戶很容易通過實(shí)施精準(zhǔn)的方法監(jiān)測水產(chǎn)養(yǎng)殖水質(zhì)參數(shù)，同時監(jiān)控計(jì)算機(jī)對系統(tǒng)數(shù)據(jù)進(jìn)行分析處理并做出相應(yīng)的控制決策。

4.1數(shù)據(jù)歸一化預(yù)處理

為消除各指標(biāo)的量綱不同，縮小統(tǒng)一指標(biāo)值的變換范圍，采用式(10)和式(11)對樣本指標(biāo)進(jìn)行歸一化預(yù)處理。對于越大越優(yōu)的指標(biāo)，歸一化表達(dá)式為:

(10)

對于越小越優(yōu)的指標(biāo)，歸一化表達(dá)式為:

(11)

4.2算法實(shí)現(xiàn)及性能分析

SVM分類器基于徑向基核函數(shù)，其性能由參數(shù)(C,σ)決定，不同取值的C和σ會得到分類性能不同的SVM分類器。為選擇最優(yōu)的(C,σ)參數(shù)組合，采用可避免過學(xué)習(xí)或欠學(xué)習(xí)的k折交叉驗(yàn)證法用來實(shí)現(xiàn)。算法初始化為：0≤C≤200，0.1≤σ≤10，且最大循環(huán)Time=1 000。通過優(yōu)化計(jì)算獲取SVM最優(yōu)參數(shù)組合：C=115.0，σ=3.492。并將參數(shù)代入RS-SVM分類模型中，進(jìn)行養(yǎng)殖水質(zhì)預(yù)警。其測試集判定情況如表1所示，結(jié)果對比如圖3所示。

表1 基于RS-SVM分類模型對測試集判定情況

圖3 實(shí)際測試集分類與基于RS-SVM的分類圖

由表1和圖3可知，該預(yù)警模型精度都達(dá)到了90%以上，能充分滿足集約化水產(chǎn)養(yǎng)殖的真實(shí)需要。

5 結(jié)束語

針對國內(nèi)水產(chǎn)品安全系數(shù)低、養(yǎng)殖過程智能化程度低的狀況，提出了基于信息感知的水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)集成與安全預(yù)警方法。該方法以系統(tǒng)科學(xué)理論為指導(dǎo)思想，采用相應(yīng)的集成技術(shù)，將水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)技術(shù)中各個孤立的系統(tǒng)進(jìn)行有機(jī)組合，并采用最小二乘支持向量回歸方法，建立了水產(chǎn)養(yǎng)殖安全預(yù)測預(yù)警模型，以提高算法的收斂精度和計(jì)算速度，設(shè)計(jì)并實(shí)現(xiàn)了一個安全可靠、經(jīng)濟(jì)性好的水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)。雖然通過對數(shù)據(jù)歸一化預(yù)處理的研究解決了各指標(biāo)的量綱不同等問題，能基本滿足集約化水產(chǎn)養(yǎng)殖的實(shí)際需要，但模型的預(yù)警精度還需要進(jìn)一步提高。

[1] 李道亮.物聯(lián)網(wǎng)與智慧農(nóng)業(yè)[J].農(nóng)業(yè)工程,2012(1):1-7.

[2] 鄂 旭,楊明婧,勵建榮,等.能量均衡的數(shù)據(jù)融合隱私保護(hù)算法研究[J].計(jì)算機(jī)工程,2016,42(4):126-130.

[3] 李道亮.農(nóng)業(yè)物聯(lián)網(wǎng)導(dǎo)論[M].北京:科學(xué)出版社,2012.

[4] E Xu,Lin Shuang,Jin Lulu.Data recovery method for seafood quality safety system based on rough set theory[J].International Journal of Security and Its Applications,2014,8(5):195-202.

[5] 邵良杉,趙琳琳.區(qū)間直覺模糊信息下的雙向投影決策模型[J].控制與決策,2016,31(3):571-576.

[6] 劉 源,靳登超,趙金才,等.基于單片機(jī)的養(yǎng)殖水質(zhì)自動監(jiān)控系統(tǒng)[J].自動化技術(shù)與應(yīng)用,2010,29(2):101-103.

[7] 吳子岳,趙婷婷.水質(zhì)在線監(jiān)測系統(tǒng)及檢測分析方法[J].漁業(yè)現(xiàn)代化,2007,34(4):28-29.

[9] Avci E. Selecting of the optimal feature subset and kernel parameters in digital modulation classification by using hybrid genetic algorithm-support vector machines:HGASVM[J].Expert Systems with Applications,2009,36(2):1391-1402.

[10] 鄂 旭. 物聯(lián)網(wǎng)電子技術(shù)[M].北京:清華大學(xué)出版社,2014.

[11] 鄂 旭，侯寶明，畢佳娜，等.基于物聯(lián)網(wǎng)的智能農(nóng)業(yè)[J].計(jì)算機(jī)技術(shù)與發(fā)展,2014,24(9):164-167.

[12] Frank H.Risks,uncertainties and profits[M].Charleston,South Carolina:Nabu Press,2010.

[13] 吳曼青.物聯(lián)網(wǎng)與公共安全[M].北京:電子工業(yè)出版社,2012.

[14] 陳君石.食品安全風(fēng)險(xiǎn)評估概述[J].中國食品衛(wèi)生雜志,2011,23(1):4-7.

Research on Integration of Internet of Things System andSecurity Early Warning in Aquaculture

HUANG Ya-yu1，E Xu1,2，YANG Fang3，ZHOU Jin1，GAI Jia-ni1

(1.Education College,Bohai University,Jinzhou 121000,China;2.School of Computer Science and Technology,Bohai University,Jinzhou 121000,China;3.Experiment Management Center,Bohai University,Jinzhou 121000,China)

China is the biggest aquaculture country in the world,in which gross product has been the most for many years.However,since Chinese aquaculture has been developed at the cost of consuming and occupying large amount of nature resource,the problems of ecological imbalance and deterioration of the nature environment have become more and more prominent.Therefore,in view of the situation of low aquaculture safety factor and low intelligent level in breeding process,a method of system integration and security prediction of aquaculture Internet of Things based on system perception is proposed,in which with system integration as guiding ideology and intensive aquaculture water quality monitoring equipments as investigated objects,the online intelligent diagnosis technology is applied in water quality monitoring system.The breeding parameter information has been acquired in an accurate and reliable way via establishment of information system structure with transmission technologies and adoption of wireless data transmission of information parameter,automatic information collection node and other technologies.System structure,prediction and early warning methods have been designed and intelligent and automatic operation of aquaculture has been implemented eventually.The research shows that it is feasible and effective,which is of reference value for other similar applications.

information perception;system integration;wireless data acquisition;wireless sink node;least squares support vector regression machine

2016-05-31

：2016-09-08 < class="emphasis_bold">網(wǎng)絡(luò)出版時間

時間：2017-07-11

遼寧省社會科學(xué)規(guī)劃基金項(xiàng)目(L16BJY001);遼寧省自然科學(xué)基金項(xiàng)目(20170540005，2014020141);遼寧省社會科學(xué)規(guī)劃基金重點(diǎn)項(xiàng)目(L14AGL001)

黃雅玉(1986-)，女，研究生，研究方向?yàn)楝F(xiàn)代教育技術(shù)；鄂 旭，教授，通信作者，研究方向?yàn)槭称钒踩锫?lián)網(wǎng)。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170711.1451.004.html

TP301

:A

:1673-629X(2017)09-0201-04

10.3969/j.issn.1673-629X.2017.09.044