趙學(xué)謙，薛 皓，于 堯，賈雁琳，李麗華

（河北農(nóng)業(yè)大學(xué) 機電工程學(xué)院，河北 保定 071001）

精確地籠內(nèi)雞只定位對于研究雞只的運動行為具有重要意義。采用無線射頻識別（RFID）技術(shù)根據(jù)RSSI 值的衰減對雞只進行定位能夠?qū)崿F(xiàn)遠(yuǎn)距離、無接觸的多目標(biāo)行為監(jiān)測，及時準(zhǔn)確地發(fā)現(xiàn)行為異常、活動狀況有問題的雞只。對雞只位置分布進行自動記錄分析，能夠減少人員進出雞舍次數(shù)，降低雞只的應(yīng)激反應(yīng)，提高福利化養(yǎng)殖和經(jīng)濟性［1］。RFID 技術(shù)投入成本少、性能優(yōu)良、信息交互快，廣泛應(yīng)用于目標(biāo)定位、智能物流等領(lǐng)域［2］。超高頻RFID 技術(shù)比起低頻和高頻RFID 技術(shù)有更大的讀取范圍、更高的讀取速率，最大的優(yōu)點是還可以同時讀取多個標(biāo)簽［3］。如何準(zhǔn)確高效地使用無線射頻識別技術(shù)對目標(biāo)進行定位，許多學(xué)者都對其進行了探討和分析。2013 年Catarinucci 等基于UHF RFID 技術(shù)設(shè)計了多天線系統(tǒng)，能夠有效定位小型實驗室動物活動位置［4］。2015 年Sales 等基于LF RFID 技術(shù)設(shè)計了1 個蛋雞定位追蹤系統(tǒng)，該系統(tǒng)通過對蛋雞的定位來監(jiān)測蛋雞穿過環(huán)境偏好室間通道的時間和次數(shù)，監(jiān)測結(jié)果顯示蛋雞群在通道停留時間和進入次數(shù)的成功檢測率高于蛋雞個體［5］。2015 年Macri S 提出了1 種基于UHF RFID 技術(shù)的跟蹤解決方案，系統(tǒng)的軟件部分能夠處理來自硬件系統(tǒng)的原始數(shù)據(jù)，該解決方案能夠正確對籠內(nèi)小鼠進行定位追蹤［6］。2017 年Li L 等采用UHF RFID 技術(shù)構(gòu)建富集式雞籠內(nèi)的母雞個體追蹤系統(tǒng)，該系統(tǒng)通過對籠內(nèi)母雞的位置分析，實現(xiàn)準(zhǔn)確監(jiān)測籠內(nèi)母雞個體的采食和筑巢行為［7］。2017 年Taylor 等采用RFID 技術(shù)在商業(yè)農(nóng)場中4 個不同性別的雞群中定位1 200 只肉雞的個體位置，研究肉雞在農(nóng)場中活動范圍和頻率與外部環(huán)境變化的關(guān)系［8-9］。為了解蛋雞個體內(nèi)部和個體之間在放養(yǎng)行為上的差異，2017 年Larsen H等采用RFID 技術(shù)追蹤2 個商業(yè)雞群中自由放養(yǎng)蛋雞在不同室外區(qū)域的位置信息［10］。2018 年尹姝等提出的室內(nèi)移動目標(biāo)定位方法是將RFID 和自卡爾曼濾波算法相融合，實驗證明該算法對移動目標(biāo)的室內(nèi)定位精度有一定程度的提高［11］。2018 年Yan L 等設(shè)計了1 種提高室內(nèi)機器人定位精度方法，該方法采用無源RFID 技術(shù)將信標(biāo)設(shè)置為蜂窩模型，提高了讀卡器效率和定位精度［12］。2018 年Li Z M 提出了1 種基于參考標(biāo)簽的RFID 定位算法，用實驗證明了該算法大大提高了定位精度，使定位更加準(zhǔn)確［13］。2019 年李廣順等提出1 種將目標(biāo)搜索結(jié)合RFID 技術(shù)的定位算法，定位結(jié)果進行不斷地重復(fù)校準(zhǔn)，最小定位誤差為0.5 m，平均定位精度得到了提高［14］。2019 年Wang FF 提出1 種RFID技術(shù)和IMU 技術(shù)相融的室內(nèi)跟蹤方法，試驗結(jié)果表明融合算法在室內(nèi)跟蹤中具有良好的性能［15］。對于籠內(nèi)環(huán)境復(fù)雜，存在信號遮擋和籠子金屬對信號折反射等問題，需要可靠的方法以準(zhǔn)確獲得雞只位置坐標(biāo)。

基于此，本文設(shè)計了1 種基于UHF RFID 技術(shù)的雞只個體定位信息自動采集系統(tǒng)，合理地布置天線，搭建信號衰減測距模型，結(jié)合混合濾波算法和極大似然估計法以及牛頓迭代法實現(xiàn)雞只個體位置確定。

1 材料和方法

1.1 雞籠,雞和雞舍

本實驗 在4 800 mm×1 200 mm×680 mm 單層式雞籠的第一個小籠子內(nèi)（1 200 mm× 1 200 mm×680 mm）內(nèi)進行。根據(jù)1∶9 公母比例飼養(yǎng)3只公雞，27 只母雞。母雞是280 d 左右海蘭灰蛋雞，質(zhì)量在1.6～2.1 kg 之間。公雞是180 d 左右河北保定本地的柴雞，質(zhì)量在2～2.5 kg 之間。清糞時間是每天上午7 時30 分左右，投喂飼料時間分別是上午10 時和下午2 時。實驗時間是2020 年8 月5 日到2020 年8 月18 日。實驗場地是河北農(nóng)業(yè)大學(xué)的畜牧教學(xué)基地，整個雞舍布置如圖1。

圖1 實驗雞舍整體布置Fig. 1 The overall arrangement of the experimental chicken house

1.2 RSSI 值采集系統(tǒng)

本實驗中采集系統(tǒng)每天工作10 h，并且要同時采集每個雞只腳踝標(biāo)簽的RSSI 值，需要讀寫器有超長穩(wěn)定工作時間、較高的標(biāo)簽識別率和網(wǎng)絡(luò)接口速率。固定式讀寫器（FU-M6-A,ThingMagicM6e-A，主動工作方式，深圳銓順宏科技有限公司）支持4路獨立天線，能充分發(fā)揮防碰撞算法的優(yōu)勢，被用來讀取和寫入數(shù)據(jù)。選用4 個3 dBi 天線（QBTX301，7 cm×7 cm×0.1 cm，雙饋點圓極化陶瓷，深圳騏寶科技有限公司）和1 個8 dBi 天線（QBTX801，26 cm×26 cm×3.5 cm，圓極化平板外置，深圳騏寶科技有限公司）。2 種天線設(shè)為間歇工作方式同時置于RSSI 值采集系統(tǒng)中。標(biāo)簽（Alien-Inlay ALN-9654，10 cm×3 cm，廣州東芯智能科技有限公司）作為腳環(huán)。

程序軟件運行在PC 機（Intel(R) Core(TM)i77700HQ(CPU)，2.80 GHz，Windows10，16 GB RAM 和1T SSD）。在Jupyter Notebook 應(yīng)用程序上使用Python 語言將讀寫器軟件與本地連接，并將數(shù)據(jù)進行存貯。在本實驗中將3 只公雞作為研究對象，編號為1 號、2 號和3 號。在雞只適應(yīng)籠內(nèi)環(huán)境后，讀取2020 年8 月14 日到2020 年8 月16 日在自然光照環(huán)境下上午9 時至下午6 時之間的數(shù)據(jù)列表進行分析處理。

5 個天線（1 個8 dBi 和4 個3 dBi）通過長1 m阻抗為10 Ω 的饋線連接到2 個四通道讀寫器（ThingMagicM6e-A，902～928 MHz,Trans Tech Systems），讀寫器以網(wǎng)口連接方式連接到電腦，RSSI 值采集系統(tǒng)接口如圖2 所示。

圖2 RSSI 值采集系統(tǒng)接口Fig. 2 Interfacing of the RSSI system components

1.3 天線布置

根據(jù)文獻［16］籠子對信號有屏蔽作用，為減少信號傳播的多徑效應(yīng)，將天線采用圓極化方式布置于單個雞籠頂部。調(diào)整5 個天線的位置和角度以及讀寫器的頻率，保證籠內(nèi)移動的標(biāo)簽都在天線輻射范圍內(nèi)，在天線平面平行籠底和發(fā)射功率28.5 dBm 時標(biāo)簽反射回的接收信號強度較為穩(wěn)定，然后將天線進行固定。以天線中心為參考點，功率增益為3 dBi 的1 號、2 號、3 號、4 號天線和功率增益為8 dBi 的5 號天線在籠底射頻范圍分別是45 cm 左右和75 cm 左右。由于籠子本身有一定的坡度，按照在籠子底部最低的平面建立平面直角坐標(biāo)系，以籠子底部左下角作為坐標(biāo)原點,籠子頂部1 號、2 號、3 號、4 號、5 號天線位置坐標(biāo)分別為：（30，30，68）cm、（90，30，68）cm、（90，90，68）cm、（30，90，68）cm、（60，60，68）cm。天線籠內(nèi)布點如圖3 所示。

圖3 天線和標(biāo)簽位置分布Fig. 3 Antenna and tag location distribution

1.4 標(biāo)簽布置

在1 號、2 號、3 號和4 號天線正下方的籠底分別布置1 個標(biāo)簽，這4 個標(biāo)簽作為參考標(biāo)簽來接收天線信號計算該環(huán)境下路徑損耗系數(shù)n。以籠子底部左下角作為坐標(biāo)原點，參考標(biāo)簽1 號、2 號、3 號、4 號的位置坐標(biāo)分別為：（30，30，4）cm、（90，30，4）cm、（90，90，4）cm、（30，90，4）cm。另外布置4 個標(biāo)簽作為待測標(biāo)簽來驗證養(yǎng)入雞只后系統(tǒng)定位準(zhǔn)確性，待測標(biāo)簽5 號、6 號、7 號、8 號的平面位置坐標(biāo)分別為：（10，10）cm、（110，10）cm、（110，110）cm、（10，110）cm，標(biāo)簽布置位置如圖3 所示。實驗開始后，將電子標(biāo)簽設(shè)計成腳環(huán)佩戴在監(jiān)測雞只的腳踝處，如圖4。

圖4 佩戴腳環(huán)的雞只Fig. 4 Chickens wearing ankle rings

1.5 視頻驗證系統(tǒng)

將小米云臺2K 版智能攝像機固定在距離雞籠50 cm、高2.3 m 的墻上，對籠內(nèi)的雞只進行監(jiān)測，如圖5。實驗開始前，應(yīng)用讀寫器軟件讀到雞只腳踝上的標(biāo)簽再重新寫入進行編號，使得雞只腳踝的編號與雞冠和雞背的號碼一致，方便在視頻中識別雞只。后期通過cv2 獲取視頻流，每隔3 s 取1 幀圖像，人工觀察視頻，根據(jù)圖像位置在圖片上標(biāo)出位置坐標(biāo)與系統(tǒng)定位坐標(biāo)相對比，視頻圖像上顯示時間與讀寫器軟件界面時間相對應(yīng)，實驗期間讀寫器不間斷采集數(shù)據(jù)，攝像頭持續(xù)進行錄像，對本文基于RSSI融合混合濾波算法計算的位置坐標(biāo)進行驗證。

圖5 攝像機位置Fig. 5 Camera position

2 數(shù)據(jù)處理

2.1 RSSI 值與距離模型構(gòu)建

根據(jù)RSSI 信號衰減值計算天線與標(biāo)簽之間距離的原理是當(dāng)佩戴腳踝標(biāo)簽的雞只進入天線射頻范圍內(nèi)時，雞只腳踝標(biāo)簽獲得能量并將接收到的電磁波信號反射給讀寫器天線［17］，如圖6 所示。

圖6 天線信號傳播Fig. 6 Antenna signal propagation

式（1）中，p(d)表示天線發(fā)射的信號經(jīng)過距離d衰減之后的RSSI 值，p(d0)表示天線發(fā)射的信號傳播距離d0衰減之后的RSSI 值（其中d0通常取1m）［18］，xσ是均值為0，方差為σ2按照高斯分布隨機數(shù)，n是該環(huán)境下的路徑損耗系數(shù)。對式（1）進行分析，可以得到計算信號發(fā)射端和信號接收端之間距離d的公式

式（2）中，A表示以1 m 為參考距離時，發(fā)射端發(fā)出的無線信號在空間傳播1 m 后接收端接收到的RSSI 值強度。RSSI表示接收端接收信號強度的均值。n是路徑損耗系數(shù)。

2.2 RSSI 值進行混合濾波

基于RSSI 定位的精度主要由距離估計值決定，RSSI 值的測量是否準(zhǔn)確決定著距離估計值的準(zhǔn)確性［19-20］，因此減小RSSI 值誤差能夠提高距離估計值的準(zhǔn)確度從而提高定位精度。然而，大量已有的實驗數(shù)據(jù)表明，實際環(huán)境中噪聲、障礙物、電磁波和多路效應(yīng)等各種干擾因素的存在［21］，使得同一目標(biāo)節(jié)點在定位空間中同一位置接收到的 RSSI 值是隨機變化的。在本實驗中將某個標(biāo)簽一段時間內(nèi)采集到的1 000 個RSSI 值按照時間戳導(dǎo)入Jupyter Notebook 應(yīng)用程序進行仿真得到如圖7，結(jié)果顯示在這段時間內(nèi)該標(biāo)簽采集到的RSSI 值在［-77，-47］（dBm）之間上下波動，信號波動大，穩(wěn)定性差但整體上服從高斯分布。

因此要提高定位的精度，需要對RSSI 值進行濾波來減小根據(jù)RSSI 值對距離估計的誤差。本文采用狄克遜和高斯混合濾波算法［22］來對信號進行處理。首先用狄克遜檢驗法濾波，剔除一些受到外界環(huán)境干擾后發(fā)生跳變異常的數(shù)據(jù)，接著用高斯濾波算法進一步優(yōu)化。在高斯濾波篩選出置信區(qū)間的RSSI 值后，利用高斯模型將每個時間戳的RSSI 值和其相鄰時間戳的RSSI 值進行加權(quán)平均后的數(shù)據(jù)代替原有數(shù)據(jù)。

2.3 參數(shù)優(yōu)化

在信號衰減測距模型中，籠子內(nèi)的環(huán)境對籠頂天線發(fā)出信號強度的影響主要體現(xiàn)在發(fā)射端發(fā)出的無線信號在空間傳播一段距離后接收端接收到的RSSI 值強度A和路徑損耗系數(shù)n上，路徑損耗系數(shù)與當(dāng)前籠內(nèi)環(huán)境有關(guān)［23-24］。本節(jié)主要討論路徑損耗系數(shù)n的選取對發(fā)射節(jié)點與接收節(jié)點之間距離d的影響，如圖8 所示。

假定參考功率A=-60 dBm 時，路徑損耗系數(shù)n取2、3、4 時RSSI 值與距離的關(guān)系。路徑損耗系數(shù)如果取經(jīng)驗值，會對發(fā)射節(jié)點與接收節(jié)點之間距離d有很大影響。為了使它們最大限度地滿足天線發(fā)出的無線信號在籠內(nèi)的傳播特性，減小基于RSSI值測距的誤差，需要對其進行優(yōu)化以得到最適合當(dāng)前環(huán)境中的參數(shù)值。

參數(shù)優(yōu)化具體步驟為：

（1）距離1 號發(fā)射天線64 cm 的1 號標(biāo)簽，距離2 號發(fā)射天線64 cm 的2 號標(biāo)簽，距離3 號發(fā)射天線64 cm 的3 號標(biāo)簽和距離4 號發(fā)射天線64 cm的4 號標(biāo)簽處各測量1 組RSSI 值，1 號、2 號、3 號、4 號標(biāo)簽處測1 組5 號天線的RSSI 值，每組1 000 個。

（2）對采集到的RSSI 值使用狄克遜和高斯濾波進行預(yù)處理，再用高斯模型繼續(xù)優(yōu)化，對優(yōu)化后的數(shù)據(jù)分別取中間值和均值。對優(yōu)化后的RSSI 值進行中間值得到RSSI(a)，同樣的對優(yōu)化后的RSSI 值取均值得到RSSI(b)。對1 號標(biāo)簽接收到1 號天線的RSSI(a)和RSSI(b)做算數(shù)平均處理，即：

（3）使用公式(2)計算得到該環(huán)境下路徑損耗系數(shù)n的值。

2.4 極大似然法與牛頓迭代法求得最優(yōu)解

在RSSI 定位系統(tǒng)中極大似然估計法是1 種常用的定位方法［25-27］。設(shè)1 號、2 號、3 號、4 號、5 號天線的坐標(biāo)為（xi，yi，68），i為1、2、3、4、5。設(shè)（x，y，z）為雞只腳踝攜帶電子標(biāo)簽D 的坐標(biāo)，D 到各天線的距離分別為d1、d2、d3、d4、d5且這些距離根據(jù)信號衰減測距模型求得，則由歐幾里得距離公式可以得到方程組：

牛頓迭代法具有局部收斂特性，選擇合適的初值能夠避開牛頓法進入死循環(huán)的問題。采用極大似然估計法獲得目標(biāo)節(jié)點的初始坐標(biāo)，將初始坐標(biāo)作為牛頓法的初值代入牛頓迭代法中，設(shè)定迭代4 次，取其最接近初值的解作為最優(yōu)解。求得最優(yōu)解：fi(i=1，2，..n)表示（4）式等號左邊未知數(shù)的函數(shù)表達(dá)式，X(K)表示（x，y，z，d）的當(dāng)前值的列向量，在X(K)處用泰勒公式展開，得到式（5）。

對其求導(dǎo)得到如（6）式的迭代公式：

對標(biāo)簽每次定位時，標(biāo)簽距天線的距離和標(biāo)簽位置x、y、z、d1、d2、...dn組成初始值列向量X(0)，按上式展開迭代求得標(biāo)簽的位置坐標(biāo)（x'，y'，z'）即為定位最優(yōu)解。

3 結(jié)果與分析

3.1 濾波和參數(shù)優(yōu)化的結(jié)果與分析

如圖9，狄克遜濾波只剔除了高端和低端異常值。高斯濾波對RSSI 值進一步優(yōu)化，距離真實RSSI 值較遠(yuǎn)的數(shù)據(jù)被濾掉，使得數(shù)據(jù)更加平滑，減小了RSSI 值波動。

圖9 狄克遜檢驗法濾波后RSSI 值Fig. 9 Dixon test RSSI after filter

如圖10，將原始數(shù)據(jù)采用狄克遜和高斯混合濾波剔除異常數(shù)據(jù)后，RSSI 值在［-67，-54.6］(dBm)之間上下波動，穩(wěn)定性提高了很多。

圖10 高斯濾波后RSSIFig. 10 RSSI value after Gaussian filter

經(jīng)過混合濾波處理和高斯模型優(yōu)化后的數(shù)據(jù)如圖11。

圖11 高斯模型優(yōu)化后RSSIFig. 11 RSSI after Gaussian model optimization

原始數(shù)據(jù)波動大大減小，穩(wěn)定性大大增強，很大程度上解決了信號穩(wěn)定性差的問題。5 個天線空間位置不同，受到環(huán)境影響的程度也不同，因此為了提高測距的精確度要在5 個天線處分別建立信號衰減模型［28］，n=。同理，對于2 號、3 號、4 號、5 號天線也是用該方法來計算得到該環(huán)境下的路徑損耗系數(shù)n。實驗測得5 個天線處的A、n值如下表1：

表1 各天線處的參數(shù)A 和nTable A and n of parameters at each antenna

結(jié)果表明參數(shù)A、n的值都是正常值，屬于文獻［29］和文獻［30］提供的常用環(huán)境下路徑損耗系數(shù)n的區(qū)間。

3.2 定位結(jié)果與分析

對RSSI 值數(shù)據(jù)進行濾波并優(yōu)化參數(shù)后，根據(jù)信號衰減測距模型求得待測標(biāo)簽與天線之間的距離。利用極大似然估計法和牛頓迭代法如式（7）、（8）、（9）計算5～8 號待測標(biāo)簽的位置坐標(biāo)。由于同一位置采集到的RSSI 值會存在一定隨機波動，因此在5～8 號每個待測位置采集25 次RSSI值，共100 次取其均值確定最終位置坐標(biāo)。其中有83 次的坐標(biāo)誤差在5 cm 以內(nèi)，即定位誤差在5 cm以內(nèi)的概率接近83%。對其每個位置坐標(biāo)取均值求得5～8 號待測標(biāo)簽的平面位置坐標(biāo)分別為：（6.81，12.77）cm、（109.86，12.02）cm、（106.34，108.25）cm、（14.68，104.56）cm。實際位置坐標(biāo)為：（10，10）cm、（110，10）cm、（110，110）cm、（10，110）cm，如圖12 所示。

圖12 定位結(jié)果比較Fig. 12 Comparison of positioning results

放入雞只后對籠底的標(biāo)簽存在遮擋，對定位精度產(chǎn)生影響，但誤差都控制在5 cm 以內(nèi)。與雞體積相比，5 cm 的定位誤差對本實驗的研究影響很小，算法的定位精度可以滿足實驗需求，驗證了本研究中定位算法的實用性和可適性。

進一步根據(jù)本研究中的定位方法，隨機截取10 min的視頻和RSSI 值對這3 只雞進行定位。通過cv2 獲取視頻流，每隔3 s 取1 幀圖像，人工觀察視頻，根據(jù)圖像位置在圖片上標(biāo)出位置坐標(biāo)存入Excel 表格并將系統(tǒng)采集到RSSI 值進行定位的坐標(biāo)存入Excel表格，將兩者進行對比，實際定位和節(jié)點-節(jié)點定位以及混合濾波算法的定位對比如圖13 所示。

圖13 10 min 內(nèi)定位對比Fig. 13 Location comparison in 10 minutes

圖13 顯示了3 只雞在這10 min 內(nèi)應(yīng)用本研究的算法定位與實際定位和節(jié)點-節(jié)點定位的對比，發(fā)現(xiàn)應(yīng)用算法的定位結(jié)果更接近真實位置，證明算法可較為準(zhǔn)確地對雞只個體進行定位。

4 結(jié)論

（1）設(shè)計了1 種基于UHF RFID 技術(shù)的籠養(yǎng)環(huán)境下雞只位置信息采集系統(tǒng)，利用少量天線就能快速獲取滿足定位要求的RSSI 值，為進行定位算法的研究提供了硬件基礎(chǔ)。

（2）采用狄克遜和高斯濾波混合濾波算法將原始數(shù)據(jù)預(yù)處理，通過高斯模型，中值和均值濾波對處理后的數(shù)據(jù)進行優(yōu)化，很大程度上解決了信號穩(wěn)定差的問題。對路徑損耗系數(shù)進行優(yōu)化，一定程度上提高了測距的準(zhǔn)確性。利用極大似然估計法和牛頓迭代法求解標(biāo)簽最優(yōu)位置坐標(biāo)，與不采用定位算法相比提高了定位精度。

（3）通過比較放入雞只前后標(biāo)簽的坐標(biāo)誤差，驗證了定位方法的可靠性。對籠內(nèi)雞只進行實時定位，如圖13 所示實驗結(jié)果表明，該定位方法與不采用定位算法相比減小了定位誤差，可靠性較高且有較強的魯棒性,為雞只行為分析提供了1 種方法。