種鵝舍環(huán)境智能監(jiān)控系統(tǒng)的研制和試驗

郭彬彬，孫愛東，丁為民，施振旦，趙三琴，楊紅兵

?

種鵝舍環(huán)境智能監(jiān)控系統(tǒng)的研制和試驗

郭彬彬1，孫愛東2，丁為民1※，施振旦2，趙三琴1，楊紅兵1

（1. 南京農(nóng)業(yè)大學(xué)工學(xué)院，南京 210031； 2. 江蘇省農(nóng)業(yè)科學(xué)院，南京 210014）

針對種鵝反季節(jié)繁殖生產(chǎn)中硬件設(shè)備功能低下、難以實施舍內(nèi)環(huán)境操作的適時精細(xì)調(diào)控、難以獲取記錄舍內(nèi)環(huán)境數(shù)據(jù)進(jìn)行問題溯源等問題，提出一種專門應(yīng)用于種鵝反季節(jié)繁殖生產(chǎn)舍的環(huán)境智能監(jiān)控系統(tǒng)。該系統(tǒng)通過BP神經(jīng)網(wǎng)絡(luò)建立溫濕度智能調(diào)控模型，取代人工手動操作以滿足舍內(nèi)環(huán)境要求。通過GPRS模塊無線傳輸舍內(nèi)環(huán)境參數(shù)，并利用其GSM功能通過移動終端遠(yuǎn)程控制風(fēng)機(jī)、照明、水泵等設(shè)備。以EXT、Hibernate和Spring 為基本框架技術(shù)，構(gòu)建了輕量級、強(qiáng)壯的多級緩存的J2EE企業(yè)級Web應(yīng)用程序，實現(xiàn)鵝舍環(huán)境參數(shù)的遠(yuǎn)程監(jiān)控，并與現(xiàn)有商用人工控制器進(jìn)行了現(xiàn)場試驗和性能對比。試驗結(jié)果表明：該智能監(jiān)控系統(tǒng)長期運(yùn)行穩(wěn)定、可靠，能夠滿足鵝反季節(jié)繁殖對光照和溫濕度的環(huán)境調(diào)控要求。與人工粗略控制、上海梵龍的畜禽控制器相比，控制精度分別提高5.49%和2.83%。在夏季風(fēng)機(jī)濕簾負(fù)壓通風(fēng)降溫時測定的舍內(nèi)溫度相對于設(shè)定值的均方根誤差分別為0.202、0.494、0.372 ℃，相對濕度相對于設(shè)定值的均方根誤差分別為1.745%、3.166%、2.621%，控制效果顯著優(yōu)于人工粗略控制和現(xiàn)有控制器（<0.05）。在精準(zhǔn)的光照調(diào)控下，種鵝均能按預(yù)期的時間開產(chǎn)，并在高峰期長期維持產(chǎn)蛋率35%～45%，表現(xiàn)出穩(wěn)定、良好的產(chǎn)蛋性能。

環(huán)境控制；智能監(jiān)控系統(tǒng)；溫度；鵝反季節(jié)繁殖；BP神經(jīng)網(wǎng)絡(luò)；GPRS；Web應(yīng)用

0 引 言

為了克服由于季節(jié)性繁殖造成的雛鵝和肉鵝的季節(jié)性供應(yīng)或斷檔問題，實現(xiàn)鵝的全年連續(xù)商業(yè)化生產(chǎn)，開展了種鵝反季節(jié)繁殖技術(shù)研究應(yīng)用[1]。該技術(shù)主要是通過人工光照程序[2]及調(diào)控舍內(nèi)溫濕度，配合其他飼喂、防疫等家禽養(yǎng)殖手段，使種鵝在炎熱的夏季正常產(chǎn)蛋繁殖[3-4]。該新技術(shù)的應(yīng)用也對傳統(tǒng)種鵝養(yǎng)殖方式帶來了新挑戰(zhàn)。養(yǎng)殖者往往不注重為鵝只創(chuàng)造良好的生活生產(chǎn)環(huán)境，嚴(yán)重影響鵝只福利從而嚴(yán)重降低產(chǎn)蛋率、種蛋受精率低和孵化率[5]，并且極易引起禽類疾病的爆發(fā)和傳播[6-7]；于夜間零點后開閉照明的人工光照程序，常受操作人員作息影響；同時夏季反季節(jié)繁殖盛期又適逢炎熱高溫，極易造成鵝熱應(yīng)激并影響其健康和產(chǎn)蛋[8]。因此需要通過精細(xì)良好的通風(fēng)換氣降溫措施，給鵝只提供舒適的溫濕度環(huán)境。而中國的種鵝養(yǎng)殖環(huán)境控制基本處于人工或半機(jī)械化狀態(tài)，人工操作實時性差，且無法實現(xiàn)各環(huán)境因子之間的有機(jī)聯(lián)系[9]；光照及溫濕度等環(huán)境參數(shù)無法實時記錄儲存，當(dāng)出現(xiàn)疾病或繁殖異常時，難以從環(huán)境因素進(jìn)行問題追溯。

近年來，隨著傳感器、計算機(jī)控制、網(wǎng)絡(luò)通信以及物聯(lián)網(wǎng)等技術(shù)的快速發(fā)展，融合了上述高新技術(shù)的智能監(jiān)控系統(tǒng)逐漸被應(yīng)用到畜禽養(yǎng)殖監(jiān)控領(lǐng)域[10-12]，以自動智能控制取代人工粗略控制。主要以單片機(jī)[13]或PLC[14]為基本控制單元，融合計算機(jī)和傳感器技術(shù)[15-16]，通過設(shè)定靜態(tài)工作點、建立畜禽舍環(huán)境模型以及利用各種算法通過大量數(shù)據(jù)計算進(jìn)行環(huán)境預(yù)測3種方式實現(xiàn)畜禽舍環(huán)境控制[17-19]，著重解決舍內(nèi)布線復(fù)雜、溫度控制滯后、超調(diào)量大、控制過程中數(shù)據(jù)計算量大，對芯片要求高以及遠(yuǎn)程控制難等問題[20]。但是大都針對大型牲畜個體或封閉式籠養(yǎng)的家禽養(yǎng)殖，系統(tǒng)復(fù)雜，成本高、通用性不強(qiáng)[21]。而半封閉式反季節(jié)繁殖鵝舍內(nèi)通風(fēng)降溫模式多變，環(huán)境存在非線性、多耦合、離散的特點[22]，難以直接應(yīng)用現(xiàn)有的監(jiān)控系統(tǒng)。

本文在分析前人工作的基礎(chǔ)上，借鑒相關(guān)經(jīng)驗并結(jié)合光控鵝舍的特殊環(huán)境需求以及鵝自身應(yīng)激特點，研發(fā)了一種適合半封閉式光控種鵝舍、低成本、數(shù)據(jù)計算簡單的環(huán)境智能監(jiān)控系統(tǒng)，并對整套系統(tǒng)進(jìn)行現(xiàn)場試驗。

1 反季節(jié)繁殖環(huán)境調(diào)控技術(shù)流程與關(guān)鍵因子分析

通過對江蘇省常州市陽湖鵝業(yè)專業(yè)合作社反季節(jié)繁殖鵝場實地調(diào)研，確定鵝舍環(huán)境調(diào)控基本技術(shù)流程并對關(guān)鍵環(huán)境因子進(jìn)行分析。以揚(yáng)州鵝為例，在不同的季節(jié)，通過自然光照、長、短光照不同的處理，從而實現(xiàn)鵝在預(yù)期的季節(jié)產(chǎn)蛋的目的。其中長光照處理是白天自然光照加早晚人工補(bǔ)光，使總的光照時長達(dá)到18 h。該處理階段在冬季，天氣寒冷，期間只需利用鵝舍的側(cè)窗進(jìn)行自然通風(fēng)，滿足最小通風(fēng)即可，無需降溫。當(dāng)溫度超過10 ℃時，根據(jù)人工經(jīng)驗開啟相應(yīng)數(shù)量的風(fēng)機(jī)，進(jìn)行強(qiáng)制機(jī)械通風(fēng)降溫。而短光照處理是通過將鵝趕進(jìn)不透光的鵝舍進(jìn)行遮光處理，使總的光照時長控制在12 h。該處理階段在春、夏季節(jié)，尤其是夏至前后，天氣異常炎熱，如圖1所示。

水泥地面運(yùn)動場地溫度有時高達(dá)40 ℃以上，甚至超過45 ℃，這嚴(yán)重影響鵝的采食量，進(jìn)而影響產(chǎn)蛋率。根據(jù)以往經(jīng)驗，當(dāng)溫度超過30 ℃時，飼養(yǎng)員需要將鵝趕進(jìn)鵝舍，手動落下側(cè)墻卷簾，并打開風(fēng)機(jī)和濕簾端的水泵，采用風(fēng)機(jī)濕簾負(fù)壓通風(fēng)降溫系統(tǒng)對鵝舍進(jìn)行強(qiáng)制性通風(fēng)降溫。在趕鵝之前，還需提前10 min打開鵝舍內(nèi)照明設(shè)備，使鵝舍內(nèi)光照強(qiáng)度達(dá)到80 lx，給鵝營造類似于白天的光照條件，一直持續(xù)到短光照處理時間點，關(guān)閉照明設(shè)備。

通過對整個環(huán)境調(diào)控流程的分析，本文確定把光照、溫度、濕度作為主要環(huán)境控制因子，進(jìn)行該監(jiān)控系統(tǒng)的開發(fā)。

2 系統(tǒng)總體方案設(shè)計

該智能監(jiān)控系統(tǒng)主要由現(xiàn)場監(jiān)控系統(tǒng)、Web服務(wù)層、遠(yuǎn)程監(jiān)控客戶端及手機(jī)客戶端組成，其系統(tǒng)總體框架如圖2所示。

現(xiàn)場監(jiān)控系統(tǒng)包括信息采集模塊、單片機(jī)控制模塊及數(shù)據(jù)傳輸模塊等。溫濕度、CO2和NH3傳感器采集環(huán)境參數(shù)后由單片機(jī)進(jìn)行處理，一方面實現(xiàn)數(shù)據(jù)實時顯示以及相應(yīng)設(shè)備自動控制，另一方面通過GPRS模塊將各環(huán)境參數(shù)上傳至Web服務(wù)器，同時接收來自服務(wù)器的控制命令。Web服務(wù)器配置相應(yīng)數(shù)據(jù)庫，主要進(jìn)行數(shù)據(jù)的接收、存儲和分類顯示，并將數(shù)據(jù)發(fā)布至網(wǎng)絡(luò)?？蛻舳送ㄟ^瀏覽器登錄相應(yīng)網(wǎng)站，進(jìn)行舍內(nèi)環(huán)境參數(shù)的查看，再通過不同的權(quán)限設(shè)置，進(jìn)行相應(yīng)的控制和參數(shù)修改操作。為了隨時隨地掌握鵝舍內(nèi)環(huán)境狀況，該系統(tǒng)集成了GSM通信模塊，飼養(yǎng)管理人員需要掌握鵝舍內(nèi)溫度、濕度等環(huán)境信息時，可以隨時隨地?fù)艽騍IM卡電話，SIM卡自動掛斷電話并發(fā)送實時測量數(shù)據(jù)到用戶手機(jī)；同時，還可以發(fā)送控制命令遠(yuǎn)程控制相應(yīng)風(fēng)機(jī)、照明設(shè)備等的開啟和關(guān)閉，從而應(yīng)對各種突發(fā)狀況。當(dāng)環(huán)境異常時，還可以通過手機(jī)接收警報信息，從而快速提醒飼養(yǎng)管理人員進(jìn)行現(xiàn)場檢查。

3 系統(tǒng)實現(xiàn)及其關(guān)鍵技術(shù)

3.1 現(xiàn)場監(jiān)控系統(tǒng)

為了實現(xiàn)鵝舍環(huán)境的實時監(jiān)控，現(xiàn)場監(jiān)控系統(tǒng)必須具備數(shù)據(jù)采集、分析處理、設(shè)備控制以及數(shù)據(jù)遠(yuǎn)程傳輸?shù)裙δ堋?/p>

3.1.1 鵝舍環(huán)境參數(shù)采集與處理

由于鵝舍內(nèi)環(huán)境惡劣復(fù)雜，傳感器檢測到的各項環(huán)境參數(shù)極易受灰塵、羽毛等各種因素的影響，有時極端天氣、飼養(yǎng)員打掃舍內(nèi)衛(wèi)生時靠近溫濕度傳感器，也會導(dǎo)致傳感器檢測到的溫濕度有較大的疏失誤差。為了保證采集數(shù)據(jù)的真實有效，首先利用格拉布斯準(zhǔn)則[23]對連續(xù)采集32 次的數(shù)據(jù)剔除疏失誤差，而后取平均值作為該輪采集的數(shù)據(jù)。

格拉布斯認(rèn)為，當(dāng)測量值X對應(yīng)的殘差V滿足下式條件時，該測量值應(yīng)被剔除。

式中T為每組數(shù)的算數(shù)平均值；σ(X)為測量數(shù)據(jù)的標(biāo)準(zhǔn)差；g0(n,a)取決于測量次數(shù)n和顯著性水平a，通過查格拉布斯臨界值表可得。此處測量次數(shù)n取32，顯著性水平a取0.05，查得臨界值g0(n,a)為3.270。圖3是2015年6月16日00:00－23:55采集的鵝舍內(nèi)溫度數(shù)據(jù)，其中飼養(yǎng)員于上午07:30以及下午06:30進(jìn)鵝舍進(jìn)行飼喂。從圖3中可以看出通過格拉布斯準(zhǔn)則配合多次采集求均值的辦法，可以有效去除噪聲和疏失誤差，確保采集的數(shù)據(jù)的準(zhǔn)確性，同時也簡化了信號采集電路的電路設(shè)計。

3.1.2 基于BP神經(jīng)網(wǎng)絡(luò)溫濕度模型的控制功能實現(xiàn)

鵝舍內(nèi)溫濕度存在非線性、強(qiáng)耦合、隨機(jī)性的特點，采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行環(huán)境參數(shù)建模。其原理表達(dá)式如下所示。

式中y為神經(jīng)元的輸出；x為神經(jīng)元的輸入；ω為連接權(quán)值；為神經(jīng)元的閾值；為激活函數(shù)。

本文借鑒前人的研究經(jīng)驗，根據(jù)過去一年四季外界及鵝舍內(nèi)部的溫濕度變化特點，結(jié)合飼養(yǎng)員多年人工操作經(jīng)驗，利用BP神經(jīng)網(wǎng)絡(luò)建立鵝舍內(nèi)外溫濕度和側(cè)窗、風(fēng)機(jī)、水泵的不同運(yùn)行狀態(tài)的3層（輸入層、隱含層、輸出層）神經(jīng)網(wǎng)絡(luò)模型，利用神經(jīng)網(wǎng)絡(luò)給出的控制方案替代人工經(jīng)驗控制，使種鵝光照處理期間的舍內(nèi)溫濕度控制擺脫對人工和經(jīng)驗的完全依賴，實現(xiàn)智能控制。各個環(huán)境參數(shù)的訓(xùn)練在Matlab中進(jìn)行，其中，輸入節(jié)點有4個，分別是鵝舍內(nèi)外的溫度和濕度；輸出節(jié)點有6個，分別是4臺風(fēng)機(jī)、水泵、側(cè)窗的開關(guān)狀態(tài)，用0和1分別表示被控設(shè)備關(guān)閉和開啟狀態(tài)；隱含層節(jié)點數(shù)跟據(jù)Kolmogorov定理確定，其計算公式為[24]

式中n為隱含層節(jié)點數(shù)；n為輸入層節(jié)點數(shù)；n為輸出層節(jié)點數(shù)；為區(qū)間（1～10）內(nèi)任意常數(shù)。輸入層和輸出層的傳遞函數(shù)可以是tansig函數(shù)和logsig函數(shù)的任意組合。

本文選取了一年內(nèi)不同季節(jié)和不同天氣情況的共計1 300組樣本數(shù)據(jù)，將樣本數(shù)據(jù)分為訓(xùn)練樣本集合測試樣本集兩部分，其中訓(xùn)練樣本集包含1 000組數(shù)據(jù)，測試樣本集包含300組數(shù)據(jù)。在Matlab7.1中，利用其自帶的庫函數(shù)，通過試探的方法，最終得出當(dāng)隱含層節(jié)點數(shù)為9，輸入層和輸出層的傳遞函數(shù)分別為tansig和logsig函數(shù)，并且采用彈性梯度下降法時，效果最優(yōu)。對300組數(shù)據(jù)進(jìn)行測試，其結(jié)果如圖4所示。其中最大偏差為0.38，出現(xiàn)在風(fēng)機(jī)1的狀態(tài)控制中，絕大部分?jǐn)?shù)據(jù)聚集在0～0.1和0.9～1.0范圍內(nèi)，占總數(shù)據(jù)集的95%，僅有5%的數(shù)據(jù)出現(xiàn)偏離，落在0.1～0.9范圍內(nèi)。分析圖4結(jié)果可以看出，出現(xiàn)偏離的數(shù)據(jù)大多發(fā)生在風(fēng)機(jī)開啟狀態(tài)轉(zhuǎn)變時間點前后，出現(xiàn)這樣的現(xiàn)象是因為進(jìn)行數(shù)據(jù)測試時，所選數(shù)據(jù)包括不同季節(jié)和不同氣候條件的多組數(shù)據(jù)，數(shù)據(jù)變化幅度大，加上受模型精度的影響，從而產(chǎn)生判斷誤差，導(dǎo)致在狀態(tài)切換時無法十分精確。為了減少誤差，提高控制準(zhǔn)確率，可以通過人為設(shè)定判定規(guī)則，將結(jié)果在0～0.2范圍之內(nèi)時認(rèn)為是0，相應(yīng)設(shè)備狀態(tài)判定為關(guān)閉，在0.8～1.0范圍之內(nèi)時認(rèn)為是1，相關(guān)設(shè)備狀態(tài)判定為開啟。

按照上述設(shè)定的判定規(guī)則對300組測試數(shù)據(jù)的測試結(jié)果進(jìn)行統(tǒng)計分析，風(fēng)機(jī)、水泵和側(cè)窗的控制準(zhǔn)確率列于表1中。由表中統(tǒng)計結(jié)果可以看出，利用過去一年的舍內(nèi)外溫濕度數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練輸入?yún)?shù)得出的環(huán)境控制方案，可以有效實現(xiàn)風(fēng)機(jī)、水泵和側(cè)窗的智能控制，且有效控制率均在98%以上。

利用該控制方案，在判斷當(dāng)前環(huán)境狀態(tài)下實現(xiàn)對風(fēng)機(jī)等設(shè)備的智能控制，尤其是對水泵的的控制，能夠有效避免單靠人工經(jīng)驗盲目開濕簾進(jìn)行強(qiáng)制降溫造成的水資源及電能浪費(fèi)。與此同時，考慮到溫濕度的強(qiáng)耦合特性，兼顧鵝舍外部環(huán)境狀況對舍內(nèi)溫濕度的影響，相比其他畜禽舍或溫室內(nèi)利用溫度單一因素或簡單定時的方法，可以實時控制濕簾水泵和側(cè)窗的開啟狀態(tài)，避免了降溫同時舍內(nèi)濕度過高造成有害細(xì)菌滋生。鵝舍內(nèi)環(huán)境變化復(fù)雜，難以建立精確的模型[25]，其他學(xué)者利用模糊控制[11]和預(yù)測算法[26]等進(jìn)行控制，計算量大，對控制芯片要求高。該方案利用訓(xùn)練后得出的各環(huán)境參數(shù)權(quán)值進(jìn)行直接判斷，計算簡單，且能夠滿足生產(chǎn)要求。

表1 有效控制率

3.1.3 基于GPRS的無線數(shù)據(jù)傳輸技術(shù)

通用分組無線服務(wù)技術(shù)（general packet radio service，GPRS）是在現(xiàn)有的GSM系統(tǒng)基礎(chǔ)之上發(fā)展起來的，具有永遠(yuǎn)在線、接入時間短、高速數(shù)據(jù)傳輸、覆蓋面廣、按流量計費(fèi)和網(wǎng)絡(luò)資源利用率高等特點[27]，逐步被應(yīng)用在數(shù)據(jù)傳輸規(guī)模不大的監(jiān)控領(lǐng)域[28]。本文中的智能監(jiān)控系統(tǒng)選用的是SIMCOM公司的SIM900A模塊方案，它可以通過串口傳輸標(biāo)準(zhǔn)的AT命令對模塊進(jìn)行控制，從而傳輸數(shù)據(jù)。通過GPRS網(wǎng)絡(luò)進(jìn)行傳輸?shù)闹饕謹(jǐn)?shù)據(jù)流和控制命令流兩大部分。數(shù)據(jù)流主要是分布于各鵝舍的傳感器采集的鵝舍環(huán)境信息，而控制命令主要開啟和關(guān)閉鵝舍內(nèi)風(fēng)機(jī)、燈、濕簾等設(shè)備。首先設(shè)置好移動臺類別，定義PDP上下文標(biāo)識以及TCP/IP協(xié)議，然后采用GPRS連接模式接入提前設(shè)置好的站點，設(shè)置好服務(wù)器的公網(wǎng)IP和端口號，便可通過Server Socket對端口進(jìn)行監(jiān)聽，實現(xiàn)數(shù)據(jù)的收發(fā)。整個傳輸過程中通過區(qū)分不同的手機(jī)號來識別是來自哪一棟鵝舍的數(shù)據(jù)，以一定的協(xié)議打包封裝好后進(jìn)行傳輸，然后儲存到數(shù)據(jù)庫中的相應(yīng)位置，方便進(jìn)行后續(xù)的操作。

此外，通過定義字符串的含義，還可以通過模塊的GSM功能向控制器發(fā)送相應(yīng)的控制指令，采用短信包月的形式，成本低廉。數(shù)據(jù)收發(fā)格式為S58TI23.5 ℃ RHI65.2% TO25.5 ℃ RHO50.1% CO21 440 ppm NH314 ppmA，控制命令格式為S600XA/S610XA。其中，S和A代表起始位和結(jié)束位；58和6代表信息長度；TI、TO、RHI、RHO分別代表舍內(nèi)和舍外的溫濕度，不同類別之間用空格隔開。控制命令用00X表示打開相應(yīng)設(shè)備，10X表示關(guān)閉相應(yīng)設(shè)備，X代表設(shè)備號。

3.2 Web應(yīng)用程序的架構(gòu)

整個Web應(yīng)用程序在MyEclipse環(huán)境下進(jìn)行開發(fā)，以EXT、Hibernate和Spring 為基本框架構(gòu)成3層應(yīng)用結(jié)構(gòu)[29-30]。其中EXT主要用于創(chuàng)建前饋用戶界面，它有豐富的UI組件，簡單易用，能開發(fā)美觀大方的界面，為開發(fā)人員解決了界面設(shè)計上的許多問題；而Hibernate是java應(yīng)用和關(guān)系數(shù)據(jù)庫之間的橋梁，負(fù)責(zé)java對象和數(shù)據(jù)庫之間的映射，內(nèi)部封裝了JDBC訪問數(shù)據(jù)庫的操作，向上層應(yīng)用提供了面向?qū)ο蟮臄?shù)據(jù)庫訪問API，使得開發(fā)人員可以用面向?qū)ο蟮乃枷?，直接利用Hibernate提供的接口把對象持久化到數(shù)據(jù)庫；Spring 則致力于為軟件開發(fā)提供“一站式”的解決方案，它為各種框架和庫提供集成平臺。在該Web應(yīng)用中，數(shù)據(jù)庫采用的則是當(dāng)下最為流行的MySQL。監(jiān)控界面如圖5a和圖5b所示，具備信息發(fā)布、設(shè)備運(yùn)行狀態(tài)顯示、當(dāng)前和歷史環(huán)境參數(shù)信息查詢等多種功能，并且通過不同的權(quán)限設(shè)置，可以限制數(shù)據(jù)的訪問級別。

在歷史數(shù)據(jù)查詢中，通過JS Charts可以快速創(chuàng)建各種圖表，有折線圖、柱狀圖等多種選擇，用戶可以根據(jù)自己的分析需求選用相應(yīng)的圖表模式。對各種環(huán)境參數(shù)據(jù)，可以以Excel表格的形式進(jìn)行下載，方便后續(xù)分析或科研工作。

a. 歷史數(shù)據(jù)下載界面

a. Interface of history data download

4 現(xiàn)場試驗及結(jié)果分析

于2016年3月20日開始，在江蘇省農(nóng)科院示范基地常州市陽湖鵝業(yè)專業(yè)合作社進(jìn)行試驗，以測試該控制方案的有效性及系統(tǒng)長期運(yùn)行的穩(wěn)定性、可靠性。并與人工控制和市面上現(xiàn)有的控制器作對比，驗證其優(yōu)越性。試驗選取A2、A3、A4種鵝舍，每棟鵝舍飼養(yǎng)鵝1 300羽，按公母1:5配比，品種、日齡、喂養(yǎng)方式等均相同。每棟鵝舍長41 m，寬15 m，均配有水上運(yùn)動場。鵝舍采用橫向負(fù)壓通風(fēng)，一側(cè)為濕簾，另一側(cè)為4臺風(fēng)機(jī)，均勻分布。其他受控設(shè)備還包括照明設(shè)備、側(cè)窗及卷簾。其中，A4鵝舍安裝上海梵龍公司的畜禽舍控制器，采用設(shè)置靜態(tài)工作點的方式進(jìn)行溫度控制，A2鵝舍沿用原來的人工手動經(jīng)驗控制，A3鵝舍安裝本文研制的環(huán)境智能監(jiān)控系統(tǒng)。分別對3棟鵝舍的室內(nèi)外溫濕度進(jìn)行連續(xù)監(jiān)測。A3和A4鵝舍的數(shù)據(jù)可以從網(wǎng)上直接下載，而A2鵝舍內(nèi)安裝的是RH-4H型號的聯(lián)測溫濕度自動記錄儀。

圖6 a和b給出的是7月26日凌晨至7月28日連續(xù)72 h監(jiān)測的溫濕度數(shù)據(jù)，數(shù)據(jù)10 min記錄上傳1次。其中黑色箭頭之間部分是將鵝關(guān)進(jìn)鵝舍后進(jìn)行強(qiáng)制通風(fēng)降溫的時間段。期間測定的濕簾水溫28.7 ℃，設(shè)置溫度上限為30 ℃，濕度上限80%。

a. 溫度

a. Temperature

b. 相對濕度

b. Relative humidity

注：A2鵝舍采用人工經(jīng)驗控制；A3鵝舍采用BP神經(jīng)網(wǎng)絡(luò)控制；A4鵝舍采用靜態(tài)工作點控制方法，其中箭頭之間的部分表示鵝舍內(nèi)溫濕度受控時間段。

Note: A2 goose house was controlled by artificial experience, A3 goose house was controlled by BP neural network, and A4 goose house was controlled by setting static operating point. The part between the black arrow was the period when temperature and relative humidity were controlled.

圖6 7月26日至28日三棟鵝舍舍內(nèi)及其舍外的溫濕度變化曲線

Fig.6 Temperature variation inside and outside of three goose house from July 26th to 28th

從圖6中可以看出在炎熱的夏季，正值反季節(jié)繁殖高峰期，當(dāng)舍外溫度高達(dá)40 ℃以上時，利用該控制系統(tǒng)，能夠有效降低舍內(nèi)溫度，并相對穩(wěn)定在設(shè)定水平。在降溫初始點處，降溫速率相對較快，這是因為關(guān)鵝時間人為控制，并沒有嚴(yán)格根據(jù)舍內(nèi)溫度執(zhí)行，如果當(dāng)天關(guān)鵝時間較晚，舍內(nèi)溫度會相對較高，降溫初期，風(fēng)機(jī)和水泵全開，從而使得最初降溫速度較快。后期，根據(jù)舍內(nèi)外環(huán)境狀況決定風(fēng)機(jī)和水泵的開啟狀態(tài)，實現(xiàn)溫濕度精準(zhǔn)控制。

3棟鵝舍內(nèi)，實際溫度和相對濕度與設(shè)定值的偏差越小，表明控制精度越高。所選日期內(nèi)，在舍外平均氣溫和平均相對濕度分別為38.5 ℃和52.4%條件下，受控階段鵝舍內(nèi)溫濕度數(shù)據(jù)的統(tǒng)計分析結(jié)果列于表2中。

分析可知，無論是溫度還是相對濕度，試驗組A3與對照組A2和A4均差異顯著（<0.05），且A3舍內(nèi)溫濕度比較均衡；2個對照組A2和A4的溫度和相對濕度均無顯著差異（>0.05），表明該系統(tǒng)控制效果優(yōu)于人工手動控制和靜態(tài)工作點控制，控制精度分別提高5.49%和2.83%。據(jù)統(tǒng)計，試驗期間A2、A3、A4鵝舍鵝的生病、死亡淘汰率分別為4.84%、3.75%和4.37%，試驗組（A3）病死淘汰率比對照組A2和A4分別減少了1.09%和0.62%。這說明使用該控制系統(tǒng)，不僅避免了鵝的熱應(yīng)激，還可以減少細(xì)菌滋生，有效控制鵝的生病、死亡數(shù)量，從而實現(xiàn)經(jīng)濟(jì)利益最大化。

表2 鵝舍內(nèi)溫濕度均值及均方根誤差

鵝的反季節(jié)繁殖需要十分精準(zhǔn)的光照控制與溫濕度控制相配合，才能使鵝在預(yù)期的時間開產(chǎn)，且發(fā)揮與正季節(jié)相當(dāng)?shù)漠a(chǎn)蛋性能。為驗證該系統(tǒng)光照控制的精準(zhǔn)性，從短光照處理的第1天起，人工觀察鵝的開產(chǎn)情況，并從開產(chǎn)第1天起，統(tǒng)計記錄3棟鵝舍每天的產(chǎn)蛋個數(shù)，用以計算日產(chǎn)蛋率（日產(chǎn)蛋率=每天產(chǎn)蛋累加個數(shù)/當(dāng)天母鵝總數(shù)量）。圖7給出的是5月1日至10月1日3棟鵝舍的日產(chǎn)蛋率曲線。。

從圖7中可以看出3棟鵝舍的鵝在反季節(jié)繁殖的高峰期，即夏季高溫季節(jié)，均能表現(xiàn)出長期穩(wěn)定的高產(chǎn)性能，維持產(chǎn)蛋率在35%～45%。試驗期間，A2、A3、A4鵝舍平均產(chǎn)蛋率分別為24.77%、31.17%和27.94%，開產(chǎn)日期始于5月初，歷經(jīng)一個月左右達(dá)到產(chǎn)蛋高峰。其中，A2的產(chǎn)蛋率上升相對較慢，這很大程度上是因為鵝的個體差異，對光照的敏感程度不同，從而開產(chǎn)時間各異。在7月初至8月20日特別高溫期間，A3鵝舍產(chǎn)蛋率保持相對平穩(wěn)，而其他2棟鵝舍均有不同程度下降，由此也說明了該控制系統(tǒng)的可靠性和穩(wěn)定性

5 結(jié) 論

1）該系統(tǒng)嚴(yán)格按照反季節(jié)光照程序，采用定時辦法，自動控制舍內(nèi)光照，克服人的慵懶以及操作不及時問題，并能在夏季高溫季節(jié)長期穩(wěn)定維持產(chǎn)蛋率35%~45%，滿足種鵝反季節(jié)繁殖的光照控制要求。

2）與人工經(jīng)驗控制及設(shè)置靜態(tài)工作點控制相比，本文系統(tǒng)采用BP神經(jīng)網(wǎng)絡(luò)，能夠根據(jù)舍內(nèi)外環(huán)境變化實現(xiàn)溫、濕度智能控制，減少鵝夏季熱應(yīng)激，病死淘汰率分別減少1.09%和0.62%，控制精度分別提高5.49%和2.83%，在有效促進(jìn)養(yǎng)鵝業(yè)智能化水平的同時，節(jié)省人力勞動50%。

該系統(tǒng)長期運(yùn)行5個月以上，僅試驗初期出現(xiàn)4次故障，表明該系統(tǒng)能夠?qū)崿F(xiàn)鵝舍內(nèi)環(huán)境的可靠監(jiān)控。

[1] 施振旦，孫愛東. 鵝繁殖季節(jié)的調(diào)控和配套技術(shù)[J]. 中國家禽，2011，33(18)：40－43.

[2] 施振旦，麥燕隆，吳偉. 我國鵝舍建筑類型及配套設(shè)施的發(fā)展現(xiàn)狀和趨勢[J]. 中國家禽，2011，33(8)：1－4.

Shi Zhendan, Man Yanlong, Wu Wei. Status and development of type and facility for goose house in China[J]. China Poultry, 2011, 33(8): 1－4. (in Chinese with English abstract)

[3] 楊希文，孫愛東，陳哲，等. 獅頭鵝反季節(jié)繁殖生產(chǎn)技術(shù)[J]. 中國家禽，2015，37(10)：61－62.

Yang Xiwen, Sun Aidong, Chen Zhe, et al. Out-of-season breeding technology of Shitou geese[J]. China Poultry, 2015, 37(10): 61－62. (in Chinese with English abstract)

[4] 胡民強(qiáng)，郭金彪，張建華. 鵝反季節(jié)繁殖生產(chǎn)技術(shù)[J]. 安徽農(nóng)業(yè)科學(xué)，2013，41(20)：8819－8821.

Hu Minqiang, Guo Jinbiao, Zhang Jianhua. Geese out-of-season breeding technology[J]. Journal of Anhui Agricultural Sciences, 2013, 41(20): 8819－8821. (in Chinese with English abstract)

[5] 戴子淳，邵西兵，應(yīng)詩家，等. 兩種通風(fēng)降溫方式對鵝舍空氣環(huán)境和反季節(jié)繁殖種蛋受精率的影響[J]. 中國家禽，2015，37(15)：50－53.

Dai Zichun, Shao Xibing, Ying Shijia, et al. Two types of ventilation cooling methods for the air environment and the Effect of the egg fertilization rate on the counter season propagation[J]. China Poultry, 2015, 37(15): 50－53. (in Chinese with English abstract)

[6] 秦黎. 禽類呼吸道疾病的致病因[J]. 工程技術(shù)，2010，40(14)：86.

Qin Li. Causes of respiratory disease in poultry[J]. Engineering Technology, 2010, 40(14): 86. (in Chinese with English abstract)

[7] 逄偉，呂元剛. 禽類四中病毒性疾病的傳播特點和防控[J]. 山東畜牧獸醫(yī)，2011(6)：81－83.

Pang Wei, Lu Yuangang. Transmission characteristics and control of viral diseases in poultry[J]. Shandong Animal Husbandry and Veterinary, 2011(6): 81－83. (in Chinese with English abstract)

[8] 孟苓鳳. 鵝養(yǎng)殖中環(huán)境控制的研究進(jìn)展[J]. 水禽世界，2012(1)：43－45.

Meng Qinfeng. Research progress of environmental control in goose breeding[J].Waterfowl World, 2012(1): 43－45. (in Chinese with English abstract)

[9] 王平，馬俊貴. 畜禽舍環(huán)境控制及防疫系統(tǒng)試驗[J]. 農(nóng)業(yè)工程，2014，4(2)：26－28.

Wang Ping, Ma Jungui. Environmental control and immunization system for corral[J]. Agricultural Engineering, 2014, 4(2): 26－28. (in Chinese with English abstract)

[10] 陳紅茜. 基于分布式流式計算的蛋雞養(yǎng)殖實時監(jiān)測與預(yù)警系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2016，47(1)：252－259.

Chen Hongqian. Real-time monitoring and early warning system based on stream computing for laying hens raise[J]. Journal of Agricultural Machinery, 2016, 47(1): 252－259. (in Chinese with English abstract)

[11] 吳武豪. 基于物聯(lián)網(wǎng)的豬舍環(huán)境監(jiān)控系統(tǒng)研究[D]. 杭州：浙江大學(xué)，2014.

Wu Wuhao. A Study on Piggery Environmental Monitoring and Control System Based on Internet of Things[D]. Hangzhou: Zhejiang university, 2014. (in Chinese with English abstract)

[12] 王冉，徐本崇. 基于無線傳感網(wǎng)絡(luò)的畜禽舍環(huán)境監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[J]. 江蘇農(nóng)業(yè)學(xué)報，2010，26(3)：562－566. Wang Ran, Xu Benchong. Design and implementation of an intelligent environmental monitoring system for animal house based on wireless sensor net (WSN)[J]. Jiangsu Journal of Agricultural Sciences, 2010, 26(3): 562－566. (in Chinese with English abstract)

[13] Wu Shihong. Design of remote environment control system of intelligent network henhouse based on ARM9[J]. Procardia Engineering, 2011(15): 1056－1060.

[14] 馮毅，吳必瑞. 基于GPRS和PLC的雞舍環(huán)境監(jiān)控系統(tǒng)設(shè)計[J]. 湖北農(nóng)業(yè)科學(xué)，2015，54(21)：5411－5414.

Feng Yi, Wu Birui. Design of environment monitoring system based on GPRS and PLC[J]. Hubei Agricultural Sciences, 2015, 54(21): 5411－5414. (in Chinese with English abstract)

[15] Meen G H. Sound analysis in dairy cattle vocalization as a potential welfare monitor[J]. Computers and Electronics in Agriculture, 2015, 118: 111－115.

[16] Li Hualong, Li Miao, Zhan Kai, et al. Intelligent monitoring system for laminated hen house based on internet of things[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2015, 31(Supp.2): 210－215.

李華龍，李淼，詹凱，等.基于物聯(lián)網(wǎng)的層疊式雞舍環(huán)境智能監(jiān)控系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報，2015，31(增刊2)：210－215. (in English with Chinese abstract)

[17] Mirzaee-Ghaleh E. Comparison of fuzzy and on/off controllers for winter season indoor climate management in a model poultry house[J]. Computers and Electronics in Agriculture, 2015, 110: 187－195.

[18] 秦琳琳，石春，吳剛. 現(xiàn)代溫室溫度混雜系統(tǒng)的建模[J]. 北京工業(yè)大學(xué)學(xué)報，2014，40(7)：996－1000.

Qin Linlin, Shi Chun, Wu Gang. Modeling of modern greenhouse temperature hybrid system[J]. Journal of Beijing University of Technology, 2014, 40(7): 996－1000.(in Chinese with English abstract)

[19] 劉淑梅. 基于BP神經(jīng)網(wǎng)絡(luò)的日光溫室氣溫預(yù)測模型[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報，2015，20(1)：176－184.

Liu Shumei. An air temperature predict model based on bp neural networks for solar greenhouse in North China[J]. Journal of China Agricultural University, 2015, 20(1): 176－184. (in Chinese with English abstract)

[20] 孫凱. 應(yīng)用于移動終端的禽舍環(huán)境監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[J]. 山東農(nóng)業(yè)科學(xué)，2014，46(11)：15－17.

Sun Kai. Design and implementation of poultry house environment monitoring system applied to mobile terminal[J]. Shandong Agricultural Sciences, 2014, 46(11): 15－17. (in Chinese with English abstract)

[21] 王艷春. 基于BP神經(jīng)網(wǎng)絡(luò)的變壓器繞組故障診斷分析[D]. 保定：河北農(nóng)林大學(xué)，2014.

Wang Yanchun. Analysis of Transformer Winding Fault Diagnosis Based on BP Neural Network[D]. Baoding: Hebei University of Agriculture and Forestry, 2014. (in Chinese with English abstract)

[22] 蔣建明，史國棟，李正明，等. 基于無線傳感器網(wǎng)絡(luò)的節(jié)能型水產(chǎn)養(yǎng)殖自動監(jiān)控系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報，2013，29(13)：166－174.

Jiang Jianming, Shi Guodong, Li Zhengming, et al. Energy saving automatic monitoring system based on wireless sensor network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(13): 166－174.(in Chinese with English abstract)

[23] 朱趙輝. 基于格拉布斯準(zhǔn)則的小波闌值去噪算法研究[J]. 西北水電，2011：45－48.

Zhu Zhaohui. Study of wavelet threshold de-noising algorithm based on grubbs rule[J]. Northwest Hydroelectric, 2011: 45－48. (in Chinese with English abstract)

[24] 夏克文，李昌彪，沈鈞毅. 前向神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)的一種優(yōu)化算法[J]. 計算機(jī)科學(xué)，2005，32(10)：143－145.

Xia Kewen, Li Changbiao, Shen Junyi. An optimization algorithm for the number of hidden layer nodes in feedforward neural networks[J]. Computer Science, 2005, 32(10): 143－145. (in Chinese with English abstract)

[25] 王定成. 溫室環(huán)境的支持向量機(jī)回歸建模[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2004，35(5)：106－109.

Wang Dingcheng. Support vector machine regression modeling for greenhouse environment[J]. Journal of Agricultural Machinery, 2004, 35(5): 106－109. (in Chinese with English abstract)

[26] 王世鵬. 雞舍內(nèi)NH3和CO2變化規(guī)律及機(jī)械通風(fēng)下動態(tài)模型的研究[D]. 鎮(zhèn)江：江蘇大學(xué)，2008.

Wang Shipeng. Study on the Variation of NH3and CO2in Chicken House and the Dynamic Model under Mechanical Ventilation[D]. Zhenjiang: Jiangsu University, 2008. (in Chinese with English abstract)

[27] 孫忠富. 基于GPRS和WEB的溫室環(huán)境信息采集系統(tǒng)的實現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報，2006，22(6)：131－134.

Sun Zhongfu. GPRS and WEB based data acquisition system

for greenhouse environment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(6): 131－134. (in Chinese with English abstract)

[28] 王兵利，張萍，熊剛. 基于GPRS 的農(nóng)田氣象信息監(jiān)測系統(tǒng)[J]. 農(nóng)機(jī)化研究，2015，4(1)：105－108.

Wang Bingli, Zhang Ping, Xiong Gang. Monitoring system of farmland meteorological information based on GPRS[J]. Journal of Agricultural Mechanization Research, 2015, 4(1): 105－108. (in Chinese with English abstract)

[29] 李紅娟，溫喆. 基于J2EE與Ajax的Web應(yīng)用架構(gòu)設(shè)計[J]. 制造業(yè)自動化，2011，33(5)：127－129.

Li Hongjuan, Wen Zhe. Ajax-based J2EE Web application architecture and design[J]. Manufacturing Automation, 2011, 33(5): 127－129. (in Chinese with English abstract)

[30] 呂丹. 基于EXT、Spring、Hibernate的Web架構(gòu)的研究與應(yīng)用[D]. 武漢：武漢理工大學(xué)，2013.

Lü Dan. The Research and Application of the Web Framework Based on EXT, Spring, Hibernate[D]. Wuhan: Wuhan University of Technology, 2013. (in Chinese with English abstract)

Development and experiment of intelligent monitoring system for geese house environment

Guo Binbin1, Sun Aidong2, Ding Weimin1※, Shi Zhendan2, Zhao Sanqin1, Yang Hongbing1

(1.210031; 2.210014,)

Out-of-season breeding technology for goose was proposed due to their obviously seasonality of production. Precisely time control is the most critical factor in this technology. Simultaneously, temperature and humidity control are also needed in case of heat stress.The application of the new technology brings challenges to the traditional breeding methods. Environment control in goose house was mostly artificial or semi mechanized. Manual operation was of poor real-time performance, and could not achieve the organic connection between the various environmental factors. Light, temperature, relative humidity and other environmental parameters could not be recorded real-time. When diseases or some abnormal reproduction happen, managers could not trace causes from the aspect of environment. This study therefore was conducted to develop an intelligent geese house environment monitoring system for assisting geese out-of-season breeding practices. In the system, BP neural network was utilized to construct an intelligent control model with history temperature and relative humidity data. With this model, the system could make comparison between current temperature and relative humidity inside and outside, so as to determine the number of working fans and the on-off state of cooling pad. GPRS wireless transmission module was used to transmit in-house environmental parameters. With this system, mobile terminal GSM function was also utilized to remote control the geese house equipment such as fans, illuminating lights, pumps and cooling pads. On the basic framework technology of EXT, Hibernate and Spring, a J2EE enterprise web application was built. This made it possible of remote control and real time monitoring. In addition, users could also obtain the environment conditions from mobile client or remote control the corresponding equipment. Field tests were conducted in comparison with artificial control and other commercially developed animal house monitoring systems. The system had been running for more than five months. Results showed that this system was stable and reliable during long-term operation, and could meet the requirements of light, temperature and relative humidity of out-of-season breeding. Compared with artificial control and Shanghai Fanlong controller, the control precision was improved by 5.49% and 2.83%, respectively, labor cost was cut down by 50%. Geese elimination rate was decreased by 1.09% and 0.62%, respectively. With the method of cooling pads system in summer, the RMSE between in house temperature of BP neural network (A3), artificial experience (A2), setting static operating point(A4) and the set values were 0.202, 0.494 and 0.372℃, respectively, and relative humidity was 1.745%, 3.166% and 2.621%, respectively. Under the precise control of light, geese in all three houses exhibited normal onset and level of egg laying. They began to lay eggs from May 1st, and rose to the peak level in about one month. During hot summer, there was no heat stress of geese in A3, they showed steady laying rate, while laying rate of geese in A2 and A4 showed varying degrees of decline. At the peak of egg production, all three groups maintained their laying rate between 35% and 45%. From May 1st to October 1st, the mean daily egg laying rate of A2, A3 and A4 are 24.77%, 31.17% and 27.94%, respectively, which indicated that the intelligent control system of geese house environments allowed geese to exhibit normal out-of-season production performances.

environmental control; intelligent monitoring system; temperature; geese out-of-season breeding; BP neural network; GPRS; Web application

10.11975/j.issn.1002-6819.2017.09.023

TP273; S818.5

A

1002-6819(2017)-09-0180-07

2016-10-20

2017-04-05

江蘇省農(nóng)業(yè)科技自主創(chuàng)新項目 (CX（15）1008)，國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)體系項目（CARS-43-16）

郭彬彬，女，山東濟(jì)南人，主要從事設(shè)施農(nóng)業(yè)環(huán)境控制工程研究。南京 南京農(nóng)業(yè)大學(xué)工學(xué)院，210031。Email：839756251@qq.com

丁為民，男，安徽合肥人，教授，博士生導(dǎo)師，主要從事設(shè)施農(nóng)業(yè)環(huán)境控制工程研究。南京 南京農(nóng)業(yè)大學(xué)工學(xué)院，210031。Email：wmding@njau.edu.cn

郭彬彬，孫愛東，丁為民，施振旦，趙三琴，楊紅兵.種鵝舍環(huán)境智能監(jiān)控系統(tǒng)的研制和試驗[J]. 農(nóng)業(yè)工程學(xué)報，2017，33(9)：180－186. doi：10.11975/j.issn.1002-6819.2017.09.023 http://www.tcsae.org

Guo Binbin, Sun Aidong, Ding Weimin, Shi Zhendan, Zhao Sanqin, Yang Hongbing. Development and experiment of intelligent monitoring system for geese house environment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(9): 180－186. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.09.023 http://www.tcsae.org