基于物聯(lián)網(wǎng)的觀賞魚智能喂養(yǎng)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

梁景普 傅卓軍

(湖南農(nóng)業(yè)大學(xué)信息與智能科學(xué)技術(shù)學(xué)院 湖南 長沙 410128)

0 引 言

近年來，全球各地的觀賞魚市場快速發(fā)展，逐步建立了一個(gè)又一個(gè)完善的觀賞魚市場[1]。而當(dāng)前家中飼養(yǎng)觀賞魚所使用的傳統(tǒng)魚缸需要人為地進(jìn)行換水以及調(diào)節(jié)水溫等，飼主可能會由于缺乏經(jīng)驗(yàn)、沒有時(shí)間等原因無法及時(shí)照顧魚兒，使魚兒生活環(huán)境無法滿足自身需求，導(dǎo)致魚死草枯[2]。目前隨著生活數(shù)字化建設(shè)的快速發(fā)展，智能物聯(lián)已經(jīng)逐步走進(jìn)了人們的生活。實(shí)時(shí)檢測魚缸的相關(guān)數(shù)據(jù)并自動進(jìn)行決策的觀賞魚智能喂養(yǎng)系統(tǒng)悄然誕生。該系統(tǒng)的應(yīng)時(shí)而生，不僅解決了魚兒飼養(yǎng)照料困難等問題，而且還增加了觀賞魚喂養(yǎng)的趣味性。

1 魚缸環(huán)境數(shù)據(jù)與特點(diǎn)

觀賞魚喂養(yǎng)環(huán)境因子主要包括魚缸水溫、水體濁度、溶氧量、TDS值、pH值、NH3濃度等[3]。傳統(tǒng)觀賞魚喂養(yǎng)無法實(shí)時(shí)監(jiān)測魚缸環(huán)境數(shù)據(jù)，只能通過飼主經(jīng)驗(yàn)來維持魚缸中水體參數(shù)的穩(wěn)定。而針對不同的種類的觀賞魚，隨著季節(jié)的不同、生長期的不同，對水體環(huán)境參數(shù)的要求也不同，這對于飼主來說無疑是個(gè)巨大的難題，不僅耗時(shí)耗力，而且還容易出現(xiàn)疏忽。而采用物聯(lián)網(wǎng)結(jié)合機(jī)器視覺技術(shù)，運(yùn)用信息管理模式，使得魚缸水體參數(shù)可通過各類設(shè)備智能調(diào)控，能保證觀賞魚在合適的環(huán)境下生存，不僅省時(shí)省力，還解決了觀賞魚喂養(yǎng)困難等問題，增加了養(yǎng)魚的趣味性[4]。

2 方案設(shè)計(jì)

2.1 系統(tǒng)功能

2.1.1環(huán)境監(jiān)測

系統(tǒng)可在線實(shí)時(shí)監(jiān)測魚缸內(nèi)外環(huán)境數(shù)據(jù)。包括魚缸內(nèi)部溫度、水體濁度、溶氧量、TDS值、pH值、NH3含量以及魚缸外部溫濕度、煙霧濃度、人體紅外監(jiān)測等環(huán)境因子數(shù)據(jù)，以及各類連接設(shè)備的狀態(tài)信息，也可以通過視頻實(shí)時(shí)觀察魚缸中觀賞魚的生長發(fā)育狀態(tài)。魚缸環(huán)境參數(shù)和輔助設(shè)備狀態(tài)的相關(guān)信息，既可以在現(xiàn)場控制系統(tǒng)界面顯示，也可以在app端與Web端獲取。

2.1.2自動養(yǎng)魚

自動養(yǎng)魚功能包含自動投食、水體自凈以及自動溫控。自動投食分為自定義自動投食與默認(rèn)自動投食兩種模式，自定義自動投食是用戶提前設(shè)定好投食時(shí)間，系統(tǒng)自動進(jìn)行投食，默認(rèn)自動投食是系統(tǒng)利用魚態(tài)監(jiān)測識別魚的種類，根據(jù)魚的習(xí)性進(jìn)行投食操作。水體自凈是指觀賞魚智能喂養(yǎng)系統(tǒng)利用TDS水質(zhì)傳感器、pH傳感器以及濁度傳感器實(shí)時(shí)對缸內(nèi)水體的信息進(jìn)行收集分析，判斷當(dāng)前水體是否危害到魚兒，并自動控制具有物理過濾、化學(xué)過濾以及生物過濾的三重過濾系統(tǒng)對水體進(jìn)行清潔。除了可以過濾掉缸內(nèi)的殘餌糞便以外，還能過濾掉在水中溶解的鈣、鎂等重金屬離子和氨、氮、亞硝酸鹽等對觀賞魚有毒有害的物質(zhì)。自動控溫是利用溫度傳感器實(shí)時(shí)對水中的溫度值進(jìn)行收集分析，從而控制加熱棒和水循環(huán)控制缸內(nèi)溫度。

2.1.3魚態(tài)監(jiān)測

本系統(tǒng)使用攝像頭、樹莓派結(jié)合機(jī)器視覺并構(gòu)建相應(yīng)的知識庫與規(guī)則庫來實(shí)現(xiàn)魚態(tài)監(jiān)測的功能。利用卷積神經(jīng)網(wǎng)絡(luò)結(jié)合遷移學(xué)習(xí)對觀賞魚的分類模型進(jìn)行訓(xùn)練，并利用該模型對實(shí)時(shí)的視頻圖像進(jìn)行處理與分析，判斷魚兒的種類并識別魚兒的位置，就可以實(shí)現(xiàn)對魚兒的定位與追蹤[5-7]。最后利用相關(guān)決策算法，根據(jù)魚的行為狀態(tài)推斷其生命狀態(tài)并及時(shí)給予反饋與合理建議。

2.1.4家庭安防

家庭安防包括智能防盜與危險(xiǎn)氣體報(bào)警功能。智能防盜是指觀賞魚智能喂養(yǎng)系統(tǒng)利用人體紅外傳感器結(jié)合攝像頭進(jìn)行人臉檢測，當(dāng)發(fā)現(xiàn)壞人入侵時(shí)會通過樹莓派或GPRS遠(yuǎn)程發(fā)出報(bào)警信息到用戶手機(jī)。危險(xiǎn)氣體報(bào)警是指觀賞魚智能喂養(yǎng)系統(tǒng)利用MQ2煙霧傳感器，實(shí)時(shí)監(jiān)測室內(nèi)易燃有害氣體濃度，當(dāng)易燃有害氣體濃度超出安全閾值時(shí)系統(tǒng)會發(fā)出警報(bào)并通過樹莓派或GPRS遠(yuǎn)程發(fā)送報(bào)警信息到用戶手機(jī)。

2.2 系統(tǒng)總體方案

該系統(tǒng)包括前端硬件感知系統(tǒng)和后臺軟件兩個(gè)部分。前端硬件感知系統(tǒng)部分使用STM32F407ZGT6作為控制中樞，Raspberry Pi 3B+作為服務(wù)器。STM32F4

07ZGT6主要負(fù)責(zé)對下位機(jī)各個(gè)傳感器數(shù)據(jù)的采集與對相關(guān)硬件的控制。樹莓派主要負(fù)責(zé)對所收集的數(shù)據(jù)進(jìn)行初步計(jì)算分析、數(shù)據(jù)的傳遞、攝像頭的控制以及圖片的初步灰度處理。后臺軟件部分由App和Web構(gòu)成。App在AndroidStudio集成開發(fā)環(huán)境下采用Native App開發(fā)模式進(jìn)行開發(fā)，主要負(fù)責(zé)與系統(tǒng)遠(yuǎn)程通信，實(shí)現(xiàn)對魚缸各種環(huán)境參數(shù)顯示與控制以及家庭安防等功能。Web采用B/S結(jié)構(gòu)結(jié)合主流的SpringMVC進(jìn)行開發(fā)，除了提供App的功能外還提供了魚友社交(魚友圈)、魚缸實(shí)時(shí)視頻監(jiān)控、養(yǎng)魚寶典、魚族商店、在線醫(yī)生等功能[8-9]。觀賞魚智能喂養(yǎng)系統(tǒng)框架如圖1所示。

圖1 觀賞魚智能喂養(yǎng)系統(tǒng)框架

2.3 數(shù)據(jù)采集模塊

數(shù)據(jù)采集模塊主要負(fù)責(zé)魚缸內(nèi)外環(huán)境數(shù)據(jù)的采集。包括魚缸內(nèi)部溫度、水體濁度、溶氧量、TDS值、pH值、NH3含量以及魚缸外部溫濕度、煙霧濃度、人體紅外監(jiān)測等數(shù)據(jù)的收集、融合與分析。該模塊主要包括ADC模塊、UART、SPI通信接口和環(huán)境因子傳感器，如DHT11溫濕度傳感器、TDS水質(zhì)傳感器、DS18B20溫度傳感器、pH傳感器、濁度傳感器等。數(shù)據(jù)采集模塊結(jié)構(gòu)如圖2所示。

圖2 觀賞魚智能喂養(yǎng)系統(tǒng)數(shù)據(jù)采集模塊結(jié)構(gòu)圖

2.4 硬件控制模塊

硬件控制模塊主要負(fù)責(zé)控制系統(tǒng)的各硬件模塊。使用STM32F407ZGT6作為控制中樞，分別與定時(shí)器、外部SRAM以及其他外部硬件設(shè)備連接。外部硬件設(shè)備包括系統(tǒng)中的水泵、投食器、加熱棒、增氧泵、蜂鳴器、燈光、顯示屏、TF卡槽和WM8978音樂模塊等。在控制中樞運(yùn)行基于保證通信的實(shí)時(shí)和提高處理觀賞魚喂養(yǎng)環(huán)境數(shù)據(jù)處理效率的嵌入式軟件程序。嵌入式軟件程序分為操作系統(tǒng)和應(yīng)用軟件。其中操作系統(tǒng)選擇了實(shí)時(shí)性高、穩(wěn)定可靠的多任務(wù)μC/OS-II操作系統(tǒng)。應(yīng)用軟件建立在操作系統(tǒng)基礎(chǔ)上，主要完成數(shù)據(jù)存儲、分析、傳輸和硬件設(shè)備控制等。該軟件采用模塊化、多任務(wù)的設(shè)計(jì)思路，極大提高了實(shí)時(shí)監(jiān)控程序執(zhí)行的并發(fā)性。觀賞魚智能喂養(yǎng)系統(tǒng)硬件控制模塊結(jié)構(gòu)如圖3所示。

圖3 觀賞魚智能喂養(yǎng)系統(tǒng)硬件控制模塊結(jié)構(gòu)圖

2.5 魚態(tài)監(jiān)測模塊

魚態(tài)監(jiān)測模塊針對人為地對觀賞魚的生命狀態(tài)進(jìn)行判斷需要耗費(fèi)大量的知識與經(jīng)驗(yàn)且不能及時(shí)準(zhǔn)確診斷觀賞魚生命狀態(tài)并及時(shí)做出反饋這一難題，選擇使用攝像頭、樹莓派結(jié)合機(jī)器視覺并構(gòu)建相應(yīng)的知識庫與規(guī)則庫實(shí)現(xiàn)對觀賞魚行為狀態(tài)的判斷，進(jìn)而利用觀賞魚的行為狀態(tài)實(shí)現(xiàn)對其生命狀態(tài)的推斷與預(yù)測，并及時(shí)反饋與預(yù)警。

此模塊選擇基于卷積神經(jīng)網(wǎng)絡(luò)的觀賞魚分類模型，并結(jié)合遷移學(xué)習(xí)實(shí)現(xiàn)對觀賞魚分類模型的訓(xùn)練[10-12]。整個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型主要構(gòu)成有輸入層、多層卷積層、多層采樣層、多層連接層、輸出層。模型的訓(xùn)練實(shí)質(zhì)上就是全連接層的權(quán)重和卷積濾波器的權(quán)重自主學(xué)習(xí)的過程[13]。本模塊選擇了被廣泛應(yīng)用在圖像特征提取中的VGG16模型的濾波器的權(quán)重，并在其模型上來實(shí)現(xiàn)本次研究的目的[14]。

觀賞魚智能喂養(yǎng)系統(tǒng)采集了常見觀賞魚樣本數(shù)據(jù)集和測式數(shù)據(jù)集。樣本數(shù)據(jù)集利用Tensorflow訓(xùn)練出能夠供識別分類使用的觀賞魚神經(jīng)網(wǎng)絡(luò)模型，測試數(shù)據(jù)集被用來測試觀賞魚神經(jīng)網(wǎng)絡(luò)模型對目標(biāo)觀賞魚的分類準(zhǔn)確度[15]。若被訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)模型達(dá)到預(yù)期分類準(zhǔn)確度，則可以采用該神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)對最終的目標(biāo)觀賞魚的定位與分類。

將獲得的訓(xùn)練模型應(yīng)用到實(shí)際中，由于觀賞魚實(shí)時(shí)視頻拍攝于魚缸外部，拍攝環(huán)境亮度波動較大，而且水中雜質(zhì)對光的散射作用也會使圖像較為模糊，這些因素都會影響觀賞魚神經(jīng)網(wǎng)絡(luò)模型對觀賞魚識別的準(zhǔn)確度，所以本系統(tǒng)將通過將亮度以及清晰度提高的方法盡可能減少亮度低和模糊對觀賞魚識別造成的影響[16]。

本系統(tǒng)選擇伽馬校正法來提高圖像的亮度[17]，公式如下：

Yout=(Yin)g

(1)

式中:Yin為原圖像像素值；Yout為校正后圖像像素值；g為伽馬值。

對于提高清晰度的方法，本系統(tǒng)參考的是基于暗通道先驗(yàn)算法去霧的研究，該研究認(rèn)為霧天拍攝圖片的模糊是由空氣中的雜質(zhì)對光的散射造成的[18]。本文中，水下拍攝圖片的模糊也恰好是由水中的雜質(zhì)對光的散射造成的，于是選擇利用此算法來提高圖片清晰度，計(jì)算公式如下：

(2)

式中：J(x)是待求的無霧圖像；I(x)表示霧圖像；t(x)表示光的透射率；A表示環(huán)境的亮度；t0為一個(gè)接近于0的正數(shù)，用來限制分母的大小，使得t(x)不能太小，因?yàn)檫^小會導(dǎo)致圖片亮的區(qū)域特別亮，暗的區(qū)域特別暗。

之后利用觀賞魚分類模型對經(jīng)處理后的多幀圖像中的觀賞魚進(jìn)行識別與定位，進(jìn)行對觀賞魚行為的判斷，進(jìn)而利用其行為狀態(tài)結(jié)合事先導(dǎo)入的知識庫與規(guī)則庫并基于模糊推理機(jī)實(shí)現(xiàn)對其生命狀態(tài)進(jìn)行推斷與預(yù)測。模糊證據(jù)推理在推理邏輯以及判斷時(shí)的隸屬函數(shù)上都有區(qū)別于經(jīng)典證據(jù)推理。模糊邏輯推理將結(jié)果映射到[0,1]區(qū)間內(nèi)，不同于經(jīng)典邏輯推理的非真即假的二值邏輯，其反映了事物的真假程度。隸屬函數(shù)用于描述前項(xiàng)屬于推理結(jié)果的模糊集合的隸屬度，取值范圍在[0,1]之間，值越大，其隸屬度越高。在本模塊中，采用觀賞魚癥狀與疾病知識庫中癥狀之間的相似性作為隸屬函數(shù)，利用兩者間的歐氏距離作為相似性度量。設(shè)定與知識庫癥狀的相關(guān)性閾值為60%，用來判定觀賞魚患病的可能性。部分規(guī)則產(chǎn)生式如下：

規(guī)則1：若魚為藍(lán)寶石魚，則溫度范圍為20～28 ℃。

規(guī)則2：若魚為巴卡雷龍，則pH值范圍為6.5～7.5。

規(guī)則3：若魚在活躍度高于98%且單位分鐘躍水次數(shù)大于兩次，則發(fā)出魚虱病警報(bào)。

規(guī)則4：若魚連續(xù)浮于水面時(shí)間大于10 min，則發(fā)出氣泡病警報(bào)。

……

模型訓(xùn)練與實(shí)驗(yàn)效果如圖4所示。

圖4 模型訓(xùn)練與實(shí)驗(yàn)效果圖

2.6 決策模塊

系統(tǒng)通過決策模塊實(shí)現(xiàn)系統(tǒng)的智能調(diào)控功能，實(shí)現(xiàn)對觀賞魚生長環(huán)境的穩(wěn)定、安全、高效的管理。主要負(fù)責(zé)有環(huán)境調(diào)控、數(shù)據(jù)收集、狀態(tài)推斷、數(shù)據(jù)傳輸、指令輸出等。其中，環(huán)境調(diào)控實(shí)現(xiàn)根據(jù)觀賞魚的種類自動對環(huán)境因子進(jìn)行閾值設(shè)定、目標(biāo)值設(shè)定與調(diào)控；數(shù)據(jù)收集實(shí)現(xiàn)對數(shù)據(jù)采集模塊的數(shù)據(jù)的接收與保存；狀態(tài)推斷實(shí)現(xiàn)利用采集的數(shù)據(jù)對觀賞魚生命狀態(tài)、魚缸環(huán)境與設(shè)備狀態(tài)進(jìn)行分析與判斷；數(shù)據(jù)傳輸實(shí)現(xiàn)數(shù)據(jù)采集和反饋信息與控制中樞之間的雙向傳輸；指令輸出實(shí)現(xiàn)將決策指令的反饋與響應(yīng)。

該模塊主要由用戶接口、知識獲取機(jī)構(gòu)、解釋機(jī)構(gòu)、數(shù)據(jù)庫、模糊推理機(jī)與模糊知識庫構(gòu)成。

本模塊采用框架與模糊產(chǎn)生式相結(jié)合的方法來實(shí)現(xiàn)知識表示。下面用觀賞魚狀態(tài)來簡單說明：

Rule{S1(N1,C1),S2(N2,C2),…,Sn(Nn,Cn),R(a1,a2)}

Result{R1(M1),R2(M2),…,Rm(Mm)}

由Rule框架和Result框架構(gòu)成上述知識表示，Rule是規(guī)則框架，Result是結(jié)果框架。其中Si(i=1,2,…,n)表示與觀賞魚某事件有關(guān)的條件；Ni(i=1,2,…,n)表示該條件是否為造成該事件的必要條件，是必要條件時(shí)為1，其他時(shí)為0；Ci(i=1,2,…,n)是模糊量詞，取值在[0，1]之間，表示相應(yīng)條件發(fā)生的程度；R表示事件判斷的結(jié)果；a1和a2分別是規(guī)則的閾值和規(guī)則在必要條件下的閾值，取值在[0，1]之間；Ri(i=1,2,…,m)和Mi(i=1,2,…,m)分別表示造成事件的緣由和處理該事件的辦法。

本模塊采用模糊推理，在模糊推理中，因?yàn)橛^賞魚某事件的條件S與證據(jù)S′不一定完全相同，因此在進(jìn)行知識推理時(shí)應(yīng)首先考慮知識的S和S′的相似程度。針對知識的模糊表示，本模塊使用隸屬度來判斷兩個(gè)對象的相似度，隸屬度越大對應(yīng)的兩者也就越相似，兩者的隸屬度超過系統(tǒng)設(shè)定的閾值時(shí)，就判定兩者是模糊匹配的。在本模塊中，采用觀賞魚事件的條件與證據(jù)間的歐氏距離作為兩者的隸屬度。使用如下公式進(jìn)行對歐氏距離的計(jì)算：

(3)

歐氏距離可用來衡量對象之間的相似程度，兩對象越相似對應(yīng)的歐氏距離也就越小[19-20]。因此可選用歐氏距離來實(shí)現(xiàn)對觀賞魚的分類，即通過觀賞魚當(dāng)前狀態(tài)的特征向量與觀賞魚狀態(tài)標(biāo)準(zhǔn)狀態(tài)的特征向量的歐氏距離來對觀賞魚進(jìn)行分類。分類結(jié)束后根據(jù)模塊分類結(jié)果，模塊輸出相關(guān)指令進(jìn)行預(yù)警或反饋。

2.7 可視化顯示模塊

可視化顯示模塊主要負(fù)責(zé)用戶對系統(tǒng)的可視化監(jiān)控。系統(tǒng)通過魚缸觸摸屏或遠(yuǎn)程控制App或Web實(shí)現(xiàn)用戶對系統(tǒng)遠(yuǎn)程控制。用戶操作包括了環(huán)境數(shù)據(jù)可視化、魚缸實(shí)時(shí)監(jiān)控、魚缸設(shè)備控制、環(huán)境參數(shù)設(shè)置、遠(yuǎn)程直播和實(shí)時(shí)調(diào)控等。系統(tǒng)采用AJAX(Web端)圖表實(shí)時(shí)顯示技術(shù)和AngularJS+ionic+H5移動應(yīng)用(App)端)技術(shù)對系統(tǒng)數(shù)據(jù)庫中所采集、分析后的數(shù)據(jù)直觀地展示。采用樹莓派推流工具FFmpeg和流媒體數(shù)據(jù)庫可選及時(shí)展示攝像頭畫面。用戶可在任何地方使用用戶名和密碼或者掃描二維碼進(jìn)入各自系統(tǒng)，實(shí)時(shí)對魚缸進(jìn)行監(jiān)控，不僅解決了魚兒飼養(yǎng)照料的困難等問題，而且也增加了養(yǎng)魚的趣味性[21]。

3 硬件設(shè)計(jì)

實(shí)現(xiàn)觀賞魚智能喂養(yǎng)系統(tǒng)的首要條件是要擁有一個(gè)前端硬件感知系統(tǒng)。本系統(tǒng)需通過多種傳感器實(shí)時(shí)監(jiān)測魚缸內(nèi)外環(huán)境數(shù)據(jù)。包括魚缸內(nèi)部溫度、水體濁度、溶氧量、TDS值、pH值、NH3含量以及魚缸外部溫濕度、煙霧濃度、人體紅外監(jiān)測等環(huán)境因子數(shù)據(jù)。為了調(diào)控魚缸內(nèi)外環(huán)境數(shù)據(jù)，該系統(tǒng)還應(yīng)控制外部硬件設(shè)備。所以，觀賞魚智能喂養(yǎng)系統(tǒng)應(yīng)主要包括系統(tǒng)控制中樞與環(huán)境監(jiān)控模塊等。

3.1 控制中樞

前端硬件感知系統(tǒng)的核心功能是魚缸內(nèi)外環(huán)境數(shù)據(jù)的監(jiān)控與數(shù)據(jù)的傳輸，此次設(shè)計(jì)我們將選擇使用μC/OS-II操作系統(tǒng)的STM32F407ZGT6芯片作為該系統(tǒng)的MCU，它是基于ARM Cortex-M4內(nèi)核的32位高性能微控制器，最高工作頻率可達(dá)168 MHz，供電電壓是1.8～3.6 V。系統(tǒng)中ADC模塊負(fù)責(zé)煙霧傳感器與水體濁度傳感器的數(shù)據(jù)采集，利用單總線實(shí)現(xiàn)水溫傳感器與室內(nèi)溫濕度數(shù)據(jù)采集，利用串口實(shí)現(xiàn)pH傳感器與TDS水質(zhì)傳感器的數(shù)據(jù)采集。而與上位機(jī)通信是通過STM32F407ZGT6芯片的串口分別連接樹莓派以及GPRS完成的，其中起通信主要作用的為樹莓派，GPRS鑒于其成本低與覆蓋范圍廣等特點(diǎn)，選其做通信備用模塊。

3.2 環(huán)境監(jiān)控模塊

前端硬件感知系統(tǒng)主要功能是對魚缸內(nèi)外環(huán)境數(shù)據(jù)實(shí)時(shí)監(jiān)測與控制。此次設(shè)計(jì)根據(jù)測量對象、測量環(huán)境、測量范圍以及傳感器的動靜態(tài)特性綜合考慮選取了空氣溫濕度傳感器、煙霧傳感器、人體紅外傳感器、水溫傳感器、濁度傳感器、溶氧量傳感器、TDS水質(zhì)傳感器、NH3傳感器、pH傳感器以及熒光法溶氧量傳感器，使得魚缸環(huán)境數(shù)據(jù)采集準(zhǔn)確率高于96.538%，使用效果遠(yuǎn)優(yōu)于直觀感知[22]。為了提升觀賞魚喂養(yǎng)系統(tǒng)的自動化水平與養(yǎng)魚趣味性，系統(tǒng)使用自動化控制設(shè)備，主要包括投食裝置、溫控裝置、增氧裝置、水體自凈裝置、燈光以及背景音樂裝置。

投食裝置：通過控制步進(jìn)電機(jī)帶動投食器螺旋桿旋轉(zhuǎn)實(shí)現(xiàn)投食操作。

溫控裝置：通過控制加熱棒與水循環(huán)系統(tǒng)對魚缸溫度進(jìn)行調(diào)控。

增氧裝置：通過控制增氧泵抽取空氣進(jìn)行對魚缸充氧保證魚缸含氧量。

水體自凈裝置：通過水泵結(jié)合物理過濾、化學(xué)過濾和生物過濾實(shí)現(xiàn)對魚缸水體質(zhì)量的保證。

燈光控制裝置：一種照明設(shè)備，用于為魚缸照明。

背景音樂裝置：通過WM8978音樂模塊實(shí)現(xiàn)背景音樂功能。

4 軟件設(shè)計(jì)

4.1 數(shù)據(jù)庫設(shè)計(jì)

系統(tǒng)上位機(jī)與下位機(jī)的正常運(yùn)行離不開系統(tǒng)的數(shù)據(jù)庫，安全可靠的系統(tǒng)數(shù)據(jù)庫對整個(gè)系統(tǒng)的運(yùn)作會產(chǎn)生良性的影響。因此觀賞魚智能喂養(yǎng)系統(tǒng)數(shù)據(jù)庫選擇基于SQLServer設(shè)計(jì)，利用SQL程序做好優(yōu)化，保證數(shù)據(jù)庫具備超前性，為后期系統(tǒng)優(yōu)化預(yù)留功能。根據(jù)既定的功能設(shè)計(jì)包括傳感器數(shù)據(jù)庫、系統(tǒng)數(shù)據(jù)庫和知識數(shù)據(jù)庫三個(gè)部分。觀賞魚智能喂養(yǎng)系統(tǒng)數(shù)據(jù)庫結(jié)構(gòu)如表1所示。

表1 觀賞魚智能喂養(yǎng)系統(tǒng)數(shù)據(jù)庫結(jié)構(gòu)表

4.1.1傳感器數(shù)據(jù)庫

系統(tǒng)要對魚缸內(nèi)環(huán)境因子進(jìn)行監(jiān)控，隨時(shí)了解觀賞魚環(huán)境狀態(tài)，提高設(shè)備管理效率。為此設(shè)計(jì)了傳感器數(shù)據(jù)庫，傳感器數(shù)據(jù)庫包含9個(gè)子庫，為室內(nèi)溫濕度數(shù)；水溫?cái)?shù)據(jù)傳感器；pH值數(shù)據(jù)；TDS數(shù)據(jù)；水體濁度數(shù)據(jù)；人體紅外數(shù)據(jù)；煙霧數(shù)據(jù)；NH3數(shù)據(jù)；溶氧量數(shù)據(jù)，用于收集前端硬件感知系統(tǒng)所采集的數(shù)據(jù)。

4.1.2系統(tǒng)數(shù)據(jù)庫

系統(tǒng)數(shù)據(jù)庫必須從系統(tǒng)實(shí)際需求出發(fā)，合理整理數(shù)據(jù)信息，避免數(shù)據(jù)冗余或遺漏。為此設(shè)計(jì)了系統(tǒng)數(shù)據(jù)庫，系統(tǒng)數(shù)據(jù)庫包含系統(tǒng)中的用戶信息、傳感器信息、設(shè)備信息、各設(shè)備的運(yùn)行狀態(tài)、系統(tǒng)日志以及歷史數(shù)據(jù)等。它關(guān)系到系統(tǒng)的性能、穩(wěn)定性以及擴(kuò)展能力。

4.1.3知識數(shù)據(jù)庫

通過查閱文獻(xiàn)和咨詢專家，獲得觀賞魚喂養(yǎng)方面的知識和相關(guān)問題的解決方案并構(gòu)建相關(guān)規(guī)則庫，將規(guī)則選用產(chǎn)生式進(jìn)行表示。建立觀賞魚喂養(yǎng)預(yù)測及決策的數(shù)學(xué)決策模型。

4.2 Web與Android設(shè)計(jì)

采用了注解式的SpringMVC進(jìn)行網(wǎng)站的搭建，制作瀏覽器使用和客戶端使用的兩套界面[9]。

Web部分采用JQuery+Ajax異步請求實(shí)現(xiàn)數(shù)據(jù)，采用心跳定時(shí)請求獲取數(shù)據(jù)的方式，保證用戶得到及時(shí)的數(shù)據(jù)。界面使用BootStrap+ECharts組合以適應(yīng)不同屏幕同時(shí)實(shí)現(xiàn)美觀效果以確保用戶的舒適體驗(yàn)。

Android客戶端部分采用ionic編寫界面，采用AngularJs獲取服務(wù)端數(shù)據(jù)，使用Javascript對應(yīng)Service編寫不同腳本。

5 結(jié) 語

隨著物聯(lián)網(wǎng)和機(jī)器視覺等新型技術(shù)的不斷發(fā)展，新型物聯(lián)網(wǎng)已成為傳統(tǒng)農(nóng)業(yè)養(yǎng)殖向信息數(shù)據(jù)化農(nóng)業(yè)養(yǎng)殖的助推器[23]。本文針對觀賞魚傳統(tǒng)魚缸喂養(yǎng)模式過程繁瑣以及環(huán)境信息難以調(diào)控問題，提出了一種觀賞魚智能喂養(yǎng)系統(tǒng)。該系統(tǒng)運(yùn)用物聯(lián)網(wǎng)與機(jī)器視覺等技術(shù)，不僅實(shí)現(xiàn)了對觀賞魚環(huán)境的溫度、水體濁度、溶氧量、TDS值、pH值等環(huán)境因子的遠(yuǎn)程實(shí)時(shí)監(jiān)測與調(diào)控，還利用攝像頭實(shí)現(xiàn)對觀賞魚的定位與分類，實(shí)現(xiàn)根據(jù)魚兒運(yùn)動狀態(tài)進(jìn)而推斷出魚兒的生命狀態(tài)，通過事先構(gòu)建知識數(shù)據(jù)庫實(shí)現(xiàn)觀賞魚智能喂養(yǎng)系統(tǒng)智能化決策與預(yù)警等功能。通過在長沙兩家水族公司的示范與應(yīng)用，初步實(shí)現(xiàn)了標(biāo)準(zhǔn)化生產(chǎn)作業(yè)的管理要求，驗(yàn)證了該系統(tǒng)觀賞魚養(yǎng)殖方法的可靠性，證明其具有較高的實(shí)際應(yīng)用價(jià)值，有著良好的應(yīng)用前景及提升空間。