劉艷昌，趙海生，李澤旭，張志霞，左現(xiàn)剛，李國厚

(河南科技學院信息工程學院，河南新鄉(xiāng)，453003)

0 引言

隨著生豬養(yǎng)殖規(guī)模的擴大，傳統(tǒng)人工巡檢方式對生豬生活環(huán)境、健康狀態(tài)和日常行為進行采樣、監(jiān)視、識別與診斷，不僅管理控制效率低，而且由于飼養(yǎng)員的時間精力限制很容易忽視養(yǎng)殖過程中的一些異常環(huán)境和異常行為表現(xiàn)，導致生豬發(fā)病率和死亡率較高，同時過多人畜接觸不僅會使生豬發(fā)生應激反應、打亂生豬日常的生活狀態(tài)而且還造成人畜疾病交叉感染，一旦出現(xiàn)疫情失控，會給整個養(yǎng)殖企業(yè)帶來嚴重經濟損失[1-4]。

為了提高生豬養(yǎng)殖企業(yè)的智能化和精準化管理水平，王輝明等[5]設計一種基于ZigBee和組態(tài)王軟件的養(yǎng)豬場環(huán)境監(jiān)控系統(tǒng)，采用模糊算法對被控參數(shù)進行優(yōu)化，控制精度小于4%；譚輝磊等[6]提出一種基于輪廓的豬只飲水行為識別方法，能夠正確地識別豬只飲水行為，但識別效率還待提高；王傳哲等[7]提出了一種基于姿態(tài)角的生豬行為識別方法，采用微慣性傳感器和BP神經網絡訓練模型對生豬站、走、臥、趟4類姿態(tài)進行識別，整體生豬行為識別準確率為92.6%；吳世海等[8]設計一種基于機器視覺技術的豬只行為活動無接觸識別系統(tǒng)，僅通過單一CCD相機采集視頻圖像信息對豬的運動、呼吸和排泄等行為活動進行識別，準確率在94%以上，但在綜合利用多感知信息診斷生豬健康行為識別與異常行為評估與處理方面研究較少。黎煊等[9]采用基于豬場環(huán)境豬連續(xù)咳嗽聲識別的方法，構建了基于連續(xù)語音識別技術的BLSTM-CTC豬咳嗽聲識別模型，總識別率達到94.29%。

綜上所述，現(xiàn)有多數(shù)研究者僅對豬舍內固定位置生豬生長環(huán)境和豬只日常行為進行檢測，難以從多個角度實現(xiàn)對生豬生長異常環(huán)境精準調控和異常行為準確識別、疾病診斷與疫情預警。為此，本文設計了一種以軌道式移動機器人為采集終端，以FPGA、STM32控制器，兩級聯(lián)動采樣裝置、射頻和WiFi傳輸模塊為硬件核心，以C#監(jiān)控軟件為開發(fā)平臺，采用多感知傳感技術和DT-SVM[10]豬只姿態(tài)分類識別算法實現(xiàn)對生豬養(yǎng)殖環(huán)境和豬只行為特征信息的自動采集，結合管理人員、養(yǎng)殖專家經驗和大數(shù)據(jù)技術實現(xiàn)對生豬異常環(huán)境及時調控、異常行為快速識別、疾病診斷與疫情預警功能，提高了生豬養(yǎng)殖過程的智能化管理水平。

1 系統(tǒng)整體結構與工作原理

系統(tǒng)主要由移動終端監(jiān)測平臺，執(zhí)行機構平臺和行為監(jiān)測平臺組成，其結構如圖1所示。

圖1 系統(tǒng)硬件結構圖Fig.1 Hardware block diagram of system

系統(tǒng)在手動控制下，管理人員利用攝像頭、現(xiàn)場觸摸屏、PC或APP監(jiān)控界面上操作按鈕控制機器人沿豬舍正上方軌道進行巡檢，借助采集執(zhí)行終端全局和局部監(jiān)測裝置對異常環(huán)境和豬只行為進行采集，經FPGA控制器數(shù)據(jù)融合處理后傳至PC，以便管理人員對異常信息進行分析、判斷，及時對異常情況進行處理。

系統(tǒng)在自動控制下，機器人按照管理人員在監(jiān)控室PC或APP上預先設定路徑進行巡檢，當安裝在圖2(a)采集移動終端底盤前半部分中間位置的采集站點定位讀卡器檢測到豬舍標簽信息后，電機停止轉動，同時安裝在豬舍軌道兩側上的限位開關打開，確保巡檢機器人停在豬舍中間正上方位置，借助圖2(b)采集執(zhí)行終端的全局監(jiān)測裝置對豬舍環(huán)境和豬只行為進行監(jiān)測，若有異常情況，圖2(b)采集執(zhí)行終端上的局部監(jiān)測裝置將驅動底座旋轉機構、機械臂及轉軸向異常處靠近，結合局部攝像機和執(zhí)行末端感知傳感器從多角度對異常環(huán)境和豬只行為進行詳細采集和觀察，并以無線方式將異常信息、豬舍位置和豬只身份傳至行為監(jiān)測平臺，結合大數(shù)據(jù)、養(yǎng)殖專家和飼養(yǎng)技術人員經驗對異常情況進行綜合診斷，及時確定生豬健康/疫情狀況變化規(guī)律，為飼養(yǎng)人員及早發(fā)現(xiàn)養(yǎng)殖過程中的異常狀況和科學決策提供科學依據(jù)。生豬健康養(yǎng)殖智能采樣裝置如圖2所示。

(a)采集移動終端

2 系統(tǒng)硬件設計

2.1 環(huán)境采集電路設計

豬舍溫濕度采集采用單總線通信方式的AM2320檢測模塊，為提高數(shù)據(jù)傳輸抗干擾能力，確保總線空閑時為高電平，在SDA引腳上外接1K的上拉電阻；豬舍二氧化碳、氨氣和硫化氫有害氣體含量檢測分別采用低功耗S8-0053型紅外CO2檢測模塊、MQ-137型NH3檢測模塊和MQ-136型H2S檢測模塊；豬舍粉塵含量采用激光粉塵檢測模塊SDS011，可測量舍內PM2.5和PM10粉塵濃度。檢測環(huán)境參數(shù)檢測電路如圖3所示。

圖3 環(huán)境參數(shù)檢測電路圖Fig.3 Environmental parameter detection circuit diagram

2.2 運動與體特征采集電路設計

豬只運動行為采用I2C通信方式的ADXL345型三軸加速度傳感器實現(xiàn)姿態(tài)識別；豬只體溫和心率分別采用單總線和I2C通信方式的DS18B20和MAX30102型傳感器實現(xiàn)體特征參數(shù)檢測；采集數(shù)據(jù)通過WiFi模塊HC-05傳至FPGA控制器數(shù)據(jù)處理中心進行數(shù)據(jù)融合。運動和體特征采集檢測電路如圖4所示。

圖4 運動和體特征采集電路圖Fig.4 Motion and body feature acquisition circuit diagram

2.3 移動執(zhí)行終端電路設計

機器人移動底盤安裝JY-L8800型讀卡器與豬舍軌道標簽配合實現(xiàn)定位識別功能，通過MAX232實現(xiàn)RS232電平與TLL電平轉換，并傳至FPGA控制器進行數(shù)據(jù)處理；為提高FPGA控制器的驅動能力，在輸出端口通過反相器74HC06接到驅動電路輸入端；為避免驅動電路對FPGA控制器輸出信號的干擾，在FPGA控制器和電機驅動電路LN298間通過TLP521實現(xiàn)光電連接；為消除電機在啟停、制動及換向時產生的反電動勢對驅動電路損壞，采用8個1N5822(D1～D8)高速大電流肖特基二極管構成驅動器保護電路[11]。機器人巡檢速度控制通過FPGA控制器端口Pin_42和Pin_43輸出的PWM脈沖占空比來實現(xiàn)。機器人移動終端控制電路如圖5所示。

圖5 機器人移動終端控制電路圖Fig.5 Robot mobile terminal control circuit

3 系統(tǒng)軟件設計

3.1 模糊PID控制器設計

為實現(xiàn)移動機器人沿預定軌道準確、快速自主循跡和數(shù)據(jù)采集功能，該系統(tǒng)結合移動底盤讀卡器、豬舍軌道上安裝的RFID感應卡和限位開關實現(xiàn)采集站點準確定位。采用模糊PID控制算法[12-13]對機器人底盤主動輪電機進行差速控制，實現(xiàn)對全向導引和定位性能優(yōu)化。模糊PID控制器如圖6所示。

圖6 模糊PID控制器Fig.6 Fuzzy PID controller

為提高PID控制器的魯棒性和減少FPGA控制器運算能力，PID控制器采用增量式PID控制，其表達式[14-15]為

u(k)=u(k-1)+KP[e(k)-e(k-1)]+

KIe(k)+KD[e(k)-2e(k-1)+e(k-2)]

(1)

e(k)=r(k)-y(k)

(2)

式中：u(k)——PID控制器的輸出；

r(k)——給定的期望位置；

y(k)——機器人實際停靠位置；

e(k)——偏差信號。

根據(jù)模糊PID控制原理，構建機器人巡檢和定位功能的模糊控制器需要以下3個步驟。

1)根據(jù)機器人巡檢與定位控制特點，該系統(tǒng)采用二維輸入三維輸出的模糊控制方法。結合環(huán)境參數(shù)和豬只行為采集實際情況、定位偏差經驗，確定輸入輸出變量的各參數(shù)論域見表1。為提高系統(tǒng)控制器的靈敏度和穩(wěn)定性，各模糊語言變量的隸屬度函數(shù)選擇三角函數(shù)。

表1 輸入輸出變量關系表Tab.1 Input and output variable relation table

2)根據(jù)飼養(yǎng)員對機器人的控制經驗和定位偏差，結合輸入輸出量的模糊子集，建立PID系數(shù)增量ΔKP、ΔKI、ΔKD的模糊控制規(guī)則見表2。

表2 ΔKP、ΔKI、ΔKD的模糊控制規(guī)則表Tab.2 ΔKP、ΔKI、ΔKD fuzzy control rule table

3)為實現(xiàn)巡檢機器人電機差速控制，必須把模糊量精確化。為了達到系統(tǒng)控制精度、靈敏性要求，這里采用加權平均法作為精確化方式，其計算公式

(3)

式中：uo——精確控制量；

ui——論域中的第i個元素；

μ(ui)——對應的隸屬度。

再經量化因子運算后，得出參數(shù)變化量ΔKP、ΔKI、ΔKD的值，最后將最佳控制參數(shù)KP=KP0+ΔKP；KI=KI0+ΔKI；KD=KD0+ΔKD代入式(1)，控制電機驅動模塊輸出不同占空比PWM波控制主動輪電機轉速，結合射頻讀卡器、定位標簽和限位開關實現(xiàn)巡檢機器人快速、精準、?？慷ㄎ还δ堋?/p>

3.2 下位機軟件設計

基于Quartus II 15.0開發(fā)環(huán)境，采用verilog HDL語言對機器人采集終端和現(xiàn)場各執(zhí)行機構驅動電路進行模塊化編程，結合巡檢路徑規(guī)劃算法、模糊PID電機調速控制算法和視頻處理技術實現(xiàn)巡檢機器人的準確停靠、環(huán)境參數(shù)精準調控和異常情況快速采集與診斷等功能。采集站點控制程序流程如圖7所示。

圖7 采集站點控制程序流程圖Fig.7 Collection site control program flow chart

3.3 無線傳輸網絡軟件設計

打開PC或APP端監(jiān)控軟件，WiFi與機器人采集站點和執(zhí)行機構的IP和端口號連接成功后，采集站點將采集的豬只聲音、編號、體溫、心率和姿態(tài)數(shù)據(jù)進行融合，并通過WiFi傳輸模塊HC-05傳至監(jiān)控中心，結合WiFi視頻傳輸模塊RT5305F上傳的視頻圖像對豬只健康狀態(tài)進行診斷、評估，對環(huán)境調控執(zhí)行機構進行控制。采集站點網絡傳輸流程如圖8所示。

圖8 采集站點網絡傳輸設計流程圖Fig.8 Flow chart of network transmission design of collection site

3.4 上位機軟件設計

監(jiān)控室PC通過Visual Studio2016開發(fā)平臺[16]對系統(tǒng)進行搭建，采用.NET Framework4.0框架對系統(tǒng)進行配置，采用C#語言、SQL Server數(shù)據(jù)庫等工具設計了一種基于機器人的生豬健康養(yǎng)殖智能監(jiān)控系統(tǒng)。自動模式下，飼養(yǎng)人員借助PC監(jiān)控界面或手機APP實現(xiàn)對生豬養(yǎng)殖環(huán)境、日常行為的遠程實時監(jiān)測、信息查詢和執(zhí)行機構控制等功能；手動模式下，當Wi-Fi連接成功后，輸入采集機器人對應IP地址和端口號，點擊連接網絡按鈕連接成功后，飼養(yǎng)人員可以對機器人巡檢路徑、采集站點、延時時間、車速等參數(shù)和運行狀態(tài)進行控制。圖9為生豬養(yǎng)殖采樣站點調控界面，圖9中飼養(yǎng)人員按正序巡檢路徑對采集站點進行設置，若采樣機器人到達設置停靠站點2、4、6、8時對應站點上紅色指示燈閃爍，當采樣延時時間結束時變?yōu)榫G色，然后按照預先設定路徑繼續(xù)行走與采樣。

圖9 生豬養(yǎng)殖采樣站點調控界面Fig.9 Control interface of pig breeding sampling station

為了獲取準確的異常信息，監(jiān)控PC結合采集站點位置，借助局部監(jiān)測裝置攜帶高清攝像機、環(huán)境感知傳感器、智能耳標(體溫、心率、運動檢測傳感器)和云臺操作按鈕控制360°旋轉底座和180°二級機械臂旋轉機構實現(xiàn)對局部異常環(huán)境采集、異常豬只圖片抓取和異常行為錄像等功能。監(jiān)控PC機結合多感知信息融合技術和模糊PID控制算法實現(xiàn)對異常環(huán)境精準調控，結合豬只行為特征、飼養(yǎng)人員、養(yǎng)殖專家經驗和大數(shù)據(jù)分析技術實現(xiàn)對豬只異常行為的分析、診斷、評估與預警功能。同時飼養(yǎng)人員也可以結合豬只行為和生長態(tài)勢施行科學養(yǎng)殖管理和疾病預防，克服傳統(tǒng)人工巡檢效率低、經驗不足，錯過最佳預防、治療時期，減少疾病對生豬品質和產量的影響，提高生豬異常識別的實時性和準確性，為生豬養(yǎng)殖業(yè)健康養(yǎng)殖和疾病預防提供科學依據(jù)。生豬健康養(yǎng)殖智能化監(jiān)控界面如圖10所示。

圖10 生豬健康養(yǎng)殖智能化監(jiān)控界面Fig.10 Intelligent monitoring interface for healthy pig breeding

4 試驗與結果分析

為驗證該系統(tǒng)的穩(wěn)定性和可靠性，以某養(yǎng)殖基地為測試現(xiàn)場，隨機選取12個保育豬舍并以生長環(huán)境溫濕度、光照強度、CO2、NH3和H2S濃度參數(shù)為試驗對象，分析自動控制模式下，系統(tǒng)精準調控效果。各保育豬舍內環(huán)境參數(shù)設置為：溫度23 ℃，濕度65% RH，光照強度1 200 lx，CO2濃度1 000 mg/m3，NH3濃度10 mg/m3，H2S濃度7 mg/m3。表3為24 h內保育豬舍空氣環(huán)境參數(shù)變化情況，其中隨機采集保育豬舍號時間間隔為2 h。

由表3試驗采集數(shù)據(jù)與豬舍設定參數(shù)值對比可知：24 h內樣本采集的溫度、濕度和光照強度平均值分別為23.008 ℃、65.2 %RH和1 202.08 lx，其溫度、濕度和光照強度偏差分別控制在±0.8 ℃、±2.5 % RH和±30 lx范圍內；24 h內采集CO2最大濃度值為876 mg/m3，NH3最大濃度值為8.0 mg/m3，H2S最大濃度值為5.6 mg/m3，均低于國家規(guī)定保育豬舍有害氣體CO2濃度為1 300 mg/m3，NH3濃度為20 mg/m3，H2S濃度為8 mg/m3的行業(yè)標準。為克服每天早晚7:00左右對豬舍進行清糞造成短時間內NH3、H2S濃度過大問題，系統(tǒng)結合環(huán)境調控融合算法適當加大舍內通風量，保證豬只長期處于最適應生長環(huán)境。

表3 24 h內保育豬舍空氣質量參數(shù)變化情況Tab.3 Variation of air quality parameters of nursery piggery in 24 hours

為驗證模糊PID控制算法對導軌式移動機器人采集豬舍樣本的定位精度，系統(tǒng)設有高、中和低三種速度運行模式，若相鄰采集站號與當前采集站號進行比較，當差值大于等于4站、等于2站或3站和等于1站時分別啟動高速(0.5 m/s)、中速(0.25 m/s)和低速(0.1 m/s)運行模式。試驗過程中，隨機抽取10次機器人實際停車中心位置和定位地標(射頻標簽)位置偏差進行測量、記錄，且每次測量完后均返回初始站點。表4為不同速度模式下的停車定位精度。

由表4可知高速(0.5 m/s)、中速(0.25 m/s)和低速(0.1 m/s)運行模式下停車定位誤差分別控制在3≤|ΔSH|≤12 mm、|ΔSM|≤6 mm、|ΔSL|≤3 mm范圍內，測試過程中機器人底盤中心位置攜帶讀卡器能夠準確識別定位標簽信息，并能結合導軌上限位開關快速、平穩(wěn)做出停車動作，且沒有發(fā)生脫軌、卡軌道現(xiàn)象，整體定位誤差控制在±12 mm范圍內，因此，系統(tǒng)采用模糊PID控制算法能夠滿足豬舍樣本采集站的停車定位精度，為快速、準確獲取豬舍環(huán)境參數(shù)、豬只個體特征和異常行為狀態(tài)信息提供保障。

表4 不同速度模式下的停車定位精度Tab.4 Precision of parking location under different speed mode

為驗證DT-SVM融合算法對豬只行為分類可行性，將系統(tǒng)得到的咳嗽、飲食、站立等8種行為特征向量送入Matlab仿真平臺，利用LibSVM工具箱對特征向量進行計算，并將分類結果轉化數(shù)據(jù)見表5所示。

由表5可知，側臥和犬坐兩種行為識別準確率較高，主要原因是生豬運動波動小容易識別；站立、饑餓兩種行為識別準確率較低，主要原因是生豬站立、饑餓、正臥運動行為對應三軸加速度數(shù)據(jù)特征值較為接近導致。系統(tǒng)平均豬只運動行為辨識準確率為93.5%，達到豬只行為分類辨識目的。

表5 豬只行為識別分類結果Tab.5 Classification results of pig behavior recognition

為快速、準確顯示豬只日常行為，行為監(jiān)測平臺結合豬只姿態(tài)辨識結果和豬只體表特征參數(shù)將當天豬只姿態(tài)持續(xù)時間與相鄰前七天更新統(tǒng)計數(shù)據(jù)進行比較[17]，當豬只體溫和心率均為正常時，數(shù)據(jù)相對差為20%以內為正常，相對差為20%～40%為一般，相對差為40%～60%為異常，相對差為60%以上為嚴重異常；當豬只體溫或心率參數(shù)不正常時，豬只行為至少為異常。同時后臺數(shù)據(jù)庫對異常豬只行為進行醒目標注，以便提醒飼養(yǎng)技術人員對異常豬只及時處理，為疾病預防提供科學依據(jù)。豬只行為評價數(shù)據(jù)見表6所示。

表6 豬只行為識別評價數(shù)據(jù)Tab.6 Pig behavior evaluation data

5 結論

1)開發(fā)基于機器人的生豬健康養(yǎng)殖智能監(jiān)控系統(tǒng)能夠借助監(jiān)控PC或手機APP設定巡檢路徑依次對生豬生長過程和行為特征實時在線監(jiān)測。隨機抽取12個樣本對溫濕度、光照、CO2、NH3和H2S濃度環(huán)境參數(shù)進行測試，溫濕度、光照誤差分別控制在±0.8 ℃、±2.5% RH、±30 lx范圍內，參數(shù)波動范圍較小，CO2、NH3和H2S有害氣體濃度分別控制在876 mg/m3、8.0 mg/m3和5.6 mg/m3范圍內，能夠為生豬健康提供適宜的生長環(huán)境。

2)結合導軌、RFID定位和模糊PID控制算法設計一種基于導軌式移動機器人二級聯(lián)動采集裝置，能夠實現(xiàn)機器人沿設定路徑準確、快速自主采樣功能。隨機抽取10個樣本采集點分別以高速(0.5 m/s)、中速(0.25 m/s)和低速(0.1 m/s)三種運行模式對導軌式移動機器人的定位精度和穩(wěn)定性進行測試，定位誤差分別控制在3≤|ΔSH|≤12 mm、|ΔSM|≤6 mm、|ΔSL|≤3 mm范圍內，整體定位誤差控制在±12 mm范圍內，且整個試驗過程中沒有發(fā)生跑偏、卡軌道現(xiàn)象，為快速、準確獲取生豬生長環(huán)境和行為特征信息提供保障。

3)融入音頻、運動傳感器三軸姿態(tài)采集特征數(shù)據(jù)，采用豬只行為識別TD-SVM融合分類算法，并結合豬只體特征(體溫、心率)和環(huán)境感知多源融合算法實現(xiàn)豬只站立、咳嗽等8種行為姿態(tài)識別，整體識別正確率為93.5%，可為飼養(yǎng)人員進一步分析生豬健康狀況提供數(shù)據(jù)支持。