【摘要】：隨著蔬菜種植業(yè)與水產(chǎn)養(yǎng)殖業(yè)的不斷發(fā)展,越來(lái)越多的農(nóng)業(yè)生產(chǎn)者選擇了結(jié)合蔬菜水培和水產(chǎn)養(yǎng)殖兩種農(nóng)業(yè)生產(chǎn)技術(shù)的魚(yú)菜共生生產(chǎn)方式。但是魚(yú)菜共生的管理過(guò)程較為復(fù)雜,需要嚴(yán)密監(jiān)控環(huán)境參數(shù),并做出相關(guān)環(huán)境參數(shù)調(diào)控,以維持魚(yú)菜共生生態(tài)系統(tǒng)的穩(wěn)定。在這種背景下,引入物聯(lián)網(wǎng)、互聯(lián)網(wǎng)和移動(dòng)網(wǎng)絡(luò)自動(dòng)監(jiān)測(cè)調(diào)控環(huán)境參數(shù),使魚(yú)菜生長(zhǎng)在最適宜的環(huán)境里,有利于提高蔬菜和魚(yú)類(lèi)的產(chǎn)量。因此,本文在總結(jié)國(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,針對(duì)魚(yú)菜共生自動(dòng)化程度較低、管理復(fù)雜等問(wèn)題,設(shè)計(jì)了魚(yú)菜共生水質(zhì)環(huán)境智能測(cè)控系統(tǒng)。1.通過(guò)閱讀大量魚(yú)菜共生測(cè)控系統(tǒng)相關(guān)文獻(xiàn)和實(shí)時(shí)調(diào)研,分析了系統(tǒng)的用戶需求、魚(yú)菜生長(zhǎng)環(huán)境需求、功能需求和非功能性需求,并給出了系統(tǒng)的總體方案設(shè)計(jì)。2.分析處理魚(yú)菜共生試驗(yàn)數(shù)據(jù),研究構(gòu)建了基于TensorFlow框架的魚(yú)菜共生水質(zhì)溶解氧DNNR預(yù)測(cè)模型,可準(zhǔn)確預(yù)測(cè)魚(yú)菜共生水體中未來(lái)半小時(shí)的溶解氧數(shù)據(jù),經(jīng)測(cè)試溶解氧預(yù)測(cè)值與真實(shí)值誤差在±0.5mg/L范圍內(nèi)。3.本文采用層次化設(shè)計(jì),對(duì)魚(yú)菜共生水質(zhì)環(huán)境智能測(cè)控系統(tǒng)進(jìn)行硬件設(shè)計(jì)。分別選擇了環(huán)境感知的水質(zhì)傳感器、設(shè)備控制的STC-102控制終端、數(shù)據(jù)傳輸?shù)腞S485通訊串口和4G網(wǎng)絡(luò)模塊以及人機(jī)交互的工業(yè)平板電腦,完成了系統(tǒng)的基本硬件組成。4.通過(guò)軟件的C/S架構(gòu)模型將軟件設(shè)計(jì)分為服務(wù)器安全傳輸設(shè)計(jì)、軟件功能設(shè)計(jì)和數(shù)據(jù)庫(kù)設(shè)計(jì)。服務(wù)器安全傳輸模塊分別使用系統(tǒng)遠(yuǎn)程測(cè)控軟件和現(xiàn)場(chǎng)測(cè)控軟件作為C/S模型的客戶端和服務(wù)器端,使用面向連接的TCP模型來(lái)實(shí)現(xiàn)信息的交互;從現(xiàn)場(chǎng)測(cè)控軟件和遠(yuǎn)程測(cè)控軟件的幾個(gè)主要功能模塊進(jìn)行軟件功能的詳細(xì)設(shè)計(jì);選取MySQL作為系統(tǒng)的數(shù)據(jù)庫(kù)完成數(shù)據(jù)實(shí)體E-R圖、數(shù)據(jù)表和數(shù)據(jù)訪問(wèn)接口三個(gè)部分的設(shè)計(jì)。5.在完成預(yù)測(cè)模型構(gòu)建和軟硬件設(shè)計(jì)的基礎(chǔ)上,使用Java語(yǔ)言開(kāi)發(fā)基于SSM框架的現(xiàn)場(chǎng)測(cè)控軟件和遠(yuǎn)程PC機(jī)客戶端軟件,完成魚(yú)菜共生環(huán)境數(shù)據(jù)的采集、上傳和設(shè)備的智能或遠(yuǎn)程調(diào)控。經(jīng)魚(yú)菜共生試驗(yàn)測(cè)試表明,該系統(tǒng)運(yùn)行穩(wěn)定可靠,對(duì)環(huán)境參數(shù)的監(jiān)測(cè)實(shí)時(shí)性和準(zhǔn)確性較高,對(duì)參數(shù)調(diào)控即時(shí)穩(wěn)定,符合預(yù)期目標(biāo),證明本文所做工作是切實(shí)有效的。魚(yú)菜共生水質(zhì)環(huán)境智能測(cè)控系統(tǒng)的研究,有助于提高現(xiàn)代農(nóng)業(yè)生產(chǎn)中數(shù)據(jù)采集的實(shí)時(shí)準(zhǔn)確性、數(shù)據(jù)傳輸?shù)陌踩煽啃砸约霸O(shè)備控制的即時(shí)性,對(duì)農(nóng)業(yè)自動(dòng)化和智能化發(fā)展具有重要的推動(dòng)意義。
【圖文】：

試驗(yàn)選取的 6 個(gè)水質(zhì)參數(shù)中，溶解氧的含量高低對(duì)魚(yú)菜共生的影響最大，，且溶在一天內(nèi)變化較為劇烈，夜間魚(yú)菜共生水體經(jīng)常處于低氧或缺氧狀態(tài)，非常容菜生長(zhǎng)，嚴(yán)重時(shí)甚至可能造成羅非魚(yú)大片死亡。當(dāng)系統(tǒng)監(jiān)測(cè)到溶解氧低于 5m開(kāi)啟增氧泵，增氧的速度較慢，溶解氧需要較長(zhǎng)的時(shí)間增長(zhǎng)合適的范圍內(nèi)。為非魚(yú)長(zhǎng)時(shí)間處于低氧狀態(tài)，本文構(gòu)建了 DNNR 溶解氧預(yù)測(cè)模型，預(yù)測(cè)未來(lái)半小的含量，可以提前開(kāi)啟增氧。數(shù)據(jù)分析與處理本文選取的監(jiān)測(cè)數(shù)據(jù)時(shí)間長(zhǎng)度為 2018 年 10 月 17 日到 2018 年 10 月 24 日，均監(jiān)測(cè)得到，數(shù)據(jù)采集間隔為 30min，共獲取 337 條監(jiān)測(cè)數(shù)據(jù)，監(jiān)測(cè)數(shù)據(jù)共包含，分別為水體溫度（℃）、電導(dǎo)率（ds/m）、pH、溶解氧含量（mg/L）、氨氮含量（m酸鹽含量（mg/L），其中溶解氧為預(yù)測(cè)特征，另外 5 個(gè)為輸入特征。監(jiān)測(cè)數(shù)據(jù)圖 6 所示。

圖 8 DNNR 模型訓(xùn)練損失值曲線Fig.8 DNNR model training loss value curve圖 8 中可以看出，雖然訓(xùn)練初始損失值較大，但在 1000 次迭代后迅速降在一次波動(dòng)后逐漸趨于平穩(wěn)，最后模型訓(xùn)練損失值收斂于 0.189。種模型性能對(duì)比展現(xiàn)所選深度回歸模型（DNNR）相對(duì)其他常用回歸模型用于魚(yú)菜共生水控系統(tǒng)當(dāng)中更加適宜，本文選取了單隱含層 BP 神經(jīng)網(wǎng)絡(luò)（BPNN）和徑向絡(luò)（RBFNN）與之進(jìn)行對(duì)比，其中不同模型的不同結(jié)構(gòu)均訓(xùn)練多次，從中最優(yōu)的用來(lái)進(jìn)行結(jié)果對(duì)比，對(duì)比結(jié)果如表 3 所示。表 3 三種模型性能對(duì)比Table 3 Performance comparison of three models模型 模型深度 模型結(jié)構(gòu) 激活函數(shù) 訓(xùn)練 MSE 測(cè)試DNNR 2 5-25-15-1 ReLu 0.189 0.1BPNN 1 5-15-1 TanH 0.089 0.2
【學(xué)位授予單位】：山東農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：S969.38;TP311.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹亮;周煒;沈文超;;遠(yuǎn)程測(cè)控技術(shù)的發(fā)展現(xiàn)狀和趨勢(shì)[J];電子技術(shù)與軟件工程;2015年23期

2 丁小濤;張兆輝;姜玉萍;陳春宏;;魚(yú)菜共生技術(shù)在城市家庭中的應(yīng)用前景[J];上海農(nóng)業(yè)學(xué)報(bào);2015年06期

3 張開(kāi)生;田開(kāi)元;呂明;呂超;;基于物聯(lián)網(wǎng)技術(shù)的農(nóng)業(yè)大棚環(huán)境監(jiān)控系統(tǒng)設(shè)計(jì)[J];西安科技大學(xué)學(xué)報(bào);2015年06期

4 邢超;;淺談遠(yuǎn)程監(jiān)控技術(shù)在水利工程中的應(yīng)用[J];中國(guó)管理信息化;2015年09期

5 孔祥次;;基于物聯(lián)網(wǎng)技術(shù)的現(xiàn)代漁機(jī)智能控制研究現(xiàn)狀與前景展望[J];江蘇農(nóng)機(jī)化;2014年04期

6 董軍;楊秀娟;;基于情景感知水稻育秧大棚農(nóng)業(yè)物聯(lián)網(wǎng)的設(shè)計(jì)與實(shí)現(xiàn)[J];物聯(lián)網(wǎng)技術(shù);2014年06期

7 邵春;;熒光法溶解氧在線分析儀的應(yīng)用[J];設(shè)備管理與維修;2014年S1期

8 杜曉梅;;淡水養(yǎng)殖水體環(huán)境的主要指標(biāo)[J];黑龍江水產(chǎn);2014年02期

9 藺生金;;簡(jiǎn)述物聯(lián)網(wǎng)在智慧林業(yè)建設(shè)中的應(yīng)用[J];內(nèi)蒙古林業(yè);2014年04期

10 孫闖;李晨;王艷立;郭秀云;杜鵑;徐鎮(zhèn);;北方圍欄高效養(yǎng)魚(yú)試驗(yàn)研究[J];現(xiàn)代農(nóng)業(yè)科技;2014年04期

本文編號(hào)：2636266