|
摘要: 传统养殖系统对水质的监测效果较差，导致渔业养殖效果不佳，因此本文设计基于机智云AIoT开发平台的智慧渔业工业化养殖系统。硬件设计了主控芯片与传感器。软件上：建立智慧渔业水质采集模块，保证数据真实性；基于机智云平台调试系统开发环境，提高养殖渔业的智慧性；构建智慧养殖数据库，规范化处理养殖数据；进而实现智慧渔业的工业化养殖。
物联网技术为我国的经济发展提供了技术手段，逐渐出现物联网产业链的发展方式。由于我国人口基数庞大，物联网技术的发展在智能家居方面的应愈用见熟络，不仅方便人们的生活，还可以为企业提供物联网自主开发能力[1]。
传统的渔业工业化养殖系统在水质的监测上常常与实际水质不符，容易出现误差，影响渔业养殖效果[2]。本文基于此，将工业物联网融入养殖业中，并基于机智云物联网平台的技术设计智慧工业化养殖系统，为养殖业提供智慧化发展方向。
1 智慧渔业工业化养殖系统硬件设计 1.1主控芯片
芯片作为系统中至关重要的硬件，其设计必须满足系统的需求。本文对主控芯片进行强化设计，以外设协同为主，并考虑到CPU成本，设计出强稳定性与高速运转的芯片。在渔业智慧化养殖过程中，要确保数据快速处理与传输的准确性[3]。因此，本文采用STM为主控微处理器，并基于ARM内核，使数据处理能力增强，其在系统运行时，时速可达84 MHz。并在内部设计了高速集成的存储器，可以适应256 KB的flash，具有非常强的扩展性，进而提高系统的运行与处理数据能力。
1.2传感器
在此传感器中，设置了水质温度传感、p H值传感以及溶解氧DO传感[4]，将3种传感能力集成于一种传感器中，减少了不必要的成本。为了缩小传感器的尺寸，本文将其设计为9字节RAM，可以在存储温度转换后，进行传感器警示，其测温范围在-55～+125℃，并使用64位光刻ROM，可以直接转换及输出温度数据，传输数据的精确度在±0.1℃范围内。此外，为了精准监测p H值与DO值，本文使用超声波测量，其不会受到光照强度、色彩以及磁场的影响，只需要5 V的电压即可驱动，电流小于2 m A。
2 智慧渔业工业化养殖系统软件设计 2.1建立智慧渔业水质采集模块
水质数据的采集至关重要，数据采集与传输可以通过中断来完成的，在特定时间采样一次后，进行温度补偿[5]，并将相关数据输入至主控芯片中，用于数据存储、查询和接收。将水质数据信息通过串行通信接口执行查询或配置数据命令，并作出响应。首先，在数据采集前需初始化系统并初始化串行通信接口与LCD[6]；
其次，在AN0与AN2中分别输入温度、溶解氧、p H值等监测参数；再次，调用A/D采集水质状态，定时器15 s中断一次，此时等待来自TMR1的中断，每分钟将完成4次采样；最后，在数据采集完成后，设置下一个计数器，将传感器稳定30 s后，TMR1的中断程序再次进行4次中断，将两次数据采集结果送至主控芯片中，即可完成数据采集[7]。
2.2基于机智云AIoT开发平台调试系统开发环境
在系统运行后：首先，使用esp8266 Wi Fi模块与机智云AIoT开发平台进行连接[8]，并将ESP8266置于Air Link模式；其次，使用ESP8266烧录GAgent固件；最后，使用Git Wits协议与机智云AIoT开发平台建立连接[9]，连接成功后继续向主控芯片发送请求，即可获取设备实时状态，STM32则会将设备信息上报给ESP8266。用户使用系统时，需要在机智云平台注册账户[10]，创建项目管理，登录后即可进入机智云平台的开发中心创建项目新数据点。
本文使用机智云AIoT开发平台提供的APP，调试机智云平台的终端环境，生成MCU代码，移植到处理器上[11]。在MCU开发环境中，平台需要处理gizwits＿product.c相关文件，在ESP8266与master通信时，通过mcurestart()函数，配置Reset、Soft AP、AirLink以及Bind device[12]。
2.3构建智慧养殖数据库
通过收集到机智云平台号码，查找生产产品记录，构建生产数据库。本文设计的数据库如表1所示。
表1数据库
如表1所示，本文根据不同的数据库类型，将生产信息、生产类型、规格、原材料以及参数等信息分类，将智慧养殖数据更加规范化，并保证同一类型的生产数据，可以存放在同一个表中，避免养殖数据跨表查询。数据库分类后，大量数据会存放于数据库中，可以提高数据查询与存储性能，也不会增加数据库的负担。
2.4实现智慧渔业的工业化养殖
为了实现智慧渔业的工业化养殖，提高渔业产品的整体质量，通过CPK指数，对系统的综合智慧能力进行评价，如图1所示。
图1 CPK指数效果图
图1中，在CPK指数的基础上，在系统中可以合成智慧曲线，使用线性加权合成整体智慧性能公式如下：
式中：CPK为系统中智慧指数；ci为渔业产品的第i个养殖规格的智慧指数；wi为第i个养殖规格的智慧指数在评估中的权数。为了使此评级效果更具真实性，本文利用上文中采集到的真实数据，建立如下矩阵：
式中：c11-cnm为ci;w1-wn为wi;Q1-m为第1-m组渔业样品的量化质量。由此得出整体智慧性能指数：
式中，cmx为第1-m组数据参数的整体智慧性能指数。通过线性加权，即可反映系统的整体智慧性能。本文对其进
式中，
为CPK的定量参数，通过此分析方法，可以划分出定量评定标准，提高整个系统的智慧性，进而实现智慧渔业的工业化养殖。
3 系统测试
以智能为基础设计的智慧渔业工业化养殖系统。将系统的硬件与软件接入后，对硬件与软件进行调试，验证本文设计的系统是否具有实效性。
3.1测试过程
首先对系统的硬件进行调试，观察主控芯片是否可以通过串口互发消息，传感器是否可以精确的采集数据。因此，在检测时，主要检测主控芯片与传感器的通信I/O，对比相关字节是否收发正确，通信是否可以正常进行，测试图如图2所示。
图2串口测试图
图2中的字节即为标准字节，此时的硬件环境即为正常环境。在硬件调试完成后，本文对软件进行调试，对软件的开发环境进行调试，结果如表2所示。
表2 软件的开发环境与运行环境
表2的参数为本文设计的系统开发环境与运行环境参数，可以保证软件运行无阻碍，进而对渔业养殖水质数据模块进行测试。将纯水置于恒温水箱中，使用溶氧仪对水质数据进行测试，测试结果如表3所示。
表3水质数据
由表3可知：随着水温的升高，p H值也逐渐升高，在水温为19.9℃时，p H值为最佳；随着水温的升高，DO逐渐下降，可以达到标准要求。此水质数据在系统界面显示如图3所示，通过此界面即可实时监测系统的水质条件，使养殖渔业更加智能化。
图3 水质数据文本界面
3.2pH值测试结果及分析
在渔业智慧养殖过程中，水质p H值至关重要，养殖鱼的水质环境p H值应为7.5～8.5。因此，将传统养殖渔业系统水质p H值监测效果，与本文设计的系统水质p H值监测效果进行测试，结果如表4所示。
表4 两个系统水质P H值检测效果对比表
由表4可知：传统系统在水质p H值监测过程中，与水质p H值不符，存在误差，监测效果较差，影响渔业的养殖；而本文设计的系统在水质p H值监测过程中，与实际水质p H值一致，监测效果极佳，极具实用价值。
4结语
近年来，随着物联网的发展，工业、养殖业均开始向物联网靠拢，逐渐形成工业物联网，为相关产业带来了较大的收益。但是就现如今的工业化养殖来说，耗时耗力，不能紧跟时代潮流。基于此，本文结合机智云AIoT开发平台，设计了智慧渔业工业化养殖系统，为养殖渔业的发展提供理论基础。并通过实际pH值实验证明本文系统的监测结果与实际pH值相同，具有较好的实际应用性能。
| 
发表于 2021-12-23 20:31
