Встраиваемая система удаленного мониторинга состояния пасеки
Пчеловодство - одна из важных сфер человеческой деятельности, уровень информатизации и автоматизации которой, несмотря на достигнутый прогресс в цифровизации сельского хозяйства, крайне низок. В XXI веке ведение пасеки практически ничем не отличается от аналогичных процессов середины XX века. Появились новые материалы для производства корпусов ульев, медицинские препараты (часто «в комплекте» с новыми заболеваниями, например, варроатозом) но в целом труд пчеловода изменился мало и состоит из того же набора базовых операций, наиболее трудоемкой из которых остается ежедневный осмотр ульев, проводимый вручную. Для северных регионов РФ характерно удаленное расположение пасеки от места жительства пчеловода, что еще больше усложняет ведение пасеки. Статья посвящена архитектуре и ключевым особенностям системы удаленного мониторинга состояния пчелиных семей на пасеке.
Описаны алгоритмы обработки данных и архитектура сенсорной подсистемы установки. Предлагаемая система собирает данные о массе, температуре и влажности внутри каждого улья и отправляет их на дальнейшую обработку и хранение на удаленный сервер по беспроводной сети. Модуль записи акустических шумов пчел позволяет проводить интеллектуальный анализ получаемых данных с помощью нейронной сети и заблаговременно предупреждает пчеловода о возможных начавшихся проблемах -таких как роение, болезни, инвазия или механические повреждения самого улья.
Сегодня все большую популярность приобретают концепции типа «умный дом», «Интернет вещей» и «промышленный Интернет». Каждый день появляются новые разработки, помогающие людям в различных сферах человеческой деятельности - от удаленной диагностики заболеваний [1] до встраиваемых устройств, применяемых в банковском деле [2]. В сфере сельского хозяйства активно развиваются системы типа «умная ферма». Существует множество самых различных удачных примеров информатизации и автоматизации тех или иных отраслей сельского хозяйства. Один из примеров - автоматический комплекс по международной агрокорпорации Lely.
Этот комплекс работает без присутствия человека. Когда корова сама решает доиться, она заходит в специальное помещение и в дело включаются сенсоры движения, 3D-камеры, система обнаружения сосцов (TDS, teat detection system) и другие механизмы. Затем животное уходит. Люди на такой ферме нужны только чтобы забирать готовый продукт [3]. Другой удачный пример - автоматизированная ферма для выращивания салата-латука от японской компании Spread Vegetable Factory.
функционирования этой системы необходимо только на стадии высевания и проращивания растений, остальные процессы полностью автоматизированы. С помощью штабелирующего крана рассада переносится в землю. Сбор урожая и упаковка также происходят без участия людей. Данная ферма оснащена системой автоматического контроля параметров окружающей среды и работает в любом климате мира[4].
К сожалению, подобные инновации обошли такую важную отрасль человеческой деятельности как пчеловодство.
Классические принципы ведения пасеки практически не изменились за последние сто лет. Пчеловоду все также приходится вручную проводить осмотр каждого улья на предмет наличия каких-либо проблем и вручную же проводить сбор меда[5][6]. С развитием сельского хозяйства растет и роль пчёл, как естественных опылителей растений, но в тоже время отрасль, которая положительно влияет на количество опылителей не претерпела никаких существенных изменений. Для северных регионов РФ, включая Ленинградскую область, характерна ситуация, когда точки (небольшие группы ульев) находятся на значительном расстоянии друг от друга и располагаются вдали от места проживания пчеловода, что в значительной степени затрудняет ведение пасеки.
Потребность в регулярном обследовании множества ульев, расположенных на существенно удаленных друг от друга точках, затрудняет увеличение масштабов индивидуальной пасеки выше предела в 150200 ульев [7]. Широкое использование пестицидов и химических удобрений, практикуемое в сельском хозяйстве, а также распространение клеща Варроа оказывает дополнительное негативное влияние на отрасль пчеловодства[8]. Автоматизация и информатизация отрасли позволят в значительной степени уменьшить количество проверок ульев пчеловодом, что увеличит производительность труда, а также увеличит скорость реагирования на внештатные ситуации, такие как роение и болезни [9].
АРХИТЕКТУРА СИСТЕМЫ СБОРА ДАННЫХ
Наиболее информативные параметры, по которым можно судить о состоянии пчелиной семьи - температура внутри улья, масса улья и акустические шумы, издаваемые пчелами[10].
Система сбора данных рассматриваемой системы построена на основе аппаратной платформы Агс1шпо. Для измерения необходимых показателей используются датчики температуры МСР9808, для съема акустических сигналов - микрофоны МАХ9812, вес определяется с помощью платформы-весов, состоящих из четырёх тензодатчиков и аналого-цифрового преобразователя (АЦП) НХ711. Всю систему можно разделить на два модуля - модуль сбора данных и модуль передачи данных. Модуль сбора данных состоит из датчиков, платформы-весов и микроконтроллера, встроенного в платформу-весы и проводящего первичную обработку данных с датчиков. Схема подключения датчиков и вспомогательных элементов показана на рисунке 1.
Рис. 1. Схема подключения датчиков и вспомогательных элементов к плате Arduino
UNO (1 - радиомодуль NRF24L01+, 2- микрофон МАХ9812, 3- часы реального времени RTC3132, 4- усилитель сигнала INA333 с платформы весов, 5 - температурньт датчик МСР9808)
Все датчики помещаются в герметичный корпус, располагаются непосредственно внутри стенок улья и никак не мешают жизнедеятельности пчел. Платформа-весы помещается под улей. ЗБ-модель расположения элементов внутри улья представлена на рисунке 2
Рис. 2. ЗВ-модель расположения элементов внутри улья
Предлагаемое решение позволяет распределить до 256 ульев, оснащенных модулями сбора данных вокруг одного передающего модуля в радиусе до 100 метров. Так как радиомодуль
N1^241.01+ позволяет адресовать только шесть независимых устройств, в системе предусмотрена дополнительная адресация в информационном разделе передаваемого пакета. Кроме этого, возможно применение каждого собирающего модуля как репитера сигнала для соединения удаленных модулей между собой, что позволяет увеличить расстояние между соседними ульями до 100 метров. При этом передающий модуль может находиться в произвольном месте пасеки [9].
НЕЙРОННАЯ СЕТЬ ДЛЯ ОБНАРУЖЕНИЯ ПРЕДРОЕВОГО СОСТОЯНИЯ
Одной из существенных проблем, с которыми сталкиваются пчеловоды при ведении пасеки, является неконтролируемое роение - размножение пчелиных семей путем отделения от материнской семьи половины пчел с новой маткой и трутнями происходило роение, приносят значительно больше меда. На поимку вылетевших роев и попытки прекращения роения уходит большое количество времени и сил пчеловода. Это влияет на количество произведенного и собранного мёда, что влечет за собой снижение рентабельности.
Заблаговременно определить предроевое состояние пчелиной семьи можно путем обработки акустических шумов, издаваемых пчелами. После рождения новая матка издает особые звуки, которые называют "маточным пением" [12]. Обнаружение такого звука в шуме пчел можно считать верным признаком начала роения. Для решения задачи определения маточного пения была разработана искусственная нейронная сеть (ИНС), способная после обучения на определенном количестве эталонных образцов определить, содержит ли распознаваемый сигнал звуки маточного пения. Амплитудные спектры шумов пчелиных семей, находящихся в нормальном и роевом состоянии представлены на рисунках 3-4 [12].
Рис. 3. Пчелиная семья в нормальном состоянии
Рис. 4. Пчелнная семья в роевом состоянии
В работе была использована ИНС с прямой передачей сигнала. Ее нейроны организованы в слои регулярным образом. Входной слой служит для ввода значений входных переменных. Каждый из скрытых и выходных нейронов соединен со всеми элементами предыдущего слоя [9].
После обучения сеть тестировалась на задаче распознавания фонем звуковых сигналов, не входящих в обучающее множество. Некоторые результаты тестирования сети можно увидеть в таблице 1.
Таблица 1
Результаты работы нейронной сети
По таблице 1 видно, что нейронная сеть выдает достаточно достоверный результат. Например, при распознавании реального звука маточного пения результатом является строка «011011101011110111110», которая содержит 14 символов «1» и 6 символов «0», и это свидетельствует о том, что распознаваемый звук содержит маточное пение. На основании данных тестирования был сделан вывод о том, что созданная нейронная сеть пригодна для использования распознавания звука маточного пения. В дальнейшем эта нейронная сеть была встроена в состав ПО удаленного сервера и обрабатывала принимаемые шумы с пасеки, на которой было установлено тестовое оборудование (рис. 5).
Рис. 5. Тестирование прототипа системы в условиях реального пасеки
Выводы
В работе рассмотрены архитектура и ключевые элементы конструкции программно-аппаратного комплекса мониторинга состояния пасеки. На данный момент завершен ряд стадий проектирования удаленной системы мониторинга пасеки: разработана концепция и архитектура системы, реализована сенсорная подсистема, позволяющая собирать и обрабатывать разнородные биологические данные с ульев, а также подсистема связи, пересылающая эти данные на сервер. Для решения задачи обнаружения предроевого состояния пчелиной семьи была разработана нейронная сеть, которая распознает в акустическом поле улья звуки маточного пения.
В дальнейшем предполагается полноценное тестирование полностью развернутой системы в условиях нескольких реальных пасек, выявление и исправление выявленных недочетов системы, сбор большого объема апиологических данных и кластеризация полученных шумов в соответствии с наблюдаемыми визуально изменениями в улье для добавления возможности распознавания болезненных состояний пчелиной семьи и других опасных ситуаций.
Рыбин В.Г., Пестеров Д О., Копец Е Е., Тутуева А.В.
Встраиваемая система удаленного мониторинга состояния пасеки // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2018. № 4(97). С. 12-19
В.Г. Рыбин; Д.О. Пестерев; Е.Е. Колец; A.B. Тутуева
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ», Санкт-Петербург, Россия
Смотрите также
