CC BY
119
ISSN 0131-5226. Теоретический и научно-практический журнал _ИАЭП. 2018. Вып. 97_
proizvodstva produkcii rastenievodstva i zhivotnovodstva. 2017. N 93: 27-33. (In Russian)
6. Papushin E.A.Obosnovanie struktury informatsionno-izmeritel'noi sistemy dlya monitoringa parametrov pochvy [Justification of information measuring system for soil parameter monitoring]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstva produktsii rastenievodstva i zhivotnovodstva. 2018. N 1 (94): 101-105.DOI: 10.24411/0131-5226-2018-10011(In Russian)
7. Druzhinin G.V. Nadezhnost' avtomatizirovannykh proizvodstvennykh sistem [Reliability of automated production systems]. Moscow: Energoatomizdat. 1986: 480. (In Russian)
8. Shibanov G.P., Adgamov R.I., Dmitriev S.V., Kozhevnikov Yu.V. Avtomatizatsiya ispytanii i
kontrol' aviatsionnykh GTD / pod red. G.P. Shibanova. [Automation of testing and control of turboshaft engines. G.P.Shibanov (ed.)]. Moscow: Mashinostroenie, 1977: 280. (In Russian)
9. Elizarov I.A, Martem'yanov Yu.F., Skhirtladze A.G., Frolov S.V. Tekhnicheskie sredstva avtomatizatsii. Programmno-tekhnicheskie kompleksy i kontrollery: Uchebnoe posobie [Technical means for automation. Software and hardware complexes and controllers: Manual]. Moscow: Izdatel'stvo Mashinostroenie-1. 2004: 180 s. (In Russian)
10. Kapatygin S. Bazy dannykh: prosteishie sredstva obrabotki informatsii sistemy upravleniya bazami dannykh [Databases: the simplest means for processing information from database management system]. Moscow: ABF. 2003: 324. (In Russian)
УДК: 004.62, 004.22, 621.3 DOI 10.24411/0131-5226-2018-10084
ВСТРАИВАЕМАЯ СИСТЕМА УДАЛЕННОГО МОНИТОРИНГА СОСТОЯНИЯ ПАСЕКИ В.Г. Рыбин; Д.О. Пестерев; Е.Е. Колец; A.B. Тутуева
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ», Санкт-Петербург, Россия
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.
Ключевые слова: интернет вещей, автоматизация, сбор биологических данных, встраиваемая система, сельское хозяйство, пчеловодство.
Для цитирования: 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
DESIGNING A REMOTE MONITORING SYSTEM OF APIARY CONDITION
V.G. Rybin; D.O. Pesterev; E.E. Kopets; A.V. Tutueva
Saint-Petersburg Electrotechnical University ETU "LETI", Saint Petersburg, Russia
Beekeeping is one of the important areas of human activity. However, the level of IT-based management and automation in this sector remains extremely low despite the progress achieved in the digitization of agriculture in general. In the 21st century, looking after an apiary has much in common with the similar processes in the mid-20th century. There have appeared new materials for the manufacture of beehives and medicines, often "bundled" with new diseases, for example, varroatosis, but in general, the beekeeper's work has changed little. It involves the same set of basic operations, the most time-consuming of which is the daily inspection of hives, conducted manually. In the northern regions of the Russian Federation the apiary sites are typically located far from the beekeeper's residence that further complicates the apiary management. The article deals with the architecture and key features of the system for remote monitoring of the bee colonies state in the apiary. Data processing algorithms and architecture of the sensor subsystem are described. The designed system collects the data on the mass, temperature and humidity inside each hive and sends them to a remote server over the wireless network for further processing and storage. The acoustic noise-recording module of bees allows performing an intelligent analysis of the received data using a neural network and warns the beekeeper in advance about the possible problems, which may have started, such as swarming, diseases, invasion, or mechanical damage to the hive itself.
Key words: internet of things, automation, biological data collection, embedded system, agriculture, beekeeping.
For citation: Rybin V.G., Pesterev D.O., Kopets E.E., Tutueva A.V. Designing a remote monitoring system of apiary condition. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstvaprodukcii rastenievodstva i zhivotnovodstva. 2018. 4(97): 12-19.(In Russian)
Введение
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 Ье1у [3].
ISSN 0131-5226. Теоретический и научно-практический журнал _ИАЭП. 2018. Вып. 97_
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].
Материалы и методы 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
ISSN 0131-5226. Теоретический и научно-практический журнал. _ПАЭП. 2018. Вып. 97_'
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].
Результаты и обсуждение 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
No Маточное пение Шум
1 10010111011111101101 00010001010100101110
2 11111111111111111111 00000001010100111110
3 011011101011110111110 01000001010000111110
4 01110101010100111110 00000000000000000000
5 00000011111111111111 11100000000000001111
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.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1 Alemdar H., Ersoy C. Wireless sensor networks for healthcare: A survey. Computer
Networks, 2010. № 54 (15). pp. 2688-2710. Doi:10.1016/j.comnet.2010.05.003
2 Coetzee Louis, Eksteen Johan. The Internet of Things - promise for the future? An introduction. //2011 IST-Africa Conference Proceedings. IEEE. 2011. pp. 1-9
ISSN 0131-5226. Теоретический и научно-практический журнал _ПАЭП. 2018. Вып. 97_'
3 Saenz A. Dairy Farms Go Robotic, Cows Have Never Been Happier (video) //SingularityHub. 2010. [Электронный ресурс] https:// singularityhub.com/2010/11/16/dairy-farms-go-robotic-cows-have-never-been-happier-video (дата обращения 27.10.2018)
4 Jun Hongo. Fujitsu Hoping to Turn Lettuce into Cash. [Электронный ресурс]. URL: https://blogs.wsj.com/japanrealtime/2014/05/14/ fujitsu-hoping-to-turn-lettuce-into-cash (дата обращения: 27.10.18).
5 Драчев В.В.. Искусство пчеловода. Мн.: Ураджай, 1991. 95 с.
6 Кашин С. П. Умная пасека. Разумное ведение хозяйства. М.: РИПОЛ классик, 2015. 320 с.
7 Таранов Г.Ф. Биология пчелиной семьи. М.: Госсельхозиздат, 1961. 336 с.
8 Meixner M.D. et al. A historical review of managed honey bee populations in Europe and
the United States and the factors that may affect them. //Journal of invertebrate pathology. 2010. vol. 103. pp. S80-S95.
9 Rybin V. G., Butusov D. N., Karimov T. I., Belkin D. A., Kozak M. N. Embedded data acquisition system for beehive monitoring // 2017 IEEE II International Conference on Control in Technical Systems (CTS) Proceedings. Saint Petersburg. 2017. pp. 387390 DOI: 10.1109/CTSYS.2017.8109576
10 Еськов E.K. Поведение медоносных пчел. М.: Колос, 1981. 184 с.
11 Morse, R. A., Boch, R. Pheromone concert in swarming honeybees (Hymenoptera: Apidae). Annals of the Entomological Society of America, 1971. №64(6). pp.1414-1417.
12 Еськов E.K. Акустическая сигнализация общественных насекомых. М.: Наука, 1979. 209 с.
REFERENCES
1 Alemdar H., Ersoy C. Wireless sensor networks for healthcare: A survey. Computer Networks, 2010 . 54 (15): 2688-2710. Doi:10.1016/j.comnet.2010.05.003
2 Coetzee Louis, Eksteen Johan. The Internet of Things - promise for the future? An introduction. 2011 IST-Africa Conference Proceedings. IEEE. 2011: 1-9
3 Saenz A. Dairy Farms Go Robotic, Cows Have Never Been Happier (video) //SingularityHub. 2010. Available at: https:// singularityhub. com/2010/11/16/dairy-farms-go-robotic-cows-have-never-been-happier-video (accessed 27.10.2018)
4 Jun Hongo. Fujitsu Hoping to Turn Lettuce into Cash. Available at: https://blogs.wsj.com/japanrealtime/2014/05/14/ fujitsu-hoping-to-turn-lettuce-into-cash (accessed 2018)
5 Drachev V.V. Iskusstvo pchelovoda [Art of beekeeper]. Minsk: Uradzhai Publ. 1991: 95. (In Russian)
6 Kashin S. P. Umnaya paseka. Razumnoe vedenie khozyaistva [Smart apiary. Prudent management]. Moscow: RIPOL klassik. 2015: 320. (In Russian)
7 Taranov G.F. Biologiya pchelinoi sem'I [Biology of bee colony]. Moscow: Gossel'khozizdat. 1961: 336. (In Russian)
8 Meixner M.D. et al. A historical review of managed honey bee populations in Europe and the United States and the factors that may affect them. Journal of Invertebrate Pathology. 2010. Vol. 103: S80-S95.
9 Rybin V. G., Butusov D. N., Karimov T. I., Belkin D. A., Kozak M. N. Embedded data acquisition system for beehive monitoring. 2017 IEEE II International Conference on Control in Technical Systems (CTS) Proceedings. Saint Petersburg. 2017: 387-390 DOI: 10.1109/CTSYS.2017.8109576
10 Eskov E.K. Povedenie medonosnykh pchel [Honeybee Behavior]. Moscow: Kolos, 1981: 184. (In Russian)
Технологии и технические средства механизированного производства продукции растениеводства_
11 Morse, R. A., Boch, R. Pheromone concert in swarming honeybees (Hymenoptera: Apidae). Annals of the Entomological Society of America, 1971. 64(6): 1414-1417.
12 Eskov E.K. Akusticheskaya signalizatsiya obshchestvennykh nasekomykh [Acoustic signaling of social insects]. Moscow: Nauka. 1979: 209. (In Russian)
УДК 631 412 DOI 10.24411/0131-5226-2018-10085
АНАЛИЗ ЦИФРОВЫХ ИЗМЕРИТЕЛЬНЫХ СИСТЕМ ДЛЯ ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ ПОЧВЕННОГО СОСТОЯНИЯ
A.A. Устроев, канд. техн. наук; Е.А. Мурзаев
А.Б. Калинин, д-р техн. наук;
Институт агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) -филиал ФГБНУ ФНАЦ ВИМ, Санкт-Петербург, Россия
В настоящее время при быстро растущих темпах производства сельскохозяйственной продукции необходимо проводить анализ воздействия природных и антропогенных факторов на параметры почвенного состояния с целью повышения качественных, количественных и экологических показателей применения технологических операций. Параметрами почвенного состояния, по которым может оцениваться экологическая безопасность агроландшафтов, являются твердость, влажность и электропроводность почвы и др. Мониторинг таких показателей достигается путем использования цифровых измерительных систем, которые позволяют выполнять оценку выбранных параметров в многомерном пространстве и времени (например, по площади и по глубине), получать данные с заданной дискретностью и являются средством создания соответствующих слоев на цифровых картах полей. Выполнен аналитический обзор цифровых измерительных систем для определения параметров почвенного состояния, используемых для научных исследований и в производственных условиях. Приведены функциональные возможности, принципы работы и конструктивные особенности измерительных систем. Измерительные системы используются в научных исследованиях при создании и совершенствовании технологий возделывания сельскохозяйственных культур, а также при выборе рациональных режимов работы почвообрабатывающих агрегатов. На основе измерения параметров почвенного состояния принимаются рациональные управленческие решения использования технологических операций при производстве сельскохозяйственной продукции.
Ключевые слова: цифровая измерительная система, параметры, почвенное состояние, анализ, мобильный агрегат.
Для цитирования: Устроев A.A., Калинин А.Б., Мурзаев Е.А. Анализ цифровых измерительных систем для определения параметров почвенного состояния // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2018. № 4(97). С. 19-28
ANALYSIS OF DIGITAL MEASUREMENT SYSTEMS TO DETERMINE THE SOIL STATE
PARAMETERS 19
