基于分簇數(shù)據(jù)融合的農(nóng)產(chǎn)品冷鏈溫度監(jiān)控方法

李志剛 劉丹丹 張小栓

(1.石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院， 石河子 832000； 2.中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083)

基于分簇數(shù)據(jù)融合的農(nóng)產(chǎn)品冷鏈溫度監(jiān)控方法

李志剛1劉丹丹1張小栓2

(1.石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院， 石河子 832000； 2.中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083)

針對現(xiàn)有基于無線傳感網(wǎng)絡(luò)的農(nóng)產(chǎn)品冷鏈物流監(jiān)測系統(tǒng)，傳感器節(jié)點數(shù)據(jù)傳輸量大，帶寬利用率低、能耗高，網(wǎng)絡(luò)生命周期短的問題，提出了一種基于算術(shù)平均值與分批估計的簇內(nèi)數(shù)據(jù)融合及自適應(yīng)加權(quán)的簇間數(shù)據(jù)融合冷鏈溫度監(jiān)測方法。首先利用疏失誤差對采集數(shù)據(jù)進行預(yù)處理，然后利用平均值與分批估計方法對簇成員節(jié)點發(fā)送的數(shù)據(jù)進行融合處理，最后簇頭節(jié)點利用自適應(yīng)加權(quán)算法對接收到的成員節(jié)點數(shù)據(jù)進行進一步的融合處理。實驗證明，基于該數(shù)據(jù)融合方法的冷鏈監(jiān)測系統(tǒng)網(wǎng)絡(luò)生存周期相比傳統(tǒng)方法提高了34.2%，穩(wěn)定周期相比于傳統(tǒng)低功耗自適應(yīng)集簇分層型協(xié)議提高了11.4%，數(shù)據(jù)融合精度高于傳統(tǒng)算術(shù)平均值法7.6%，系統(tǒng)能耗每輪降低約32.5%。能夠有效降低冗余和可信度較差的數(shù)據(jù)對測量結(jié)果帶來的影響，減少不必要數(shù)據(jù)傳輸損耗，降低了冷鏈物流成本，提高了農(nóng)產(chǎn)品冷鏈物流信息化程度。

WSN無線傳感網(wǎng)； 分簇融合； 冷鏈監(jiān)測

引言

生活水平的提高和飲食結(jié)構(gòu)的顯著變化，使消費者對新鮮特色農(nóng)產(chǎn)品的需求日益增大。但由于農(nóng)產(chǎn)品本身鮮活的品質(zhì)特性，當農(nóng)產(chǎn)品在庫冷藏和冷鏈運輸環(huán)境中溫濕度及各氣體比例失衡時，都會造成產(chǎn)品軟化變質(zhì)、果實衰老、果粒脫落、果實營養(yǎng)物質(zhì)損耗和感官評價等級下降等，大大降低了農(nóng)產(chǎn)品的營養(yǎng)價值和商業(yè)價值[1]。冷鏈物流的全程無縫監(jiān)管與追溯是保障農(nóng)產(chǎn)品品質(zhì)安全的關(guān)鍵[2]。

無線傳感網(wǎng)絡(luò)(Wireless sensor network,WSN)能夠在任何地點和環(huán)境條件下多節(jié)點采集海量數(shù)據(jù)的特點使得該技術(shù)向冷鏈物流監(jiān)控領(lǐng)域的滲透成為趨勢[3]。文獻[4-5]利用ZigBee技術(shù)進行了冷鏈物流溫度監(jiān)測方法的研究，實現(xiàn)了冷鏈物流中溫度的實時采集與傳輸。文獻[6-10]以ZigBee協(xié)議為基礎(chǔ)，圍繞 CC2530型無線傳感片上系統(tǒng)，設(shè)計了基于WSN技術(shù)的冷鏈物流實時監(jiān)控系統(tǒng)。文獻[11-13]提出并開發(fā)了一種基于WSN與射頻識別技術(shù)(Radio frequency identification, RFID)的農(nóng)產(chǎn)品冷鏈物流實時監(jiān)測系統(tǒng)。該系統(tǒng)能夠?qū)崟r地對物流過程中產(chǎn)品的品質(zhì)、標識和溫度等進行監(jiān)控,同時可以提高倉儲和冷鏈配送的效率及準確性。文獻[14]研究了集成WSN與自適應(yīng)按需加權(quán)(AOW)技術(shù)的冷鏈監(jiān)測系統(tǒng)對葡萄品質(zhì)的影響，利用AOW實現(xiàn)了感知節(jié)點監(jiān)測數(shù)據(jù)的融合，減少了網(wǎng)內(nèi)數(shù)據(jù)的傳輸。文獻[15]構(gòu)建了一種基于WSN和壓縮感知的冷鏈物流監(jiān)測方法，該方法根據(jù)感知數(shù)據(jù)特征構(gòu)建了雙正交小波變換稀疏矩陣，實現(xiàn)了數(shù)據(jù)的壓縮采樣傳輸。上述研究都能很好地實現(xiàn)冷鏈物流環(huán)境的實時監(jiān)測與反饋，同時對冷鏈監(jiān)測系統(tǒng)的深入探索起到了一定的推動作用。但大部分研究并未考慮到監(jiān)測系統(tǒng)中節(jié)點能耗問題，部分關(guān)于監(jiān)測系統(tǒng)數(shù)據(jù)融合的研究中，對于節(jié)點間的分簇融合方法考慮較為缺乏?；赪SN的冷鏈物流監(jiān)控系統(tǒng)中，傳感節(jié)點由電池驅(qū)動，能源非常有限[16]。相關(guān)實驗表明，WSN無線傳感網(wǎng)絡(luò)中的能量消耗主要有計算和通信耗費，兩者的能耗比大約為1∶3 000[17]。因此，利用節(jié)點的計算能力進行節(jié)點分簇與數(shù)據(jù)融合，通過減少網(wǎng)內(nèi)異常冗余數(shù)據(jù)的射頻收發(fā)來減少網(wǎng)絡(luò)通信量[18]，是亟需解決的問題。

針對傳統(tǒng)冷鏈物流監(jiān)測方法的不足，本文集成WSN及節(jié)點分簇融合技術(shù)優(yōu)勢，進行農(nóng)產(chǎn)品冷鏈物流監(jiān)測方法研究。

1 融合原理與模型構(gòu)建

WSN無線傳感網(wǎng)絡(luò)中的節(jié)點大部分都是通過多跳方式將數(shù)據(jù)傳輸給節(jié)點。節(jié)點在整個網(wǎng)絡(luò)的地位是相同的沒有任何擔任管理任務(wù)的節(jié)點，節(jié)點都是獨立工作難以發(fā)揮網(wǎng)絡(luò)中節(jié)點之間相互協(xié)調(diào)、共同完成任務(wù)的優(yōu)勢，同時也不利于進行數(shù)據(jù)壓縮技術(shù)和數(shù)據(jù)融合方法的應(yīng)用。為了能解決這些問題，且不降低服務(wù)的質(zhì)量，基于分簇的數(shù)據(jù)融合研究成為焦點。

1.1 分簇路由協(xié)議

在無線傳感網(wǎng)分簇路由算法中，簇群內(nèi)的節(jié)點分為簇頭節(jié)點和非簇頭節(jié)點。在分簇路由算法中WSN的簇群形成是以簇頭產(chǎn)生為前提，該簇頭節(jié)點則起到管理站的作用，對該簇群中的節(jié)點和數(shù)據(jù)進行有效的管理。網(wǎng)絡(luò)中簇頭產(chǎn)生后，簇成員節(jié)點根據(jù)簇頭的位置或者能量等重要信息加入相應(yīng)的簇，從而形成相應(yīng)的簇群。在簇群內(nèi)部，簇成員節(jié)點通過一跳或者多跳的方式與簇頭節(jié)點進行通信。在簇群之間，簇頭節(jié)點通過單跳或多跳的方式與節(jié)點進行數(shù)據(jù)通信[19]，這樣會大幅度地減少數(shù)據(jù)通信量，并節(jié)省網(wǎng)絡(luò)能量。

本文主要針對傳統(tǒng)低功耗自適應(yīng)集簇分層型協(xié)議(Low energy adaptive clustering hierarchy, LEACH)簇頭節(jié)點在整個網(wǎng)絡(luò)中分布不均勻，產(chǎn)生局部過稀疏的情況，以及已經(jīng)當選過簇頭的節(jié)點和能量低的節(jié)點有可能再一次被當選，加快能量消耗，導(dǎo)致節(jié)點過早死亡，在網(wǎng)絡(luò)中產(chǎn)生盲區(qū)等問題。利用改進LEACH路由協(xié)議，考慮到無線傳感器網(wǎng)絡(luò)中節(jié)點初始能量和剩余能量的異構(gòu)特性，為了在一定程度上避免網(wǎng)絡(luò)中初始能量較小的節(jié)點過早死亡，將無線傳感節(jié)點分為高能量節(jié)點和普通節(jié)點，利用相關(guān)算法使高能量節(jié)點被選為簇頭的機會大于普通節(jié)點，高能量節(jié)點輪轉(zhuǎn)周期短于普通節(jié)點。在理想情況下，這種加權(quán)輪轉(zhuǎn)分簇方法使得高能量節(jié)點和普通節(jié)點幾乎在同一時間死掉，從而延長了整個網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定運行時間。

1.2 疏失誤差的處理

傳統(tǒng)的異常數(shù)據(jù)判斷方法主要有萊特準則、格羅貝斯判據(jù)準則和分布圖法。萊特準則是建立在測量次數(shù)n趨于無限大的情況下，當n較小時，采用萊特準則的方法就很不可靠[20]。格羅貝斯準則是一種基于被測值服從正態(tài)分布的遞歸算法,但此方法一次只能剔除一個誤差值,需多次反復(fù)運算才能消除多個誤差,增加了算法運行時間。實踐證明，對于可用傳感器較少時得到的溫度測量數(shù)據(jù),利用分布圖法可以很好地剔除疏忽誤差[21],且軟件設(shè)計相對容易實現(xiàn),故該研究中采用分布圖法對含有疏失誤差的冷鏈監(jiān)測溫度數(shù)據(jù)進行處理。

具體步驟如下:

(1)將所測得的N個測量數(shù)據(jù)Ti按遞增進行排序,得到一數(shù)據(jù)序列:T1,T2,…,TN，其中T1為下限值,TN為上限值。

(2)定義中位數(shù):TM=T(N+1)/2(N為奇數(shù));TM=(TN/(2+1)+TN/2)/2(N為偶數(shù))。

(3)同理定義上四分位數(shù)TH為[TM,TN]的中位數(shù),下四分位數(shù)TL為[T1,TM]的中位數(shù),四分位數(shù)離散度dT=TH-TL。

由于TM、TH和TL的選取和數(shù)據(jù)列的極值點無關(guān),僅取決于測量數(shù)據(jù)的位置分布，從而增強了其后要進行的數(shù)據(jù)融合處理的魯棒性。

1.3 基于算術(shù)平均值與分批估計的簇內(nèi)融合

利用疏失誤差對數(shù)據(jù)預(yù)處理之后，為了找到一個能真實反映當前情況的數(shù)據(jù)，同時減少數(shù)據(jù)傳輸量，在簇頭處利用平均值與分批估計方法對簇成員節(jié)點發(fā)送來的數(shù)據(jù)進行融合處理，將每一簇內(nèi)數(shù)據(jù)按其傳感器安裝位置分為2組，為了減小數(shù)據(jù)處理誤差，相鄰兩傳感器盡量不被分在同一組,對簇內(nèi)2組數(shù)據(jù)的平均值采用分批估計算法,估計出接近溫度真值的融合值T+,以消除測量過程中的不確定性。

具體方法是:

設(shè)將利用分布圖法得到的簇內(nèi)一致性數(shù)據(jù)分為組:①T11,T12,…，T1m(m≤N/2)；②T21，T22,…，T2c(c≤N/2)。

簇內(nèi)2組數(shù)據(jù)算術(shù)平均值為

(1)

(2)

相應(yīng)的標準偏差分別為

(3)

(4)

則根據(jù)分批估計理論可得到溫度融合值的方差為

(5)

最后得出溫度估算值T+為

(6)

由上述融合原理可知，進行簇內(nèi)分批估計數(shù)據(jù)融合處理之后，每個簇內(nèi)的若干個簇成員數(shù)據(jù)變?yōu)橐粋€簇頭數(shù)據(jù)，這樣簇內(nèi)由大量節(jié)點采集的多節(jié)點數(shù)據(jù)變?yōu)榕c簇頭數(shù)目相等的幾個數(shù)據(jù)，從而大大減少通信數(shù)據(jù)量。

1.4 基于自適應(yīng)加權(quán)的簇頭數(shù)據(jù)融合

(7)

(8)

總均方誤差為

(9)

因為X1，X2,…,Xn相互獨立，并且為X的無偏估計，所以

E[(X-Xp)(X-Xq)]=0

(p≠q；p=1,2,…n;q=1,2,…,n)

(10)

故σ2可寫成

(11)

由式(8)～(11)可知，均方誤差σ2為多元二次函數(shù)，因此σ2必然存在最小值，根據(jù)多元函數(shù)極值理論，權(quán)重因子最小值為

(12)

所對應(yīng)的最小均方誤差為

(13)

經(jīng)過自適應(yīng)加權(quán)數(shù)據(jù)處理后，各個簇頭數(shù)據(jù)在基站處融合為一個數(shù)據(jù)后發(fā)送至監(jiān)控管理中心。監(jiān)控管理中心以此數(shù)據(jù)為基準，進行后續(xù)的冷鏈監(jiān)測和管理。節(jié)點分簇與數(shù)據(jù)融合步驟如圖1所示。

圖1 分簇融合流程圖Fig.1 Flow chart of cluster fusion

1.5 網(wǎng)絡(luò)能量消耗

由于WSN無線傳感網(wǎng)能量消耗主要集中在數(shù)據(jù)傳輸階段，因此本文主要著眼于研究傳輸階段的能量消耗。如圖2所示即為無線傳感器節(jié)點的數(shù)據(jù)無線發(fā)射及接收過程。

圖2 無線電數(shù)據(jù)傳輸過程Fig.2 Process of radio data transmission

無線傳輸能量損耗為

(14)

式中Eelec——每發(fā)送1 bit數(shù)據(jù)消耗的能量fs——簇內(nèi)節(jié)點到簇頭的單位數(shù)據(jù)傳輸能量損耗

d——發(fā)送方與接收方之間的距離

d0——距離閾值L——數(shù)據(jù)包長度

圖3 系統(tǒng)數(shù)據(jù)傳輸過程Fig.3 Process of system data transmission

2 系統(tǒng)設(shè)計與實現(xiàn)

2.1 系統(tǒng)總體結(jié)構(gòu)

冷鏈物流監(jiān)測系統(tǒng)總體結(jié)構(gòu)如圖3所示，布置在冷庫或冷藏車廂內(nèi)的傳感節(jié)點和網(wǎng)關(guān)組成終端采集模塊，負責冷鏈環(huán)境信息的采集、傳輸和處理；數(shù)據(jù)庫服務(wù)器、應(yīng)用服務(wù)器、路由器和防火墻作為系統(tǒng)服務(wù)層，負責接收采集層上傳的各項監(jiān)測信息;管理計算機作為用戶訪問層，負責實時向用戶提供冷鏈監(jiān)測信息。

2.2 系統(tǒng)硬件設(shè)計

基于WSN無線傳感網(wǎng)絡(luò)的冷鏈物流監(jiān)控系統(tǒng)硬件框圖如圖4所示，主要由環(huán)境感知節(jié)點、數(shù)據(jù)匯集節(jié)點和管理終端組成。環(huán)境感知節(jié)點以設(shè)定的時間間隔完成冷鏈環(huán)境的感知與數(shù)據(jù)采集傳輸，之后進入休眠狀態(tài)，主要由微控制模塊、射頻收發(fā)模塊、傳感模塊和電源模塊組成。匯聚節(jié)點主要用來組建網(wǎng)絡(luò)、喚醒休眠狀態(tài)的感知節(jié)點及接收簇頭節(jié)點發(fā)送的數(shù)據(jù)，并以一定的發(fā)送間隔將接收到的數(shù)據(jù)傳輸?shù)焦芾碇行摹?/p>

為提高系統(tǒng)集成度和可靠性，優(yōu)化電路整體設(shè)計，系統(tǒng)選用德州儀器公司生產(chǎn)的支持2.4 GHz IEEE 802.15.4、ZigBee和RF4CE應(yīng)用的CC2530型無線傳感網(wǎng)絡(luò)片上系統(tǒng)作為處理器模塊和射頻模塊的解決方[22]。采用體積小，硬件成本低，抗干擾能力強的DS18B20作為傳感模塊，具有單總線、體積小、分辨率高、抗干擾強等特點[23],其相對溫度測量范圍為-55～125℃，工作電源為3.0～5.5 V。采用功耗低、溫寬大的M590E作為GPRS模塊。

圖4 系統(tǒng)硬件框圖 Fig.4 Block diagram of system hardware

3 實驗和結(jié)果分析

3.1 實驗環(huán)境與參數(shù)設(shè)定

實驗在中國農(nóng)業(yè)大學(xué)工學(xué)院進行，為了驗證融合性能的特性，將選取27個溫度傳感器節(jié)點按照一定方式部署[24]在模擬冷藏車廂內(nèi)進行溫度信息的實時監(jiān)測與數(shù)據(jù)采集，節(jié)點分布情況如圖5所示。在理想情況下，將整個網(wǎng)絡(luò)區(qū)域分為3簇，設(shè)置簇成員節(jié)點向簇頭發(fā)送數(shù)據(jù)的時間間隔為3 s，簇頭向基站發(fā)送數(shù)據(jù)的時間間隔為1 min，所有節(jié)點發(fā)送數(shù)據(jù)包長度為9個字節(jié)，其中節(jié)點ID號占用一個字節(jié)，溫度與電池電量分別占4個字節(jié)。

圖5 節(jié)點部署圖Fig.5 Diagram of node deployment

3.2 數(shù)據(jù)融合性能分析

3.2.1 融合誤差分析

經(jīng)過基于算術(shù)平均值與分批估計的數(shù)據(jù)融合處理后的數(shù)據(jù)如表1所示，系統(tǒng)數(shù)據(jù)融合值為

(15)

算術(shù)平均值法測量誤差、加權(quán)融合法測量誤差及自適應(yīng)加權(quán)融合法測量誤差分別為0.105 0、0.100 7和0.097 0。

通過上述分析，本文首先利用分布圖法對原始感知數(shù)據(jù)進行預(yù)處理，剔除疏忽誤差，然后利用算術(shù)平均值與分批估計方法進行簇內(nèi)數(shù)據(jù)融合，最后基于自適應(yīng)加權(quán)進行簇間數(shù)據(jù)融合處理，最終得到的數(shù)據(jù)精度優(yōu)于傳統(tǒng)加權(quán)融合及算術(shù)平均值法。

表1 簇內(nèi)融合處理后的數(shù)據(jù)Tab.1 Data within cluster fusion

3.2.2 網(wǎng)路生命周期分析

圖6所示為不同方法對監(jiān)測系統(tǒng)網(wǎng)絡(luò)生命周期的影響，網(wǎng)絡(luò)生命周期是一種更近似的能量消耗衡量機制，是指由于節(jié)點能量耗盡而導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)被破壞的時間。

圖6 網(wǎng)絡(luò)生命周期Fig.6 Life cycle of network

仿真結(jié)果表明，未分簇融合之前匯聚節(jié)點附近的節(jié)點會承擔大部分的數(shù)據(jù)傳輸量，使能量損耗加快，縮短了網(wǎng)絡(luò)壽命。本文所采用的改進LEACH分簇協(xié)議及自適應(yīng)數(shù)據(jù)融合算法，生命穩(wěn)定期相比前2種算法分別提高了34.2%與11.4%。

由圖7可知，與未搭建融合算法及傳統(tǒng)融合算法相比，該監(jiān)測網(wǎng)絡(luò)系統(tǒng)數(shù)據(jù)傳輸量分別減少了63.4%與59.5%。

圖7 系統(tǒng)數(shù)據(jù)傳輸量Fig.7 Amount of system data transmission

3.2.3 系統(tǒng)能耗分析

圖8 系統(tǒng)能耗Fig.8 Energy consumption of system

結(jié)果表明，與傳統(tǒng)數(shù)據(jù)融合算法相比，文中所采用的分簇融合算法每輪能耗降低了約32.5%。

由圖9可知，該文所采用的分簇數(shù)據(jù)融合機制可以使簇頭節(jié)點的平均能耗變小，即提高了每一輪的能耗負載平衡度。

4 結(jié)論

(1)基于分布圖法的自適應(yīng)加權(quán)融合數(shù)據(jù)處理算法，先對傳感節(jié)點采集到的原始數(shù)據(jù)用分布圖法剔除疏失誤差，然后采用算術(shù)平均值與分批估計的融合方法對簇內(nèi)數(shù)據(jù)進行預(yù)處理，再用自適應(yīng)加權(quán)數(shù)據(jù)融合方法進行簇頭數(shù)據(jù)融合處理，雖然處理過程較為繁瑣，但處理誤差相比與傳統(tǒng)方法減小了7.6%。

(2)在WSN節(jié)點分簇過程中采用改進LEACH協(xié)議，相比于傳統(tǒng)LEACH協(xié)議，其在計算和數(shù)據(jù)處理過程中要消耗一定的能量，但是其生命穩(wěn)定期相比前兩種算法分別提高了34.2%與11.4%，同時數(shù)據(jù)傳輸量分別減少了63.4%與59.5%。同時在每一輪分簇融合過程中，其網(wǎng)絡(luò)負載均衡得到很大改善，彌補了WSN無線傳感網(wǎng)絡(luò)在計算和通信過程中能耗的不平衡問題。延長了整個冷鏈監(jiān)測系統(tǒng)網(wǎng)絡(luò)生命周期。

1 WENG Xingang, YANG Hui, WANG Lei. Research on cold chain logistics traceable system for fresh agricultural products [J]. American Journal of Industrial and Business Management,2015, 5(12):728-729.

2 梁琨,肖宏偉,杜瑩瑩,等.基于物聯(lián)網(wǎng)技術(shù)的果蔬冷鏈物流實時監(jiān)測系統(tǒng)[J].江蘇農(nóng)業(yè)科學(xué),2015(11):519-520. LIANG Kun, XIAO Hongwei, DU Yingying ,et al. The real-time monitoring system of fruit and vegetable cold chain logistics based on internet of things technology[J]. Journal of Jiangsu Agricultural Sciences, 2015(11):519-520.(in Chinese)

3 齊林,田東,張健,等.基于SPC 的農(nóng)產(chǎn)品冷鏈物流感知數(shù)據(jù)壓縮方法[J]. 農(nóng)業(yè)機械學(xué)報, 2011,42(10):130-131. QI Lin, TIAN Dong, ZHANG Jian ,et al. Compression method of agricultural products cold chain logistics based on SPC[J].Transactions of the Chinese Society for Agricultural Machinery, 2011,42(10):130-131.(in Chinese)

4 張銳,王燕,王以忠,等.基于ZigBee的冷鏈溫度監(jiān)測系統(tǒng)的研究[J].保鮮與加工,2013(3):12-16. ZHANG Rui, WANG Yan, WANG Yizhong ,et al. Research on cold chain temperature monitoring system based on ZigBee[J]. Preservation and Processing, 2013(3):12-16.(in Chinese)

5 RUIZ-GARCIA L,BARREIRO P, ROBLA J I. Performance of ZigBee-based wireless sensor nodes for real-time monitoring of fruit logistics[J]. Journal of Food Engineering, 2008,87(3):405-410.

6 齊林,韓玉冰,張小栓,等.基于WSN的水產(chǎn)品冷鏈物流實時監(jiān)測系統(tǒng)[J/OL].農(nóng)業(yè)機械學(xué)報,2012,43(8):135-140.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20120825&flag=1.DOI:10.6041 / j.issn.1000-1298.2012.08.025. QI Lin, HAN Yubing, ZHANG Xiaoshuan, et al. Real time monitoring system for aquatic cold-chain logistics based on WSN[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2012,43(8):135-140.(in Chinese)

7 袁浩浩,蔣聯(lián)源,張聯(lián)盟.基于WSN的冷鏈物流監(jiān)控溯源系統(tǒng)[J].物流技術(shù),2014(11):369-371. YUAN Haohao, JIANG Lianyuan, ZHANG Lianmeng. Cold chain logistics monitoring traceability system based on WSN [J]. Logistics Technology, 2014(11):369-371.(in Chinese)

8 肖新清,齊林,張雷,等.面向鮮食葡萄冷鏈物流的無線實時監(jiān)測系統(tǒng)術(shù)[J].電子技術(shù)應(yīng)用,2013,39(8): 77-79. XIAO Xinqing, QI Lin, ZHANG Lei, et al. Wireless real-time monitoring system for table grape cold-chain logistics[J].Application of Electronic Technique,2013,39(8): 77-79.(in Chinese)

9 CARULLO A, CORBELLINI S, PARVIS M,et al. Wireless sensor network for cold-chain monitoring[J].IEEE Transactions on Instrumentation & Measurement,2009,58(5):1405-1411.

10 ZHANG J, ZHANG X S, ZHANG L, et al. Design on wireless SO2sensor node based on CC2530 for monitoring table grape logistics[J].Journal of Food Agriculture & Environment,2013,11(1):115-117.

11 王義勇.農(nóng)產(chǎn)品冷鏈物流實時監(jiān)測系統(tǒng)設(shè)計[J].計算機時代,2015(2):38-39. WANG Yiyong. System design of real-time monitoring for cold chain logistics of agricultural products [J] .Computer Age,2015(2):38-39.(in Chinese)

12 周開.基于WSN和RFID的冷鏈物流監(jiān)控系統(tǒng)的研究[D].成都:西南科技大學(xué),2012. ZHOU Kai. Research on cold chain logistics monitoring system based on WSN and RFID [D]. Chengdu: Southwest University of Science and Technology,2012.(in Chinese)

13 劉國梅,孫新德.基于WSN和RFID的農(nóng)產(chǎn)品冷鏈物流監(jiān)控追蹤系統(tǒng)[J].農(nóng)機化研究,2011(4):179-182. LIU Guomei, SUN Xinde.Monitoring and tracking system of agricultural products cold chain logistics based on WSN and RFID[J]. Research on Agricultural Mechanization, 2011(4):179-182.(in Chinese)

14 XIAO Xinqing, WANG Xiang, ZHANG Xiaoshuan, et al．Effect of the quality property of table grapes in cold chain logistics-integrated WSN and AOW[J]. Applied Sciences,2015,5(4):747-760.

15 XIAO Xinqing, LI Zhigang, MATETIC M, et al.Energy-efficient sensing method for table grapes cold chain management[J]. Journal of Cleaner Production,2017,152:77-87.

16 張聚偉,王宇,楊挺.基于數(shù)據(jù)融合的有向傳感器網(wǎng)絡(luò)全覆蓋部署[J].傳感技術(shù)學(xué)報,2017,30(1):139-140. ZHANG Juwei, WANG Yu, YANG Ting. Full-coverage deployment of directed sensor networks based on data fusion[J]. Chinese Journal of Sensors and Actuators, 2017,30(1):139-140.(in Chinese)

17 SOHIL G, ANKER S, YANG Xiaojian, et al. Optimal energy aware clustering in sensor networks[J]. Sensors, 2002,2(7):258-269.

18 劉永星,趙涓涓,常曉敏.基于數(shù)據(jù)融合的無線傳感器網(wǎng)絡(luò)林火監(jiān)控算法[J].計算機科學(xué),2015(11):156-158. LIU Yongxing, ZHAO Juanjuan, CHANG Xiaomin. Forest fire monitoring algorithm for wireless sensor networks based on data fusion[J]. Computer Science, 2015(11):156-158.(in Chinese)

19 尹湘源．無線傳感器網(wǎng)絡(luò)低能耗分簇路由算法關(guān)鍵技術(shù)研究[D]．上海：華東理工大學(xué),2014． YIN Xiangyuan. Research on key technologies of low energy clustering routing algorithm in wireless sensor networks[D].Shanghai: East China University of Science and Technology,2014.(in Chinese)

20 唐亞鵬.基于自適應(yīng)加權(quán)數(shù)據(jù)融合算法的數(shù)據(jù)處理[J].計算機技術(shù)與發(fā)展,2015(4):53-54. TANG Yapeng.Data processing based on adaptive weighted data fusion algorithm[J]. Computer Technology and Development, 2015(4):53-54.(in Chinese)

21 張?zhí)m勇,陸晴,耿文杰,等.基于貼近度及分布圖法的數(shù)據(jù)深度融合算法研究[J].兵器裝備工程學(xué)報,2016,37(11): 50-51. ZHANG Lanyong, LU Qing, GENG Wenjie, et al. Research on data depth fusion algorithm based on close degree and distribution graph method[J]. Journal of Weapon and Equipment Engineering, 2016,37(11):50-51.(in Chinese)

22 馮賀平,吳梅梅.基于WSN的果蔬冷鏈物流實時監(jiān)測系統(tǒng)研究[J].保鮮與加工,2016(5):104-105. FENG Heping, WU Meimei. Studying on real-time monitoring system of fruit and vegetable cold chain logistics based on WSN [J]. Preservation and Processing, 2016(5):104-105.(in Chinese)

23 湯鍇杰,栗燦,王迪,等.基于DS18B20的數(shù)字式溫度采集報警系統(tǒng)設(shè)計[J].傳感器與微系統(tǒng),2014,33(3):99-100. TANG Kaijie, LI Can, WANG Di, et al. Design of digital temperature acquisition alarm system based on DS18B20[J]. Sensors and Microsystems, 2014,33(3):99-100.(in Chinese)

24 劉靜,張小栓,肖新清,等.基于多目標決策模糊物元法的冷藏車傳感器布點優(yōu)化[J/OL].農(nóng)業(yè)機械學(xué)報,2014,45(10):215-217.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20141033&flag=1.DOI:10.6041/j.issn.1000-1298.2014.10.033. LIU Jing,ZHANG Xiaoshuan,XIAO Xinqing,et al. Optimal sensor layout in refrigerator car based on multi-objective fuzzy matter element method[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014,45(10):215-217.(in Chinese)

Cold Chain Temperature Monitoring Method of Agricultural Products Based on Clustered Data Fusion

LI Zhigang1LIU Dandan1ZHANG Xiaoshuan2

(1.CollegeofInformationScienceandTechnology,ShiheziUniversity,Shihezi832000,China2.CollegeofInformationandElectricalEngineering，ChinaAgriculturalUniversity，Beijing100083，China)

In order to reduce the data transmission and energy consumption of sensor nodes and improve the broadband utilization and life cycle in real-time cold chain logistics monitoring system for agri-food based on wireless sensor networks, a clustering fusion method based on arithmetic mean and batch estimation for the cold chain temperature monitoring of agricultural products was proposed, Firstly, the mistake errors of the collected data was eliminated, and then the data which were sent from the cluster member nodes were merged by the mean and the batch estimation method. Secondly, the cluster head node used the adaptive weighting algorithm to further analyze the fusion data of the member nodes. The experimental results showed that the network lifetime of the cold chain monitoring system based on the data fusion method was 34.2% higher than that of the traditional method, and the stability period was 11.4% higher than that of the traditional low power adaptive cluster clustering protocol. Compared with the traditional arithmetic average method, the accuracy of data fusion was improved by 7.6%, the system energy consumption was decreased by about 32.5% per round, which can not only reduce the influence of redundancy and less reliable data on the measurement results, but also reduce the unnecessary data transmission loss, as well as reduce the cost of cold chain logistics and improve the degree of informatization of cold chain logistics to a certain extent.

WSN wireless sensor network;clustering fusion;cold chain monitoring

10.6041/j.issn.1000-1298.2017.08.035

2017-04-17

2017-05-23

國家自然科學(xué)基金項目(71261021)

李志剛(1970—)，男，教授，博士生導(dǎo)師，主要從事農(nóng)業(yè)信息技術(shù)及系統(tǒng)開發(fā)研究,E-mail: lzg_inf@shzu.edu.cn

S126; TS205.7

A

1000-1298(2017)08-0302-07