基于機器學習的智能養(yǎng)蠶管理系統(tǒng)設(shè)計

孫孝龍　吳德余　徐森　施建軍

摘要 目前，養(yǎng)蠶生產(chǎn)面臨勞動力緊張、設(shè)備陳舊、技術(shù)滯后、標準不一等問題，特別是管理養(yǎng)蠶環(huán)境和操作技術(shù)的方式仍然存在不足，因此不能滿足產(chǎn)業(yè)化、智能化現(xiàn)代農(nóng)業(yè)的發(fā)展需求。依托農(nóng)業(yè)物聯(lián)網(wǎng)實時記錄、監(jiān)控養(yǎng)蠶環(huán)境因子和家蠶生長發(fā)育狀態(tài)，利用機器學習算法不斷學習、訓(xùn)練得到一個預(yù)測模型，該模型可結(jié)合養(yǎng)蠶生產(chǎn)實景，能準確理解養(yǎng)蠶環(huán)境、家蠶生長發(fā)育狀態(tài)和生產(chǎn)場景，實時調(diào)節(jié)環(huán)境因子、輸出技術(shù)方案，能達到優(yōu)質(zhì)、高效、精準養(yǎng)蠶生產(chǎn)。

關(guān)鍵詞 機器學習;智能養(yǎng)蠶管理系統(tǒng);系統(tǒng)設(shè)計

中圖分類號 S 126文獻標識碼 A文章編號 0517-6611（2020）23-0260-03

doi：10.3969/j.issn.0517-6611.2020.23.068

Design of Intelligent Sericulture Management System Based on Machine Learning

SUN Xiao-long1， WU De-yu1， XU Sen2 et al

（1. Yancheng Bioengineering Branch of Jiangsu Union Technical Institute，Yancheng， Jiangsu 224051; 2.School of Information Engineering， Yancheng Institute of Technology， Yancheng， Jiangsu 224007）

Abstract At present， sericulture production has the problems of labor shortage， obsolete equipment， obsolete technology and different standards， especially the ways of managing the environment and operating techniques for silkworm rearing. Therefore， sericulture production could not meet the development requirements of industrialization and intelligent modern agriculture. We relied on real-time recording of agricultural Internet of Things， monitored silkworm rearing environmental factors， growth and development status of silkworm， and finally obtained a prediction model by using machine learning algorithm to learning and training. Combining with silkworm rearing to produce real scene， this model could accurately understand the environment of sericulture， growth and development status of silkworm and production scene， adjust real time environmental factors and output technical solution， which could achieve high quality， efficient and accurate sericulture.

Key words Machine learning;Intelligent sericulture management system;System design

農(nóng)業(yè)智能管理需要對生物環(huán)境的溫度、濕度、氣體、光照以及生物生長發(fā)育狀態(tài)等主要參數(shù)進行精準調(diào)節(jié)和合理保護。傳統(tǒng)養(yǎng)蠶生產(chǎn)模式依靠人工對蠶室環(huán)境溫度、濕度、光照、氣體以及家蠶生長發(fā)育狀態(tài)等進行觀察、調(diào)控和監(jiān)管，經(jīng)常會出現(xiàn)環(huán)境因子波動幅度大、過程記載不清、操作技術(shù)偏差、管理失控等生產(chǎn)事故，嚴重影響?zhàn)B蠶產(chǎn)業(yè)的發(fā)展質(zhì)量。機器學習由神經(jīng)網(wǎng)絡(luò)發(fā)展而來，是深度學習形式的具體表現(xiàn)。近年來，在大數(shù)據(jù)技術(shù)應(yīng)用快速發(fā)展背景下，機器學習逐漸顛覆了在語音識別、圖像識別、場景辨別、文本理解等相關(guān)領(lǐng)域算法的設(shè)計思路。機器學習通過深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用，對散落在不同場景下碎片化、非結(jié)構(gòu)化的文字、圖片、聲音、視頻等數(shù)據(jù)應(yīng)用深度學習，對目標對象的特征進行刻畫，為管理流程的優(yōu)化、管理效率的提高提供了新的內(nèi)生動力[1-3]。筆者通過物聯(lián)網(wǎng)系統(tǒng)實時監(jiān)控養(yǎng)蠶環(huán)境因子，結(jié)合養(yǎng)蠶生產(chǎn)實景，利用機器學習算法不斷學習、訓(xùn)練得到1個預(yù)測模型，該模型可結(jié)合養(yǎng)蠶生產(chǎn)實際情況適時調(diào)節(jié)環(huán)境因子，改進技術(shù)手段，實現(xiàn)精準高效生產(chǎn)的目的。鑒于此，基于農(nóng)業(yè)物聯(lián)網(wǎng)和深度學習算法，筆者對復(fù)雜養(yǎng)蠶環(huán)境的監(jiān)控和家蠶生長發(fā)育狀態(tài)進行科學預(yù)測，設(shè)計智能養(yǎng)蠶管理系統(tǒng)，實現(xiàn)精準決策管理，為養(yǎng)蠶生產(chǎn)產(chǎn)業(yè)化、精準化、智能化提供科學依據(jù)[4-5]。

1 養(yǎng)蠶技術(shù)參數(shù)及設(shè)計特點

養(yǎng)蠶技術(shù)參數(shù)主要包括養(yǎng)蠶環(huán)境因子和家蠶生長發(fā)育狀態(tài)（生長經(jīng)過、體態(tài)特征和發(fā)育階段）。養(yǎng)蠶環(huán)境因子主要包括棚室內(nèi)、外溫度，內(nèi)、外濕度，光照強度，氣流速度，CO、CO2等氣體濃度;家蠶生長發(fā)育狀態(tài)包含發(fā)育經(jīng)過階段和家蠶大小、體色、體態(tài)、生長發(fā)育規(guī)律、狀態(tài)、表征、群體整齊狀況等。采用農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)，運用深度學習綜合算法、養(yǎng)蠶環(huán)境和家蠶生長發(fā)育狀態(tài)數(shù)據(jù)，通過不同智能設(shè)備調(diào)控，及時提供養(yǎng)蠶生產(chǎn)適宜的環(huán)境條件和合理的技術(shù)方案，不僅省力省工、生產(chǎn)安全、精準施策，而且能不斷優(yōu)化技術(shù)方案，有效提高蠶種和蠶繭的產(chǎn)量和質(zhì)量。

2 系統(tǒng)設(shè)計

2.1 總體方案

根據(jù)養(yǎng)蠶環(huán)境調(diào)控目標及養(yǎng)蠶技術(shù)參數(shù)特點，以農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)為依托，設(shè)計養(yǎng)蠶管理數(shù)據(jù)庫系統(tǒng)，實現(xiàn)養(yǎng)蠶棚室環(huán)境參數(shù)、家蠶生長發(fā)育狀態(tài)的全面感知、精準傳輸和智能處理。借鑒深度卷積神經(jīng)網(wǎng)絡(luò)算法，綜合運用信息管理、自動監(jiān)測、動態(tài)模擬、虛擬仿真、樣本學習、精確控制、網(wǎng)絡(luò)通訊等現(xiàn)代信息技術(shù)，以養(yǎng)蠶環(huán)境要素、家蠶生長發(fā)育狀態(tài)實景和工作過程的信息化和智能化為主要研究目標[6-8]，通過解決養(yǎng)蠶環(huán)境的信息化管理、家蠶狀態(tài)的自動化監(jiān)測、養(yǎng)蠶過程的數(shù)字化模擬、管理系統(tǒng)的可視化設(shè)計、專業(yè)知識的模型化表達以及專家決策的精準化控制等實際問題，通過篩選支撐農(nóng)業(yè)物聯(lián)網(wǎng)應(yīng)用的相關(guān)設(shè)備和儀器，實現(xiàn)養(yǎng)蠶技術(shù)的監(jiān)測、預(yù)測、決策以及管理的數(shù)字化、可視化、智能化，從而提升現(xiàn)代蠶業(yè)的綜合管理水平和核心競爭力。

2.2 模塊設(shè)計

2.2.1 設(shè)計基礎(chǔ)。 在系統(tǒng)設(shè)計過程中，引入機器學習的分類模型來識別不同類型的養(yǎng)蠶實景樣本數(shù)據(jù)，將綜合算法通過后臺插件模型引入到系統(tǒng)中來，針對不同養(yǎng)蠶環(huán)境和生物生長發(fā)育實景進行數(shù)據(jù)分類處理，多層測試、校準、完善（圖1）。系統(tǒng)包含移動端APP、算法云服務(wù)和系統(tǒng)開發(fā)平臺。軟件系統(tǒng)開發(fā)包括ZigBee底層協(xié)議棧開發(fā)、各種傳感器驅(qū)動程序編寫、智能控制程序的編寫、網(wǎng)關(guān)接入、GPRS網(wǎng)程序編寫、養(yǎng)蠶數(shù)據(jù)庫建立等。手機APP系統(tǒng)采用Eclipse ADP開發(fā)環(huán)境，在Win10 64位操作系統(tǒng)下運行，使用安卓TextView、ImageButton等控件，采用線性布局進行開發(fā)。

2.2.2

模塊設(shè)計。系統(tǒng)模塊設(shè)計包括數(shù)據(jù)感知采集、數(shù)據(jù)傳輸處理、樣本學習訓(xùn)練、智能控制管理4個模塊，每個模塊完成相應(yīng)的功能。數(shù)據(jù)感知采集主要完成養(yǎng)蠶環(huán)境和基礎(chǔ)發(fā)育狀態(tài)數(shù)據(jù)的感知、采集和控制，主要包括RTU設(shè)備、各類環(huán)境因子傳感器、高清全景攝像機等，采集產(chǎn)生0～5 V的數(shù)據(jù)值并進行數(shù)據(jù)初步分析。用戶可對各參數(shù)預(yù)設(shè)報警值，當采集的養(yǎng)蠶環(huán)境因子參數(shù)達到報警值時，管理者可獲得手機報警，以便對養(yǎng)蠶環(huán)境和家蠶生長發(fā)育狀態(tài)及時調(diào)控、養(yǎng)護。數(shù)據(jù)傳輸處理包括數(shù)據(jù)存儲、數(shù)據(jù)分析、智能更新、人機交換4個部分。數(shù)據(jù)存儲實時創(chuàng)建基于機器學習的養(yǎng)蠶數(shù)據(jù)庫和設(shè)備狀態(tài)數(shù)據(jù)庫，完成感知采集數(shù)據(jù)的基本處理和更新。樣本學習訓(xùn)練采用深度學習綜合算法，通過軟件補償、分布圖法、對比糾偏和取平均值法消除感知數(shù)據(jù)的差異影響，實現(xiàn)數(shù)據(jù)智能化分析、處理、校準、改進?；谟脩舻膶＜覜Q策管理思維和智能化養(yǎng)蠶生產(chǎn)監(jiān)控模式，設(shè)計人機交互界面。用戶管理操作包括實時監(jiān)控、數(shù)據(jù)查詢、技術(shù)咨詢、決策輸出、參數(shù)設(shè)置和規(guī)則更新等。系統(tǒng)采用AJAX圖表實時顯示技術(shù)，采集數(shù)據(jù)全部存入中心數(shù)據(jù)庫，便于數(shù)據(jù)查詢、驗證和學習改進。各養(yǎng)蠶基地可分別使用不同的用戶名和密碼進入系統(tǒng)，實時查看并及時上傳實境數(shù)據(jù)，可以同時控制多個設(shè)備的工作狀態(tài)[9]。

2.2.3 基于機器學習的模型訓(xùn)練。卷積神經(jīng)網(wǎng)絡(luò)由于具有強大的特征學習和分類能力，在目標檢測、圖像分類、管理預(yù)測等領(lǐng)域具有很好的應(yīng)用。AlexNet、ResNet等模型在圖像處理分類方面取得了不斷進展，隨著模型層數(shù)的增加以及結(jié)構(gòu)優(yōu)化，深度學習的識別能力大大超過了人眼。由于數(shù)據(jù)庫量不是特別大，養(yǎng)蠶模型訓(xùn)練采用殘差網(wǎng)絡(luò)ResNet微調(diào)的訓(xùn)練方法來實現(xiàn)養(yǎng)蠶環(huán)境和家蠶生長發(fā)育實景的分類識別處理。養(yǎng)蠶樣本訓(xùn)練數(shù)據(jù)選用從開發(fā)者平臺互聯(lián)網(wǎng)獲取、管理者經(jīng)驗積累或用戶采集反饋，以此不斷豐富訓(xùn)練集、驗證集和測試集。一方面，加大有標注的養(yǎng)蠶數(shù)據(jù)、圖像信息的建立;另一方面，在分類模型訓(xùn)練過程中，對大量養(yǎng)蠶數(shù)據(jù)進行分類和歸一化操作，并通過不斷的迭代訓(xùn)練來尋求最佳分類模型。系統(tǒng)設(shè)計目標就是將數(shù)據(jù)庫的獲取和分類模型訓(xùn)練自動化，從圖像搜索查詢、人工篩選甄別、歸一化調(diào)整到分類模型訓(xùn)練，從而逐步加大數(shù)據(jù)庫容量，提升數(shù)據(jù)歸一標準[10-11]。

3 系統(tǒng)功能

3.1 快速感知集成

系統(tǒng)可在線實時監(jiān)控養(yǎng)蠶環(huán)境因子變化、家蠶生長發(fā)育動態(tài)和養(yǎng)蠶環(huán)境中各類連接設(shè)備的狀態(tài)信息，也可以通過視頻在線，實時觀察、記錄、巡查到相關(guān)基地、某個棚室的家蠶生長發(fā)育狀態(tài)，實現(xiàn)無人化值守、自動化調(diào)節(jié)、全程化日志、智能化告警。養(yǎng)蠶環(huán)境參數(shù)、家蠶生長發(fā)育狀態(tài)和設(shè)備工作狀態(tài)的相關(guān)信息通過管理系統(tǒng)界面顯示、記錄，可以通過控制中心管理平臺獲取、調(diào)取，也可以通過網(wǎng)絡(luò)瀏覽器或移動終端APP查看、咨詢、反饋，實現(xiàn)養(yǎng)蠶現(xiàn)場、控制中心、移動用戶三者協(xié)調(diào)一致，既相互依存、又互相補充。

3.2 精準安全調(diào)控

系統(tǒng)通過多種調(diào)節(jié)方式完成養(yǎng)蠶環(huán)境和家蠶生長發(fā)育狀態(tài)的合理保護，實現(xiàn)在系統(tǒng)指導(dǎo)下現(xiàn)場操作的同時，也可以對養(yǎng)蠶生產(chǎn)技術(shù)進行遠程智能調(diào)控。一是在環(huán)境參數(shù)范圍內(nèi)，系統(tǒng)運用模糊算法，自動調(diào)節(jié)輔助設(shè)備的運行狀態(tài)，精準控制養(yǎng)蠶環(huán)境因子水平的高低，并對臨界溫度、節(jié)點濕度、有毒氣體等監(jiān)控關(guān)鍵因子進行告警管理;二是系統(tǒng)通過不同階段、不同類型家蠶的生長發(fā)育狀態(tài)樣本學習訓(xùn)練，有針對性地提供精準養(yǎng)蠶生產(chǎn)方案，包括過程鑒別、發(fā)育標準、生長預(yù)測、技術(shù)措施、操作仿真等預(yù)測管理。

3.3 實時定位監(jiān)控

系統(tǒng)把養(yǎng)蠶用戶的需求問題轉(zhuǎn)化為方便查詢、咨詢的知識和規(guī)則，建成養(yǎng)蠶技術(shù)知識庫、標準庫，提供給管理系統(tǒng)平臺。管理用戶既可以通過網(wǎng)絡(luò)瀏覽器或移動APP訪問知識信息系統(tǒng)，接受定位監(jiān)控、知識查詢、專家咨詢、仿真學習等專業(yè)化技術(shù)服務(wù)，也可以現(xiàn)場反饋養(yǎng)蠶環(huán)境和家蠶生長發(fā)育狀態(tài)實景，及時發(fā)現(xiàn)、上傳養(yǎng)蠶生產(chǎn)過程中疑難問題的相關(guān)信息，在接受系統(tǒng)專家指導(dǎo)的同時，不斷豐富養(yǎng)蠶系統(tǒng)數(shù)據(jù)庫。

3.4 智能決策處理

系統(tǒng)通過計算機控制中心實現(xiàn)養(yǎng)蠶生產(chǎn)的智能化管理，主要功能包括環(huán)境參數(shù)的設(shè)置、各類數(shù)據(jù)的采集、實景狀態(tài)的監(jiān)測、相關(guān)數(shù)據(jù)的傳輸、樣本學習訓(xùn)練、技術(shù)方案的輸出、數(shù)據(jù)管理、日志查詢等。管理系統(tǒng)對養(yǎng)蠶復(fù)雜環(huán)境和家蠶生長發(fā)育狀態(tài)進行實時記錄、監(jiān)控，并能對家蠶未來生長發(fā)育進程、技術(shù)方案進行預(yù)測，實現(xiàn)養(yǎng)蠶生產(chǎn)預(yù)測性調(diào)控和養(yǎng)護。

4 結(jié)果與分析

該系統(tǒng)在鹽城工學院、鹽城思源網(wǎng)絡(luò)科技有限公司等單位參與下，進行了綜合試驗、應(yīng)用和分析。設(shè)計表明，通過引入基于卷積神經(jīng)網(wǎng)絡(luò)機器學習來識別不同階段、不同類型的養(yǎng)蠶環(huán)境、家蠶生長發(fā)育狀態(tài)，結(jié)合用戶移動APP應(yīng)用，通過計算機綜合數(shù)據(jù)處理，全方位輸出、提供技術(shù)服務(wù)和生產(chǎn)方案，作用于簡化分類模型的智能生產(chǎn)訓(xùn)練，在養(yǎng)蠶環(huán)境和家蠶生長發(fā)育管理中的數(shù)據(jù)精準采集、標準數(shù)據(jù)庫完善、快速響應(yīng)調(diào)控、專家決策提供等方面取得了顯著的成效，大大提高了養(yǎng)蠶生產(chǎn)智能化水平和經(jīng)濟效益。

4.1 數(shù)據(jù)庫更豐富

系統(tǒng)依托農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)，通過機器學習實時對養(yǎng)蠶環(huán)境因子和家蠶生長發(fā)育狀態(tài)數(shù)據(jù)進行采集、傳輸、對比、訓(xùn)練、存儲、更新，通過智能控制平臺（現(xiàn)場或遠程）提供用戶需要的管理信息，或發(fā)出超值報警信息。調(diào)查表明，常規(guī)生產(chǎn)條件下，智能養(yǎng)蠶管理系統(tǒng)數(shù)據(jù)采集準確率可達99.57%，標準參數(shù)校正率可達85.65%，針對棚室模式的養(yǎng)蠶生產(chǎn)應(yīng)用，系統(tǒng)數(shù)據(jù)庫存儲量平均可提高12.6倍，應(yīng)用效果大大超出人工操作速度和效率。

4.2 安全性能更高

智能養(yǎng)蠶管理系統(tǒng)不僅可以達到全方位無人值守的效果，而且通過深度卷積神經(jīng)網(wǎng)絡(luò)綜合算法，及時調(diào)整養(yǎng)蠶環(huán)境和家蠶生長發(fā)育狀態(tài)標準參數(shù)，大大提高了養(yǎng)蠶生產(chǎn)的精準度和安全性。同時，系統(tǒng)的全方位實景監(jiān)控和偏差自我糾錯處理實現(xiàn)了提前預(yù)警和異常警戒功能，保證了快速響應(yīng)、指令精準的高效管理要求，增加了數(shù)據(jù)更新的靈活性和運行的安全性。

4.3 生產(chǎn)決策更精準

系統(tǒng)設(shè)置了與蠶桑技術(shù)數(shù)據(jù)庫（專業(yè)知識庫和圖片規(guī)則庫、參數(shù)標準庫）的傳輸接口，順利地將專業(yè)知識系統(tǒng)納入計算機智能管理系統(tǒng)。用戶通過現(xiàn)場瀏覽器界面或遠程客戶終端，可以隨時訪問、上傳數(shù)據(jù)信息，實時進行知識查詢、技術(shù)學習、仿真觀摩、案例分析、專家咨詢或開展在線問答。系統(tǒng)應(yīng)用不僅實現(xiàn)了養(yǎng)蠶生產(chǎn)的智能化管理，而且進一步優(yōu)化了養(yǎng)蠶技術(shù)標準方案，確保了系統(tǒng)設(shè)計和應(yīng)用的實時更新。

5 結(jié)語

該系統(tǒng)基于大數(shù)據(jù)機器學習技術(shù)，結(jié)合養(yǎng)蠶生產(chǎn)實景開發(fā)設(shè)計，應(yīng)用新型農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)、樣本機器學習綜合算法，實現(xiàn)了養(yǎng)蠶生產(chǎn)規(guī)?；⒅悄芑芾?，大大提高了生產(chǎn)自動化水平和管理效益。系統(tǒng)通過開發(fā)者平臺，使養(yǎng)蠶分類模型訓(xùn)練自動化，進一步提高了樣本學習、模糊處理的質(zhì)量，但仍然存在農(nóng)業(yè)傳感器靈敏性、適應(yīng)性、可靠性不高，養(yǎng)蠶數(shù)據(jù)不多、情境不豐富，視頻和圖像技術(shù)識別不精致，數(shù)據(jù)技術(shù)標準不統(tǒng)一等問題，因此需要進一步加大推廣應(yīng)用，充分利用行業(yè)大數(shù)據(jù)，增強數(shù)據(jù)過濾，進一步提高系統(tǒng)數(shù)據(jù)處理和管理決策的精準度和適應(yīng)性。

參考文獻

[1] 肖澤中.深度學習在管理實踐中的應(yīng)用[J].未來與發(fā)展，2018（9）：57-63.

[2] 高浩天，朱森林，常歌，等.基于農(nóng)業(yè)物聯(lián)網(wǎng)的智能溫室系統(tǒng)架構(gòu)與實現(xiàn)[J].農(nóng)機化研究，2018，40（1）：183-188.

[3] 孫孝龍，吳洪昊，周衛(wèi)陽，等.基于新型物聯(lián)網(wǎng)的蠶室環(huán)境管理系統(tǒng)設(shè)計與應(yīng)用[J].計算機應(yīng)用與軟件，2019，36（6）：58-61，75.

[4] 沈平，袁瑛，周潘.物聯(lián)網(wǎng)中大規(guī)模無線射頻識別標簽的容錯估計算法[J].計算機應(yīng)用與軟件，2019，36（6）：35-42.

[5] 陸蓉，胡肄農(nóng)，黃小國，等.智能化畜禽養(yǎng)殖場人工智能技術(shù)的應(yīng)用與展望[J].天津農(nóng)業(yè)科學，2018，24（7）：34-40.

[6] 袁培森，黎薇，任守綱，等.基于卷積神經(jīng)網(wǎng)絡(luò)的菊花花型和品種識別[J].農(nóng)業(yè)工程學報，2018，34（5）：152-158.

[7] 劉康，張元哲，紀國良，等.基于表示學習的知識庫問答研究進展與展望[J].自動化學報，2016，42（6）：807-818.

[8] 陳嘉.基于物聯(lián)網(wǎng)的智能農(nóng)業(yè)監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)[J].數(shù)字通信世界，2020（1）：48.

[9] 汪思德，陳乙鑫.基于物聯(lián)網(wǎng)的智能環(huán)境監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)[J].現(xiàn)代計算機，2019（10）：85-88.

[10] 張彤，劉志，莊新卿.基于開發(fā)者平臺和深度學習的智能識花與護花系統(tǒng)[J].工業(yè)控制計算機，2018，31（1）：90-92.

[11] 康孟珍，王秀娟，華凈，等.平行農(nóng)業(yè)：邁向智慧農(nóng)業(yè)的智能技術(shù)[J].智能科學與技術(shù)學報，2019（2）：107-117.

基金項目 國家自然科學基金項目（61105057）;國家職業(yè)教育數(shù)字化資源共建共享計劃（ZYWZ201101）;江蘇省農(nóng)業(yè)三新工程項目（SXGC〔2015〕187）。

作者簡介 孫孝龍（1971— ），男，安徽靈璧人，副教授，碩士，從事蠶桑技術(shù)與農(nóng)業(yè)信息化推廣應(yīng)用研究。

收稿日期 2020-05-21