基于LORA和智能邊緣計(jì)算的嫩江水質(zhì)管護(hù)系統(tǒng)

張顯忠，趙廷凱，徐將杰，張若清，唐月慧，苗鳳娟

基于LORA和智能邊緣計(jì)算的嫩江水質(zhì)管護(hù)系統(tǒng)

張顯忠，趙廷凱，徐將杰，張若清，唐月慧，苗鳳娟＊

（齊齊哈爾大學(xué) 通信與電子工程學(xué)院，黑龍江 齊齊哈爾 161006）

該系統(tǒng)融合物聯(lián)網(wǎng)、LoRa無(wú)線傳輸、智能邊緣計(jì)算、多傳感器融合技術(shù)、嵌入式控制系統(tǒng)以及行業(yè)應(yīng)用軟件等技術(shù)，可以幫助相關(guān)的水質(zhì)監(jiān)管部門及時(shí)有效地發(fā)現(xiàn)監(jiān)測(cè)點(diǎn)水的異常狀態(tài)，快速采取合理有效的措施進(jìn)行處理。系統(tǒng)采集嫩江水質(zhì)的ph值，溶氧量，電導(dǎo)率等信息，結(jié)合定位信息得到測(cè)量點(diǎn)的準(zhǔn)確位置等信息經(jīng)由LoRa無(wú)線網(wǎng)絡(luò)將數(shù)據(jù)傳輸至終端的上位機(jī)，并根據(jù)檢測(cè)結(jié)果做出響應(yīng)，在上位機(jī)部分進(jìn)行邊緣計(jì)算，得到具有代表型的高精度結(jié)果值傳至云服務(wù)進(jìn)行整個(gè)河流的展示與分析。

LORA；邊緣計(jì)算；嫩江

近年來(lái)，我國(guó)經(jīng)濟(jì)發(fā)展迅速，在城市建設(shè)、農(nóng)業(yè)生產(chǎn)以及工業(yè)生產(chǎn)等方面，取得了良好的成績(jī)，城市化進(jìn)程不斷加速，導(dǎo)致水資源需求量增加迅速。部分地區(qū)由于水資源短缺，出現(xiàn)了嚴(yán)重的缺水現(xiàn)象，從而對(duì)水資源進(jìn)行過(guò)度開發(fā)，影響了水資源的循環(huán)利用，導(dǎo)致水資源質(zhì)量問(wèn)題出現(xiàn)。根據(jù)GB/T50594-2010《水功能區(qū)劃分標(biāo)準(zhǔn)》，排污控制區(qū)的水質(zhì)標(biāo)準(zhǔn)按其出流斷面的水質(zhì)狀況達(dá)到相鄰水功能區(qū)的水質(zhì)控制標(biāo)準(zhǔn)確定，嫩江流域參評(píng)水功能區(qū)128個(gè)，全指標(biāo)和雙指標(biāo)評(píng)價(jià)的現(xiàn)狀水質(zhì)為Ⅲ類及優(yōu)于Ⅲ類水功能區(qū)個(gè)數(shù)分別為59個(gè)和82個(gè)，比例分別為46.1%和64.1%。根據(jù)水功能區(qū)水質(zhì)達(dá)標(biāo)情況評(píng)價(jià)，結(jié)果顯示，參評(píng)的128個(gè)水功能區(qū)中，全指標(biāo)和雙指標(biāo)評(píng)價(jià)的現(xiàn)狀水質(zhì)達(dá)標(biāo)的水功能區(qū)個(gè)數(shù)分別為37個(gè)和53個(gè)，所占比例分別為28.9%和41.4%。[1]

綜上所述，嫩江流域水質(zhì)一般，問(wèn)題較為突出。對(duì)于嫩江水質(zhì)的處理，采用檢測(cè)分析水體成分措施, 對(duì)制定區(qū)域內(nèi)的水資源質(zhì)量進(jìn)行科學(xué)的評(píng)估，以考察其是否達(dá)到正常水質(zhì)的指標(biāo)，并根據(jù)用水途徑對(duì)水資源循環(huán)利用方向進(jìn)行確定，實(shí)現(xiàn)水資源的最大化利用，有效避免水資源浪費(fèi)問(wèn)題，同時(shí)找出水質(zhì)污染原因，從而制定出科學(xué)的解決對(duì)策，以達(dá)到保護(hù)水資源的目的。從保護(hù)水資源的角度出發(fā)，分析水資源質(zhì)量，為水資源主要用途提供建議，通過(guò)處理措施，提高水資源的利用率，并將水質(zhì)分析結(jié)果，作為預(yù)防水資源污染的衡量標(biāo)準(zhǔn)。

1 嫩江江水質(zhì)管護(hù)系統(tǒng)整體方案設(shè)計(jì)

本文通過(guò)多個(gè)傳感器網(wǎng)絡(luò)點(diǎn)，將有關(guān)嫩江水質(zhì)的信息收集到一起，例如水質(zhì)的PH值，溶氧量，水溫，電導(dǎo)率，水的濁度等信息，并結(jié)合GPS全球定位系統(tǒng)得到測(cè)量點(diǎn)的準(zhǔn)確位置等信息經(jīng)由STM32單片機(jī)處理融合，經(jīng)由LoRa無(wú)線網(wǎng)絡(luò)將數(shù)據(jù)傳輸至終端的上位機(jī)，并根據(jù)檢測(cè)結(jié)果向管理員提出解決問(wèn)題的辦法，目的減輕人工定期查詢的工作勞累，并能夠依據(jù)所收集的數(shù)據(jù)對(duì)存在的問(wèn)題作出合理的預(yù)判，在水質(zhì)出現(xiàn)問(wèn)題的時(shí)候及時(shí)應(yīng)對(duì)，在上位機(jī)后臺(tái)部分進(jìn)行邊緣計(jì)算，過(guò)濾掉由于一些偶然因素導(dǎo)致數(shù)據(jù)意外跳動(dòng)產(chǎn)生的錯(cuò)誤數(shù)據(jù)，得到具有代表性的高精度結(jié)果值傳至云數(shù)據(jù)庫(kù)，簡(jiǎn)化Web云的數(shù)據(jù)處理部分，減少網(wǎng)絡(luò)資源的消耗，用于接收來(lái)自其他站點(diǎn)的信息，并進(jìn)行分析與可視化展示。整體設(shè)計(jì)流程如圖1所示。

圖1 嫩江水質(zhì)管護(hù)系統(tǒng)整體方案設(shè)計(jì)框圖

2 硬件網(wǎng)絡(luò)架構(gòu)

2.1 整體架構(gòu)

本系統(tǒng)主要包括邊緣LoRa網(wǎng)絡(luò)架構(gòu)和云端服務(wù)兩個(gè)部分。邊緣網(wǎng)絡(luò)架構(gòu)通過(guò)LORA網(wǎng)絡(luò)將每個(gè)采集點(diǎn)的數(shù)據(jù)進(jìn)行整合，再利用P2P傳輸?shù)皆贫司W(wǎng)絡(luò)。同時(shí)，在每個(gè)采集點(diǎn)預(yù)先進(jìn)行邊緣計(jì)算，以便簡(jiǎn)化數(shù)據(jù)處理，并且減輕網(wǎng)絡(luò)負(fù)擔(dān)。云端網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行綜合處理，分析各個(gè)采集點(diǎn)的水質(zhì)情況，從而對(duì)嫩江的整體水質(zhì)進(jìn)行評(píng)價(jià)，通過(guò)對(duì)比其他河流不同時(shí)期的水質(zhì)數(shù)據(jù)對(duì)嫩江的水質(zhì)情況進(jìn)行預(yù)測(cè)。云端數(shù)據(jù)庫(kù)對(duì)數(shù)據(jù)進(jìn)行分析后即時(shí)反饋給本地服務(wù)器，以便于專業(yè)人員對(duì)嫩江水質(zhì)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，能夠掌握嫩江的實(shí)時(shí)水質(zhì)狀態(tài)，及時(shí)處理異常情況，整體架構(gòu)如圖2所示。

圖2 系統(tǒng)硬件設(shè)計(jì)架構(gòu)圖

2.2 邊緣硬件網(wǎng)絡(luò)設(shè)計(jì)

系統(tǒng)在嫩江不同河段設(shè)置了多處采集點(diǎn)，在每個(gè)采集點(diǎn)采集pH值，濁度，水溫度，水電導(dǎo)率TDS等水質(zhì)信息，對(duì)嫩江水質(zhì)進(jìn)行綜合分析。因此，本項(xiàng)目對(duì)采集點(diǎn)的邊緣硬件選用STM32作為控制芯片，利用多傳感器信息融合技術(shù)，將采集到的信息統(tǒng)一交由STM32主核進(jìn)行分析，減少網(wǎng)絡(luò)對(duì)云端的信息處理，同時(shí)降低網(wǎng)絡(luò)的壓力。STM32主核對(duì)收集到的數(shù)據(jù)進(jìn)行打包處理，依靠定時(shí)心跳包（帶基本數(shù)據(jù)）將數(shù)據(jù)定時(shí)發(fā)送，通過(guò)LORA數(shù)據(jù)傳輸模塊，將數(shù)據(jù)傳輸?shù)絃ORA網(wǎng)絡(luò)，邊緣網(wǎng)絡(luò)設(shè)計(jì)如圖3所示。

圖3 邊緣硬件網(wǎng)絡(luò)設(shè)計(jì)圖

2.3 多傳感器融合設(shè)計(jì)

多傳感器信息融合（Multi-sensor Information Fusion, MSIF），是利用計(jì)算機(jī)技術(shù)將來(lái)自多傳感器的信息和數(shù)據(jù)，在一定的準(zhǔn)則下加以自動(dòng)分析和綜合，以完成所需要的決策和估計(jì)而進(jìn)行的信息處理過(guò)程。[2]本項(xiàng)目使用水溫傳感器、PH傳感器、濁度傳感器以及電導(dǎo)率傳感器等多種傳感器，進(jìn)行水質(zhì)多種指標(biāo)信息的采集。在硬件同步中使用GPS包含的時(shí)間信息，統(tǒng)一給各個(gè)傳感器提供基準(zhǔn)時(shí)間，各傳感器根據(jù)已經(jīng)校準(zhǔn)后的各自時(shí)間為各自獨(dú)立采集的數(shù)據(jù)加上時(shí)間戳信息觸發(fā)采集命令，實(shí)現(xiàn)各傳感器采集、測(cè)量的時(shí)間同步，做到同一時(shí)刻采集相同的信息。[3]

2.4 LORA網(wǎng)絡(luò)架構(gòu)

本文選取的是河流，水的流速大小會(huì)影響到本項(xiàng)目采集，且本項(xiàng)目會(huì)在云端分析整個(gè)河流的水質(zhì)走勢(shì)，所以需要延時(shí)低的數(shù)據(jù)傳輸方式，對(duì)比當(dāng)前運(yùn)營(yíng)商提供的4G網(wǎng)絡(luò)，LoRa終端無(wú)線通信的耗電量相對(duì)較低，數(shù)據(jù)傳輸距離遠(yuǎn)，適合小數(shù)據(jù)量、低頻率（低吞吐率）的信息上傳的優(yōu)勢(shì)。[4]LoRa是一種物理層的調(diào)制技術(shù)，可將其用于不同的協(xié)議中，比如LoRaWAN 協(xié)議、CLAA 網(wǎng)絡(luò)協(xié)議、LoRa 私有網(wǎng)絡(luò)協(xié)議、LoRa數(shù)據(jù)透?jìng)鳌ｋS著使用協(xié)議的不同，最終的產(chǎn)品和業(yè)務(wù)形態(tài)也會(huì)有所不同。其中，LoRaWAN 協(xié)議是由 LoRa 聯(lián)盟推動(dòng)的一種低功耗廣域網(wǎng)協(xié)議，同時(shí)LoRa聯(lián)盟將 LoRaWAN 進(jìn)行了標(biāo)準(zhǔn)化，以確保不同國(guó)家的LoRa網(wǎng)絡(luò)是可以互操作的。截至目前，LoRaWAN 標(biāo)準(zhǔn)已建立起“LoRa芯片-模組-傳感器-基站或網(wǎng)關(guān)-網(wǎng)絡(luò)服務(wù)-應(yīng)用服務(wù)”的完整生態(tài)鏈。[5]為了加強(qiáng)網(wǎng)絡(luò)的穩(wěn)定性和可靠性，每個(gè)采集點(diǎn)之間都將參與數(shù)據(jù)鏈路的構(gòu)建，進(jìn)行數(shù)據(jù)流傳輸，并進(jìn)行數(shù)據(jù)接收應(yīng)答，確保數(shù)據(jù)傳輸可靠性，如圖4所示。

圖4 LORA網(wǎng)絡(luò)架構(gòu)圖

2.5 網(wǎng)絡(luò)異常處理

通過(guò)這種LoRa網(wǎng)絡(luò)構(gòu)建方式，有效避免某個(gè)節(jié)點(diǎn)數(shù)據(jù)丟失。如果因?yàn)楫惓Ｔ驅(qū)е履硹l鏈路不通，但是，因?yàn)檫€存在有其他的節(jié)點(diǎn)與該節(jié)點(diǎn)之間存在數(shù)據(jù)通路，所以，即使一條鏈路不通，也不會(huì)影響整個(gè)網(wǎng)絡(luò)的運(yùn)作，異常處理如圖5所示。極大的降低了網(wǎng)絡(luò)的異常狀況，保證了各個(gè)節(jié)點(diǎn)的正常運(yùn)作。

圖5 LORA網(wǎng)絡(luò)異常處理圖

2.6 云端網(wǎng)絡(luò)架構(gòu)

LORA網(wǎng)絡(luò)將數(shù)據(jù)整合后，通過(guò)P2P傳輸，將數(shù)據(jù)傳輸?shù)皆茢?shù)據(jù)庫(kù)。本項(xiàng)目選用的是云數(shù)據(jù)庫(kù)服務(wù)來(lái)實(shí)現(xiàn)Web云展示平臺(tái)。云數(shù)據(jù)庫(kù)提供實(shí)時(shí)流計(jì)算服務(wù)（Cloud Stream Service，簡(jiǎn)稱CS），這是運(yùn)行在公有云上的實(shí)時(shí)流式大數(shù)據(jù)分析服務(wù)，全托管的方式用戶無(wú)需感知計(jì)算集群，只需聚焦于Stream SQL業(yè)務(wù)，即時(shí)執(zhí)行作業(yè)，完全兼容Apache Flink V1.5.3 API和Apache Spark V2.2.1 API。實(shí)時(shí)流計(jì)算是阿里公司在IT領(lǐng)域主推的低時(shí)延（ms級(jí)時(shí)延）、高吞吐、高可靠的分布式實(shí)時(shí)流計(jì)算服務(wù)。[6]它以Flink為基礎(chǔ)，加入公司沉淀的特性增強(qiáng)和安全增強(qiáng)，是批流合一的分布式計(jì)算服務(wù)，提供了數(shù)據(jù)處理所必須的Stream SQL特性。[7]在上位機(jī)上本項(xiàng)目采用Python的套接字Socket來(lái)搭建Tcp網(wǎng)絡(luò)協(xié)議來(lái)實(shí)現(xiàn)Web云數(shù)據(jù)展示，用以保證數(shù)據(jù)傳輸?shù)挠行?，配合?shí)時(shí)流計(jì)算的低時(shí)延（ms級(jí)時(shí)延）、高吞吐、高可靠的特點(diǎn)，當(dāng)數(shù)據(jù)流入服務(wù)器后，依靠SQL數(shù)據(jù)庫(kù)，將其按照不同節(jié)點(diǎn)存儲(chǔ)在不同的表中，當(dāng)累計(jì)大量數(shù)據(jù)之后，依次此數(shù)據(jù)構(gòu)建各個(gè)區(qū)域的水質(zhì)變化的可視化走勢(shì)圖，給予最直觀的展示。利用Web界面的展示的功能，本項(xiàng)目可以進(jìn)行大數(shù)據(jù)展示，對(duì)數(shù)據(jù)進(jìn)行整合分析，并對(duì)嫩江水質(zhì)的未來(lái)狀況進(jìn)行預(yù)測(cè)。同時(shí)，云數(shù)據(jù)庫(kù)將對(duì)數(shù)據(jù)的處理和分析結(jié)果傳回給本地上位機(jī)，進(jìn)行區(qū)域數(shù)據(jù)展示。對(duì)于上位機(jī)的響應(yīng)方案，本項(xiàng)目的數(shù)據(jù)經(jīng)過(guò)濾后實(shí)時(shí)顯示給管理員的同時(shí)利用Python的多線程后臺(tái)檢測(cè)是否有數(shù)據(jù)異常情況，然后會(huì)將存在的問(wèn)題提交至百度瀏覽器API接口https://www.baidu.com/得到當(dāng)前問(wèn)題的最佳解決方案，并將其推薦給管理員，以便防護(hù)人員進(jìn)行異常防護(hù)和即時(shí)預(yù)警。

3 智能邊緣計(jì)算

邊緣計(jì)算是為應(yīng)用開發(fā)者和服務(wù)提供商在網(wǎng)絡(luò)的邊緣側(cè)提供云服務(wù)和IT環(huán)境服務(wù)，“邊緣”指的是位于管理域的邊緣，盡可能地靠近數(shù)據(jù)源或用戶。其目標(biāo)是在靠近數(shù)據(jù)輸入或用戶的地方提供計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)帶寬。但不同的行業(yè)對(duì)應(yīng)邊緣計(jì)算的定義可能不同?；谖锫?lián)網(wǎng)技術(shù)的行業(yè)更多的邊緣側(cè)旨在設(shè)備端。邊緣計(jì)算與IoT云平臺(tái)邊緣計(jì)算與云計(jì)算平臺(tái)將是共生互補(bǔ)。通過(guò)邊緣側(cè)的算力，讓傳統(tǒng)的云計(jì)算框架進(jìn)一步去中心化，在邊緣側(cè)完成部分計(jì)算工作，然后將結(jié)果匯聚到云端進(jìn)行統(tǒng)一處理。云端也可以通過(guò)OTA，模型的訓(xùn)練后的下放與邊緣端集成到一起。云端仍舊可以處理時(shí)間不敏感的應(yīng)用場(chǎng)景，通過(guò)數(shù)據(jù)的匯聚以及云端的大數(shù)據(jù)分析進(jìn)一步為業(yè)務(wù)的決策提供了數(shù)據(jù)支撐。

本項(xiàng)目邊緣計(jì)算經(jīng)由測(cè)量模塊的數(shù)據(jù)可能包含一些無(wú)法估料的因素（例如：某個(gè)傳感器突然異常）導(dǎo)致采集的數(shù)據(jù)發(fā)送突變，為避免Web云展示時(shí)出現(xiàn)錯(cuò)誤信息，需要將此類數(shù)據(jù)過(guò)濾掉，所有結(jié)合學(xué)習(xí)Python，本項(xiàng)目選用箱線圖技術(shù)。箱線圖技術(shù)就是利用數(shù)據(jù)的分位數(shù)識(shí)別其中的異常點(diǎn)，該圖形屬于典型的統(tǒng)計(jì)圖形，在學(xué)術(shù)界和工業(yè)界都得到廣泛的應(yīng)用。箱線圖的形狀特征如下圖6所示。圖中的下四分位數(shù)指的是數(shù)據(jù)的25%分位點(diǎn)所對(duì)應(yīng)的值（Q1）；中位數(shù)即為數(shù)據(jù)的50%分位點(diǎn)所對(duì)應(yīng)的值（Q2）；上四分位數(shù)則為數(shù)據(jù)的75%分位點(diǎn)所對(duì)應(yīng)的值（Q3）；上須的計(jì)算公式為Q3+1.5(Q3-Q1)；下須的計(jì)算公式為Q1-1.5(Q3-Q1)。其中，Q3-Q1表示四分位差。[8]如果采用箱線圖識(shí)別異常值，其判斷標(biāo)準(zhǔn)是，當(dāng)變量的數(shù)據(jù)值大于箱線圖的上須或者小于箱線圖的下須時(shí)，就可以認(rèn)為這樣的數(shù)據(jù)點(diǎn)為異常點(diǎn)。所以，基于上方的箱線圖，可以定義某個(gè)數(shù)值型變量中的異常點(diǎn)和極端異常點(diǎn)，它們的判斷表達(dá)式如下表1所示。

圖6 箱線圖的形狀特征圖

表1 異常點(diǎn)和極端異常點(diǎn)的判斷表達(dá)式

基于上述邊緣計(jì)算策略，本項(xiàng)目的錯(cuò)誤數(shù)據(jù)可在終端采集設(shè)備及時(shí)發(fā)現(xiàn)并做出響應(yīng)。

4 系統(tǒng)功能測(cè)試

4.1 采集點(diǎn)功能測(cè)試

本系統(tǒng)的采集點(diǎn)為減少水流阻力使用船型外觀，使用STM32作為數(shù)據(jù)轉(zhuǎn)載芯片、GPS全球定位系統(tǒng)模塊、pH傳感器、水溫度傳感器、濁度傳感器、水電導(dǎo)率模塊和水流測(cè)速裝置和負(fù)責(zé)通信的LoRa遠(yuǎn)程通信模塊，主控將各傳感器數(shù)據(jù)與GPS時(shí)間信息融合，形成數(shù)據(jù)對(duì)，交由LoRa模塊發(fā)送至下一轉(zhuǎn)載節(jié)點(diǎn)，形成數(shù)據(jù)流，直至到達(dá)發(fā)送節(jié)點(diǎn)，將數(shù)據(jù)發(fā)送至上位機(jī)。另外采集點(diǎn)帶有太陽(yáng)能充電板和大容量鋰電池，白天工作時(shí)將太陽(yáng)能轉(zhuǎn)化成電能，存儲(chǔ)與鋰電池內(nèi)，供夜間使用，經(jīng)過(guò)處理一日正常太陽(yáng)光照產(chǎn)生的電能可維持系統(tǒng)完整運(yùn)作3d左右，符合設(shè)計(jì)要求，實(shí)物圖如下圖7所示。

圖7 采集點(diǎn)硬件實(shí)物圖

4.2 LoRa網(wǎng)絡(luò)異常測(cè)試

本系統(tǒng)設(shè)計(jì)時(shí)為減少網(wǎng)絡(luò)資源的消耗。采用多采集點(diǎn)共用LoRa-上位機(jī)通信鏈路，相鄰采集點(diǎn)之間具有數(shù)據(jù)轉(zhuǎn)發(fā)功能，采集點(diǎn)A->B轉(zhuǎn)發(fā)數(shù)據(jù)完成時(shí)，B會(huì)向A發(fā)送接收應(yīng)答，A依靠應(yīng)答消息判斷數(shù)據(jù)是否被成功接收，異常時(shí)，觸發(fā)異常機(jī)制，改變數(shù)據(jù)傳輸方向，向反方向相鄰采集點(diǎn)轉(zhuǎn)載，完成數(shù)據(jù)轉(zhuǎn)發(fā)。經(jīng)測(cè)試，單數(shù)據(jù)鏈路異常時(shí)，異常處理機(jī)制可重新建立數(shù)據(jù)轉(zhuǎn)發(fā)鏈路，完成數(shù)據(jù)發(fā)送，測(cè)試結(jié)果如下。

圖8 通信鏈路異常調(diào)試圖

將節(jié)點(diǎn)和上位機(jī)波特率都調(diào)節(jié)至115200bps，打開串口調(diào)試助手，串口助手中顯示上位機(jī)可以正常接受節(jié)點(diǎn)發(fā)送的數(shù)據(jù)，調(diào)試圖如圖8所示。

圖9 上位機(jī)軟件調(diào)試圖

打開上位機(jī)軟件，調(diào)整波特率與節(jié)點(diǎn)一致，打開端口。數(shù)據(jù)能夠在上位機(jī)軟件中正常顯示，并且能夠正常處理和分析數(shù)據(jù)，調(diào)試圖如圖9所示。

將數(shù)據(jù)上傳至云端服務(wù)器，服務(wù)器記錄并且能夠展示實(shí)時(shí)數(shù)據(jù)，如圖10, 11所示。經(jīng)過(guò)測(cè)試，從邊緣節(jié)點(diǎn)到上位機(jī)的LORA鏈路和從上位機(jī)到云端服務(wù)器的P2P鏈路的整個(gè)網(wǎng)絡(luò)都可以正常運(yùn)行，并且能夠?qū)崟r(shí)記錄和處理分析數(shù)據(jù)。

圖10 云端數(shù)據(jù)展示圖1

圖11 云端數(shù)據(jù)展示圖2

4.3 異常數(shù)據(jù)處理

圖12是本項(xiàng)目得到的數(shù)據(jù)，并對(duì)數(shù)據(jù)做出了處理。首先，本項(xiàng)目將測(cè)到的數(shù)據(jù)按照時(shí)間進(jìn)行排序，然后找出異常點(diǎn)，也就是在短時(shí)間內(nèi)數(shù)據(jù)發(fā)生突變的點(diǎn)。因?yàn)樗|(zhì)信息不能在短時(shí)間內(nèi)發(fā)生突變，所以，這些短時(shí)間內(nèi)數(shù)據(jù)發(fā)生突變的點(diǎn)被判定為異常點(diǎn)。在傳感器采集信息的過(guò)程中，可能會(huì)因?yàn)殡妷翰环€(wěn)，環(huán)境影響等等不可抗力因素而導(dǎo)致不可避免的數(shù)據(jù)異常。如何處理這些異常是本項(xiàng)目在邊緣計(jì)算中處理的主要問(wèn)題。在原始數(shù)據(jù)圖中，可以看到在標(biāo)記點(diǎn)1處，標(biāo)記點(diǎn)2, 3和標(biāo)記點(diǎn)3, 4之間，數(shù)據(jù)都發(fā)生了不規(guī)則的變化，而在其他的數(shù)據(jù)部分，數(shù)據(jù)都呈現(xiàn)均勻緩慢變化。在每個(gè)采集點(diǎn)的STM32處理器，將按照算法自動(dòng)檢測(cè)出這些不規(guī)則變化的異常點(diǎn)，并進(jìn)行處理。例如，在標(biāo)記點(diǎn)1處，邊緣計(jì)算捕獲出異常，并做該時(shí)刻數(shù)據(jù)置空處理。在標(biāo)記點(diǎn)2, 3和標(biāo)記點(diǎn)3, 4之間，將數(shù)據(jù)波峰進(jìn)行鈍化處理。處理后的數(shù)據(jù)具有更高的準(zhǔn)確性和可參考性，相比于沒有經(jīng)過(guò)處理的數(shù)據(jù)更具有價(jià)值。STM32處理器將處理后的數(shù)據(jù)經(jīng)過(guò)LORA網(wǎng)絡(luò)，由可靠性較好的P2P傳輸，直接傳輸?shù)皆贫朔?wù)器，既提高了準(zhǔn)確率，又減輕了網(wǎng)絡(luò)傳輸數(shù)據(jù)的壓力。

圖12 水質(zhì)信息處理數(shù)據(jù)圖

5 結(jié)論

本文所設(shè)計(jì)的基于LORA和智能邊緣計(jì)算的嫩江水質(zhì)管護(hù)系統(tǒng)能夠有效地監(jiān)測(cè)嫩江水質(zhì)，使用STM32處理器和多傳感器融合技術(shù)，實(shí)現(xiàn)對(duì)采集到的數(shù)據(jù)進(jìn)行邊緣計(jì)算，再通過(guò)LORA網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)整合，使用P2P上傳至云端數(shù)據(jù)庫(kù)。云端數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)綜合處理和分析，實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)，將異常情況及時(shí)反饋給技術(shù)人員。實(shí)時(shí)檢測(cè)水質(zhì)的各種檢測(cè)指標(biāo)，對(duì)水質(zhì)的狀況能夠有詳細(xì)的掌握，根據(jù)水質(zhì)狀況，制定科學(xué)的管理策略，找出造成水質(zhì)下降的原因，及時(shí)有效地保護(hù)嫩江流域水質(zhì)。該系統(tǒng)對(duì)嫩江水質(zhì)的監(jiān)管和保護(hù)，具有重要的參考應(yīng)用價(jià)值。

[1] 李文，馬俊源，毛潭，等. 基于STM32的順序注射水質(zhì)檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 現(xiàn)代電子技術(shù)，2022, 45(06): 44-48.

[2] 李昕聰，余紫揚(yáng)，劉璞，等. 基于NB-IoT和無(wú)人船巡檢的水產(chǎn)養(yǎng)殖場(chǎng)物聯(lián)網(wǎng)系統(tǒng)研究[J]. 漁業(yè)現(xiàn)代化，2022, 49(01): 72-81.

[3] 聶義紅. 常規(guī)水質(zhì)檢測(cè)技術(shù)應(yīng)用中的注意事項(xiàng)探究[J]. 食品安全導(dǎo)刊，2022(02): 40-42.

[4] 馬來(lái)賓，馬偉鋒，樓姣，等. 面向水質(zhì)監(jiān)測(cè)的無(wú)人巡檢器控制系統(tǒng)設(shè)計(jì)與開發(fā)[J]. 電子技術(shù)應(yīng)用，2021, 47(01): 78-81.

[5] 楚俊生，張博山，林兆驥. 邊緣計(jì)算在物聯(lián)網(wǎng)領(lǐng)域的應(yīng)用及展望[J]. 信息通信技術(shù)，2018, 12(05): 31-39.

[6] 杜繼明. Python語(yǔ)言的Web開發(fā)應(yīng)用分析[J]. 數(shù)字通信世界，2022(01): 76-78.

[7] 胡祥翱，董沖，方挺，等. 基于LoRa傳輸?shù)母呔人疁夭畋O(jiān)測(cè)系統(tǒng)[J]. 常州工學(xué)院學(xué)報(bào)，2022, 35(01): 46-51.

[8] 倪梓昂，劉威. 基于LoRa的農(nóng)業(yè)物聯(lián)網(wǎng)節(jié)點(diǎn)設(shè)計(jì)[J]. 江蘇通信，2022, 38(01): 53-65.

Water quality management system of Nenjiang River based on LORA and intelligent edge computing

ZHANG Xian-zhong，ZHAO Ting-kai，XU Jiang-jie，ZHANG Ruo-qing，TANG Yue-hui

(College of Communication and Electronic Engineering, Qiqihar University, Heilongjiang Qiqihar 232061, China)

The system integrates technologies such as Internet of Things, LoRa wireless transmission, intelligent edge computing, multi-sensor fusion technology, embedded control system and industry application software. The system can help relevant water quality supervision departments to find and monitor the abnormal state of water in a timely and effective manner, and quickly take reasonable and effective measures to deal with it. The system collects ph value, dissolved oxygen, conductivity and other information of water quality, and obtains the accurate position of measurement point and other information through LoRa wireless network. Then the data is transmitted to the upper computer of the terminal, and the edge calculation is carried out in the upper computer according to the detection results. The representative high-precision results are transmitted to the cloud service for display and analysis of the whole river.

LORA；edge calculation；water quality management；nenjiang river

2022-04-06

大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目計(jì)劃（202110232061）；黑龍江省自然科學(xué)基金（ZD2019F004）；黑龍江省高等教育教學(xué)改革項(xiàng)目（SJGY20200781）；齊齊哈爾大學(xué)學(xué)位與研究生教育教學(xué)改革研究項(xiàng)目（JGXM_QUG_Z201801）

張顯忠（2000-），男，甘肅人，本科，主要從事無(wú)線通信、傳感器應(yīng)用研究，3503964780@qq.com。

苗鳳娟（1982-），女，黑龍江人，博士/教授，主要物聯(lián)網(wǎng)技術(shù)研究，miaofengjuan@163.com。

TP315;TN92

A

1007-984X(2022)05-0033-07