基于水下云邊協(xié)同架構(gòu)的珊瑚礁監(jiān)測(cè)新機(jī)制

金志剛, 段晨旭, 羊秋玲, 蘇毅珊,*

(1. 天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院, 天津 300072;2. 海南大學(xué)計(jì)算機(jī)科學(xué)與網(wǎng)絡(luò)空間安全學(xué)院, 海南 ?？?570228)

0 引 言

水聲傳感器網(wǎng)絡(luò)(underwater acoustic sensor networks, UASNs)作為一種探索海洋的新興技術(shù)已被廣泛應(yīng)用于資源勘探、災(zāi)害預(yù)警以及污染監(jiān)測(cè)等諸多領(lǐng)域[1-2]。由于近年來(lái)海洋環(huán)境監(jiān)測(cè)與保護(hù)成為國(guó)際社會(huì)的戰(zhàn)略中心,在水下部署具備感知、計(jì)算、處理以及中繼功能的水下傳感設(shè)備所構(gòu)成的大規(guī)模異構(gòu)UASNs,對(duì)海洋監(jiān)測(cè)和環(huán)境保護(hù)的應(yīng)用價(jià)值愈發(fā)凸顯[3]。然而,傳感設(shè)備的大量應(yīng)用使得感知數(shù)據(jù)的類(lèi)型及數(shù)量大幅增加,數(shù)據(jù)中心集中處理的傳統(tǒng)架構(gòu)面臨巨大壓力。此外,傳統(tǒng)的將邊緣設(shè)備產(chǎn)生的原始數(shù)據(jù)直接上傳的傳輸方式存在路徑長(zhǎng)、延遲大、能耗高等問(wèn)題,無(wú)法有效支持大容量、高速度流量數(shù)據(jù)的傳輸[4-5]。因此,亟需設(shè)計(jì)新的UASNs架構(gòu)和數(shù)據(jù)傳輸策略以滿(mǎn)足海洋監(jiān)測(cè)快速響應(yīng)的需求。

作為極具價(jià)值的海洋生態(tài)系統(tǒng),珊瑚礁對(duì)海洋環(huán)境有極高的要求,近年來(lái)因海洋表面溫度升高及海洋污染等因素導(dǎo)致的大規(guī)模珊瑚礁白化事件屢見(jiàn)不鮮[6]。因此,開(kāi)展生態(tài)監(jiān)測(cè)預(yù)警,客觀掌握珊瑚礁生態(tài)現(xiàn)狀,是準(zhǔn)確識(shí)別其面臨風(fēng)險(xiǎn)的關(guān)鍵?，F(xiàn)有珊瑚礁白化監(jiān)測(cè)方法大致分為遙感監(jiān)測(cè)、現(xiàn)場(chǎng)監(jiān)測(cè)及生態(tài)監(jiān)測(cè)3類(lèi)[7]。其中,遙感監(jiān)測(cè)法中最常用的是海表溫法。該方法通過(guò)對(duì)海水表面溫度的遙感衛(wèi)星監(jiān)測(cè)來(lái)預(yù)警珊瑚礁的白化狀況。但該方法僅對(duì)大規(guī)模海域有較好的監(jiān)測(cè)效果,此外還需現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)加以驗(yàn)證輔助?，F(xiàn)場(chǎng)監(jiān)測(cè)法基于水下傳感設(shè)備獲取的實(shí)拍影像,僅能實(shí)現(xiàn)珊瑚礁健康狀況的一次性監(jiān)測(cè),無(wú)法實(shí)現(xiàn)監(jiān)測(cè)過(guò)程的實(shí)時(shí)持續(xù)化。生態(tài)監(jiān)測(cè)法采集珊瑚礁區(qū)域的海洋環(huán)境信息,根據(jù)水質(zhì)環(huán)境數(shù)據(jù)信息評(píng)估珊瑚礁的白化狀況。該方法雖然可實(shí)現(xiàn)高精度持續(xù)監(jiān)測(cè),但存在成本高昂且監(jiān)測(cè)范圍有限的缺點(diǎn)[8]。因此,單一的某一種監(jiān)測(cè)方法無(wú)法完成大規(guī)模、實(shí)時(shí)且持續(xù)的珊瑚礁生態(tài)監(jiān)測(cè)。此外,現(xiàn)場(chǎng)監(jiān)測(cè)法及生態(tài)監(jiān)測(cè)法所需的現(xiàn)場(chǎng)實(shí)拍圖像信息以及水質(zhì)信息均來(lái)源于水下,這些信息具有種類(lèi)多樣化、數(shù)據(jù)流量大的特點(diǎn),而傳統(tǒng)集中式處理的架構(gòu)及原始數(shù)據(jù)直接上傳的傳輸方式已很難適用于帶寬及能量均受限的水下通信。

利用云服務(wù)把上述3種監(jiān)測(cè)方式的感知數(shù)據(jù)統(tǒng)一上傳至云端進(jìn)行聯(lián)合分析,并將復(fù)雜的計(jì)算任務(wù)從集中式云端轉(zhuǎn)移到分散式邊緣端是解決上述問(wèn)題的關(guān)鍵。邊緣計(jì)算模型通過(guò)在邊緣設(shè)備完成一定的預(yù)處理任務(wù)以實(shí)現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)流量的減少及延遲和能耗的降低,現(xiàn)已成功應(yīng)用于智能家居、智慧醫(yī)療以及電力物聯(lián)等諸多領(lǐng)域[9-10],且在UASNs領(lǐng)域的應(yīng)用也逐漸興起[11]。此外,機(jī)器學(xué)習(xí)技術(shù)也在朝著輕量化端側(cè)發(fā)展,文獻(xiàn)[12]提出的TensorFlow Lite是一個(gè)輕量快速的開(kāi)源機(jī)器學(xué)習(xí)框架。該框架能夠進(jìn)一步提升邊緣計(jì)算模型優(yōu)勢(shì),使得邊緣設(shè)備具有提供更為復(fù)雜的深度學(xué)習(xí)處理服務(wù)的能力。將邊緣計(jì)算模型應(yīng)用于UASNs,可以充分發(fā)揮配備了計(jì)算芯片的水下設(shè)備能夠高效完成多樣化邊緣處理任務(wù)的優(yōu)勢(shì)[13-14],合理解決珊瑚礁監(jiān)測(cè)中存在的問(wèn)題。

基于以上分析,首先,本文構(gòu)建了一種水下端邊云(underwater end-edge-cloud, UEEC)系統(tǒng)架構(gòu),將處理任務(wù)由集中式云中心分散至邊緣端,并在邊緣端部署輕量化端側(cè)機(jī)器學(xué)習(xí)環(huán)境,使機(jī)器學(xué)習(xí)服務(wù)能夠在端側(cè)高效實(shí)現(xiàn)。其次,提出一種適用于該架構(gòu)的兩級(jí)協(xié)同珊瑚礁監(jiān)測(cè)(two-level collaborative coral reef monitoring, TCCRM)機(jī)制,在協(xié)同分析遙感衛(wèi)星與水下傳感設(shè)備所獲取數(shù)據(jù)的基礎(chǔ)上,實(shí)現(xiàn)對(duì)珊瑚礁白化情況的云洋聯(lián)合監(jiān)測(cè)。該機(jī)制首先開(kāi)展一級(jí)大范圍遙感監(jiān)測(cè),通過(guò)遙感衛(wèi)星獲取的信息確定是否存在白化風(fēng)險(xiǎn)區(qū)域及其大致范圍,隨后進(jìn)行二級(jí)小范圍本地監(jiān)測(cè)。且在二級(jí)監(jiān)測(cè)環(huán)節(jié)中,提出端側(cè)圖像處理方案及端邊協(xié)同數(shù)據(jù)檢測(cè)方案分別對(duì)圖像數(shù)據(jù)和數(shù)值數(shù)據(jù)進(jìn)行處理。通過(guò)部署邊緣設(shè)備實(shí)現(xiàn)復(fù)雜服務(wù)的本地化執(zhí)行,避免了復(fù)雜網(wǎng)絡(luò)條件下通信中斷和數(shù)據(jù)丟失等問(wèn)題,有效降低了網(wǎng)絡(luò)能耗及傳輸時(shí)延,縮減了數(shù)據(jù)流量,滿(mǎn)足了海洋監(jiān)測(cè)低時(shí)延、高可靠和實(shí)時(shí)響應(yīng)的需求。

1 系統(tǒng)模型

本節(jié)描述了UEEC系統(tǒng)架構(gòu),給出了TCCRM機(jī)制流程圖,并對(duì)該機(jī)制的執(zhí)行步驟進(jìn)行概述。

1.1 UEEC系統(tǒng)架構(gòu)

UEEC系統(tǒng)整體架構(gòu)如圖1所示,該架構(gòu)在網(wǎng)絡(luò)邊緣部署兼具計(jì)算、分析、存儲(chǔ)和網(wǎng)絡(luò)接入功能的邊緣設(shè)備與水下智能傳感器緊密聯(lián)系。根據(jù)節(jié)點(diǎn)的功能和位置將UEEC整體架構(gòu)自下而上分為終端感知層、邊緣預(yù)處理層和云計(jì)算層。終端感知層由多種傳感器及具有高清拍攝功能的無(wú)人水下航行器(unmanned underwater vehicle, UUV)組成,邊緣層由具備計(jì)算存儲(chǔ)及機(jī)器學(xué)習(xí)功能的邊緣節(jié)點(diǎn)組成,地面數(shù)據(jù)中心和云數(shù)據(jù)中心共同構(gòu)成云計(jì)算層。

該架構(gòu)可實(shí)現(xiàn)來(lái)自邊緣端設(shè)備的上行數(shù)據(jù)和來(lái)自云中心的下行數(shù)據(jù)的交互通信[15-16]。來(lái)自海底的終端感知數(shù)據(jù)經(jīng)中繼傳輸至邊緣節(jié)點(diǎn),UUVs通過(guò)跨層移動(dòng)直接將拍攝的原始圖像傳送至邊緣端。首先,原始數(shù)據(jù)在邊緣端進(jìn)行預(yù)處理,待完成邊緣計(jì)算核心服務(wù)(如圖像增強(qiáng)、數(shù)據(jù)壓縮、異常檢測(cè)等)后,將處理結(jié)果中繼至水面,繼而上傳至陸地分析中心及云中心。其次,云端完成數(shù)據(jù)的深層次處理,將分析結(jié)論及報(bào)警信息查詢(xún)等內(nèi)容顯示給用戶(hù)。云中心可根據(jù)分析結(jié)果下發(fā)控制命令至邊緣端,進(jìn)行特定區(qū)域或指標(biāo)的數(shù)據(jù)收集,最終可實(shí)現(xiàn)分層式立體的海洋環(huán)境條件協(xié)同監(jiān)測(cè)。

終端設(shè)備UUVs利用高分辨攝像功能完成實(shí)時(shí)影像采集,然后移動(dòng)到邊緣節(jié)點(diǎn)進(jìn)一步執(zhí)行圖像預(yù)處理任務(wù)。水下數(shù)據(jù)延遲包括3部分:端-邊傳輸延遲Tend-edge、邊緣預(yù)處理產(chǎn)生的延遲Tpretreatment和邊-云傳輸延遲Tedge-cloud。由于終端設(shè)備的不同,Tend-edge分為感知數(shù)據(jù)中繼延遲Trelay和UUVs移動(dòng)延遲TUUV,總延遲為

Tdelay=Tend-edge+Tpretreatment+Tedge-cloud

(1)

(2)

每個(gè)節(jié)點(diǎn)能量有限,用Cξ表示數(shù)據(jù)發(fā)送能耗,Cφ表示數(shù)據(jù)接收能耗,N和M分別為發(fā)送和接收數(shù)據(jù)包的數(shù)量,Epre表示邊緣處理任務(wù)的能耗開(kāi)銷(xiāo)。因此,能耗模型需滿(mǎn)足以下要求:

Etotal=Eξ+Eφ+Epre=N·Cξ+M·Cφ+Epre

(3)

1.2 TCCRM機(jī)制

TCCRM機(jī)制概述如圖2所示,該機(jī)制綜合遙感衛(wèi)星、水質(zhì)傳感器以及UUVs三方終端數(shù)據(jù),對(duì)珊瑚礁白化以及海洋環(huán)境進(jìn)行監(jiān)測(cè)。先由環(huán)境遙感衛(wèi)星對(duì)大規(guī)模海域進(jìn)行一級(jí)初篩,若產(chǎn)生白化風(fēng)險(xiǎn)預(yù)警響應(yīng),繼而由云端向水下終端設(shè)備發(fā)送命令,執(zhí)行二級(jí)本地化監(jiān)測(cè),進(jìn)行小規(guī)模實(shí)地信息采集。

圖2 兩級(jí)協(xié)同珊瑚礁監(jiān)測(cè)機(jī)制

TCCRM機(jī)制采用分級(jí)監(jiān)測(cè)的方式,利用遙感技術(shù)在大面積區(qū)域尤其是偏遠(yuǎn)地域容易展開(kāi)監(jiān)測(cè)的優(yōu)勢(shì)完成一級(jí)初步篩查。此外,將多種水質(zhì)傳感器和具備水下拍攝功能的UUVs整合于一個(gè)系統(tǒng)內(nèi),對(duì)產(chǎn)生一級(jí)預(yù)警響應(yīng)的區(qū)域進(jìn)行二級(jí)本地化監(jiān)測(cè)。該機(jī)制實(shí)現(xiàn)了云洋聯(lián)合分析,能夠完成對(duì)珊瑚礁生態(tài)狀況及海洋環(huán)境的實(shí)時(shí)監(jiān)測(cè)和在線遠(yuǎn)距離傳輸。二級(jí)監(jiān)測(cè)中邊緣計(jì)算核心服務(wù)涉及的圖像增強(qiáng)、圖像灰度化處理以及異常數(shù)據(jù)檢測(cè)任務(wù)的具體策略將在第2節(jié)詳細(xì)描述。

2 邊緣計(jì)算核心功能

2.1 一級(jí)大范圍遙感監(jiān)測(cè)

一級(jí)監(jiān)測(cè)主要關(guān)注環(huán)境衛(wèi)星與云端分析中心間的信息交互。研究表明,海表溫度的升高會(huì)導(dǎo)致大規(guī)模珊瑚礁白化甚至死亡[17]。第一級(jí)的預(yù)警監(jiān)測(cè)主要基于環(huán)境衛(wèi)星獲取的實(shí)時(shí)海表溫度信息,對(duì)珊瑚礁區(qū)域白化情況進(jìn)行大規(guī)模預(yù)警初篩。

一級(jí)大范圍遙感監(jiān)測(cè)預(yù)警結(jié)構(gòu)顯示在圖2左半部分。采用美國(guó)國(guó)家海洋和大氣管理局(National Oceanic and Atmospheric Administration,NOAA)珊瑚礁監(jiān)測(cè)計(jì)劃(coral reef watch, CRW)提供的方法[18]。通過(guò)海洋遙感衛(wèi)星獲取的5 km海表溫度值(sea surface temperatures, SST)與長(zhǎng)期監(jiān)測(cè)的基準(zhǔn)海表溫度值進(jìn)行比較,推算出熱點(diǎn)指數(shù)(HotSpot)和周熱度指數(shù)(degree heating week,DHW)作為預(yù)警指標(biāo),計(jì)算方法如下:

(4)

(5)

式中:MMM (maximum monthly mean climatology)為最熱月平均溫度值;DHW表示在過(guò)去12周(84天)內(nèi)HotSpot的累加值,以評(píng)估熱壓力對(duì)于珊瑚礁白化的累加影響。

將得到的HotSpot和DHW指標(biāo)上傳至云中心,按照表1中CRW有關(guān)標(biāo)準(zhǔn)給出一級(jí)監(jiān)測(cè)預(yù)警結(jié)論[18]。若無(wú)白化風(fēng)險(xiǎn)(HotSpot<1),則簡(jiǎn)單存儲(chǔ)并持續(xù)監(jiān)測(cè);若存在白化風(fēng)險(xiǎn)(HotSpot≥1),則由云端做出預(yù)警響應(yīng),并向水下終端設(shè)備發(fā)送通告數(shù)據(jù)包,執(zhí)行二級(jí)本地化監(jiān)測(cè),依據(jù)實(shí)地監(jiān)測(cè)數(shù)據(jù)進(jìn)一步分析。

表1 珊瑚礁白化警報(bào)級(jí)別

2.2 二級(jí)小范圍本地監(jiān)測(cè)

二級(jí)小范圍本地監(jiān)測(cè)結(jié)構(gòu)如圖2右半部分所示,其重點(diǎn)在于水下終端設(shè)備與邊緣節(jié)點(diǎn)間的信息交互和數(shù)據(jù)原位處理。為獲得更詳細(xì)的珊瑚礁生態(tài)狀況,本文設(shè)計(jì)了第二級(jí)本地化監(jiān)測(cè)。該環(huán)節(jié)針對(duì)圖像數(shù)據(jù)和水質(zhì)數(shù)值數(shù)據(jù)分別提出了端側(cè)聯(lián)合圖像預(yù)處理方案和端邊協(xié)同數(shù)據(jù)檢測(cè)方案。

2.2.1 端側(cè)聯(lián)合圖像預(yù)處理方案

基于邊緣計(jì)算的端側(cè)圖像預(yù)處理方案主要包括圖像增強(qiáng)和圖像灰度化處理兩部分。

第一部分為圖像增強(qiáng),對(duì)UUVs拍攝的實(shí)景圖像進(jìn)行增強(qiáng)處理。水下實(shí)拍圖分析是珊瑚礁白化監(jiān)測(cè)方法中最直觀且便捷的一種,該方法通過(guò)將獲取的珊瑚實(shí)際水下影像與珊瑚健康圖[19]的顏色對(duì)比,可匹配出相應(yīng)的健康等級(jí)顏色代碼。珊瑚健康圖原理為在4種顏色色度內(nèi)使用6個(gè)亮度(飽和度)來(lái)記錄珊瑚白化狀態(tài)的變化。然而,因受到水中選擇性光吸收和散射的影響,原始水下圖像大多呈藍(lán)色和綠色[20],嚴(yán)重的色彩偏差以及低亮度的特點(diǎn)會(huì)直接導(dǎo)致白化預(yù)警的誤判,因此進(jìn)行原始圖像的增強(qiáng)處理。

本文采用本課題組所提出的基于兩種顏色空間的水下圖像增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱(chēng)為UIEC2-Net)[20]對(duì)原始圖像進(jìn)行增強(qiáng)處理。該網(wǎng)絡(luò)將RGB和HSV顏色空間結(jié)合在一個(gè)單獨(dú)的卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)中,對(duì)亮度和飽和度屬性敏感,可有效去除水下背景顏色投射,能最大程度還原真實(shí)色彩。UIEC^2-Net的端到端訓(xùn)練由4部分損失組成,其中包含兩個(gè)顏色空間損失,總損失函數(shù)如下所示:

(6)

第二部分為圖像灰度化處理。首先,提取增強(qiáng)處理后圖像的灰度信息,對(duì)比所提取的灰度信息與灰度處理后珊瑚健康圖的健康等級(jí)顏色代碼，如圖3所示。圖3中顏色代碼數(shù)值越低,表示珊瑚礁團(tuán)塊越接近白色,即出現(xiàn)珊瑚礁白化問(wèn)題。

圖3 經(jīng)灰度處理的珊瑚健康圖

因現(xiàn)有大部分彩色圖像均采用RGB顏色模式,而RGB模式只是從光學(xué)原理上進(jìn)行顏色的調(diào)配。對(duì)于珊瑚礁白化狀態(tài)評(píng)判,實(shí)際上關(guān)注的僅僅是在不同顏色色度內(nèi)的亮度(飽和度)情況,色彩信息本身能夠提供的信息量十分有限。因此,可以直接用灰度化處理后所得像素灰度值來(lái)表示珊瑚礁白化程度(范圍從0到255,白色為255,黑色為0),即珊瑚礁白化情況越嚴(yán)重,圖片整體顏色越趨于白色,每個(gè)像素的灰度值越大。采用平均值法完成圖像灰度化處理,具體公式為

Gray(i,j)=(R(i,j)+G(i,j)+B(i,j))/3

(7)

將得到的圖像灰度值與圖3的顏色等級(jí)標(biāo)準(zhǔn)所對(duì)應(yīng)的灰度值進(jìn)行比對(duì)。若灰度值超出標(biāo)準(zhǔn)閾值,則認(rèn)為存在白化情況,需立即將含地理位置及白化顏色代碼等信息的數(shù)據(jù)包上傳至云端;若灰度值未超出標(biāo)準(zhǔn)閾值,則認(rèn)為生長(zhǎng)狀況良好,無(wú)需上傳信息,僅持續(xù)監(jiān)測(cè)即可。實(shí)際上,圖像灰度化處理良好解決了高分辨率彩色圖像數(shù)據(jù)量過(guò)大所導(dǎo)致的存儲(chǔ)壓力大及傳輸能耗高等問(wèn)題。

2.2.2 端邊協(xié)同數(shù)據(jù)檢測(cè)方案

UASNs節(jié)點(diǎn)能量受限與監(jiān)測(cè)任務(wù)持續(xù)性之間的矛盾要求網(wǎng)絡(luò)需具有高效的數(shù)據(jù)處理能力從而保證長(zhǎng)期有效的監(jiān)測(cè)數(shù)據(jù)采集。然而，傳統(tǒng)以時(shí)間觸發(fā)上傳數(shù)據(jù)的方式需要終端傳感器持續(xù)不斷地向數(shù)據(jù)中心上傳原始數(shù)據(jù),這其中包含大量正常數(shù)據(jù)。而這些正常數(shù)據(jù)的傳輸會(huì)導(dǎo)致網(wǎng)絡(luò)帶寬、能量、存儲(chǔ)空間等資源的嚴(yán)重浪費(fèi),影響網(wǎng)絡(luò)生存周期。

因此，需利用邊緣設(shè)備進(jìn)行數(shù)據(jù)的原位處理。本文設(shè)計(jì)了一種數(shù)據(jù)驅(qū)動(dòng)的端邊協(xié)同數(shù)據(jù)檢測(cè)方案。終端節(jié)點(diǎn)首先判斷感知數(shù)據(jù)是否正常,并上傳判斷結(jié)果至邊緣節(jié)點(diǎn)協(xié)同分析。若數(shù)據(jù)值判為正常,即無(wú)水質(zhì)污染等不利因素,可原位存儲(chǔ)不再上傳;若數(shù)據(jù)值判為異常,且經(jīng)多邊緣節(jié)點(diǎn)協(xié)同確認(rèn)異常后及時(shí)上報(bào)數(shù)據(jù)中心。

圖4為數(shù)據(jù)驅(qū)動(dòng)的端邊協(xié)同數(shù)據(jù)檢測(cè)方案具體流程。數(shù)據(jù)驅(qū)動(dòng)的檢測(cè)機(jī)制需預(yù)設(shè)好終端設(shè)備的數(shù)據(jù)閾值作為報(bào)警規(guī)則,如海水的pH值、鹽度、溫度等。部署于海底的終端傳感器具有感知及數(shù)據(jù)原位處理功能,可根據(jù)閾值對(duì)數(shù)據(jù)進(jìn)行異常檢測(cè)。

圖4 端邊協(xié)同數(shù)據(jù)檢測(cè)方法流程圖

具體的端邊協(xié)同數(shù)據(jù)檢測(cè)方案異常判斷如圖5所示。如圖5(a),當(dāng)節(jié)點(diǎn)n4檢測(cè)到異常時(shí),如海水鹽度超出閾值(海水鹽度超出范圍3.4%～3.6%會(huì)導(dǎo)致珊瑚礁死亡),該節(jié)點(diǎn)n4立即廣播數(shù)據(jù)包,通告同區(qū)域的終端節(jié)點(diǎn)(n1～n9)采集并上傳監(jiān)測(cè)數(shù)據(jù)至邊緣節(jié)點(diǎn),隨后多個(gè)邊緣節(jié)點(diǎn)(E1～E3)進(jìn)行信息交互協(xié)同分析,則可能出現(xiàn)兩種情況。情況1:如圖5(b),多區(qū)域節(jié)點(diǎn)(n2～n7)檢測(cè)數(shù)據(jù)均為異常值,判為真異常,則上傳異常數(shù)值和報(bào)警規(guī)則并給出污染水質(zhì)的覆蓋范圍;情況2:如圖5(c),經(jīng)多節(jié)點(diǎn)協(xié)同分析僅為個(gè)別節(jié)點(diǎn)(n4)數(shù)據(jù)異常,判為偽異常,僅存儲(chǔ)數(shù)據(jù)且對(duì)此區(qū)域進(jìn)行持續(xù)監(jiān)測(cè),并上報(bào)傳感器設(shè)備故障信息。

圖5 端邊協(xié)同數(shù)據(jù)檢測(cè)示意圖

3 實(shí)驗(yàn)與性能評(píng)價(jià)

本節(jié)通過(guò)數(shù)值實(shí)驗(yàn)來(lái)評(píng)估本文研究性能。首先,對(duì)端側(cè)聯(lián)合圖像處理方案的表現(xiàn)進(jìn)行評(píng)價(jià)。其次,模擬不同異常數(shù)據(jù)率,評(píng)價(jià)端邊協(xié)同數(shù)據(jù)檢測(cè)方案在處理時(shí)延及傳輸能耗方面的性能。最后,比較基于本文架構(gòu)與傳統(tǒng)架構(gòu)的數(shù)據(jù)傳輸在端到端延遲、能量效率和網(wǎng)絡(luò)生命周期方面的性能。圖6為NOAA提供的2021年6月21日全球珊瑚礁預(yù)警圖,根據(jù)第2.1節(jié)中表1標(biāo)準(zhǔn),警報(bào)等級(jí)為白化預(yù)警及以上級(jí)別的區(qū)域均需進(jìn)行二級(jí)本地化協(xié)同監(jiān)測(cè)。

圖6 2021年6月21日全球珊瑚礁預(yù)警圖

3.1 實(shí)驗(yàn)設(shè)置

本實(shí)驗(yàn)場(chǎng)景中120個(gè)異構(gòu)傳感器節(jié)點(diǎn)(包含終端感知節(jié)點(diǎn)、邊緣處理節(jié)點(diǎn)以及中繼傳輸節(jié)點(diǎn))根據(jù)其不同的端邊功能分別部署在6 000×6 000×2 000 m3的三維水下區(qū)域不同層內(nèi)。水面設(shè)有4個(gè)位置已知的sink節(jié)點(diǎn)用于接收來(lái)自海底的數(shù)據(jù)包,任一sink節(jié)點(diǎn)接收到數(shù)據(jù)包即認(rèn)為該數(shù)據(jù)成功送達(dá)陸地?cái)?shù)據(jù)中心,以便后續(xù)傳輸至云中心進(jìn)行深層次處理。由于本文研究主要集中在邊緣側(cè)數(shù)據(jù)協(xié)同處理環(huán)節(jié),同時(shí)考慮到傳統(tǒng)的基于向量的轉(zhuǎn)發(fā)路由協(xié)議(vector-based forwarding protocol, VBF)在UASNs數(shù)據(jù)傳輸過(guò)程中具有很好的檢測(cè)性能[21],因此,對(duì)于邊緣端處理結(jié)果的后續(xù)上傳,統(tǒng)一采用VBF協(xié)議來(lái)完成。水下聲速為1 500 m/s,主要實(shí)驗(yàn)參數(shù)如表2所示[14,21]。

表2 實(shí)驗(yàn)參數(shù)設(shè)置

3.2 性能評(píng)價(jià)

3.2.1 端側(cè)聯(lián)合圖像預(yù)處理方案性能評(píng)價(jià)

選用來(lái)自DUIE數(shù)據(jù)集[22]的水下圖像模擬UUVs采集的水下珊瑚實(shí)景圖,分別從圖像增強(qiáng)主觀質(zhì)量(主觀比較)和圖像灰度化處理兩方面評(píng)價(jià)圖像邊緣處理效果。

如圖7(a)所示,水下原始圖像存在亮度低且大多呈現(xiàn)藍(lán)色或綠色背景的情況,色彩偏差嚴(yán)重影響了其視覺(jué)質(zhì)量。圖7(b)為經(jīng)圖像增強(qiáng)處理后的水下圖像,該方法有效去除了水下圖像的色彩偏差,特別是對(duì)背景顏色的恢復(fù)效果突出。本處理恢復(fù)了珊瑚顏色的真實(shí)情況,有效避免了因圖像色彩偏差造成的誤判?？梢悦黠@看出,經(jīng)灰度化處理后的圖像,圖7(c)中綠色方框內(nèi)珊瑚礁灰度圖像素顏色更接近黑色,對(duì)應(yīng)圖3中數(shù)值較高的顏色代碼值,表明該珊瑚礁生長(zhǎng)狀況良好,無(wú)需上傳數(shù)據(jù);而紅色方框內(nèi)珊瑚礁灰度圖像素顏色明顯呈現(xiàn)白色,對(duì)應(yīng)圖3中低顏色代碼數(shù)值,表明該珊瑚礁出現(xiàn)白化問(wèn)題,需立即上傳報(bào)警信息。

圖7 端側(cè)圖像處理效果

端側(cè)圖像處理將原本需要全部上傳且數(shù)據(jù)量較大的圖像數(shù)據(jù)壓縮為發(fā)生白化問(wèn)題的珊瑚礁的灰度顏色等級(jí)代碼數(shù)據(jù),顯著降低了數(shù)據(jù)傳輸流量,有效減小了數(shù)據(jù)傳輸過(guò)程中節(jié)點(diǎn)能耗及存儲(chǔ)壓力。

3.2.2 端邊協(xié)同數(shù)據(jù)檢測(cè)方法性能評(píng)價(jià)

實(shí)驗(yàn)保持?jǐn)?shù)據(jù)包生成率λ為0.1 packets/s,異常數(shù)據(jù)率α取值為0～1,用來(lái)模擬不同異常數(shù)據(jù)個(gè)數(shù)的情況(α=0為數(shù)據(jù)全部正常,α=1則表示數(shù)據(jù)全部異常)。

當(dāng)α=0.5時(shí),異常數(shù)據(jù)平均處理時(shí)間如表3所示,端邊協(xié)同處理僅需1.324 s。這是因?yàn)槎诉吿幚聿呗愿拷鼣?shù)據(jù)源,異常數(shù)據(jù)傳輸至邊緣處理節(jié)點(diǎn)所經(jīng)過(guò)的跳數(shù)少。而云端集中處理方式數(shù)據(jù)需經(jīng)多跳才能到達(dá)水面sink節(jié)點(diǎn),長(zhǎng)路徑多跳數(shù)還會(huì)導(dǎo)致數(shù)據(jù)包的碰撞或重傳,產(chǎn)生更大的時(shí)延。

表3 異常數(shù)據(jù)處理時(shí)間比較

圖8對(duì)比了不同異常數(shù)據(jù)率時(shí)端邊協(xié)同與云端集中兩種處理策略在傳輸能耗方面的性能?？擅黠@看出,本文端邊協(xié)同處理策略的能耗遠(yuǎn)低于傳統(tǒng)方式,這是因?yàn)樵谶吘墏?cè)增加異常數(shù)據(jù)檢測(cè)處理,只有數(shù)據(jù)存在異常才觸發(fā)上傳,大量的正常數(shù)據(jù)是無(wú)需上傳的。當(dāng)α=0時(shí),無(wú)異常數(shù)據(jù)產(chǎn)生,無(wú)數(shù)據(jù)包需要上傳,因此能耗為0;當(dāng)α=1時(shí),所有數(shù)據(jù)均為異常,即需要全部上傳,此時(shí)兩種方式能耗一致。

圖8 傳輸能耗與異常數(shù)據(jù)率關(guān)系

3.2.3 UEEC架構(gòu)性能評(píng)價(jià)

本節(jié)比較了基于本文UEEC架構(gòu)和傳統(tǒng)架構(gòu)的數(shù)據(jù)傳輸在端到端延遲、能量效率和網(wǎng)絡(luò)生命周期方面的性能。其中,端到端延遲是指數(shù)據(jù)包從源端正確傳輸?shù)浇邮掌?邊緣處理節(jié)點(diǎn))所需的時(shí)間,能量效率定義為網(wǎng)絡(luò)生命周期與總能量消耗的比值,代表特定能量消耗下的網(wǎng)絡(luò)生存時(shí)間,網(wǎng)絡(luò)生存期定義為第一個(gè)傳感器節(jié)點(diǎn)死亡的時(shí)間。為評(píng)價(jià)不同數(shù)據(jù)流量對(duì)架構(gòu)性能的影響,本實(shí)驗(yàn)的數(shù)據(jù)異常率α設(shè)為0.2。中繼方式統(tǒng)一采用VBF500和VBF1000(管道半徑分別為500 m和1 000 m的VBF協(xié)議)來(lái)完成。

圖9表示本文架構(gòu)與傳統(tǒng)架構(gòu)在VBF500和VBF1000傳輸方式下端到端延遲與包生成率的關(guān)系?？擅黠@看出,本文架構(gòu)的端到端延遲遠(yuǎn)低于傳統(tǒng)架構(gòu),這是因?yàn)閁EEC架構(gòu)將原本在云端處理的任務(wù)轉(zhuǎn)移至邊緣端,處理響應(yīng)的速度更快,且本架構(gòu)的任務(wù)處理功能更靠近數(shù)據(jù)源,原始數(shù)據(jù)的傳輸路徑及跳數(shù)也相應(yīng)減少。隨著數(shù)據(jù)包生成速率的增加,每種方案的端到端延遲也在增加。這是因?yàn)殡S著數(shù)據(jù)包碰撞率的增加,數(shù)據(jù)傳輸失敗的概率增加,有更多的數(shù)據(jù)包被重傳,從而導(dǎo)致成功數(shù)據(jù)包的端到端時(shí)延增加。此外,VBF500的時(shí)延總是低于VBF1000,這是因?yàn)閂BF協(xié)議是從路由管道半徑內(nèi)選擇轉(zhuǎn)發(fā)節(jié)點(diǎn)的,隨著路由管道半徑的增加,參與轉(zhuǎn)發(fā)節(jié)點(diǎn)數(shù)量的增加導(dǎo)致了端到端時(shí)延增加。

圖9 端到端延遲與數(shù)據(jù)包生成速率關(guān)系

圖10和圖11分別表示在VBF500和VBF1000傳輸方式下不同架構(gòu)的能量效率和網(wǎng)絡(luò)生命周期與數(shù)據(jù)包生成速率間的關(guān)系。隨著數(shù)據(jù)包生成速率的增加,每種方案的能量效率和網(wǎng)絡(luò)生命周期都在降低,且趨勢(shì)基本一致。這是因?yàn)榘l(fā)送更多的數(shù)據(jù)包將消耗更多的能量,導(dǎo)致能量效率下降,從而縮短網(wǎng)絡(luò)生命周期。顯然無(wú)論用哪種中繼方式,本文架構(gòu)的能量效率和網(wǎng)絡(luò)壽命均遠(yuǎn)高于傳統(tǒng)架構(gòu)。以VBF500傳輸為例,與傳統(tǒng)架構(gòu)相比本文架構(gòu)將網(wǎng)絡(luò)生命周期提高約40%。一方面,因?yàn)楸疚奶幚砑軜?gòu)更靠近源端,數(shù)據(jù)的原位處理降低了傳輸過(guò)程所需能耗;另一方面,邊緣側(cè)采用異常數(shù)據(jù)觸發(fā)路由策略將大部分正常數(shù)據(jù)過(guò)濾掉。區(qū)別于傳統(tǒng)將全部原始數(shù)據(jù)上傳的方式,本方案僅上傳異常數(shù)據(jù)，可大幅減少傳輸能耗,因此在能源效率和網(wǎng)絡(luò)生命周期方面具有很大的優(yōu)勢(shì)。

圖10 能量效率與數(shù)據(jù)包生成速率關(guān)系

圖11 網(wǎng)絡(luò)生命周期與數(shù)據(jù)包生成速率關(guān)系

4 結(jié)束語(yǔ)

為了緩解傳統(tǒng)UASNs架構(gòu)將大量原始數(shù)據(jù)直接上傳至遠(yuǎn)程數(shù)據(jù)中心完成處理所帶來(lái)的網(wǎng)絡(luò)能耗及時(shí)延壓力,本文構(gòu)建了UEEC系統(tǒng)架構(gòu),實(shí)現(xiàn)了數(shù)據(jù)的原位處理。同時(shí),提出了一種適用于該架構(gòu)的兩級(jí)協(xié)同珊瑚礁系統(tǒng)監(jiān)測(cè)機(jī)制,通過(guò)端側(cè)機(jī)器學(xué)習(xí)及端邊數(shù)據(jù)協(xié)同分析,實(shí)現(xiàn)了水下圖像和數(shù)值數(shù)據(jù)的邊緣側(cè)處理分析。實(shí)驗(yàn)結(jié)果表明,本文提出的水下新架構(gòu)與監(jiān)測(cè)機(jī)制能顯著降低數(shù)據(jù)流量,同時(shí)在傳輸延遲、能量效率和網(wǎng)絡(luò)生存周期性能方面均有明顯提升,適用于珊瑚礁系統(tǒng)的實(shí)時(shí)監(jiān)測(cè)管理。在未來(lái)的研究工作中,將進(jìn)一步擴(kuò)展邊緣側(cè)業(yè)務(wù)范圍,執(zhí)行更加復(fù)雜的端側(cè)機(jī)器學(xué)習(xí)任務(wù)。