应用于大型果园害虫检测的无线传感器网络算法
2017-08-12李鹏范泽华何良荣王德胜
李鹏 范泽华 何良荣 王德胜
摘要：为提高大型果园中基于声测传感器害虫检测的实时性与准确性，设计了一种应用于大型果园害虫检测的混合型无线传感器网络算法。将果园划分为不重叠的区域，均匀地布置超声活动传感器并覆盖整个果园；然后，传感器网络周期性地采集并上报害虫的活动信息，此外传感器网络通过事件驱动的网络协议上报突发性害虫的活动信息。基于QualNet 6.1网络仿真器的试验结果表明，本算法提高了传感器网络的数据传输速度、数据包传递率与网络生命期，且满足了果园害虫检测所需的稳定性与实时性。
关键词：大型果园；声测法；害虫检测；无线传感器网络；物联网；农业工程技术
中图分类号： S126文献标志码： A
文章编号：1002-1302（2017）11-0178-05[HS）][HT9.SS]
当前广泛应用于农业害虫检测的工程技术主要包含声测法、近红外光谱法、X射线法、电导法、微波雷达检测法、图像识别法等[1-4]。声测法、X射线法可检测钻蛀虫与非钻蛀虫，电导法、微波雷达检测法对钻蛀虫的检测较为有效，X图像识别法对非钻蛀虫较为有效，近红外光谱主要用于果实的害虫检测，难以检测树枝内害虫。声测法不仅能够检测不同类型的害虫，而且可确定虫害的程度，实现方法快速简单且灵敏度高。
目前研究人员大多通过声测传感器采集害虫的声音并传递至上位机，上位机过滤噪声并提取声音的特征，然后判断声音是否来自于害虫[5]。覆盖大型果园的传感器网络（WSN）规模较为庞大，一般采用WSN分簇路由协议对感应数据进行转发与聚集[6]。为了提高WSN的网络生命期，传统的WSN分簇路由协议一般为周期性路由协议，这难以快速检测果园中突发性虫害，所以将周期性路由协议与事件驱动的路由协议[7]结合可提高果园害虫检测的准确率与时效性。
为满足大型果园害虫检测的应用要求与传感器网络原有的特点，本研究设计了一种新的WSN分簇路由算法。该算法包含基于事件的路由算法与周期性的路由协议，且将WSN的网络生命期、数据包传递率与数据传输速度作为网络的优化目标，实现了高效、高精度的数据分簇路由算法。
1基于分簇的数据聚集算法
本研究采用基于分簇的数据聚集方案。首先，将大型果园划分为若干个不重叠的子区域（每个子区域称为1个簇），每个簇内布置若干个传感器以覆盖该区域的所有农作物，每个簇内设置1个簇头与若干个簇内成员节点，传感器通过感应声波的变化来检测害虫的活动。本研究采用超声活动传感器（简称UAS）[8]检测果园内害虫的活动，UAS的传播距离为10～15 m，UAS发出的声波频率约为40 kHz，然后对收到的反射声波进行处理，害虫活动的声音会对传感器声波产生干扰（多普勒效应），UAS由此判断害虫的活动。本研究基于QualNet 6.1网络仿真器[9]进行仿真，该仿真器对大规模网络的仿真性能较好。
图1是本算法的流程框图，在网络分簇與数据聚集的过程中完成网络的初始化，根据UAS的通信范围布置合适的WSN拓扑结构，簇头与基站均维护了分簇的信息，各节点布置完成之后基于节点的剩余能量与时间戳选择各簇的簇头。各节点间的通信采用不同的数据包与握手包格式，数据包中包含唯一的传感节点身份ID，设为SNID，簇头也有1个额外的身份ID，[JP3]设为CHID，假设SNID与CHID均为从0开始的连续数。[JP]
1.1传感节点的分布
将传感器均匀地布置于果园中，根据UAS的通信范围选择每个节点的放置位置，一般每个传感器覆盖10～12棵果树。网络分簇的目标是最小化农田的分簇数量，每个分簇中选择1个UAS作为该簇的簇头，然后将网络组织为多跳网络，将数据传递至基站（图2）。
1.2数据聚集算法的分簇
初始化阶段，将WSN根据以传感器为圆心的实心圆分成不重叠、规模接近的分簇，传感节点与其他簇簇头的距离应在h个单位长度，其中h个单位长度的距离为h≥2，该性质可减少簇间的信号干扰，并且可提高覆盖率、减少分簇数量。将1个单位的半径（可靠通信）作为理想的通信范围，将2个单位的半径作为最大通信范围。
开始阶段在每个分簇中根据UAS的通信范围布置9个传感节点，将簇头放于区域的中心（图3）。每个传感节点维护1个列表，记录其当前状态、簇头ID、簇内成员、与BS的距离（跳数）、剩余能量。在WSN的运行过程中，簇头的能耗速[FL）]
度快于其簇内成员，所以后期须要选择新的簇头，从而平衡各节点的能耗以延长全网的生命期。
本研究为传感节点设置5个状态，每次分簇程序均须要改变各节点的状态，状态变化策略如图4所示。节点状态说明该节点在其生命期内的责任：（1）空闲，节点不属于任何的簇；（2）簇头请求，节点请求成为其通信范围内的簇头；（3）簇头，节点为簇头，负责簇内数据的聚集；（4）簇内成员，节点是簇CHID的簇内成员；（5）外部成员，节点是CHID的簇外成员。[FL）]
1.3感应数据的轮询机制
使用轮询机制检测害虫，自动检查指定时间内的害虫，传感节点保存当前的状态信息、SNID、簇头数据库、簇内成员列表、节点与BS的距离、节点剩余能量等。设置2bit的数据域说明传感器能否识别到害虫，以及终端用户是否采取相应的应对措施。
1.4感应数据的聚集
各传感节点监控害虫的活动，CHID所辖区域内的每个传感节点将识别的害虫信息传递至簇头CHID，传感节点将害虫识别信息以事件数据包的格式发送到其簇头。簇头维护1个数据库，记录簇内每个成员的状态，如果簇头或簇内成员收到错误的数据包，则直接忽略该数据包。簇头维护1个数据库，记录各事件数据包中的信息。CHID从事件数据包中提取SHID，然后搜索数据库的对应入口，将其数据包的信息保存于簇头的数据库中。如果识别到害虫，则将SHID的状态更新为1，簇头聚集所有簇内的信息之后，将数据组织并转发到基站。相邻的传感节点所采集的数据可能包含相同的信息，这些冗余数据会引起多余的数据传输，也导致了多余的能耗。簇头使用Kolmogorov的零一法则[10]减少簇头中的冗余数据（图5）。[FL）]
[FL（2K2]本研究的混合WSN模型中事件驱动数据的传输协议也将害虫的识别状态传递至簇头。将时间t分为S个时隙，假设S=S[1]，S[2]，…，S[n]是传感器感应事件集合，每个时隙中将簇内传感器排列为1个线性序列，聚集数据（0或者1）说明害虫是否出现。如果同一时隙内某个簇内多个传感器均检测到了害虫，为了减少传输的数据量，使用Kolmogorov的零一法则[10]融合检测的害虫信息，结果如图5所示。
[JP2]不同时隙内采集的感应信息通过OR运算进行处理，如公式1所示。如果S中有多个传感器含有相同的信息，则仅发送1次，算法检查是否有节点的状态为1，将状态为1的节点ID保存于一个列表中。图6-a是害虫活动状态的检测算法。[JP]
[HT6，6"][JZ（]Daggregate（Ai，Aj）=[JB（{]1if[（Ai
1.5簇头的数据聚集过程
簇头的数据聚集过程将数据包组织成帧，帧内包含以下信息：节点状态、簇头ID、下一跳的路由、基站、检测到害虫的传感节点列表。簇头搜索其路由表获得通往基站的路由，将聚集的数据传递至基站。簇头等待基站的响应ACK。簇头在等待响应的时间内可能检测到新的害虫事件，为了区分新、旧害虫事件的信息，为簇头设置2个状态（图7）。簇头发出聚集数据包之后，状态“簇内成员”与“簇外成员”之间的簇内成员变为状态DPsending，如果同一个簇头已经检测到害虫，则该簇头的状态变为DPCHsending。如果簇头收到基站的ACK，根据“簇内带宽”与“簇外带宽”的范围将DPsending的状态变回“簇内成员”或者“簇外成员”，同时簇头的DPCHsending也变回为簇头。图6-b所示是簇头的数据聚集处理与传输程序。
1.6BS的数据收集
基站中仅维护了检测出害虫的传感节点的状态，为果园的每棵树均设置1个唯一的身份ID，终端用户可访问Sink节点来人工地处理识别的害虫。为了维护所有传感节点的状态，在一个事件的检测中，BS从簇头收集所有聚集的数据包。基站维护1个数据库，记录各簇头的簇内成员状态、簇头ID、人工应对害虫的措施及各果树的状态。
基站收到聚集数据包后，将受影响的簇内成员保存于数据库中，更新数据库中对应簇内成员的信息。图8的算法是Sink节点数据聚集的处理流程，基站返回的ACK中绑定了簇头列表，并发送至各簇头。
2仿真试验结果与分析
基于QualNet 6.1网络仿真器对分簇路由协议进行仿真，评估网络协议的性能与效率。本研究仿真环境包含网络模型、传播模型、流量模型3个模型：（1）网络模型。传感节点分布于（l×b） m2的区域内，共包含N个节点。（2）传播模型。传播常数为β的自由空间模型。将一跳距离r作为节点的传输范围。（3）流量模型。使用果园害虫的实际数据。每个节点具有1个通信带宽，设为BWsinglehop。
的一种改进方案，该文献试验结果显示EE-LEACH获得了较大的改进。将本算法与EEDAT、EE-LEACH进行对比，横向地评估本算法的性能。
2.2数据包聚集比例结果与分析
将数据包长度设为12B，统计50～250个节点的数据包聚集比例，结果如图9所示。本算法的平均聚集比例比 EEDAT 低11%，比EE-LEACH低8%，原因在于随着节点数量的增加，传递的数据包数量增加，导致冗余信息随之增加，本方案通过压缩数据包减少了冗余的信息，此外，本方案的簇头将簇内成员感应的相同事件进行合并处理，有效地过滤了冗余的数据。数据包聚集比例越高说明网络容量越高，网络的能耗越低。
图10是端到端延迟与节点数量的关系。当节点数量达到250时，EEDAT的端到端延迟平均约为2.43 s，EE-LEACH 的端到端延迟平均约为2.48 s。本方案端到端延迟平均约为2.31 s，EEDAT与EE-LEACH的延迟均高于本算法，EEDAT为了识别冗余的数据包，维护1个数据包的队列信息；而EE-LEACH评估了信号强度并将强度表示为1个序列数，所以引入了更多的延迟。而本方案并未使用队列机制，并使用Kolmogorov的零一法则[10]过滤了冗余的数据包，所以本方案的端到端延迟较低。
2.4数据包传递率
由于本算法使用“簇内带宽”与“簇外帶宽”2个通信范围，隔离了2个带宽的拥塞，在节点增加的情况下，可获得更高的传递率。图11是3种路由协议的数据包传递率与数据传输速度的关系。由本算法产生的传输延迟更低，导致拥塞较低且数据包丢失率降低，在采用了QualNet 6.1网络仿真器
模拟220 kb/s传输速率的大型果园多节点传输环境下，数据传递率仍高于60%，所以本方案的数据包传递率较高。
3结束语
本研究采用超声活动传感器检测果园内害虫的活动，实现了声测法的果园害虫自动检测技术。为了满足大型果园害虫检测的应用要求与传感器网络原有的特点，设计1种新的WSN分簇路由算法。本算法包含基于事件的路由算法与周期性的路由协议，并获得了较好的WSN网络性能。
参考文献：
[1]王爱新，李春友，张喆. 基于计算机视觉的农业图像害虫定位检测算法[J]. 江苏农业科学，2016，44（7）：361-364.
[2]郭敏，张明真. 基于GMM和聚类方法的储粮害虫声信号识别研究[J]. 南京农业大学学报，2012，35（6）：44-48.
[3]秦昕，郭敏. 2种储粮害虫活动声信号的检测及其功率谱分析[J]. 华中农业大学学报，2012，31（5）：656-660.
[4]张红涛，毛罕平，韩绿化. 近红外高光谱成像技术检测粮仓米象活虫[J]. 农业工程学报，2012，28（8）：263-268.
[5]陳光绒，李小琴. 基于物联网技术的农作物病虫害自动测报系统[J]. 江苏农业科学，2015，43（4）：406-410.
[6]李建洲，王海涛，陶安. 一种能耗均衡的WSN分簇路由协议[J]. 传感技术学报，2013，26（3）：396-401.
[7]钟智，罗大庸，樊晓平，等. 基于事件驱动的无线传感器网络数据收集协议[J]. 计算机工程，2012，38（11）：69-72.
[8]Zhang F，Chen J M，Li H B，et al. Distributed active sensor scheduling for target tracking in ultrasonic sensor networks[J]. Mobile Networks and Applications，2012，17（5）：582-593.
[9]Mishra S，Das A X，Jaisawal A K. Effect of mobility and different data traffic in wireless ad-hoc network through qualnet[J]. International Journal of Engineering and Advanced Technology，2013，2（5）：364-368.[ZK）]
[10]Doll A. Kolmogorovs zero-one law[J]. Formalized Mathematics，2010，17（2）：73-77.
[11]Harb H，Makhoul A，Tawil R，et al. Energy-efficient data aggregation and transfer in periodic sensor networks[J]. Iet Wireless Sensor Systems，2014（4）：149-158.
[12]Arumugam G S，Ponnuchamy T. EE-LEACH：development of energy-efficient LEACH protocol for data gathering in WSN[J]. EURASIP Journal on Wireless Communications and Networking，2015（1）：1-9.[ZK）][HT][HJ][FL）]
