基于水产品保活运输的多传感器数据融合算法

曹守启,刘影



基于水产品保活运输的多传感器数据融合算法

曹守启,刘影*

上海海洋大学工程学院, 上海 201306

为了解决水产品保活运输中的多传感器监测数据误差大的问题，提高数据融合的精度，提出了一种多传感器数据融合算法。先剔除某时刻温度传感器采集差异较大的数据，在分批估计的基础上，加入修正因子，构造修正样本方差，实现某时刻各个批次温度融合值权重自适应调节，得到车厢内精确的温度融合值。以乌鳢运输为例进行验证，结果表明：相比于分批估计算法，该算法可更精确地获得水产品的环境温度，以便于更好地对保活温度进行控制，其融合精度更高，稳定性更好。

水产品保活; 多传感器; 数据融合; 分批估计; 修正因子

随着人们对水产品的需求日益趋向鲜活，水产品保活运输越来越受到人们的重视。但水产品进行保活运输时会遇到缺氧、二氧化碳增加、酸碱度变化、水温变化等，从而造成产品品质恶化和食用安全性等问题[1,2]。可见在运输过程中，实时有效的掌握水产品在车厢中的多因子环境（氧气、二氧化碳、酸碱度等），对于水产品的质量保障显得尤为重要。现今，通常采用无线传感器网络采集水产品中的多因子环境的数据信息。但是在运输过程中，车厢内传感器受各种因素的干扰和自身精度的影响，存在一定的偏差，造成多传感器协同监测精确度降低，极大的影响了水产品保活。因此，在选择了合适的多传感器采集数据的前提下，合理的选择多传感器数据融合方法，提高车厢内多因子环境的监测数据精度已显得极其重要。

多传感器数据融合技术通过对数据资源加以综合利用、分析，以此消除了数据之间的矛盾和冗余，从而最终提高了传感器的测量精度、降低了系统的不确定性，使得其近年成为这一领域研究的热点[3-5]。司印利、王新宇等提出一种基于全局状态估计的多传感器加权数据融合算法，采用卡尔曼滤波的状态估计与其推算的历史信息对数据进行融合[6]；蔡世清、周杰提出基于支持向量机的多传感器数据融合算法，结合扩展卡尔曼滤波器（EKF）与软计算原理，使得传感器获得高精度的信任度预测[7]；宁宣杰、赵海等提出WSN中的一种多传感器数据融合算法，将采集的数据在传感层和网络层之间，增加数据融合的层次，提高采集信息的传输速率[8]。

本文在以上算法研究的基础上，考虑到水产品多因子环境的复杂性，以温度传感器为例，对多传感数据融合算法进行说明。首先剔除差异较大的数据，然后该算法在充分借鉴分批估计算法基础上，加入修正因子，构造修正样本方差，自适应的调节某时刻各个批次融合值的权重，从而得到某时刻车厢内准确的融合值，达到了预期的保活理想状态。

1 车厢内多传感器数据预处理模型

运输车厢中汇集了一些温度传感器节点，融合的数据量较多，所以需采集大量的数据。但受温度传感器本身精度的影响和无线节点的不稳定性，采集的数据存在一定的误差。若对差异较大的数据不进行及时处理，数据融合的结果将造成系统误差。本文采用模糊集理论，根据隶属函数的隶属度剔除差异较大的数据。

定义：假设{1,2,...,x}Î是采集的温度数据集，是该温度数据集中的个数，x是采集的数据，是温度的基准值，d=|x-|是数据x到温度基准值的相对距离，d的值越大，说明测量值偏离基准值越大，d越小，说明测量值越接近基准值。但是，数据与基准值的相对距离界限比较模糊，并不能表明两者之间的具体差异。所以，本文将隶属函数的隶属度定义为：

其中，(x,)Î(0,1)。

2 多传感器数据融合算法

水产品保活运输过程中，为了提高车厢中监测值的精确度，对多个温度传感器在某时刻采集的数据先进行分批估计，然后再进行自适应加权数据融合。

2.1 多传感器分批估计

由文献[9]可知，同类型多个传感器分批估计得到的融合结果与单个传感器融合的结果是一致的，都具有高效的实时性。故在单个传感器数据分批估计的基础上，多个传感器的数据同样适用。

由分批估计理论可得出，某时刻的监测数据经过分批估计后的融合方差为：

由分批估计得出的融合值可知：分批估计的融合结果是各批监测数据平均值的加权和。

2.2 多传感器自适应加权数据融合

图1 算法结构框图

其中，为修正因子。

其中，=1,2,…,。

由于每批温度传感器的精度存在差异，为了使融合的结果更优，可根据自适应加权融合算法，将每批温度传感器所得到的融合值自适应地寻找对应的权数，使其达到最优的融合结果。

2.3 多传感器数据融合算法流程

基于以上算法的设计，多传感器数据融合方法的具体流程如图2所示。

图2 多传感器数据融合方法流程图

3 算法的实例验证

本文研究的重点在于:在水产品的保活运输过程中，为了提高多传感器监测数据的融合精度，故提出了多传感器数据融合算法，对采集的数据进行处理，便于调控其鲜活状态，对于水产品运输过程中的环境状态如何控制不做研究。为了验证算法的实用性，用货车将水产品从上海海洋大学水产学院运输到金山廊下的农业示范基地。

3.1 数据来源

数据的采集是由无线传感器监测系统完成的。车厢空间作为数据采集的区域，将车厢内布置的传感器节点采集的温度信息，通过无线网络GPRS传输到基站，基站对数据进行处理后，通过路由器、服务器发送到上位机（计算机）。整个的无线传感器监测系统主要是基于无线传感器网络，完成数据的正常通信。监测系统如图3所示。

图3 温度监测的简易架构

图4 运输车

图5 车厢内部分传感器布局

按照实际的水产品运输过程，运输车如图4所示，模拟出车厢内部的部分传感器节点布局如图5所示。车厢内使用的是SHT11型温湿度传感器监测环境参数，按照空间不相邻原则，可随意分组。例如第一组1、2、6号传感器；第二组5、8、7号传感器等。

3.2 数据分析

本次实验选取的水产品是上海海洋大学水产学院暂养的乌鳢，乌鳢在运输过程中采取的是低温保活，最佳的保活温度是2 ℃,所以将车厢选作监测区域，2 ℃作为基准值（真实值）。随机选取车厢内的9个温度传感器节点，将其分成3批，每批三个。这三批传感器采集在不同时刻（6个时刻）的温度值如表1所示，不同时刻分别表述为t1时刻、t2时刻、t3时刻、t4时刻、t5时刻和t6时刻。

表1 监测温度值/℃

根据分批估计和多传感器数据融合算法，6个时刻的数据融合值对比及相应的相对误差如表2所示。

表2 监测数据温度融合值对比

Table 1 Comparison of temperature fusion value for monitoring data

采集的数据虽经预处理模型，但处理过程中存在局限，数据处理不完整，表1中存在差异较大的监测值：t4时刻的5.21 ℃和7.98 ℃、t6时刻的5.18 ℃。从表2中可以得出：（a）多传感器数据融合算法处理差异大的数据优于分批估计，融合值更接近于乌鳢的最佳保活温度2 ℃；（b）数据融合算法中，因修正因子自适应的调节权重，分批估计的融合精度明显低于数据融合算法，误差较大。

用上述方法，在100个时刻的数据融合与分批估计的融合值仿真对比如图6所示。

图6 数据融合和分批估计融合值对比

从仿真图中可进一步得出：多传感器数据融合算法增强了系统的鲁棒性，提高稳定性，具有一定的实用性。

4 结论

水产品在保活运输过程中，因其在车厢内的多因子环境变化复杂，提高多传感器的监测精度的问题亟须解决。本文提出的多传感器数据融合算法在分批估计的基础上，通过加入修正因子，构造修正样本方差，自适应的调节融合值的权重，层层降低误差。

由实验结果可知，多传感器数据融合算法具有以下优势：（1）与其它的算法相比，融合监测值的精度得到了有效的提高；（2）修正因子的自适应调节增强了监测系统的鲁棒性。本文提出的算法在水产品保活运输中，未考虑到车厢的封闭性（外部的环境、气流），导致传感器监测方面有一定的欠缺，后续将进一步考虑这些问题，优化算法的应用研究。

[1] 吴佳静,杨悦,许启军,等.水产品保活运输技术研究进展[J].农产品加工,2016(16):55-56,60

[2] 杨悦,吴佳静,许启军,等.水产品保鲜技术研究进展[J].农产品加工,2016(20):54-57,60

[3] 孙克雷,秦汝祥.基于自适应分批估计的瓦斯监测多传感器数据融合研究[J].传感器与微系统,2011(10):47-49

[4] 廖惜春,丘敏,麦汉荣.基于参数估计的多传感器数据融合算法研究[J].传感技术学报,2007(1):193-197

[5] 张品,董为浩,高大冬.一种优化的贝叶斯估计多传感器数据融合方法[J].传感技术学报,2014(5):643-648

[6] 司迎利,杨新宇,陈勇,等.基于全局状态估计的多传感器加权数据融合算法[J].红外技术,2014,36(5):360-364

[7] 蔡世清,周杰.基于支持向量机的多传感器数据融合算法[J].计算机工程与设计,2016,37(5):1352-1356

[8] 宁宣杰,赵海,尹震宇,等.WSN中的一种多传感器数据融合算法[J].小型微型计算机系统,2009,30(9):1734-1737

[9] 邱爽.无线传感器网络数据融合算法研究[D].武汉:武汉理工大学,2008

[10] Yu Y, Feng X, Hu J. Multi-sensor Data Fusion Algorithm of Triangle Module Operator in WSN[C]//International Conference on Mobile Ad-Hoc and Sensor Networks. IEEE, 2015:105-111

[11] 韩玉冰,齐林,傅泽田,等.水产品冷藏车无线传感器网络节点设计——基于CC2530[J].农机化研究,2013(4):174-178

[12] 张聚伟,王宇,杨挺.基于数据融合的有向传感器网络全覆盖部署[J].传感技术学报,2017(1):139-145

[13] 高霞,袁明波,饶頔,等.农用无线传感器网络低功耗休眠算法应用研究[J].山东农业大学学报:自然科学版,2015,46(1):101-105

Multi-Sensor Data Fusion Algorithm Based on Aquatic Product Live Transportation

CAO Shou-qi, LIU Ying*

201306,

In order to solve the problem of large error of multi-sensor monitoring data in live transportation of aquatic products and improve the accuracy of data fusion, a multi-sensor data fusion algorithm is proposed. Firstly, the data with larger differences collected by the temperature sensor at a certain time is eliminated, on the basis of batch estimation, the correction factor is added to construct the modified sample variance, the weight of each batch temperature fusion value can be adjusted adaptively and the accurate temperature fusion value in the carriage can be obtained. Take the snakehead transport as an example, the results show: compared with the batch estimation algorithm, the proposed algorithm can obtain the more accurate environmental temperature of aquatic products, so as to control the living temperature better, and the fusion accuracy is higher and the stability is better.

Keeping alive of aquatic product; multi-sensor; data fusion; batch estimation; correction factor

TP274

A

1000-2324(2018)06-0941-05

10.3969/j.issn.1000-2324.2018.06.008

217-07-30

2017-10-08

上海市2015年度“科技创新行动计划”专题(15DZ1202202)

曹守启(1973-),男,博士,教授,主要从事海洋工程装备设计、物联网技术等. E-mail:caoshou_qi@163.com

Author for correspondence. E-mail:2521815816@qq.com