基于NB-IoT和云平台技术的猪舍环境智能监控系统设计

黄光日，海 涛，杨嘉芃，林国忠

（1.南宁学院 机电与质量技术工程学院，南宁530200；2.广西大学 电气工程学院，南宁530004）

随着集约、规模化生猪养殖模式的发展，饲养密度不断增大，其环境也随之变得越来越恶劣，使得养殖场频繁爆发疫病和猪肉安全问题的恶性事件[1-2]。2018年至2019年间我国多地发生非洲猪瘟疫情，猪舍环境是关键因素，适宜的环境能有效地提高猪只的抵抗力和繁育力[3-4]。如何有效地监测和调控猪舍环境已成为养殖研究的热点和难点。

文献[5]提出了基于PLC的猪舍环境监控系统，但这种方法现场布线困难，排查维修难度大；文献[6]提出了基于紫蜂（ZigBee）无线传感网络的猪舍环境监控系统，虽解决了布线的问题，但ZigBee 通信距离短、组网复杂、功耗高且抗干扰性差，难以满足规模、精细化猪舍环境的监测和调控要求。窄带物联网（NB-IoT）技术是新兴物联网技术，聚焦于低功率广域市场[7]，其覆盖范围广、抗干扰性好、传输安全等优势，已广泛应用于农业种植、孵化系统[8-9]等行业，但将NB-IoT 用于猪舍环境监控系统的研究空白。

本文根据NB-IoT 的特点和规模集约化猪舍环境需求，设计了基于NB-IoT和云平台技术的猪舍环境智能监控系统，用传感器采集环境信息，通过NBIoT 无线通信技术接入到有人云平台。云平台嵌入RBF-PID 智能控制技术根据所设阈值自动调控猪舍环境[10-11]，用户通过PC 端或微信小程序端查询实时数据、变化曲线、视频画面，报警通知和自动下发调控指令等功能，实现生猪养殖的全程监测、智能管理和即时服务，推进规模化、集约化和精细化养猪模式发展。

1 猪舍环境因子分析

猪只生长主要受基因、饮食和环境的影响，其中基因占20%，饮食占40%～50%，环境占30%～40%[12]。基因和饮食一定时，环境是影响猪只生长育肥的直接因素，适宜的养殖环境能充分发挥基因和饮食的优势。猪只为恒温动物，调节能力弱，温差过大会影响猪只正常生命活动；湿度过高易滋生病菌引发疫病，湿度过低易引起呼吸和皮肤等问题；光照过强或过弱都不利于进食和育肥，适宜的光照能促进性腺发育；有害气体和可吸入颗粒（PM10）过高会降低抵抗力，增加患病概率[13-14]。猪舍中温度、湿度、光照、PM10 和有害气体（CO2，H2S，NH3）对猪只生产影响较大。不同阶段猪只所需环境有所差异，国家标准《规模猪场环境参数及环境管理》[15]对猪舍类别进行了规范，猪生长的适宜环境范围如表1所示。

表1 猪生长的适宜环境范围Tab.1 Suitable environmental range for pig growth

2 系统总体设计

基于NB-IoT和云平台技术的猪舍环境监控系统由感知层、网络层、平台层和应用层4 部分组成，实现对规模集约化猪舍环境的远程监控和智能调控。系统总体设计如图1所示。

图1 系统总体结构Fig.1 Overall structure of system

感知层包括环境数据采集模块和视频监控模块。环境数据采集模块以微处理器STM32 为核心，读取、检验和储存传感器采集的环境信息发送给NB-IoT 通信模块；视频监控模块是摄像头采集猪舍内部画面信息，经WiFi 网络传输到平台层。

网络层利用NB-IoT 通信技术、基站和核心网实现平台层和感知层的数据交互，基站由运营商提供和维护，核心网供应云端和终端业务传输通道，网络传输总体架构如图2所示。

图2 网络传输总体架构Fig.2 Overall architecture of network transmission

NB-IoT 网络传输层在LTE 基础上优化和增强了物联网业务功能，用户可根据需求选择相应的传输路径，网络总体架构图主要包括用户终端（UE）、ETRAN 基站（eNodeB）、移动性管理实体（MME）、签约服务器（HSS）、业务创建环境（SCEF）、服务网关（SGW）、分组数据PDN 网关（PGW）和应用服务器（AS）。MME 是接入网络的关键控制点，负责跟踪和寻呼控制UE，通过S6a 接口与HSS 交互信息，实现用户验证功能；SGW 负责用户数据包的路由和转发；PGW 负责UE 和其它网络接口的通信上下行计费；SCEF 支持数据类型Non-IP 在控制面传输。用户面传输路径为UE-eNodeB-SGW-PGW，控制面传输路径有UE-eNodeB-MME-SCEF 和UEeNodeB-MME-SGW-PGW。本文选择NB-IoT 利用电信物联SIM 网卡通过CoAP 通信协议上传数据。

平台层包括服务器和数据库，根据设计需求和物联网平台在服务器上配置NB-IoT 参数、开发profile 和解码插件等部署，实现服务器和电信IoT 交互数据，网络层将终端数据信息上传到服务器，经服务器分析处理后储存于数据库中。

应用层包括移动端和PC 端的监控界面，养殖人员通过PC 端Web 界面或微信小程序实时查看环境数据、猪舍视频画面、历史数据和报警通知等。

3 系统硬件设计

系统硬件设计核心是“采集+控制”，包括终端视频监控和环境监控两部分组成，采集舍内实况视频和各环境参数传输到客户端，用户通过客户端对摄像头、环境调控设备进行远程操作。

3.1 视频监控硬件设计

视频监控由摄像头和无线路由器构成。选用宇视科技IPC2A5L-IR 筒型摄像头，通过ActiveX 控件开发其自带的SDK 库与摄影头实现远程交互通信，养殖人员可随时随地通过PC 或移动端远程控制摄像头角度、方位、焦距、拍摄和储存等功能，查看猪舍现场实际情况、历史记录和生猪生长状况。

3.2 环境监控硬件设计

环境监控硬件设计包括微处理器、传感器、外接设备和NB-IoT 通讯模块的设计，总体硬件框架如图3所示。

图3 环境采集端硬件框图Fig.3 Hardware block diagram of environment acquisition terminal

微处理器选用内核为ARM Cortex-M3 的STM-32F103ZET6，其有优异的运行速度和处理性能，能实时响应处理猪舍环境数据信息，512 KB Flash 存储容量大，板载十几种接口，能满足猪舍环境监控系统部署外设资源的需求。

传感器模块选用CLE-1012-401 NH3浓度检测、CLE-0112-402 H2S 浓度检测、PMS7003 CO2浓度检测、S8-0053 PM10 检测、AM2320 空气温湿度、BH1750FVI 光照强度传感器构成，其中NH3，H2S 传感器为电化学气体传感器，需经LMP91000 芯片信号调理后才能被STM32 的ADC 通道读取数据，STM32 分别通过单总线、IIC 接口读取温湿度、光照强度数据，UART 接口读取PM，CO2数据。

外接设备包括风机、卷帘、湿帘、加热、喷雾、通风和补光等装置，与STM32 通过继电器连接，在继电器的驱动电路中加入光耦隔离电路来防止电磁干扰[16]。

NB-IoT 通讯模块选用WH-NB73 模组，支持CoAP 和UDP 两种透传模式，根据不同运营商物联网卡选择相应的透传方式与云平台相互通信，通过UART 串口与STM32 交互通信。微处理器STM32 读取各传感器采集的数据，经WH-NB73 和电信物联网SIM 卡通过CoAP 模式接入NB-IoT 网络上传云平台，当超出环境阈值时，云平台下发控制指令调控相应外接设备继电器开关。

4 系统软件设计

系统软件设计由采集端节点和监控平台两部分组成，环境采集端采集猪舍内环境数据，经NBIoT 无线技术传输到监控平台，以实现远程监控和调控。

4.1 环境采集端程序设计

根据程序设置的采集周期驱动传感器采集猪舍环境数据，系统微处理器STM32 和WH-NB73 模组初始化后，NB73 模组配网，系统进入超低功耗（PSM）休眠模式，当定时器中断周期开始，STM32 轮询读取各传感器采集的环境数据，数据校验正确后储存、汇总，由CONNECT 模式的NB73 模组传输到云平台；云端后台查看数据，分析处理，若超出所设阈值，云平台下发控制指令调控相应设备，当20 s后无数据交互NB73 模组进入IDLE 模式，再2 s 后仍无数据交互进入PSM 模式，终端数据上云周期结束。调控模式设手动和自动两种模式，自动模式采用RBF 自整定PID 算法智能调控猪舍环境。环境采集端主流程如图4所示。

图4 环境采集端主流程Fig.4 Main flow chart of environment collection terminal

4.2 云平台开发

根据所使用的NB73 选用有人云平台，其支持私有部署和二次开发的成熟SaaS 平台，解决了访问服务器对接电信IoT 繁琐的操作。上位机监控界面在云平台上开发，云端添加温湿度、光照强度、CO2浓度等传感器模块和控制模块，选用电信IoT/CoAP 透传模式，Modbus 通讯协议，输入设备IEMI和SN 实现与终端NB73 交互通信，该平台支持数据的增删改查、报警推送、视频监控、历史数据和报警记录查询等功能，并设置微信、短信和邮箱3 种报警方式，有人云平台数据更新和报警推送界面如图5所示。

图5 有人云平台数据更新和报警推送界面Fig.5 Data update and alarm push interface of manned cloud platform

基于有人云平台SDK 二次开发了微信小程序端，优化其功能和界面，与有人云端同步更新。小程序共5 个功能，包括基本信息、报警记录、历史数据、视频监控和养殖百科。饲养员监测与调控猪舍环境更方便快捷，基础信息端将数据更新、环境阈值设置和调控功能集为一体。历史数据端以变化曲线图、表格两种方式呈现；视频监控界端是24 小时记录猪舍实况，微信小程序端界面如图6所示。

图6 微信小程序端界面Fig.6 WeChat applet interface

5 系统性能测试与分析

本文将该系统应用于桂南某生猪养殖基地某个生长育肥猪舍，验证系统的可行性和稳定性，根据桂南地区7月气候特征、养殖实际情况和猪舍环境规范要求设置了相应环境阈值（图6（a）），在猪舍内布设了6 个NB-IoT 无线采集节点，对无线传感网络通信性能和整体功能进行实地测试，包括NB-IoT模块通信稳定性、猪舍环境数据采集准确性和远程调控性能测试。

5.1 系统通信测试

因网络堵塞、设备故障等问题，NB-IoT 无线通信模块向云端服务器传输环境数据时会发生丢包现象，丢包问题不可避免的。为验证系统信号在传输过程中的稳定性和可靠性，设置NB-IoT 无线传感网络采集的数据每10 min 向云端服务器传输一次，选取2020年7月10日至2020年7月15日6 天的数据作为测试样本，每个节点应上传864 个数据包，提取6 个终端节点所储存的数据分析，通信丢包率结果如表2所示。

表2 通信丢包率结果Tab.2 Communication packet loss rate results

测试结果表明该系统通信稳定性好，所选6 天中每个节点接收数据包平均为856 个，平均丢包率为0.91%，通信成功率在99%以上。

5.2 系统测试与分析

为验证采集环境数据的准确性，在7：00～18：00记录整点时猪舍现场各环境监测设备的数据，与NB-IoT 无线传感网络采集的数据进行比较分析，猪舍现场设备采集数据值如表3所示，NB-IoT 无线传感网络采集的数据如表4所示，两种测量结果的相对误差如图7所示。

图7 两种测量结果的相对误差Fig.7 Relative errors of two measurement results

表3 猪舍现场设备采集数据Tab.3 Data for field equipment collection in piggery

表4 NB-IoT 无线传感网络采集的数据Tab.4 Data collected by NB-IoT wireless sensor network

通过表3、表4 和图7 可知，两种测量结果的温度、湿度、H2S 和NH3相对误差约±0.5，而光照、PM10和CO2相对误差约±5，而温度、湿度、光照、PM10、CO2、H2S 和NH3平均相对测量误差分别为±0.233 ℃，±0.291%，±2.75 Lx，±2.58 ug/m3，±2.25×10-6，±0.216×10-6和±0.175×10-6，均在合理范围内，表明NB-IoT 无线传感网络采集的数据准确率高。

5.3 系统调控性能分析

根据猪舍环境因子分析可知，适宜的环境有助于猪只健康生长和生产；为此，本系统嵌入RBF-PID智能控制算法自动调控猪舍个各环境因子。选择两个环境基本相同的猪舍，一个猪舍采用RBF-PID 智能控制算法调控，一个为普通猪舍调控，以猪舍温度和湿度为例，24 小时内温湿度对比结果如图8 和图9所示。

图8 温度对比结果Fig.8 Temperature comparison results

图9 湿度对比结果Fig.9 Results of humidity comparison

普通猪舍的温度变化曲线先增后减，在14 点达到最高温33.2 ℃，而湿度随着温度的升高而降低，在16：00 达到51.7%，且长时间处于高温低湿状态，而RBF-PID 调控的猪舍温度在25 ℃、湿度在69%上下波动，能维持猪只健康生长和生产的适宜环境，光照强度、PM10、CO2、H2S 和NH3浓度均能采用RBF-PID 实现智能调控，调控的准确度高。

6 结语

基于NB-IoT和云平台技术的猪舍环境智能监控系统，NB-IoT 无线传感网络实时监测、传输猪舍内的环境参数，云平台端利用RBF 自整定PID 控制算法自动调控舍内各环境因子，同时猪舍内的摄像头，24 小时记录猪舍实际情况，用户PC 端和微信小程序实现远程监控和自动调控。并实地验证系统通信稳定性、数据准确性和调控有效性，实验结果表明，本系统通信稳定，通信成功率可达99%；测量的各环境因子平均相对误差在合理范围内，数据准确率高；自动模式下能长时间将温度、湿度等调控在所设定的范围内。因此，本系统设计稳定可靠，能有效提高了监测和控制自动化程度，降低疫病率，提高生猪生产和猪肉质量，为现代化猪舍环境监控系统提供新的设计方案。