基于边缘计算与深度学习的禽舍监测系统设计

摘要

恶臭气体是影响禽舍内禽类个体健康和产蛋效率的重要因素。由于传统的监测设备具有较长的气体浓度响应时间,导致无法及时对污染物的排放做出检测,设计并实现可以预测氨气浓度变化的禽舍监测系统,选用低成本的电化学传感器和低功耗Wi-Fi微控制器设计终端监测器。为了克服电化学传感器易受其他环境因素影响的缺点,监测器还集成硫化氢浓度、二氧化碳浓度以及温湿度等传感器。由于禽舍生产经营属性对成本较敏感,选用性价比较高的边缘计算硬件作为服务器。在该服务器对监测器上传的采集数据进行预处理,最终通过提出的Bi-LSTM模型使用多传感器参数预测未来一段时间内氨气的浓度值。经过参数调优和对比训练,该系统对禽舍内氨气浓度的预测值与采集值均方误差仅为3.29%,以期为接下来的减排措施提供有效的数据支撑。