一种蛋鸡舍叠层笼养环境光照控制系统

摘要

本发明公开了一种蛋鸡舍叠层笼养环境光照控制系统，其特征在于：所述系统由现场数据采集与控制层和数据传输与共享层组成，现场数据采集与控制层、数据传输与共享层通过无线方式实现通信。本发明通过研究现有蛋鸡舍叠层笼养环境中光照度控制的均匀度低、精度低、不稳定和经济效益低的难题，设计了一种基于无线传感器网络的蛋鸡舍叠层笼养环境的光照度控制系统，系统由现场数据采集与控制层和数据传输与共享层组成，构成对蛋鸡舍叠层笼养环境光照度的检测、控制和管理的光照度控制系统。

说明书

技术领域

本发明涉及蛋鸡舍叠层笼养环境光照度的智能检测与控制和控制网络技术领域，具体涉及一种蛋鸡舍叠层笼养环境光照控制系统。

背景技术

光照是鸡赖以生存的养殖环境中最重要的因素之一，根据研究表明光照刺激产蛋的机理，光照可刺激视神经、颅骨和松果体，作用于下丘脑产生和分泌促释放性腺激素 (GnRH)，再通过垂体门脉系统传至脑下垂体前叶，引起促卵泡素(FSH) 和排卵诱导素(OIH) 的分泌；合理控制光照对鸡的活动、物质代谢、生长发育和生产力都有重要作用，能促进鸡的正常生长发育，刺激排卵、饮水、采食及休息等活动，增加产蛋量，从而提高养殖者的经济效益，光照对蛋鸡的影响主要表现在以下三个方面：

一、蛋鸡生产中必须严格控制光照时间，在蛋鸡产蛋期，应保持光照时间恒定，突然增加光照时间和突然缩短光照时间都会扰乱蛋鸡内分泌系统机能，影响鸡群正常的生活习惯，导致产蛋率下降，光照强度的调整要逐步由暗到亮、由亮到暗，给鸡一个适应的过程，防止鸡群受惊，影响产蛋，因此，在蛋鸡生产实践中，应建立科学的光照制度，避免光照时间的突然增加和突然缩短。育雏、育成期的光照时间不宜延长，开产后绝对不可以减少光照时间，到产蛋期最后14-21d，可适当再增加光照1h，以刺激其多产蛋，由于光的刺激，促进卵泡生长和成熟数量增多，增加了(OIH) 作用于卵泡的机会，二者同步化， 导致排卵的增多，产蛋率提高。

二、光照强度对蛋鸡产生不同的影响。过强或过弱都会带来不良的后果，光照太强会使鸡烦躁不安，神经兴奋，活动量加大，易相互斗殴，甚至造成啄癖、脱肛或神经质；光照不足，则影响采食及饮水，影响产蛋。光照强度必须适当，过亮则刺激太大，使鸡太兴奋、不安静，容易诱发啄癖，且耗电量多；反之，过弱也不利子鸡进行适当的活动，对产蛋鸡起不到作用，从而影响产蛋量。总之，光照强度过强或过弱都会对蛋鸡产生不良的影响，光照强度突然增强，可使鸡群的破壳蛋、软蛋、大蛋、双黄蛋、小蛋等畸形蛋增加，鸡的猝死率也提高。良好的光照程序，可以促进蛋鸡多产蛋，增加蛋重，能提高成活率和养鸡经济效益。

三、光照的品质对蛋鸡的影响，光照的均匀度、稳定性影响蛋鸡的产蛋率和蛋鸡的生理。

综上所述，鸡舍光照度对鸡的生长、发育、产蛋量、蛋的大小和蛋壳厚度都有影响。对开放式或半开放式的鸡舍，可以采用自然光照和人工补充光照相结合的方式，当自然光照时间充足时，无需人工光照；只有当自然光照时间不足时，才采用人工光照补充，这样既可以节省开支，又能满足鸡舍光照强度的要求。对于封闭式鸡舍，完全采用人工光照方式；人工控制光照度、光照时间和明暗变化，合理的光照能刺激蛋鸡排卵，增加蛋鸡产蛋量，提高家畜生产力、繁殖力和产蛋品质，消除或改变家畜生产的季节性。养殖专家在进行光照强度对笼养蛋鸡产蛋性能的影响试验中，将蛋鸡分为数量相同的上中下三层，采用不同的光照制度，发现中层笼位鸡的产蛋量明显高于上、下层。据此得出结论，合理的光照强度不仅可提高鸡的产蛋量和群体产蛋率，而且还能节约用电，减少鸡恶癖的发生。

发明内容

本发明的目的是提供一种蛋鸡舍叠层笼养环境光照度控制系统，本发明通过研究现有蛋鸡舍叠层笼养环境中光照度控制的均匀度低、精度低、不稳定和经济效益低的难题，设计了一种基于无线传感器网络的蛋鸡舍叠层笼养环境的光照度控制系统，系统由现场数据采集与控制层和数据传输与共享层组成，构成对蛋鸡舍叠层笼养环境光照度的检测、控制和管理的光照度控制系统。

1）现场数据采集与控制层：包括蛋鸡舍光照度监控的光照度检测节点、光照度控制节点和现场监控端组成，由它们在蛋鸡舍叠层笼养环境中通过自组织方式构建蛋鸡舍光照度网络，实现对该蛋鸡舍叠层笼养环境光照度的检测和控制，并向数据传输与共享层传输监控现场的光照度参数，接收数据传输与共享层对控制节点的控制，见图1。在现场监控端和控制节点设计PID神经网络多串级的蛋鸡舍叠层笼养环境光照度控制系统实现对蛋鸡舍叠层笼养环境光照度进行精确高效控制，由基于光照经济效益模型的专家系统实现对蛋鸡舍叠层笼养环境光照度的控制理想值科学设定。其中在现场监控端设计PID神经网络主调节器、基于光照经济效益模型的专家系统，在多个各笼养层控制节点设计光照度控制的PID副调节器，见图2；

2）数据传输与共享层组成：包括协调器节点、GPRS/Internet网、 Intranet网、中心监控端、数据库服务器、Web服务器和用户，用于接收来自现场数据采集与控制层的数据，经过中心监控端的数据解析模块分析后存入数据库服务器，实现对蛋鸡舍叠层笼养环境光照度参数的存储、查询和监视；Web服务器和用户实现用户共享蛋鸡舍光照度的数据，在用户端通过浏览器访问Web服务器即可实现实时访问、浏览和下载监视养殖现场光照度参数。见图1下部分；

3）根据蛋鸡舍叠层笼养环境光照度控制精度低、均匀度低、不稳定和经济效益低的难题，在现场监控端和光照度控制节点中设计PID神经网络多串级蛋鸡舍叠层笼养环境光照度控制系统来提高光照度控制的均匀度、精度和稳定性，该控制系统见图2中间。

PID神经网络多串级的蛋鸡舍叠层笼养环境光照度控制系统，由蛋鸡舍叠层笼养环境光照度控制的PID神经网络的主调节回路与蛋鸡舍叠层笼养环境多个笼养层的光照度控制的PID副调节回路组成多串级的光照度控制系统，以蛋鸡舍的光照度为主控变量的主调节回路的PID神经网络实现对整个蛋鸡舍叠层笼养环境光照度的控制，能够迅速根据外界光照度对蛋鸡舍叠层笼养环境的影响进行调节，使蛋鸡舍叠层笼养环境的光照度稳定在系统的设定值；内环为多个笼养层光照度的PID副调节器实现对各个笼养层光照度的调控，能够迅速根据其它层光照对本层光照的影响进行调整和抑制系统参数变化对光照度调控的影响，提高蛋鸡舍叠层笼养环境光照度的均匀度、精度和稳定性，提高养殖效益。

该副调节器就发挥PID的优点以快速消除蛋鸡舍各个笼养层光照度的不均匀性对蛋鸡产蛋的影响。蛋鸡舍光照度的设定值和检测的实际值作为PID神经网络主调节器的输入，PID神经网络主调节器的作用是及时调整多个笼养层光照度控制的PID副调节器的给定值，多个笼养层光照度控制的 PID副调节器的作用是确保各个笼养层光照度均匀性与稳定性。蛋鸡舍光照度的PID神经网络的主调节回路是针对影响蛋鸡舍叠层笼养环境光照的外界光照度变化显著的非线性特性，将具有非线性映射能力及自适应能力的神经网络应用于蛋鸡舍叠层笼养环境光照度控制，并结合传统比例、积分和微分(PID)控制的优点，提出一种自适应PID神经网络控制方法，对于解决蛋鸡舍叠层笼养环境光照度由于外界光照度非线性严重而导致控制困难的问题具有较强的针时性，实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。当蛋鸡舍叠层笼养环境光照度偏离设定值时，PID神经网络主调节回路进行运算，其输出作为多个笼养层的PID副调节回路的给定值，接着副调节器PID进行运算，调整各自笼养层光照度，使各个笼养层光照度均匀并接近系统的设定值。本算法在串级控制的基础上，蛋鸡舍叠层笼养环境光照度采用PID神经网络的主调节回路来对蛋鸡舍叠层笼养环境的光照度进行控制，该控制方法确保蛋鸡舍叠层笼养环境光照度稳定在给定值附近，该控制算法能够充分发挥PID及神经网络的优点，该控制方法无论是抗干扰能力还是在鲁棒性方面与传统的串级 PID 控制及常规的神经网络控制相比较都有了很大的提高。PID神经网络多串级的蛋鸡舍叠层笼养环境光照度制系统，提高了蛋鸡舍叠层笼养环境光照度控制的品质，提高了系统响应速度、稳定蛋鸡舍叠层笼养环境光照度、提高了蛋鸡舍光照度的均匀性、抑制了多种因素对光照度的影响，见图2左下部分。

4）基于光照经济效益模型的专家系统：在现场监控端设计基于专家系统的专家系统实现对蛋鸡舍叠层笼养环境光照度的控制理想值进行科学设定。该系统由基于蛋鸡产蛋过程组合神经网络预测模型、光照度控制成本、鸡蛋市场价格、饲料价格形成的经济效益模型的蛋鸡舍叠层笼养环境光照度控制理想参数设定的专家系统，该系统根据蛋鸡舍光照度对蛋鸡产蛋过程效益的影响科学设定蛋鸡养殖环境的光照度，有效克服仅凭养殖操作人员经验设定蛋鸡养殖过程光照度值，提高饲料的利用率和养殖效益，见图2右上部分。

本发明专利与现有技术相比，具有以下明显优点：

1、由于采用PID神经网络多串级的蛋鸡舍叠层笼养环境光照度控制系统，PID神经网络主调节器能够迅速根据外界光照对养殖环境的影响调整主调节器的输出作为各层副调节器的给定值；各个笼养层光照度的PID副调节器是根据蛋鸡舍叠层笼养环境光照度PID神经网络主调节器输出调整各个笼养层光照度的随动系统，各个PID副调节器回路已经尽可能把被控过程中对光照度的影响变化温度、电压等较大的主要扰动包括在副调节器回路中，这些副调节器回路对包含在其中影响各笼养层光照度的二次扰动具有很强的抑制能力和自适应能力，二次扰动通过主、副调节器回路的调节对主被控量蛋鸡舍光照度的影响很小，所以蛋鸡舍各个笼养层的光照度的稳定性、均匀性和控制精度都很高。

2、蛋鸡舍叠层笼养环境光照度的PID神经网络主调节器与多个笼养层光照度的PID副调节器构成PID神经网络多串级光照度控制系统，该控制系统不允许被控制量蛋鸡舍光照度存在偏差和多个笼养层的光照度不均匀确保被调量符合生产要求，因为外界光照度、温度和电压等参数变化对蛋鸡舍叠层笼养环境的光照度发生扰动时，该系统就能快速把蛋鸡舍光照度调节到所需要的数值上。该控制系统对误差实施的是双闭环控制，但能够适应扰动影响诸多因素，具有良好的鲁棒性。

3、构建蛋鸡产蛋过程组合神经网络预测模型实现对蛋鸡产蛋过程的预测，为了提高模型的预测精度，采用BP神经网络、RBF神经网络和小波神经网络对蛋鸡产蛋过程分别预测，通过两个小波神经网络对它们的输出进行融合，得到基于输入光照强度与光照时间和输出产蛋率与料蛋比的蛋鸡产蛋过程组合神经网络的预测模型，为构建蛋鸡产蛋的光照度经济效益模型提供基础。采用基于组合神经网络预测模型的专家系统对蛋鸡产蛋过程的光照度的控制理想值进行科学设置，提高了设置蛋鸡产蛋过程对光照度需求的科学性，提高了蛋鸡养殖的经济效益和效率，实现了科学养殖和高效养殖。

4、本发明将PID、神经网络、串级控制和专家系统相结合，设计了PID神经网络多串级蛋鸡舍叠层笼养环境光照度控制系统。该控制系统克服了单纯PID控制调节品质差、光照度不均匀、抗干扰性弱和效益低的缺点，将该控制系统用于蛋鸡舍叠层笼养环境光照度的控制具有较强的动态跟踪性能和抗干扰能力及良好的动静态性能指标。

附图说明

图1蛋鸡舍养殖环境光照度控制系统方案图；

 1-光照度检测节点，2-光照度控制节点，3-协调器节点，4-现场监控端，5-GPRS/Internet，6-Intranet，7-Web服务器，8-数据库服务器，9-中心监控端，10-用户，11-GPRS基站；

图2 蛋鸡舍叠层笼养环境PID神经网络多串级光照度控制系统图；

图3 光照度检测节点硬件结构图；

图4 光照度检测节点软件流程图；

图5 光照度控制节点硬件结构图；

图6 光照度控制节点软件流程图；

图7协调器节点硬件结构图；

图8 协调器节点软件流程图；

图9 蛋鸡产蛋过程组合神经网络预测模型图；

图10中心监控端软件流程图；

图11 Web服务器软件流程结构图；

图12 整个系统平面布置图。

具体实施方式

（1）光照度检测节点设计

光照度检测节点1采用模块化的设计方法，它的结构分为TSL2561光照度传感器模块、主处理器与无线通信模块、能量供应模块，光照度传感器采集到的数据由处理器模块进行存储和处理之后，通过无线通信模块发送给控制节点。在ZigBee 节点核心电路基础上，通过 CC2430 的 I/O 口连接多个光照度传感器并由电源模块提供能量，该组传感器可根据检测蛋鸡舍光照的需要布置在不同层面多个不同点，构成不同层与不同点对蛋鸡舍光照度检测来反映该蛋鸡舍光照度的实际状况。如图3所示光照度检测节点的硬件结构图。检测节点主要任务是通过无线传输方式将采集到的光照度数据送到控制节点。检测节点完成对 CC2430、光照度传感器和协议栈的初始化之后，开始扫描信道，寻找合适的网络，发送加入网络信息，通过传感器采集蛋鸡舍叠层笼养环境光照度信息，并将它上传其对应的控制节点。软件工作过程如图4所示。

（2）光照度控制节点设计

①软硬件设计

光照度控制节点2应用CC2430中心组成控制电路，包括数据接收电路、LED驱动电路、LED光源。在处理器内部将实际照度值与设定照度值进行对比，通过PID控制算法计算出补偿照度的数字控制量，数字控制量通过调节PWM占空比从而控制输出电压的有效值，再经执行电路驱动LED光源，从而使被控制区域的照度达到给定值。构成的闭环系统减小了由于光源器件的非线性、温度漂移等因素产生的输出误差。硬件结构如图5所示。控制节点软件系统包括数据接收与发送、ZigBee 组网传输、数据解析和PID控制算法等模块，当它起路由通信功能时，当它收到一帧数据，首先查看该帧数据目的地址是否为自己，如果是该帧数据将被送到应用层，或在网络层做具体的处理；然后参与对光源的控制；如果接收到的数据目的地址不是自己，将中继该帧数据到其他设备，控制节点根据接受的数据进行解码、解析和实现对光源的智能调节完成对蛋鸡舍光照度的精准控制，软件工作流程图见图6所示。

、副调节器回路设计

副回路设计的照度自动控制系统将数值PID控制应用于蛋鸡舍光照度调节中，实现了蛋鸡舍照度的连续可调，精度高、反应灵敏，能有效解决蛋鸡舍叠层笼养环境照明的均匀度、稳定性问题，具有良好的应用前景。该副回路控制单元包括以CC2430为核心的控制、光照强度检测、LED光源的控制量驱动、无线通信部分。蛋鸡舍光照度经光传感器采样后输入CC2430，在单片机内部将实际照度值与设定照度值进行对比，计算出补偿照度的数字控制量。系统内实现PID控制可分为照度信息获取、数字PID控制器与执行模块三部分数字控制量，通过调节PWM占空比从而控制输出电压的有效值，经执行电路驱动LED光源，从而使被控制区的照度达到设定值。构成的闭环系统减小了由于光源器件的非线性、温度漂移等因素产生的输出误差。外界光照和蛋鸡舍中不同层次的光照变化可以看作对本层光照度的扰动，系统和蛋鸡舍中不同笼养层的光照控制回路可以快速响应它们对自身层光照度的影响。为了实现光源自动调节，引入PID神经网络多串级光照控制系统可根据外界环境光照度的变化实现自动调节的照明系统，能快速的使光源的自动调节达到稳态、并且蛋鸡舍内的光照度均匀、稳态误差小和控制精度高，具有调节迅速、误差小的特点。在CC2430内部实现PID控制器以及对外设的控制功能，TSL2561光传感器构成反馈通道，功率放大与LED驱动完成对LED光源的控制。系统上电后进行自动配置，也可通过人工设置PID控制参数，之后进入照度信息采样、PID控制、输出控制信号、执行误差补偿的循环过程，副调节器回路的通道见图2中间。

（3）协调器节点设计

协调者节点3主要由串口连接GPRS模块、CC2430模块和电源模块组成。协调器节点通过3CC2430的串行口连接RS485收发器，它接GPRS模块与Internet网中心监控端之间进行通信。GPRS 模块采用西门子公司的 MC35i， GPRS 模块通过 UART 与ZigBee 协调器连接负责 ZigBee 网络与 GPRS 网络之间的通信。协调者节点负责蛋鸡舍光照度测控网络与中心监控终端通信，即接收来自现场光照度检测节点和光照度控制节点的信息并发给网络中心监控端。协调器节点是整个网络的核心，负责网络的建立与管理。系统首先初始化硬件和协议栈，协调器扫描选择一个合适的信道建立一个网络。组网完毕以后，协调器节点开始接受从控制节点上传的数据，并通过GPRS模块它上传到监控中心监控端，协调器节点结构见图7，软件处理流程如图 8 所示。

（4）现场监控端

现场监控端4是一台工业控制计算机，它主要实现现场监控端4与光照度检测节点1和光照度控制节点2的信息交互，实现对蛋鸡舍叠层笼养环境光照度参数进行采集与监控。主要功能为现场监控端通信参数设置、设置检测现场参数时间、通信、参数采集、数据分析、数据保存、数据库管理、专家系统实现、PID神经网络和系统维护。该专家系统主要根据经济成本最优的原则来设定现场监控单元的光照度的理想控制值，主要根据：光照度参数控制的成本模型、蛋鸡的产蛋组合预测模型、鸡蛋的市场价格、饲料的市场价格得到当前时段蛋鸡产蛋的经济最优光照度参数，通过专家系统的推理来实现，由现场监控端通过协调器节点送到控制节点。该管理软件选择了Microsoft Visual++ 6.0作为开发工具，调用系统的Mscomm通信控件来设计通讯程序。

主调节器回路设计

PID神经网络是具有非线性特性的3层前向网络，隐层节点分别为比例(P)、积分(I)、微分(D)单元，因此是动态前馈网络。PID神经网络结构如图2左边所示，输入层、隐层、输出层节点为2,3,1个。其中：

ⅰ、输入层

神经元的输入为                                                ，它们分别对应系统控制的光照给定量和系统的检测的实际值。

ⅱ、隐含层

第i个神经元为：，（1）

式中，是输入层第j个节点至隐层第i个节点的权值，隐层比例、积分、微分神经元的输出分别为、和。其中，，，。

ⅲ、输出层

输出层神经元的输入是隐层各节点输出的加权和，即，（2）

式中，hi是隐层节点i至输出节点的权值，输出作为各个副调节器的给定量。

 

ⅳ、隐含层至输出层的权值更新公式:

（3）

ⅴ、输入层至隐含层的权值更新公式:

（4）

②专家系统设计

专家系统提供蛋鸡舍叠层笼养环境光照度控制的理想设定值和控制光照时间，是实现对蛋鸡舍叠层笼养环境光照度控制的中枢神经，它的基本推理过程见图2的上部分。

ⅰ、蛋鸡产蛋过程的组合神经网络预测模型

针对分别采用BP神经网络、RBF神经网络和小波神经网络建立蛋鸡生产过程神经网络预测模型预测精度比较低的缺点，提出了基于它们的蛋鸡产蛋过程的组合神经网络预测模型。用任何单一神经网络模型进行预测时精度低，将上述3种方法组合起来大大降低蛋鸡产蛋过程预测精度的风险，即使单个模型的预测精度不理想，也不至于严重地影响组合预测的精度，因此降低了预测风险，为得到更好的预测精度提供了可靠的保证。组合预测是将多种不同的预测方法进行适当组合，综合利用3种神经网络预测方法提供的产蛋过程的信息，并对3种预测结果进行了总体性综合考虑，因此比单个模型更系统、更全面。本发明在此基础上将上述3种神经网络的预测值分别作为组合神经网络的输入，将实际值作为输出进而训练出一个新的网络。预测结果表明，本文提出的模型的预测精度高于传统的线性组合模型的预测精度。其中ANN1列为采用BP网络预测的结果，ANN2和ANN3分别为采用RBF网络和小波神经网络进行预测的结果，神经网络的结构与BP网络完全相同。小波神经网络中激励函数选取Morlet小波，输出层选择sigmoid 型函数。

该输入网络分别为BP网络、RBF网络和小波神经网络的2-6-2型3层神经网络对蛋鸡产蛋过程进行预测，它们的输入分别为光照时间和光照强度，输出分别为产蛋率和料蛋比，即将分别得到3个产蛋率和3个料蛋比，3种神经网络的预测结果作为小波神经网络的输入；它们分别输入ANN4和ANN5的3-7-1型3层小波神经网络，它们分别得到该蛋鸡的总的产蛋率和料蛋比，实现对前面3种神经网络预测结果的综合。将实际产蛋率和料蛋比值作为ANN4和ANN5神经网络的输出，使训练后的网络具有预测能力，该模型能降低单个神经网络的预测风险，提高预测精度。仿真结果表明，所提出的组合预测模型的精度高于其中任一单一网络模型，也高于传统的线性组合预测模型。即将BP网络、RBF网络和小波神经网络的预测值作为ANN4和ANN5小波神经网络的输入，将实际值作为神经网络的输出来训练网络。本预测模型采用的是3-7-1的小波神经网络，隐含层的选择是根据经验公式2n+1得到的。组合预测模型的平均绝对误差和误差平方和均低于其中任一单一模型，且低于线性组合预测模型，因此是一种有效、可行的蛋鸡产蛋过程的预测模型。目前神经网络存在的“过拟合”等问题严重影响了其预测精度，使用该方法进行预测为降低神经网络预测风险提供了一种新思路。提出的组合预测模型实际上是一种变权组合预测模型，从仿真结果可以看出这种预测模型具有预测精度高等优越性，目前关于变权组合预测模型的研究成果并不多见，它将成为组合预测方面的重要研究方向之一。蛋鸡产蛋过程神经网络预测模型见图9所示。

ⅱ、蛋鸡产蛋过程的光照度经济效益模型设计

根据组合神经网络预测模型可以得到蛋鸡的产蛋率和料蛋比，光照度经济效益模型为：光照度经济效益模型=（产蛋率*蛋鸡数量*平均蛋重*蛋鸡的市场价格）/（料蛋比*产蛋率*蛋鸡数量*平均蛋重*饲料市场价格+光照成本）                                        （5）

它作为专家系统推理过程的蛋鸡产蛋过程的光照度设定推理过程的光照度经济效益模型。

（5）中心监控端

中心监控端9是整个蛋鸡养殖场光照度监控网络的管理中心，采用工业控制计算机作为监控主机，包括系统设置模块、通信模块、数据管理模块和监控模块。中心监控端9采用VB语言进行开发，采用 SQLServer2000 数据库存储光照度检测节点数据。中心监控端通过Internet/GPRS网络对蛋鸡舍的光照度检测、控制情况进行监控，实现对光照度信息的提取、存储、控制输出等功能。系统设置模块对数据采样频率、报警上下限进行设置和对输出控制量给控制节点实现对光照度的调整。通信模块实现中心监控端与协调器节点的通过Internet/GPRS网络以串行方式实现透明传输，数据管理模块实现历史数据的存储、统计分析以及实时数据的显示。监控模块实现数据采集功能，设置控制策略并实现自动及手动控制功能，软件功能见图10所示。

（6）Web服务器设计：

设计了Web服务7软件来实现与远程用户的信息交互，响应用户的请求，实现远程用户对蛋鸡舍光照度的查询与实时发布，软件流程见流程图11.

（7）蛋鸡舍光照度控制系统的设计举例

根据蛋鸡舍的实际情况，系统布置了光照度检测节点1、光照度控制节点2、协调器节点3和现场监控端4，光源根据蛋鸡舍的情况布置了每层3排，每排6盏LED灯。控制中心的安装图，整个系统平面布置图见图12。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。