一种智能蜂箱的监测预警系统及方法技术方案

本发明专利技术涉及一种智能蜂箱的监测预警系统及方法，属于蜜蜂养殖领域。该方法包括：S1：数据监测：通过传感器获取蜂箱内部的温度、湿度以及巢脾重量，对收集的数据进行处理并传送至监控平台；S2：多级预警：根据蜂箱环境参数的变化，采用DBSCAN聚类算法，基于一组邻域来描述样本集的紧密程度，将蜂农对蜜蜂的关注等级划分为正常、数据波动大和超安全范围三个级别，实现实时报警；S3：分蜂预测：根据分析蜂箱内部温湿度的变化以及蜜蜂产蜜速度，采用BP神经网络算法进行分蜂状态等级预测，预测最佳人工分蜂时间。本发明专利技术能防止发生分蜂热，为蜜蜂提供优良环境，有效降低蜂农的劳动成本。有效降低蜂农的劳动成本。有效降低蜂农的劳动成本。

【技术实现步骤摘要】
一种智能蜂箱的监测预警系统及方法


[0001]本专利技术属于蜜蜂养殖领域领域，涉及一种智能蜂箱的监测预警系统及方法。

技术介绍

[0002]蜂箱是目前人工养蜂最主要的养殖装置，是蜜蜂繁衍生息的住所。而目前广泛使用的传统蜂箱蜂桶，主要依靠蜂农的主观判断进行控温、控湿、取蜜、分蜂等，无法科学准确为蜂群提供最舒适、最安全的繁殖及储蜜空间。同时为了检查蜂箱内部状况频繁的开箱劳动成本高，并且干扰蜜蜂正常的繁殖和产蜜活动甚至造成蜂蜜消耗快，蜜蜂寿命缩短等情况。
[0003]因此，亟需一种能够对蜂箱进行实施监测预警的智能系统。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种智能蜂箱的监测预警系统及方法，通过对蜂箱内部温度、湿度、巢脾重量的监测和分析，保障蜜蜂在更加舒适、安全的环境下繁殖生活，降低蜂农劳动成本，实现数字化智能养蜂。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]1、一种智能蜂箱的监测预警方法，包括以下步骤：
[0007]S1：数据监测：通过传感器获取蜂箱内部的温度、湿度以及巢脾重量等数据，对收集的数据进行处理并传送至监控平台；
[0008]S2：多级预警：根据蜂箱环境参数的变化，采用DBSCAN聚类算法，基于一组邻域来描述样本集的紧密程度，将蜂农对蜜蜂的关注等级划分为正常、数据波动大和超安全范围三个级别，供蜂农参考，并在出现分蜂趋势时进行报警；实时语音播报，减少蜂农的精力投入；
[0009]S3：分蜂预测：根据分析蜂箱内部温湿度的变化以及蜜蜂产蜜速度，采用BP神经网络算法进行分蜂状态等级预测，防止发生分蜂热，预测最佳人工分蜂时间，为蜜蜂提供优良环境，有效降低蜂农的劳动成本。
[0010]进一步，步骤S2中，所述蜂箱环境参数包括蜂箱内部温度、湿度、巢脾重量以及蜂箱外部环境温度、湿度的变化速度。
[0011]进一步，步骤S2中，将获取的蜂箱环境参数进行解码，生成实时曲线图，便于直观发现异常数据。
[0012]进一步，步骤S2中，所述DBSCAN聚类算法具体包括：分别获取包含一天蜂箱内部温度、湿度和巢脾重量变化数据{D}的数据集，参数(δ,MinPts)用来描述邻域的样本分布紧密程度，其中，δ描述了某一样本的邻域距离阈值，MinPts描述了某一样本的距离为δ的邻域中样本个数的阈值，进行数据分析；
[0013]具体数据分析情况为：给定对象半径为E内的区域称为该对象的E邻域；设置半径参数、邻域以及不同簇的个数C代表的情况，包括：如果给定对象E邻域内的样本点数大于等
于MinPts，则称该对象为核心对象；
[0014]对于样本集合D，如果样本点q在p的E邻域内，并且p为核心对象，那么对象q从对象p直接密度可达；
[0015]对于样本集合D，给定一串样本点p1,p2,
…
,p
n
,p＝p1,q＝p
n
,假如对象p
i
从p
i
‑1直接密度可达，那么对象q从对象p密度可达；
[0016]存在样本集合D中的一点o，如果对象o到对象p和对象q都是密度可达的，那么p和q密度相联；
[0017]最后，找到密度相连对象的最大集合。
[0018]进一步，步骤S2中，环境参数经过DBSCAN聚类算法处理后，簇的个数发生变化：当簇的个数C＝1时，蜂箱内部情况正常；当簇的个数C＝2时，蜂箱内部情况有波动；当簇的个数C＝3时，蜂箱内部情况异常，需及时处理。
[0019]进一步，步骤S3中，将分蜂状态分为5个等级；输入层含有三个神经元，输入为X＝(x1,x2,x3)，输出层含有五个神经元，输出为Y＝(y1,y2,y3,y4,y5)；其中x1,x2,x3分别为蜂箱内部的温度、湿度以及巢脾重量；y代表分蜂状态的等级，等级越高，分蜂行为越激烈；
[0020]所述采用BP神经网络算法进行分蜂状态等级预测的具体步骤为：
[0021]S31：初始化，设置输入层的节点个数n，隐含层的节点个数为l，输出层的节点个数m；输入层到隐含层的权重w
ij
，隐含层到输出层的权重w
jk
，输入层到隐含层的偏置为a
j
，隐含层到输出层的偏置为b
k
，学习效率为η，激励函数采用Sigmoid函数；公式如下：
[0022][0023]S32：计算隐含层、输出层的输出H
j
、O
k
，公式如下：
[0024][0025][0026]S33：计算误差，公式如下：
[0027][0028]其中，Y
k
为期望输出，记Y
k
‑
O
k
＝e
k
；
[0029]S34：反向传播，迭代更新参数，e
k
达到阈值则结束迭代。
[0030]2、一种智能蜂箱的监测预警系统，包括：传感节点、中央数据采集器以及监控中心；
[0031]所述传感节点包括温度传感器、湿度传感器、重量传感器，安装在蜂箱上，分别通过传感器接口与主控单元连接，主控单元还与通信单元和电源供电单元连接。
[0032]进一步，传感器采集的数据通过蜂箱的中央数据采集器传输至监控中心(即手机或者电脑设备)进行分蜂预警分级，在出现分蜂趋势时进行报警。
[0033]本专利技术的有益效果在于：本专利技术的智能蜂箱，通过物联网技术，解决蜜蜂养殖产业中出现的设备传统、蜂农劳动成本大、管理困难、蜜蜂繁育环境不稳定、易怠工死亡等问题。通过对蜂箱内部温度、湿度以及巢脾重量等的监测，将不确定因素转化为数字信息，图像曲
线等，实时呈现给蜂农。保证蜜蜂有良好的生活繁育环境。并通过多级预警的方式保证蜜蜂健康的同时降低蜂农的精力投入。对分蜂等级进行实时转化，预防发生分蜂热，为蜂农进行分蜂热的接触或者人工分蜂饲养蜂群提供重要数据。用本专利技术的智能蜂箱技术实现养蜂的数字化，信息化，促进大规模蜂场的建设。
[0034]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0035]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：
[0036]图1是本专利技术智能蜂箱的监测预警方法的流程图；
[0037]图2是本专利技术智能蜂箱的整体结构图；
[0038]图3是本专利技术智能蜂箱的监测系统网络图；
[0039]图4是本专利技术智能蜂箱监测到的蜂箱内部温度变化图；
[0040]图5是本专利技术明智能蜂箱监测到的蜂箱内部湿度变化图；
[0041]图6是本专利技术智能蜂箱监测到的蜂箱内部重量变化图；...

【技术保护点】

【技术特征摘要】
1.一种智能蜂箱的监测预警方法，其特征在于，该方法包括以下步骤：S1：数据监测：通过传感器获取蜂箱内部的温度、湿度以及巢脾重量，对收集的数据进行处理并传送至监控平台；S2：多级预警：根据蜂箱环境参数的变化，采用DBSCAN聚类算法，基于一组邻域来描述样本集的紧密程度，将蜂农对蜜蜂的关注等级划分为正常、数据波动大和超安全范围三个级别，供蜂农参考，并在出现分蜂趋势时进行报警；S3：分蜂预测：根据分析蜂箱内部温湿度的变化以及蜜蜂产蜜速度，采用BP神经网络算法进行分蜂状态等级预测，预测最佳人工分蜂时间。2.根据权利要求1所述的监测预警方法，其特征在于，步骤S2中，所述蜂箱环境参数包括蜂箱内部温度、湿度、巢脾重量以及蜂箱外部环境温度、湿度的变化速度。3.根据权利要求1或2所述的监测预警方法，其特征在于，步骤S2中，将获取的蜂箱环境参数进行解码，生成实时曲线图，便于直观发现异常数据。4.根据权利要求1所述的监测预警方法，其特征在于，步骤S2中，所述DBSCAN聚类算法具体包括：分别获取包含一天蜂箱内部温度、湿度和巢脾重量变化数据{D}的数据集，参数(δ,MinPts)用来描述邻域的样本分布紧密程度，其中，δ描述了某一样本的邻域距离阈值，MinPts描述了某一样本的距离为δ的邻域中样本个数的阈值，进行数据分析；具体数据分析情况为：给定对象半径为E内的区域称为该对象的E邻域；设置半径参数、邻域以及不同簇的个数C代表的情况，包括：如果给定对象E邻域内的样本点数大于等于MinPts，则称该对象为核心对象；对于样本集合D，如果样本点q在p的E邻域内，并且p为核心对象，那么对象q从对象p直接密度可达；对于样本集合D，给定一串样本点p1,p2,
…
,p
n
,p＝p1,q＝p
n
,假如对象p
i
从p
i
‑1直接密度可达，那么对象q从对象p密度可达；存在样本集合D中的一点o，如果对象o到对象p和对象q都是密度可达的，那么p和q密度相联；最后，找到密度相连对象的最大集...

【专利技术属性】
技术研发人员：郑凯，李瑞娜，白银，陈云农，李隆昊，郭京城，蒋炜杰，谭小平，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：