一种基于物联网的牛舍环境数据采集与无线上传方法与流程
本发明涉及数据采集。更具体地,本发明涉及一种基于物联网的牛舍环境数据采集与无线上传方法。
背景技术:
1、牛舍内部环境的监测与精细化管理已成为提升动物福利、保障养殖效益的重要环节。牛舍内的温湿度、氨气、二氧化碳等环境参数的变化对牛只的健康状况、进食行为以及产奶、产肉性能具有深远影响。为了掌握牛舍内的环境状态,传统方案通常会在牛舍内部署密集且庞大的传感器网络,进行全天候的高频数据采集并将大量数据上传至云端服务器。由于相邻节点之间的环境数据具有高度的时空相关性,全量传感器同时工作会产生大量的冗余数据,不仅加剧了通信网络的带宽压力,还造成了底层设备的能源浪费;庞大的数据量在上传过程中极易导致网络拥堵与传输延迟,影响了服务器端的数据处理效率和全局状态评估的实时性。因此,如何在保证牛舍全局环境监测精度的前提下,合理调度传感器节点,以较少的数据采集与上传开销实现整体环境状态的恢复,成为当前智慧养殖领域亟待解决的关键问题。
2、现有的传感器节点选择与数据采集策略在应对牛舍复杂环境时,无法满足采集与高保真重构的综合需求。牛舍内部空间结构复杂,不同区域,如采食区、休息区、挤奶区等对环境变化的敏感度及业务重要性差异突出,而常规的数据采集方案往往未顾及这些功能属性在空间分布上的差异,无法将空间权重与历史环境的变化规律结合,导致提取的环境特征无法真实表示复杂的全局变化模式。传感器节点的激活调度本质上属于典型的非凸组合优化问题,随着牛舍空间网格和传感器数量的增加,问题的求解规模呈指数级膨胀。传统的启发式算法或常规优化策略在求解该类问题时,无法在计算效率与求解质量之间取得良好平衡,极易陷入局部最优,导致选出的传感器激活方案往往无法兼顾降低重构误差和提升空间覆盖度等多维度的性能要求。
技术实现思路
1、为了解决现有牛舍环境监测方案难以兼顾重构误差与空间覆盖度,导致全局环境重构精度低,且全量数据上传带来高通信带宽压力与节点能耗的技术问题,本发明提供了一种基于物联网的牛舍环境数据采集与无线上传方法。
2、本发明提供了一种基于物联网的牛舍环境数据采集与无线上传方法,包括:s1:获取牛舍三维网格模型和历史环境参数数据集,基于牛舍三维网格模型中网格节点的功能属性生成空间权重矩阵,并基于历史环境参数数据集提取降维重建基;s2:将二值传感器激活变量设为决策变量,结合降维重建基与空间权重矩阵构建以加权重建误差最小化为目标的二次约束二次规划问题;将二次约束二次规划问题转化为半定规划问题,求解得到半正定解矩阵;以半正定解矩阵为协方差矩阵生成多组服从零均值的高斯随机化向量,并进行符号化处理生成多个候选解;s3:计算候选解的目标函数值与空间覆盖熵度量,基于目标函数值与空间覆盖熵度量在帕累托最优边界上确定激活方案;控制激活方案对应的传感器采集实时环境数据,并将降维重建基、激活方案和实时环境数据上传至服务器。
3、通过采用上述技术方案,本发明通过基于节点功能属性生成空间权重矩阵并提取降维重建基,将传感器调度构建为二次约束二次规划问题,经半定松弛与高斯随机化求解后,在结合空间覆盖熵度量的帕累托边界上确定激活方案。该技术方案通过将复杂的非凸组合优化问题松弛转化为多项式时间可解的凸优化问题,并兼顾重构误差与空间分布均匀度,从而解决了大规模传感器调度易陷入局部最优且难以兼顾空间覆盖的问题,在保证全局环境高精度重构与监测无盲区的前提下,大幅减少了冗余数据的采集与上传,降低了网络带宽压力与设备能耗。
4、优选地,所述基于牛舍三维网格模型中网格节点的功能属性生成空间权重矩阵,包括:将网格节点划分为休息区节点、采食区节点和过道区节点;为所述休息区节点赋予第一先验权重值,为所述采食区节点赋予第二先验权重值,为所述过道区节点赋予第三先验权重值,其中所述第一先验权重值大于所述第二先验权重值,所述第二先验权重值大于所述第三先验权重值;将全部网格节点的先验权重值按编号升序填入方阵主对角线上,并将除主对角线外的元素置零,生成所述空间权重矩阵。
5、通过采用上述技术方案,本发明将牛舍内部不同功能区域的环境敏感度差异直接编码到后续的优化求解惩罚项中,从而强制系统优先保障对牛只健康影响最大的核心区域的重建精度,避免了传统均匀权重方案中关键区域精度被边缘弱化的问题。
6、优选地,所述基于历史环境参数数据集提取降维重建基,包括:计算所述历史环境参数数据集的环境协方差矩阵;对所述环境协方差矩阵进行分解,提取特征根及对应的特征向量;按照所述特征根的数值大小进行降序排列,截取前k个最大特征根对应的特征向量并按列顺次拼接,提取出所述降维重建基。
7、优选地,所述计算所述历史环境参数数据集的环境协方差矩阵,包括:计算各个传感器节点历史数据的平均值以及对应历史数据的标准差;将所述历史数据减去所述平均值后,除以所述标准差进行无量纲的标准化处理;计算标准化处理后数据的环境协方差矩阵。
8、优选地,所述结合降维重建基与空间权重矩阵构建以加权重建误差最小化为目标的二次约束二次规划问题,包括:构建由取值域为离散的1与-1的决策变量和所述降维重建基表示的重建误差向量;将所述空间权重矩阵左乘所述重建误差向量获得加权向量,计算所述加权向量的内积求得目标函数;建立所有决策变量累加和为2m-n的约束条件,其中n为传感器节点总数,m为预设激活节点数量;联合所述目标函数与所述约束条件,构建所述二次约束二次规划问题。
9、优选地,所述将二次约束二次规划问题转化为半定规划问题,求解得到半正定解矩阵,包括:构造辅助矩阵变量,利用矩阵迹运算将所述二次约束二次规划问题的非凸二次目标函数转化为线性目标函数;将决策变量的离散二值约束松弛为所述辅助矩阵变量主对角线元素全部等于1的线性等式约束;丢弃所述辅助矩阵变量秩为1的非凸限制条件,保留传感器激活总数的线性等式约束以及半正定约束,转化为所述半定规划问题;对所述半定规划问题进行迭代求解,得到最优的辅助矩阵变量作为所述半正定解矩阵。
10、通过采用上述技术方案,本发明将原本属于np-hard且随节点数呈指数级膨胀的非凸二次优化问题,巧妙转化为可在多项式时间内高效迭代求解的凸半定规划问题,从而确保了算法在面对上千个牛舍网格节点的大规模场景时依然能够快速收敛并输出高质量的近似解矩阵。
11、优选地,所述进行符号化处理生成多个候选解,包括:将各高斯随机化向量的元素数值绑定所述网格节点的空间索引后进行降序排列;将排名靠前且数量等于预设激活节点数量的元素重写为正向标志状态量,将其余元素重写为负向标志状态量;由重写后的状态量按所述空间索引恢复顺序构成定长向量,生成所述多个候选解。
12、通过采用上述技术方案,本发明利用了半定松弛解中隐含的空间拓扑耦合信息,通过概率采样方式覆盖了解空间中的多个局部最优邻域,有效避免了因连续解直接硬截断向离散域转化时引入的巨大近似误差,显著提高了寻找到接近全局最优离散传感器激活方案的概率。
13、优选地,所述计算候选解的空间覆盖熵度量,包括:沿三维牛舍空间的坐标轴方向进行固定间距切分,生成网格地块集合;获取各候选解中处于激活状态的传感器的三维空间坐标,并确定所属的网格地块;统计每个网格地块内处于激活状态的传感器的频数,计算所述频数占所述候选解中处于激活状态的传感器总数的比率;根据所有网格地块的比率分布情况利用离散信息熵公式进行计算,得到所述空间覆盖熵度量。
14、优选地,所述基于目标函数值与空间覆盖熵度量在帕累托最优边界上确定激活方案,包括:以所述目标函数值为横坐标、所述空间覆盖熵度量的倒数为纵坐标,将所有候选解映射至二维评估坐标系中构成散点集;移除遭其他解支配的散点,保留非支配解集构成所述帕累托最优边界,其中非支配解的占优条件为目标函数值更小且空间覆盖熵度量倒数更小;在所述帕累托最优边界的非支配解集中确定所述激活方案。
15、通过采用上述技术方案,本发明通过引入空间覆盖熵度量,并将目标函数值与空间覆盖熵度量倒数映射至二维坐标系构建帕累托最优边界,迫使传感器激活方案必须在降低环境重构误差与提高空间分布均匀度之间取得平衡,避免了传感器过度聚集在少数高权重区域而导致通风死角产生监测盲区的问题,提升了整个感知网络空间分布的稳定性。
16、优选地,所述在所述帕累托最优边界的非支配解集中确定所述激活方案,包括:对所述帕累托最优边界上各非支配解的目标函数值和空间覆盖熵度量的倒数进行归一化处理;计算归一化后各非支配解与归一化理想最优点之间的欧式距离;选取所述欧式距离最短的解对应的候选解作为所述激活方案。
17、本发明的技术方案具有以下有益技术效果:
18、本发明通过获取牛舍三维网格模型与历史环境参数,并结合空间功能属性构建空间权重矩阵以提取降维重建基,从而充分利用牛舍内部空间差异与环境变化规律,实现数据处理维度的有效降低。本发明以最小化加权重建误差为优化目标构建规划问题,并采用半定松弛结合高斯随机化方法进行求解,以此生成多组传感器激活候选方案。通过综合考量目标函数值与空间覆盖熵度量,本发明在帕累托最优边界上确定最终激活方案,在保障空间监测全域覆盖与环境数据高精度重建的前提下,显著缩减了冗余传感器的开启规模。凭借仅需上传降维重建基以及激活方案与少量实时数据的机制,服务器端得以精准恢复全局环境状态,在大幅削减网络传输数据量的基础上,有效缓解了节点能耗及通信带宽压力,进而提升了系统的整体运行效能。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com