王 丽，王嘉祥

（1.西北工业大学，陕西 西安 710114；2.西北工业大学，陕西 西安 710114）

0 引 言

养鱼是家庭中经常选择的一种休闲方式。然而，家养的宠物鱼成活率不高的问题困扰着很多人。本项目针对这一问题，设计了一套基于Arduino和ELM的智能养鱼系统；并利用ELM神经网络建立数据库，科学分析各种鱼需要的生长环境，通过APP上的指令指导用户科学养鱼、交流养鱼心得，提高养鱼成活率。

1 总体设计

本系统的硬件和软件部分由温度传感器、pH值传感器、TDS浓度传感器、Arduino UNO单片机、HC-05蓝牙模块、手机APP等组成，结构框图如图1所示。

图1 软硬件系统结构

本系统的水质数据化管理主要通过SPSS分析温度、pH值、TDS浓度的相关性关系（Pearson’s相关系数）；利用MATLAB极限学习机神经网络分析温度、pH值与TDS浓度的映射关系，以及各种鱼类的最适宜温度和pH值。数据分析关系如图2所示。

图2 数据管理系统结构

2 系统工作原理

2.1 DS18B20温度传感器

DS18B20是美国DALLAS半导体公司继DS1820之后最新推出的一种改进型智能温度传感器。与传统的热敏电阻相比，它能够直接读出被测温度，并且可根据实际要求通过简单的编程实现9～12位的数值读数方式。具体工作原理如图3所示。

图3 DS18B20温度传感器的工作原理

2.2 pH值传感器

pH值传感器模块通过BNC接头与PH复合电极进行连接，扩展有DS18B20温度传感器接口，方便进行软件温度补偿设计。调节10 kΩ蓝色电位器的旋钮可以进行放大倍数调节（顺时针调节增大、逆时针调节减小）。

2.3 Pearson’s相关性分析

Pearson’s是最常用的相关系数，又称积差相关系数，取值为-1～1，绝对值越大，说明相关性越强。计算和检验该系数的方法为参数方法，适用条件如下：（1）两变量呈直线相关关系，如果是曲线相关可能不准确。（2）极端值会对结果造成较大的影响。（3）两变量符合双变量联合正态分布。

2.4 ELM极限学习机

极限学习机（Extreme Learning Machine, ELM）或“超限学习机”是一类基于前馈神经网络（Feedforward Neuron Network, FNN）构建的机器学习系统或方法，适用于监督学习和非监督学习问题。具体映射关系如图4所示。

图4 极限学习机原理

3 软件及硬件架构

3.1 总体设计思路

温度、pH值、TDS浓度传感器是适用于水中的传感器。三者与Arduino UNO通过引线相连后，根据相应Arduino程序将所检测到的水质转化为电压，并将其转化为数字输出。HC-05模块是一款蓝牙转串口转换器，通过TX和RX引脚，支持使用标准AT命令。将温度、pH值、TDS浓度传感器所检测到信号通过蓝牙模块传输到手机APP中；在Arduino UNO为其供电后即可被智能手机、智能平板、电脑等蓝牙设备发现，并读取相应数据。手机APP设计分为登录、状态监测、养鱼贴士、养鱼日记、养鱼论坛等五个界面。其中，登录界面设置为注册手机号登录、QQ登录两种登录方式；状态监测界面反映当前鱼所处环境的温度、pH值、TDS浓度，每隔1 s更新一次。

3.2 软硬件优势

本设计所使用的软硬件系统具有以下优势：

（1）Arduino UNO主要以AVR单片机为核心控制器的单片机应用开发板，集成度高、小而灵活。

（2）同时集成温度、pH值、TDS浓度传感器到同一探头上，监测效率高、数据传输简易。

（3）软件系统具有便捷性与实用性，构建的养鱼交流平台具有可操作性与实用性。

4 数据管理系统

4.1 总体设计思路

通过建立金鱼、龙鱼、锦鲤、血鹦鹉等十五种常见鱼类的温度数据库、pH值数据库、TDS浓度数据库，代入SPSS进行Pearson’s相关性分析，测得平均温度与TDS浓度的相关性为0.915，平均pH值与TDS浓度的相关性为0.921，均具有强相关性。据此建立映射关系，先对温度、pH值、TDS浓度进行归一化处理，并建立多目标规划模型，将温度、pH值按照0.4和0.6的权重归于一类变量，并映射到TDS浓度值后代入ELM神经网络。

4.2 数据化管理系统科学性

（1）采用Pearson’s相关性分析确保所选pH值、温度与杂质固溶度有相关性后再做归一化计算。

（2）利用极限学习机神经网络确定了各种鱼类适宜生长的温度和pH值，弥补这方面的数据空白。

5 结 语

随着物联网技术的广泛应用，考虑在家庭养鱼活动中引入这一技术有着重要意义。针对市面上此方面设备的缺乏，基于Arduino开发传感器、蓝牙监测软硬件系统设计了数据化养鱼系统。利用水质监测传感器实时监测水质并传输显示数据，将养鱼这一行为数据化和智能化。搭建手机APP养鱼平台，为养鱼人群提供数据指导。结合数据库和神经网络进行映射式的单一鱼种生存环境分析，弥补各类鱼种生活环境适宜指数缺失的弊端。该系统具有便捷性和科学性，适用于各种养鱼场合，如家庭养鱼、智慧渔业等领域，有广泛的推广前景。

注：本文通讯作者为王嘉祥。