吕恩利，何欣源，罗毅智，王飞仁，夏晶晶，吴 凡，曾志雄

(1 华南农业大学 工程学院, 广东 广州 510642； 2 岭南现代农业科学与技术广东省实验室 茂名分中心, 广东 茂名 525000；3 广州迦恩科技有限公司, 广东 广州 511363； 4 广东机电职业技术学院, 广东 广州 510550； 5 云南昌农农牧食品有限公司, 云南 文山 663000； 6 农业农村部华南智慧农业公共研发中心, 广东 广州 510630)

物联网技术应用于猪场养殖，可以实现母猪智能饲喂[1]、远程实时监控[2]和养殖环境调控[3]，有利于增强母猪繁殖性能、提升猪场养殖效益[4-5]，对促进猪场数字化和智能化进程具有重要意义[6-7]。

国内外学者对此开展了相关研究。国外在动物养殖中应用物联网技术较早，荷兰 Nedap 公司开发的Velos 管理系统，使用RFID方式实现了群养母猪的个体精确饲喂[8]，加拿大 JYGA 科技公司的Gestal系统实现了对哺乳母猪全自动饲喂，其采用无线电技术搭配饲喂器，可以准确控制母猪的采食量[9]。国内对物联网智能饲喂的研究才刚刚起步，但也取得了许多研究成果[10]。朱伟兴等[11]针对保育猪舍研发了环境监控系统，利用Zigbee 无线技术实现了猪舍环境的可视化、精准化调控。潘秦等[12]利用母猪饲喂专家系统实现了群养母猪智能饲喂，通过无线分组交换技术(GPRS)实时获取耳标号和猪舍温、湿度等信息。大部分学者主要集中在饲喂系统控制逻辑的优化，对物联网数字化服务研究的相关文献较少。而母猪养殖的数字化管理，对提高猪场生产力具有重要作用[13]。

本文在前人研究的基础上，着重数据传输和解析方面，设计了一种哺乳母猪的智能饲喂物联网系统。采用Netty、SpringBoot框架以及MySQL技术，以TCP/IP协议为基础设计多种通信协议，以实现哺乳母猪饲喂数据传输和远程控制指令下发，为实现哺乳母猪智能饲喂数字化管理提供参考。

1 系统整体架构设计

系统由感知层、传输层和应用层组成[10]，各个层之间通过广域的互联网相互连接，形成从哺乳母猪养殖生产中信息采集、信息传输、信息处理、设备控制的一站式服务体系[14]。系统的整体架构如图1所示。

图1 哺乳母猪饲喂物联网系统架构图Fig. 1 Architecture diagram of feeding IoT system for lactating sows

1)感知层：该模块自底向上由饲喂器设备和中央控制器组成，主要实现母猪饲喂信息、图像数据的采集上传以及远程控制指令响应；

2)传输层：主要依托 GPRS ，按照约定的 IP 地址及端口号与服务器建立TCP连接，将感知层所获得的数据进行长距离传输；

3)应用层：由数据服务中心、用户以及中间链路部分组成。服务中心主要功能为：饲喂数据接收、数据统计、Web网站服务等，为下属用户提供PC端的服务[15]。

1.1 现场设备

现场设备如图2所示，智能饲喂器如图2a所示，由单体机械和控制器组成，安装在料线下方；中央控制器如图2b所示，猪舍内通常由一台中央控制器控制多台智能饲喂器设备，并负责与云端进行通信。

图2 现场设备Fig. 2 Field equipment

1.2 系统技术

随着物联网技术的发展，国内外学者针对相关技术进行了不同的尝试，为了满足猪场实际应用需求，本文参照类似饲喂物联网系统完成了技术选型，如表1所示。

表1 饲喂物联网系统技术对比表Table 1 Technology comparison table of feeding IoT system

许多相关系统会将智能设备接入开源物联网平台，通常需要使用平台固定的数据协议，存在配置繁琐、增加业务困难的问题。由于猪场需要根据业务需求灵活地定制程序，所以本文选择通过Netty框架实现多线程网络服务器、自定义数据协议完成数据实时传输，使得系统具有更强的扩展性。例如，本文基于后台对图像分析要求，实现了现场猪只图像采集传输；除此之外，云存储能够提高存储效率，降级运营成本，同时具备负载均衡、故障冗余功能[16]。

2 系统数据传输

系统数据传输部分主要实现饲喂设备数据的接收和操作指令的下发。此部分基于Netty网络通信框架完成功能搭建[17-18]，通过私有数据传输协议进行内容传输。

2.1 Netty优化设计

Netty是一个异步的、基于事件驱动的网络应用框架，常用以快速开发高性能、高可靠性的网络I/O程序[19]。Netty框架使用的线程模型基于Reactor模式进行演变，保证了单线程资源无竞争高效串行化任务的执行，Netty使用零拷贝，堆外直接内存进行Socket读写，传输快，且提供了对TCP、UDP和文件传输的支持。

系统基于Netty框架开发数据接收模块，模块在启动时通过ServerBootStrap绑定并监听一个网络端口。当有中央控制器传输数据时，WorkerEventLoopGroup根据设计的自定义协议进行数据的校验和解析。

数据解析完成后进行业务处理，该过程需要访问数据库。若在Netty的Worker线程中完成业务处理，将会影响数据接收模块的数据处理效率。因此加入自定义线程池来处理耗时业务操作，进而提高系统数据处理性能。线程池最大线程数超过系统资源限制时，新线程会处于无限等待[20]，为避免此现象发生，故采用如下算法公式：

式中：Ns为线程的设置数；Ni为CPU的核心数；Nj为预期CPU核心利用率；T/C为任务等待的时间与执行时间的比值[21]。

2.2 数据传输协议设计

通信协议作为采集终端与收集端消息传送的“模板”[22]，在业务中有十分重要的地位，是采集终端与收集端消息传送的重要组成部分，而定义私有协议可更具有灵活性，可以按照业务需求有针对性地优化。

本文的通信协议涉及到多种类型，包括生产信息数据帧、饲喂曲线数据帧、图像数据帧、升级设备数据帧等，本文以生产信息数据帧和图像数据帧进行介绍，数据帧格式如图3所示。

图3 数据帧示意图Fig. 3 Data frame diagram

对协议的数据帧公有帧位进行统一解释，各位置作用如下。帧头、帧尾：标识一个数据帧的开始结束，利用其解决数据帧黏包问题；校验位：对数据帧中除帧头、帧尾、校验位外的所有数据累加取反，取低八位做正确性验证；标志位：用来标识系统中不同类型的数据帧，例如基本信息数据、图像信息数据等；长度位：表示除去帧头、帧尾后整条数据帧的长度；控制器ID：此ID属于中央控制器的唯一标识；饲喂器ID：此ID属于饲喂器设备的唯一标识；哺乳母猪ID：饲喂器设备对应的哺乳母猪的唯一标识。

2.2.1 生产信息数据帧生产信息数据帧如图3a所示，其中数据内容位为特有帧位，该位的长度可根据实际生产信息数据的不同而灵活变化。主要为母猪饲喂信息数据，包括猪只采食量、饮水量、舍号、栏号、分娩时间等。

2.2.2 图像数据帧图像数据帧的设计与系统处理图像的逻辑有关，系统发送图像时，会将该图像分多段传输。在图像上传前，将分割段数发送至云端程序，之后发送图像分段数据，以及当前分段数据在所有段中所处位置的编号，系统根据数据的编号将图像拼接重现。故图像数据帧又分为图像数量帧和图像内容帧2种。

图像数量帧如图3b所示，其中分割段数为特有帧位，用来指明本次传输的图像分为多少段数据进行上传，通常在图像数据上传初期向云端发送该帧。例如分割段数是5，则表示图像分5次进行传输，接下来将有5条图像内容帧陆续发送，将5条帧中图像数据内容进行拼接即为完整图像。

图像内容帧如图3c所示，其中当前段号和图像数据为特有帧位。当前段号表示当前图像数据所处分段的位置索引，即为系统最后拼接图像时的顺序编号；图像数据位表示图像拆分后的二进制数据。

2.3 数据上传流程

系统具有采集设备下料量、下水量、母猪日龄等饲喂数据、远程采集现场图片和设备升级等功能。下面以采集图像流程为例进行介绍。 图像数据上传流程如图4所示。

图4 图像上传功能流程图Fig. 4 Flow chart of image uploading function

系统间隔固定时间向饲喂设备下发图像采集命令，饲喂器收到命令后采集图片，中央控制器将图片二进制化并对数据拆分，将图像分段总数组合成图像数量帧，将实际图像数据组合成带有当前段号的图像内容帧，依次发送至系统，最后对图像数据进行CRC校验[23]，保证图像传输的正确性。

系统收到数据帧后进行类型判断，根据类型转入相应处理程序，直至将完整图片全部解析。系统定时对保存的图片进行转存，避免图片太多消耗内存。

3 系统测试

3.1 试验环境

使用阿里云服务器共享计算型n4(ecs.n4.small)搭载本文系统，服务器配置信息参数为：Intel(R)Xeon(R) CPU E5-2 682 v4 @ 2.50GHz 1vCPU2G，2 G 内存，100 G 硬盘，操作系统为 Alibaba Cloud Linux release 3，JDK 版本采用 1.8。此外使用 2台8核CPU的计算机，作为压测机，以测试系统的性能情况[24]。详细配置信息参数为：Intel(R) Core(TM)i5-1035G1处理器，16 G 内存，500 G 固态硬盘，操作系统为Win10。

3.2 系统平均响应时间

终端设备与系统进行数据传输时，响应时间是衡量系统可靠性的标准之一。使用压测机与系统建立若干个TCP连接，每个连接发送一个包含当前时间信息的数据实体。系统接收数据后取出内部封装的时间信息并写回压测机，压测机接收到返回的数据包，取出原始时间戳信息与当前时间对比[25]，试验重复5组，计算平均响应时间。测试结果如表2所示。

表2 响应时间试验结果Table 2 Test result of response timems

3.3 系统数据处理性能测试

试验与“3.2”节类似，使用压测机与系统连接，并发送带有饲喂信息的数据包，每个连接发送时间间隔为1 s。试验在3 000个连接数下发送数据，每个连接发送200个数据包，最后根据数据库实际插入的数据量[26]，比较出数据处理模块在有无业务线程池下单位时间内的数据处理数。试验重复进行10组，计算平均值。试验结果如表3所示。

表3 数据库插入数据量结果Table 3 Result for the amount of data inserted into the database条

试验结果表明，系统在3 000个连接数下，平均响应时间约为330 ms，且在单位时间内处理的数据量为750～1 180条，满足猪场上位机设备的连接管理与数据处理要求。同时，系统通过引入自定义业务线程池，解耦耗时业务操作，相较原来无业务线程池，单位时间处理数提升约250条，处理量提高了31%。

4 物联网应用

在云南省某母猪场的一条生产线(5个产仔舍单元)安装了智能饲喂器，每个产仔舍单元有1台中央控制器和56台饲喂器。通过采集2021年7月1日至11月1日生产信息，对物联网系统进行应用分析。

4.1 物联网系统主界面

该界面对全部饲喂设备的运行情况进行统计显示。显示内容有设备数目、设备在线情况以及设备日志等，还包括对产仔数、饲料消耗等数据的统计显示。在线设备数为正常运行的饲喂器数量，系统通过解析中央控制器发回的数据帧，得到帧中的饲喂器ID，判定为该饲喂设备在线，计入在线设备数量。主界面如图5所示。

图5 物联网系统主界面Fig. 5 Main interface of IoT system

4.2 母猪饲喂信息查询界面

该界面显示单台饲喂器设备的数据信息。选择相应的设备，可查询出该设备上传的母猪身份和生产信息数据，并且以折线图的形式显示该母猪分餐计划中的采食量和饮水量。当母猪当日采食量少于设备计划下料量40% 时，系统认定该母猪采食异常，在主界面的设备日志和采食详情异常数中反馈该情况。母猪饲喂信息查询界面如图6所示。

4.3 采集图像

系统下发图像采集命令，智能饲喂设备传回现场图像，用于后台对母猪产程和产仔情况进行分析。实例如图7所示。

图7 远程母猪图像采集实例Fig. 7 Example of remote pig image acquisition

4.4 统计数据下载

系统提供统计数据导出功能，数据包括设备下料消耗量以及母猪日采食量。系统可以在时间维度上对数据按指标进行统计，可减轻猪场管理员分析数据的压力，并且为调整母猪饲喂计划和分析猪场饲料消耗成本提供了参考。

系统根据历史数据中所有猪只的生产数据，统计不同产房母猪的采食总量和饮水总量；通过统计不同分娩前后时间的母猪数量与其采食总量和饮水总量，计算出不同分娩前后时间的母猪平均采食量和饮水量（图8）。

图8 不同分娩前后时间的哺乳母猪平均日消耗量Fig. 8 Average daily feed consumption of lactating sows on different day of delivery

由统计结果分析可知，后备母猪在分娩前3 d，采食量和饮水量均有明显下降，在分娩当天母猪只有少量饮水。分娩完成后，母猪采食量和饮水量开始逐日增加，7 d后消耗量趋于稳定。

5 结论

1) 本文设计了一种哺乳母猪智能饲喂物联网系统，开发语言使用Java，数据库使用MySQL技术，利用Netty框架实现了数据传输服务，系统的WEB部分使用SpringBoot与Vue框架，以前后端分离形式开发，实现了母猪饲喂信息采集、图像数据采集和设备远程升级等功能，系统对饲喂数据进行统计分析，对调整母猪饲喂计划，控制猪场消耗成本具有参考意义；

2) 系统通过自定义数据传输协议与解耦耗时业务操作，可以更加高效地传输母猪基础数据和更加灵活地拓展系统业务功能，满足了对猪场饲喂设备的连接管理与数据处理要求。系统在实际应用中，运行稳定、智能化程度高，可以实时反馈母猪饲喂情况，在猪场生产建设中具有实际应用价值。