蜂群箱體關鍵參數在線監測系統與性能測試

　　摘要: 隨著信息技術的發展，利用大數據分析、物聯網監控、傳感器感知、無線通信等技術構建一種蜂箱蜂群實時在線監測系統，是減少因開箱檢查造成蜂群應激反應的可行解決方案。本研究針對蜂箱封閉環境進行實時監測困難的現狀，利用STM32F103VBT6 32位微控制器，同時融合了溫濕度傳感器、微麥克風以及激光對射傳感器，開發了一套低功耗、可連續工作的蜂群箱體關鍵參數在線監測系統，實現了養蜂生產過程中多參數信息獲取以及蜂箱內蜂群的環境參數和生活狀態的實時在線監測。系統主要包括核心處理模塊、數據采集模塊、數據發送模塊以及數據庫服務器等。數據采集模塊包括蜂箱內部溫濕度采集單元、蜂群聲音采集單元、蜜蜂進出巢數量計數單元等，通過接入移動通信網絡進行數據傳輸。系統現場部署性能測試結果表明，研制的系統能夠實時監測蜂箱內溫濕度，有效區別進出蜂箱的蜜蜂并記錄進出巢門的蜜蜂數量，且自動獲取的蜂群聲音與標準的蜂群聲音分布相吻合。本系統符合設計要求，采集參數準確可靠，可以作為蜂群相關研究的數據采集方法。

　　本文源自智慧農業(中英文)【2020年第2期】《智慧農業(中英文)》(季刊)是國家新聞出版署批準、國內外公開發行的農業工程類學術期刊，由中華人民共和國農業農村部主管，中國農業科學院農業信息研究所主辦，《智慧農業(中英文)》編輯委員會學術指導，《智慧農業(中英文)》編輯部編輯出版。

　　關鍵詞: 蜂群箱體;STM32單片機;在線監測;傳感器;農業物聯網

　　1 引 言

　　中國從20世紀30年代開始現代化人工養殖蜜蜂，并不斷引入國際上普遍養殖的意大利蜂種現代活框飼養技術，目前已成為世界養蜂第一大國，2017年蜂群數量達920萬群[1]。蜜蜂是社會性群體昆蟲，它們通常共同生活在高度復雜的社會公共群體中。蜜蜂群體具有一套完善的信息交流方式，主要包括化學、聲音和舞蹈等。蜂箱是蜜蜂群日常活動的場所，蜂箱內部溫濕度、空氣流通度和蜜蜂群體聲音變化都直接影響蜂群的健康情況、出巢工蜂數量、出勤采集花蜜和采集水分的比例以及蜂群繁殖等[2,3]，尤其是蜂箱內溫濕度，是影響蜜蜂生活最大的環境因素。通過了解內部信息，監測蜂箱內蜜蜂生活環境，可以掌握蜜蜂生產的動向，及時向蜂農傳遞蜂群信息并進行相關處理，有效地管理蜂群，以保障蜜蜂的正常生長和生產[4]。

　　經常性地人工開箱檢查蜂箱，會引起蜂箱內蜂群的應激反應。隨著信息技術的快速發展，利用大數據分析、物聯網監控、傳感器感知、無線通信等技術構建一種蜂箱蜂群在線監測系統，實時采集蜂群內的信息，包括溫度、濕度、數量、重量、氣體成分、聲音等[5]，是減少蜂群應激反應的可行解決方案。

　　自60年代開始，國外借助聽測儀，即蜂群聲音分析儀來監控分蜂。Cejrowski等[6]利用支持向量機(Support Vector Machine，SVM)算法和C分類法監測了分蜂前21天、前8天和前1天時蜂群所發出不同的聲音強度分別在240、270和300 Hz的變化，以便養蜂者及時采取措施，降低蜂群的分蜂性，提高蜂群的生產能力。2007年比利時碧奧特公司開發的Api SCAN-Plus型蜜蜂計數器，可跟蹤2個分別帶有獨立檢測模塊蜂箱的蜜蜂活動規律，但該系統不是實時在線監測系統。Murphy等[7,8]提出使用無線傳感器網絡(Wireless Sensor Network，WSN)收集蜂群的活動和環境關鍵信息，并評估蜂群健康狀況，通過分析采樣數據預測外部局域短期氣象條件，觀察到巢內二氧化碳水平變化方式和天氣模式相關。加拿大Simon Fraser University開發出裝有傳感器的監測系統監測蜂箱內聲音、振動、溫度和濕度等相關信息，從而使得養蜂人可以迅速作出反應[9]。馬德貴等[10]通過利用溫濕度探頭，結合PTR8000+無線數據傳輸模塊完成蜂箱多點溫濕度數據的遠程傳輸，開展了多個養蜂箱內的溫度和濕度相關信息的實時采集和數據傳輸工作。譚慶忠[11]研制了蜂箱數字化智能監控系統，設計了溫度采集和圖像處理功能模塊以及各種接口，可做到無人值守式監測蜂箱內環境情況。黃洪云[12]發明并公開了一種基于自動溫控系統的智能太陽能養蜂箱，蜂箱包括溫度控制器、箱體和太陽能電池板等，可使用太陽能發電，智能控制溫度，有效地維護蜜蜂生存環境，給蜂農帶來方便和效益。柴秋子等[13]基于MSP430超低功耗單片機研究了設施草莓環境的蜜蜂蜂群計數監測系統，利用紅外光電傳感器單獨感應蜜蜂進出巢的方向，可在線統計蜜蜂進巢和出巢的頻率，進而研究蜜蜂活動規律。張江毅等[14]通過采集蜂群在蜂巢中的圖像信息，識別蜂群的行為和生存狀態，并結合光電傳感器識別蜂群進出蜂巢數量的變化，綜合判斷蜜蜂的行為。張曉青和馮奇杰[15]設計了基于物聯網技術的蜂箱管理系統，實現在線實時采集蜂箱溫濕度和蜂蜜的重量，該系統也能定時清潔蜂箱內蜜蜂殘余物，并且當蜂蜜重量出現異常時發出防盜報警，解決了養蜂戶工作效率低、養蜂規模擴大難的問題。

　　蜂箱與蜂群的信息自動采集與分析，是近30年來科學工作者的努力的目標，并取得了部分成果，但大多數集中在對蜂箱內溫度、濕度、蜂群的量采集與檢測方面，而對于蜂群而言，聲音、進出數目等都是蜂群的綜合信息表現[16]。隨著信息技術的快速發展和應用，智能化獲取與檢測手段越來越成熟。本研究基于物聯網技術，根據蜜蜂的生物學特性，構建了低功耗、可持續工作的蜂群箱體關鍵參數在線監測系統，同時融合了溫濕度傳感器、微麥克風以及激光對射傳感器等，利用多感知源數據融合分析方法實時監測箱內蜂群活動。其中，聲音數據實時存儲后與溫濕度數據和蜜蜂進出巢數目等數據融合，通過移動通信網絡無線傳輸到遠程服務器，避免了對蜂群造成干擾。本研究可保障蜂箱信息采集工作能夠連續進行，以便蜂農實時獲取蜂箱及蜂群信息，幫助其作出蜂群養殖科學決策。

　　2 系統總體設計

　　蜂群箱體關鍵參數在線監測系統設計目標是采集蜂群中的各種參數，為后續分析蜂群狀態做前期的數據積累。為了不影響蜂群正常的活動，通常將傳感器放置在蜂箱內特定位置，不需要人工打開蜂箱查驗而監測蜂箱及蜂群信息，即“非入侵的嵌入式方法”[15]。使用嵌入式方法監控蜂群的優點主要包括：①不干擾蜂群正常生理活動;②功耗小，連續工作時間長;③可靠性高，體積小，易于操作;④成本低。

　　2.1　系統設計思路

　　本研究采用模塊化系統電路設計方式，使得系統設計更加簡單、模塊之間干擾更小、系統功耗更低，有利于整個系統的維護。系統主要包括核心處理模塊、數據采集模塊、數據發送模塊以及數據庫服務器等。系統原理框圖如圖1所示。

　　圖1　蜂群箱體在線監測系統原理圖

　　Fig. 1 Schematic diagram of beehive on-line monitoring system

　　系統采用STM32F103VBT6單片機為控制芯片，功耗約700 mW，采用外接12 V直流電供電，外圍設備為溫濕度傳感器、射頻傳感器和微麥克風等。通過數據發送模塊上傳溫濕度數據到數據庫，音頻數據可以保存在本地SD存儲卡(Secure Digital Memory Card)中，以便后續進一步分析蜂群狀態。為了能夠實時地了解蜂群的狀態，系統增加了液晶顯示器(Liquid Crystal Display，LCD)顯示模塊，方便蜂農在現場能一目了然地掌握蜂群的真實環境。本設計參考了廖建軍等[17]基于WSN的蜂群監測系統研制與性能測試功能，利用WSN技術在不干擾蜂群狀態的前提下進行有效監測。利用本地數據庫存儲數據，實現采集數據的高效管理。

　　2.2　數據庫設計

　　系統的服務器數據庫基于SQL Server開發，采用戴爾(DELL)塔式服務器電腦主機T140 E-2224 4核心,3.4 GHz 32 G內存,4 T硬盤SAS|H330。除了音頻數據量較大，采用本地存儲外，其他參數數據都實時上傳到服務器數據庫端。這些數據都匯總到DTU(Data Transfer unit)節點，通過DTU無線傳輸節點，利用移動通信信號，將數據傳輸到數據庫。網頁端從數據庫讀取數據，通過網頁端實時可視化采集的蜂群數據，并實現近期數據瀏覽和歷史數據下載等功能，幫助用戶實時掌握蜂箱中蜂群的各種參數。數據庫部分內容如圖2所示。

　　圖2　數據庫數據存儲示意圖

　　Fig. 2 Schematic diagram of database data storage

　　3 系統數據采集與傳輸控制

　　系統數據采集與傳輸控制是蜂群箱體關鍵參數在線監測系統的關鍵部分，通過多源傳感器以及移動通信網絡實現蜂箱內環境與蜂群活動智能監測，進而對目標蜂場的各蜂箱環境溫濕度和蜂群聲音強度參數進行實時采集與遠程傳輸。系統數據采集與傳輸控制包括3個模塊，即系統核心處理模塊、數據采集模塊和數據遠程傳輸模塊。

　　3.1　核心處理模塊

　　目前通常采用51、AVR、DSP、STM32和FPGA等芯片進行嵌入式開發。這些芯片在功耗、速度、內存上參差不齊，各有所長。針對蜂群監測系統的實時性和低功耗的要求，本研究選擇了STM32系列微控制單元(Microcontroller Unit，MCU)作為處理器。與其他的單片機相比，STM32系列主要有以下優點。

　　①先進的內核架構。STM32系列采用ARM(Advanced RISC Machines)最新的、最先進機構Cortex-M3內核架構，通過ICode，DCode，System總線與外設進行連接。

　　②具有3種低功耗模式。擁有復雜、精細控制的時鐘樹，實時性好。

　　③豐富合理的外設。具有端口復用的功能。

　　④有自己的固件庫，可加速開發。

　　低功耗的STM32F103VBT6是32位微控制器，采用LQFP-100封裝，工作電源電壓為2~3.6 V，工作溫度為-40~85℃，程序存儲器為128 kB，RAM(Random Access Memory)數據大小為20 kB，最大時鐘頻率為72 MHz，支持接口包括CAN、I2C、SPI、USART和USB。由于系統外部器件需要5和3.3 V電源，因此系統采用5 V供電，支持USB適配器或充電寶供電。為方便室外使用，同時又設計了12 V轉5 V電路，以支持12 V適配器供電方式。電源管理電路如圖3所示。

　　圖3　電源管理電路

　　Fig. 3 Power management circuit

　　系統主控制芯片采用STM32F103VBT6，具有高性能ARM®Cortex®-M332位RISC內核(精簡指令集計算機)，高速嵌入式存儲器(閃存128 kB，SRAM 20 kB)。該微處理器工作頻率最高可達72 MHz，芯片內雙RC晶振頻率為8 MHz和32 kHz支持芯片外8 MHz 的高速晶振和32 kHz的低速晶振，后者可用于CPU的實時時鐘。芯片內SRAM為64 k，芯片閃存為512 k以及支持在線編程。STM32F103VBT6具有100個I/O口和3個16通道的12位模數轉換器，2通道的12位DA轉換器，12通道直接存儲器存取DMA控制器，可滿足蜂箱內環境溫濕度與聲音監測處理需求。

　　為了保證數據采集各核心單元有充足的供電，當進行溫度轉換或拷貝數據到電可擦編程只讀存儲器EEPROM時，必須給單總線一個強上拉，否則由寄生電源供電時溫濕度轉換會丟失返回值。所以使用漏極開路把I/O直接拉到電源上來提供足夠電流。

　　3.2　數據采集模塊

　　3.2.1　蜂箱內部溫濕度采集單元

　　系統使用一體化的SHT20溫濕度傳感器。該傳感器采用聚乙烯(PE)材料防水外殼，適用于戶外和高濕度，可有效提高傳感器的使用壽命。485數字通訊傳感器接口為4線，電源輸入5~12 V直流電壓(無正負方向，正負極連接均工作正常)。溫度測量范圍為-40~120℃，溫度誤差為±0.1℃;濕度測量范圍為0%~100%RH，濕度分辨率為0.1%RH。

　　SHT20溫濕度傳感器預備了一種信號指示電源的使用意圖。如果總線被拉低，總線控制器就需要在溫度轉換時對單總線提供強上拉。

　　為能實時在線監控蜂箱內溫濕度，更好地管理蜂群，采用LabVIEW來編寫監測蜂箱內溫濕度的上位機采集程序。蜂箱溫濕度監控系統結構見圖4所示。圖中總線控制器發出一個Skip ROM指令，然后發出讀電源指令，這條指令發出后，控制器發出讀時序，寄生電源會將總線拉低，而外部電源會將總線保持為高位。如果總線被拉低，總線控制器就會知道需要在溫度轉換期間對單總線提供強上拉。

　　圖4　蜂箱溫濕度監控結構圖

　　Fig. 4 Beehive temperature and humidity monitoring structure chart

　　SHT20溫濕度傳感器模塊的通訊接口電路如圖5所示。

　　圖5　SHT20溫濕度傳感器接口電路

　　Fig. 5 Interface circuit of SHT20 temperature and humidity sensors

　　3.2.2　進出巢蜜蜂數量計數單元

　　進出巢蜜蜂數量計數單元采用兩對E3F-20C1/20L激光對射傳感器，檢測距離為(20±5) m，響應時間為2.5 ms，工作頻率為50~60 Hz，監測的物體必須是大于1 mm的不透明的物體。該傳感器為NPN常開型，工作電壓為6~36 V，可滿足本研究記錄爬行中的蜜蜂數量的需求。

　　激光對射傳感器在接收端采用三線，在發射端采用兩線，NPN常開，工作電壓為6~36 V，接線圖如圖6所示。

　　圖6　激光對射傳感器接線圖

　　Fig. 6 Wiring of the laser beam sensor

　　激光對射有如下特性：當處于正常狀態時，發射端發射光束，接收端能夠接收光束;當光束被物體遮擋后，接收端不能正常接收，此時，接收端就會觸發一個信號，從而接收端口捕捉到這個觸發信號。如圖7所示。

　　圖7　激光對射原理圖

　　Fig. 7 The principle diagram of laser beam

　　蜜蜂進出巢計數任務利用兩對激光傳感器融合作用的原理實現，如圖8所示。其中IN表示巢內，OUT表示巢外。該裝置部署在蜂箱中的進出口出，蜂箱設有一個蜜蜂通道，靠觸發傳感器的先后次序來判斷蜜蜂爬行的方向。當蜜蜂從OUT向IN運動時，首先觸發對射1中斷，再觸發對射2中斷，此時變量NumberIn加1(見圖8(a))。同理，當蜜蜂從IN往向OUT運動時，首先觸發對射2中斷，再觸發對射1中斷，此時變量NumberOut加1(見圖8(b))。由此完成蜜蜂進出巢的計數功能，并將數據發送給RS232串口。

　　(a)　蜜蜂進巢計數

　　(b)　蜜蜂出巢計數

　　圖8　蜜蜂進出巢計數原理圖

　　Fig. 8 Principle diagram of bees counting in and out of nest

　　3.2.3　蜂群聲音采集單元

　　該單元采用全指向的HC-4052專業麥克風，頻率響應范圍為20 Hz~20 kHz，靈敏度范圍為(-46±2) dB，信噪比大于63 dB，咪頭尺寸為4.0 mm×1.5 mm，能夠方便地放入蜂箱中任何位置，有利于采集蜂群的聲音。

　　蜂群聲音采集任務包括配置WAVE頭格式和目標數據寫入兩部分。WAVE是常用的音頻文件格式，一個WAVE文件是由RIFF WAVE Chunk、Format Chunk、Fact Chunk(可選)和Data Chunk等若干個Chunk組成的。通過配置*.wav文件頭格式來設定采樣音頻文件的格式。本系統音頻文件按照16 bits、脈碼調制錄音(Pulse Code Modulation，PCM)模式、單通道、8 kHz采樣頻率、MIC接入方式進行采樣，頭文件采用小端模式，采集數據按照大端模式。將麥克風采樣的數據添加到頭文件的后面，形成wav音頻文件。每個音頻文件的采集時間為42 s(100頁，其中頁為內存管理大小單位)，采用串行外設接口(SPI)協議，將該wav文件保存到本地SD存儲卡后進行遠程無線傳輸。

　　3.3　數據遠程傳輸單元

　　為實現遠程監測并達到無人值守的目的，需要將現場采集的數據實時傳送給蜂農，以便實時了解蜂群狀態。數據無線傳輸有多種方式，包括ZigBee、藍牙、移動通信網絡和Wi-Fi等，在傳輸距離和傳輸速度上各有優缺點[18]。其中移動通信具有實時性強、可對設備進行遠程控制、建設成本少低、監控范圍廣、具有良好的可擴展性、系統的傳輸容量大、數據傳送速率高和通信費用低等特點及優勢。由于蜂箱放置在戶外，為保證數據可靠地傳輸，本系統采用廈門才茂通信科技有限公司的CM3150P GPRS DTU數據傳輸模塊，包括移動GPRS網絡和RS232串口，工業級設計，可實現TCP/UDP透明數據傳輸，完成監測數據遠程無線傳輸和實時傳送。

　　通過ZigBee模塊進行現場蜂箱內溫濕度數據的近距離傳輸與匯聚，無線收發模塊將接收到的溫濕度數據通過串口傳給微控制器，微控制器將接收到的數據編碼后，采用GPRS DTU模塊進行遠程數據發送，采用微控制器控制采集節點數據接收與GPRS模塊遠程數據發送，經GPRS模塊遠距離發送至計算機子系統。現場采用人機交互模塊實時顯示節點環境信息和設置工作參數，通過LCD顯示模塊實時顯示來自所有子節點的采集數據，并進行數據校驗和組包發送。

　　音頻采用PCM壓縮編碼格式，ARM+DSP達芬奇架構的高性能處理器配合相應的音頻編解碼功能模塊進行音頻數據處理，實時音頻數據傳輸基于實時傳輸協議(Real-time Transport Protocol，RTP)和RTCP (RTP Control Protocol，RTCP) 控制協議，確保網絡傳輸的實時性和穩定性。蜂箱內采用戴爾 OptiPlex 7060微型工控機連接微型麥克風，將微型麥克風放置在蜂箱內部，工控機使用客戶端Python腳本程序，從微型麥克風每秒采集一次聲音數據，并生成音頻文件，存儲在本地SD存儲卡中進行實時緩存，而后通過Python進行WebSocket網絡編程，實現客戶端與服務器間的全雙工通訊，進而通過無線網絡實時與服務器上位機軟件和數據庫保持連接，并將生成的存儲SD卡中的wav音頻文件通過4G無線網絡發送至服務器數據庫中，實現蜂箱內蜜蜂聲音文件的遠程傳輸與存儲。

　　4 監測系統性能測試

　　為研制監測系統的功能和性能，通過現場部署方式對系統進行測試。主要從系統功能、基于溫濕度數據的穩定性、基于進出巢蜜蜂數量數據可靠性、基于蜜蜂音頻數據可靠性等方面進行。

　　4.1　現場部署功能測試

　　為開展試驗，課題組飼養了3箱蜜蜂。實驗地點為合肥科學島西郊(117.17°E，31.91°N)，測試時間為2019年11月—2020年6月，此期間外界氣溫較低，便于監測蜂箱內蜂群的溫濕度狀態。此外，這個階段只有少數作物開花，蜂群采粉活動減少，蜜蜂出入蜂巢數量少，便于監測和采集進出蜜蜂，適合進行實驗。蜂箱及系統部署如圖9所示。

　　注： 1.監測系統 2.蜂箱

　　圖9　蜂箱及系統部署圖

　　Fig. 9 Deployment diagram of the system and beehive

　　監測系統部署之后，開始采集蜂群中的各種參數(圖10)。其中溫濕度數據上傳到數據庫，音頻文件保存在SD存儲卡后進行遠程無線傳輸，連續采集30天。系統可正常采集數據，證明設計功能實現。通過分析采集數據的合理性來對監測系統的性能進行評估。數據的合理性主要是參考蜂群的生物習性及相關參考文獻。

　　圖10　系統實際監測界面

　　Fig. 10 Interface of system monitoring

　　4.2　基于溫濕度數據的穩定性分析

　　為了測試系統的穩定性和可靠性，將蜂箱內環境溫濕度傳感器與終端ZigBee節點連接裝在蜜蜂監測點，終端節點采集環境溫濕度數據后，每發送數據后，便自動進入休眠模式，收到采集指令后恢復，再次采集數據，連續監測一個月(2020年5月20日—6月20日)。網關節點顯示接收到的數據信息并將接收到的數據通過串口上傳到工控主機。試驗數據表明，系統在連續監測的1個月內，終端節點每天發送的環境溫濕度數據各24組，協調器都能實時地接收，丟包率為零，而且采集的數據值精確可靠。

　　在蜂箱中，當溫度較高時，蜂群中的蜜蜂通過煽動翅膀給周圍環境降溫;而當溫度較低時，蜜蜂則通過抱團的形式產熱，以確保蜂箱內溫濕度相對穩定[18]。利用蜂群此習性，采集2020年6月20日溫濕度數據日變化對系統采集數據準確性進行評估(如圖11所示)。具體評估方法和評估結果如下。

　　a)波動極差：蜂群內溫度波動幅度(max-min極差)為3.8℃，濕度波動幅度為16.9%RH，因此僅僅利用極差來衡量數據的離散程度不合理，很容易受到極值的影響。較大的溫度波動應是蜂群本身活動造成的[19]。

　　b)變異系數：由于溫度和濕度數據的量綱不同，要考慮消除量綱影響，采用變異系數(Coefficient of Variation，C.V)來評定數據的離散程度[19]。C.V為原數據標準差與原數據平均值的比值。變異系數的運算公式為：

　　C.V =(BD/MN)×100% (1)

　　其中，C.V代表變異系數;BD代表溫濕度標準差;MN代表溫濕度平均值。

　　根據測試數據，箱內溫度C.V約為0.0375，濕度C.V約為0.0852。溫濕度C.V雖存在差異，但值均較小，表明監測結果具有相對穩定性[20]。這說明試驗結果與蜂箱內環境預期是一致的，表明本系統在實時監測蜂箱內溫濕度方面是可行的。

　　圖11　蜂群巢內溫濕度監測結果

　　Fig. 11 Monitoring results of temperature and humidity in beehive

　　4.3　基于進出巢蜜蜂數量的數據可靠性分析

　　利用本系統的進出巢蜜蜂數量計數單元，采集得到進出巢蜜蜂數量數據，其日變化如圖12所示。可以看出，隨著監測時間推移，出巢蜜蜂數量比進出蜜蜂數量略有增加，即少數蜜蜂出巢后沒有返巢，可能是因為死亡或迷失方向不能返巢等。

　　圖12　蜜蜂進出蜂箱監測結果

　　Fig. 12 Monitoring results of bees in and out of hive

　　為了得出蜜蜂的活躍性和溫度之間的關系，擬合蜜蜂進出巢數據曲線和溫度數據曲線，得到圖12中紅線，從紅線的斜率可以看出，在同一天中，當溫度較高時蜜蜂的活躍性更高，蜜蜂進出巢的趨勢和溫度成正比關系，基本符合蜜蜂進出巢的規律;對12:30、13:30、14:30和15:30四個時刻監測數據進行重復測量方差分析，進出巢蜜蜂數量在這四個時刻沒有顯著差異(p=0.0398，<0.05)。此結果表明，研制的系統可有效區別進出蜂箱的蜜蜂并記錄進出巢門的蜜蜂數量。

　　4.4　基于蜜蜂音頻數據的可靠性分析

　　從文獻[17]中可得知，蜂群聲音頻率范圍在100~700 Hz，具有3~4個波峰，如圖13所示。

　　圖13　蜂群音頻波形圖

　　Fig. 13 Audio waveform of bee colony

　　從本地SD存儲卡中讀取音頻數據，簡單地對數據進行傅里葉變換，將音頻數據變換到頻域以獲得頻率分布圖，其公式為：

　　‘、;

　　其中，

　　?

　　

 

　　表示傅里葉變換之后的結果。

　　利用相關函數做音頻信號的頻譜圖，如圖14所示。從此波形圖可看到有4幅波峰，分別分布在110 Hz、240~260 Hz、350 Hz、500 Hz處，表明在線監測系統自動獲取的蜂群聲音與標準的蜂群聲音分布相吻合，可供后續相關研究分析。[21]

　　圖14　實驗蜂群音頻波形圖

　　Fig. 14 Audio waveform of experimental bee colony

　　5 結 論

　　本研究設計了一種基于信息技術技術的低功耗、可持續工作的蜂群實時在線監測系統，采用了溫濕度傳感器、微麥克風以及激光對射傳感器，實現了蜂箱內溫濕度、進出巢數量、聲音等參數的實時在線監測。系統可實現蜂群音頻數據的本地存儲，蜂箱的溫濕度數據無線傳輸到遠程服務器。性能測試結果表明系統可準確采集蜂箱環境溫濕度、蜂群聲音、蜜蜂進出巢數目等信息。系統符合設計要求，采集參數準確可靠，可以作為蜂群相關研究的數據采集方法。

　　本研究目前不足之處是監測系統采集到的音頻數據中包含白噪聲，這些噪聲對后期的數據處理有干擾，可能還會影響識別的精度。后續將深入研究音頻信號中包含的噪聲成分，并選用合適的濾波方法進行去噪。