可遠程監(jiān)控蜂巢的開源項目

描述

十五年來，蜜蜂一直面臨滅絕的威脅。事實上，在過去的十年里，歐洲有 30% 到 40% 的蜂群死亡。這對環(huán)境來說是一個令人擔(dān)憂的情況，因為蜜蜂是最重要的傳粉者，因此是我們生態(tài)系統(tǒng)不可或缺的一部分。此外，還會出現(xiàn)經(jīng)濟問題。事實上，例如在法國，蜂蜜生產(chǎn)是超過 54,000 名養(yǎng)蜂人的額外收入，也是大約 2,000 名其他養(yǎng)蜂人的主要收入。

我們的目標是讓專業(yè)或業(yè)余的養(yǎng)蜂人能夠遠程監(jiān)控他們的蜂巢。我們的解決方案旨在為他們節(jié)省不必要的生產(chǎn)現(xiàn)場之旅，從而節(jié)省時間。我們的設(shè)備是一個連接的傳感器套件，每 10 分鐘收集一次數(shù)據(jù)并將其發(fā)送給養(yǎng)蜂人。這讓他了解了他的蜂群的狀態(tài)和環(huán)境的質(zhì)量。與其他商業(yè)化系統(tǒng)相比，我們的產(chǎn)品易于使用且價格合理（約 150 歐元）。

研究數(shù)據(jù)

為了監(jiān)控蜂巢的完整性，我們選擇研究：

• 室內(nèi)溫度 (+/- 0.5 °C)
• 室外溫度 (+/- 0.5 °C)
• 室外濕度 (+/- 2%)
• 重量（+/- 0.2 公斤）

我們還花費了大量時間研究人工智能 (AI)，它能夠指示是否有蜂王以及是否有任何蜜蜂。不幸的是，我們無法實現(xiàn)我們的神經(jīng)網(wǎng)絡(luò) (NN)，因為導(dǎo)出它被證明比預(yù)期的更復(fù)雜。

系統(tǒng)圖

?

?

軟件

Mbed 源文件可在“代碼”選項卡中下載。

為了使我們的系統(tǒng)正常工作，我們在 Mbed 上開發(fā)了該軟件。使用代碼我們可以：

• 初始化所有傳感器。

對于每個傳感器，我們分配了一個引腳。

傳感器初始化

?

• 每十分鐘獲取每個傳感器的值測量值。

室內(nèi)溫度：我們選擇使用 DS18B20 溫度傳感器。事實上，這種模式已經(jīng)在之前的類似項目中證明了它的效率。

?

?

?

?

1 / 2 ? DS18B20 實施

?

室外溫濕度：我們選擇了DHT22溫濕度傳感器。

DHT22 實施

?

重量：我們選擇使用應(yīng)變儀來收集重量值。

應(yīng)變計實現(xiàn)

?

• 將我們收集的數(shù)據(jù)發(fā)送到 Sigfox 后端。

?

?

?

?

1 / 2 ? Wisol 引腳分配

?

• 當(dāng)我們不發(fā)送數(shù)據(jù)時，讓微控制器進入睡眠狀態(tài)。

因為 Sigfox 限制了一個人每天可以發(fā)送的消息數(shù)量，所以我們只能在 24 小時內(nèi)發(fā)送 140 條消息。因此，我們只能每十分鐘測量一次。

10 分鐘睡眠實施

?

人工智能培訓(xùn)

為了創(chuàng)建我們的人工智能，我們決定訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)來分析蜂巢中的聲音頻率。為此，我們使用了開發(fā)平臺 Edge Impulse。它使您可以毫不費力地構(gòu)想具有嵌入式機器學(xué)習(xí)功能的設(shè)備。

創(chuàng)建 Edge Impulse 帳戶和項目后，我們可以選擇兩種方法來訓(xùn)練我們的神經(jīng)網(wǎng)絡(luò)。

第一個需要使用我們按照本教程連接到 Edge Impulse 的 IoT 發(fā)現(xiàn)套件。然后，為了開發(fā)能夠識別不同聲音頻率的 AI，我們按照此處所述的步驟進行操作。

第二種方法不需要 B-L475E-IOT01A2 板。然而，這非常耗時。事實上，在搜索和下載數(shù)據(jù)集（蜜蜂或不蜜蜂和The Hiveeyes 社區(qū)）之后，每個聲音樣本都必須手工剪切并上傳到我們的設(shè)計中。對于我們的大部分項目，我們選擇了這種方法，因為我們無法直接從蜂巢中收集樣本。

首先，我們創(chuàng)建了一個脈沖設(shè)計并設(shè)置了訓(xùn)練我們的 AI 所需的參數(shù)。因為我們正在處理蜜蜂，所以我們需要采用比教程中演示的更大的窗口大小。我們選擇使用 MFCC 塊來訓(xùn)練我們的神經(jīng)網(wǎng)絡(luò)，但這不是我們唯一的選擇。MFE 和 Spectogram 塊也可以用來訓(xùn)練 AI。根據(jù)所研究的頻率范圍，任何一個集團都可能比其他集團工作得更好。

沖動設(shè)計

?

接下來，我們確定了訓(xùn)練周期數(shù)、學(xué)習(xí)率和要設(shè)置的最小置信度，因為這些參數(shù)會極大地影響模型的準確性。最后，混淆矩陣顯示了我們的神經(jīng)網(wǎng)絡(luò)的準確性。當(dāng)我們對結(jié)果不滿意時，我們上傳了額外的數(shù)據(jù)并重新訓(xùn)練我們的模型。

神經(jīng)網(wǎng)絡(luò)精度

?

如您所見，我們的神經(jīng)網(wǎng)絡(luò)很難識別何時有蜜蜂。由于缺乏數(shù)據(jù)和時間，我們無法對其進行重新訓(xùn)練。

最后一步是在我們的 STM 板上導(dǎo)出我們的 AI 。

PCB制作

包含所有源的 Kicad 項目文件可在 Schematics 選項卡中下載。

PCB制作的第一步是為每個組件制作電氣原理圖。

Kicad 電氣原理圖

?

之后，我們按照教程構(gòu)思了我們的電路板，并將我們的溫度傳感器與 Grove 連接器打印相關(guān)聯(lián)，以獲得更堅固的設(shè)備。

在設(shè)計印刷電路板時，我們注意到一些引腳（D7、D8 和 A7）不允許我們收集所需的數(shù)據(jù)集。這是由于 Nucleo STM32 是如何制造的，因此在打印電路板之前，請確保測試每個引腳。

在整個項目中，我們生產(chǎn)了 2 個 PCB。如前所述，起初我們希望能夠研究蜂巢的聲音頻率。因此，我們設(shè)計并印刷了一塊電路板，可以讓我們用麥克風(fēng)收集聲音樣本。

?

?

?

?

1 / 2 ? PCB - 版本 1

?

從那時起，我們不得不設(shè)計第二個來減少我們的能源消耗。考慮到當(dāng)時我們辭職不實施人工智能這一事實，我們決定盡可能縮小我們的系統(tǒng)。

?

?

?

?

1 / 2 ? PCB - 版本 2

?

設(shè)計完成后，我們生成了打印電路板所需的 Gerber 文件。對于這個項目，我們可以使用臺式 PCB 銑床進行所有打印，但您可以將文件發(fā)送給制造商。

Sigfox 和 Ubidots

為了從遠程位置收集數(shù)據(jù)，我們使用了 Sigfox 網(wǎng)絡(luò)。

要進行此設(shè)置，我們必須在此處激活我們的 Wisol 設(shè)備。然后，我們創(chuàng)建并登錄了一個Ubidots帳戶并添加了一個新設(shè)備。

?

下一步是我們按照本教程配置回調(diào)。

最后，我們在 Ubidots 上創(chuàng)建了一個帶有儀表板的用戶界面，以方便數(shù)據(jù)檢查。

用戶界面 - Ubidots

?

系統(tǒng)能源

為了使我們的系統(tǒng)自主，我們選擇使用電池。后者可以通過太陽能充電，這要歸功于 Lipo Rider Pro 板，該板將從太陽能電池板接收到的能量轉(zhuǎn)換為可存儲的能量。

然后，為了給我們的系統(tǒng)供電，我們焊接了從 Lipo Rider Pro 到我們的 PCB 的電線。我們添加了一個 ON/OFF 開關(guān)，使我們的系統(tǒng)更易于使用。

為了降低能耗，我們決定使用 5 - 3.3 伏轉(zhuǎn)換器 (LDO)，而不是使用嵌入在控制器中的轉(zhuǎn)換器。實際上，通過執(zhí)行此步驟，我們能夠取出微控制器底層的焊橋 SB9 和 SB14。我們還移除了 LED，如下圖所示。

拆焊這些元件必須最后完成，因為之后重新編程電路板是不可能的。

?

?

?

?

1 / 2 ? Nucleo-32 板頂部布局

?

系統(tǒng)組裝

首先，我們建議您使用雙層 H 底盤來固定應(yīng)變片并穩(wěn)定蜂巢。一些制造商可以為您建造它。否則，你可以自己做，如下圖所示。

雙H底盤

?

應(yīng)變片（灰色）用螺絲固定在頂部 H 機箱（深棕色）的底部和底部的上側(cè)（淺棕色）。我們建議使用堅固且防水的材料，例如鋁。

一旦系統(tǒng)經(jīng)過測試并處于正常工作狀態(tài)，我們就選擇了一個適合尺寸的密封盒。之后，我們精心布置了每個元素，以優(yōu)化空間。我們必須在盒子的側(cè)面鉆孔，以便我們的傳感器可以在蜂巢內(nèi)讀取。一旦每個組件都在其指定的位置，我們擰上蓋子并熱粘在傳感器周圍以使其防水。

?