Умная система мониторинга аквакультуры на базе Интернета вещей(Перевод)

Оригинал документа: 8 IoT Based Smart Fish Farming Aquaculture Monitoring System Sohail Karim 3461

Умная система мониторинга аквакультуры на базе Интернета вещей

Сохаил Карим 1* , Исрар Хусейн 2 , Аамир Хусейн 3 , Камран Хасан 4 и Семаб Икбал 5 1 Исследователь кафедры компьютерных наук Сельскохозяйственного университета MNS, Мултан (Пенджаб), Пакистан. 2 Преподаватель кафедры компьютерных наук Сельскохозяйственного университета MNS, Мултан (Пенджаб), Пакистан. 3 Доцент кафедры компьютерных наук Сельскохозяйственного университета MNS, Мултан (Пенджаб), Пакистан. 4 Исследователь кафедры компьютерных наук Сельскохозяйственного университета MNS, Мултан (Пенджаб), Пакистан. 5 Исследователь кафедры компьютерных наук Сельскохозяйственного университета MNS, Мултан (Пенджаб), Пакистан.

(Автор для переписки: Сохаил Карим*)

(Поступила 9 января 2021 г., доработана 15 марта 2021 г., принята 7 апреля 2021 г.)

(Опубликовано Research Trend, веб-сайт: www.researchtrend.net)

АННОТАЦИЯ: Поскольку нынешнее население составляет 7,7 миллиардов человек и растет с каждым днем, следовательно, соответственно увеличивается и спрос на продовольствие. Рыба является богатым источником витаминов, минералов, белков, питательных веществ и микроэлементов. Это важная часть рациона потребителей, особенно в бедных и слаборазвитых странах. Для фермера является большой проблемой удовлетворение рыночного спроса полезными морепродуктами. Аквакультура – это инструмент, позволяющий заполнить разрыв между предложением и спросом на морепродукты. Использование производства аквакультуры в контролируемой среде выросло до значительного уровня, но потери огромны из-за ручного оборудования и ошибок управления. Фермерам нужна точная и оперативная информация для мониторинга и максимизации производственного потенциала. Фермеры используют традиционные методы и процедуры аквакультуры. Следуя традиционному подходу, фермер вручную измеряет и контролирует качество воды, уровень воды, уровень кислорода и уровень стресса в аквакультуре. В этом исследовании мы предложили интеллектуальную модель аквакультуры на основе Интернета вещей (IoT), которая будет измерять качество воды (pH, уровень воды, температуру, мутность и обнаружение движения рыбы) для аквакультуры. В этой работе используется недорогой сетевой модуль беспроводных датчиков малого радиуса действия для мониторинга и управления аквакультурой в режиме реального времени. Механизм рециркуляции воды также предложен для уменьшения количества водных отходов. С помощью этой системы параметры воды постоянно контролируются с помощью последовательного порта, который снижает потребление Интернета, данные передаются регулярно с небольшой задержкой и без ошибок и обеспечивают выживание водных организмов, а также обеспечивают качество роста и увеличивают экономические выгоды аквакультуры. Система также отслеживает движение рыбы в пруду.

Ключевые слова: аквакультура, Интернет вещей (IoT), PH, мутность, мониторинг качества воды,
Сокращения: IoT — интернет вещей; ВВП — валовой внутренний продукт; PH – потенциал водорода; DO — растворенный кислород.

ВВЕДЕНИЕ

Аквакультурой также называют аквафермерство, разведение, выращивание, сбор рыбы, морских водорослей, водорослей и многих других организмов. Его также определяют как размножающиеся виды, развивающиеся в водной среде в контролируемых условиях [1]. Аквакультура является одним из наиболее надежных и экологически безопасных процессов производства высококачественного белка для людей. Этот процесс более эффективен, чем другие формы сельского хозяйства, из-за более высокой конвергенции продуктов питания. Аквакультура стала известна во всем мире [2]. На долю Азии приходится 40,1 процента общего мирового производства рыбы, продукции аквакультуры, что составляет 88,5 процента мирового производства аквакультуры [3]. В Южной Азии, особенно в последние 15 лет, производительность аквакультуры растет быстрее. Из семи стран Юго-Восточной Азии, Индонезии, Малайзии, Мьянмы, Филиппин, Камбоджи, Малайзии, Таиланда и Вьетнама, за исключением объема аквакультуры, Камбоджа с ее продуктивным внутренним рыболовством занимает одно из первых мест по данным ЮНФАО. 2007.

В Пакистане в настоящее время доля рыболовства в валовом внутреннем продукте (ВВП) составляет лишь 0,4 процента, а экспорт почти в 350 миллионов долларов США, судя по всему, находится в застое. По сравнению с другими странами Южной Азии Пакистан не может реализовать свой потенциал, например, вклад Индии составляет почти 1,70 [4] ВВП, вклад Бангладеш — почти 3,69 процента ВВП. Рыбный сектор Бангладеш потратил 54 процента всех инвестиций в рыболовный сектор на развитие аквакультуры. В Пакистане технологии коммерческой аквакультуры отстают от других областей, таких как сельское хозяйство. Фермер сталкивается с множеством проблем, таких как подсчет воды, ручное тестирование воды, внезапное изменение климата, отсутствие государственного интереса и т. д. В отличие от ежедневного мониторинга поведения аквакультуры и здоровья тысяч людей, ручное тестирование очень сложно [5]. Некоторые другие проблемы, такие как несоответствующая техника управления, качество воды, неправильный учет, плохой выбор места. Традиционный мониторинг качества воды не может изменить динамику мониторинга качества воды в аквакультуре, а также обеспечивает мониторинг фиксированной точки [6].

В настоящее время аквафермеры в Пакистане полагаются на ручное тестирование параметров воды. Это приводит к увеличению смертности рыбы, снижению скорости ее роста, а одним из основных недостатков является увеличение затрат времени. Операторы прудов сталкиваются с проблемой постоянного мониторинга воды и ее изменения таким образом, что качество оказывается под угрозой.

Модель, предложенная в этой работе, поможет рыбоводам в мониторинге рыбных прудов с использованием Интернета вещей. Интеграция сенсорных и интернет-технологий в сочетании с удобным интерфейсом взаимодействия, приложение для смартфона, настольное приложение и веб-сервисы для обеспечения мониторинга рыбных прудов в режиме реального времени; База данных системы вносит существенный вклад в снижение риска потерь и повышение эффективности. Также используется GSM-модем, который снижает потребление Интернета. Интернет является основной проблемой, пока они находятся в полевых условиях. Интернет используется, когда ранее открывалось приложение Android или веб-приложение, в противном случае модем GSM отправляет сообщение, когда параметры пересекают пороговый диапазон. Предлагаемая система с использованием установки фильтрации воды для улучшения качества воды. Используя предложенную систему, мы увеличим продуктивность рыбы, снизим себестоимость, минимизируем потери и повысим выживаемость водных обитателей. Существуют огромные возможности для улучшения рыбоводства. Качество воды является ключом к успеху, а также оказывает непосредственное влияние на производство улова рыбы, среди всех хозяйств аквакультуры для всех видов наиболее важными параметрами являются температура, pH, растворенный кислород, мутность [7]. Качество воды является важным фактором для аквакультуры, предприятий по очистке питьевой воды и других смежных отраслей, поскольку загрязненная вода не только приводит к потерям водных продуктов, но и сталкивается со значительными угрозами для здоровья человека [8]. Эти параметры (температура, мутность, pH, растворенный кислород) наиболее важны для водной жизни, и каждой рыбе необходима подходящая среда для роста. Чтобы добиться наилучшего качества продукции, мы должны использовать Интернет вещей (т.е. датчики, систему управления, телекоммуникационную систему, мобильные устройства и солнечную систему).

В этой статье мы обсуждаем несколько разделов в качестве первого шага, введение в тему аквакультуры, какие проблемы существуют в этой области, способы их решения и преимущества. В котором мы обсуждаем ряд работ по системам аквакультуры и каковы возможности в этой области, и какие из них будут рассмотрены в этой работе. В главе «Методология» представлена предлагаемая система и подробное описание аппаратного или программного обеспечения. Характеристики, некоторые фотографии и результаты, полученные с использованием системы, показаны в разделе «Результаты эксперимента». Подводим итоги этой работы. Для решения этой задачи мы предлагаем следующие этапы будущей работы и представляем преимущества.

ЛИТЕРАТУРНЫЙ ОБЗОР

Вначале были приняты традиционные методы мониторинга качества воды: пробы воды отбирались из воды и отправлялись в химическую лабораторию для анализа опасных материалов. Недостаток системы заключается в том, что вся обработка, такая как измерения, обслуживание, управление системой и т. д., выполнялась вручную. С другой стороны, ручная система требовала много времени. В некоторых предыдущих исследованиях обсуждались модели мониторинга водных ресурсов, такие как модели культуры и модели прогнозирования, а также

интегрированные модели [9], [10], но эти системы не имели возможности онлайн-мониторинга, сбора данных в режиме реального времени. Таким образом, мы можем сказать, что эти модели не подходят для мониторинга рыбы, но Интернет вещей — одна из быстро развивающихся технологий последних десятилетий. Целью Интернета вещей является идентификация, мониторинг, отслеживание, определение местоположения вещей [11], телекоммуникаций и взаимосвязей между устройствами. С изобретением новых сенсорных технологий, технологий беспроводной связи, технологий передачи данных создано множество устройств для мониторинга в реальном времени в отдаленных районах [12].

На рост водной жизни влияют изменения качества воды, которые обсуждаются во многих исследованиях [2, 4,13]. В основном в исследованиях использовалось множество датчиков [4], но управление этими датчиками обходится дорого, но большинство статей концентрируются на нескольких типах датчиков, таких как PH, DO, температура, мутность, уровень воды, [3,14,15] и предлагают решения проблем, потому что все параметры не являются питомниками для мониторинга этих параметров (PH, DO, температура, мутность, уровень воды) зависят друг от друга, если один параметр нестабилен, что является причиной нестабильности другой переменной [16], поэтому мы выбираем эти параметры.

В предлагаемой архитектуре используются различные датчики (температура, уровень pH воды, мутность, обнаружение движения). Эти датчики оснащены Arduino Uno для измерения и наблюдения за измерениями в водной среде. Предыдущие предложенные авторами подходы использовали облачную базу данных [17] для хранения выходных данных, что делает архитектуру дорогостоящей из-за максимального потребления Интернета, чтобы преодолеть это потребление. Компьютерная система действует как хост-сервер для вычисления и управления выходными значениями, генерируемыми датчиками. легко управляются, и необходимые данные могут быть получены пользователем с минимальными затратами на Интернет. Локальная база данных помогает первому проводить аналитику и принимать упреждающие меры, когда это необходимо. Большинство используемых моделей ориентированы на отправку данных датчиков, но в нашей модели мы также предоставляем правильное решение, если параметр выходит за пределы, перечисленные в таблице 1 ниже, а также обсуждаем фактор, влияющий на рост рыбы. Наша главная цель – сокращение потребления Интернета. В полевых областях Интернет является основной проблемой. Мы сокращаем потребление Интернета, используя также GSM-модем для отправки сообщения, если Интернет недоступен, а также используя приложение Android, настольное приложение для первых.

Во всем мире снижение качества воды стало серьезной проблемой. Потребление ресурсов пресной воды в будущем станет важной и фундаментальной проблемой [18].

  • Вода рыбного хозяйства, аквакультуры и ее жизнь имеют прямую корреляцию. Когда качество воды слишком плохое, вода напрямую влияет на здоровье рыбы, что приводит к потере продуктивности. Каким-то образом для измерения качества воды используются разные параметры, например, аммиак, мутность, диоксид карбона(СО2), нитрит, нитритный концентрат, но важными являются температура, pH, мутность растворенного кислорода и уровень воды.

ПАРАМЕТРЫ

Физические параметры качества воды в аквакультуре.

Структура воды варьируется в зависимости от климатических условий и способа использования воды. Целью хорошего управления рыбоводством является контроль этой структуры для достижения наилучших результатов. Фермеры должны признать физические элементы (температура, мутность, уровень воды) и химические элементы (PH, растворенный кислород), которые способствуют улучшению и ухудшению качества воды.

  1. Температура. Температура является важнейшим элементом и оказывает сильное влияние на биологические и химические процессы. Значения химической и биологической реакции увеличивались на каждые 10°С повышения температуры. Это факт, что рыбы — хладнокровные животные, которые адаптируют свою температуру в зависимости от погоды вокруг них. Температура зависит от вида рыбы, но температура контролируется и поддерживается в правильном диапазоне. Более высокая температура ускоряет метаболизм кормящейся рыбы и усиливает дыхание, а также в целом увеличивается движение, поскольку температура варьируется в зависимости от глубины воды. Если температура повышается, потребность в растворенном кислороде возрастает [20].
  2. Мутность. Второй физический элемент – мутность. Цвет воды говорит о том, что это за мутность. Если цвет воды прозрачный, это означает низкую биологическую продуктивность, поэтому рыбы в ней плохо живут, поскольку она недостаточно плодородна. Если цвет зеленый, то это из-за водорослей, а если коричневый, то из-за глины. Мутная вода также вредна для рыб, поскольку у рыб могут быть жабры, которые блокируют частицы глины, что приводит к гибели рыбы. Зеленоватая вода указывает на перепроизводство планктона [16]. Присутствие этих взвешенных частиц в различных количествах является причиной мутности воды.
  3. Уровень воды. Третий уровень – уровень воды. Изменение уровня воды в пруду с рыбой влияет на поведение рыб. Рыбы имеют тенденцию перемещаться в определенные участки пруда, где они могут кормиться и отдыхать. Когда уровень воды в этом районе снизится, это, вероятно, вызовет конкуренцию за выживание среди рыб.

Химические компоненты качества воды в аквакультуре.

Химические аспекты относятся к следующим параметрам: pH, щелочность, жесткость, растворенные газы (кислород, аммиак, азот, углекислый газ).

  1. PH. Есть еще один параметр проверки качества воды – pH, при котором выживаемость рыб находится в пределах 6,5–8,5. Скорость роста рыбы замедляется, а также подвергается стрессу в воде, если pH менее 6,5, тогда как гибель рыбы почти подтверждается при pH 4,0 и более 11,0. PH также называют водородным потенциалом. Дыхание в ночное время может вызвать истощение кислорода у рыб. PH определяет, является ли вода кислой или щелочной. В ходе фотосинтеза морские растения и фитопланктон удаляют из воды углекислый газ; Уровень pH воды повышается в течение дня и снижается ночью. В дневное время при низкой щелочности кучи уровень pH составляет от 6 до 8, но в ночное время развитие фитопланктона увеличивается, уровень pH также увеличивается до 10 и более. На изменение pH прудовой воды влияют углекислый газ и ионы [16].
  2. Растворенный кислород. DO является основной проблемой качества воды и определяет рост численности популяции рыб [21]. Содержание растворенного кислорода должно находиться в пределах 5–12 частей на миллион. Кислород поступает из двух источников: во-первых, в результате фотосинтеза, а во-вторых, в результате диффузии из воздуха. При таком вредном уровне общая концентрация растворенного газа в воде не должна превышать 110 процентов. Проблема с кислородом возникает, когда потребление кислорода превышается, в результате чего увеличивается кормление рыб. Увеличение температуры воды также может способствовать снижению содержания DO, поскольку она не может удерживать O2 . Но уровень растворенного кислорода (DO) превышает предел, однако это может вызвать заболевание газового пузыря, которое может убить рыбу. Если он слишком маленький, это позволит бактериям легко заразить рыбу. Температура воздуха также влияет на нормальные изменения растворенного кислорода. Доза L -1 может составлять менее 3 мг утром и более 15 мг во второй половине дня . Чтобы способствовать успеху в аквакультуре, качество DO должно быть сохранено и стабильно. DO в воде из двух основных источников: окружающей среды и воды растений. Основным источником кислорода являются микроскопические водоросли (фитопланктон) или подводные растения [3].

 

МАТЕРИАЛ И МЕТОД.

А. Требуемое оборудование и программное обеспечение

Датчики. Аналоговый датчик pH Arduino (SEN0161), указанный на рис. 1, используется для измерения pH воды. Датчик PH специально подходит для серии Arduino и отличается простотой связи и встроенными функциями. Для подключения датчика к Arduino необходим разъем BNC. Этот датчик pH имеет диапазон 0-14. Точность составляет ±0,1 PH при стандартной температуре 25–30°C и рабочем диапазоне температур от 0 до 60°C. Вода может подаваться только в несколько секций датчика. Надежность датчика pH сохранится до полугода, если вода прозрачная, и месяца при высокой мутности воды.

Рис. 1. Датчик PH
Рис. 1. Датчик PH

В предлагаемой системе также используется датчик температуры DS182B0. Мы использовали Arduino DS18B20, водостойкий датчик температуры, показанный на рис. 2. Он работает в пределах ±0,5 °C, от -10 °C до +100 °C.

PIR-датчик, используемый для обнаружения движения, сам по себе включает в себя две прорези, каждая из которых может быть изготовлена из специального ИК-чувствительного материала. Рис. 5. Используемая здесь линза на самом деле не слишком большая, поэтому мы видим, что две прорези могут увидеть’ на некотором расстоянии (в основном чувствительность датчика). Оба слота обнаруживают одинаковое количество ИК-излучения, количества окружающего излучения из комнаты, стен или снаружи датчика, когда он свободен.

Рис. 2. Датчик температуры.
Рис. 2. Датчик температуры.

 

Мы также использовали датчик мутности для измерения скорости мутности или непрозрачности. Гравитационный датчик мутности Arduino определяет качество воды. Датчик использует измерение светопропускания и скорости рассеяния, чтобы различать растворенные частицы в воде, которая отличается от воды с общим содержанием взвешенных веществ (TSS) (показано на рис. 3). Монитор мутности реагирует, передавая лазерные лучи в воду для анализа. Любые взвешенные частицы затем рассеивают свет. Сумма отраженного света используется для определения плотности частиц в воде.

Рис. 3. Датчик мутности.

 

В предлагаемой модели также используется датчик уровня воды. Этот датчик содержит SONAR для измерения расстояния до объекта, как это делают летучие мыши. Это гарантирует бесконтактное определение дальности с большой точностью и точными показаниями от 2 см до 400 см или от 1 до 13 футов в простом в использовании комплекте. Уровень воды измеряется с помощью датчика уровня воды (рис. 4). Этот датчик работает, передавая звуковые волны на частотах, которые слишком высоки для обнаружения человеком. Они также ждут, чтобы увидеть звук, отраженный назад, и измеряют расстояние в зависимости от правильного времени. Это тесно связано с тем, измеряет ли радар время, которое потребуется объекту, чтобы вернуться на радиоволну. Модуль определения уровня воды использует ультразвуковой излучающий передатчик для ультразвукового приемника. Тон времени отражения волны переводится на глубину поверхности.

Рис. 4. Датчик уровня воды.
Рис. 4. Датчик уровня воды.

 

PIR-датчик, используемый для обнаружения движения, сам по себе включает в себя две прорези, каждая из которых может быть изготовлена из специального ИК-чувствительного материала. Рис. 5. Используемая здесь линза на самом деле не слишком большая, поэтому мы видим, что две прорези могут увидеть’ на некотором расстоянии (в основном чувствительность датчика). Оба слота обнаруживают одинаковое количество ИК-излучения, количества окружающего излучения из комнаты, стен или снаружи датчика, когда он свободен.

Рис. 5. Пир-датчик.
Рис. 5. Пир-датчик.

 

В этой модели используйте номер модели жидкостного насоса (cjwp40-a1), как показано на рис. 6. Этот водяной насос использует центробежную силу для перемещения жидкости наружу при повороте, позволяя жидкости постоянно вытягиваться из центра. Этот насос перемещает жидкости (жидкости или газы) посредством механического воздействия, обычно преобразуемого из электрической энергии в гидравлическую энергию. Его диапазон напряжения составляет 12–24 В постоянного тока, а ток — 50 мА. Расход воды составляет 1,5 л/мин.

Рис. 6. Водяной насос
Рис. 6. Водяной насос

 

Литий-ионные (Li-ion) батареи означают, что большинство литиевых батарей не перезаряжаются, а литий-ионные батареи перезаряжаются. Электроды литий-ионного аккумулятора состоят из легкого лития и углерода. Литий также является химически активным элементом, который позволяет ему хранить большое количество энергии в своих атомных связях. Это приводит к очень высокой удельной мощности литий-ионных батарей. Литий-ионная батарея показана на рис. 7.

Рис. 7. Литий-ионный аккумулятор.
Рис. 7. Литий-ионный аккумулятор.

 

Вода для аквакультуры. Рыбный пруд, в котором выращивают рыбу. Он состоит из различных датчиков, которые отправляют данные на микроконтроллер.

Микроконтроллер: Arduino Uno Рис. 8. Используется в качестве микроконтроллера. Arduino — это комплект микроконтроллера, который представляет собой бесплатное программное обеспечение, ориентированное на плату микроконтроллера Atmega328P, созданную Arduino.cc. Плата имеет комбинацию из 14 цифровых и 6 аналоговых входов/выходов, которые могут взаимодействовать с различными платами и другими схемами, керамический резонатор 16 МГц, а также кнопку сброса и пересылает данные в систему через последовательный порт и сохраняет их в базе данных системы.

Рис. 8. Микроконтроллер.
Рис. 8. Микроконтроллер.

Сервер. Сервер анализирует полученные данные и действует по заранее заданным условиям.

Приложения. Мобильное приложение, настольное приложение и Интернет предоставляют средства просмотра данных на различных серверах приложений и обеспечивают принятие решений и интерфейс для пользователя.

Актуаторы. Исполнительные механизмы воздействуют на среду аквакультуры на основе инструкций, полученных от системы Интернета вещей.

Предлагаемая модель в первую очередь ориентирована на постоянный мониторинг параметров качества воды время от времени, чтобы принимать сдерживающие меры во избежание реального ущерба в негостеприимной среде. В предлагаемой архитектуре используются различные датчики (температура, уровень, pH воды, мутность, движение).

Эти датчики оснащены Arduino Uno для измерения и наблюдения за измерениями в водной среде. Arduino Uno — недорогая небольшая компьютерная плата, используемая в качестве концентратора контроллера, содержащая различные аналоговые и цифровые контакты и работающая с программным обеспечением Arduino IDE для взаимодействия с компьютерной системой с контроллером через последовательный порт. Предыдущие предложенные авторами подходы использовали облачную базу данных для хранения выходных данных, что делает архитектуру дорогостоящей из-за максимального потребления Интернета. Чтобы преодолеть это потребление, компьютерная система действует как хост-сервер для вычисления и управления выходными значениями, генерируемыми датчиками, которыми легко управлять. и необходимые данные могут быть получены пользователем при минимальной стоимости Интернета. Эта модель дает нам возможность избежать периодических вычислений данных и затрат на загрузку через Интернет. Предлагаемое настольное приложение обеспечивает непосредственный просмотр результатов измерений и ежедневных отчетов. Для удаленного мониторинга предлагаются приложения для Android и веб-приложения с интерактивным графическим интерфейсом пользователя (графический интерфейс пользователя), предоставляющие пользователю услуги по мониторингу водного поля. Мотопомпа и воздушный насос также работают автоматически с помощью исполнительных реле. Предлагаемая архитектура показана на рис. 9. Встроенный модем GSM обеспечивает услуги в качестве системного оповещения, которое отправляет уведомление фермеру, если водный пруд находится в критическом состоянии. Более того, преимуществом GSM является то, что, когда у фермера нет Интернета, это предупреждающее уведомление помогает в чрезвычайной ситуации, а возможное решение показано на рис. 10. Установка фильтрации воды вступает в действие, когда уровень мутности высок, и работает до тех пор, пока уровень мутности не достигнет нормального диапазона и также не будет экономить воду. Блок-схема предлагаемой системы представлена на рис.11.

Блок-схема предлагаемой системы

Рис. 9. Предлагаемая система
Рис. 9. Предлагаемая система

 

Блок-схема

Рис. 10. Блок-схема
Рис. 10. Блок-схема
Рис. 11. Блок-схема предлагаемой системы
Рис. 11. Блок-схема предлагаемой системы

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ.

Как уже говорилось, фермер использует традиционные методы и методы, а также модели прогнозирования для измерения параметров качества воды. В нашей модели мы сокращаем потребление Интернета, а также создаем экономически эффективную модель и не можем использовать облачную базу данных из-за потребления Интернета, но в некоторых исследованиях используется облачная база данных [22]. Некоторые модели экономически эффективны [23], но они не могут удовлетворить требования к качеству воды, поскольку в системе используется меньшее количество датчиков. Основная цель этой системы – обеспечить в режиме реального времени мониторинг с помощью GSM, приложения для Android, настольного приложения. В этой системе, использующей последовательный порт.

Преимущество последовательного порта заключается в регулярной передаче данных с небольшой задержкой и без ошибок. Предложенная модель была применена в пруду с водой, и результаты тестов были получены от различных датчиков в течение 24 часов. Ниже приведены графики, собранные для изменения параметров качества воды во времени.

 

График датчика температуры

На рис. 12 показан тип тестовой выборки исторических данных о температуре, описанный в виде диаграммы. В течение определенного периода пользователь может знать тенденцию изменения температуры, и это поможет расследовать любые инциденты, которые могут возникнуть из-за колебаний температуры. Когда температура пересекает пороговый диапазон (35°C), включается водяной насос до тех пор, пока температура не вернется в нормальное состояние.

Рис. 12. График температуры
Рис. 12. График температуры

График датчиков PH

Результаты измерений датчика pH, проводимых один раз в 40 минут, когда значение pH воды ниже минимального предела, необходимо активировать аэратор и использовать карбонат кальция 0,05 / буква (Caco3) для повышения содержания кислорода в воде до тех пор, пока уровень pH не вернется к нормальному значению. . Когда уровень pH превышает допустимый предел, машина должна отключить аэратор, чтобы pH снова заработал (рис. 13).

Рис. 13. График PH.
Рис. 13. График PH.

График датчика мутности

Рис.14. показывает тесты датчика мутности, в которых разное количество кормлений рыбы влияет на чистоту воды. Кормление четырехкратное обычное, поэтому Тилапия быстро растет. Мутность резко возрастает в 17.00, 21.00, 12.00 и 16.00, так как в это время начинается период кормления рыб, это повлияет на качество воды, в результате чего количество рыбных фекалий также увеличится. Вода, поскольку определенная степень мутности влияет положительно на рыбохозяйственное производство, поскольку мутность снижает интенсивность света, попадающего в воду. При сливе воды более 50 NTU необходимо слить из бассейна 40-50% воды, включить и долить новую воду, а также добавить доломит и пробиотики, включается водяной насос и срабатывает механизм рециркуляции воды до тех пор, пока вода не потечет. составляет менее 25 мг/л (TSS).

Рис. 14. График мутности
Рис. 14. График мутности

 

Рис. 16. Приложение для Android и Рис. 17. Настольное приложение показывает состояние параметров качества воды по запросу фермера.

Рис. 15. Android-приложение.
Рис. 15. Android-приложение.

 

Рис.16. Настольное приложение
Рис.16. Настольное приложение

На рис. 17 показано предупреждающее сообщение GSM, когда параметры пересекают пороговый диапазон, а также показан прототип на рис. 18.

Рис. 17. Предупреждающее сообщение
Рис. 17. Предупреждающее сообщение

 

Рис. 18. Прототип
Рис. 18. Прототип

ЗАКЛЮЧЕНИЕ

Эта работа представляет собой разработку и внедрение системы мониторинга аквакультуры. Технология IOT применяется при разработке этой системы. Это масштабируемо, мобильно и точно. Это поможет поднять производство аквакультуры на значительный уровень. Далее нет необходимости в ручном тестировании, сокращение потерь экономит трудозатраты, а также предотвращение критических состояний. Рыбоводческими хозяйствами сложно управлять традиционными и нетехническими методами. Разработанная модель обеспечивает технологическое решение, позволяющее контролировать качество воды в режиме реального времени.

БУДУЩИЙ ОБЪЕМ

В ближайшем будущем мы планируем использовать обновленные датчики и собирать больше данных, которые можно будет использовать для больших данных и аналитики или разработать некоторые алгоритмы искусственного интеллекта для оптимизации процессов.

БЛАГОДАРНОСТИ

Я хочу выразить свою признательность моему руководителю г-ну Исрару Хусейну, который помогал мне на протяжении всего этого проекта, и г-ну Камрану Хасану Куреши, моему однокласснику, который оказывал техническую помощь во время разработки проекта. Я также хотел бы поблагодарить семью и друзей, которые поддерживали меня во время этого исследования.

Конфликт интересов: Конфликта интересов нет.

ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА

    • Гарсия М., С. Сендра, Г. Льорет и Ж. Льорет. (2011). «Сенсорная система мониторинга и контроля кормления рыб в морских рыбоводных хозяйствах». ИЭПП Коммуникации , (5), стр. 1682-1690 гг.
    • Сун, В.Т., Дж. Х. Чен и Х. К. Ван. (2014). Система дистанционного мониторинга аквакультуры рыбы на основе технологии беспроводной передачи данных. В материалах международной конференции IEEE по информатике, электронике и электротехнике ISEEE , стр. 540-544.
    • Дзулкорнайн, Мичиган, MUH Аль-Расид и С. Сукаридхото. (2018). Проектирование и разработка интеллектуальной системы аквакультуры на основе модели IFTTT и облачной интеграции в материалах веб-конференций MATEC. ЭДП наук ПП. Страница 01030.
    • Раджу, KRSR и GHK Varma (2017). Основанная на знаниях система мониторинга в реальном времени для аквакультуры с использованием Интернета вещей, в материалах 7 -й Международной конференции по передовым вычислениям IEEE (IACC). ИИЭР, стр. 318-321.
    • Сдж, А. и Э. Нг. (2015). Стражи аквакультуры: умное земледелие с использованием поголовья, оборудованного биосенсорами. Журнал исследований и разработок в области аквакультуры 07.
    • Вэй Ю., К. Вэй и Д. Ан. (2020). «Интеллектуальные технологии мониторинга и контроля садкового выращивания в открытом море: обзор». Компьютеры и электроника в сельском хозяйстве, стр. 169:105119.
    • Лафон М., С. Дюпон, П. Кузен, А. Валлаури и К. Дюпон. (2019). Назад в будущее: «Интернет вещей для улучшения аквакультуры: мониторинг в реальном времени и алгоритмическое прогнозирование параметров воды для нужд аквакультуры». В материалах глобального саммита IEEE по Интернету вещей (GioTS), стр. 1-6.
    • Ма, Х., Т.Ф. Цай и С.С. Лю. (2010). «Мониторинг качества воды в реальном времени с использованием временной траектории движения живой рыбы». Экспертные системы с приложениями (37), стр. 5158-5171.
    • [9]. Родхаус, П. (2001). «Управление и прогнозирование промысла кальмаров в изменяющихся условиях окружающей среды». Fisheries Research , 54 , стр. 3-8.
    • Петерсен А., Дж. С. Андерсен, Т. Кеумак, Т. Сомсири и А. Далсгаард (2002). «Влияние интегрированного рыбоводства на резистентность к противомикробным препаратам в прудовой среде», Окружающая среда. Микробиол. Стр. 6036-6042, 2002.
    • Дони А., К. Мурти и М. Куриан. (2018). «Обследование по мониторингу качества воздуха и воды с помощью нескольких датчиков с использованием Интернета вещей», (IJSR), стр. 147-153.
    • Чжу, X., Д. Ли, Д. Хэ, Дж. Ван, Д. Ма и Ф. Ли. (2010). «Удаленная беспроводная система для онлайн-мониторинга качества воды в условиях интенсивного рыбоводства». В материалах о компьютерах и электронике в сельском хозяйстве (CEA), стр. С3-С9.
    • Джарвар, А.А. (2008). «Обзор состояния развития рыболовства и аквакультуры в Пакистане в контексте других азиатских стран. Устойчивая аквакультура» (PACSA), стр. 34-37.
    • Ким, Ю., Н. Ли, Б. Ким и К. Шин (2018). Реализация «Управления рыбным хозяйством на основе IoT с помощью мобильного приложения». В материалах Международного симпозиума IEEE по компьютерам», «Потребитель и контроль» (IS3C), стр. 189–192.
    • Р. М. Реваткар (2018). «Международный журнал о будущей революции в области компьютерных наук и коммуникационной техники», 4 , стр. – 356.
    • Саха С., Р. Х. Раджиб и С. Кабир (2018). «Автоматизированная система мониторинга аквакультуры на рыбных фермах на базе Интернета вещей». В материалах Международной конференции IEEE по инновациям в науке, технике и технологиях (ICISET). Стр. 201-206.
    • Фрэнсис Э. Идачаба, ДЖОО, Огастес Э. Ибхазе, Олуинка О. Они. (2017). Интернет вещей позволил управлять прудом в режиме реального времени.
    • Ву, З., С. Ван, Ю. Чен, Ю. Цай и Дж. Дэн. (2018). «Оценка качества речной воды с использованием индекса качества воды в озере» Бассейн Тайху, Китай. (СТЭ), 914-922.
    • Маулана, Ю.Я., Г. Виранто, Д. Курниаван, И. Сьямсу и Д. Махмудин (2018). «Онлайн-мониторинг аквакультуры креветок на острове Бангка с использованием беспроводной сенсорной сети». Международный журнал передовой науки, техники и информационных технологий, 8 стр. 358–364.
    • Симбай, Д.С., Дж. Чжао и С. Ян (2014). «Проектирование и внедрение беспроводных сенсорных сетей для мониторинга и контроля аквакультуры на основе виртуальных инструментов». Компьютеры и электроника в сельском хозяйстве, (102 ) , стр. 31–42.
    • Ценг, С.П., Ю.Р. Ли и М.К. Ван. (2016). «Применение Интернета вещей в устойчивой системе аквакультуры». В материалах Международной конференции IEEE по оранжевым технологиям (ICOT), стр. 17-19.
    • Акар, У., Ф. Кейн, П. Влачеас, В. Фотейнос, П. Деместихас, Г. Юцетюрк, И. Дригкопулу и А. Варгун. (2019). Разработка облачного решения IoT для аквакультуры. на Глобальном саммите IoT (GIoTS) 2019 года. IEEE. ПП 1-6.
    • Ночески С. и А. Наумоски. (2018). IOT-система мониторинга воды для рыбоводных прудов. Индустрия 4.0 3 :77-79