CN111025969A - 一种基于信息融合的野生动物监测系统及方法 - Google Patents

Abstract

本发明公开了一种基于信息融合的野生动物监测系统，该系统包括微处理器、数据采集模块、通讯模块、电源管理模块、红外相机模块；所述通讯模块采用4G网络，采用断点重传的方式将数据稳定发送至服务器；所述数据采集模块用于获取野生动物的发热量信息数据和声音信息数据；所述红外相机模块用于采集野生动物的图像；所述微处理器接收数据采集模块和红外相机模块的数据，采用信息融合技术，识别出动物的种类；所述电源管理模块包括异形光伏组件、聚合物储能电池和一次电池。本发明能够适应复杂的野生动物生活环境，稳定、高效、全天候不间断运行,灵敏捕获动物图像及声音信息，识别动物种类，可实时监测野生动出没情况及当地环境状况。

Description

一种基于信息融合的野生动物监测系统及方法

技术领域

本发明涉及动物监测技术领域，具体涉及一种基于信息融合的监测野生动物系统及方法。

背景技术

野生动物保护监测可以提供野生动物资源种类、数量、生活习性、生存质量和栖息地状况的必要信息，帮助研究人员掌握野生动物资源现状以及野生动物资源的动态变化，为有效保护、持续利用、科学管理野生动物资源提供依据。野生动物保护监测对于保护珍惜野生动物物种尤为重要。

人工在野外难以开展工作，效率低并且成本昂贵，随着科技产品的功能进一步完善，自动化装置能够在保证工作质量的前提下，大大缩减人工的投入。野生动物一般都生活在地形环境较为复杂的森林草原沙漠中，并且动物的生活习性有较大差异，活动的区域范围也有随机性，在各个区域范围较大的生态系统中都需要有24h的自动监测装置来采集信息。

本发明使用红外相机拍摄野生动物生活习性照片，并通过4G网络上传至监控端路由，使得服务器端可以通过监控界面实时查看各个节点的信息，在具备光伏组件蓄电池自供电的情况下进一步保证电量的可持续性，在野外减少人工的工作量和不便。

发明内容

本发明目的在于针对现有技术的不足，提出一种基于信息融合的野生动物监测系统。

本发明的目的是通过以下技术方案来实现的：一种基于信息融合的野生动物监测系统，该系统包括微处理器、数据采集模块、通讯模块、电源管理模块、红外相机模块和服务器；

所述通讯模块采用4G网络，采用断点重传的方式将数据稳定发送至服务器，实现全双工通讯；所述断点重传的方式具体为：微处理器根据网络的信号强度，调整数据包的大小，信号强度越大，数据包越大，并且每一个数据包具有一个独立且唯一的帧信息，通过帧信息可以反向计算出每一帧中数据的位置，每一个数据包发送完成后，该数据包的帧信息存储到队列中，同时微处理器接收服务器反馈的消息，通过计算CRC校验数据的完整性，并匹配队列中的帧信息，如果匹配成功则将该帧信息从队列剔除。定时校验队列中发送失败的数据，进行重发。

所述数据采集模块包括红外传感器、声音强度传感器、光强度传感器、温湿度传感器、气压计和GPS，用于获取环境光照强度、温度信息、湿度信息、气压信息和海拔信息以及野生动物的发热量信息数据和声音信息数据，将采集的数据传输至微处理器和服务器，并通过长短期记忆(Long Short-Term Memory，LSTM)递归神经网络辅助预测野生动物出现的概率；

所述红外相机模块用于采集野生动物的图像，并传输至微处理器和服务器；

所述微处理器接收到数据采集模块和红外相机模块的数据后，采用信息融合技术，识别出动物的种类，并将识别的结果通过通讯模块传输至服务器；

所述电源管理模块包括异形光伏组件、聚合物储能电池和一次电池；所述异形光伏组件为系统供电，并将多余电能存储于聚合物储能电池，当发生由于恶劣天气导致系统长时间无法得到电能补充的，或者聚合物储能电池出现故障的情况，系统切换为一次电池供电，确保系统处于不间断工作状态。基于输出电流、输出电压、环境温度以及电池的衰减状态，建立电池的剩余放电时间预测模型，系统依据剩余放电时间预测模型预测的电池剩余放电时间，自适应调整为边缘计算模式、服务器控制模式和最低功耗模式。

当剩余工作时间>N1小时，系统工作于边缘计算模式；

当剩余工作时间<N2小时，系统工作于服务器控制模式；

当剩余工作时间<N3小时，系统工作于最低功耗模式。

其中N1，N2，N3依据系统工作环境及经验设置的阈值参数，确保系统能供不间断运行。

所述服务器将接收的数据采集模块和红外相机模块的数据以及微处理器的识别结果进行存储，方便用户对生动物进行实时监控；同时用户可通过服务器发送控制指令至微处理器，调整野生动物监测系统的工作状态及模式。

进一步地，所述边缘计算模式具体为：微处理器为满负荷运行模式，实时控制数据采集模块进行数据采集，计算动物出现概率，并控制红外相机模块采集动物图像。

进一步地，所述服务器控制模式具体为：微处理器实时控制数据采集模块进行数据采集并上传到服务器，服务器依据微处理器上传的数据，在线计算动物出现的概率，并发送控制指令至微处理器，通过微处理器控制红外相机模块采集动物图像。

进一步地，所述最低功耗模式具体为：微处理器定时唤醒系统通过数据采集模块进行数据采集并将数据发送至服务器，服务器依据微处理器上传的数据，在线计算动物出现的概率，并发送控制指令至微处理器，通过微处理器控制红外相机模块采集动物图像，微处理器的其余时间处于待机状态。

进一步地，所述剩余放电时间预测模型建立方式如下：

(1)将负载输出功率与太阳能板发电功率相减作为聚合物储能电池实际输出功率，得到实际输出功率下的输出电压和电流；

(2)在同一温度和输出电流下，建立聚合物储能电池的剩余放电时间-输出电压函数曲线；

(3)在同一温度下，根据步骤(2)，分别建立不同输出电流下的聚合物储能电池的剩余放电时间-输出电压函数曲线，并将结果拟合为剩余放电时间-输出电流-输出电压函数曲线。

(4)根据电池在不同温度下的放电曲线变化速率，按变化速率选取不同温度间隔，并根据步骤(3)，分别建立不同温度下的剩余放电时间-输出电流-输出电压函数曲线，并将结果拟合为剩余放电时间-输出电流-输出电压-环境温度函数曲线；

(5)最后根据不同电池衰减状态下的放电数据，根据步骤(4)，分别建立不同电池衰减状态下的剩余放电时间-输出电流-输出电压-环境温度函数曲线；将电池衰减状态作为预测剩余放电时间的变量之一，拟合不同电池衰减状态下的剩余放电时间-输出电流-输出电压-环境温度函数曲线，建立聚合物储能电池剩余放电时间预测模型，其中输出电流、输出电压、环境温度、电池衰减状态为输入变量，聚合物储能电池剩余放电时间作为输出变量，根据电池剩余放电时间预测模型可得到电池剩余工作时间。

一种基于信息融合的野生动物监测方法，该方法包括以下步骤：

(1)通过数据采集模块采集环境光照强度、温度信息、湿度信息、气压信息和海拔信息以及野生动物的发热量信息数据和声音信息数据，将采集的信息和数据传输至微处理器和服务器；

(2)服务器根据接收的数据，在线计算动物出现的概率，并发送控制指令至微处理器，控制红外相机模块采集动物图像；或者微处理器根据步骤(1)中采集的信息和数据，直接计算动物出现的概率，控制红外相机模块采集动物图像，并通过信息融合技术识别出动物的种类，将结果通过通讯模块传输至服务器；

(3)服务器将接收的数据和微处理器上传的结果进行存储，方便用户对生动物进行实时监控。

本发明的有益效果：本发明提供的基于信息融合的监测野生动物系统及方法能够适应复杂的野生动物生活环境，稳定、高效、全天候不间断运行；稳定的4G网络传输算法，确保微处理器与服务器可靠通信；可靠的电源管理算法，确保系统不间断运行；长短期记忆网络使得系统能够灵敏捕获动物图像及声音信息，识别动物种类；服务器可实时监测野生动出没情况及当地环境状况。

附图说明

图1为本发明系统结构图；

图2为本发明电源管理模块结构图。

具体实施方式

下面结合具体实施列，并参照附图，对本发明进一步详细说明。

如图1所示，本发明提供的一种基于信息融合的野生动物监测系统，该系统包括微处理器、数据采集模块、通讯模块、电源管理模块、红外相机模块和服务器；

所述通讯模块采用4G网络，4G网络可采用700M频段的专用网络，在野生动物保护区的干扰信号少，传输数据稳定。野生动物动物出没的环境比较恶劣复杂，网络信号不稳定，波动大，因此采用断点重传的方式将数据稳定发送至服务器，实现全双工通讯；所述断点重传的方式具体为：微处理器根据网络的信号强度，调整数据包的大小，信号强度越大，数据包越大，并且每一个数据包具有一个独立且唯一的帧信息，通过帧信息可以反向计算出每一帧中数据的位置，每一个数据包发送完成后，该数据包的帧信息存储到队列中，同时微处理器接收服务器反馈的消息，通过计算CRC校验数据的完整性，并匹配队列中的帧信息，如果匹配成功则将该帧信息从队列剔除。定时校验队列中发送失败的数据，进行重发。

所述数据采集模块包括红外传感器、声音强度传感器、光强度传感器、温湿度传感器、气压计和GPS，用于获取环境光照强度、温度信息、湿度信息、气压信息和海拔信息以及野生动物的发热量信息数据和声音信息数据，将采集的数据传输至微处理器和服务器，并通过长短期记忆(Long Short-Term Memory，LSTM)递归神经网络辅助预测野生动物出现的概率，具体方法如下：

首先训练LSTM的动物出没情况模型：

(1)获取数据集，采集一段时间包含温度、湿度、光照强度、大气压强、动物发热量信息、声音信息环境信息数据以及获取动物出没情况。

(2)对数据特征归一化处理，将数据集变换成监督学习问题，可以得到6个输入序列(X)和一个输出变量，该输出变量表示动物出现概率。

(3)将数据集分为训练集和测试集两部分；然后将输入序列(X)改写为LSTM预期的[样例，时间步，特征]格式；将第一隐藏层定义为30个神经元；输出层定义一个神经元用于预测野生动物出没情况。使用平均绝对误差(MAE)损失函数跟踪拟合模型，跟踪训练期间的训练和测试损失。

然后将实时获取到环境信息送入LSTM网络，预测当前位置动物出现的概率，当概率大于阈值N时，微处理器提前使设备恢复工作状态，采集图像信息和声音数据。阈值N为置信概率，衡量统计推断可靠程度，可设置90％。

红外相机模块具有通信接口和控制接口，微处理器可以获取相机中的图像信息，并控制相机采集野生动物的图像，并传输至微处理器和服务器；

所述微处理器接收到数据采集模块和红外相机模块的数据后，采用信息融合技术，识别出动物的种类，并将识别的结果通过通讯模块传输至服务器；动物图像和动物声音的识别结果是独立的，符合模糊积分最优决策融合条件，采用模糊积分融合，利用图像和声音元独立互补的特点，对动物种类进行识别。

信息融合技术采用多层向前神经网络具有多层感知层，多层感知器的神经元函数采用是S型函数

其中u_i是神经元i的输入信号，v_i是神经元i的输出信号。

神经网络具有多个信息输入节点，连通性好，具有强大的计算能力和高运算速度，其训练方式如下：

(1)设置BP网络参数。

(2)初始化网络权值。

(3)输入随机样本X_k，n＝0。

(4)对随机样本X_k，计算其输入信号u和输出信号v。其中

(5)计算误差E(n)，E(n)表示的期望输出或与实际输出d_k于实际输出Y_k(n)之间的数值差异程度，其中

若误差满足要求则训练结束，若误差不满于要求则转至第3步重新迭代。

将动物图像数据预处理转换为灰度数据，以及动物声音数据预处理为二进制数据送入人工神经网络，识别出动物种类。将实验数据分为训练数据集和测试集，调整学习速率调整为0.05，此时的迭代速度也比较快，经过100次左右迭代，动物种类识别率可以达到92％。

为了适应比较恶劣的自然环境场景，如中国北方地区冬季夜晚温度可以低至零下二十摄氏度，冬天光照时间短，夏季则会出现连续数天的阴雨天气，因此需要系统能够低功耗耐低温运行。电源管理模块如图2所示，包括异形光伏组件，聚合物储能电池，一次电池，MPPT控制器；所述异形光伏组件为系统供电，并将多余电能存储于聚合物储能电池，当发生由于恶劣天气导致系统长时间无法得到电能补充的，或者聚合物储能电池出现故障的情况，系统切换为一次电池供电，确保系统处于不间断工作状态。异形光伏组件采用柔性太阳能板，可以伪装为树皮颜色悬挂于树干顶部，在保证获取充足的太阳能的情况下最大程度减少对野生动物生长环境的影响。野生动物活动的区域范围比较广，且低温环境严重影响电池的充放电能力，因此温度是影响野生动无监测系统稳定工作的关键因素之一，基于输出电流、输出电压、环境温度以及电池的衰减状态，建立电池的剩余放电时间预测模型，建立方式如下：

(1)将负载输出功率与太阳能板发电功率相减作为聚合物储能电池实际输出功率，得到实际输出功率下的输出电压和电流；

(2)在同一温度和输出电流下，建立聚合物储能电池的剩余放电时间-输出电压函数曲线；

(3)在同一温度下，根据步骤(2)，分别建立不同输出电流下的聚合物储能电池的剩余放电时间-输出电压函数曲线，并将结果拟合为剩余放电时间-输出电流-输出电压函数曲线。

(4)根据电池在不同温度下的放电曲线变化速率，按变化速率选取不同温度间隔，并根据步骤(3)，分别建立不同温度下的剩余放电时间-输出电流-输出电压函数曲线，并将结果拟合为剩余放电时间-输出电流-输出电压-环境温度函数曲线；

(5)最后根据不同电池衰减状态下的放电数据，根据步骤(4)，分别建立不同电池衰减状态下的剩余放电时间-输出电流-输出电压-环境温度函数曲线；将电池衰减状态作为预测剩余放电时间的变量之一，拟合不同电池衰减状态下的剩余放电时间-输出电流-输出电压-环境温度函数曲线，建立聚合物储能电池剩余放电时间预测模型，其中输出电流、输出电压、环境温度、电池衰减状态为输入变量，聚合物储能电池剩余放电时间作为输出变量，根据电池剩余放电时间预测模型可得到电池剩余工作时间。

系统依据剩余放电时间预测模型预测的电池剩余放电时间，自适应调整为边缘计算模式、服务器控制模式和最低功耗模式。

当剩余工作时间>N1小时，系统工作于边缘计算模式；

当剩余工作时间<N2小时，系统工作于服务器控制模式；

当剩余工作时间<N3小时，系统工作于最低功耗模式。

其中N1，N2，N3依据系统工作环境及经验设置的阈值参数，确保系统能供不间断运行。

所述边缘计算模式具体为：微处理器为满负荷运行模式，实时控制数据采集模块进行数据采集，计算动物出现概率，并控制红外相机模块采集动物图像。

所述服务器控制模式具体为：微处理器实时控制数据采集模块进行数据采集并上传到服务器，服务器依据微处理器上传的数据，在线计算动物出现的概率，并发送控制指令至微处理器，通过微处理器控制红外相机模块采集动物图像。

所述最低功耗模式具体为：微处理器定时唤醒系统通过数据采集模块进行数据采集并将数据发送至服务器，服务器依据微处理器上传的数据，在线计算动物出现的概率，并发送控制指令至微处理器，通过微处理器控制红外相机模块采集动物图像，微处理器的其余时间处于待机状态。

所述服务器将接收的数据采集模块和红外相机模块的数据以及微处理器的识别结果进行存储，方便用户对生动物进行实时监控；同时用户可通过服务器发送控制指令至微处理器，调整野生动物监测系统的工作状态及模式。

一种基于信息融合的野生动物监测方法，该方法包括以下步骤：

(1)通过数据采集模块采集环境光照强度、温度信息、湿度信息、气压信息和海拔信息以及野生动物的发热量信息数据和声音信息数据，将采集的信息和数据传输至微处理器和服务器；

(2)服务器根据接收的数据，在线计算动物出现的概率，并发送控制指令至微处理器，控制红外相机模块采集动物图像；或者微处理器根据步骤(1)中采集的信息和数据，直接计算动物出现的概率，控制红外相机模块采集动物图像，并通过信息融合技术识别出动物的种类，将结果通过通讯模块传输至服务器；

(3)服务器将接收的数据和微处理器上传的结果进行存储，方便用户对生动物进行实时监控。

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (6)

1.一种基于信息融合的野生动物监测系统，其特征在于，该系统包括微处理器、数据采集模块、通讯模块、电源管理模块、红外相机模块和服务器；

所述通讯模块采用4G网络，采用断点重传的方式将数据稳定发送至服务器，实现全双工通讯；所述断点重传的方式具体为：微处理器根据网络的信号强度，调整数据包的大小，信号强度越大，数据包越大，并且每一个数据包具有一个独立且唯一的帧信息，通过帧信息可以反向计算出每一帧中数据的位置，每一个数据包发送完成后，该数据包的帧信息存储到队列中，同时微处理器接收服务器反馈的消息，通过计算CRC校验数据的完整性，并匹配队列中的帧信息，如果匹配成功则将该帧信息从队列剔除。定时校验队列中发送失败的数据，进行重发。

所述数据采集模块包括红外传感器、声音强度传感器、光强度传感器、温湿度传感器、气压计和GPS，用于获取环境光照强度、温度信息、湿度信息、气压信息和海拔信息以及野生动物的发热量信息数据和声音信息数据，将采集的数据传输至微处理器和服务器，并通过长短期记忆(Long Short-Term Memory，LSTM)递归神经网络辅助预测野生动物出现的概率；

所述红外相机模块用于采集野生动物的图像，并传输至微处理器和服务器；

所述微处理器接收到数据采集模块和红外相机模块的数据后，采用信息融合技术，识别出动物的种类，并将识别的结果通过通讯模块传输至服务器；

所述电源管理模块包括异形光伏组件、聚合物储能电池和一次电池；所述异形光伏组件为系统供电，并将多余电能存储于聚合物储能电池，当发生由于恶劣天气导致系统长时间无法得到电能补充的，或者聚合物储能电池出现故障的情况，系统切换为一次电池供电，确保系统处于不间断工作状态。基于输出电流、输出电压、环境温度以及电池的衰减状态，建立电池的剩余放电时间预测模型，系统依据剩余放电时间预测模型预测的电池剩余放电时间，自适应调整为边缘计算模式、服务器控制模式和最低功耗模式。

当剩余工作时间>N1小时，系统工作于边缘计算模式；

当剩余工作时间<N2小时，系统工作于服务器控制模式；

当剩余工作时间<N3小时，系统工作于最低功耗模式。

其中N1，N2，N3依据系统工作环境及经验设置的阈值参数，确保系统能供不间断运行。

所述服务器将接收的数据采集模块和红外相机模块的数据以及微处理器的识别结果进行存储，方便用户对生动物进行实时监控；同时用户可通过服务器发送控制指令至微处理器，调整野生动物监测系统的工作状态及模式。

2.根据权利要求1所述的一种基于信息融合的野生动物监测系统，其特征在于，所述边缘计算模式具体为：微处理器为满负荷运行模式，实时控制数据采集模块进行数据采集，计算动物出现概率，并控制红外相机模块采集动物图像。

3.根据权利要求1所述的一种基于信息融合的野生动物监测系统，其特征在于，所述服务器控制模式具体为：微处理器实时控制数据采集模块进行数据采集并上传到服务器，服务器依据微处理器上传的数据，在线计算动物出现的概率，并发送控制指令至微处理器，通过微处理器控制红外相机模块采集动物图像。

4.根据权利要求1所述的一种基于信息融合的野生动物监测系统，其特征在于，所述最低功耗模式具体为：微处理器定时唤醒系统通过数据采集模块进行数据采集并将数据发送至服务器，服务器依据微处理器上传的数据，在线计算动物出现的概率，并发送控制指令至微处理器，通过微处理器控制红外相机模块采集动物图像，微处理器的其余时间处于待机状态。

5.根据权利要求1所述的一种基于信息融合的野生动物监测系统，其特征在于，所述剩余放电时间预测模型建立方式如下：

(1)将负载输出功率与太阳能板发电功率相减作为聚合物储能电池实际输出功率，得到实际输出功率下的输出电压和电流；

(2)在同一温度和输出电流下，建立聚合物储能电池的剩余放电时间-输出电压函数曲线；

(3)在同一温度下，根据步骤(2)，分别建立不同输出电流下的聚合物储能电池的剩余放电时间-输出电压函数曲线，并将结果拟合为剩余放电时间-输出电流-输出电压函数曲线。

(4)根据电池在不同温度下的放电曲线变化速率，按变化速率选取不同温度间隔，并根据步骤(3)，分别建立不同温度下的剩余放电时间-输出电流-输出电压函数曲线，并将结果拟合为剩余放电时间-输出电流-输出电压-环境温度函数曲线；

(5)根据不同电池衰减状态下的放电数据，根据步骤(4)，分别建立不同电池衰减状态下的剩余放电时间-输出电流-输出电压-环境温度函数曲线；将电池衰减状态作为预测剩余放电时间的变量之一，拟合不同电池衰减状态下的剩余放电时间-输出电流-输出电压-环境温度函数曲线，建立聚合物储能电池剩余放电时间预测模型，其中输出电流、输出电压、环境温度、电池衰减状态为输入变量，聚合物储能电池剩余放电时间作为输出变量，根据电池剩余放电时间预测模型可得到电池剩余工作时间。

6.一种基于信息融合的野生动物监测方法，其特征在于，该方法包括以下步骤：

(1)通过数据采集模块采集环境光照强度、温度信息、湿度信息、气压信息和海拔信息以及野生动物的发热量信息数据和声音信息数据，将采集的信息和数据传输至微处理器和服务器；

(2)服务器根据接收的数据，在线计算动物出现的概率，并发送控制指令至微处理器，控制红外相机模块采集动物图像；或者微处理器根据步骤(1)中采集的信息和数据，直接计算动物出现的概率，控制红外相机模块采集动物图像，并通过信息融合技术识别出动物的种类，将结果通过通讯模块传输至服务器；

(3)服务器将接收的数据和微处理器上传的结果进行存储，方便用户对生动物进行实时监控。

Images