[发明专利]一种智能蜂箱的监测预警系统及方法

说明书

本发明涉及一种智能蜂箱的监测预警系统及方法，属于蜜蜂养殖领域。该方法包括：S1：数据监测：通过传感器获取蜂箱内部的温度、湿度以及巢脾重量，对收集的数据进行处理并传送至监控平台；S2：多级预警：根据蜂箱环境参数的变化，采用DBSCAN聚类算法，基于一组邻域来描述样本集的紧密程度，将蜂农对蜜蜂的关注等级划分为正常、数据波动大和超安全范围三个级别，实现实时报警；S3：分蜂预测：根据分析蜂箱内部温湿度的变化以及蜜蜂产蜜速度，采用BP神经网络算法进行分蜂状态等级预测，预测最佳人工分蜂时间。本发明能防止发生分蜂热，为蜜蜂提供优良环境，有效降低蜂农的劳动成本。

技术领域

本发明属于蜜蜂养殖领域领域，涉及一种智能蜂箱的监测预警系统及方法。

背景技术

蜂箱是目前人工养蜂最主要的养殖装置，是蜜蜂繁衍生息的住所。而目前广泛使用的传统蜂箱蜂桶，主要依靠蜂农的主观判断进行控温、控湿、取蜜、分蜂等，无法科学准确为蜂群提供最舒适、最安全的繁殖及储蜜空间。同时为了检查蜂箱内部状况频繁的开箱劳动成本高，并且干扰蜜蜂正常的繁殖和产蜜活动甚至造成蜂蜜消耗快，蜜蜂寿命缩短等情况。

因此，亟需一种能够对蜂箱进行实施监测预警的智能系统。

发明内容

有鉴于此，本发明的目的在于提供一种智能蜂箱的监测预警系统及方法，通过对蜂箱内部温度、湿度、巢脾重量的监测和分析，保障蜜蜂在更加舒适、安全的环境下繁殖生活，降低蜂农劳动成本，实现数字化智能养蜂。

为达到上述目的，本发明提供如下技术方案：

1、一种智能蜂箱的监测预警方法，包括以下步骤：

S1：数据监测：通过传感器获取蜂箱内部的温度、湿度以及巢脾重量等数据，对收集的数据进行处理并传送至监控平台；

S2：多级预警：根据蜂箱环境参数的变化，采用DBSCAN聚类算法，基于一组邻域来描述样本集的紧密程度，将蜂农对蜜蜂的关注等级划分为正常、数据波动大和超安全范围三个级别，供蜂农参考，并在出现分蜂趋势时进行报警；实时语音播报，减少蜂农的精力投入；

S3：分蜂预测：根据分析蜂箱内部温湿度的变化以及蜜蜂产蜜速度，采用BP神经网络算法进行分蜂状态等级预测，防止发生分蜂热，预测最佳人工分蜂时间，为蜜蜂提供优良环境，有效降低蜂农的劳动成本。

进一步，步骤S2中，所述蜂箱环境参数包括蜂箱内部温度、湿度、巢脾重量以及蜂箱外部环境温度、湿度的变化速度。

进一步，步骤S2中，将获取的蜂箱环境参数进行解码，生成实时曲线图，便于直观发现异常数据。

进一步，步骤S2中，所述DBSCAN聚类算法具体包括：分别获取包含一天蜂箱内部温度、湿度和巢脾重量变化数据{D}的数据集，参数(δ,MinPts)用来描述邻域的样本分布紧密程度，其中，δ描述了某一样本的邻域距离阈值，MinPts描述了某一样本的距离为δ的邻域中样本个数的阈值，进行数据分析；

具体数据分析情况为：给定对象半径为Ε内的区域称为该对象的Ε邻域；设置半径参数、邻域以及不同簇的个数C代表的情况，包括：如果给定对象Ε邻域内的样本点数大于等于MinPts，则称该对象为核心对象；

对于样本集合D，如果样本点q在p的Ε邻域内，并且p为核心对象，那么对象q从对象p直接密度可达；

对于样本集合D，给定一串样本点p₁,p₂,....,p_n,p＝p₁,q＝p_n,假如对象p_i从p_i-1直接密度可达，那么对象q从对象p密度可达；

存在样本集合D中的一点o，如果对象o到对象p和对象q都是密度可达的，那么p和q密度相联；