蜂群箱体关键参数在线监测系统与性能测试

　　摘要: 随着信息技术的发展，利用大数据分析、物联网监控、传感器感知、无线通信等技术构建一种蜂箱蜂群实时在线监测系统，是减少因开箱检查造成蜂群应激反应的可行解决方案。本研究针对蜂箱封闭环境进行实时监测困难的现状，利用STM32F103VBT6 32位微控制器，同时融合了温湿度传感器、微麦克风以及激光对射传感器，开发了一套低功耗、可连续工作的蜂群箱体关键参数在线监测系统，实现了养蜂生产过程中多参数信息获取以及蜂箱内蜂群的环境参数和生活状态的实时在线监测。系统主要包括核心处理模块、数据采集模块、数据发送模块以及数据库服务器等。数据采集模块包括蜂箱内部温湿度采集单元、蜂群声音采集单元、蜜蜂进出巢数量计数单元等，通过接入移动通信网络进行数据传输。系统现场部署性能测试结果表明，研制的系统能够实时监测蜂箱内温湿度，有效区别进出蜂箱的蜜蜂并记录进出巢门的蜜蜂数量，且自动获取的蜂群声音与标准的蜂群声音分布相吻合。本系统符合设计要求，采集参数准确可靠，可以作为蜂群相关研究的数据采集方法。

　　本文源自智慧农业(中英文)【2020年第2期】《智慧农业(中英文)》(季刊)是国家新闻出版署批准、国内外公开发行的农业工程类学术期刊，由中华人民共和国农业农村部主管，中国农业科学院农业信息研究所主办，《智慧农业(中英文)》编辑委员会学术指导，《智慧农业(中英文)》编辑部编辑出版。

　　关键词: 蜂群箱体;STM32单片机;在线监测;传感器;农业物联网

　　1 引 言

　　中国从20世纪30年代开始现代化人工养殖蜜蜂，并不断引入国际上普遍养殖的意大利蜂种现代活框饲养技术，目前已成为世界养蜂第一大国，2017年蜂群数量达920万群[1]。蜜蜂是社会性群体昆虫，它们通常共同生活在高度复杂的社会公共群体中。蜜蜂群体具有一套完善的信息交流方式，主要包括化学、声音和舞蹈等。蜂箱是蜜蜂群日常活动的场所，蜂箱内部温湿度、空气流通度和蜜蜂群体声音变化都直接影响蜂群的健康情况、出巢工蜂数量、出勤采集花蜜和采集水分的比例以及蜂群繁殖等[2,3]，尤其是蜂箱内温湿度，是影响蜜蜂生活最大的环境因素。通过了解内部信息，监测蜂箱内蜜蜂生活环境，可以掌握蜜蜂生产的动向，及时向蜂农传递蜂群信息并进行相关处理，有效地管理蜂群，以保障蜜蜂的正常生长和生产[4]。

　　经常性地人工开箱检查蜂箱，会引起蜂箱内蜂群的应激反应。随着信息技术的快速发展，利用大数据分析、物联网监控、传感器感知、无线通信等技术构建一种蜂箱蜂群在线监测系统，实时采集蜂群内的信息，包括温度、湿度、数量、重量、气体成分、声音等[5]，是减少蜂群应激反应的可行解决方案。

　　自60年代开始，国外借助听测仪，即蜂群声音分析仪来监控分蜂。Cejrowski等[6]利用支持向量机(Support Vector Machine，SVM)算法和C分类法监测了分蜂前21天、前8天和前1天时蜂群所发出不同的声音强度分别在240、270和300 Hz的变化，以便养蜂者及时采取措施，降低蜂群的分蜂性，提高蜂群的生产能力。2007年比利时碧奥特公司开发的Api SCAN-Plus型蜜蜂计数器，可跟踪2个分别带有独立检测模块蜂箱的蜜蜂活动规律，但该系统不是实时在线监测系统。Murphy等[7,8]提出使用无线传感器网络(Wireless Sensor Network，WSN)收集蜂群的活动和环境关键信息，并评估蜂群健康状况，通过分析采样数据预测外部局域短期气象条件，观察到巢内二氧化碳水平变化方式和天气模式相关。加拿大Simon Fraser University开发出装有传感器的监测系统监测蜂箱内声音、振动、温度和湿度等相关信息，从而使得养蜂人可以迅速作出反应[9]。马德贵等[10]通过利用温湿度探头，结合PTR8000+无线数据传输模块完成蜂箱多点温湿度数据的远程传输，开展了多个养蜂箱内的温度和湿度相关信息的实时采集和数据传输工作。谭庆忠[11]研制了蜂箱数字化智能监控系统，设计了温度采集和图像处理功能模块以及各种接口，可做到无人值守式监测蜂箱内环境情况。黄洪云[12]发明并公开了一种基于自动温控系统的智能太阳能养蜂箱，蜂箱包括温度控制器、箱体和太阳能电池板等，可使用太阳能发电，智能控制温度，有效地维护蜜蜂生存环境，给蜂农带来方便和效益。柴秋子等[13]基于MSP430超低功耗单片机研究了设施草莓环境的蜜蜂蜂群计数监测系统，利用红外光电传感器单独感应蜜蜂进出巢的方向，可在线统计蜜蜂进巢和出巢的频率，进而研究蜜蜂活动规律。张江毅等[14]通过采集蜂群在蜂巢中的图像信息，识别蜂群的行为和生存状态，并结合光电传感器识别蜂群进出蜂巢数量的变化，综合判断蜜蜂的行为。张晓青和冯奇杰[15]设计了基于物联网技术的蜂箱管理系统，实现在线实时采集蜂箱温湿度和蜂蜜的重量，该系统也能定时清洁蜂箱内蜜蜂残余物，并且当蜂蜜重量出现异常时发出防盗报警，解决了养蜂户工作效率低、养蜂规模扩大难的问题。

　　蜂箱与蜂群的信息自动采集与分析，是近30年来科学工作者的努力的目标，并取得了部分成果，但大多数集中在对蜂箱内温度、湿度、蜂群的量采集与检测方面，而对于蜂群而言，声音、进出数目等都是蜂群的综合信息表现[16]。随着信息技术的快速发展和应用，智能化获取与检测手段越来越成熟。本研究基于物联网技术，根据蜜蜂的生物学特性，构建了低功耗、可持续工作的蜂群箱体关键参数在线监测系统，同时融合了温湿度传感器、微麦克风以及激光对射传感器等，利用多感知源数据融合分析方法实时监测箱内蜂群活动。其中，声音数据实时存储后与温湿度数据和蜜蜂进出巢数目等数据融合，通过移动通信网络无线传输到远程服务器，避免了对蜂群造成干扰。本研究可保障蜂箱信息采集工作能够连续进行，以便蜂农实时获取蜂箱及蜂群信息，帮助其作出蜂群养殖科学决策。

　　2 系统总体设计

　　蜂群箱体关键参数在线监测系统设计目标是采集蜂群中的各种参数，为后续分析蜂群状态做前期的数据积累。为了不影响蜂群正常的活动，通常将传感器放置在蜂箱内特定位置，不需要人工打开蜂箱查验而监测蜂箱及蜂群信息，即“非入侵的嵌入式方法”[15]。使用嵌入式方法监控蜂群的优点主要包括：①不干扰蜂群正常生理活动;②功耗小，连续工作时间长;③可靠性高，体积小，易于操作;④成本低。

　　2.1　系统设计思路

　　本研究采用模块化系统电路设计方式，使得系统设计更加简单、模块之间干扰更小、系统功耗更低，有利于整个系统的维护。系统主要包括核心处理模块、数据采集模块、数据发送模块以及数据库服务器等。系统原理框图如图1所示。

　　图1　蜂群箱体在线监测系统原理图

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

　　系统采用STM32F103VBT6单片机为控制芯片，功耗约700 mW，采用外接12 V直流电供电，外围设备为温湿度传感器、射频传感器和微麦克风等。通过数据发送模块上传温湿度数据到数据库，音频数据可以保存在本地SD存储卡(Secure Digital Memory Card)中，以便后续进一步分析蜂群状态。为了能够实时地了解蜂群的状态，系统增加了液晶显示器(Liquid Crystal Display，LCD)显示模块，方便蜂农在现场能一目了然地掌握蜂群的真实环境。本设计参考了廖建军等[17]基于WSN的蜂群监测系统研制与性能测试功能，利用WSN技术在不干扰蜂群状态的前提下进行有效监测。利用本地数据库存储数据，实现采集数据的高效管理。

　　2.2　数据库设计

　　系统的服务器数据库基于SQL Server开发，采用戴尔(DELL)塔式服务器电脑主机T140 E-2224 4核心,3.4 GHz 32 G内存,4 T硬盘SAS|H330。除了音频数据量较大，采用本地存储外，其他参数数据都实时上传到服务器数据库端。这些数据都汇总到DTU(Data Transfer unit)节点，通过DTU无线传输节点，利用移动通信信号，将数据传输到数据库。网页端从数据库读取数据，通过网页端实时可视化采集的蜂群数据，并实现近期数据浏览和历史数据下载等功能，帮助用户实时掌握蜂箱中蜂群的各种参数。数据库部分内容如图2所示。

　　图2　数据库数据存储示意图

　　Fig. 2 Schematic diagram of database data storage

　　3 系统数据采集与传输控制

　　系统数据采集与传输控制是蜂群箱体关键参数在线监测系统的关键部分，通过多源传感器以及移动通信网络实现蜂箱内环境与蜂群活动智能监测，进而对目标蜂场的各蜂箱环境温湿度和蜂群声音强度参数进行实时采集与远程传输。系统数据采集与传输控制包括3个模块，即系统核心处理模块、数据采集模块和数据远程传输模块。

　　3.1　核心处理模块

　　目前通常采用51、AVR、DSP、STM32和FPGA等芯片进行嵌入式开发。这些芯片在功耗、速度、内存上参差不齐，各有所长。针对蜂群监测系统的实时性和低功耗的要求，本研究选择了STM32系列微控制单元(Microcontroller Unit，MCU)作为处理器。与其他的单片机相比，STM32系列主要有以下优点。

　　①先进的内核架构。STM32系列采用ARM(Advanced RISC Machines)最新的、最先进机构Cortex-M3内核架构，通过ICode，DCode，System总线与外设进行连接。

　　②具有3种低功耗模式。拥有复杂、精细控制的时钟树，实时性好。

　　③丰富合理的外设。具有端口复用的功能。

　　④有自己的固件库，可加速开发。

　　低功耗的STM32F103VBT6是32位微控制器，采用LQFP-100封装，工作电源电压为2~3.6 V，工作温度为-40~85℃，程序存储器为128 kB，RAM(Random Access Memory)数据大小为20 kB，最大时钟频率为72 MHz，支持接口包括CAN、I2C、SPI、USART和USB。由于系统外部器件需要5和3.3 V电源，因此系统采用5 V供电，支持USB适配器或充电宝供电。为方便室外使用，同时又设计了12 V转5 V电路，以支持12 V适配器供电方式。电源管理电路如图3所示。

　　图3　电源管理电路

　　Fig. 3 Power management circuit

　　系统主控制芯片采用STM32F103VBT6，具有高性能ARM®Cortex®-M332位RISC内核(精简指令集计算机)，高速嵌入式存储器(闪存128 kB，SRAM 20 kB)。该微处理器工作频率最高可达72 MHz，芯片内双RC晶振频率为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的实时时钟。芯片内SRAM为64 k，芯片闪存为512 k以及支持在线编程。STM32F103VBT6具有100个I/O口和3个16通道的12位模数转换器，2通道的12位DA转换器，12通道直接存储器存取DMA控制器，可满足蜂箱内环境温湿度与声音监测处理需求。

　　为了保证数据采集各核心单元有充足的供电，当进行温度转换或拷贝数据到电可擦编程只读存储器EEPROM时，必须给单总线一个强上拉，否则由寄生电源供电时温湿度转换会丢失返回值。所以使用漏极开路把I/O直接拉到电源上来提供足够电流。

　　3.2　数据采集模块

　　3.2.1　蜂箱内部温湿度采集单元

　　系统使用一体化的SHT20温湿度传感器。该传感器采用聚乙烯(PE)材料防水外壳，适用于户外和高湿度，可有效提高传感器的使用寿命。485数字通讯传感器接口为4线，电源输入5~12 V直流电压(无正负方向，正负极连接均工作正常)。温度测量范围为-40~120℃，温度误差为±0.1℃;湿度测量范围为0%~100%RH，湿度分辨率为0.1%RH。

　　SHT20温湿度传感器预备了一种信号指示电源的使用意图。如果总线被拉低，总线控制器就需要在温度转换时对单总线提供强上拉。

　　为能实时在线监控蜂箱内温湿度，更好地管理蜂群，采用LabVIEW来编写监测蜂箱内温湿度的上位机采集程序。蜂箱温湿度监控系统结构见图4所示。图中总线控制器发出一个Skip ROM指令，然后发出读电源指令，这条指令发出后，控制器发出读时序，寄生电源会将总线拉低，而外部电源会将总线保持为高位。如果总线被拉低，总线控制器就会知道需要在温度转换期间对单总线提供强上拉。

　　图4　蜂箱温湿度监控结构图

　　Fig. 4 Beehive temperature and humidity monitoring structure chart

　　SHT20温湿度传感器模块的通讯接口电路如图5所示。

　　图5　SHT20温湿度传感器接口电路

　　Fig. 5 Interface circuit of SHT20 temperature and humidity sensors

　　3.2.2　进出巢蜜蜂数量计数单元

　　进出巢蜜蜂数量计数单元采用两对E3F-20C1/20L激光对射传感器，检测距离为(20±5) m，响应时间为2.5 ms，工作频率为50~60 Hz，监测的物体必须是大于1 mm的不透明的物体。该传感器为NPN常开型，工作电压为6~36 V，可满足本研究记录爬行中的蜜蜂数量的需求。

　　激光对射传感器在接收端采用三线，在发射端采用两线，NPN常开，工作电压为6~36 V，接线图如图6所示。

　　图6　激光对射传感器接线图

　　Fig. 6 Wiring of the laser beam sensor

　　激光对射有如下特性：当处于正常状态时，发射端发射光束，接收端能够接收光束;当光束被物体遮挡后，接收端不能正常接收，此时，接收端就会触发一个信号，从而接收端口捕捉到这个触发信号。如图7所示。

　　图7　激光对射原理图

　　Fig. 7 The principle diagram of laser beam

　　蜜蜂进出巢计数任务利用两对激光传感器融合作用的原理实现，如图8所示。其中IN表示巢内，OUT表示巢外。该装置部署在蜂箱中的进出口出，蜂箱设有一个蜜蜂通道，靠触发传感器的先后次序来判断蜜蜂爬行的方向。当蜜蜂从OUT向IN运动时，首先触发对射1中断，再触发对射2中断，此时变量NumberIn加1(见图8(a))。同理，当蜜蜂从IN往向OUT运动时，首先触发对射2中断，再触发对射1中断，此时变量NumberOut加1(见图8(b))。由此完成蜜蜂进出巢的计数功能，并将数据发送给RS232串口。

　　(a)　蜜蜂进巢计数

　　(b)　蜜蜂出巢计数

　　图8　蜜蜂进出巢计数原理图

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

　　3.2.3　蜂群声音采集单元

　　该单元采用全指向的HC-4052专业麦克风，频率响应范围为20 Hz~20 kHz，灵敏度范围为(-46±2) dB，信噪比大于63 dB，咪头尺寸为4.0 mm×1.5 mm，能够方便地放入蜂箱中任何位置，有利于采集蜂群的声音。

　　蜂群声音采集任务包括配置WAVE头格式和目标数据写入两部分。WAVE是常用的音频文件格式，一个WAVE文件是由RIFF WAVE Chunk、Format Chunk、Fact Chunk(可选)和Data Chunk等若干个Chunk组成的。通过配置*.wav文件头格式来设定采样音频文件的格式。本系统音频文件按照16 bits、脉码调制录音(Pulse Code Modulation，PCM)模式、单通道、8 kHz采样频率、MIC接入方式进行采样，头文件采用小端模式，采集数据按照大端模式。将麦克风采样的数据添加到头文件的后面，形成wav音频文件。每个音频文件的采集时间为42 s(100页，其中页为内存管理大小单位)，采用串行外设接口(SPI)协议，将该wav文件保存到本地SD存储卡后进行远程无线传输。

　　3.3　数据远程传输单元

　　为实现远程监测并达到无人值守的目的，需要将现场采集的数据实时传送给蜂农，以便实时了解蜂群状态。数据无线传输有多种方式，包括ZigBee、蓝牙、移动通信网络和Wi-Fi等，在传输距离和传输速度上各有优缺点[18]。其中移动通信具有实时性强、可对设备进行远程控制、建设成本少低、监控范围广、具有良好的可扩展性、系统的传输容量大、数据传送速率高和通信费用低等特点及优势。由于蜂箱放置在户外，为保证数据可靠地传输，本系统采用厦门才茂通信科技有限公司的CM3150P GPRS DTU数据传输模块，包括移动GPRS网络和RS232串口，工业级设计，可实现TCP/UDP透明数据传输，完成监测数据远程无线传输和实时传送。

　　通过ZigBee模块进行现场蜂箱内温湿度数据的近距离传输与汇聚，无线收发模块将接收到的温湿度数据通过串口传给微控制器，微控制器将接收到的数据编码后，采用GPRS DTU模块进行远程数据发送，采用微控制器控制采集节点数据接收与GPRS模块远程数据发送，经GPRS模块远距离发送至计算机子系统。现场采用人机交互模块实时显示节点环境信息和设置工作参数，通过LCD显示模块实时显示来自所有子节点的采集数据，并进行数据校验和组包发送。

　　音频采用PCM压缩编码格式，ARM+DSP达芬奇架构的高性能处理器配合相应的音频编解码功能模块进行音频数据处理，实时音频数据传输基于实时传输协议(Real-time Transport Protocol，RTP)和RTCP (RTP Control Protocol，RTCP) 控制协议，确保网络传输的实时性和稳定性。蜂箱内采用戴尔 OptiPlex 7060微型工控机连接微型麦克风，将微型麦克风放置在蜂箱内部，工控机使用客户端Python脚本程序，从微型麦克风每秒采集一次声音数据，并生成音频文件，存储在本地SD存储卡中进行实时缓存，而后通过Python进行WebSocket网络编程，实现客户端与服务器间的全双工通讯，进而通过无线网络实时与服务器上位机软件和数据库保持连接，并将生成的存储SD卡中的wav音频文件通过4G无线网络发送至服务器数据库中，实现蜂箱内蜜蜂声音文件的远程传输与存储。

　　4 监测系统性能测试

　　为研制监测系统的功能和性能，通过现场部署方式对系统进行测试。主要从系统功能、基于温湿度数据的稳定性、基于进出巢蜜蜂数量数据可靠性、基于蜜蜂音频数据可靠性等方面进行。

　　4.1　现场部署功能测试

　　为开展试验，课题组饲养了3箱蜜蜂。实验地点为合肥科学岛西郊(117.17°E，31.91°N)，测试时间为2019年11月—2020年6月，此期间外界气温较低，便于监测蜂箱内蜂群的温湿度状态。此外，这个阶段只有少数作物开花，蜂群采粉活动减少，蜜蜂出入蜂巢数量少，便于监测和采集进出蜜蜂，适合进行实验。蜂箱及系统部署如图9所示。

　　注： 1.监测系统 2.蜂箱

　　图9　蜂箱及系统部署图

　　Fig. 9 Deployment diagram of the system and beehive

　　监测系统部署之后，开始采集蜂群中的各种参数(图10)。其中温湿度数据上传到数据库，音频文件保存在SD存储卡后进行远程无线传输，连续采集30天。系统可正常采集数据，证明设计功能实现。通过分析采集数据的合理性来对监测系统的性能进行评估。数据的合理性主要是参考蜂群的生物习性及相关参考文献。

　　图10　系统实际监测界面

　　Fig. 10 Interface of system monitoring

　　4.2　基于温湿度数据的稳定性分析

　　为了测试系统的稳定性和可靠性，将蜂箱内环境温湿度传感器与终端ZigBee节点连接装在蜜蜂监测点，终端节点采集环境温湿度数据后，每发送数据后，便自动进入休眠模式，收到采集指令后恢复，再次采集数据，连续监测一个月(2020年5月20日—6月20日)。网关节点显示接收到的数据信息并将接收到的数据通过串口上传到工控主机。试验数据表明，系统在连续监测的1个月内，终端节点每天发送的环境温湿度数据各24组，协调器都能实时地接收，丢包率为零，而且采集的数据值精确可靠。

　　在蜂箱中，当温度较高时，蜂群中的蜜蜂通过煽动翅膀给周围环境降温;而当温度较低时，蜜蜂则通过抱团的形式产热，以确保蜂箱内温湿度相对稳定[18]。利用蜂群此习性，采集2020年6月20日温湿度数据日变化对系统采集数据准确性进行评估(如图11所示)。具体评估方法和评估结果如下。

　　a)波动极差：蜂群内温度波动幅度(max-min极差)为3.8℃，湿度波动幅度为16.9%RH，因此仅仅利用极差来衡量数据的离散程度不合理，很容易受到极值的影响。较大的温度波动应是蜂群本身活动造成的[19]。

　　b)变异系数：由于温度和湿度数据的量纲不同，要考虑消除量纲影响，采用变异系数(Coefficient of Variation，C.V)来评定数据的离散程度[19]。C.V为原数据标准差与原数据平均值的比值。变异系数的运算公式为：

　　C.V =(BD/MN)×100% (1)

　　其中，C.V代表变异系数;BD代表温湿度标准差;MN代表温湿度平均值。

　　根据测试数据，箱内温度C.V约为0.0375，湿度C.V约为0.0852。温湿度C.V虽存在差异，但值均较小，表明监测结果具有相对稳定性[20]。这说明试验结果与蜂箱内环境预期是一致的，表明本系统在实时监测蜂箱内温湿度方面是可行的。

　　图11　蜂群巢内温湿度监测结果

　　Fig. 11 Monitoring results of temperature and humidity in beehive

　　4.3　基于进出巢蜜蜂数量的数据可靠性分析

　　利用本系统的进出巢蜜蜂数量计数单元，采集得到进出巢蜜蜂数量数据，其日变化如图12所示。可以看出，随着监测时间推移，出巢蜜蜂数量比进出蜜蜂数量略有增加，即少数蜜蜂出巢后没有返巢，可能是因为死亡或迷失方向不能返巢等。

　　图12　蜜蜂进出蜂箱监测结果

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

　　为了得出蜜蜂的活跃性和温度之间的关系，拟合蜜蜂进出巢数据曲线和温度数据曲线，得到图12中红线，从红线的斜率可以看出，在同一天中，当温度较高时蜜蜂的活跃性更高，蜜蜂进出巢的趋势和温度成正比关系，基本符合蜜蜂进出巢的规律;对12:30、13:30、14:30和15:30四个时刻监测数据进行重复测量方差分析，进出巢蜜蜂数量在这四个时刻没有显著差异(p=0.0398，<0.05)。此结果表明，研制的系统可有效区别进出蜂箱的蜜蜂并记录进出巢门的蜜蜂数量。

　　4.4　基于蜜蜂音频数据的可靠性分析

　　从文献[17]中可得知，蜂群声音频率范围在100~700 Hz，具有3~4个波峰，如图13所示。

　　图13　蜂群音频波形图

　　Fig. 13 Audio waveform of bee colony

　　从本地SD存储卡中读取音频数据，简单地对数据进行傅里叶变换，将音频数据变换到频域以获得频率分布图，其公式为：

　　‘、;

　　其中，

　　?

　　

 

　　表示傅里叶变换之后的结果。

　　利用相关函数做音频信号的频谱图，如图14所示。从此波形图可看到有4幅波峰，分别分布在110 Hz、240~260 Hz、350 Hz、500 Hz处，表明在线监测系统自动获取的蜂群声音与标准的蜂群声音分布相吻合，可供后续相关研究分析。[21]

　　图14　实验蜂群音频波形图

　　Fig. 14 Audio waveform of experimental bee colony

　　5 结 论

　　本研究设计了一种基于信息技术技术的低功耗、可持续工作的蜂群实时在线监测系统，采用了温湿度传感器、微麦克风以及激光对射传感器，实现了蜂箱内温湿度、进出巢数量、声音等参数的实时在线监测。系统可实现蜂群音频数据的本地存储，蜂箱的温湿度数据无线传输到远程服务器。性能测试结果表明系统可准确采集蜂箱环境温湿度、蜂群声音、蜜蜂进出巢数目等信息。系统符合设计要求，采集参数准确可靠，可以作为蜂群相关研究的数据采集方法。

　　本研究目前不足之处是监测系统采集到的音频数据中包含白噪声，这些噪声对后期的数据处理有干扰，可能还会影响识别的精度。后续将深入研究音频信号中包含的噪声成分，并选用合适的滤波方法进行去噪。