diagnostirovanie-sostoyaniy-pchelinyh-semey-po-izdavaemomu-imi-akusticheskomu-shumu
реклама
ПРОБЛЕМЫ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ISSUES OF AGRICULTURE Статья поступила в редакцию 09.10.14. Ред. рег. № 2109 The article has entered in publishing office 09.10.14. Ed. reg. No. 2109 УДК 681.3 ДИАГНОСТИРОВАНИЕ СОСТОЯНИЙ ПЧЕЛИНЫХ СЕМЕЙ ПО ИЗДАВАЕМОМУ ИМИ АКУСТИЧЕСКОМУ ШУМУ А.Ф. Рыбочкин, Ш.А. Мохсен Юго-Западный государственный университет 305040 Курск, ул. 50 лет Октября, д. 94 Тел.: 8-951-338-73-13, 8-920-729-09-96 E-mail: Anat_ryboch@mail.ru, shamsan84@mail.ru Заключение совета рецензентов: 15.10.14 Заключение совета экспертов: 20.10.14 Принято к публикации: 25.10.14 Информационные составляющие, которые содержит акустический шум пчелиных семей, являются источником информации о каждой пчелиной семье. Установлено, что акустический шум каждой пчелиной семьи индивидуален. Решение задачи декодирования информационных составляющих акустического шума пчелиных семей является актуальной задачей. Решение этой задачи и наработанный опыт может быть применен при декодировании состояний любых объектов, издающих акустический шум. Помимо индивидуальных составляющих акустического шума пчелиных семей, можно выделить классы состояний, которые являются общими. Первыми были работы Е.К. Еськова, который начал проводить классификацию состояний пчелиных семей. Им было проведено детальное исследование спектрального состава звукового сигнала пчелиной семьи. Однако его методы исследований хотя и позволяют судить о характерных состояниях пчелиных семей, но не решают вопросы состояний в сложных вариациях и взаимодействиях звуковых сигналов пчелосемей. Также стоит учесть, что методы, применяемые для распознавания состояний пчелиных семей, в основном строятся на основе опыта и знаний пчеловода и зачастую носят субъективный характер. Таким образом, в процессе работы с пчелами отдельные виды состояний пчелиных семей могут остаться без внимания, а их обнаружение потребует больших трудозатрат. Следует также учесть, что из-за недостаточности и несвоевременности контроля за жизнедеятельностью пчелиных семей стал наблюдаться так называемый коллапс пчелиных семей – пчелы в основном осенью улетают из улья погибать. В данной работе рассмотрена возможность комплексной диагностики состояний пчелиных семей, а именно: распознавание их многочисленных состояний, объединяемых в классы, путем анализа издаваемого ими акустического шума. Такой способ позволит более достоверно диагностировать состояния пчелиных семей с меньшими трудовыми затратами и выявлять причину поведения пчелиной семьи на текущем этапе ее жизнедеятельности. Ключевые слова: пчелы, состояния, распознавание, образы спектров, кодовые сообщения, класс состояний. DIAGNOSING THE STATE OF BEE FAMILIES ON PRODUCED BY THEM ACOUSTIC NOISE A.F. Rybochkin, Sh.A. Mohsen South-West State University 94, 50th Anniversary of October str., Kursk, 305040, Russia Tel.: 8-951-338-73-13, 8-920-729-09-96 E-mail: Anat_ryboch@mail.ru, shamsan84@mail.ru Referred: 15.10.14 Expertise: 20.10.14 Accepted: 25.10.14 Information component, which contains the acoustic noise of bee colonies, is a source of information about each of the bee family. It is found that the acoustic noise of each individual bee family. Solution of the problem of decoding the information constituting the acoustic noise of bee colonies is an urgent task. The solution to this problem, and the experience gained can be applied in the decoding states any object produces an acoustic noise. In addition to the individual components of the acoustic noise of bee colonies, one can distinguish classes of states that are common. The first were the work Eskova E.K. [1], who began to classify the states of bee colonies. They carried out a detailed study of the spectral composition of the sound of the bee colony. However, his research methods though and allow to judge the characteristic state of bee colonies, but do not solve the issues of states in complex variations and interactions beeps colonies. International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 123 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 Проблемы агропромышленного комплекса Also worth considering that the methods used to detect states of bee colonies, mostly built on the basis of experience and knowledge of the beekeeper and are often subjective. Thus, in the process of working with bees in certain types of states of bee colonies can be overlooked, and their detection will require much labor. It should also be noted that due to insufficient and untimely monitoring vital functions of bee colonies was observed so-called collapse of bee colonies - bees mostly autumn fly away from the hive to die [2]. In this paper we consider the possibility of a comprehensive diagnostic states of bee colonies, namely: recognition of their many states, united in classes by analyzing their published acoustic noise. Such a method will allow more reliably diagnose the state of bee colonies with lower labor costs and to identify the cause of the behavior of the bee colony at this stage of her life. Keywords: bees, status, recognition, images of spectra, coded messages, the class of states. Сведения об авторе: д-р техн. наук, профессор кафедры вычислительной техники ЮЗГУ. Образование: Курский политехнический институт (1976). Область научных интересов: биосистемы, анализ акустических шумов, электрических и температурных полей в улье с пчелами. Публикации: 212 научных работ, 6 монографий, 68 АС, патентов и свидетельств на программы. Анатолий Федорович Рыбочкин Anatoly Fedorovich Rybochkin Information about the author: D. tons. Sc., Professor, Department of Computer Science SWSU. Education: Kursk Polytechnic Institute (1976). Research interests: biosystems analysis of acoustic noise, electrical and temperature fields in the hive with bees. Publications: 212 scientific papers, 6 monographs, 68 inventors' certificates, patents and certificates for the program. Сведения об авторе: аспирант, Юго-Западный государственный университет (Курск). Образование: Юго-Западный государственный университет (2010). Публикации: 18 научных работ, 1 патент на изобретение, 1 свидетельство на программу. Information about the author: Postgraduate, South-West State University (Kursk). Education: South-West State University (2010). Publications: 18 scientific works, one patent for the invention, 1 certificate for the program. Шамсан Ахмед Мохсен Shamsan Ahmed Mohsen В настоящее время состояния пчелиных семей устанавливаются путем осмотра, т.е. путем разборки пчелиного жилища. В зависимости от времени года, вида породности пчел (их злобливости), а также силы пчелиной семьи, особенно осенью, когда они особенно злобливы, трудно получить информацию о состоянии пчелиной семьи. Поэтому становится актуальным контроль за состояниями пчелиных семей по издаваемому ими акустическому шуму. Е.К. Еськовым [1] установлен наиболее информативный частотный диапазон от 60 до 600 Гц. В основном для исследования акустического шума используется спектральный анализ. Исследователи акустического шума пчелиных семей установили, что спектр изменяется, а его составляющие имеют изменяющуюся частоту появления. В работе [2] эти изменения спектра устраняли путем усреднения полученных мгновенных спектров. Это позволяло получать устойчивые информативные признаки, которые затем использовали для построения классов, характеризующих принадлежность их какому-либо состоянию диагностируемого объекта. В.Э. Дрейзин [2], а затем А.Ф. Рыбочкин [3] предложили использовать наиболее информативные частотные полосы. В анализируемом (наиболее информативном) частотном диапазоне 60-600 Гц рекомендовали использовать четыре полосовых фильтра с шириной полосы ∆f = 30 Гц, настроенных на наиболее информативные места данного частотного диапазона, что позволяет значительно упростить программную и аппаратную реализацию диагностируемых устройств. International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 124 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 А.Ф. Рыбочкин, Ш.А. Мохсен. Диагностирование состояний пчелиных семей по издаваемому ими акустическому шуму В ходе исследовательских работ с использованием предложенного метода установлено, что спектр акустического шума пчелиной семьи в течение времени анализа имеет высокую скорость изменения, но гораздо медленнее изменяются формы спектров, характеризующие образы спектров. Поэтому поставлена задача выделить эти образы и использовать их как информативный признак, который будет характеризовать состояние пчелиной семьи по издаваемому ею акустическому шуму [4]. Рассмотрена возможность диагностирования состояний пчелиных семей путем анализа издаваемого ими акустического шума с использованием программы [5, 6]. Акустический шум, снимаемый с помощью выносного микрофона в наиболее информативном частотном диапазоне, выделенном аналоговым полосовым фильтром, от 0 до 1000 Гц [5], поступает на звуковую карту электронно-вычислительной машины. Этот сигнал оцифровывается, а далее с использованием быстрого преобразования Фурье строится спектр с разрешением в 1 Гц. На спектре в наиболее информативных местах [7] задаются частотные полосы с центральной частотой настройки и заданной шириной. В программе предусмотрена возможность устанавливать ширину полос от 2 до 100 Гц. В этих частотных полосах измеряют интенсивности спектральных составляющих c разрешением в 1 Гц, которые суммируются, а затем эта сумма делится на их количество, т.е. вычисляется средняя интенсивность анализируемой полосы частотного спектра. В последующем средние значения интенсивностей анализируются. Наименьшему среднему значению интенсивности присваивается первый уровень, затем отыскивается значение средней интенсивности следующей частотной полосы, превышающее наименьшее среднее значение, ему присваивается второй уровень; таким же образом определяются числовые значения уровней остальных частотных полос анализируемого спектра. Формируется образ спектра, который кодируется двоичным кодом по правилу: сравнивается уровень первой слева по спектру полосы с остальными уровнями полос, если уровень первой полосы превышает уровень сравниваемой полосы, то кодируется двоичной цифрой «1», если не превышает, то двоичной цифрой «0». Такое попарное сравнение в количестве СN2 , где N – количество частотных полос, проводится с остальными частотными полосами. В итоге формируется двоичный код [4]. При анализе акустического шума пчелиной семьи последовательность параллельных двоичных кодов, а также частота их появления создают кодовое сообщение, характеризующее диагностируемое состояние [4]. На базе предлагаемого алгоритма кодирования (рис. 1) разработана программа, которая применяется для регистрации, отображения, анализа и кодирования акустических шумов, записи кодовых сообщений. Программа обеспечивает возможность выбора звуковой карты для ввода потока аудиоданных, разложение входных данных в спектр, определение средних интенсивностей сигнала в четырех частотных полосах. Размещение частотных полос задается оператором-диагностом. Программа осуществляет формирование образов спектров (перестановок), кодирование двоичных и восьмеричных кодов, расчет среднего кода и энтропии кодового сообщения, запись частот выпадения кодов и их последовательности выпадения, отображение входных данных и результатов обработки в режиме реального времени. Рис. 1. Алгоритм формирования образа спектра (перестановки) Fig. 1. Algorithm for the formation of spectrum pattern (transpositions) Для начала анализа акустического шума пчелиной семьи необходимо расположить микрофон внутри улья (обычно под холстик, располагающийся поверх пчелиных рамок), предварительно микрофон поместить в сетчатый колпачок для защиты его от прополюсования, после чего на ПЭВМ необходимо запустить исполняемый файл CodeBee.exe (рис. 2). International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 125 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 Проблемы агропромышленного комплекса Рис. 2. Окно программы для анализа акустического шума: А – осциллограмма входного сигнала; B – осциллограмма спектра входного сигнала; C – бокс управления звуковыми картами; D – боксы настройки фильтров; Е – бокс настроек; F – бокс записи; G – бокс анализа Fig. 2. Appearance of the program for the analysis of acoustic noise: A – waveform of the input signal; B – waveform of spectrum of the input signal; C – box of sound cards management; D – boxes with filter settings; E – settings box; F – recording box; G – box of analysis После запуска программы в боксе управления звуковыми картами в выпадающем списке необходимо выбрать звуковую карту, к которой подключен микрофон, и нажать кнопку «Пуск» (рис. 3). Рис. 3. Выбор работы из списка аудиоустройств Fig. 3. Selecting from a list of the audio При успешном запуске звуковой карты на дисплее начнут отображаться осциллограммы входного сигнала и спектра входного сигнала (рис. 2). В боксах настройки фильтров необходимо установить параметры центральных частот настройки и полос пропускания фильтров, соответствующих наиболее информативным частотным полосам анализируемого акустического шума (рис. 4). В боксе, соответствующем настраиваемому фильтру, в масштабе реального времени отображается текущее значение средней интенсивности спектра в установленном диапазоне частот. International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 126 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 А.Ф. Рыбочкин, Ш.А. Мохсен. Диагностирование состояний пчелиных семей по издаваемому ими акустическому шуму Рис. 4. Интерфейс программы с боксами настройки фильтров Fig. 4. Program interface. Boxes with filter settings На осциллограмме спектра входного сигнала в графическом виде отображаются текущие параметры настройки фильтров и соответствующие им величины средних интенсивностей. В боксе настроек (рис. 5) в поле «Экспертное заключение» вводится описание предполагаемого состояния пчелиной семьи. В поле «Длительность записи», которое принимает значения от 1 до 20 минут, вводится время, в течение которого будет проводиться анализ входного сигнала. С помощью поля «Частота выборки», которое принимает значение от 60 до 600 кодов в минуту, задается количество восьмеричных кодов, которое будет сформировано за 1 минуту во время анализа входного сигнала. Рис. 5. Настройка параметров записи Fig. 5. Setting of the recording parameters Рис. 6. Интерфейс управления программой Fig. 6. Interface of program management International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 127 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 Проблемы агропромышленного комплекса При изменении значения в поле «Пороговая интенсивность» проводится установка пороговой интенсивности (рис. 6), после чего на осциллограмме спектра входного сигнала ненадолго отобразится уровень в графическом виде. С помощью данного уровня устраняются акустические помехи окружающей среды, от которых желательно избавиться. После установок всех необходимых параметров в боксе записи следует нажать кнопку «z» для запуска процесса анализа входного сигнала. По истечени времени, установленного в поле «Длительность записи», кнопка «» сменит внешний вид на «z», что будет сигнализировать о завершении анализа входного сигнала и записи результатов анализа в базы данных программы. Чтобы прервать процесс анализа, не дожидаясь истечения времени, установленного в поле «Длительность записи», следует нажать кнопку «». При установке в боксе записи параметра «Непрерывная запись» анализ входного сигнала будет проводиться непрерывно, при этом результаты анализа будут записываться в базы данных через интервал времени, установленный в поле «Длительность записи». Для остановки процесса непрерывной записи необходимо нажать кнопку «». Рис. 7. Структурная схема системы диагностики состояния пчелиной семьи Fig. 7. Structural diagram of system diagnosis of the condition of the bee family Рассмотрена возможность анализа акустического шума пчелиной семьи с использованием кодовых сообщений на базе вышеприведенной программы [8] с использованием ПЭВМ, представленной на рис. 7. ПЭВМ анализирует акустический шум как непосредственно с пчелиной семьи, так и предварительно записанный на диктофон [8-10]. Программа [5] выделяет из спектров образы спектров и их кодовые аналоги. В течение времени анализа акустического шума, которое составляет n минут, пчеловод получает n одноминутных реализаций (табл. 1). Ввиду нестационарности акустического шума пчелиной семьи каждая реализация i-го состояния пчелиной семьи характеризуется последовательностью случайных чисел. При синхронном считывании с интервалом времени в 1 секунду за одну минуту считывается 60 образов спектров или кодовых аналогов, выпадающих с частотой kij, причем некоторые коды могут выпасть максимальное число раз, а другие – ни разу. Таблица 1 Частоты появлений кодов и их виды для установленных состояний пчелиных семей Table 1 Frequency of occurrences of codes and their types for the defined states of bee families Коды Bj и их виды, kji – частоты появления Bj кодов Cостояния Реализации xi yj B1 B2 B3… …BN!-2 BN!-1 BN! k1 24 b1...bN2 1 А1 А2… …Аn k11 k12 k13… …K1 22 K1 23 2 k21 k22 K23… …K2 22 K2 23 k2 24 n kn1 kn2 kn3… …kn 22 kn 23 kn 24 1 k11 k12 k13… …K1 22 K1 23 k1 24 2 k21 k22 k23… …K2 22 K2 23 k2 24 n kn1 kn2 kn3… …kn 22 kn 23 kn 24 1 k11 k12 k13… …K1 22 K1 23 k1 24 2 k21 k22 k23… …K2 22 K2 23 k2 24 n kn1 kn2 kn3… …kn 22 kn 23 kn 24 Дальнейшая работа с полученными данными может производиться следующими способами. Способ № 1. Отображение состояний пчелиных семей на двумерную плоскость с соблюдением ранжированного размещения кодов. Визуальное выявление принадлежности неизвестного состояния к известному классу состояний по рисунку двумерной плоскости. Табл. 1 делится пополам, и в каждой половине вычисляются математические ожидания частот появлений по каждому Bj коду, затем вычисляются математические ожидания половин. Это и будет координатой для точки состояния, отображающей многомерный вектор признаков – кодов из пространства N! Для того чтобы сформировать класс эталонных состояний пчелиных семей путем анализа издавае- International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 128 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 А.Ф. Рыбочкин, Ш.А. Мохсен. Диагностирование состояний пчелиных семей по издаваемому ими акустическому шуму мого ими акустического шума, необходимо проанализировать акустический шум пчелиных семей со схожими состояниями. Для создания базы данных прослушивались пчелиные семьи с различными состояниями. Далее на двумерной плоскости отображающего экрана построили координатные точки, которые характеризуют состояние пчелиной семьи. В ходе анализов акустического шума пчелиных семей, а также построением точек координат схожих состояний установлено, что точки группируются на близких расстояниях, т.е. формируют класс состояния. Способ № 2. Диагностирование состояний пчелиных семей с использованием вероятностно-ста- тистических методов. Выявление принадлежности неизвестного состояния к известному классу состояний по минимально абсолютной разности: условных вероятностей, условных энтропий. Первоначально необходимо накопить табл. 1 состояний Аi пчелиных семей с ее диагностическими признаками с использованием программы [8]. С применением алгоритма (рис. 8) проводится вычисление координат состояний на двумерной плоскости, осуществляется построение классов состояний, также по последовательности наблюдаемых кодов строятся матрицы состояний, подсчитываются условные вероятности каждого состояния и вероятности состояний Р(Аi). Рис. 8. Алгоритм подготовки данных для диагностирования состояний пчелиных семей Fig. 8. Algorithm preparation of data for diagnosing conditions of bee families С использованием экспериментальных данных определяют апостериорные вероятности P(Bj /Ai), где событие Bj (выпадающий код) произошло при условии, что произошло событие Ai контролируемого состояния диагностируемой пчелиной семьи. Апостериорная вероятность P(Bj /Ai) (Ai – диагностируемое i-состояние, индекс j показывает номер кода от 1 до N!) определяется согласно (1), апостериорная энтропия – согласно (2): ( ) P B j Ai = k ji Li , ( ) k ji j =1 Li H B j Ai = − ∑ log 2 k ji Li L log 2 i . S i =1 S Li . (4) Для вычисления вероятностей появлений Вj кодов Р(Вj) применим формулу P ( Bi ) = ∑ k j S , (5) где ∑ k j – суммарное количество каждого Вj кода (2) Для определения вероятности состояния Р(Аi) применим формулу P ( Ai ) = Li S , q H ( A) = ∑ (1) где Li – количество кодов реализации [2]; N! где S – суммарное количество кодов таблицы известных состояний. Энтропия состояния определяется согласно выражению выборки всех известных состояний. Априорная энтропия Вj кода определяется согласно выражению (3) International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 n! H ( B) = − ∑ j =1 № 18 (158) 2014 129 ∑ k log ∑ k . j S j 2 S (6) Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 Проблемы агропромышленного комплекса Для вычисления условных вероятностей (априорных) Р(Аi /Вj) применим формулу ( ) P Ai B j = k ji ∑ k j . (7) Условная энтропия определяется согласно выражению ( k ji s ) H A B j = −∑ ∑k j =1 log 2 j k ji ∑k . прослушивания пчелиной семьи. Алгоритм подготовки исходных данных для диагностирования состояний пчелиных семей приведен на рис. 8. Далее установление состояния пчелиной семьи осуществляется с применением формулы [10] ( ) (9) Совместная энтропия установленной выборки определяется по формуле q j =1 k ji S log 2 k ji S ( ) P Вj ), (13) а также с применением формулы Р Аi В j = k ji S . H ( AB) = −∑ ( P ( Аi ) () P В j Аi (8) j Совместная вероятность двух событий определяется по формуле ( ) P Аi B j = . (10) С применением (11), (12) проверяется сходимость табл. 1-2: H ( AB) = H ( B ) + H ( A / B ) ; (11) H ( AB) = H ( A) + H ( B / A) . (12) Диагностирование состояния пчелиной семьи осуществляется в течение времени от 3 до 10 минут ( ) m ( ) ( ) H B j Aн = − ∑ p ( Aн ) p B j Aн log 2 p B j Aн . (14) j =1 В ходе исследований для установленных состояний экспертом-пчеловодом наблюдались частоты появлений кодов, табл. 2: 1-4 – пчелиные семьи в рабочем состоянии, носят мед; 5-11 – пчелиные семьи в роевом состоянии; 12-15 – зимуют сильные пчелиные семьи -22 °С; 16-20 – пчелиные семьи тревожит мышь; 21-24 – зимуют средней силы пчелиные семьи -22 °С; 25-28 – зимуют пчелиные семьи небольшой силы -22 °С; 29-30 – подсадка новой матки на одной рамке, здесь же присутствует родная матка; 31-33 – поведение пчел по истечении времени – реакция пчел на другую матку; 34-37 – рамка пчел без матки; 38-40 – реакция пчел на новую матку, матка не принимается; 41-43 – поведение пчел по истечении времени, матка принята. Таблица 2 Частоты выпадения кодов установленных состояний пчелиных семей Table 2 Frequency loss codes established conditions of bee colonies № 04 06 07 14 46 47 54 63 67 74 76 77 1 93 19 42 9 - 10 1 - 1 - 2 5 4 2 73 30 - - 17 - - 15 - - 11 - - 3 111 22 43 11 13 2 - - - - 15 - 5 4 112 18 48 12 16 5 - - - - 7 6 - 5 100 - 3 - - 3 - - - 42 19 31 2 6 135 7 - 4 - - - - - 45 40 33 6 7 80 6 - - 14 - - 25 - - 35 - - 8 91 9 - 8 - - - - - 30 16 26 2 9 100 19 9 - 11 10 - - 2 9 30 8 2 10 69 - - - - - - 2 - - 65 - 2 11 64 - - - - - - - - - 53 - 11 12 95 1 57 1 - 30 5 - - 1 - - - 13 108 13 - 27 15 35 - - - 10 5 - 3 14 91 - 9 30 19 18 - - - 6 5 4 - International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 130 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 А.Ф. Рыбочкин, Ш.А. Мохсен. Диагностирование состояний пчелиных семей по издаваемому ими акустическому шуму 15 97 17 - 33 21 15 - - 1 5 - 3 2 16 100 - 52 - - 16 - - - 32 - - - 17 160 18 - 46 - - - - - 34 - 22 40 18 171 - 29 37 - - - - - 48 - 27 30 19 124 - - 33 - 22 - - - 37 - 32 - 20 158 35 - 37 - 30 - - - 35 - 21 - 21 96 - 13 - - 16 - - - 53 - 12 2 22 86 - 15 - - 19 - - - 32 - 15 5 23 77 - - 25 - 9 - - - 23 - 20 - 24 75 - 17 12 - 8 - - - 14 - 24 - 25 100 - - - - 10 - - - 70 - 17 3 26 100 - - - - 4 2 - - 49 - 41 4 27 94 - - - - 6 5 - - 39 - 30 14 28 77 - - - - 8 4 - - 40 - 25 - 29 103 10 12 11 - 14 8 - - 24 - 15 9 30 82 4 9 8 - 12 7 - - 26 - 9 7 31 45 - - - - 3 - - - 21 - 16 5 32 35 - - - - 2 - - - 16 - 12 5 33 32 - - 4 - 4 - - - 11 - 9 4 34 81 15 19 5 - 6 - - 2 27 - 5 2 35 66 10 7 6 - 13 9 - - 12 - 8 1 36 65 - - - - 11 - - - 29 - 17 8 37 30 - - 6 - - - - - 18 - 4 2 38 25 - - - - 2 - - - 17 - 6 - 39 56 - - - - - - - - 19 8 22 7 40 32 - - - - - - - - 15 3 8 6 41 48 19 - - - 5 - - - 18 - 6 - 42 54 - - 12 - 6 - - - 25 - 11 - 43 57 8 - - - 7 - - - 27 - 15 - Σ 3648 280 384 377 126 361 41 42 6 959 314 565 193 Диагностирование неизвестного состояния пчелиной семьи (табл. 3) проведено с использованием алгоритма рис. 9. Таблица 3 Реализация кодов неизвестного состояния Table 3 The implementation codes unknown state LI 04 06 07 14 46 47 54 63 67 74 76 77 82 20 35 8 1 8 - - 1 - 3 4 2 Определили апостериорную вероятность кодов P(Bj /Aнi) неизвестного состояния по (1). Для кодов, приведенных в табл. 2, по (3) вычислили априорные вероятности Р(Вj) Вычисленное значение апостериорной вероятности P(Bj /Aнi) неизвестного состояния пчелиной семьи и вычисленную априорную вероятность Р(Вj) по данным табл. 2 подставляем в (5). Вероятности P(Ai) известных состояний пчелиных семей нам известны, используя данные, приведенные в табл. 2, и вычисленную апостериорную вероятность неизвестного состояния по (5), осуществляем вычисление условных вероятностей состояния пчелиной семьи Р(Аi /Вj). International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 131 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 Проблемы агропромышленного комплекса Рис. 9. Алгоритм диагностирования состояния пчелиной семьи Fig. 9. Algorithm for diagnosing the state of the bee family International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 132 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 А.Ф. Рыбочкин, Ш.А. Мохсен. Диагностирование состояний пчелиных семей по издаваемому ими акустическому шуму Используя данные известных состояний, приведенные в табл. 2, вычисляем апостериорные вероятности Р(Аi /Вj) выбранного кода по (4). Рис. 10. Классы состояний пчелиных семей Fig. 10. Classes of states of bee families Проводим вычисление разности условных вероятностей Р(Аi /Вj), вычисленных по (4) и (5) Р(Анi/Вj) – – Р(Аi/Вj) = ∆ij для каждого Вj кода состояния. Для каждого состояния вычисляется средняя разность условной вероятности состояния. Та средняя раз- ность условных вероятностей ∆i, которая окажется наименьшей, будет соответствовать состоянию, приведенному в табл. 2. Таким образом, мы диагностируем состояние пчелиной семьи. Выдача диагностических сообщений выдается на дисплей компьютера как в виде таблиц, в виде рисунков классов состояний (рис. 10), так и в виде текста, описывающего состояние пчелиной семьи. В ходе проведенных вычислений с использованием (4) и (5) анализировалась принадлежность неизвестного состояния к известному состоянию, приведенному в табл. 2. Абсолютная средняя погрешность в принятии решения в принадлежности к первому состоянию ∆1 = 0,006, тогда как при проверке принадлежности к остальным состояниям абсолютная средняя погрешность приведена в табл. 4. С применением (14) была вычислена апостериорная энтропия неизвестного состояния, которая составила H(Bj /Aнi) = 0,0585676 бит, тогда как апостериорная энтропия известного первого состояния составила H(Bj/Aнi) = 0,058343 бит, т.е. минимальная разность равна 0,0002246 бит, что указывает на принадлежность неизвестного состояния к первому состоянию, приведенному в табл. 2. Из всех приведенных средних абсолютных погрешностей условных вероятностей ∆P(Bj /Ai) наименьшая относится к первому состоянию. Таблица 4 Т а б л и ц а а б с о л ю т н ы х п о г р е ш н о с т е й у с л о в н ы х в е р о я т н о с т е й ∆P(Bj /Ai) п р и н я т и я р е ш е н и я в принадлежности к состоянию Table 4 T a b l e a b s o l u t e e r r o r s o f c o n d i t i o n a l p r o b a b i l i t i e s ∆P(Bj /Ai) d e c i s i o n o f b e l o n g i n g t o t h e s t a t e Δ 1 := 0.006 Δ 12 := 0.046 Δ 23 := 0.036 Δ 34 := 0.024 Δ 2 := 0.061 Δ 13 := 0.053 Δ 24 := 0.029 Δ 35 := 0.04 Δ := 0.035 Δ 14 := 0.049 Δ 25 := 0.045 Δ 36 := 0.03 3 3 Δ 15 := 0.035 Δ 26 := 0.052 Δ 37 := 0.014 4 := 0.035 Δ := 0.035 Δ 27 := 0.058 Δ 38 := 0.012 16 Δ 28 := 0.044 Δ 39 := 0.03 17 := 0.08 Δ 29 := 0.054 Δ 40 := 0.017 18 := 0.08 Δ 30 := 0.045 Δ 41 := 0.019 19 := 0.061 Δ 31 := 0.022 Δ 42 := 0.025 Δ 32 := 0.018 Δ 43 := 0.024 Δ 33 := 0.015 Δ Δ Δ Δ Δ Δ Δ Δ := 0.048 5 := 0.067 Δ := 0.096 Δ 8 := 0.041 Δ 9 := 0.037 10 := 0.048 Δ 11 := 0.126 Δ 6 7 Δ 20 := 0.07 21 := 0.04 22 := 0.037 International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 133 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 Проблемы агропромышленного комплекса Таблица 5 Т а б л и ц а а б с о л ю т н ы х п о г р е ш н о с т е й у с л о в н ы х э н т р о п и й ∆H(Bj /Ai) п р и н я т и я р е ш е н и я в принадлежности к состоянию Table 5 T a b l e a b s o l u t e e r r o r s c o n d i t i o n a l e n t r o p i e s ∆H(Bj /Ai) d e c i s i o n o f b e l o n g i n g t o t h e s t a t e Из всех приведенных абсолютных погрешностей ∆H(Bj /Ai) наименьшая относится к первому состоянию (табл. 5). На рис. 10 показано расположение неизвестного состояния, видно, что оно находится в непосредственной близости к первому состоянию. Таким образом, рассмотрена возможность диагностирования состояний пчелиной семьи на основе анализа издаваемого ею акустического шума в частотном диапазоне 60-600 Гц с использованием кодовых со- общений, а также возможность накапливать классы состояний. Три варианта принятия решения повышают достоверность распознавания. Пчеловод сможет самостоятельно наращивать таблицу состояний, увеличивать возможности распознавания состояний пчелиных семей. Такая возможность диагностирования состояний пчелиных семей существенно снизит трудозатраты на пасеке при работе с пчелами. Список литературы References 1. Еськов Е.К. Акустическая сигнализация общественных насекомых. М.: Наука, 1979. 2. Патент № 2167518 А01К 47/00, G08C 23/02. Способ определения информативности спектральных составляющих акустического сигнала пчелиных семей при распознавании их состояний / Дрезин В.Э., Рыбочкин А.Ф., Захаров И.С. // Опубл. 27.05.2001. Бюл. 15. 3. Патент № 2287138 G01H 17/00, A01K 55/00. Способ определения информативных частотных полос акустического сигнала пчелиных семей при распознавании их состояний / Рыбочкин А.Ф. // Опубл. 10.11.2006. Бюл. 31. 1. Es'kov E.K. Аkustičeskaâ signalizaciâ obŝestvennyh nasekomyh. M.: Nauka, 1979. 2. Patent № 2167518 А01K 47/00, G08C 23/02. Sposob opredeleniâ informativnosti spektral'nyh sostavlâûŝih akustičeskogo signala pčelinyh semej pri raspoznavanii ih sostoânij / Drezin V.È., Rybočkin А.F., Zaharov I.S. // Opubl. 27.05.2001. Bûl. 15. 3. Patent № 2287138 G01H 17/00, A01K 55/00. Sposob opredeleniâ informativnyh častotnyh polos akustičeskogo signala pčelinyh semej pri raspoznavanii ih sostoânij / Rybočkin А.F. // Opubl. 10.11.2006. Bûl. 31. International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 № 18 (158) 2014 134 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014 А.Ф. Рыбочкин, Ш.А. Мохсен. Диагностирование состояний пчелиных семей по издаваемому ими акустическому шуму 4. Рыбочкин А.Ф., Захаров И.С. Системный анализ сигналов пчелиных семей с использованием кодовых сообщений. Курск: КГУ, 2009. 5. Свидетельство о государственной регистрации программы для ЭВМ № 2012617781, зарегистрировано в Реестре программ для ЭВМ 28 августа 2012 г. / Программа для анализа и кодирования акустических шумов (CodeBee v.1.1) // Савельев С.В., Мохсен Шамсан Ахмед Исмаил, Рыбочкин А.Ф. 6. Рыбочкин А.Ф., Савельев С.В. Кодирование образов спектров при анализе акустического шума с использованием программы для ЭВМ // Известия ЮЗГУ. Курск. 2013. № 2. С. 88-94. 7. Рыбочкин А.Ф., Яковлев А.И. Информативные частотные полосы при анализе акустических сигналов пчелиных семей // Альтернативная энергетика и экология – ISJAEE. 2011. № 2. С. 81-89. 8. Рыбочкин А.Ф., Яковлев А.И. Диагностирование состояний объектов по издаваемому ими акустическому шуму // Альтернативная энергетика и экология – ISJAEE. 2011. № 7. С. 89-101. 9. Мохсен Ш.А. Распознавание состояний пчелиных семей по их акустическому шуму // Сб.к научных трудов «Математические методы и инновационные научно-технические разработки». Курск: ЮЗГУ, 2014. С. 180-185. 10. Мохсен Ш.А. Повышение достоверности распознавания состояний пчелиных семей по ее акустическому шуму // Сб. научных трудов «Математические методы и инновационные научно-технические разработки». Курск: ЮЗГУ, 2014. С. 186-194. 4. Rybočkin А.F., Zaharov I.S. Sistemnyj analiz signalov pčelinyh semej s ispol'zovaniem kodovyh soobŝenij. Kursk: KGU, 2009. 5. Svidetel'stvo o gosudarstvennoj registracii programmy dlâ ÈVM № 2012617781, zaregistrirovano v Reestre programm dlâ ÈVM 28 avgusta 2012 g. / Programma dlâ analiza i kodirovaniâ akustičeskih šumov (CodeBee v.1.1) // Savel'ev S.V., Mohsen Šamsan Аhmed Ismail, Rybočkin А.F. 6. Rybočkin А.F., Savel'ev S.V. Kodirovanie obrazov spektrov pri analize akustičeskogo šuma s ispol'zovaniem programmy dlâ ÈVM // Izvestiâ ÛZGU. Kursk. 2013. № 2. S. 88-94. 7. Rybočkin А.F., Âkovlev А.I. Informativnye častotnye polosy pri analize akustičeskih signalov pčelinyh semej // Аl'ternativnaâ ènergetika i èkologiâ – ISJAEE. 2011. № 2. S. 81-89. 8. Rybočkin А.F., Âkovlev А.I. Diagnostirovanie sostoânij ob"ektov po izdavaemomu imi akustičeskomu šumu // Аl'ternativnaâ ènergetika i èkologiâ – ISJAEE. 2011. № 7. S. 89-101. 9. Mohsen Š.А. Raspoznavanie sostoânij pčelinyh semej po ih akustičeskomu šumu // Sb.k naučnyh trudov «Matematičeskie metody i innovacionnye naučnotehničeskie razrabotki». Kursk: ÛZGU, 2014. S. 180-185. 10. Mohsen Š.А. Povyšenie dostovernosti raspoznavaniâ sostoânij pčelinyh semej po ee akustičeskomu šumu // Sb. naučnyh trudov «Matematičeskie metody i innovacionnye naučno-tehničeskie razrabotki». Kursk: ÛZGU, 2014. S. 186-194 International Scientific Journal for Alternative Energy and Ecology © Scientific Technical Centre «TATA», 2014 Транслитерация по ISO 9:1995 № 18 (158) 2014 135 Международный научный журнал «Альтернативная энергетика и экология» © Научнотехнический центр «TATA», 2014
