(文献解读:尹豪)智能养鱼场——水产养殖的未来

论文题目：Intelligent fish farm—the future of aquaculture

作者：Wang Cong; Li Zhen; Wang Tan; Xu Xianbao; ZhangXiaoshuan; Li Daoliang

发表期刊：AquacultureInternational

发表年份：2021年

DOI: 10.1007/S10499-021-00773-8

摘要

随着养殖规模和养殖密度的不断扩大，当代养殖方式被迫过度生产，导致水环境失衡速度加快，鱼类病害频发，水产品质量下降。而且，由于世界许多地区农业工人的平均年龄剖面处于较高的一面，渔业生产将面临劳动力短缺的困境，养殖方式急需变革。现代信息技术逐渐渗透到农业的各个领域，智慧鱼场的概念也开始形成。智能养鱼场试图通过“以机代人”的思想，处理好增氧、优化饲养、降低发病率、精确采收等精准工作，从而彻底解放人力，实现绿色、可持续养殖。本文综述了渔业智能设备、物联网、边缘计算、5G、人工智能算法等在现代水产养殖中的应用，分析了存在的问题和未来的发展前景。同时，基于不同的业务需求，提出了智慧鱼场建设中关键功能模块的设计框架。

关键词

人工智能、物联网、智能设备、机器视觉、无人驾驶艇

介绍

水产养殖面临着巨大的挑战，但也有更大的机遇。生态、设施、工业和智能化是水产养殖未来的发展方向（Francesca等人，2020年；Martin等人，2018年）。为了提高挪威的鲑鱼产量并确保高标准的质量，ABB作为自动化技术的全球领导者，正在北冰洋建造第一个新概念的海上潜水养鱼场（ABB 2019）。鱼圈将由进料驳船远程控制。环境数据，包括气象条件、洋流、溶解氧（DO）、水温、不同水层的pH值和网箱净生物量，由自动设备收集并上传至ABB™ 使用无线通信。鱼圈中的压载水系统可抵抗恶劣天气和波浪条件。整个工业电气系统具有很高的鲁棒性，但不涉及鱼类行为分析、智能喂食和成鱼捕获等任务。一些组织已经开始建造各种类型的智能养鱼场。ARTIFEX项目试图通过水产养殖国际1 3无人驾驶船舶、无人驾驶飞行器和遥控水下机器人之间的合作，在海基养鱼场开展检查、维护和维修作业（ARTIFEX 2018）。除了用作无人驾驶飞机的起飞和着陆平台外，无人驾驶船还可以用作水下机器人的基站。无人机负责检查地面设施的完整性，并监测鱼类的喂养过程。水下机器人不仅要完成水下检测任务，还要对渔网进行清洁和维修。这些智能设备将为智能养鱼场的快速部署提供技术支持。上述项目的关键技术包括无人驾驶船舶、飞机和水下航行器的硬件设计以及自主控制系统的软件开发。这些项目的难点在于，这些先进技术应该准确地协同工作。智能养鱼场作为水产养殖发展的高级阶段，将以智能机器代替人工，以数据驱动的方式优化渔业资源配置，实现高效、绿色、智能化水产养殖。

本文介绍了边缘计算与5G技术在智能鱼场建设中的最新集成应用，首次提出了智能鱼场生态系统的体系结构。然后，根据系统的硬件配置，列出了智能养鱼场的关键智能设备，并分析了其技术特点。针对智能养鱼场的顶层设计，从水质预警与控制、智能投喂、鱼类行为监测、生物量估算、鱼病诊断、设备故障诊断等方面综述了国内外最新研究现状，提出了智能鱼场相关业务模块的设计方案。最后，本文总结了智能化养鱼场发展面临的挑战和研究热点，试图为水产养殖专业人员提供未来渔业建设的最新、完整和可参考的思路

智能养鱼场的定义及系统框架

作者认为，智能鱼场是一种全天候、全过程、全空间的自动化生产模式，即在工人不进入鱼场的情况下，物联网、大数据、人工智能（AI）、5G、，云计算和机器人用于渔场的远程测量和控制，或由机器人独立控制渔场设施、设备、机械，以完成渔场的所有生产和管理作业。最后，智能养鱼场依靠数字化、智能化技术解决水产养殖劳动力短缺、水污染、高风险、低效率等问题。智能化养鱼场是渔业生产方式的产业转型，是未来渔业的发展方向。智能养鱼场根据养殖环境的不同可分为四类：池塘式智能养鱼场、陆上工厂式智能养鱼场、网箱式智能养鱼场和智能海洋牧场

智能化养鱼场的信息技术进展

传统水产养殖物联网系统是云技术和物联网技术的高度集成（Huan等人，2020）。它采用三层结构：设备层、网络层和云服务层。设备层由传感设备、控制设备和数据采集终端组成。传感设备负责收集环境数据，如DO、pH、温度、盐度、氨氮、亚硝酸盐、水位等，以及装置的工作状态和水产养殖水质传感器无人驾驶无人机智能曝气器智能给料机自动渔网和分离器的环境和设备状况监测水质和投料控制无人驾驶船无人驾驶车辆天气传感器。数据采集终端负责传感器数据的向上传输和控制指令的接收。网络层一般采用无线网络，如蓝牙、Wi-Fi、3G/4G、Lo-Ra、NB-IoT等无线传输技术，负责设备层与云服务层之间的数据传输。云服务层包括云平台和智能手机app，主要用于水产养殖数据的存储和处理，提供各种水产养殖信息服务。

智能渔场中的智能设备与机器人

传统水产养殖基本上依靠个人经验，效率低、成本高、自动化程度低。如今，渔场设施的日常任务，如鱼类福利监测、设施检查、饲料配给控制和虱子计数，目前由服务船上的几名船员执行（Baird 2017）。未来，由于水产养殖的工作条件非常复杂，变化频繁且剧烈，特别是在海洋网箱养殖中，自主和远程操作系统可在鱼场设施执行不同任务方面发挥重要作用。智能设备和机器人将集成先进的传感器、大数据和人工智能，有效适应复杂的作业环境，实现智能养鱼场的自主作业。还可以大大降低劳动强度和成本，提高渔业生产效率。此外，智能设备和机器人可以自主感知智能鱼场的海量数据，并将这些数据传输到云平台，作为大数据分析的数据基础（Mustapha et al.2021）。

智能测控硬件

水环境生态监测是指利用无人驾驶船舶或水面浮标携带的传感器和摄像机，自动采集水质参数（DO、温度、叶绿素、浊度、氨氮和pH值）、水产养殖生物图片和视频信息，然后存储、传输，分析和预测数据。智能曝气系统是指能够准确测量和控制水中溶解氧的设备，由各种传感器、网络传输模块和物联网执行器组成（Huan等人，2020）。智能曝气器可实时监测水温、空气湿度、气压和溶解氧。同时通过视频监控的方式记录现场信息，并上传到云平台，实现对曝气机的精确控制。此外，智能曝气器可以在短时间内预测DO含量。

用于精密自进给的智能硬件

自动投料系统已广泛应用于工业循环水产养殖中，包括多单体集中控制的自动投料系统和自动投料机器人系统。芬兰Arvotec公司开发的机器人喂食控制系统可通过web界面（Arvotec 2021）实现远程喂食控制、水质改善和精确喂食。Arvo Tec控制单元WOLF是一个完全集成的馈电、测量、灯光控制（光周期）和报警系统。系统以水温、含氧量、生物量等环境参数为初始数据，根据能量需求模型进行投料控制。此外，该系统根据饲料转化率估算鱼类生长。在池塘式智能鱼场，智能投饵设备应部署在无人驾驶船或无人机上，无人机将负责独立运输和装载鱼饵。

无人巡逻系统

智能养鱼场的巡逻设备包括无人机、USV和机器鱼。巡逻设备可实现日常水下管理、视频信息采集、养殖对象行为监测、水产养殖生态环境监测。特别是在开放式海水网箱养殖中，5G将用于高通量高清视频传输和监控，可以很好地解决成本高、光缆敷设困难的问题。未来，采用AI算法的无人机将配备强大的机载边缘计算模块，实现自主起飞、自主着陆、自主巡航和监控功能。此外，用于智能鱼场检查的无人机还将配备自动充电控制器模块，以实现真正的自主操作。

智能收获系统

 智能收获系统是鱼场完成养殖周期的最后一个模块。使用该系统，养殖对象将通过有水或无水运输进入市场。目前，拖网捕鱼是最有效的捕鱼方式。智能渔场的系统采用声纳、水下摄像机和网位仪实现精确捕鱼。无人驾驶车辆和无人驾驶船舶参与水产品运输将大大提高渔业生产效率。

智能设备和机器人是解放水产养殖人力、实现自动化生产的关键。以综合感知、智能处理、智能导航、自动控制等现代信息技术为支撑，结合对传统水产养殖设备的改进，实现无人化生产、环境信息监控、，优化控制和精确操作。机器人、无人驾驶车辆、无人驾驶船只和机器鱼将在智能养鱼场中发挥重要作用。

 数据驱动的决策

智能水产养殖的关键目标是从数据走向决策。为了实现智能化水产养殖，需要对水产养殖的各个要素进行全方位的精细控制，如智能化投喂、水质控制、行为分析、生物量估算、鱼类疾病诊断、，设备工况监测和故障报警。人工智能是一门研究和开发新理论、新方法、新技术和新应用系统以模拟和扩展人类智能的技术科学。推动人工智能与水产养殖深度跨境融合势在必行。以下将回顾人工智能技术在水产养殖中的各种应用，并探讨将这些方法集成到智能养鱼场建设中的可行性。

 

水质软测量与控制方法

 水产养殖水质对鱼类的生长速度、健康状况和采食量有很大影响。水产养殖水体中单一水质参数容易受到其他水质参数的影响，增加了单一检测方法检测的难度，也为软测量的应用提供了可能。软测量技术的基本思想是借助一些易于观测的变量来推断或估计难以观测的重要参数。对于软测量技术而言，特征提取和软测量模型是关键。

 

智能投喂策略

   在水产养殖的各种成本中，饵料成本占总成本的80%以上。如何降低饲料成本是水产养殖利润最大化的关键。目前，投饵方式基本上是根据鱼类的生长情况和养殖经验，无法实现精确投饵，很容易造成鱼类投饵不足、饵料浪费和水污染。现有的投饵机缺乏关于鱼类喂食情况的信息反馈。将投饵效果评价结果反馈给控制系统，有助于实时调整投饵量。人工经验模型通常基于水产养殖中的大量观察经验，并使用回归拟合分析方法建立与鱼类生长的营养需求和饲料量相关的数学方程。饲料需求由鱼的体重或体长之比决定（Sun等人，2016）。养殖环境的复杂性和变异性给人工经验预测模型带来了多重干扰。为了自动建立鱼类摄食量与环境因素之间的映射关系，Chen等人（2020年）提出了在集约化水产养殖中使用MEA-BP神经网络的群体鱼类摄食量预测模型。

 

饲养物种的行为分析

 鱼类应激反应涉及感觉系统、神经系统、免疫系统和代谢系统的综合作用。它受多种因素的影响，如鱼类种类、毒物类型和接触环境。鱼类行为研究可为水产养殖提供重要的理论数据（Niu等人，2018年；Saberioon等人，2016年）。在水产养殖过程中，鱼类行为主要涉及游泳行为、摄食行为、繁殖行为、攻击行为和肉食行为。

 

生物量统计

 生物量统计数据对于支持养鱼户的决策至关重要，如鱼食剂量、药物消耗和鱼类损失。它通常用于从养殖池收集子样本，称重，最后计算整个池塘的生物量。该方法误差大，劳动强度大，对鱼类的应激反应大，死亡率高。随着传感器和智能计算技术的快速发展，机器视觉在水产养殖在线无损生物量估算领域取得了许多成果（Li et al.2019；Dios et al.2003；Li et al.2020a，b）。不同生长期鱼类的长度、宽度、面积和周长与其体重密切相关（Shi等人，2020年）。这些参数将作为估算鱼类生物量的重要依据。

 

鱼类疾病的诊断

 基于机器视觉的病鱼图像快速处理方法是使用计算机而不是人眼来自动、智能地处理和识别病鱼图像（Barbedo et al.2014）。健康的鱼生病后，通常伴随着体表颜色和质地的变化。健康鲤鱼的体表颜色通常为背部黑色明亮，靠近腹部的部分为白色，纹理清晰，而患病鱼的体表颜色通常为红色血丝、肿胀或斑块，在疾病早期，鱼的体表纹理发生显著变化。由于不同的鱼患同一种疾病，症状不同，因此研究鱼类疾病的第一步是通过分析患病鱼体的子图像，并基于统计方法和小波方法提取其特征，包括颜色特征和纹理特征，来识别鱼的类型。通过LIBSVM训练和预测实验，获得了鱼类物种识别的最佳特征组合（Hu et al.2012）。图像分割是图像识别的基础。只有准确地分割出鱼身上的病斑，才能对患病部位进行标记和识别

 

设备故障诊断

异常的工作环境将降低水产养殖物联网测量&控制集群系统的可用性和完整性，并导致水产养殖中的致命事故。发生故障时，如果没有诊断信息，则很难确定故障的类型、程度和位置。拆卸和检查时经常需要断电和关机，这将延迟生产过程。基于数学模型的诊断信息可以从工况数据中获得，从而可以在不断电和拆卸检查的情况下识别和定位故障。鉴于多元组合特征提取的复杂性、变量的强自相关性和故障条件的显著非平稳性，提出了一种基于DPCA-VMD-SVD的故障特征提取方法（Yang等人，2017）。

 

挑战

智能养鱼场可以采用智能数字技术解决水产养殖劳动力短缺、水污染、水产养殖高风险、低效率等问题，但仍有一些技术细节需要考虑。随着农业技术与物联网、云计算、大数据、人工智能等先进信息技术的深度融合，农业机器人作为新一代智能农业机械将突破创新瓶颈，得到广泛应用。未来的养鱼场将需要很多农业机器人。农业机器人新技术的研究包括深度学习、新材料、人机集成和触觉反馈。由于智能养鱼场工作环境复杂多变，养殖物种多样，生长状态各异，水产养殖机器人在目标识别和定位算法优化方面面临着巨大挑战，优化导航和路径规划算法，优化操作对象排序和监控算法。物联网技术在智能养鱼场各种生产要素的协同工作中发挥着重要作用。为了实现可持续发展，水产养殖物联网需要克服这三个问题。水质传感器易受生物元素表面附着的影响，在线测量的可靠性较差。传感器寿命短，智能性低。智能养鱼场的环境复杂性和传感器的低功耗对农业物联网数据传输提出了更高的要求。图7基于多源异构数据融合的深度学习故障诊断水产养殖国际1 3。在低功耗下，网络传输安全技术、抗干扰技术和自动动态组网技术与工业过程测控相比还有一定差距。网络传输的不稳定性给后端数据处理和智能数据分析带来了一定的困难。支持农业物联网的标准滞后，养鱼场传感器网络架构建设缺乏统一的指导和规范文件。物联网设备的设计者通常定义专用数据传输协议。传感器数据融合的应用和上层应用系统的设计没有统一的标准可循，不利于工业技术的发展。

 

 

结论

 

鉴于实际问题，如近海鱼类种群退化、海洋污染（Sarma等人，2013年）、农业工人平均年龄提高以及从事水产养殖的员工减少，水产养殖革命必须从传统的体验式水产养殖向数字化智能水产养殖转变。水产养殖国际1 3人工智能、大数据、物联网、传感器、机器视觉、机器人等现代新兴技术将逐步参与水产养殖生产全过程，彻底解放传统劳动力，最终实现生产环境的多场景全天候实时监控，基于云平台的大数据分析和实时智能决策。

本文首先提出了智能化养鱼场的新概念，并简要回顾了新一代信息技术在水产养殖中的应用。然后，详细介绍了智能测控、投喂、检测和收获设备在智能养鱼场中的应用。在分析总结智能鱼场核心应用层的基础上，提出了智能鱼场各子系统的集成方案。智能养鱼场的提出和建设，对于未来水产养殖数字化、智能化、无人化的发展具有一定的参考价值和应用指导意义。智能养鱼场的建设比其他智能养鱼场项目复杂得多。传感器的可靠性和使用寿命、分析和决策模型的鲁棒性和准确性、基于物联网技术的数据传输的可靠性以及各种水产养殖智能设备之间的协作效率也需要进一步解决。

未来，智能养鱼场的快速发展离不开完善的基础设施建设和丰富的政府政策支持。政府应鼓励潜在水产养殖企业先行升级，引进先进的农业技术和高科技人才，同时通过规范水产养殖可持续性指标的要求，确保智能养鱼场健康、绿色运行。