深海网箱养殖管理系统的设计与实现*

吴菊华，程小燕，莫 赞

(广东工业大学管理学院，广东 广州 510520)

0 引言

海洋渔业作为海洋经济发展的重要组成部分[1]，近年来，在国家一系列支撑海洋渔业发展的政策指导下，我国海洋渔业取得了显著成就。随着科学技术的进步，深海网箱养殖成为海洋渔业发展的重要方向[2－3]。虽然我国的渔业经济发展取得了显著成就，但与欧美、日本、挪威等发达渔业国家相比，还存在很大的差距。我国的深海养殖产业才刚刚起步，深海养殖技术还不十分成熟，养殖设施、设备还不能完全满足养殖需要，养殖的信息化和现代化管理水平较低[4]。具体来说，我国渔业信息技术的研究和应用，尤其在深海网箱养殖产业方面的信息化建设与发达渔业国家相比、与其他行业相比仍存在很大差距[3]，主要表现在以下几个方面:

(1)深海网箱养殖产业的信息化水平不高。专门针对深海网箱养殖产业的信息服务平台目前还很少;深海网箱养殖产业中所产生的大量数据，没有及时采集、存储，更谈不上及时传输、共享;水产品市场信息网络不健全[5]，针对渔民需要的服务内容太少。

(2)科研机构先进的理论知识和实践无法为深海养殖企业和养殖户服务，导致高投入，低收益等诸多问题。

(3)养殖企业和养殖户对于养殖知识的缺乏，无法制定科学的养殖决策，又造成巨大的生产风险。

(4)政府部门无法掌握网箱的投入和使用情况的第一手资料，无法及时有效地进行管理决策。

为了解决上述问题，基于深海网箱养殖品种生长模型和投饵模型，设计开发了深海网箱养殖管理系统。通过建立深海网箱养殖管理系统，政府、科研机构、养殖企业、养殖户能享受有效、及时的数据流通和共享服务，实现各级资源和各类知识共享，提高各类用户的工作效率，为我国开展深海网箱养殖提供先进的信息服务支撑。

1 深海网箱养殖模型

深海网箱养殖受到网箱、投饵机以及海洋气候条件等多方面因素的影响。通过采用实地调研、专家访谈以及开座谈会等形式，咨询中国水产科学研究院等相关单位中养殖平台、养殖设施以及配套工程建设等相关专家，对养殖前期及养殖过程中所涉及的多种要素进行分析，在养殖品种生长模型的基础上建立了投饵决策模型，为深海网箱养殖的智能决策和精准控制提供理论依据。

1.1 养殖品种生长模型

Keys氏公式(W=aLb)[6]指出鱼类的体重(W)和体长(L)之间是一种幂函数关系，经过水产科学研究院长期的观察和研究，总结了鱼类的体重生长方程和体长生长方程，如公式(1)～(3)所示:

单尾鱼体重生长方程:

单尾鱼体长生长方程:

t的计算公式:

式中:e 为自然对数;c1、c2、c3、c4、c5、c6、c7为相关参数[7]，与鱼类的生长环境和品种有关。式(1)、(2)指出鱼类的体重、体长与养殖时间呈指数函数的关系，根据式(1)～(3)能准确计算出某时刻鱼的体重和体长，为建立投饵决策模型提供依据。

1.2 投饵决策模型

在养殖品种生长模型的基础上对鱼类摄食量和生长环境进行分析，建立了投饵决策模型，如图1所示，该模型计算出的投饵时间和投饵量符合鱼类生长规律，提供科学的投喂决策，能够节约饲料成本，提高养殖收益[8]。投饵决策计算过程如下。

第一步计算最佳喂养时间:

根据生理学原理[5]，深海网箱养殖中鱼的投喂次数与潮汐有关，潮时的前后半小时是最佳的投喂时间段。这段时间鱼的摄食水平和饲料的转化率提高，在该时间段投喂可以提高饲料的利用率，减少浪费。海洋的潮汐信息可以有国家海洋局网站获得，具有可靠的来源。

第二步计算单尾鱼的经验投饵量:

根据上述投饵决策模型，可得单尾鱼的经验投饵量(EF)由鱼体大小(W)和投饵率(Fr)决定:

式中:W指鱼体大小，由上述鱼类的生长模型能够计算出某时间节点上某种鱼的体重和体长的关系。通过水下摄像设备和传感器可以获得单尾鱼的实际体长，进行计算，获得单尾鱼的体重，即鱼体大小，作为投饵决策的基础。

图1 投饵决策模型

Fr代表投饵率，是指每日所投饲料量占养殖鱼体重的百分数[9]。根据每种鱼的最佳投饵率进行投喂，不仅能够提高饲料的利用率，更有利于鱼的生长。不同种类的鱼，最佳投饵率不同[10];相同种类的鱼，在不同的重量区间内最佳投饵率不同。经过水产科学院长期的研究已经掌握了不同鱼类的最佳投饵率与鱼重量区间的关系，为精准投喂提供科学依据。

第三步计算单尾鱼的推荐投饵量:

由于鱼类生长与水环境、饲料、天气、病害等密切相关[11]，因此，鱼类的投喂量需要考虑环境的影响，根据上述投饵决策模型，可得单尾鱼的推荐投饵量(RF)的计算公式:

式中:Ic代表影响系数，是指环境因素，如:温度、溶氧量、潮汐等对鱼类摄食量的影响大小。通过温度、溶氧等各种传感设备，收集鱼类生长环境影响因子的相关数据，根据因子影响的大小建立相关系数，通过叠加计算，获得综合的影响系数[12]。

第四步计算单个网箱的投饵量:

根据传感设备，能够获得单个网箱中鱼的个数N，因此，单个网箱的投饵量TF为:

基于此模型设计与开发的网箱养殖管理系统能够提供科学的投喂决策。

2 深海网箱养殖系统的设计

2.1 深海网箱养殖系统的必然性和可行性

根据上述分析，深海网箱养殖受多方面因素的影响，是一个非常复杂的过程，具有以下特点:

(1)式(1)～(3)指出鱼类生长与养殖时间呈指数函数的关系。另外，网箱的管理需要根据不同海域环境进行布局。利用传统的手工规划和计算已经不能满足深海网箱养殖的大规模化，因此，采用信息系统实现深水网箱养殖的管理是必须的。

(2)鱼类在不同的生长阶段，体重和体长不同，对环境的适应程度存在较大差异，饵料的需求量每次也不尽相同，投饵时刻和投饵量随时间动态变化[13];另外，由于自然灾害、海水腐蚀等对网箱的破坏，随着时间的变化网箱的管理也会发生变化[8]。手工管理不能满足这种动态需求，因此，采用信息系统管理深海网箱养殖是必要的。

由于物联网技术的迅猛发展，摄像设备、传感技术被应用于渔业养殖中。通过物联网可以获得精准的渔业养殖信息，唯一深水网箱养殖系统的数字化建设提供保障。

2.2 深海网箱养殖系统的设计目标

深海网箱养殖系统的总体目标是实现深海网箱养殖的数字化管理，整个系统将成为集数据采集、实时监控、多层次数据统计、分析和决策支持等多功能于一体的深海网箱养殖产业工程技术研发公共服务平台，实现全方位、多层次的现代化管理。

2.3 深海网箱养殖系统的架构

深海网箱养殖系统由基础设施层、系统安全层、系统服务层、数据集成层组成，涉及基础数据管理、投饵管理、客户网箱管理、权限管理、生产方案管理和咨询管理等子系统，如图2所示。实现网箱养殖区域、养殖品种、产量、网箱数量等数据的共享和交叉检索，对政府、企业、科研机构、养殖企业和养殖户全面开放运行，向全社会提供深海网箱养殖资讯、决策支持等各类信息服务。

图2 深海网箱养殖系统的架构

2.4 深海网箱养殖系统的功能结构

围绕深水网箱养殖产业的需求，包括政府、养殖企业、养殖户、科研院校等各级人员的需求，建设深水网箱养殖产业技术信息服务平台设计，包含多个子系统:

(1)基础数据管理子系统:对深海网箱养殖系统的基础数据实现全面管理，包括鱼类基础数据管理、海域基础数据管理、客户基础数据管理、网箱基础数据管理、饲料基础数据管理等。主要实现了传感设备、摄影设备采集的各类数据和基础信息数据的增加、删除、修改和查询等功能，为系统的建立和运行以及实时监控提供基础。

(2)投饵管理子系统:对深水网箱养殖的投饵决策过程进行管理，包括模型管理、影响因子管理和投饵决策管理。模型管理根据鱼类的生长模型分为鱼类体长生长模型、鱼类体重生长模型和生长模型修正，是投饵决策过程的基础;影响因素管理分为影响因子类型管理、信息管理和系数管理，是投饵决策的重要组成部分，对影响投饵的因子进行量化管理;投饵决策管理根据生长模型分为投饵时间管理、鱼重量修正、投饵率、影响因素系数值、投饵决策和历史投饵记录，是投饵决策过程的核心部分，不仅提供智能精准的投喂方案，并与历史记录进行对比，获取更加合理的决策支持。该部分实现了投饵决策的精准投喂，提高鱼类的养殖效益。

(3)客户网箱管理子系统:网箱是深海养殖的主体，该子系统包括个人客户管理、网箱管理、批次管理、预警管理和清杂管理，是深海网箱养殖系统的核心。网箱管理以个人客户为单元，包括客户个人信息管理和服务管理是，为网箱管理提供基础信息;网箱管理是该子系统的核心，包括网箱的选型、分组和维护管理，实现了网箱全过程管理，为养殖户提供及时的网箱信息指导;批次管理是根据网箱养殖的特点将网箱标记为不同的批次，便于记录和统计，包括批次的公式管理、死鱼管理和饲料管理，该部分实现了网箱的精细化管理;预警管理包括死鱼预警管理、台风预警管理和赤潮预警管理，能提醒养殖户做好相关准备，减少损失。

(4)权限管理子系统:包括用户管理、角色管理、权限管理和用户－角色管理、角色－权限管理。根据用户的不同分为管理员和普通用户，根据使用对象的不同分为政府、科研机构、养殖企业和养殖户等角色，根据不同的功能划分权限，使各类用户通过不同的角色分配权限。

(5)生产方案决策子系统:为养殖企业和养殖户提供生产方案决策管理和养殖收益管理，用户可以根据自己的养殖预期计算生产方案和相关收益，为养殖过程提供风险预测。

(6)资讯管理子系统:为养殖企业和养殖户提供深海网箱养殖方面的资讯信息，包括供求信息管理、新闻管理、政策法规和行业信息，提供各类资讯的审核和发布功能。

3 系统的开发与实现

在系统分析与设计的基础上，通过面向对象的开发方法，实现对深海网箱养殖系统的开发。

3.1 系统的开发环境

本系统使用基于Java的开源框架，其核心为Model－View－Controller(简称MVC)框架，其开发环境如表1所列。

表1 深海网箱养殖系统的开发环境

3.2 系统的实现

通过上述技术完成了深海网箱养殖系统的开发，以下对该系统的主要页面和功能进行介绍。

3.2.1 主要页面介绍

该系统具有友好的人机交互接口，便于用户操作。已经部署在服务器上，通过访问 http://202.116.147.216:8080/sswx/网站可以看到该系统的门户网站。以下主要对门户网站的首页进行介绍，方便用户使用。

门户网站为用户提供了各种各样的内容，包括养殖信息、网箱信息、科普信息、养殖环境、工程设计、养殖决策、灾害预防、供求信息、统计分析等栏目，如图3所示，各类用户可以根据自己的需要访问不同的页面。在首页为用户提供了丰富多彩的信息，包括热点关注、最新资讯、供求信息、行业动态、网箱基础知识，养殖技术等，用户通过浏览这些信息，不仅可以增加用户的养殖知识，以便更加科学的养殖，还可以掌握该领域的最新动态和养殖需求。同时，还提供了登陆和注册功能，根据注册时验证的不同用户，如政府、科研机构、养殖企业和养殖户等，登陆后为各类用户提供更多相应的功能。

图3 门户网站的首页

3.2.2 主要功能介绍

根据黑盒和白盒测试，系统各个功能模块运行稳定，与本地和异地数据库、传感设备、摄像设备等均衔接良好，实现了各个子系统之间的数据共享。能够满足如下要求。

(1)对深海网箱养殖中环境及关键环节提供实时监控及预警，实现了投喂量与投喂时间的精准控制。实现对多种鱼类生长模型的管理和调整，为科学养殖提出有力的理论支持;提供精确的投喂时间和投喂量，实现科学喂养。

(2)对网箱进行状态追踪、型号管理，为智能网箱辅助设计、智能选型、选址等提供决策支持。通过对养殖批次管理，实现全面的养殖过程跟踪管理，对养殖过程中的关键环节提供预警功能，帮助养殖企业和用户及时发现、解决问题，规避风险。

(3)为政府提供实时养殖数据统计。通过养殖管理系统，政府可以及时掌握第一手的实时养殖统计数据、养殖企业和养殖户的总体生产情况，从而更好的履行辅助、监管职能，更快速、准确制定管理决策;同时政府可通过系统实现快速通知，发布自然灾害等相关公告，和养殖相关的法律法规，帮助养殖企业和养殖户规避养殖中的生产和经济风险，协助养殖企业和养殖户合理地调整养殖种类结构，更好地履行政府职能。

(4)为科研机构搭建完整的实验平台。通过养殖管理系统科研机构搭建完整的实验平台，构建贴近现实的养殖投饵模型，优化养殖过程，使养殖决策更科学化，利用先进的养殖科学技术和知识，结合实际，帮助养殖企业和养殖户提高喂养效率和收益率。

(5)为养殖企业和养殖户提供养殖资讯服务。通过养殖管理系统，养殖企业和养殖户可以获得各类养殖资料、养殖知识，获取国内外最新的海洋养殖资讯;进行各类病虫害防治咨询、网箱智能选型、选址等决策支持，从而有效地进行科学养殖，提高产值产量;通过平台可以快速地获取各种自然灾害通知，学习海洋养殖相关的法律法规，规避各类风险;同时可更快速的调整养殖种类和结构，获取更高的经济收益。

4 结语

深海网箱养殖管理系统是深海网箱养殖的一个重要辅助方式和手段，该系统在政府、科研机构、养殖企业、养殖户之间实现有效的信息流通机制，资源和知识共享，为我国开展深海网箱养殖提供先进的信息服务支撑。通过本系统的构建，预期为我国开展深海网箱养殖提供先进的信息技术支撑，促进深海养殖产业技术水平的提高。

[1]张 博.我国海洋渔业转型的运行机制研究[D].青岛:中国海洋大学，2011.

[2]胡保友.圆形深海养殖网箱的力学建模及仿真[D].青岛:中国海洋大学，2008.

[3]郭根喜，陶启友，黄小华，等.深水网箱养殖装备技术前沿进展[J].中国农业科技导报，2011(5):44－49.

[4]汪昌固.网箱智能投喂系统开发及关键技术研究[D].太原:太原科技大学，2014.

[5]姜秉国.我国水产养殖市场风险的成因、影响与防控对策[J].中国水产，2012(8):38－40.

[6]陈成进.人工养殖大黄鱼主要生长特征观察[J].现代渔业信息，2011，26(3):24－25.

[7]宋文华.养殖密度和温度对草鱼(Ctenopharyngodonidellus)生长和生理生化指标的影响[D].青岛:中国海洋大学，2012.

[8]李桂华，王雨霏，佟 伟.辽宁沿海大菱鲆养殖现状、存在问题及对策[J].中国水产，2011(3):24－25.

[9]张卫东.集约化高产池塘健康养殖技术要点[J].河南水产，2014(1):11－12.

[10]廖永岩，夏营顺，何碧华.不同投饵密度对卤虫高密度养殖的影响[J].安徽农业科学，2011(26):1649－1653.

[11]李 娟，葛长字，毛玉泽，等.沉积环境对鱼类网箱养殖的响应[J].海洋渔业，2010(4):461－465.

[12]朱 峰，石志洲，凌信文，等.宁德三沙湾网箱养殖与环境质量的关系[J].海洋通报，2013(2):171－177.

[13]Shao S.Fuzzy Self－organizing Controller and its Application for Dynamic Processes[J].Fuzzy sets and systems，1988，26(2):151－164.

[14]查修齐，吴荣泉，高元钧.C/S到B/S模式转换的技术研究[J].计算机工程，2014(1):263－267.

[15]王为为.基于JBoss AS7的企业级分布式部署平台的研究[D].湘潭:湘潭大学，2013.