渔业物联网的研究现状及发展趋势

陈松楠，杜永强

(信阳农林学院 信息工程学院，河南 信阳464000)

我国水产养殖历史悠久，目前水产品总量位居世界第一，占全球水产量的39.3%。但是长期以来淡水养殖业基本上以个体户养殖为主，规模较小，智能化水平较低。传统的水产养殖规模和方法已经满足不了人民日益增长的美好生活的需要。因此，我国水产养殖业必须逐渐向规模化和信息化的方向发展。以物联网技术为支撑的智慧养殖是现代渔业发展的必然要求，只有准确、实时地对养殖场的水环境进行监控，通过智能施药来预防和治疗病害，利用精准投饵来判断合理的投饵时间等，才能对鱼类的生长、健康和环境状态做出客观的评价，并及时采取防治处理或人工干预等措施将损失降到最低。本文重点围绕智慧渔业技术的发展过程，对国内外渔业物联网的研究成果进行分析和总结，并给出未来研究和发展的方向。

1 渔业物联网与相关技术

20世纪90年代美国麻省理工学院的Kevin Ash-ton教授首次提出了物联网的概念，主要是利用传感设备将所有相互独立的物体通过网络技术紧密的联系在一起[1]。经过数十年的发展，物联网技术已成为当今互联网发展的重要阶段并受到了世界各国的重视。渔业物联网是伴随着物联网体系的发展而应运产生的，是物联网技术在渔业方面的重要产物。渔业物联网主要由感知层、网络层和应用层三个部分构成，感知层主要是利用传感器对渔业的养殖环境、图像信息等数据进行采集，从而作为渔业物联网系统的数据来源；传输层主要将感知层采集到的数据通过网络传输设备实时传送到应用层，以便做出相应的统计和分析；应用层主要对接收的数据进行处理，并将结果反馈给渔业养殖人员，保持渔业生产的稳步前行。

由渔业物联网的基本架构可知，感知层是渔业物联网发展的前提，主要由一些智能传感器和采集节点组成，如视频采集设备、生态环境监控设备、RFID等；传输层是渔业物联网发展的保障，主要由Wi-Fi、ZigBee等通信技术构成，采集的数据越多，系统对实时性的要求就越高，所以传输层需要满足网络吞吐量高和延时低的要求；应用层是渔业物联网发展的关键，它以结果为导向，利用Java Web等编程技术实现用户界面的开发工作，利用机器视觉、虚拟现实以及模式识别等技术来实现核心算法的设计，以满足渔业发展的需求。

2 渔业物联网的研究现状

渔业养殖主要包括海水养殖和淡水养殖，如：鱼、虾、贝类等水产品，因其营养价值高，与人类的健康有着密切的关联，成为智慧渔业研究和发展的重点。近年来，国内外学者以自动监测、自动预警、精准投饵和智能施药为重点开展研究，将物联网技术与渔业相结合，利用先进的农业科学技术来实现水产养殖的自动管理。

2.1 渔业物联网在养殖环境监测方面的研究现状

渔类的健康生长与养殖场的环境状况紧密联系。不管是淡水养殖还是海水养殖，都必须实现对养殖场水体环境的全面检测，包括对盐度、PH值、溶解氧、氨、亚硝酸盐、硫化氢、水位、水温以及光照度等指标的实时监测。通过对养殖环境的高精度预测指定合理的水质调控计划，确保渔类在舒适的环境下健康生长。

当传感器将不同时刻采集的PH值传送到应用层时，首先利用集合经验模态分解算法(EEMD)对获取的PH时序列进行分解，得到一系列的平稳、互不耦合的子序列；然后跟据子序列的特征选择合适的单向预测方法并建模；最后对人工蜂群算法进行改进和优化，通过对预测模型的目标函数进行权重系数构建，实现对养殖过程中PH值的预测和监控[2]。在集约化水产养殖的过程中，将溶解氧、水温、太阳辐射、气压、风速、空气湿度等七个指标组成特征向量，以特征相似输入产生相似数据输出为指导思想，构建基于时间序列相似度量和最小二乘支持向量回归机预测模型，实现对水质中溶解氧的预测，该模型为实时预测水质变化趋势，动态调控水质和应对突发事件提供了科学的决策依据[3]。在对海水中的溶氧量进行长时间的监测中，将光学溶解氧传感器集成到在线监测系统中实现对海水养殖水质的实时监测[4]。针对水中污染物的处理，通过感知层实时采集相关数据和实际水量调度方法进行一致性监测，并利用虚拟现实技术将获取的数据在虚拟的环境中展现出来，对异常的信息进行捕获，从而实现污染物的自动监控[5]。

2.2 渔业物联网在水产养殖病害监控与诊断方面的研究现状

随着水产养殖的规模化、高密度化，养殖中的病害问题也日益严重。其主要原因是广大养殖户缺乏必要的病害诊断和治疗的知识，往往凭借经验来进行防治，容易错过最佳的治疗时机[6]。所以利用渔业物联网技术对水产养殖病害进行监控和诊断也是信息技术发展的必然。一方面，通过感知层远程采集动态图像，并利用传输层技术突破空间限制实现异地同步快速诊断，水产专家可以通过该系统获取养殖户的相关信息，包括病害、环境、施药和投饵信息等，并能够通过远程视频、语音来跟养殖户进行交互。另一方面，利用图像识别技术完成鱼群异常行为的自动监测，实现智能化水产养殖，提高对鱼群健康参数监测的准确性和实时性。

开展基于渔业物联网的水产养殖病害监控，要逐步扩大监控的品种、规模和监控点的数量。通过对监控点的合理部署形成一个全方位覆盖的监控网络，加强渔业物联网技术队伍的培训工作，争取更多的资金加快建设步伐，逐步完善病害监控和诊断体系，形成养殖户-信息员-乡镇监控点-县级监控站-市级监控站-省级监控站的六级监控网络。监控的种类包括鱼类、贝类、甲壳类等水产品，覆盖全省主要养殖区域的主要养殖品种[7]。

开展基于渔业物联网的水产养殖病害诊断，要逐步扩大渔业专家系统的应用范围。虽然专家系统作为农业虫害预警系统的一个重要组成部分已经得到了广泛的应用，但是在水产养殖病害的监控和诊断方向起步较晚。近些年来，渔业专家系统逐渐开展起来，尤其是在海参养殖和对虾病害的诊断方向已经得到了广泛的应用。通过查阅资料和文献，摸索和总结出各种病害发展的基本规律和流行趋势，结合渔业物联网技术对短期内可能发生的疾病做出预警，通过手机信息平台发送给广大养殖户，并提示养殖户在相关网站的专家系统上，获取渔业病害的在线咨询、诊断和防治服务。因此建立基于渔业物联网的多水种的水产养殖专家系统，对水产品的病害诊断具有重要的意义。

2.3 渔业物联网在精准投饵方面的研究现状

现代水产养殖过程中，越来越多的智能化设备开始代替枯燥、繁重的人工劳动。利用水产养殖机器人，可以完成投饵、喷药等作业，能实现规模化水产养殖的“四定”投饵，可降低水产养殖对劳动力的过分依赖。其不足之处在于：该方法需要人工配料上料，而且需要“一塘配一机”，设备在池塘间不能共享。利用机械式的投饵机，可以在一定范围内进行自动投饵，设备比较简单，成本较低，便于后期的维修。其不足之处在于：投饵的范围比较固定，移动不方便。利用风送式的投饵机，利用风力将饵料通过管道远距离输送到抛料盘上，实现360度抛撒饵料，投饵范围大，工作效率高。其不足之处在于：不能满足精准投饵的需要。

所以解决投饵过程中的定时、定量问题是当前渔业物联网发展过程中所要面对的一个重要问题。利用机器视觉技术对鱼群的动态特征信息进行判断，开发设计出鱼群养殖精确投饵系统，利用深水摄像头实时获取鱼群目标的视频图像，然后对视频图像进行预处理获取鱼群的特征信息，最终实现对投饵机的控制，基本能够达到精准投饵的效果；利用科里奥力学原理，采用DSP数字信号处理器为控制中心，通过采集扭矩和转速的信息，对计量误差进行自动校正，运用PID技术对投饵机的转速进行实时调节，从而精确控制饵料的投放，基本能满足颗粒饲料基准计量和定量给料的要求，适合深水网箱集约化养殖精确投饵操作和管理[8]；利用传感器获取池塘水体中的温度、溶氧量、PH值等环境特征，及时掌握养殖场的水质变化情况，依据水质的变化来控制投饵机的喷洒量度对保障水产品的质量，提高经济效益具有十分重要的作用。

2.4 渔业物联网在智能施药方面的研究现状

高密度、高投饵、高产量的养殖模式给养殖户带来高收益的同时，也为养殖水体带来了严重的内源污染。保障高产稳产，预防和治疗病害成为渔业养殖重要的日常工作，施药成为病害防治中必不可少的环节。传统的人工施药过程存在施药不均且耗时费力问题，有时还易造成人、畜、鱼的伤害。渔场对喷施机械有更高的智能化、精准化、安全化和环保化要求，迫切需要一种通过移动终端简单的参数设置，就能实现自动精准配药、施药的智能化施药设备。

在渔业物联网技术的基础之上，利用精准施药机器人对鱼群的集中区域进行视觉定位，然后根据自主行驶技术，对鱼群进行智能施药。保持实际施药量和设定施药量之间的误差在一定的区间内，来适应施药船行驶速度的变化，提高鱼药的利用率；把渔业物联网技术、自动化技术与施药技术相结合，实现对靶喷药，达到只对目标群体喷药的目的[10]。所以提高喷施精度、药液利用率，把控施药船行进速度及转向的灵活性，是当今水产养殖过程中智能施药所要解决的主要问题。

3 渔业物联网未来发展趋势分析

当前我国渔业物联网的发展还处于初级阶段，研发成本高，缺乏用户需求的持久动力。首先，要以水产养殖的需求为目标，研发出解决不同问题的水产养殖智能产品，降低成本，提高经济效益。其次，加快渔业物联网标准体系的建设，制定渔业物联网行业标准来指导渔业物联网技术的发展。再次，加大对渔业物联网示范工程和项目的支持，通过自主创新获取适合渔业物联网发展的知识产权成果。最后，突破渔业物联网的核心技术和解决当前环境检测、疫情监控、精准投饵和智能施药等一系列技术难题，促进渔业现代化的发展。

[1] 朱洪波, 杨龙祥, 朱 琦.物联网技术进展与应用[J].南京邮电大学学报(自然科学版),2011, 31(1):1-9.

[2] 徐龙琴, 李乾川, 刘双印,等.基于集合经验模态分解和人工蜂群算法的工厂化养殖pH值预测[J].农业工程学报, 2016(3):202-209.

[3] 刘双印, 徐龙琴, 李道亮,等.基于时间相似数据的支持向量机水质溶解氧在线预测[J].农业工程学报, 2014, 30(3):155-162.

[4] 房景辉, 邹 健, 刘 毅,等.基于物联网技术的水质监测系统中不同溶解氧传感器应用效果初探[J]. 山东农业科学, 2016, 48(4):134-138.

[5] 邵欣欣, 张明会.基于虚拟现实和物联网的水环境监测系统[J].中国科技论文, 2017, 12(7):738-742.

[6] 冯子慧, 王丽娟, 梁晶莹,等.水产养殖病害远程动态图像采集与传输系统的组成及实现[J].水产科技情报, 2014, 41(4):180-183.

[7] 王 凡. 福建省水产养殖病害监测现状及建议[J].渔业研究, 2012, 34(3):245-248.

[8] 王勇平. 图像动态特征提取在精准农业领域的应用研究[D].中国科学技术大学, 2015.

[9] 胡 昱, 郭根喜, 黄小华,等.深水网箱养殖自动投饵计量装置设计[J].南方水产科学, 2014, 10(2):80-85.

[10] 朱玉奇, 刑玉秀. 自动化仪表在林业中的的应用前景研究[J].电子世界, 2013(23):164-164.