基于AIoT的海水水产养殖环境智能监控系统的设计与开发

赵龙海 董艳辉 张志杰

关键词：AIoT；海水水产养殖环境；智能监控系统

0 引言

随着近年来我国国民经济的不断发展，居民生活水平的提升，使得我国的水产养殖形成新型经济模式，促进水产养殖业的发展迅速。在面向水产养殖集约快速发展的需求，基于人工智能物联网（AIoT） 技术、利用图像实时采集、AI预警预报等功能的海水水产养殖环境智能监控系统。该系统通过对现有的水质参数进行全面准确检测，实时监测和控制，数据的稳定可靠传输，及时获取水质预警信息，实时自动智能处理和智能控制，可远程监控养殖现场实际情况，实现智慧水产养殖，使得管理更加数字化、标准化，最终实现开源节流、绿色环保、降本增效的目标。

1 系统分析

1.1 系统功能需求分析

在信息化、数字化、智能化的当今社会，视频监控技术、物联网等新技术之间开发创新必不可少，这一变化正一步步走进人们生活，可见人们生活方式和工作方式正在改变[1]。在渔业人工养殖的过程中，最烦恼的是遇到恶劣的水环境，如有不适宜的水环境，导致鱼类及免疫力下降，容易造成鱼类身体病理变化，或发病率升高，甚至影响鱼类的存活，使其难以良好的生存。随着人工智能技术的不断发展，越来越多的研究人员开始利用人工智能技术对鱼类行为进行识别和分析，以提高研究效率，并且可以更加客观地分析和解释鱼类行为[2]。本系统借助物联网现代传感技术、计算机应用技术等，将传感器数据上传至云端，确保数据安全，使用AI分析数据，提供决策支持，实现对基于AIoT的海水水产养殖中的鱼类生长发育极为重要的6个参数：溶解氧、pH、温度、氨氮、水位、叶绿素进行实时监控。根据调研方案进行实地调查，汇总调研信息，进行整理分析提炼出系统的基本功能需求如下：1） 监测对象；2） 监测时效性；3） 监测数据分析和统计。

1.1.1 监测对象

通过采用水温pH、流量计等传感器，无须亲临现场，实时采集水产养殖池内环境数据。监测对象：如溶解氧、氨氮、pH值等数据。水池中的氨氮主要来自诱饵、肥料和动物尸体的分解。如果出现氨氮含量过高，将会导致鱼类中毒或死亡，給水产养殖带来重大损失。智能监控系统实现远程视频监控，第一时间获取养殖水环境中各类指标参数。本系统根据水质的情况，自动打开进水阀换水；当检测到水产养殖中的氧气不足时，系统会自动打开氧气泵补充氧气等。

1.1.2 监测时效性

实时监测，即24小时获取水质参数。监测时效性是至关重要的，能实现水质的长时间在线测量，监测频率可调整，最高可设置一分钟一次。行业内也产生了几种辅助监控设备或系统，如光强度检测仪、数据记录仪等，但存在着装置不能应用于电磁兼容电波暗室，不易同时监控被测灯具所有发光区域，测试数据无法保留，设备监控功能单一等局限性问题[3]。本系统可以自主设置监测采样周期，根据水质、气候、市场需求等因素，自动设置检测采样时间与频率。一旦发现数据有不正常的提示，工作人员能及时采取措施进行处理。

1.1.3 监测数据分析和统计

监测数据分析和统计，即将网络摄像头视频监控画面等监测数据接入到云平台，及时上报存储到服务器，尽可能方便养殖户使用随身携带的手机终端远程访问动态养殖区的情况，不需要时时守着养殖场，能随时随地查看当前系统参数，相关工作人员可以对监测数据分析和统计，第一时间通过有效的数据信息获取养殖需求，总结优化养殖方案。除此之外，系统能自主调配水产养殖现场设备的开关，根据水生态保护管理需求自主设定水质监测指标，一旦因监测参数超标时，系统将会及时发出预警预报，或依据当前状态的反馈信号及时启动反馈控制设备进行调节。

1.2 业务流程与数据流程分析

基于AIoT的海水水产养殖环境智能监控系统业务流程与数据流程分析，最主要的是在海水水产养殖生产中，需要对池塘、水库等水质进行实时监测，确保无化学污染。一旦水质污染并不断恶化，影响渔业生产的产量和质量，加速生态环境的退还和破坏，造成经济损失。在养殖过程中，及时调整水质，每天多次对养殖水环境中的溶解氧、温度、水位、叶绿素、pH、氨氮等参数进行实时监测。这些监测参数通过数据采集终端通过不同的方法进行全方位测量，利用智能监控系统实现数据传输、云存储、云计算服务和云应用等方面，识别统计分析并提供实时数据查询和数据共享。

2 系统设计

2.1 系统组成框架设计

本文采用Python、Java等语言、Java Web技术以及人工智能技术设计与开发了基于AIoT平台的智能监控系统。该系统的系统组成框架图如下图所示，由UWA-100多参数岸边式水环境监测站、BYQL-SZ04 水质控制站、现场及远程监控中心（即鑫拓诚操作台安防监控设备）、大数据云计算运用系统S7-400CPU 中央处理器（即中央云处理平台）等子系统组成，并配备MC600六要素气象传感器（即气象站），构建起一套综合性的安防监控系统，集成多种先进技术和设备，确保运行状况反馈良好，提升水产养殖的监控水平，增强系统可靠性和稳定性。如图1所示。

2.2 水环境监测站

水环境监测站，即监测和测量水体中污染的种类，对照污染程度提供变化趋势，测定和分析水体水质状况的过程。水环境监测站的优点，包括及时便捷效率高、可监测要素多、适用于多种测量条件、应用领域广等。该系统采用的是无线水质传感器和四信数据采集传输终端，实现对养殖水环境中水质参数的实时监测和数据的远程传输。同时，实现对降雨量和水质的精确测量，以及数据的实时传输和处理，并依据数据异常发出预警。

2.3 水质控制站

水质控制站，即包括MLS、GCS配电箱、松宝增氧机、无线控制终端等设备。系统能根据实时监测的数据，自动调整水质调控设备（如：泵）的运行状态。例如：在低负荷时，可以减少泵的数量或调整泵的运行频率；在高负荷时，自动启动备用泵，调整其运行状态确保顺利进行。系统可根据历史数据进行智能运维、预测性维修等决策，提高了系统的智能化水平。

2.4 现场及远程监控中心

现场及远程监控中心，即通过水质智能控制算法，根据不同的水质参数进行智能调节，实现现场及远程的实时监测与分析、数据获取、系统警报等功能。现场及远程监控中心的优点：1） 监控现场环境，及时发现问题处理；2） 提升水产养殖环境，实现文明水产养殖；3） 实现实时监测，远程预警，突破地域和空间的限制；4） 成本相对较低。

2.5 中央处理器

中央云处理平台是专门为现场及远程监控中心构建弹性高效的数据信息处理平台，即用于采集养殖水体实时水质数据、摄食欲望、投喂状态，并通过无线传输模块进行数据送达云平台。主要实现合并所有采集信息，通过无线传输的通信方式，将数据信息传输至后台监控层[4]。该平台主要提供螃蟹、鱼虾等各种养殖品种的水质监测、时刻监测渔业水质的变化情况、提前预警、预防鱼病、饲料精细投喂等各种模型和算法，实现集成摄食行为分析、环境因子监控、饲料需求计算模型，远程智能控制饲料机运行，为用户管理提供决策工具，有效规避养殖风险。

2.6 气象站

气象站主要通过气象采集设备监测环境温度、空气温湿度、风速等多个参数，利用云平台在线处理，实现对不同环境要素的监测，系统自动记录并对水质变化趋势进行有效的超限报警等，根据实时水质参数的变化趋势，提前部署科学调度，保证水质良好。

3 系统实现

本系统主要分为硬件和软件两部分。硬件方面，系统需要采用基于物联网信息化技术传感器、控制器等各类设备进行构建；软件方面，需要利用Python、Java等编程语言以及人工智能技术进行开发。系统实现通过自然语言处理技术（Nature Language Process?ing，NLP） ，利用生成式人工智能（Generative ArtificialIntelligence） 构建水质信息多层次的神经网络模块，实现海水水产养殖循环神经网络（RNNs） 的动态实时监测。基于AIoT、融合通信技术实现水质信息的实时监测指标数据和资源数据整合。结合水产养殖特色，设计与开发海水水产养殖环境中的溶解氧、温度、水位、叶绿素、pH、氨氮等参数的精准调控技术和智能AI管理系统。

3.1 构建水质信息多层次的神经网络模块，实现循环神经网络（RNNs） 的动态实时监测

生成式人工智能（Generative Artificial Intelligence） 通过分析大量的海水水产养殖水质信息，自动学习数据的分布和模式，进行环境数据的预处理，自主地生成各种类型的环境数据，进而构建水质信息多层次的神经网络模块，实现海水水产养殖循环神经网络（RNNs） 的动态实时监测。通过提供水质多层次的神经网络模块测试水体在典型状态下多方位模拟水质信息的分布，使用生成对抗网络（GANs） 等架构研究海水水产养殖水质指数的独特趋势变化，利用生成式AI 在自然语言处理领域中的循环神经网络（RNNs） 实现动态实时监测计算各测量点水质参数的均方差。除此之外，采集当前监测点的水质信息，获取并判断监测点，研究海水水产养殖环境中的溶解氧、温度、水位、叶绿素、pH、氨氮等参数，并对已知的参数重复应用判断监测点是否超出预设，为水质信息的研究提供了准确且可靠的数据保证。

3.2 基于AIoT、融合通信技术，实现水质信息资源数据整合

海水水产养殖物联网集成基于AIoT、融合通信等前沿技术应用，如：无线传感网络的水质传感器、无线传感器等，通过对智能传感设备，实现水质信息的实时监测指标数据和资源数据整合。设计该系统的通信电路时，不仅需要考虑构建ZigBee网络使用的芯片应具备优异的性能，还要考虑芯片的经济性，在保证芯片性能满足使用需求的前提条件下，通过最低的费用构建ZigBee网络[5]。本系统基于无线传感器网络，通过ZigBee/LoRa/NB-IoT/LTE 网络化技术手段，如：采用ZigBee技术进行搭桥构建一个信息采集监测模块，使得无线传感器网络与RFID系统互不干扰，实现水产养殖远程水质环境信息监测。ZigBee技术可以实现设备的互联互通，收集的数据通过网络与服务器进行连接，经過数据整理、输出再进行控制，自行组织无线传感养殖监控系统的智能中心。打破了传统的水产养殖模式，基于AIoT、融合通信技术，实现海水水产养殖远程AI监控和水质信息资源数据整合。

3.3 结合水产养殖特色，开发智能AI 管理系统

本文结合海水水产养殖特色，设计与开发海水水产养殖环境中的溶解氧、温度、水位、叶绿素、pH、氨氮等参数的精准调控技术和智能AI管理系统，有效实现了物联网智能管控和可视化无线传感管理系统。在基于可视化无线传感网络系统，采用三维网格化方法，建立综合水质信息多层次的神经网络模块，利用学习到的模式优化水质信息的监测点，实现海水水产养殖的智能AI控制和作业。物联网智能管控和可视化无线传感管理系统，提高水产养殖生产效率和管理水平，缩短工作周期，最大限度保证水产养殖的稳定性和可靠性，进而降低管理成本和人工损耗。

4 结束语

系统采用Python、Java、Java Web等编程语言和技术以及人工智能技术进行开发，对基于AIoT的海水水产养殖环境智能监控系统的系统分析、系统设计、系统实现以及核心功能实现依次进行了说明。本系统全面构建水质信息多层次的神经网络模块，实现循环神经网络（RNNs） 的动态实时监测、实现水质信息资源数据整合、开发智能AI管理系统等常用功能，提高海水水产养殖生产效率和管理水平的应用。系统的设计与开发工作，在一定层面上已大力弥补了基于AIoT 的海水水产养殖环境智能监控系统的不足，是“互联网+”在海水水产养殖的深层次应用，能够降低水产养殖管理成本和人工损耗，实现自动化AI管理，提高生产效率，构建具有特色的现代水产养殖新格局。