基于AIoT的海水水產養殖環境智能監控系統的設計與開發

趙龍海 董艷輝 張志杰

關鍵詞：AIoT；海水水產養殖環境；智能監控系統

0 引言

隨著近年來我國國民經濟的不斷發展，居民生活水平的提升，使得我國的水產養殖形成新型經濟模式，促進水產養殖業的發展迅速。在面向水產養殖集約快速發展的需求，基于人工智能物聯網（AIoT） 技術、利用圖像實時采集、AI預警預報等功能的海水水產養殖環境智能監控系統。該系統通過對現有的水質參數進行全面準確檢測，實時監測和控制，數據的穩定可靠傳輸，及時獲取水質預警信息，實時自動智能處理和智能控制，可遠程監控養殖現場實際情況，實現智慧水產養殖，使得管理更加數字化、標準化，最終實現開源節流、綠色環保、降本增效的目標。

1 系統分析

1.1 系統功能需求分析

在信息化、數字化、智能化的當今社會，視頻監控技術、物聯網等新技術之間開發創新必不可少，這一變化正一步步走進人們生活，可見人們生活方式和工作方式正在改變[1]。在漁業人工養殖的過程中，最煩惱的是遇到惡劣的水環境，如有不適宜的水環境，導致魚類及免疫力下降，容易造成魚類身體病理變化，或發病率升高，甚至影響魚類的存活，使其難以良好的生存。隨著人工智能技術的不斷發展，越來越多的研究人員開始利用人工智能技術對魚類行為進行識別和分析，以提高研究效率，并且可以更加客觀地分析和解釋魚類行為[2]。本系統借助物聯網現代傳感技術、計算機應用技術等，將傳感器數據上傳至云端，確保數據安全，使用AI分析數據，提供決策支持，實現對基于AIoT的海水水產養殖中的魚類生長發育極為重要的6個參數：溶解氧、pH、溫度、氨氮、水位、葉綠素進行實時監控。根據調研方案進行實地調查，匯總調研信息，進行整理分析提煉出系統的基本功能需求如下：1） 監測對象；2） 監測時效性；3） 監測數據分析和統計。

1.1.1 監測對象

通過采用水溫pH、流量計等傳感器，無須親臨現場，實時采集水產養殖池內環境數據。監測對象：如溶解氧、氨氮、pH值等數據。水池中的氨氮主要來自誘餌、肥料和動物尸體的分解。如果出現氨氮含量過高，將會導致魚類中毒或死亡，給水產養殖帶來重大損失。智能監控系統實現遠程視頻監控，第一時間獲取養殖水環境中各類指標參數。本系統根據水質的情況，自動打開進水閥換水；當檢測到水產養殖中的氧氣不足時，系統會自動打開氧氣泵補充氧氣等。

1.1.2 監測時效性

實時監測，即24小時獲取水質參數。監測時效性是至關重要的，能實現水質的長時間在線測量，監測頻率可調整，最高可設置一分鐘一次。行業內也產生了幾種輔助監控設備或系統，如光強度檢測儀、數據記錄儀等，但存在著裝置不能應用于電磁兼容電波暗室，不易同時監控被測燈具所有發光區域，測試數據無法保留，設備監控功能單一等局限性問題[3]。本系統可以自主設置監測采樣周期，根據水質、氣候、市場需求等因素，自動設置檢測采樣時間與頻率。一旦發現數據有不正常的提示，工作人員能及時采取措施進行處理。

1.1.3 監測數據分析和統計

監測數據分析和統計，即將網絡攝像頭視頻監控畫面等監測數據接入到云平臺，及時上報存儲到服務器，盡可能方便養殖戶使用隨身攜帶的手機終端遠程訪問動態養殖區的情況，不需要時時守著養殖場，能隨時隨地查看當前系統參數，相關工作人員可以對監測數據分析和統計，第一時間通過有效的數據信息獲取養殖需求，總結優化養殖方案。除此之外，系統能自主調配水產養殖現場設備的開關，根據水生態保護管理需求自主設定水質監測指標，一旦因監測參數超標時，系統將會及時發出預警預報，或依據當前狀態的反饋信號及時啟動反饋控制設備進行調節。

1.2 業務流程與數據流程分析

基于AIoT的海水水產養殖環境智能監控系統業務流程與數據流程分析，最主要的是在海水水產養殖生產中，需要對池塘、水庫等水質進行實時監測，確保無化學污染。一旦水質污染并不斷惡化，影響漁業生產的產量和質量，加速生態環境的退還和破壞，造成經濟損失。在養殖過程中，及時調整水質，每天多次對養殖水環境中的溶解氧、溫度、水位、葉綠素、pH、氨氮等參數進行實時監測。這些監測參數通過數據采集終端通過不同的方法進行全方位測量，利用智能監控系統實現數據傳輸、云存儲、云計算服務和云應用等方面，識別統計分析并提供實時數據查詢和數據共享。

2 系統設計

2.1 系統組成框架設計

本文采用Python、Java等語言、Java Web技術以及人工智能技術設計與開發了基于AIoT平臺的智能監控系統。該系統的系統組成框架圖如下圖所示，由UWA-100多參數岸邊式水環境監測站、BYQL-SZ04 水質控制站、現場及遠程監控中心（即鑫拓誠操作臺安防監控設備）、大數據云計算運用系統S7-400CPU 中央處理器（即中央云處理平臺）等子系統組成，并配備MC600六要素氣象傳感器（即氣象站），構建起一套綜合性的安防監控系統，集成多種先進技術和設備，確保運行狀況反饋良好，提升水產養殖的監控水平，增強系統可靠性和穩定性。如圖1所示。

2.2 水環境監測站

水環境監測站，即監測和測量水體中污染的種類，對照污染程度提供變化趨勢，測定和分析水體水質狀況的過程。水環境監測站的優點，包括及時便捷效率高、可監測要素多、適用于多種測量條件、應用領域廣等。該系統采用的是無線水質傳感器和四信數據采集傳輸終端，實現對養殖水環境中水質參數的實時監測和數據的遠程傳輸。同時，實現對降雨量和水質的精確測量，以及數據的實時傳輸和處理，并依據數據異常發出預警。

2.3 水質控制站

水質控制站，即包括MLS、GCS配電箱、松寶增氧機、無線控制終端等設備。系統能根據實時監測的數據，自動調整水質調控設備（如：泵）的運行狀態。例如：在低負荷時，可以減少泵的數量或調整泵的運行頻率；在高負荷時，自動啟動備用泵，調整其運行狀態確保順利進行。系統可根據歷史數據進行智能運維、預測性維修等決策，提高了系統的智能化水平。

2.4 現場及遠程監控中心

現場及遠程監控中心，即通過水質智能控制算法，根據不同的水質參數進行智能調節，實現現場及遠程的實時監測與分析、數據獲取、系統警報等功能。現場及遠程監控中心的優點：1） 監控現場環境，及時發現問題處理；2） 提升水產養殖環境，實現文明水產養殖；3） 實現實時監測，遠程預警，突破地域和空間的限制；4） 成本相對較低。

2.5 中央處理器

中央云處理平臺是專門為現場及遠程監控中心構建彈性高效的數據信息處理平臺，即用于采集養殖水體實時水質數據、攝食欲望、投喂狀態，并通過無線傳輸模塊進行數據送達云平臺。主要實現合并所有采集信息，通過無線傳輸的通信方式，將數據信息傳輸至后臺監控層[4]。該平臺主要提供螃蟹、魚蝦等各種養殖品種的水質監測、時刻監測漁業水質的變化情況、提前預警、預防魚病、飼料精細投喂等各種模型和算法，實現集成攝食行為分析、環境因子監控、飼料需求計算模型，遠程智能控制飼料機運行，為用戶管理提供決策工具，有效規避養殖風險。

2.6 氣象站

氣象站主要通過氣象采集設備監測環境溫度、空氣溫濕度、風速等多個參數，利用云平臺在線處理，實現對不同環境要素的監測，系統自動記錄并對水質變化趨勢進行有效的超限報警等，根據實時水質參數的變化趨勢，提前部署科學調度，保證水質良好。

3 系統實現

本系統主要分為硬件和軟件兩部分。硬件方面，系統需要采用基于物聯網信息化技術傳感器、控制器等各類設備進行構建；軟件方面，需要利用Python、Java等編程語言以及人工智能技術進行開發。系統實現通過自然語言處理技術（Nature Language Process?ing，NLP） ，利用生成式人工智能（Generative ArtificialIntelligence） 構建水質信息多層次的神經網絡模塊，實現海水水產養殖循環神經網絡（RNNs） 的動態實時監測。基于AIoT、融合通信技術實現水質信息的實時監測指標數據和資源數據整合。結合水產養殖特色，設計與開發海水水產養殖環境中的溶解氧、溫度、水位、葉綠素、pH、氨氮等參數的精準調控技術和智能AI管理系統。

3.1 構建水質信息多層次的神經網絡模塊，實現循環神經網絡（RNNs） 的動態實時監測

生成式人工智能（Generative Artificial Intelligence） 通過分析大量的海水水產養殖水質信息，自動學習數據的分布和模式，進行環境數據的預處理，自主地生成各種類型的環境數據，進而構建水質信息多層次的神經網絡模塊，實現海水水產養殖循環神經網絡（RNNs） 的動態實時監測。通過提供水質多層次的神經網絡模塊測試水體在典型狀態下多方位模擬水質信息的分布，使用生成對抗網絡（GANs） 等架構研究海水水產養殖水質指數的獨特趨勢變化，利用生成式AI 在自然語言處理領域中的循環神經網絡（RNNs） 實現動態實時監測計算各測量點水質參數的均方差。除此之外，采集當前監測點的水質信息，獲取并判斷監測點，研究海水水產養殖環境中的溶解氧、溫度、水位、葉綠素、pH、氨氮等參數，并對已知的參數重復應用判斷監測點是否超出預設，為水質信息的研究提供了準確且可靠的數據保證。

3.2 基于AIoT、融合通信技術，實現水質信息資源數據整合

海水水產養殖物聯網集成基于AIoT、融合通信等前沿技術應用，如：無線傳感網絡的水質傳感器、無線傳感器等，通過對智能傳感設備，實現水質信息的實時監測指標數據和資源數據整合。設計該系統的通信電路時，不僅需要考慮構建ZigBee網絡使用的芯片應具備優異的性能，還要考慮芯片的經濟性，在保證芯片性能滿足使用需求的前提條件下，通過最低的費用構建ZigBee網絡[5]。本系統基于無線傳感器網絡，通過ZigBee/LoRa/NB-IoT/LTE 網絡化技術手段，如：采用ZigBee技術進行搭橋構建一個信息采集監測模塊，使得無線傳感器網絡與RFID系統互不干擾，實現水產養殖遠程水質環境信息監測。ZigBee技術可以實現設備的互聯互通，收集的數據通過網絡與服務器進行連接，經過數據整理、輸出再進行控制，自行組織無線傳感養殖監控系統的智能中心。打破了傳統的水產養殖模式，基于AIoT、融合通信技術，實現海水水產養殖遠程AI監控和水質信息資源數據整合。

3.3 結合水產養殖特色，開發智能AI 管理系統

本文結合海水水產養殖特色，設計與開發海水水產養殖環境中的溶解氧、溫度、水位、葉綠素、pH、氨氮等參數的精準調控技術和智能AI管理系統，有效實現了物聯網智能管控和可視化無線傳感管理系統。在基于可視化無線傳感網絡系統，采用三維網格化方法，建立綜合水質信息多層次的神經網絡模塊，利用學習到的模式優化水質信息的監測點，實現海水水產養殖的智能AI控制和作業。物聯網智能管控和可視化無線傳感管理系統，提高水產養殖生產效率和管理水平，縮短工作周期，最大限度保證水產養殖的穩定性和可靠性，進而降低管理成本和人工損耗。

4 結束語

系統采用Python、Java、Java Web等編程語言和技術以及人工智能技術進行開發，對基于AIoT的海水水產養殖環境智能監控系統的系統分析、系統設計、系統實現以及核心功能實現依次進行了說明。本系統全面構建水質信息多層次的神經網絡模塊，實現循環神經網絡（RNNs） 的動態實時監測、實現水質信息資源數據整合、開發智能AI管理系統等常用功能，提高海水水產養殖生產效率和管理水平的應用。系統的設計與開發工作，在一定層面上已大力彌補了基于AIoT 的海水水產養殖環境智能監控系統的不足，是“互聯網+”在海水水產養殖的深層次應用，能夠降低水產養殖管理成本和人工損耗，實現自動化AI管理，提高生產效率，構建具有特色的現代水產養殖新格局。