申曉寧，游 璇，黃 遙，華昭杰，蔣星宇

(南京信息工程大學(xué) 自動(dòng)化學(xué)院 江蘇省大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心 江蘇省大數(shù)據(jù)分析技術(shù)重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210044)

0 引 言

目前，傳統(tǒng)的水產(chǎn)養(yǎng)殖仍沿用粗放式經(jīng)營(yíng)的方式，主要通過(guò)人工進(jìn)行水樣的采集檢測(cè)、喂食、投藥和巡檢等工作。而人工水樣采集檢測(cè)時(shí)效性差、數(shù)據(jù)片面，喂食和投藥容易造成資源浪費(fèi)和對(duì)水體的二次污染，人工巡檢成本過(guò)高，覆蓋范圍小。在信息化的今天，人們不斷將新的技術(shù)應(yīng)用于水產(chǎn)養(yǎng)殖，希望能夠?qū)崿F(xiàn)輔助甚至取代傳統(tǒng)養(yǎng)殖方式[1]。

目前，傳統(tǒng)的水產(chǎn)養(yǎng)殖系統(tǒng)通過(guò)結(jié)合移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等技術(shù)，實(shí)現(xiàn)了結(jié)構(gòu)上的升級(jí)改造，創(chuàng)造出了現(xiàn)代水產(chǎn)養(yǎng)殖新模式和新業(yè)態(tài)。例如，文獻(xiàn)[2]提出了利用多模自適應(yīng)控制方法來(lái)解除明輪船的耦合效應(yīng)，使船速超調(diào)量不超過(guò)5%，穩(wěn)態(tài)誤差在3%之內(nèi)。文獻(xiàn)[3]設(shè)計(jì)了一種無(wú)人船的在線監(jiān)控設(shè)備，結(jié)合統(tǒng)計(jì)分析、信息融合、組態(tài)控制、嵌入式等技術(shù)，提高了水產(chǎn)養(yǎng)殖過(guò)程中的監(jiān)控效率和精度。針對(duì)缺乏養(yǎng)殖現(xiàn)場(chǎng)信息反饋、餌料投放全憑人工判斷等缺陷，文獻(xiàn)[4]提出了一種智能投餌系統(tǒng)，能對(duì)浮餌圖像進(jìn)行自動(dòng)采集、識(shí)別和數(shù)量統(tǒng)計(jì)，并預(yù)測(cè)投放量，提高了養(yǎng)殖效率和效益。同時(shí)，智能化的水產(chǎn)養(yǎng)殖系統(tǒng)還需要繼續(xù)加強(qiáng)頂層設(shè)計(jì)和對(duì)關(guān)鍵技術(shù)的研究，突破資源、環(huán)境、食品安全等問(wèn)題的制約，向更加現(xiàn)代化的方向不斷發(fā)展。

針對(duì)現(xiàn)有問(wèn)題，本文設(shè)計(jì)了一種集通信、傳感器、云計(jì)算和圖像處理等技術(shù)的智能水產(chǎn)養(yǎng)殖無(wú)人船系統(tǒng)。本設(shè)計(jì)采用模塊化方案，搭載通信、定位、傳感器、圖像采集、采樣與投放等裝置，實(shí)現(xiàn)無(wú)人船智能規(guī)劃?rùn)z測(cè)水域的航行路線且自主巡航，客戶端實(shí)時(shí)顯示水質(zhì)數(shù)據(jù)和水面圖像，遠(yuǎn)程實(shí)現(xiàn)精確的采樣和投放工作，同時(shí)檢測(cè)數(shù)據(jù)云端存儲(chǔ)用于研究分析。

1 系統(tǒng)總體設(shè)計(jì)

系統(tǒng)集航線規(guī)劃、自主航行、水質(zhì)實(shí)時(shí)監(jiān)測(cè)、圖像采集與檢測(cè)、投放與采樣和遠(yuǎn)程監(jiān)控與操作等功能于一體，采用三體船結(jié)構(gòu)，主要分為船載系統(tǒng)、云服務(wù)器計(jì)算系統(tǒng)和客戶端系統(tǒng)3部分，系統(tǒng)總體框架如圖1所示。船載系統(tǒng)除了避障巡航和通信系統(tǒng)外，還以模塊化的方式搭載了GPS定位模塊、超聲波測(cè)距模塊、多種水質(zhì)檢測(cè)傳感器、采樣與投放系統(tǒng)、圖像采集模塊，用于實(shí)現(xiàn)自主航行、水質(zhì)監(jiān)測(cè)、視頻監(jiān)控、采樣投放等功能；云服務(wù)器主要實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)、航線規(guī)劃和圖像檢測(cè)功能；客戶端顯示監(jiān)控的水面狀況和水質(zhì)實(shí)時(shí)數(shù)據(jù)，并實(shí)現(xiàn)遠(yuǎn)程操控。

圖1 系統(tǒng)總體框架

2 硬件系統(tǒng)設(shè)計(jì)

無(wú)人船采用三體船結(jié)構(gòu)，船艙密封工藝，選用abs工程塑料，平穩(wěn)性較好，強(qiáng)度高，可抗3～4級(jí)風(fēng)浪。無(wú)人船采用意法半導(dǎo)體公司的STM32F103ZET6芯片[5]作為主控制器，該芯片具有32位處理器，256 kB的程序存儲(chǔ)器和64 kB的數(shù)據(jù)存儲(chǔ)器，完全能夠滿足本設(shè)計(jì)需要。全船采用12 V鋰電池供電，能量密度大，穩(wěn)定性高，并且分別通過(guò)電壓轉(zhuǎn)換芯片LM2576-5和 LM117-3.3 為各傳感器和控制器供電，滿足不同模塊的電壓需求。

2.1 巡航與避障系統(tǒng)設(shè)計(jì)

無(wú)人船的動(dòng)力推進(jìn)裝置由兩個(gè)無(wú)刷直流電機(jī)組成，位于船體尾部?jī)蓚?cè)，可正反轉(zhuǎn)，搭配電子調(diào)速器對(duì)電機(jī)協(xié)同控制，通過(guò)正反轉(zhuǎn)和差速控制法實(shí)現(xiàn)船體的轉(zhuǎn)向；選用定位模塊ATK1218-BD，AHRS模塊GY99(MPU9250)[6]，實(shí)現(xiàn)船體姿態(tài)和位置的解算，為航向與航線的校正提供參考數(shù)據(jù)，其中ATK1218-BD為GPS-北斗雙模定位模塊，可在30 s內(nèi)實(shí)現(xiàn)定位，精度為2.5mCEP，GY99是通過(guò)陀螺儀、加速器與磁場(chǎng)傳感器經(jīng)過(guò)數(shù)據(jù)融合算法直接得到角度信息，分辨率為0.1°，精確率為2°，兩個(gè)模塊體積小、功耗低，能夠滿足使用需求，同時(shí)能夠?qū)崿F(xiàn)船體姿態(tài)的監(jiān)測(cè)；相較于紅外傳感器，超聲波傳感器性能更加穩(wěn)定且不易受環(huán)境干擾，在無(wú)人船中軸線上的最前端和左右分別45°角加裝超聲波測(cè)距模塊，實(shí)現(xiàn)障礙物探測(cè)并為規(guī)避動(dòng)作提供信號(hào)，超聲波傳感器測(cè)距的工作原理是發(fā)射出去的超聲波遇到物體時(shí)會(huì)反生成反射波，傳感器會(huì)接收到該反射信號(hào)，將發(fā)射和接收的時(shí)間差傳換成距離，也稱為時(shí)間差測(cè)距法，選用模塊型號(hào)為KS103，最大測(cè)程8 m，最小盲區(qū)為1 cm，精度可達(dá)3 mm，能夠滿足一般的工業(yè)需求[7]。

如圖2所示，無(wú)人船系統(tǒng)上電后，各模塊初始化，在客戶端設(shè)置相應(yīng)的檢測(cè)位置，位置坐標(biāo)數(shù)據(jù)上傳至服務(wù)器，采用禁忌搜索算法[8]實(shí)現(xiàn)航線規(guī)劃，將航線數(shù)據(jù)包發(fā)送給無(wú)人船控制器，控制器開(kāi)始驅(qū)動(dòng)電機(jī)工作，無(wú)人船以一初始角度航行，每3 m進(jìn)行一次位置信息(GPS)和角度信息(電子羅盤(pán))的讀取，并與指定航線與航向?qū)Ρ龋?jì)算出角度偏差，通過(guò)差速法校正無(wú)人船航向，直至無(wú)人船到達(dá)終點(diǎn)，完成自主巡航的任務(wù)。

圖2 巡航與避障系統(tǒng)工作流程

2.2 通信系統(tǒng)設(shè)計(jì)

通信系統(tǒng)的總體框架如圖3所示，共分為無(wú)人船端、云服務(wù)器端和客戶端。從傳輸數(shù)據(jù)的內(nèi)容和距離角度出發(fā)，通信系統(tǒng)設(shè)計(jì)方案采用第四代移動(dòng)通信技術(shù)，需用型號(hào)為USR-LTE-7S4 V2的4G透?jìng)髂K，通過(guò)串口通信與控制器STM32F103ZET6連接，主要實(shí)現(xiàn)控制器和服務(wù)器之間的信息交互，該模塊體能夠支持13個(gè)頻段，允許兩個(gè)網(wǎng)絡(luò)連接同時(shí)在線，支持TCP和UDP，支持多種工作模式，如網(wǎng)絡(luò)透?jìng)髂Ｊ?、HTTPD模式和UDC模式，傳輸速度快，簡(jiǎn)單可靠，不受距離限制。本系統(tǒng)設(shè)計(jì)的云服務(wù)器端是基于騰訊提供的云服務(wù)器CVM開(kāi)發(fā)，服務(wù)器具有固定IP，保持客戶端和無(wú)人船長(zhǎng)時(shí)間連接，接收、轉(zhuǎn)發(fā)兩者的數(shù)據(jù)，同時(shí)對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)和處理，如航線規(guī)劃和路徑檢測(cè)，減少了無(wú)人船控制器和客戶端的工作負(fù)載，也降低了對(duì)于控制器的硬件要求，且云服務(wù)器具有彈性計(jì)算、多樣化配置、簡(jiǎn)單可靠和安全低廉等優(yōu)點(diǎn)?？蛻舳嘶贑#語(yǔ)言在VS環(huán)境下設(shè)計(jì)而成，通過(guò)英特網(wǎng)與云服務(wù)器連接，接收顯示服務(wù)器傳來(lái)的數(shù)據(jù)或?qū)⒉僮髦噶畎l(fā)送到服務(wù)器[9]。

圖3 通信系統(tǒng)總體框架

2.3 水質(zhì)檢測(cè)系統(tǒng)設(shè)計(jì)

本設(shè)計(jì)的水質(zhì)檢測(cè)系統(tǒng)以多種高精度傳感器為設(shè)備終端，STM32F103ZET6芯片為控制器實(shí)現(xiàn)數(shù)據(jù)的采集和處理。為滿足日常的檢測(cè)需求，以溫度、酸堿度、氨氮、溶解氧、濁度和電導(dǎo)率作為檢測(cè)要素[10]，參考國(guó)家標(biāo)準(zhǔn)的水質(zhì)測(cè)定法，使用由濟(jì)南智澤貿(mào)易公司提供的相關(guān)傳感器，型號(hào)和部分參數(shù)見(jiàn)表1。傳感器為保障檢測(cè)精度，自帶溫度補(bǔ)償，因此不需要專門(mén)搭載一個(gè)溫度傳感器。

無(wú)人船系統(tǒng)的水質(zhì)檢測(cè)模塊主要由幾種常見(jiàn)水質(zhì)檢測(cè)要素傳感器組成，根據(jù)實(shí)際檢測(cè)需求更換傳感器配置，可使系統(tǒng)更加靈活可靠。水質(zhì)檢測(cè)系統(tǒng)的通信網(wǎng)絡(luò)基于RS485通信協(xié)議，所使用的傳感器均使用RS485通信協(xié)議并聯(lián)在一起，并與中央控制器上的RS485接口相連接，圖4為水質(zhì)檢測(cè)主控制器和各個(gè)傳感器的通信結(jié)構(gòu)圖。

表1 水質(zhì)檢測(cè)傳感器參數(shù)

圖4 水質(zhì)檢測(cè)通信結(jié)構(gòu)

2.4 采樣與投放系統(tǒng)設(shè)計(jì)

在水產(chǎn)養(yǎng)殖的過(guò)程中，水樣采集與物料投放屬于常規(guī)作業(yè)，本設(shè)計(jì)的采樣與投放系統(tǒng)結(jié)構(gòu)如圖5所示。

該部分由支架(1)，牽引電機(jī)(2)，絞盤(pán)(3)，牽引繩(4)、水泵(5)、彈簧水管(6)、托盤(pán)(7)、連倉(cāng)軟管(8)、電磁閥(9)和艙體(10)組成，可通過(guò)調(diào)換彈簧水管(6)與連倉(cāng)軟管(8)的接口位置切換采樣與投料工作模式。其中，牽引電機(jī)為兩相四線步進(jìn)電機(jī)，線序?yàn)锳BCD，步角距為1.8°，驅(qū)動(dòng)模塊采用A4988驅(qū)動(dòng)器[11]，為精確投放深度，設(shè)置為1/4步進(jìn)模式；絞盤(pán)半徑為0.06 m；水泵為無(wú)刷直流水泵，震動(dòng)較小適用于船體內(nèi)部，流量4 L/min。按式(1)和式(2)將需要投管的深度h和采樣或投放體量V分別轉(zhuǎn)化為步進(jìn)電機(jī)和水泵的工作時(shí)間

(1)

(2)

采樣與投放系統(tǒng)的工作流程如圖6所示?？蛻舳嗽O(shè)定相關(guān)工作參數(shù)后，將數(shù)據(jù)包發(fā)送給無(wú)人船端，無(wú)人船航行到指定作業(yè)位置后制動(dòng)，步進(jìn)電機(jī)釋放牽引繩，將彈簧軟管下放到指定深度，電磁閥打開(kāi)，水泵開(kāi)始工作，采樣或投料結(jié)束后，水泵關(guān)閉，電磁閥關(guān)閉，步進(jìn)電機(jī)拖動(dòng)牽引繩收回彈簧水管。本投放系統(tǒng)只能投放液體物料，主要應(yīng)用于溶于水的化學(xué)藥劑投放，實(shí)現(xiàn)水質(zhì)治理和病害防治。

圖6 采樣/投放工作流程

2.5 視頻采集系統(tǒng)設(shè)計(jì)

視頻采集系統(tǒng)主要用于水域水面環(huán)境監(jiān)測(cè)，通過(guò)4G透?jìng)髂K將畫(huà)面?zhèn)鬏數(shù)娇蛻舳?，?shí)現(xiàn)水面遠(yuǎn)程監(jiān)控。綜合考慮STM32F103ZET6的視頻采集能力，本系統(tǒng)設(shè)計(jì)單獨(dú)采用樹(shù)莓派(Raspberry pi3)[12]作為圖像采集控制器，它使用64位四核ARM Cortex-A53，雙核 Videocore IV多媒體協(xié)處理器，主要實(shí)現(xiàn)實(shí)時(shí)獲取攝像頭的視頻數(shù)據(jù)，然后將數(shù)據(jù)通過(guò)4G DTU模塊發(fā)送到服務(wù)器做進(jìn)一步處理。視頻采集終端采用高清夜視攝像頭，視頻分辨率可達(dá)1080P，F(xiàn)2.0光圈高清錄像，配備夜視功能，采用H.264解碼，支持TCP通信協(xié)議，防塵防水，能夠滿足水面圖像采集標(biāo)準(zhǔn)。

3 軟件系統(tǒng)設(shè)計(jì)

3.1 客戶端軟件設(shè)計(jì)

本設(shè)計(jì)采用面向?qū)ο蟮腃#語(yǔ)言來(lái)編寫(xiě)客戶端軟件，為了高效地實(shí)現(xiàn)無(wú)人船數(shù)據(jù)的實(shí)時(shí)讀取和顯示，并查看參數(shù)曲線對(duì)其加以分析，VS2013集成了大量實(shí)用的類庫(kù)，該客戶端軟件即在此環(huán)境下編譯完成。根據(jù)系統(tǒng)的軟件設(shè)計(jì)任務(wù)要求，采用模塊化的軟件設(shè)計(jì)理念，設(shè)計(jì)主要包括TCP/IP通信模塊、實(shí)時(shí)數(shù)據(jù)顯示模塊、視頻監(jiān)控模塊等?？蛻舳酥鹘缑嫒鐖D7所示。

圖7 客戶端界面

在圖7主界面中，左側(cè)通過(guò)菜單欄可切換功能，右上角為操控指令區(qū)，實(shí)現(xiàn)采樣投放、視頻采集等操控，右下方為攝像頭采集水面畫(huà)面顯示。圖7(a)為開(kāi)啟自主巡航功能時(shí)的主界面，界面左側(cè)顯示的是航線軌跡圖；圖7(b)為水質(zhì)監(jiān)測(cè)時(shí)的主界面，此時(shí)界面左側(cè)為各項(xiàng)水質(zhì)監(jiān)測(cè)指標(biāo)的曲線圖，右側(cè)顯示的是水質(zhì)信息的實(shí)時(shí)數(shù)據(jù)。

3.2 基于禁忌搜索算法的航線規(guī)劃系統(tǒng)設(shè)計(jì)

1986年，美國(guó)系統(tǒng)學(xué)家Glover提出了禁忌搜索算法[13](Tabu Search或Taboo Search，TS)，它是一種廣義的局部搜索算法，其中的禁忌技術(shù)高度模擬了人類大腦的“記憶力機(jī)制”，具有較強(qiáng)的“爬山能力”，不易早熟收斂，已經(jīng)被廣泛應(yīng)用于生產(chǎn)調(diào)度[14]、公交網(wǎng)絡(luò)[15]、電網(wǎng)輸電[16]和電路印刷[17]等領(lǐng)域?；诮伤阉魉惴ǖ暮骄€規(guī)劃系統(tǒng)主要是在云服務(wù)器內(nèi)完成，如圖8所示，在客戶端設(shè)置好相應(yīng)的檢測(cè)點(diǎn)，檢測(cè)點(diǎn)的位置信息，轉(zhuǎn)化為坐標(biāo)信息，然后發(fā)送至服務(wù)器，利用禁忌搜索算法進(jìn)行航線規(guī)劃，該算法首先用隨機(jī)法生成初始解(初始航線)，然后采用2-opt法生成若干組鄰域解(鄰域航線)，根據(jù)航線長(zhǎng)度選出一部分作為候選解(候選航線)，如果最優(yōu)候選解優(yōu)于當(dāng)前解(當(dāng)前航線)，則最優(yōu)候選解替代當(dāng)前解，且進(jìn)入禁忌表，取代最先進(jìn)入禁忌表的解，否則在非禁忌的候選解中選最優(yōu)解取代當(dāng)前解并進(jìn)入禁忌表，重復(fù)以上迭代計(jì)算直到完成相應(yīng)的迭代次數(shù)[18]。

圖8 禁忌搜索航線規(guī)劃流程

3.3 基于Mask R-CNN算法的水面物體檢測(cè)系統(tǒng)

機(jī)器視覺(jué)是人工智能一個(gè)開(kāi)速發(fā)展的分支，簡(jiǎn)單說(shuō)，就是用機(jī)器對(duì)于圖像的捕捉和處理來(lái)替代人的視覺(jué)系統(tǒng)做測(cè)量和判斷。深度學(xué)習(xí)(DL)是機(jī)器學(xué)習(xí)的一種，它們都是通過(guò)建立模型將特定的現(xiàn)實(shí)問(wèn)題轉(zhuǎn)化為數(shù)學(xué)模型，并解決相似問(wèn)題的方法。深度學(xué)習(xí)沿用人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)的理論，通過(guò)建立模型，構(gòu)造復(fù)雜、多層的神經(jīng)網(wǎng)絡(luò)，模擬人腦的機(jī)制對(duì)文本、圖像、聲音等數(shù)據(jù)進(jìn)行處理和學(xué)習(xí)，因此深度學(xué)習(xí)又稱為深層神經(jīng)網(wǎng)絡(luò)(deep neural networks，DNN)。本系統(tǒng)設(shè)計(jì)采用Mask R-CNN網(wǎng)絡(luò)[19]對(duì)圖像內(nèi)的目標(biāo)進(jìn)行檢測(cè)與分類，此網(wǎng)絡(luò)由Facebook 人工智能小組提出，是一種簡(jiǎn)單靈活、通用性強(qiáng)的目標(biāo)實(shí)例分割框架。它在Faster R-CNN[20]邊界框識(shí)別分支的基礎(chǔ)上添加了一個(gè)并行的分支，用來(lái)預(yù)測(cè)目標(biāo)掩碼，因此每個(gè)實(shí)例都能生成一個(gè)高質(zhì)量的分割掩碼，每個(gè)實(shí)例中同時(shí)出現(xiàn)的目標(biāo)能被有效地檢測(cè)到，其網(wǎng)絡(luò)結(jié)構(gòu)如圖9所示。綜合圖像處理速度和精確度考慮，Mask R-CNN網(wǎng)絡(luò)無(wú)疑是一種比較合適的選擇。

圖9 Mask R-CNN網(wǎng)絡(luò)結(jié)構(gòu)

4 系統(tǒng)功能測(cè)試

本系統(tǒng)搭建完成后進(jìn)行功能測(cè)試，選取校園內(nèi)一人工湖作為測(cè)試水域，天氣陰天，風(fēng)3～4級(jí)，無(wú)強(qiáng)光。

4.1 系統(tǒng)基本功能測(cè)試

無(wú)人船下水后，首先按照手動(dòng)操作指令運(yùn)行，分別操控?zé)o人船完成直線航行、轉(zhuǎn)向、制動(dòng)漂浮、水質(zhì)檢測(cè)、手動(dòng)操做采樣和視頻采集開(kāi)關(guān)等指令，發(fā)現(xiàn)無(wú)人船能夠具備基本的通信與航行功能，并將航行軌跡和檢測(cè)數(shù)據(jù)發(fā)送到客戶端顯示出來(lái)；然后切換自動(dòng)工作模式，在客戶端設(shè)定巡航軌跡、水質(zhì)檢測(cè)位置、采樣位置、深度、容量，發(fā)現(xiàn)無(wú)人船直線航速可達(dá)50 m/min，控制系統(tǒng)指令傳輸平均時(shí)延為300 ms，當(dāng)開(kāi)啟視頻采集模式時(shí)時(shí)延有所增加，約為500 ms，測(cè)算檢測(cè)位置、采樣位置和返航位置的設(shè)定坐標(biāo)和實(shí)際航行位置，在空曠水域定位偏差約為2CEP，測(cè)量采樣投放系統(tǒng)中牽引繩入水深度和艙體實(shí)際采樣體積，投放深度誤差約為5%，采樣容量誤差約為8%；最后將無(wú)人船航行到水域某點(diǎn)后切斷通信，無(wú)人船在30 s內(nèi)無(wú)法重新連接后，按照出發(fā)路線返航，返航成功。經(jīng)測(cè)試，本系統(tǒng)的操作、通信、檢測(cè)、巡航等基本功能都能正常運(yùn)行，且滿足設(shè)計(jì)需求。

4.2 航線規(guī)劃功能測(cè)試

基于禁忌搜索算法的航線規(guī)劃系統(tǒng)，依托云服務(wù)器進(jìn)行計(jì)算，首先將在地圖上選取的檢測(cè)點(diǎn)經(jīng)緯度信息轉(zhuǎn)換成二維坐標(biāo)信息，將坐標(biāo)輸入算法中，規(guī)劃出一天航線后，將航線坐標(biāo)信息解碼成經(jīng)緯度參數(shù)發(fā)給無(wú)人船。此處采用MATLAB軟件進(jìn)行仿真，在一個(gè)200 m*200 m的水域，隨機(jī)選取15個(gè)監(jiān)測(cè)點(diǎn)，坐標(biāo)信息為[131 43;142 31;161 135;78 41;98 114;20 85;97 96;191 192;100 143;80 0;167 116;11 174;74 176;125 97;85 57]，設(shè)坐標(biāo)中為0或者200的為岸邊，經(jīng)過(guò)仿真，航線規(guī)劃如圖10(a)所示，從坐標(biāo)(80,0)位置出發(fā)，巡航所有監(jiān)測(cè)點(diǎn)后返回出發(fā)位置；航線規(guī)劃過(guò)程如圖10(b)所示，初始隨機(jī)生成的一條搜索航線總長(zhǎng)度為1514.3 m,經(jīng)過(guò)禁忌搜索法迭代到第86次時(shí)，最優(yōu)規(guī)劃航線的總長(zhǎng)度僅為780.069 m，節(jié)省48.47%的里程，仿真用時(shí)約6 s，滿足計(jì)算需求，同時(shí)對(duì)于無(wú)人船的續(xù)航和工作能力的增加有著重要意義。

圖10 基于禁忌搜索算法的航線規(guī)劃

4.3 水面目標(biāo)檢測(cè)與識(shí)別測(cè)試

基于深度學(xué)習(xí)算法的圖像檢測(cè)對(duì)于硬件上設(shè)備具有一定的要求，本系統(tǒng)采用云服務(wù)器作為算法運(yùn)行的載體，極大地減輕了客戶端主機(jī)和圖像采集控制器的負(fù)載和成本。圖11(a)為水面單個(gè)物體檢測(cè)，且能夠?qū)⑺械慕ㄖ锱c漂浮物進(jìn)行區(qū)分；圖11(b)為多物體檢測(cè)，能夠準(zhǔn)確識(shí)別水面的漂浮物。雖然當(dāng)檢測(cè)算法運(yùn)行時(shí)，圖像存在掉幀情況，但是能夠維持8幀左右，能夠滿足日常水面巡檢工作。

4.4 水質(zhì)檢測(cè)精度測(cè)試

水質(zhì)檢測(cè)部分是整個(gè)系統(tǒng)的重要組成，本次測(cè)試在校園內(nèi)的人工湖進(jìn)行實(shí)地測(cè)試。在檢測(cè)時(shí)選取5個(gè)檢測(cè)點(diǎn)，分別用無(wú)人船水質(zhì)監(jiān)測(cè)系統(tǒng)和便攜式水質(zhì)檢測(cè)儀進(jìn)行水質(zhì)檢測(cè)，無(wú)人船系統(tǒng)的檢測(cè)數(shù)據(jù)與便攜式水質(zhì)檢測(cè)儀數(shù)據(jù)的差值的絕對(duì)值見(jiàn)表2，其中無(wú)人船檢測(cè)的數(shù)據(jù)，為每5 s檢測(cè)一次，取5次的平均值。

利用表2數(shù)據(jù)，用測(cè)量的絕對(duì)誤差最大值除以量程可以計(jì)算出每種傳感器的引用誤差。根據(jù)《GBT 13283-2008工業(yè)過(guò)程測(cè)量和控制用檢測(cè)儀表和顯示儀表精確度等級(jí)》[21]，我國(guó)儀表精度等級(jí)依據(jù)引用誤差值劃分為0.1，0.2，0.5，1.0，1.5，2.5，5.0這7個(gè)等級(jí)，由表2數(shù)據(jù)中的引用誤差，可知傳感器的等級(jí)分別為Ⅳ(1.0)，Ⅲ(0.5)，Ⅱ(0.2)，Ⅰ(0.1)，Ⅲ(0.5)，Ⅰ(0.1)，綜上可知無(wú)人船水質(zhì)檢測(cè)部分的檢測(cè)精度誤差能夠滿足常規(guī)的檢測(cè)要求，其中無(wú)人船航行對(duì)水流的影響會(huì)引起溫度、溶解氧和濁度的變化，測(cè)量存在一定誤差。

圖11 水面漂浮物檢測(cè)測(cè)試結(jié)果

5 結(jié)束語(yǔ)

本文介紹了傳統(tǒng)水產(chǎn)養(yǎng)殖系統(tǒng)和現(xiàn)代水產(chǎn)養(yǎng)殖技術(shù)的發(fā)展現(xiàn)狀與不足，并針對(duì)現(xiàn)存的問(wèn)題提出了一種模塊化的智能水產(chǎn)養(yǎng)殖無(wú)人船系統(tǒng)，能夠完成自主巡航、水質(zhì)監(jiān)測(cè)、實(shí)時(shí)監(jiān)控、遠(yuǎn)程控制、采樣投料等任務(wù)。通過(guò)對(duì)各個(gè)功能和模塊進(jìn)行測(cè)試和實(shí)驗(yàn)，結(jié)果表明，本文設(shè)計(jì)的智能水產(chǎn)養(yǎng)殖無(wú)人船系統(tǒng)能夠?qū)崿F(xiàn)航線規(guī)劃與自主巡航，對(duì)當(dāng)前水域的水質(zhì)和水面狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，各傳感器的精度符合國(guó)家標(biāo)準(zhǔn)要求，并能通過(guò)遠(yuǎn)程控制實(shí)施精準(zhǔn)的物料投放，此外，無(wú)人船航行的路線及位置、水質(zhì)監(jiān)測(cè)的詳細(xì)參數(shù)和水面的圖像畫(huà)面都能夠通過(guò)客戶端軟件顯示出來(lái)，監(jiān)測(cè)數(shù)據(jù)可通過(guò)云端進(jìn)行保存。

表2 水質(zhì)檢測(cè)誤差值

與傳統(tǒng)的水產(chǎn)養(yǎng)殖系統(tǒng)相比，本文提出的無(wú)人船系統(tǒng)降低了水產(chǎn)養(yǎng)殖行業(yè)的勞動(dòng)作業(yè)強(qiáng)度和人力成本，通過(guò)對(duì)養(yǎng)殖過(guò)程的實(shí)時(shí)監(jiān)測(cè)和精準(zhǔn)的物料投放，有效改善了水體環(huán)境，大大降低了水產(chǎn)養(yǎng)殖行業(yè)的風(fēng)險(xiǎn)系數(shù)，提高了生產(chǎn)效率，同時(shí)也便于操作人員的規(guī)范管理。利用云服務(wù)器將養(yǎng)殖過(guò)程中產(chǎn)生的數(shù)據(jù)收集起來(lái)，進(jìn)行整合、挖掘后變成有價(jià)值的信息，不僅可以用于科研技術(shù)的進(jìn)一步研究，還可以為經(jīng)營(yíng)主體提供決策支持和行業(yè)服務(wù)，有利于政府進(jìn)行大數(shù)據(jù)管理和科學(xué)化監(jiān)管。

本設(shè)計(jì)完成了系統(tǒng)各模塊的硬件及軟件設(shè)計(jì)目標(biāo)，經(jīng)檢測(cè)達(dá)到了預(yù)期指標(biāo)要求。但是，仍然還有一些有待改進(jìn)加強(qiáng)的地方。

(1)由于船體的限制，僅能搭載少量檢測(cè)傳感器，需要對(duì)船體進(jìn)一步設(shè)計(jì)提高其負(fù)載能力，針對(duì)實(shí)際需求加載其它設(shè)備，如魚(yú)群探測(cè)傳感器，水域地形探測(cè)傳裝備等。

(2)將檢測(cè)對(duì)象擴(kuò)展到三維水體空間，研究追蹤定位養(yǎng)殖環(huán)境中污染源的方法，根據(jù)檢測(cè)數(shù)據(jù)追溯污染源。

(3)構(gòu)建相關(guān)數(shù)據(jù)庫(kù)，收集水域水質(zhì)和養(yǎng)殖數(shù)據(jù)，繪制相關(guān)狀況分布圖。

(4)進(jìn)一步開(kāi)發(fā)圖像采集模塊，將機(jī)器視覺(jué)應(yīng)用于巡航避障，即采用雙目攝像頭實(shí)現(xiàn)對(duì)檢測(cè)到障礙物進(jìn)行空間信息解算。