李昕聰，余紫揚(yáng)，劉 璞，張烈山

(浙江理工大學(xué)機(jī)械與自動(dòng)控制學(xué)院，浙江杭州 310018)

水產(chǎn)養(yǎng)殖業(yè)是漁業(yè)的重要組成部分，2020年全國(guó)水產(chǎn)養(yǎng)殖總產(chǎn)量5 224.2萬(wàn)t，同比增長(zhǎng)2.86%[1]。然而，由于水產(chǎn)養(yǎng)殖行業(yè)的水質(zhì)檢測(cè)技術(shù)不成熟、運(yùn)營(yíng)維護(hù)成本高，所以覆蓋率較低，水質(zhì)問題發(fā)現(xiàn)不及時(shí)，水產(chǎn)產(chǎn)量與質(zhì)量難以得到保證[2-5]。為改善水產(chǎn)養(yǎng)殖水質(zhì)污染問題，運(yùn)用信息化技術(shù)進(jìn)行養(yǎng)殖水質(zhì)污染監(jiān)測(cè)逐漸成為水產(chǎn)養(yǎng)殖業(yè)發(fā)展主流[6-9]。

水體的溫度、濁度、硝酸鹽含量、氨氮含量、溶氧和pH等是影響水產(chǎn)養(yǎng)殖的關(guān)鍵[10-11]。目前國(guó)內(nèi)普遍的水產(chǎn)養(yǎng)殖水域水質(zhì)檢測(cè)方法大多利用多個(gè)固定水質(zhì)檢測(cè)點(diǎn)或者浮標(biāo)構(gòu)建監(jiān)測(cè)網(wǎng)絡(luò)，或者依靠人力攜帶各種檢測(cè)設(shè)備進(jìn)行現(xiàn)場(chǎng)測(cè)量[12-14]。針對(duì)這一現(xiàn)象，國(guó)內(nèi)外許多專家學(xué)者都展開了研究，并提出了各自的解決方案。李鑫星等[15]提出一種基于ZigBee的無(wú)線水質(zhì)監(jiān)測(cè)系統(tǒng)，定時(shí)收集觀測(cè)點(diǎn)的水質(zhì)數(shù)據(jù)。張琴等[16]基于LoRa設(shè)計(jì)了一種低功耗水產(chǎn)養(yǎng)殖水質(zhì)監(jiān)控系統(tǒng)，在覆蓋范圍和功耗上優(yōu)勢(shì)明顯。謝辰旻等[17]基于Arduino設(shè)計(jì)了一種水下航行器，配合多傳感器實(shí)現(xiàn)水質(zhì)監(jiān)測(cè)與水質(zhì)改善，但仍處于試驗(yàn)階段。目前大部分的解決方案都各具特點(diǎn)，但都或多或少存在組網(wǎng)復(fù)雜、成本較高、維護(hù)復(fù)雜等問題，無(wú)法大規(guī)模部署。更重要的是，只提供水質(zhì)的紙面參數(shù)，缺乏對(duì)水質(zhì)參數(shù)的分析以及養(yǎng)殖反饋，無(wú)法很好地將反饋數(shù)據(jù)快速轉(zhuǎn)變成實(shí)際利益。

無(wú)人水質(zhì)測(cè)量船成本低廉，且檢測(cè)覆蓋的面積廣，基本可以實(shí)現(xiàn)對(duì)水域的全天候大面積檢測(cè)，適合大規(guī)模部署。NB-IoT技術(shù)(Narrow Band -Internet of things，窄帶物聯(lián)網(wǎng))不僅覆蓋范圍大、占用帶寬低、運(yùn)行功耗低，且可以接入蜂窩網(wǎng)絡(luò)，極大地簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu)，在各方面都更適合養(yǎng)殖魚塘的云端監(jiān)控[18-21]。

本研究提出了一種基于NB-IoT與無(wú)人船巡檢技術(shù)的水質(zhì)檢測(cè)與調(diào)節(jié)物聯(lián)系統(tǒng)。在云端實(shí)時(shí)監(jiān)控水域水質(zhì)的同時(shí)，還可以獲得由專家系統(tǒng)根據(jù)當(dāng)前水質(zhì)參數(shù)提出的養(yǎng)殖建議，進(jìn)而云端控制水質(zhì)調(diào)節(jié)節(jié)點(diǎn)對(duì)水質(zhì)進(jìn)行調(diào)整。本系統(tǒng)在監(jiān)控水質(zhì)的同時(shí)為養(yǎng)殖戶提供更加科學(xué)的養(yǎng)殖管理方案，為水產(chǎn)的增產(chǎn)、增質(zhì)提供了一種可行的解決辦法。

1 水質(zhì)檢測(cè)與調(diào)節(jié)物聯(lián)系統(tǒng)概述

1.1 總體方案

水質(zhì)檢測(cè)與調(diào)節(jié)物聯(lián)系統(tǒng)的總體方案如圖1所示，可分成云平臺(tái)、水質(zhì)監(jiān)控節(jié)點(diǎn)以及水質(zhì)調(diào)節(jié)節(jié)點(diǎn)3大部分。

圖1 水質(zhì)檢測(cè)與調(diào)節(jié)物聯(lián)系統(tǒng)總體方案

云平臺(tái)包含了OneNET開放云平臺(tái)以及專家系統(tǒng)，其主要功能為接收節(jié)點(diǎn)信息、推理養(yǎng)殖建議以及下發(fā)控制指令；水質(zhì)監(jiān)控節(jié)點(diǎn)為搭載了各式傳感器以及視覺模塊的自主巡航無(wú)人船，其通過NB-IoT與云平臺(tái)進(jìn)行通信；水質(zhì)調(diào)節(jié)節(jié)點(diǎn)則包括水泵、增氧機(jī)、投料機(jī)等漁業(yè)養(yǎng)殖相關(guān)設(shè)備，可以根據(jù)控制指令進(jìn)行水質(zhì)的調(diào)節(jié)。

1.2 工作原理

整個(gè)水質(zhì)檢測(cè)與調(diào)節(jié)物聯(lián)系統(tǒng)工作原理如圖2所示。用戶使用Web應(yīng)用通過OneNET云平臺(tái)給無(wú)人船發(fā)送指定水域的檢測(cè)點(diǎn)坐標(biāo)，無(wú)人船會(huì)根據(jù)收到的坐標(biāo)點(diǎn)進(jìn)行自動(dòng)路徑規(guī)劃并開始無(wú)人巡航。在此期間，無(wú)人船搭載的視覺模塊和多個(gè)傳感器會(huì)收集各檢測(cè)點(diǎn)的水質(zhì)參數(shù)并判斷是否存在漂浮的死魚，數(shù)據(jù)打包后通過NB-IoT模塊發(fā)送到云平臺(tái)，繼而實(shí)時(shí)呈現(xiàn)在用戶的Web應(yīng)用界面。當(dāng)無(wú)人船結(jié)束巡航時(shí)，所有的信息匯總后會(huì)在云端通過專家系統(tǒng)給出水質(zhì)決策，并呈現(xiàn)在用戶的Web應(yīng)用界面。最終用戶可以根據(jù)專家系統(tǒng)提供的決策和實(shí)際情況，通過云端控制增氧機(jī)、投料機(jī)以及水泵等設(shè)備的開啟或關(guān)閉，以調(diào)節(jié)水質(zhì)。

圖2 工作原理示意圖

至此，用戶通過該水質(zhì)檢測(cè)與調(diào)節(jié)系統(tǒng)，實(shí)現(xiàn)了對(duì)整個(gè)養(yǎng)殖水域的水質(zhì)參數(shù)實(shí)時(shí)監(jiān)控，獲得了專家系統(tǒng)提供的養(yǎng)殖建議，并可以實(shí)時(shí)控制調(diào)節(jié)設(shè)備來(lái)調(diào)節(jié)水質(zhì)。

1.3 系統(tǒng)硬件組成

1.3.1 無(wú)人船移動(dòng)檢測(cè)節(jié)點(diǎn)

無(wú)人船作為養(yǎng)殖場(chǎng)水質(zhì)參數(shù)檢測(cè)與調(diào)節(jié)物聯(lián)網(wǎng)系統(tǒng)移動(dòng)節(jié)點(diǎn)的承載平臺(tái)，其實(shí)物圖和內(nèi)部結(jié)構(gòu)示意圖分別如圖3和圖4所示。

圖3 無(wú)人船實(shí)物圖

圖4 無(wú)人船內(nèi)部結(jié)構(gòu)示意圖

無(wú)人船上搭載了pH傳感器、濁度傳感器、亞硝酸鹽傳感器、溶氧傳感器以及氨氮傳感器，可以實(shí)現(xiàn)對(duì)水域水質(zhì)的多參數(shù)檢測(cè)。

K210視覺模塊可以對(duì)采集的圖像信息與導(dǎo)入的訓(xùn)練模板比對(duì)，做出死魚檢測(cè)判斷。微控制器模塊由雙MCU組成，負(fù)責(zé)系統(tǒng)的運(yùn)算與各模塊的控制。超聲波模塊采用HC-SR04超聲波測(cè)距模塊傳感器，實(shí)現(xiàn)對(duì)船體前方障礙物的規(guī)避。

無(wú)線通信方面，采用了核心為M5310-A芯片的NB-IoT無(wú)線通信模塊，負(fù)責(zé)與云平臺(tái)通信。

組合導(dǎo)航模塊采用BD-GPS定位模塊、數(shù)字羅盤以及IMU實(shí)現(xiàn)組合導(dǎo)航獲取姿態(tài)、航向與位置信息。動(dòng)力驅(qū)動(dòng)模塊采用雙H橋電機(jī)驅(qū)動(dòng)兩路電機(jī)并由大容量鋰電池配合太陽(yáng)能電池板進(jìn)行提供續(xù)航能力。電源管理模塊采用LSP電量模塊獲取鋰電池電量情況并利用太陽(yáng)能發(fā)電板輔助提高無(wú)人船的巡航能力。

1.3.2 固定水質(zhì)調(diào)節(jié)節(jié)點(diǎn)

固定水質(zhì)調(diào)節(jié)節(jié)點(diǎn)的工作原理如圖5所示，使用NB-IoT模塊、MCU、電磁繼電器和交流接觸器與水質(zhì)調(diào)節(jié)裝置相連(換水泵、增氧機(jī)、投料機(jī)等)。

圖5 水質(zhì)調(diào)節(jié)節(jié)點(diǎn)原理框圖(以溶氧調(diào)節(jié)為例)

當(dāng)觀察到從云平臺(tái)收集到的水質(zhì)數(shù)據(jù)超標(biāo)，用戶可點(diǎn)擊手機(jī)App端控制按鈕發(fā)送命令請(qǐng)求，OneNET云平臺(tái)端接收到請(qǐng)求后，通過NB-IoT網(wǎng)絡(luò)將控制指令傳送給固定水質(zhì)調(diào)節(jié)節(jié)點(diǎn)的控制電路模塊。節(jié)點(diǎn)控制電路模塊將接收到的指令通過串口通信的方式發(fā)送至MCU。MCU根據(jù)指令要求，接通光電隔離繼電器，利用繼電器控制水質(zhì)調(diào)節(jié)設(shè)備電源的通斷，實(shí)現(xiàn)固定水質(zhì)調(diào)節(jié)節(jié)點(diǎn)的啟?？刂?，最終完成對(duì)水質(zhì)的調(diào)節(jié)。

1.4 系統(tǒng)軟件算法

1.4.1 無(wú)線通信程序

無(wú)線通信程序設(shè)計(jì)的總體思路如圖6所示。

圖6 無(wú)線通信程序流程圖

首先對(duì)相關(guān)設(shè)備硬件完成初始化，當(dāng)檢測(cè)設(shè)備都在線且網(wǎng)絡(luò)狀態(tài)良好時(shí)，即可通過NB-IoT模塊通訊上云，創(chuàng)建設(shè)備實(shí)體和資源訂閱，從而進(jìn)一步實(shí)現(xiàn)無(wú)人船的各項(xiàng)基本功能。

1.4.2 組合導(dǎo)航

組合導(dǎo)航程序的流程圖如圖7所示，主要由坐標(biāo)轉(zhuǎn)換子程序、路徑規(guī)劃子程序、航向角更新子程序與航向控制子程序組成。

圖7 組合導(dǎo)航程序流程圖

主程序首先將相關(guān)外設(shè)接口與寄存器進(jìn)行初始化配置，然后將獲取所得經(jīng)緯度坐標(biāo)進(jìn)行高斯坐標(biāo)轉(zhuǎn)換。轉(zhuǎn)換完后通過設(shè)置標(biāo)志位判斷當(dāng)前是否處于出發(fā)點(diǎn)，如果處于出發(fā)點(diǎn)需要首先通過貪心算法選取初始目標(biāo)點(diǎn)，否則需要判斷當(dāng)前位置是否處于目標(biāo)點(diǎn)范圍之內(nèi)。如果當(dāng)前處于目標(biāo)點(diǎn)范圍之內(nèi)，需要通過貪心算法選取新的目標(biāo)點(diǎn)，否則繼續(xù)計(jì)算當(dāng)前位置與目標(biāo)位置間的期望航向角，然后比較期望航向角與經(jīng)過磁偏角自校正后的當(dāng)前無(wú)人船航向角，如果航向角差在誤差范圍之內(nèi)，則保持當(dāng)前航向繼續(xù)直行，否則調(diào)用PID控制子程序調(diào)節(jié)PWM輸出的運(yùn)動(dòng)狀態(tài)，對(duì)無(wú)人船的航向進(jìn)行糾正直至保持在誤差范圍之內(nèi)后繼續(xù)直行。

1.4.3 死魚異物檢測(cè)

針對(duì)水產(chǎn)養(yǎng)殖行業(yè)中常見的漂浮死魚，通過前期對(duì)大量的養(yǎng)殖水域水面漂浮死魚相關(guān)圖片學(xué)習(xí)訓(xùn)練，系統(tǒng)地整理相關(guān)數(shù)據(jù)集。采用CNN網(wǎng)絡(luò)搭載數(shù)據(jù)集訓(xùn)練模型，通過顏色增強(qiáng)、增加隨機(jī)角度等圖像增強(qiáng)相關(guān)策略提高模型精度[22-23]。

實(shí)際運(yùn)行時(shí)，攝像頭采集圖像信息傳入K210芯片內(nèi)部的KPU組件運(yùn)行模型。K210芯片內(nèi)的KPU將圖像處理的結(jié)果代入?yún)^(qū)域?qū)油ㄟ^進(jìn)行比對(duì)，判斷相機(jī)拍攝范圍內(nèi)是否存在死魚。當(dāng)識(shí)別到水面上存在漂浮死魚時(shí)，通過控制K210微控制器上的IO口信號(hào)輸出與船載STM32微控制器實(shí)現(xiàn)通信，并上傳云端。死魚異物檢測(cè)算法如圖8所示。

圖8 死魚異物檢測(cè)算法流程圖

1.4.4 專家系統(tǒng)

實(shí)現(xiàn)感知數(shù)據(jù)到OneNET云服務(wù)器的傳輸后，云端可獲得養(yǎng)殖場(chǎng)的水質(zhì)數(shù)據(jù)。在此基礎(chǔ)上，專家系統(tǒng)通過對(duì)云端數(shù)據(jù)進(jìn)行水質(zhì)分析與養(yǎng)殖方案的智能推薦，將傳統(tǒng)的根據(jù)人工經(jīng)驗(yàn)進(jìn)行管理轉(zhuǎn)變?yōu)橐揽繉＜蚁到y(tǒng)的智能推薦，從而實(shí)現(xiàn)現(xiàn)代化魚塘養(yǎng)殖管理方式的轉(zhuǎn)型升級(jí)，對(duì)養(yǎng)殖場(chǎng)水質(zhì)進(jìn)行準(zhǔn)確合理的判斷和科學(xué)決策。

專家系統(tǒng)整體結(jié)構(gòu)圖如圖9所示。

圖9 專家系統(tǒng)整體結(jié)構(gòu)圖

本系統(tǒng)將專家知識(shí)通過數(shù)學(xué)建模形成數(shù)值化體系，構(gòu)建的知識(shí)庫(kù)包含事實(shí)庫(kù)和規(guī)則庫(kù)兩部分，其中事實(shí)庫(kù)包含生產(chǎn)要素信息表，規(guī)則庫(kù)包含生產(chǎn)要素對(duì)應(yīng)規(guī)則表、魚類最優(yōu)水質(zhì)指標(biāo)表；推理機(jī)部分通過構(gòu)筑Rete網(wǎng)絡(luò)，采用正向推理規(guī)則中的Rete算法實(shí)現(xiàn)推理，通過模式匹配得到推薦方案，最終通過Web應(yīng)用向用戶推送當(dāng)前水質(zhì)分析情況以及水質(zhì)調(diào)節(jié)方案。

2 功能設(shè)計(jì)

2.1 系統(tǒng)Web界面功能簡(jiǎn)介

基于OneNET平臺(tái)開發(fā)的水質(zhì)檢測(cè)調(diào)節(jié)系統(tǒng)用戶主界面如圖10所示，包含了水質(zhì)指標(biāo)實(shí)時(shí)數(shù)據(jù)、實(shí)時(shí)地圖定位、控制選項(xiàng)、池塘養(yǎng)殖建議等信息，直觀展示了當(dāng)前無(wú)人船的工作狀態(tài)以及實(shí)時(shí)的水質(zhì)參數(shù)。

圖10 用戶系統(tǒng)主界面

2.2 云上設(shè)點(diǎn)

基于OneNET云平臺(tái)開發(fā)Web應(yīng)用程序，嵌入高德地圖，其用戶界面如圖11所示。用戶點(diǎn)擊地圖獲取水質(zhì)檢測(cè)目標(biāo)點(diǎn)經(jīng)緯度并利用NB-IoT物聯(lián)網(wǎng)下行通信將經(jīng)緯度發(fā)送給無(wú)人船。

圖11 云上定點(diǎn)界面

開啟自主巡航模式后，無(wú)人船將自動(dòng)進(jìn)行路徑規(guī)劃并駛向航行目標(biāo)點(diǎn)。在抵達(dá)目標(biāo)點(diǎn)后，無(wú)人船會(huì)懸停并采集水質(zhì)數(shù)據(jù)發(fā)送至云平臺(tái)，完畢后駛向下一目標(biāo)點(diǎn)直至目標(biāo)點(diǎn)遍歷完成。

2.3 云上遙控

云上遙控的界面如圖12所示，通過與底層節(jié)點(diǎn)的雙向通信，實(shí)現(xiàn)在云端對(duì)無(wú)人船移動(dòng)水質(zhì)檢測(cè)節(jié)點(diǎn)航行方向和水質(zhì)調(diào)節(jié)設(shè)備的啟停進(jìn)行控制。

圖12 云上遙控方案

2.4 云上感知

利用NB-IoT技術(shù)實(shí)現(xiàn)水質(zhì)參數(shù)遠(yuǎn)距離透?jìng)骱蜕显?，?shí)現(xiàn)云上感知的功能，云平臺(tái)數(shù)據(jù)顯示界面如圖13所示。

圖13 云上感知界面

根據(jù)導(dǎo)入的航行目標(biāo)點(diǎn)，無(wú)人船自主巡航駛向目標(biāo)點(diǎn)。抵達(dá)目標(biāo)點(diǎn)后懸停，測(cè)量水質(zhì)，采集多組水質(zhì)數(shù)據(jù)上傳至云平臺(tái)，作為該區(qū)域的水質(zhì)平均指標(biāo)。

2.5 云上施策

云平臺(tái)在接收整合完整的水域水質(zhì)數(shù)據(jù)之后，由專家系統(tǒng)根據(jù)數(shù)據(jù)給出科學(xué)的決策，并在Web界面滾動(dòng)播報(bào)水質(zhì)調(diào)控方案和養(yǎng)殖建議。云上施策可以在監(jiān)控水質(zhì)的基礎(chǔ)上，為養(yǎng)殖戶提供更加科學(xué)的養(yǎng)殖管理方案，盡可能地提高水產(chǎn)養(yǎng)殖質(zhì)量。

3系統(tǒng)功能試驗(yàn)驗(yàn)證

3.1 驗(yàn)證方案設(shè)計(jì)

為對(duì)本系統(tǒng)各項(xiàng)功能指標(biāo)進(jìn)行測(cè)試與驗(yàn)證，利用開發(fā)完成的系統(tǒng)對(duì)某地實(shí)際養(yǎng)殖魚塘進(jìn)行多目標(biāo)點(diǎn)的水質(zhì)參數(shù)巡檢，提前用云上設(shè)點(diǎn)功能設(shè)置檢測(cè)點(diǎn)，無(wú)人船根據(jù)給定的檢測(cè)點(diǎn)進(jìn)行自主巡航并測(cè)量多種水質(zhì)參數(shù)并給出相應(yīng)的反饋建議。功能驗(yàn)證主要包括4個(gè)部分：(1)無(wú)人船自主巡航功能；(2)多點(diǎn)水質(zhì)參數(shù)動(dòng)態(tài)測(cè)量功能；(3)水面漂浮死魚識(shí)別功能；(4)水質(zhì)數(shù)據(jù)分析反饋功能。

3.2 功能驗(yàn)證

3.2.1 無(wú)人船自主巡航功能

表1為無(wú)人船自主巡航中，通過組合導(dǎo)航技術(shù)實(shí)際到達(dá)的目標(biāo)點(diǎn)懸停的位置與預(yù)設(shè)目標(biāo)點(diǎn)位置以及它們之間的偏差，并在圖14中直觀地呈現(xiàn)了預(yù)設(shè)目標(biāo)點(diǎn)與實(shí)際懸停位置的偏差。其中無(wú)人船懸停位置為懸停穩(wěn)定后10次讀取BD-GPS取平均值后得到的數(shù)據(jù)。從表1可以看出，在無(wú)人船遍歷9個(gè)預(yù)設(shè)目標(biāo)點(diǎn)的過程中，最小偏差為0.96 m，最大偏差為2.42 m。

表1 自主巡航試驗(yàn)數(shù)據(jù)

圖14 自主巡航偏差

目前國(guó)內(nèi)一些無(wú)人船研究，如劉星橋等[24]研制的基于GPS和GPRS自學(xué)習(xí)游弋式遠(yuǎn)程監(jiān)測(cè)系統(tǒng)，其實(shí)際導(dǎo)航位置與設(shè)定位置之間的誤差小于2 m。雖然本系統(tǒng)該參數(shù)誤差較之偏大，但是其導(dǎo)航運(yùn)算量大，不利于長(zhǎng)久續(xù)航。并且在實(shí)際應(yīng)用中，由于水質(zhì)不會(huì)在小范圍內(nèi)發(fā)生突變，因此該定位精度基本滿足了無(wú)人船在養(yǎng)殖場(chǎng)中的巡航要求。

3.2.2 多點(diǎn)水質(zhì)參數(shù)動(dòng)態(tài)測(cè)量功能

表2為無(wú)人船在水域中采集到的pH、溶氧含量、亞硝酸鹽含量、氨氮含量和溫度等影響水產(chǎn)養(yǎng)殖質(zhì)量的關(guān)鍵水質(zhì)參數(shù)，驗(yàn)證了搭載了多種傳感器的無(wú)人船可以高效實(shí)時(shí)地完成檢測(cè)點(diǎn)水質(zhì)的測(cè)量。測(cè)量結(jié)果與第三方檢測(cè)機(jī)構(gòu)的對(duì)該魚塘的水樣送檢結(jié)果基本吻合，證明了本研究所述系統(tǒng)水質(zhì)檢測(cè)的可靠性。

表2 試驗(yàn)水質(zhì)測(cè)試數(shù)據(jù)

3.2.3 水面漂浮死魚識(shí)別功能

如圖15為船載相機(jī)拍攝漂浮死魚的識(shí)別結(jié)果。對(duì)超過2100張實(shí)際水面漂浮死魚的圖像特征提取與學(xué)習(xí)，目前船載K210模塊死魚識(shí)別的成功率已經(jīng)可達(dá)80%以上，可以滿足實(shí)際的識(shí)別要求。國(guó)內(nèi)如馬來(lái)賓等[25]通過搭載相機(jī)實(shí)現(xiàn)對(duì)水質(zhì)的遠(yuǎn)程監(jiān)控，但無(wú)法對(duì)水面信息進(jìn)行直接提取判斷；江先亮等[26]利用船載雙攝像頭用于對(duì)巡航障礙物的判斷，輔助無(wú)人船的自主航行。

圖15 死魚識(shí)別結(jié)果

3.2.4 水質(zhì)數(shù)據(jù)分析反饋功能

如圖16為某次無(wú)人船巡航結(jié)束后手機(jī)APP的顯示控制界面。

圖16 手機(jī)APP界面

從圖16中可以看出在終端給出了當(dāng)前水產(chǎn)養(yǎng)殖場(chǎng)的相關(guān)養(yǎng)殖水質(zhì)參數(shù)(以鱖魚為例)，并對(duì)應(yīng)于給出了不同指標(biāo)的評(píng)價(jià)(正常、偏高、偏低)，用戶可以切換至自己所養(yǎng)殖的魚類，查看對(duì)應(yīng)的分析結(jié)果。手機(jī)APP終端提供了水質(zhì)調(diào)節(jié)節(jié)點(diǎn)的控制按鈕，方便及時(shí)調(diào)節(jié)水質(zhì)。同時(shí)增加了無(wú)人船的控制按鈕，可以臨時(shí)控制無(wú)人船更改航向或者緊急情況下實(shí)現(xiàn)對(duì)無(wú)人船的回收快速回收。

根據(jù)不同的水質(zhì)情況以及不同的魚類，專家系統(tǒng)會(huì)推理給出相關(guān)養(yǎng)殖建議呈現(xiàn)在Web界面。表3整理了針對(duì)鱖魚在不同水質(zhì)指標(biāo)下，專家系統(tǒng)給出的建議(部分)。從表3可以看出，結(jié)合多個(gè)水質(zhì)參數(shù)指標(biāo)，專家系統(tǒng)給出了相應(yīng)的養(yǎng)殖建議，為養(yǎng)殖戶合理調(diào)整水質(zhì)提供了一個(gè)參考。而目前大多數(shù)水質(zhì)監(jiān)測(cè)系統(tǒng)大多是停留在水質(zhì)數(shù)據(jù)的可視化[27-32]，缺乏對(duì)信息的處理與分析，無(wú)法提供給養(yǎng)殖戶直觀有效地參考建議。

表3 專家系統(tǒng)養(yǎng)殖建議反饋

4 結(jié)論

水質(zhì)檢測(cè)與調(diào)節(jié)物聯(lián)系統(tǒng)利用無(wú)人船搭載多種水質(zhì)傳感器作為可移動(dòng)的物聯(lián)網(wǎng)感知節(jié)點(diǎn)，通過自主巡航和數(shù)據(jù)采集并利用NB-IoT技術(shù)將數(shù)據(jù)接入云平臺(tái)，在云端利用專家系統(tǒng)進(jìn)行數(shù)據(jù)分析和決策反饋。在實(shí)際應(yīng)用中，本系統(tǒng)不僅解決了在人工抽檢和浮標(biāo)組網(wǎng)監(jiān)測(cè)中出現(xiàn)的效率低下、成本高、檢測(cè)范圍小等問題，而且通過水質(zhì)數(shù)據(jù)的科學(xué)分析與反饋更是減小了誤判的可能性，助力水產(chǎn)品增產(chǎn)提質(zhì)。

□