数字渔业时代，谁来帮我们做决定？

——中国农业大学国家数字渔业创新中心巡礼之一

温靖，朱逸铭

走进中国农业大学国家数字渔业创新中心，一台覆盖整个墙面的大屏幕映入眼帘，这是国家数字渔业创新中心大数据显示终端。来自全国各地的实验站、示范基地、试验基地以及水产养殖和信息化服务龙头企业的养殖数据，源源不断地汇入这个终端。每隔几分钟，大屏幕上的数据就会自动刷新一次，把全国水产养殖的最新数据展示在研究人员面前。而中心信息实验室根据这些大数据反应出的实际信息，不断完善和调整实验室研发的数字渔业系统和模型。

水产集约养殖数字化集成系统是中国农业大学在2012年完成的数字渔业系统。在此基础上，国家数字渔业创新中心又研发出水产养殖监控管理系统、水产养殖质量追溯生产管理系统、水产品质量安全追溯系统等。这些系统面向水产养殖集约、高产、高效、生态、安全的发展需求，基于智能传感技术、无线通信技术、智能处理技术及智能控制技术开发。它通过对水质参数的准确检测，数据的可靠传输，信息的智能处理以及控制机构的智能控制，实现水产养殖的科学养殖与管理，最终实现节能降耗、绿色环保、增产增收的目标。

水产集约养殖数字化集成系统

国家数字渔业创新中心的研发人员告诉记者：“机器和传感器本身没有决策能力，无法判断当前数据环境下应该采取哪种处理措施， 目前主要研发的是做这个决策环节，就是起到一个让电脑代替人脑的作用，帮助养殖人员做决定。”

水产集约养殖数字化集成系统可实现水质及环境信息全面感知、可靠传输、及时预警、精细投喂决策、疾病可靠预警与快速诊断，改变了传统的养殖管理方式，使水产养殖由经验走向科学，为养殖水质智能检测与控制、精细投喂决策、水产疾病预警与快速诊断提供了科学、有效的方法与手段，对降低养殖风险、节约成本、提高经济效益、促进农民增收具有重要意义。

大数据传输及应用技术

“大数据技术就是可以从海量的、多种多样的数据中提取有价值信息的能力，其可实现对大容量、多类型、高复杂性数据的处理及分析。”国家数字渔业创新中心主任李道亮教授如是解释。

使用渔业大数据与智能信息模型处理收集到的渔场信息，包含了数以万计的传感器数据，而基于机器视觉的视频监控收集到的数据更是海量。如何对这些数据进行辨别、传输和应用技术，这就需要研究人员开发相应的调控模型和数据算法。

在多年的研发过程中，创新中心的研究人员依据“水质-病害-营养”耦合机理，创造性地提出了数据降维去噪、多尺度特征提取、多目标组合优化、非线性实时预测调控的实时数据处理模型与方法，并基于此类研究，提出了多传感器实时数据和知识模型联合驱动的鱼类生长动态优化调控方法，攻克了低设施化养殖条件下“算不准”的难题。

在数据传输网络结构方面，创新中心的研究人员又进行了进一步的改进，在主干网络的最后使用多头注意力机制获取全局信息，提高模型的表达能力。同时对于输入与输出位于同一层的节点，增加特征融合，降低误检率，提高检测精度和速度。此外，中心还升级了水产养殖无线传输关键技术及装备数字化技术，更加保证了大数据收集的稳定、高效和准确。

无线传输网络节点集群状态分析方法及诊断SVM系数优化仿真

水质疾病预测预警及养殖作业决策模型

水质和鱼类疾病是水产预测预警模型中非常重要的基础环节。李道亮教授告诉记者：“水质参数对外界影响因子的响应互作机制，体色、行为等的患病鱼的外在表达机制，多目标优化与非线性预测模型及大数据可视化，对提高鱼的养殖效率和养殖效果非常重要。”

对于溶解氧、温度、酸碱度、微生物等方面的数据，传统方法基本无法预测，数字渔业创新中心针对水产养殖生态环境复杂、影响干扰因素多、传统的水质检测技术实时性差、国外产品价格昂贵、中国水质适宜性弱等问题，在水质多参数信息获取、小气候环境信息采集、 渔业生产现场多媒体图像信息获取等方面开展研究。研发的水产养殖水体信息感知机理及精准测量技术、水产养殖环境全面感知等技术，很好地解决了我国在线水质检测技术和设备落后的问题。

光纤pH传感器及氨氮智能监测系统

此类技术集成了智能水质传感器、无线传感网、无线通信、嵌入式系统、自动控制等技术，可自动采集养殖水质信息（温度、溶解氧、pH、深度、盐度、浊度、叶绿素等对水产品生长有重大影响的水质参数），并通过Zigbee、GPRS、3G等无线传输方式将水质参数信息上报到监控中心或网络服务器。

水产养殖环境智能监控系统

养殖人员通过手机、PAD、电脑等终端实时查看养殖水质环境信息，及时获取异常报警信息及水质预警信息，并可以根据水质监测结果，实时调整控制设备。

而增氧、投饵等养殖作业决策模型能更好地帮助养殖人员作出合理高效的决定。模型基于物联网和大数据的水产养殖信息和知识规则库，利用人工智能算法挖掘非结构化数据，基于溶氧量、水温、PH值等水质数据，提醒养殖人员操作增氧机等相关机械改善水质环境。而对于收集到的鱼类行为、水质、残饵等的变量数据，及时导入投喂模型，甚至无需人工操作，智能化地控制投饵机进行投喂，大大提高饲料利用率，实现科学养殖与管理，最终实现节能降耗、绿色环保、增产增收的目标。

养殖装备工况监控、诊断与预警模型

随着渔业装备的不断研制，诸如网箱、养殖循环水处理装备、投喂及捕捞装备等养殖装备大量投入使用，对其工况监控、诊断与预警就显得尤为重要。

“除了装备故障模式定义与特征提取，故障分类与模型构建，微小故障模型定位”李道亮教授告诉记者：“我们现在着重对装备的诊断、优化控制等方面开发一些新的算法。”

如中心开发的捕捞机器人装备，中心就为其开发了导航系统、机器视觉系统和执行机构系统。导航系统主要收集水下机器人的位置信息，规划导航路线并控制机器人的运动。机器视觉系统主要采集、识别水产品图像并进行图像预处理，还能计算目标在图像中的位置。执行机构系统则主要控制水泵和机械臂进行捕捞等工作。模型对三个系统的信息进行集成，计算导航路线，进行图像处理，计算目标的坐标，计算机械臂的轨迹运动，以及发送各种运动指令，完全做到了无人化作业。

捕捞机器人装备系统

这些技术还同时运用到中心研发的其他项目上，比如网箱养殖物联网系统解决方案、大围网三维立体监测技术与装置、养殖循环水处理装备等，基本形成了有效的互联互通、资源共享的现代物联网养殖模式。

目前，国家数字渔业创新中心在水产养殖系统、模型及算法上的研究，已经成功地把相关管理软件的精度提升到90%以上，尤其是鱼类视觉识别效果，准确率在95%以上，大大增强了水产养殖数字化集成系统的核心技术。

物联网与大数据相辅相成，通过各种传感器采集信息，以帮助农民及时发现问题，并且准确地确定发生问题的位置。物联网全面感知养殖环境信息，给大数据提供数据来源，而大数据给水产养殖提供科学决策，实现实时诊断和可追溯的质量管理。这样渔业将逐步从以人力为中心、依赖于孤立机械的生产模式转向以信息和软件为中心的生产模式，从而为大量使用各种自动化、智能化、远程控制生产设备创造良好的应用环境。