基于模糊控制的水产养殖环境智能监控系统设计

为实时掌握水产养殖水质和气象环境信息,针对溶氧控制过程中非线性、惯性大和时滞的问题,以循环水流水槽养殖模式为基础,设计了水产养殖环境监测和控制系统。通过PLC对养殖环境中溶氧、pH、温度、湿度、风速、风向、大气压等参数进行信息采集与传输,上位机实时显示环境信息,用模糊算法处理信息,处理后的结果作为PLC的输出传送到变频器中,变频器控制增氧机调节水中溶氧量。结果显示:该系统可实时传输与显示上述参数信息,提供历史数据和环境异常报警功能。模糊控制在调节溶氧过程中超调小、精度高,溶氧偏差±0.4 mg/L,可减少增氧机启停次数、延长设备寿命。监控系统进行实地应用测试,达到预期效果,可在水产养殖中进行推广和应用。     

基于物联网的水质传感器监控及自清洗装置设计

为实现水产养殖水体环境的远程实时监控,保证水质传感器数据采集的准确性,设计了一种水质传感器监控及自清洗装置。该装置设计为监测传输层、综合控制层和远程管理层的3层物联网结构,采用STM32作为控制核心,通过ZigBee技术,对各种水质参数进行实时监控,并利用LabVIEW设计上位机监控界面,实现远程智能监控。自清洗装置的传感器支架设计为可变形可移动结构,根据水质参数监测要求自动调节支架变形状态,完成水质参数采集和传感器探头的自动或手动清洗。通过养殖环境下使用自清洗装置,将水质参数监测结果与标准仪器对比分析,结果显示,定期自动清洗的传感器能准确监测水产养殖各种水质参数,提高了监测精度。研究表明,该装置运行稳定可靠,数据准确,探头清洗干净,具有良好的推广和应用价值。     

融合通道剪枝与ByteTrack的轻量化金枪鱼渔获数量实时检测

自动准确收集渔业捕捞数据是电子观察员系统的重要组成部分,然而,由于工作环境的复杂性和跟踪的不稳定性,金枪鱼延绳钓渔获数量自动估计在实践部署中仍存在挑战。本研究设计了一个轻量级计数网络对渔船上的实时视频数据进行自动处理,实现对金枪鱼渔获物的实时跟踪和计数。本研究选择YOLOv5s作为基准网络,首先采用通道剪枝算法对YOLOv5s的主干网络进行修剪,结果表明,剪枝后的模型检测精度mAP0.5-0.95达到68.8%,CPU下检测速度为16.5帧/秒（FPS）,与原始模型相比,检测效果基本不变,模型的参数量、模型大小和计算量分别减少了67.2%、66.4%和42.5%,检测速度提高了32.5%。其次,利用ByteTrack算法实现了多目标的实时跟踪,优化了计数区域形状,解决了被跟踪金枪鱼身份（ID）跳变导致的计数偏差问题,10个视频的测试结果表明,该方法的平均计数准确率为80%,视频处理速度为50.7帧/秒,满足工业级实时检测要求。综上,该模型具有轻量化、高精度、实时性等优点,可在复杂的工作环境下完成对延绳钓捕捞结果的实时监控,为实现渔业自动化提供思路。     

基于物联网的螃蟹养殖基地监控系统设计及应用

为了促进中国智能渔业的发展,该文开发了一种基于物联网三层体系架构的螃蟹养殖基地监控系统,由水质监控、气象监控、视频监控、智能控制和远程服务中心组成,实现了对螃蟹养殖基地的本地和远程全方位智能监控。该系统采用STC15F2K60S2嵌入式单片机作为底层控制器芯片,通过RS485协议采集传感器数据,实现水质多参数(溶解氧、p H值、温度),气象多参数(温度、湿度、风向、风速、气压、雨量、光照)的监测;视频监控采用萤石云平台,实现养殖基的安防和养殖池塘水上、水下摄像;养殖设备采用PLC控制,实现投饵机、增氧机的智能控制。整个系统组网采用ESP8266 WIFI模块,接入AP基站,通过搭建的服务器管理程序,用户可以通过电脑浏览器或者手机APP在任何具备网络覆盖的地方远程浏览养殖基地数据。该系统应用于上海海洋大学崇明蟹种养殖基地,并对其通信稳定性、数据准确性和Android客户端进行测试,整个系统通信成功率为98%以上,溶解氧平均相对测量误差为0.016 mg/L,温度为0.031℃,p H值为0.023,其他各项指标均达到要求。系统运行到今,稳定可靠,能够满足水产养殖的需要,并可作为示范进行推广应用。     

水产品活体运输智能监控系统的设计

近些年来消费者对水产品的新鲜度和安全度要求越来越高,活体运输成为有效的保鲜方式之一,但国内水产品的活体运输技术存在着信息化、智能化程度低,监控因素单一等亟待解决的问题。针对上述问题设计了一种水产品活体运输智能监控系统,通过硬件和软件的设计,对运输车箱内水环境的温度、p H、溶解氧等水质环境参数和视频数据进行实时监控。该系统构建了底层传感器检测与控制、监控中心数据处理、远程终端管理的三层物联网结构,通过无线传输技术,实现了水产品活体运输的远程智能监控。该系统通过Lab VIEW软件设计了上位机监控界面,不仅可以实时显示运输过程中水产品的各水质环境参数及车内安全视频监控数据,还建立了水产品数据库,可进行历史数据的查询。经过小型罗非鱼活体运输车辆的测试,该系统运行稳定可靠,操作简便,具有良好的实用价值。     

轻量化神经网络在远洋鱿钓检测技术中的应用

中国远洋鱿鱼捕捞技术比较单一,智能化的鱿鱼捕捞技术对远洋渔业资源统计至关重要。在智能化鱿鱼捕捞作业过程中,以YOLOV3算法检测时,其特征提取网络Darknet53模型参数量较大,模型输出权重存储量较高,降低了检测速度。为此,建立轻量化MobileNetV3网络作为特征提取网络,进行初步有效特征提取,再设计CSP瓶颈层作为逆瓶颈结构,提高特征提取能力;最后通过CIoU模型建立网络模型的损失函数。在实验室环境下,使用Squid数据集验证轻量化网络模型的有效性,并对其主干网络与损失函数的性能进行分析。通过训练目标数据集,将轻量型网络模型与YOLOV3网络模型结构做消融试验,验证轻量化网络应用在远洋捕捞技术上的准确性以及实用性。结果显示,轻量化网络结构的性能明显优于YOLOV3网络模型结构,可以大幅度降低参数量,提高检测速度,缩短检测时间,提高检测率,提高了鱿鱼实时检测的工作效率。本研究成果为远洋渔业资源调查提供重要依据。     

轻量化神经网络在远洋鱿钓检测技术中的应用

中国远洋鱿鱼捕捞技术比较单一,智能化的鱿鱼捕捞技术对远洋渔业资源统计至关重要。在智能化鱿鱼捕捞作业过程中,以YOLOV3算法检测时,其特征提取网络Darknet53模型参数量较大,模型输出权重存储量较高,降低了检测速度。为此,建立轻量化MobileNetV3网络作为特征提取网络,进行初步有效特征提取,再设计CSP瓶颈层作为逆瓶颈结构,提高特征提取能力;最后通过CIoU模型建立网络模型的损失函数。在实验室环境下,使用Squid数据集验证轻量化网络模型的有效性,并对其主干网络与损失函数的性能进行分析。通过训练目标数据集,将轻量型网络模型与YOLOV3网络模型结构做消融试验,验证轻量化网络应用在远洋捕捞技术上的准确性以及实用性。结果显示,轻量化网络结构的性能明显优于YOLOV3网络模型结构,可以大幅度降低参数量,提高检测速度,缩短检测时间,提高检测率,提高了鱿鱼实时检测的工作效率。本研究成果为远洋渔业资源调查提供重要依据。