AquaEasy - The IoT solution for aqua farmers - BOSCH
1引言
漁業和水產養殖產品，是重要的蛋白質來源，可為全球數億人口提供食物和收入。在過去的 50 年中，全球水產養殖產量急劇成長，2018 年水產養殖的魚類總產量，達到創紀錄的 8200 萬噸。在水產養殖的發展中，傳統的生產模式在水產品的快速成長中，發揮了重要作用。
然而，隨著消費水準和環境保護意識的提高，傳統水產養殖模式的各種弊端逐漸出現。大多數傳統耕種模式，通常需要低資本投資和低勞動技能要求，並且由於現金回報低，因而對年輕人沒有吸引力。
此外，傳統模式可能會在有限的土地，和其他資源上施加壓力，並且更容易遭受颱風和乾旱等自然災害的影響。工業循環水產養殖系統（RAS）的優勢已逐漸顯現。儘管這些系統並非沒有挑戰，但希望 RAS 可以避免傳統模式中遇到的一些問題。
隨著新技術的發展，水產養殖已從傳統的勞動密集型養殖，轉變為機械化水產養殖，並逐漸發展為自動化系統。勞動密集型模型主要依靠人類經驗，勞動成本較高。RAS 大大減少了勞動力需求，並且產量通常大大提高。
但是，自動化生產模式需要更多熟練的工人，從而影響成本效益，水和飼料等資源，仍然受到影響。隨著用於水產養殖的勞動力的減少，和對水產養殖產品的需求的增加，迫切需要一種新的智慧水產養殖模式。
物聯網（IoT）、大數據、人工智慧、5G 網路，雲端運算和機器人技術的出現，使智慧水產養殖成為可能。
智慧水產養殖，是一種智慧生產模式。它採用物聯網、大數據、人工智慧、5G、雲端運算、機器人技術，透過遠端控製或機器人，獨立控制水產養殖設施、設備和機械，來完成所有生產和管理操作。
它是現代資訊技術與水產養殖生產、營運、管理和服務的整個產業鏈的整合。它是現代水產養殖發展的一種新的商業形式。
物聯網是智慧水產養殖的基礎，而大數據採集和大數據研究，將促進水產養殖中使用的人工智慧技術的研究。此外，大數據和人工智慧，是物聯網智慧營運的核心，對於實現水產養殖控制的準確性相當重要。物聯網驅動的智慧設備，是智慧水產養殖的基礎，可以解決勞動力限制，減輕水產養殖造成的環境和資源問題。
智慧水產養殖涉及以下方面：
透過各種溫度和濕度感測器，CO2 感測器、光感測器、溶解氧感測器，各種其他水質參數感測器、攝影機和其他數位圖像數據採集設備來收集資訊。
透過通信節點將收集的數據，傳輸到控制中心。此資訊可能包括魚類的生長、環境參數、操作和資源分配。
在雲端平台上，執行數據處理和決策。
回饋到每個執行設備的決策，以及智慧和自動執行操作，以實現可持續的「高效、高品質、生態、健康和智慧」水產養殖。
透過先進的設備和機器人，智慧水產養殖可以完成養殖物種的繁育和成長期、循環水處理、精確餵養、水質監測、淨洗、計數、捕撈、分類和定級。例如，基於水質，魚類行為和氣象資訊，智慧的供氣系統可以精確控制供氣、循環水處理設備和清潔設備，以實現對水質的精確控制。
根據魚的生物量、水質、環境和行為，將智慧餵食器和深度學習相結合，可以即時適當地餵食魚類，以確保魚類的健康，快速生長。自動魚分割器可以匯集和收穫，不同大小和年齡的魚苗。故障診斷和預警系統，目的在確保循環水系統，始終安全運行。
2 智慧水產養殖的重要方面
2.1 感測器技術
感測器在智慧水產養殖的發展中，起著非常重要的作用（Su，Sutarlie 和 Loh，2020 年）。目前，感測器行業發展迅速。核心感測器技術的突破，現代資訊技術的發展，雲端技術的快速發展，大數據平台的建設，以及應用和推廣的增強，所有這些都意味著感測器在育種、成魚成魚中的應用將更加廣泛。
水產品的儲存和運輸，水產品的加工、運行和維護的智慧漁業設備。同時，對感測器技術的日益成長的需求，正推動著高精度、高性能、多功能、低成本、小型化、聯網能力和更長使用壽命的新型感測器的發展。
隨著現代物理學等新技術的進一步發展，例如奈米技術、雷射、紅外線、超音波、微波、光纖、強磁體、放射性同位素，以及整合技術的不斷發展，這為感測器的整合開闢了前景。
感測器開發的其他重要趨勢，包括將微米級零敏感測器、信號檢測、轉換處理電路和電腦的 CPU 整合在單個矽晶片上，從而開發出具有更廣泛應用範圍，更高應用範圍的多功能小型便攜式感測器。可靠性高，使用壽命長。生物感測是感測技術的另一個未來方向。
據信，隨著新型感測器在智慧水產養殖各個方面的開發和應用，可以透過 IoT 實現現場監控、遠端調試、遠端故障診斷、遠端數據收集和即時操作，從而實現無人值守的智慧水產養殖生產。
2.2 物聯網技術
無人駕駛、智慧化和高精度農業，在農業中發展迅速，但是在水產養殖中全面佈署它，仍然存在許多障礙。由於水產養殖做法的高風險性質，在可預見的未來很難想像，完全不用人工管理。然而，大量的智慧設備，包括負責監測漁業環境資訊的微米和奈米感測器，用於生產和自動檢查的仿生機器人，智慧分揀和水產品節能處理設備，將極大地實現水產養殖和養殖的不同階段的自動化。
節省勞動力。每件設備都將透過 IoT（即「雲端網路與邊緣」）互連。無人操作場是否可以在最佳生產條件下，運行直接取決於設備之間「協作合作」的即時性、安全性、可靠性和準確性。將來，水產養殖物聯網的「網路」層，必須滿足以下資訊傳輸技術要求。
首先，無縫網路覆蓋，即無人農場中的所有網路設備，都可以在網路存取資訊，不受地理位置或時間的限制。
其次，峰值傳輸速率可達到 100 Mbps ～ 1 Gbps（5G 技術），定位精度達到厘米級，網路延遲降低至微秒級。
第三，具有超高可靠性和每立方米 100 個設備連接的高密度，網路中斷的可能性不到百萬分之一。
第四，支持多網路整合，業務整合以及地面、衛星和機載網路的無縫連接。
第五，與人工智慧等新技術的深度整合，將提高漁業設備，在感知、定位和資源分配方面的情報水準。
第六，在網路傳輸安全性方面，未來的水產養殖資訊傳輸技術，應具有抵抗網路攻擊和追踪攻擊源的能力。
2.3 智慧資訊處理模式
水產養殖中的一個重要問題，是監測和預測養殖魚的個體資訊。使用智慧資訊處理模式，可以滿足此需求。從最新發展來看，魚類鑑定（種類、大小、性別），品質估計（計數、大小測量、品質評估）和行為監測，似乎已經得到了廣泛處理，並且有令人滿意的一般解決方案。
但是，資訊技術在水產養殖中的應用更為複雜，因為被檢查的對象敏感，容易受到壓力且活動自如，並且在大多數情況下光線，可見度和穩定性無法控制。
該設備必須在水下或潮濕環境中運行，並且價格便宜。這些給定模式的建立，增加了更多的困難，相對於其他畜牧業而言，挑戰變得更加困難，因此還沒有廣泛使用商業應用，並且目前還沒有獲得期望的結果。
智慧資訊處理模式，已經取得了一些進展，但尚未成熟成為用於水產養殖的有用工具。智慧模式存在一些問題，無法解釋造成觀察到的模式的生物學機制，並且模式範圍以外的數據的外推結果，存在較大誤差。
但是，該技術在水產養殖中，有許多潛在的應用，可以提高產品品質或生產效率。儘管一些國家對智慧模式在水產養殖中的應用，進行了大量研究，但實驗設置相對簡單，干擾很小，而且大多數仍處於實驗階段。
仍有許多細節需要進一步研究，例如非線性校準模式，將數據挖掘和資訊技術相結合，支持向量機和基於內見記憶體的學習，人工神經網路，以及深度學習以改進上述技術，以實現工業化並被工業部門採用。
2.4 設備數位化，精度控制和邊緣運算
智慧水產養殖需要精確的設備控制，以實現水產養殖系統的自動運行。以供氣設備為例。在傳統模式中，農民必須手動打開或關閉開關，以控制水中的氧氣含量。
在現代感測器時代，農民可以遠端使用電腦終端或行動電話，發送命令來控制設備，從而可以自動打開和關閉執行器，例如幫浦和供氣機。在最新發展中，智慧水產養殖系統可以透過感測器，將氧氣測量值直接發送到系統，並且系統可以即時了解水中的溶解氧。根據收集的數據和參數設定值，集中控制器可以自動打開或關閉水泵、電子閥或水處理設備。
顯然，穩定可靠的感測器和專業的專家數據庫，是維持設備良好性能的關鍵。複雜的水產養殖環境可能會影響執行器，這意味著機器使用壽命可能很短。
如果無法即時處理機器故障，將導致自動化過程中斷，並帶來嚴重後果。儘管一些專家已經對水產養殖設備的故障排除技術，進行了大量研究，但涉及的機器數量很少，大多數仍處於試驗階段。因此，應進行進一步的研究，以加強設備監控，以提高智慧水產養殖系統的準確性和完整性。
2.5 大數據和雲端平台
由於水產養殖的特殊對象，複雜的環境和許多影響因素，因此對水產養殖進行準確的監測、檢測和最佳控制，是極其困難的。解決這些問題的根本方法，是將大數據技術與雲端平台相結合，處理和分析水產實際養殖產生的大量數據，並以直接的形式，向生產者和決策者提供有用的結果。
水產養殖大數據和雲端平台技術，是大數據技術在水產養殖領域的特定應用技術。透過獲取、分類、處理、管理、挖掘和分析水產養殖數據，可以提取有價值的資訊，並將其提供給生產者和決策者，以實現準確、智慧，和最佳反應。
大數據和雲端平台主要用於數據收集、儲存、數據挖掘，以及在水產養殖中的應用。其中，數據收集技術用於收集在水產養殖生產，加工和銷售中生成的數據，例如 Internet 數據、物聯網的感測器數據、工業管理系統、專業數據庫和傳統格式的數據。
數據儲存和計算技術，主要用於解決水產養殖數據的儲存和處理問題。由於水產養殖大數據的多源異質性，有必要先對數據進行整合，然後再將其儲存在目標數據庫中，或進一步處理和分析。
對水產養殖大數據的多樣性，數據儲存和針對均值處理方法要求是必需的。傳統的數據分析建模需要大量的先驗知識和工具，借助人類的認知能力，從數據中學習自然規律，然後建構機制模式。複雜的水產養殖生產環境，導致數據的多樣性、異質性和不確定性。透過人類觀察發現，隱藏的知識和規則的過程，需要很長時間，並且預先建立的模式，可能無法很好地適應實際情況。
另一方面，在數據驅動的建模過程中，數據分析和挖掘技術，可以自動發現隱藏在數據中的模式，建構水產養殖數據分析和模型，將其整合到水產養殖大數據雲端平台上，以及向使用者提供分析結果和數據服務，以供決策。
近年來，大數據分析技術和雲端平台技術的結合，已在水產養殖業的生產前、生產中和生產後使用。它已被用於提供水產養殖環境預測和預警，疾病診斷和預警的解決方案，異常行為檢測和分析，市場分析和挖掘，以及品質控制和可追溯性。但是，仍然存在以下挑戰：
缺乏或很少共享水產養殖的大數據。數據收集技術的發展和工業規模，限制了水產養殖大數據的可用性。水生動物的生物多樣性，及其生長環境的複雜性，給數據採集帶來了挑戰。目前，在實驗室環境中進行了大量研究。在自然（通常是渾濁的）環境條件下（例如魚病過程和魚的異常行為）進行影像圖像的採集，是水產養殖大數據的瓶頸。
缺乏用於水產養殖的智慧分析模式和技術。網路和物聯網技術的發展，極大地豐富了水產養殖大數據的來源，並形成了水產養殖大數據的基礎。但是，水產養殖大數據研究的情報水準，仍需要進一步提高。
缺乏整個產業鏈中，水產養殖數據的相關性分析。一方面，數據本身缺乏時空相關性，再加上水產養殖中，大數據技術的不同應用深度，導致數據規模和數據品質的差異，使得無法整合數據鏈及其相關性，來分析各種問題。
另一方面，生產前、生產中和生產後的水產養殖數據相互分離，這使得它無法滲透到產業鏈中，並且也難以探索隱含的聯繫，例如水產品的品質可追溯性。無法整合到整個產業鏈。
2.6 系統整合
系統整合技術，是建設智慧水產養殖的關鍵技術。它涉及連接各種水產養殖設備和子系統，以形成一個完整的智慧水產養殖。智慧水產養殖系統，目的在形成一個完整的整合解決方案，以解決養殖者的需求，從而使系統的整體性能達到最佳、技術先進，易於實施且使用靈活。智慧水產養殖系統整合，包括設備系統整合和應用系統整合。
設備系統整合是指不同類型和數量的水產養殖設備的組合，例如氧氣濃縮設備、感測器、進料設備和水處理設備，這些設備需要相似的通訊介面、傳輸模式、工作電壓，以及各種設備的其他參數。
因此，設備系統整合需要為水生設備的參數設計，建立統一的標準，根據該標準選擇設備，並將各種設備連接到 IoT 平台進行監控。此外，應優化設備的佈局，以使其效率最大化。
應用系統整合，是指智慧水產養殖場中，每個子系統和專家知識庫的整合，例如水質監測系統、數據智慧處理系統和魚害蟲知識庫。
每個子系統的整合，主要是為了解決每個系統之間的數據調用，數據通信以及其他問題。雲端運算、邊緣運算和其他方法，可以為整合應用系統提供良好的解決方案。
總之，智慧水產養殖系統的整合，是依據使用者的需求，智慧水產設備和技術的設計，以及使用其他輔助技術，來解決系統建構中的各種問題。更高的系統穩定性、數據處理速度和智慧生產，是智慧水產養殖系統整合的主要研究方向。目前，5G 技術和雲端運算，對智慧水產養殖系統具有重要意義，但是在智慧水產養殖系統中，仍未研究可靠的智慧算法，和長期穩定的操作設備。
3 未來展望
智慧水產養殖可以在各個方面，提高可持續性和資源利用效率。它還可以減少人工成本，提高生產率，並提高水產品的品質。但是，應考慮其他因素，例如高資本成本和能源成本，以改善智慧水產養殖。以下是未來前景和挑戰的不完整列表：
智慧水產養殖有潛力減少廢物排放，回收廢物並提高資源利用率。也就是說，它可以減少飼料用量，並透過大數據分析和即時調整，來更好地控制廢物和水質。為了實現綠色和可持續的生態水產養殖，需要做更多的工作，例如透過使用可再生能源設施，來節約能源，以及透過更好的（例如，水培法）系統，來節約用水。
智慧化水產養殖，可以大大提高水產品的產量、品質和安全水準，並可以全面降低水產品的生產和營運成本。例如，智慧即時監視和管理，可以監視環境和魚類的健康。它可以使魚處於最佳生長狀態，並提高魚類的品質。
但是，在降低人工成本（例如增加資本和能源成本）方面，存在權衡取捨；因此，在整個過程中，將需要進行更多的研究和經濟分析，以找出使智慧水產養殖，在經濟上可行的方法。此外，由於水產養殖的高風險性質，感測器或其他組件的故障，可能導致災難性錯誤，和農作物損失，因此需要開發更強大的模式，來實現完全無人值守的操作系統。
智慧的氣候和水產養殖環境資訊管理，可以幫助增加水產養殖量並減少損失。這有利於解決海產品需求問題，從而保護野生資源。
智慧設備和機器人技術的應用，可以解決勞動力，並提高生產效率。此外，智慧水產養殖可以透過促進智慧產業，和對技術人才的需求，來改變勞動力隊伍，從而促進經濟發展。
儘管水產養殖涉及越來越多的技術，但與其他農業食品行業的水準，仍然相距甚遠。生產過程中越來越多地應用了大數據，機器人技術，物聯網和仿真等技術的進步。
人工智慧技術平台，是智慧水產養殖的核心技術，集數位化、工業化、機械化、大數據資訊等於一體。迄今為止，「智慧水產養殖」的許多決策，仍是根據經驗而非實際數據。
因此，智慧水產養殖模式的可持續發展，對於將傳統水產養殖與智慧技術、育種技術和資訊技術相結合，以實現水產養殖自動化生產，和資訊管理是必要的。
此外，政策和組織也是影響智慧水產養殖模式，可持續發展的重要因素。如果科學研究系統和創新機制的改革，落後於這種水產養殖模式所創造的市場需求，那麼政策和組織，將成為限制智慧水產養殖創新研究和發展的因素。
 |
沒有留言:
張貼留言