2021年2月1日 星期一

.深度探討智慧水產養殖的應用技術

AquaEasy - The IoT solution for aqua farmers - BOSCH




WAS



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。


AKD 寰楚專業級全系列監控設備


沒有留言:

張貼留言