基于水下无线传感器网络的深水网箱养殖智能化监测关键技术研究

In order to reduce the load of the coastal shallow water environment, the development of offshore cage aquaculture is an important method for the transformation and upgrading of marine fisheries. This method is in line with the major needs of the national marine environment security and the sustainable development of marine fisheries in Zhejiang Province. According to the scale of offshore cage aquaculture in the coastal area of Zhejiang Province and the characteristics of its surrounding marine environment, this project constructs an underwater wireless sensor networks (UWSNs) consisting of underwater fixed nodes, AUVs and shore-based monitoring base stations. The UWSNs equipped with eco-environment sensors, real-time monitoring sonar and other sensors can be used not only to monitor the environment and facilities near the offshore cages, but also to observe feeding behaviors and abnormal behaviors of fishes. The information of environmental parameters and the behaviors of fish groups are streamed to the shore centers for real-time display via UWSNs. Based on the data obtained from these different sensors, combined with the theory of deep-neural-network-based fusion, the evaluation model of ecological environment quality and aquaculture capacity in the offshore cage aquaculture area is established. On the basis of theoretical research, the intelligent monitoring system for the offshore cage aquaculture area is constructed and experimentally studied. Furthermore, the theoretical scheme is optimized according to the experimental results. The outcomes of this project research provide theoretical and technical support for the realization of intelligent, networked, ecological and efficient production and scientific management of offshore cage aquaculture.

为减少沿岸浅水环境负荷，发展深水网箱养殖，是海洋渔业转型升级的方向和重要手段，切合国家海洋环境安全和浙江海洋渔业可持续发展的重大需求。项目根据浙江沿海深水网箱养殖的规模及周边海洋环境特点，构建由水下固定节点、AUV和岸上监测基站组成的水下无线传感器网络(UWSNs)；通过UWSNs搭载的生态环境传感器、实时监测声纳等对深水网箱附近环境以及设施进行智能监测；对网箱内的养殖鱼类的摄食行为、异常环境下的鱼类群体行为进行有效观测；并将环境参数和鱼类的群体行为的信息通过UWSNs高速传输到岸基中心进行实时展示；利用这些不同传感器获取的数据，结合深度神经网络融合理论，建立深水网箱所在海域生态环境质量与养殖容量评价模型。在理论研究的基础上，构建深水网箱智能化监测系统并进行实验研究，根据实验结果优化理论方案。项目研究成果为实现深水网箱养殖智能化、网络化、生态化高效生产与科学管理提供理论和技术支撑。

为减少沿岸浅水环境负荷，发展深水网箱养殖是海洋渔业转型升级的方向和重要手段，切合国家海洋环境安全和浙江海洋渔业可持续发展的重大需求。本项目根据浙江沿海深水网箱养殖的规模及周边海洋环境特点，构建由水下固定节点、AUV和岸上监测基站组成的水下无线传感器网络(UWSNs)，通过UWSNs搭载的生态环境传感器、实时监测声纳等对深水网箱附近环境以及设施进行智能监测。项目组在浙江省近海海域构建符合专业海洋环境监测规范的UWSNs设施，通过理论与实践相结合的手段，深入研究了由水下固定节点、水中移动节点构建的水声传感器网络技术；剖析了UWSNs在近海实现水声通信组网时的技术瓶颈，分析机理并针对不同问题提出了优化解决方案，实现了动态、稳健、高效的组网效果；探索了基于UWSNs的深水网箱养殖环境和设施智能检测技术，实现了对洋流、Chl-a等环境参数和网箱等养殖设施的可靠监测；针对网箱养殖鱼类群体行为监测问题，对养殖鱼类生理特性开展了研究，并在此基础上采用神经网络等方法，实现了对移动鱼类的检测和行为判别；研究了基于UWSNs的养殖环境自适应监测技术，并基于污染扩散模型设计了网箱海域养殖容量评估方法，同时对养殖海域的自然环境进行了充分调查预评估；通过在试验水池和开放水域中搭建实验平台，课题组对提出的网络化平台监测、鱼类行为探测等技术进行了实验验证。本项目组已经按计划完成相应的研究内容，并取得超出预期的成果。发表标注资助号的论文48篇（SCI收录32篇，EI收录13篇），参加国际和国内会议21人次。申请国家发明专利18项（其中授权15项）；获批软件著作权2项；项目主要参与人获得2项科研奖励；培养博士生7名（已毕业），硕士生10名（已毕业）；项目开展期间，课题组邀请了Columbia University的邱美康教授课题组邀请了Columbia University的邱美康教授和美国NOAA首席科学家的褚德章教授来华讲学。项目负责人领导的研究团队除了完成本项目的研究内容外，有了新的研究方向的拓展，提出基于水下无线传感器网络的融合估计和目标探测、跟踪等新技术，获得后续国家、省部级资助项目6项。