水產(chǎn)養(yǎng)殖水下機(jī)器人研究進(jìn)展

夏英凱，朱明，曾鑫，王懿偲，齊湘洪

1.華中農(nóng)業(yè)大學(xué)工學(xué)院，武漢430070; 2.農(nóng)業(yè)農(nóng)村部長江中下游農(nóng)業(yè)裝備重點(diǎn)實(shí)驗(yàn)室，武漢 430070

水產(chǎn)養(yǎng)殖是增加人類優(yōu)質(zhì)蛋白質(zhì)的重要渠道[1]，對(duì)保障人類食物安全發(fā)揮了重大作用。近年來，中國的水產(chǎn)養(yǎng)殖業(yè)發(fā)生了翻天覆地的變化，養(yǎng)殖規(guī)模逐年遞增，產(chǎn)量穩(wěn)居世界第一，但仍面臨著嚴(yán)峻的挑戰(zhàn)，包括水質(zhì)污染嚴(yán)重、養(yǎng)殖效率低下、機(jī)械化及自動(dòng)化程度低、人工危機(jī)[2-3]等。因此，水產(chǎn)養(yǎng)殖業(yè)亟需從養(yǎng)殖模式、裝備等方面進(jìn)行全面的轉(zhuǎn)型升級(jí)。

水下機(jī)器人作為水下工程裝備中的一支生力軍，與潛水員等傳統(tǒng)水下作業(yè)手段相比，在作業(yè)范圍、環(huán)境、模式等方面均有明顯優(yōu)勢(shì)，符合新型水產(chǎn)養(yǎng)殖裝備的需求，具有廣闊的應(yīng)用前景。發(fā)展水產(chǎn)養(yǎng)殖水下機(jī)器人是實(shí)現(xiàn)水產(chǎn)養(yǎng)殖業(yè)向資源節(jié)約、產(chǎn)出高效、生態(tài)安全、機(jī)器換人等方向發(fā)展的關(guān)鍵，有望為中國水產(chǎn)養(yǎng)殖業(yè)帶來新的發(fā)展機(jī)遇。

盡管水下機(jī)器人的研究及應(yīng)用已日趨成熟，在各行各業(yè)都取得了顯著成效[4-5]，但受養(yǎng)殖模式、成本、裝備適應(yīng)性等問題限制，水下機(jī)器人在水產(chǎn)養(yǎng)殖業(yè)的推廣應(yīng)用仍非常有限。本文將對(duì)水產(chǎn)養(yǎng)殖水下機(jī)器人的研究現(xiàn)狀及關(guān)鍵技術(shù)進(jìn)行綜述，并展望其未來發(fā)展趨勢(shì)，以期提供綜合性參考。

1 水產(chǎn)養(yǎng)殖水下機(jī)器人應(yīng)用現(xiàn)狀

在水產(chǎn)養(yǎng)殖實(shí)踐中，水下機(jī)器人首先應(yīng)用于水產(chǎn)養(yǎng)殖監(jiān)測(cè)。通過搭載攝像機(jī)、聲吶、水質(zhì)傳感器等設(shè)備，借助水產(chǎn)養(yǎng)殖水下機(jī)器人機(jī)動(dòng)靈活的運(yùn)動(dòng)能力，可實(shí)現(xiàn)對(duì)養(yǎng)殖環(huán)境及對(duì)象的大范圍監(jiān)測(cè)，典型的應(yīng)用場(chǎng)景如圖1所示[6-9]。Karimanzira等[6]在水下機(jī)器人上搭載了導(dǎo)電率、溶氧等傳感器，并設(shè)計(jì)了任務(wù)規(guī)劃及制導(dǎo)系統(tǒng)，實(shí)現(xiàn)了大范圍養(yǎng)殖水質(zhì)監(jiān)測(cè)。王潤田等[10]提出了一種深水網(wǎng)箱養(yǎng)殖的聲學(xué)監(jiān)測(cè)方法，將聲吶傳感器搭載于水下機(jī)器人，根據(jù)深水網(wǎng)箱規(guī)格預(yù)設(shè)巡視路線，實(shí)時(shí)監(jiān)測(cè)并上報(bào)透魚現(xiàn)象。Rundtop等[11]將超短基線定位系統(tǒng)和多普勒測(cè)速系統(tǒng)集成在水下機(jī)器人上，通過試驗(yàn)驗(yàn)證了其在水產(chǎn)養(yǎng)殖網(wǎng)衣檢查中的表現(xiàn)。F?re等[12]討論了水下機(jī)器人在精準(zhǔn)漁業(yè)養(yǎng)殖方面的優(yōu)勢(shì)，并建議開發(fā)基于聲學(xué)和視覺的導(dǎo)航系統(tǒng)，以避免水下機(jī)器人在網(wǎng)箱中執(zhí)行監(jiān)視任務(wù)時(shí)碰撞養(yǎng)殖設(shè)施或魚類。Forst等[13]設(shè)計(jì)了一種用于水產(chǎn)養(yǎng)殖的ROV(remotely operated vehicle)，其搭載了視頻相機(jī)，可通過自動(dòng)圖像處理實(shí)現(xiàn)養(yǎng)殖監(jiān)測(cè)。除了上述應(yīng)用外，還可以借助水產(chǎn)養(yǎng)殖水下機(jī)器人，完成水產(chǎn)品生長狀態(tài)評(píng)估[14]、行為研究[15]、攝食預(yù)測(cè)[16]等水產(chǎn)養(yǎng)殖監(jiān)測(cè)工作。

其次，水產(chǎn)養(yǎng)殖水下機(jī)器人可搭載機(jī)械手、捕撈網(wǎng)、清洗裝置等工具，基于作業(yè)目標(biāo)識(shí)別與定位、制導(dǎo)與控制，完成養(yǎng)殖產(chǎn)品收獲、網(wǎng)箱清洗、死魚撿拾、漏洞檢測(cè)及修補(bǔ)等復(fù)雜任務(wù)。房熊等[17]設(shè)計(jì)了不同形式的水產(chǎn)養(yǎng)殖水下機(jī)器人模型，搭載了水下機(jī)械手、捕撈網(wǎng)等，可用于捕撈作業(yè)。卜力群[18]設(shè)計(jì)了一種水下養(yǎng)殖作業(yè)機(jī)器人，搭載了2個(gè)機(jī)械手臂、餌料存儲(chǔ)箱及投料捕獲執(zhí)行機(jī)構(gòu)，具備多種作業(yè)能力。周建龍[19]設(shè)計(jì)了可實(shí)現(xiàn)飼料投喂及水草切割的新型水產(chǎn)養(yǎng)殖機(jī)器人。劉冠靈等[20]設(shè)計(jì)了一種履帶式深海網(wǎng)箱清洗機(jī)器人，依靠反沖裝置和2組三角履帶輪實(shí)現(xiàn)貼附網(wǎng)衣表面行走，同時(shí)清洗網(wǎng)衣，清洗效果良好。

此外，水產(chǎn)養(yǎng)殖水下機(jī)器人還可與其他的水面、水下、空中平臺(tái)(如水面船舶、水下探測(cè)節(jié)點(diǎn)、無人機(jī)等)靈活組網(wǎng)，并借助地面基站、衛(wèi)星等通信設(shè)備，構(gòu)建“水陸空天”一體化監(jiān)控系統(tǒng)。在此系統(tǒng)中，水產(chǎn)養(yǎng)殖水下機(jī)器人根據(jù)規(guī)劃路徑大范圍移動(dòng)，并采集養(yǎng)殖設(shè)施及其他水下節(jié)點(diǎn)的信息，將其上傳至監(jiān)控網(wǎng)絡(luò)，從而實(shí)現(xiàn)對(duì)于大范圍水產(chǎn)養(yǎng)殖區(qū)域的長效動(dòng)態(tài)監(jiān)控，同時(shí)還可根據(jù)實(shí)際需求開展多種養(yǎng)殖作業(yè)。

盡管水下機(jī)器人已經(jīng)逐步被應(yīng)用在水產(chǎn)養(yǎng)殖中，但其發(fā)展趨勢(shì)仍然較慢，推廣程度遠(yuǎn)不如其他領(lǐng)域。在歐美等發(fā)達(dá)地區(qū)和國家，水產(chǎn)養(yǎng)殖水下機(jī)器人研究水平相對(duì)較高，少數(shù)公司甚至推出了系列產(chǎn)品。國內(nèi)起步較晚，相關(guān)研究較少，一些基礎(chǔ)性問題仍有待解決。下文將對(duì)水產(chǎn)養(yǎng)殖水下機(jī)器人的關(guān)鍵技術(shù)進(jìn)行分析。

A:大范圍水質(zhì)監(jiān)測(cè)[6] Wide-range water quality monitoring; B:漁網(wǎng)監(jiān)測(cè)[7] Fish net monitoring; C:剩余餌料監(jiān)測(cè)[8] Residual fishing bait monitoring; D:魚類行為監(jiān)測(cè)[9] Fish behavior monitoring.

2 水產(chǎn)養(yǎng)殖水下機(jī)器人關(guān)鍵技術(shù)

在弱光照、多擾動(dòng)、強(qiáng)耦合、時(shí)變、非結(jié)構(gòu)化的水下環(huán)境下，利用水產(chǎn)養(yǎng)殖水下機(jī)器人開展高效、精準(zhǔn)的水產(chǎn)養(yǎng)殖監(jiān)測(cè)及作業(yè)，通常需解決水質(zhì)監(jiān)測(cè)、視頻監(jiān)控及傳輸、水產(chǎn)目標(biāo)識(shí)別與定位、水下導(dǎo)航、智能規(guī)劃與控制、水下機(jī)器人-機(jī)械手協(xié)同作業(yè)等關(guān)鍵技術(shù)問題，如圖2所示。

圖2 水產(chǎn)養(yǎng)殖水下機(jī)器人關(guān)鍵技術(shù)Fig.2 Key technologies of aquaculture underwater vehicles

2.1 水質(zhì)監(jiān)測(cè)

水產(chǎn)養(yǎng)殖水質(zhì)易受生物、物理、化學(xué)、水文氣象和人類生產(chǎn)活動(dòng)等多因素交叉影響，作用機(jī)制復(fù)雜，具有多變量、非線性、模糊不確定等特點(diǎn)[21]，直接影響著水產(chǎn)品的產(chǎn)量與品質(zhì)[22]，因此，開展水質(zhì)監(jiān)測(cè)意義重大。傳統(tǒng)的人工觀察或采樣監(jiān)測(cè)等方式時(shí)效性差、可靠性低、監(jiān)測(cè)范圍有限，不能及時(shí)反饋水質(zhì)的問題，嚴(yán)重影響水產(chǎn)品的成活率，可能造成不可挽回的經(jīng)濟(jì)損失[23]。隨著科技的進(jìn)步，網(wǎng)絡(luò)化、自動(dòng)化的監(jiān)測(cè)方式逐漸成為研究熱點(diǎn)[24]。但對(duì)于大型養(yǎng)殖水域而言，采用傳感網(wǎng)絡(luò)的監(jiān)測(cè)方式存在機(jī)動(dòng)性不足、采樣區(qū)域有限的問題。

利用水產(chǎn)養(yǎng)殖水下機(jī)器人開展水質(zhì)監(jiān)測(cè)作業(yè)，能夠大大提升水質(zhì)監(jiān)測(cè)的機(jī)動(dòng)靈活性、效率與監(jiān)測(cè)范圍。但是在機(jī)器人狹小的空間內(nèi)，所能安裝的水質(zhì)傳感器數(shù)目有限，必須解決水質(zhì)傳感器的有效性及配置優(yōu)化問題。隨著使用時(shí)間延長，水質(zhì)探頭上會(huì)附著各種污漬及雜物，使探測(cè)準(zhǔn)確性變差，甚至無法使用，需要定期清洗乃至更換。在水下機(jī)器人上集成后，水質(zhì)傳感器的清洗及更換會(huì)更加麻煩，因此需要設(shè)計(jì)自動(dòng)清污裝置，對(duì)水質(zhì)探頭進(jìn)行定期清洗[25]。此外，為了解決傳感器設(shè)備故障問題，還可在空間允許的前提下，采用多傳感器配置方式[26]，以提升水質(zhì)監(jiān)測(cè)的可靠性。

除了提升傳感器的可靠性外，還需解決水質(zhì)數(shù)據(jù)分析及處理問題。受復(fù)雜養(yǎng)殖環(huán)境等因素影響，水質(zhì)傳感器采集的數(shù)據(jù)面臨缺失、失真、冗余、異常波動(dòng)、噪聲干擾大等諸多問題。因此，需要根據(jù)實(shí)際需求對(duì)傳感器采集的數(shù)據(jù)進(jìn)行降噪、特征提取、修復(fù)、重構(gòu)等處理[27]，才能得到準(zhǔn)確的水質(zhì)分析結(jié)果。樊春春[28]設(shè)計(jì)了一套基于物聯(lián)網(wǎng)的水產(chǎn)養(yǎng)殖智能監(jiān)控系統(tǒng)，采用小波變換算法對(duì)采集到的參數(shù)進(jìn)行降噪處理，并采用基于RBFNN的模糊控制算法解決了數(shù)據(jù)滯后的問題。劉雙印[29]針對(duì)水質(zhì)監(jiān)測(cè)數(shù)據(jù)缺失和噪聲問題，通過線性插值法、相似數(shù)據(jù)的水平和垂直處理均值法對(duì)數(shù)據(jù)進(jìn)行修復(fù)，并采用改進(jìn)小波分析方法進(jìn)行降噪和特征提取。Yu等[30]采用融合小波分析和獨(dú)立分量分析方法對(duì)水質(zhì)參數(shù)進(jìn)行了特征提取，有效減少了噪聲干擾。

水質(zhì)預(yù)測(cè)是水質(zhì)監(jiān)測(cè)中的另一關(guān)鍵環(huán)節(jié)，是根據(jù)已掌握的資料和監(jiān)測(cè)數(shù)據(jù)，對(duì)水質(zhì)在未來空間和時(shí)間上的變化規(guī)律及發(fā)展趨勢(shì)進(jìn)行估計(jì)和推測(cè)，為防止養(yǎng)殖水質(zhì)進(jìn)一步惡化和制定水質(zhì)改善措施提供決策依據(jù)[31]。目前，應(yīng)用較多的方法包括以經(jīng)典數(shù)學(xué)為基礎(chǔ)的傳統(tǒng)預(yù)測(cè)方法及以計(jì)算智能為基礎(chǔ)的現(xiàn)代預(yù)測(cè)方法等。傳統(tǒng)預(yù)測(cè)方法主要包括：Markov法[32]、回歸分析預(yù)測(cè)法[33]、時(shí)序分析預(yù)測(cè)法[34]及函數(shù)模型預(yù)測(cè)法[35]等。傳統(tǒng)的預(yù)測(cè)方法自適應(yīng)能力較弱，且部分方法在建模時(shí)需要龐大的數(shù)據(jù)量支撐，嚴(yán)重影響了預(yù)測(cè)的效率和精度。結(jié)合計(jì)算智能的現(xiàn)代預(yù)測(cè)方法有效地解決了傳統(tǒng)方法存在的問題，常見的現(xiàn)代預(yù)測(cè)方法包括灰色理論法、人工神經(jīng)網(wǎng)絡(luò)法、最小二乘SVR預(yù)測(cè)法等?？紤]到不同水質(zhì)參數(shù)之間具有很高的耦合性，作用機(jī)制難以簡(jiǎn)單分析，應(yīng)用單一的預(yù)測(cè)方法可能存在局限性，因此基于計(jì)算智能的組合預(yù)測(cè)法將成為未來的重要發(fā)展趨勢(shì)。

綜上，利用水產(chǎn)養(yǎng)殖水下機(jī)器人開展水質(zhì)監(jiān)測(cè)時(shí)，必須妥善解決傳感器優(yōu)化配置與清污、數(shù)據(jù)融合分析以及水質(zhì)預(yù)測(cè)等問題。

2.2 弱可視條件下視頻監(jiān)控及傳輸

傳統(tǒng)水產(chǎn)養(yǎng)殖業(yè)的增氧、投飼、用藥等幾乎全部依靠經(jīng)驗(yàn)，對(duì)工人的素質(zhì)要求較高，實(shí)際生產(chǎn)中往往為了達(dá)到較好的效果，多增氧、多投飼、多用藥，造成了不必要的浪費(fèi)，也影響了水產(chǎn)品的健康品質(zhì)。利用水產(chǎn)養(yǎng)殖機(jī)器人開展水下視頻監(jiān)控，能夠有效監(jiān)測(cè)水產(chǎn)品成活率、生長情況及養(yǎng)殖環(huán)境，及時(shí)發(fā)現(xiàn)水產(chǎn)品逃逸或死亡情況，以及殘留飼料，底質(zhì)腐臭、板結(jié)、青苔和其他池塘污染問題，從而有的放矢地采取相關(guān)措施。同時(shí)，借助于水下機(jī)器人靈活的運(yùn)動(dòng)能力，可實(shí)現(xiàn)移動(dòng)式全方位的視頻監(jiān)控，對(duì)于水產(chǎn)養(yǎng)殖業(yè)而言意義重大。但是，利用水產(chǎn)養(yǎng)殖水下機(jī)器人開展視頻監(jiān)控作業(yè)，不僅需克服弱光照、渾濁水質(zhì)以及水產(chǎn)品隨機(jī)運(yùn)動(dòng)等困難，實(shí)現(xiàn)圖像準(zhǔn)確捕捉及采集，還需適應(yīng)不同傳輸介質(zhì)，實(shí)現(xiàn)高效、高質(zhì)量、高可靠性的水下視頻傳輸。

在水下圖像捕捉及采集方面，利用視頻采集系統(tǒng)可以直接對(duì)目標(biāo)實(shí)現(xiàn)高速成像且圖像細(xì)節(jié)清晰、分辨率高，能夠獲得豐富的目標(biāo)特性和水下環(huán)境特性，相對(duì)于聲學(xué)手段而言更加直觀，近年來在水產(chǎn)養(yǎng)殖業(yè)上得到越來越多的應(yīng)用。張金泉等[36]設(shè)計(jì)了一種搭載視頻監(jiān)控系統(tǒng)的框架式AUV(autonomous underwater vehicle)，用于海上網(wǎng)箱網(wǎng)衣檢測(cè)，可獲得清晰的視覺圖像，從而方便地判斷網(wǎng)衣破損情況。但是由于水對(duì)光的吸收特性使得光在傳輸過程中能量發(fā)生嚴(yán)重的衰減，造成成像質(zhì)量下降，因此視頻監(jiān)控技術(shù)適合近距離水產(chǎn)目標(biāo)信息的獲取[37]。此外，水有較強(qiáng)的散射特性，導(dǎo)致水下圖像中水產(chǎn)品目標(biāo)和背景的對(duì)比度降低，造成圖像模糊[38]，同時(shí)光學(xué)圖像也會(huì)受到弱光照條件及渾濁養(yǎng)殖環(huán)境的影響，因此利用水下視頻監(jiān)控獲取高質(zhì)量的水下光學(xué)圖像面臨很大的挑戰(zhàn)，不僅需要對(duì)攝像、補(bǔ)光等硬件設(shè)備進(jìn)行改進(jìn)，還需設(shè)計(jì)合理的圖像處理算法[39]。

水下視頻傳輸是水產(chǎn)養(yǎng)殖視頻監(jiān)控的另一個(gè)關(guān)鍵環(huán)節(jié)。實(shí)時(shí)、清晰、穩(wěn)定的視頻傳輸將會(huì)給水產(chǎn)養(yǎng)殖監(jiān)控帶來極大的便利。針對(duì)ROV和AUV這兩種不同類型的水產(chǎn)養(yǎng)殖水下機(jī)器人[40]，視頻傳輸?shù)奶幚矸绞接兴煌OV采用有線工作模式，其水下載體與岸基之間通過光電復(fù)合纜連接，水下視頻信息可借助光電復(fù)合纜進(jìn)行實(shí)時(shí)、可靠、穩(wěn)定、長期的傳輸。典型的ROV視頻光纖傳輸系統(tǒng)主要包括水下攝像機(jī)、照明燈、艇載控制單元、艇載光端機(jī)、水面光端機(jī)、水面控制單元等，如圖3所示。艇載控制單元可根據(jù)養(yǎng)殖水體內(nèi)的可視條件完成燈光亮度調(diào)節(jié)、攝像機(jī)調(diào)焦和聚焦控制等[41]，從而彌補(bǔ)水質(zhì)混濁和光線暗淡的影響。AUV與水面支持系統(tǒng)之間沒有光電復(fù)合纜相連，因此水下視頻只能通過無線傳輸。一般而言，AUV多采用水聲傳輸，但是水聲信道具有時(shí)變多徑特性且易受噪聲影響，帶寬較窄，容易產(chǎn)生誤碼。為達(dá)到實(shí)時(shí)的效果，必須將圖像數(shù)據(jù)在傳輸之前進(jìn)行大幅度壓縮[42]，并進(jìn)行抗誤碼處理[43]。早期的水聲信道圖像傳輸系統(tǒng)，多采用靜態(tài)圖像壓縮方法，壓縮比不高，一般一幀圖像需要幾秒來完成傳輸[44]。在視頻動(dòng)態(tài)壓縮編碼方法的研究方面，文獻(xiàn)[45]提出一種基于小波變換的壓縮算法，水聲信道傳輸速率20 kbps，以10幀/s的速率傳輸144像素×176像素的灰度圖像；文獻(xiàn)[46]研制的水下視頻傳輸系統(tǒng)，水聲信道的數(shù)據(jù)傳輸速率可達(dá)128 kbps，采用MPEG-4壓縮，速率為10幀/s。

圖3 典型的ROV視頻光纖傳輸系統(tǒng)Fig.3 Typical video optical fiber transmission system of ROV

2.3 多擾動(dòng)下水產(chǎn)目標(biāo)準(zhǔn)確識(shí)別與定位

水產(chǎn)目標(biāo)的準(zhǔn)確識(shí)別與定位是養(yǎng)殖作業(yè)的基礎(chǔ)。要實(shí)現(xiàn)高效、精準(zhǔn)的養(yǎng)殖作業(yè)，必須準(zhǔn)確、快速識(shí)別水產(chǎn)品的種類及生長狀態(tài)等。但是，在水產(chǎn)目標(biāo)的準(zhǔn)確識(shí)別定位過程中，往往面臨以下問題：(1)養(yǎng)殖產(chǎn)品狀態(tài)隨機(jī)性強(qiáng)，無規(guī)律可循，難以捕捉及預(yù)測(cè)目標(biāo)動(dòng)態(tài)；(2)養(yǎng)殖產(chǎn)品往往處于快速運(yùn)動(dòng)狀態(tài)，對(duì)目標(biāo)識(shí)別及定位的實(shí)時(shí)性提出了較高要求；(3)養(yǎng)殖產(chǎn)品生長狀態(tài)參差不齊，外形差異較大，難以用統(tǒng)一的標(biāo)準(zhǔn)來評(píng)估及識(shí)別；(4)水體環(huán)境差，受飼料殘?jiān)?、糞便等眾多干擾物及水體散射作用影響，圖像采集效果差，質(zhì)量不穩(wěn)定，會(huì)產(chǎn)生多陰影、噪點(diǎn)多及對(duì)比度下降等不利效果，影響目標(biāo)定位識(shí)別?？傊?，上述因素可能導(dǎo)致水下機(jī)器人“看不清”“找不到”“抓不準(zhǔn)”，為水產(chǎn)目標(biāo)的準(zhǔn)確識(shí)別與定位帶來巨大的困難。

水產(chǎn)目標(biāo)的準(zhǔn)確識(shí)別與定位總體上可分為目標(biāo)信息獲取及識(shí)別定位2個(gè)環(huán)節(jié)。在目標(biāo)信息獲取方面，常用的手段主要有視覺、水聲、激光等。視覺依賴于水體的可見度，在清水環(huán)境中，最大可視距離可達(dá)10 m左右，但在混濁的水域，最大可視距離往往會(huì)大幅縮短。水聲作業(yè)距離遠(yuǎn)、分辨率高，目前仍是水下目標(biāo)定位的主要方法，但容易受到復(fù)雜水體環(huán)境干擾，增加了目標(biāo)識(shí)別的難度。激光是近年來發(fā)展起來的新方法，體積、功耗都較小，比較適合水下機(jī)器人使用，但目前尚不成熟。由于采用單一的目標(biāo)獲取手段均有一定的缺陷，在實(shí)際應(yīng)用中，可以采用多手段融合的探測(cè)方法[47]。

在有限的探測(cè)手段基礎(chǔ)上，設(shè)計(jì)良好的識(shí)別定位方法是提升水產(chǎn)目標(biāo)識(shí)別能力的關(guān)鍵。一般的水下目標(biāo)識(shí)別與定位流程包括圖像濾波、邊緣提取、特征量提取和目標(biāo)識(shí)別判斷等[48]。圖像濾波一般分為線性濾波和非線性濾波兩類。線性濾波原理簡(jiǎn)單、易于實(shí)現(xiàn)，但當(dāng)圖像中含有信號(hào)與噪聲彼此相關(guān)的非疊加性噪聲時(shí)，線性濾波方法不再適用，此時(shí)需依賴于非線性濾波技術(shù)。皮志鋒[49]針對(duì)海參捕撈任務(wù)，設(shè)計(jì)了改進(jìn)中值濾波算法，并對(duì)圖像進(jìn)行模糊增強(qiáng)，提升了圖像處理的效果。特征提取及匹配是目標(biāo)識(shí)別過程中的另一重要環(huán)節(jié)，其通過計(jì)算機(jī)提取圖像上的關(guān)鍵信息點(diǎn)進(jìn)行特征分析，并依據(jù)分析結(jié)果對(duì)目標(biāo)進(jìn)行匹配、識(shí)別和分類[50]。由于水下特殊的成像環(huán)境，紋理特征和顏色特征損失嚴(yán)重，因此通常采用基于形狀特征的目標(biāo)識(shí)別方法[51]。并且，隨著圖像識(shí)別等技術(shù)的發(fā)展，近年來深度學(xué)習(xí)、機(jī)器視覺等新方法開始逐步應(yīng)用到水下目標(biāo)識(shí)別領(lǐng)域。王衛(wèi)華等[52]研究了如何在海底管線檢測(cè)維修工作中，應(yīng)用機(jī)器視覺實(shí)現(xiàn)管線快速識(shí)別與精確定位。Kim等[53]提出了一種面向多幀不交疊R標(biāo)序列圖像識(shí)別的Snake跳躍模型，在疊加應(yīng)用識(shí)別中能完成對(duì)快速移動(dòng)物體的判別。

盡管水下目標(biāo)識(shí)別技術(shù)近年來已取得了長足的進(jìn)步，但其在針對(duì)動(dòng)態(tài)移動(dòng)目標(biāo)的在線識(shí)別方面還存在一定的缺陷。尤其對(duì)于水產(chǎn)養(yǎng)殖業(yè)而言，不僅會(huì)面臨動(dòng)、靜態(tài)多目標(biāo)的快速識(shí)別及特征精確分析任務(wù)，而且還面臨弱光照、時(shí)變浪/流影響、復(fù)雜水質(zhì)、機(jī)器人不確定狀態(tài)等多源復(fù)合擾動(dòng)影響，難度更大。綜合利用多源融合探測(cè)手段，結(jié)合水產(chǎn)品特性開展目標(biāo)識(shí)別技術(shù)研究，是在多擾動(dòng)環(huán)境下實(shí)現(xiàn)水產(chǎn)目標(biāo)準(zhǔn)確識(shí)別與定位的關(guān)鍵。

2.4 復(fù)雜養(yǎng)殖環(huán)境中水下機(jī)器人高精度導(dǎo)航技術(shù)

導(dǎo)航是水產(chǎn)養(yǎng)殖水下機(jī)器人的關(guān)鍵技術(shù)。機(jī)器人的水下定位、跟蹤控制、養(yǎng)殖作業(yè)等都依賴于精確的導(dǎo)航參數(shù)。但是，考慮到未知、非結(jié)構(gòu)化的水下養(yǎng)殖環(huán)境，以及復(fù)雜的水產(chǎn)養(yǎng)殖任務(wù)，實(shí)現(xiàn)長效而精確的導(dǎo)航定位難度很大?？紤]到水對(duì)電磁信號(hào)的衰減作用，陸基常用的導(dǎo)航技術(shù)在水下并不完全適用，使得水下導(dǎo)航成為了一項(xiàng)頗具挑戰(zhàn)的課題[54-55]。現(xiàn)有的水下導(dǎo)航技術(shù)，主要包括船位推算、聲學(xué)導(dǎo)航、慣性導(dǎo)航、視覺導(dǎo)航、地球物理導(dǎo)航等。這些導(dǎo)航技術(shù)都可以單獨(dú)應(yīng)用于水下機(jī)器人開展水產(chǎn)養(yǎng)殖作業(yè)，但它們各有優(yōu)缺點(diǎn)[56-58]，如表1所示。

表1 常用的單一水下導(dǎo)航技術(shù)Table 1 The commonly used single underwater navigation technology

在上述水下導(dǎo)航技術(shù)中，慣性導(dǎo)航因其突出的技術(shù)優(yōu)勢(shì)，往往被用作水產(chǎn)養(yǎng)殖水下機(jī)器人的核心導(dǎo)航技術(shù)。但是，慣性導(dǎo)航裝置只能維持短時(shí)間內(nèi)的高精度測(cè)量，在執(zhí)行長時(shí)間水產(chǎn)養(yǎng)殖作業(yè)任務(wù)時(shí)，定位誤差隨時(shí)間延長而累積嚴(yán)重，因此需要其他導(dǎo)航傳感器(如DVL、GPS、APS等)的輔助[59-60]，并進(jìn)行多傳感器組合導(dǎo)航。借助卡爾曼濾波、粒子濾波等融合算法[61-62]，有效融合不同導(dǎo)航傳感器數(shù)據(jù)，不僅可以取長補(bǔ)短，大大提高導(dǎo)航精度，提升系統(tǒng)可靠性和容錯(cuò)能力，而且可以適當(dāng)降低單一傳感器的精度要求，降低設(shè)備成本和技術(shù)難度，目前已在水下機(jī)器人中廣泛應(yīng)用。Liu等[63]利用DVL對(duì)慣性導(dǎo)航系統(tǒng)進(jìn)行定期修正，以彌補(bǔ)慣性導(dǎo)航的誤差累積影響，仿真結(jié)果表明，SINS/DVL組合導(dǎo)航比純慣性導(dǎo)航有更高的定位精度。Lü等[64]為了提高導(dǎo)航的魯棒性并避免DVL數(shù)據(jù)丟失的影響，基于最優(yōu)極限學(xué)習(xí)方法提出了一種智能速度模型來輔助導(dǎo)航。Zhang等[65]提出了一種基于聲音的測(cè)距和定位方法，通過不同工況下的誤差分析準(zhǔn)確補(bǔ)償航位推算誤差，提高了導(dǎo)航精度。Sun等[66]提出了一種基于反向超短基線的AUV導(dǎo)航系統(tǒng)，具備多用戶容納、隱蔽巡航、長航程有效等諸多優(yōu)勢(shì)。

盡管多傳感器組合導(dǎo)航技術(shù)顯著提升了導(dǎo)航的精度，然而對(duì)于水產(chǎn)養(yǎng)殖而言，水產(chǎn)養(yǎng)殖水下機(jī)器人導(dǎo)航技術(shù)不僅涉及機(jī)器人沿預(yù)定路徑行進(jìn)過程中的導(dǎo)航問題，還包括水產(chǎn)養(yǎng)殖作業(yè)問題。以網(wǎng)衣監(jiān)測(cè)和水產(chǎn)品捕獲為例，水產(chǎn)養(yǎng)殖水下機(jī)器人在執(zhí)行此類作業(yè)任務(wù)時(shí)，需依據(jù)作業(yè)目標(biāo)實(shí)時(shí)調(diào)整運(yùn)動(dòng)軌跡和姿態(tài)，因此需要兼顧水產(chǎn)養(yǎng)殖水下機(jī)器人特性、環(huán)境影響及作業(yè)目標(biāo)影響。視覺同步定位與映射(VSLAM)[67]是一種新興的導(dǎo)航定位技術(shù)，對(duì)于水產(chǎn)養(yǎng)殖水下機(jī)器人而言，將VSLAM技術(shù)與常用的水下組合導(dǎo)航技術(shù)相結(jié)合，可以在提升導(dǎo)航精度的同時(shí)兼顧水產(chǎn)品的視覺感知，將有助于動(dòng)態(tài)養(yǎng)殖作業(yè)任務(wù)的實(shí)現(xiàn)，是未來重要的發(fā)展方向。此外，一般而言，光纖慣性導(dǎo)航的精度與其內(nèi)部光纖陀螺的尺寸成正比，想要獲得高精度的導(dǎo)航數(shù)據(jù)，需要相對(duì)較大的慣性導(dǎo)航設(shè)備，這與水產(chǎn)養(yǎng)殖業(yè)對(duì)機(jī)器人小型化、低成本化的需求相矛盾。因此，小型化、低成本、高精度的導(dǎo)航設(shè)備研發(fā)將是水產(chǎn)養(yǎng)殖水下機(jī)器人導(dǎo)航技術(shù)的另一重要研究方向。

2.5 內(nèi)外環(huán)境強(qiáng)擾動(dòng)下水下機(jī)器人智能規(guī)劃與控制

在開展水產(chǎn)養(yǎng)殖監(jiān)測(cè)及捕撈作業(yè)過程中，為了使機(jī)器人的行進(jìn)路徑覆蓋關(guān)鍵的監(jiān)測(cè)區(qū)域，并使其位置、姿態(tài)、速度等滿足準(zhǔn)確捕撈的作業(yè)需求，需要對(duì)機(jī)器人的運(yùn)動(dòng)參數(shù)進(jìn)行嚴(yán)格約束，因此水產(chǎn)養(yǎng)殖水下機(jī)器人必須具備良好的規(guī)劃及控制能力。但是，考慮到水下機(jī)器人存在強(qiáng)交叉耦合、非線性、參數(shù)攝動(dòng)等特性，與復(fù)雜養(yǎng)殖環(huán)境交互時(shí)還面臨著時(shí)變且不易觀測(cè)的持續(xù)浪、流等外部干擾，同時(shí)在作業(yè)過程中還必須準(zhǔn)確感知并避開養(yǎng)殖產(chǎn)品及設(shè)施，實(shí)現(xiàn)準(zhǔn)確的規(guī)劃與控制非常不易。根據(jù)水產(chǎn)養(yǎng)殖作業(yè)需求及工作環(huán)境，可將水產(chǎn)養(yǎng)殖水下機(jī)器人的規(guī)劃與控制劃分為路徑規(guī)劃、運(yùn)動(dòng)控制及動(dòng)態(tài)避障等3個(gè)環(huán)節(jié)，其邏輯關(guān)系如圖4所示。

圖4 水產(chǎn)養(yǎng)殖水下機(jī)器人規(guī)劃與控制Fig.4 Planning and control of aquaculture underwater vehicle

在路徑規(guī)劃方面，水產(chǎn)養(yǎng)殖水下機(jī)器人需結(jié)合養(yǎng)殖作業(yè)任務(wù)、水體環(huán)境及機(jī)器人特性，設(shè)計(jì)覆蓋關(guān)鍵養(yǎng)殖區(qū)域的合理路徑。在設(shè)計(jì)路徑時(shí)，需考慮空間約束、機(jī)器人運(yùn)動(dòng)約束、水流擾動(dòng)、空間遍歷性、不重復(fù)性及能源消耗等多重因素。目前，水下機(jī)器人路徑規(guī)劃算法總體上可分為三類：幾何模型搜索、人工勢(shì)場(chǎng)法以及人工智能方法[68]。幾何模型搜索方法需在建立環(huán)境模型的基礎(chǔ)上設(shè)計(jì)搜索策略，對(duì)環(huán)境模型的精細(xì)程度依賴性強(qiáng)。環(huán)境建模方法包括可視圖、Voronoi圖、單元分解法等，常用的搜索策略包括A*、D*算法[69]等。其中，A*算法比較適合靜態(tài)路徑規(guī)劃，在規(guī)劃空間范圍較大時(shí)，A*算法搜索效率不足，D*算法比較適用于進(jìn)行動(dòng)態(tài)路徑規(guī)劃。人工勢(shì)場(chǎng)法是創(chuàng)建一個(gè)虛擬的力場(chǎng)，并通過建立引力場(chǎng)函數(shù)、斥力場(chǎng)函數(shù)來進(jìn)行路徑規(guī)劃，其優(yōu)點(diǎn)是規(guī)劃的路徑一般比較平滑，算法模型實(shí)現(xiàn)簡(jiǎn)單，但當(dāng)?shù)匦芜^于復(fù)雜時(shí)，完全遍歷路徑規(guī)劃有可能陷入局部最優(yōu)解，從而產(chǎn)生遺漏區(qū)域[70]。人工智能算法參考動(dòng)物行為進(jìn)行尋優(yōu)設(shè)計(jì)，目前主流的人工智能規(guī)劃算法包括粒子群算法、蟻群算法、進(jìn)化計(jì)算、遺傳算法、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等[71]，采用智能算法不需要精確的環(huán)境模型，搜索能力強(qiáng)且能夠得到全局最優(yōu)解。

在運(yùn)動(dòng)控制方面，水產(chǎn)養(yǎng)殖水下機(jī)器人往往面臨如下難題[72]：模型高度非線性和時(shí)變水動(dòng)力特性；變負(fù)載影響；附加質(zhì)量大，運(yùn)動(dòng)慣性大；精確的水動(dòng)力系數(shù)難以獲?。粡?fù)雜養(yǎng)殖環(huán)境帶來時(shí)變擾動(dòng)且難以直接測(cè)量等。為了克服上述內(nèi)外環(huán)境強(qiáng)擾動(dòng)，運(yùn)動(dòng)控制器設(shè)計(jì)必須兼具良好的制導(dǎo)[73]以及魯棒控制[74]能力。常用的運(yùn)動(dòng)控制算法包括PID控制、自適應(yīng)控制、滑?？刂啤⒎囱菘刂?、模糊專家控制、神經(jīng)網(wǎng)絡(luò)控制等，如表2所示。由于每種算法都存在不足之處，在運(yùn)動(dòng)控制器設(shè)計(jì)過程中往往根據(jù)實(shí)際養(yǎng)殖作業(yè)需要，將各種算法融合使用。

表2 常用的水產(chǎn)養(yǎng)殖水下機(jī)器人運(yùn)動(dòng)控制算法Table 2 The commonly used motion control algorithm for aquaculture underwater vehicle

動(dòng)態(tài)避障是水產(chǎn)養(yǎng)殖作業(yè)中另一項(xiàng)關(guān)鍵技術(shù)。水產(chǎn)養(yǎng)殖水下機(jī)器人在按照預(yù)規(guī)劃路徑開展養(yǎng)殖作業(yè)時(shí)，可能會(huì)遭遇養(yǎng)殖設(shè)施、產(chǎn)品及環(huán)境中的不確定動(dòng)態(tài)障礙物，設(shè)計(jì)合理高效的動(dòng)態(tài)避障策略，對(duì)于提升養(yǎng)殖作業(yè)可靠性和安全性而言非常重要。動(dòng)態(tài)避障一方面依賴對(duì)養(yǎng)殖環(huán)境及對(duì)象的實(shí)時(shí)感知建模，另一方面取決于動(dòng)態(tài)避障策略的優(yōu)劣[75]。在養(yǎng)殖環(huán)境感知建模方面，可基于聲吶[76-77]、圖像[78]、視頻[79]等手段獲取的信息，建立養(yǎng)殖環(huán)境及障礙物模型。在避障策略研究方面，除傳統(tǒng)的人工勢(shì)場(chǎng)方法外，新興的動(dòng)態(tài)避障算法可大體分為兩類：一類從水產(chǎn)養(yǎng)殖水下機(jī)器人的運(yùn)動(dòng)特性及限制出發(fā)[80]，另一類采用神經(jīng)網(wǎng)絡(luò)和模糊推理為代表的智能決策方法[81]。

盡管規(guī)劃與控制技術(shù)近年來取得了長足的進(jìn)步，但對(duì)于水產(chǎn)養(yǎng)殖這種特殊的應(yīng)用場(chǎng)合而言，現(xiàn)有的規(guī)劃與控制技術(shù)需要結(jié)合實(shí)際應(yīng)用需求做出適應(yīng)性調(diào)整及補(bǔ)償，尤其是需要充分考慮動(dòng)態(tài)養(yǎng)殖產(chǎn)品、設(shè)施及未知復(fù)雜養(yǎng)殖環(huán)境的影響，提高作業(yè)的效率、安全性與可靠性。

2.6 多體耦合約束下水下機(jī)器人-機(jī)械手協(xié)同精準(zhǔn)作業(yè)

搭載機(jī)械手的水產(chǎn)養(yǎng)殖水下機(jī)器人能完成除養(yǎng)殖監(jiān)測(cè)外更復(fù)雜的作業(yè)任務(wù)，大大提升了水產(chǎn)養(yǎng)殖作業(yè)能力。但是，水下機(jī)器人與機(jī)械手構(gòu)成了多體耦合的水下機(jī)器人-機(jī)械手系統(tǒng)(underwater vehicle-manipulator system,UVMS)，建模與控制非常復(fù)雜[82]。

對(duì)于UVMS建模而言，需要在水產(chǎn)養(yǎng)殖水下機(jī)器人和機(jī)械手建模的基礎(chǔ)上，分析兩者間耦合關(guān)系并兼顧復(fù)雜養(yǎng)殖環(huán)境影響。常用的動(dòng)力學(xué)建模方法包括Kane方法、Lagrange方法和Newton-Euler方法等。Kane方法所建方程數(shù)少，效率較高，但需計(jì)算各部分加速度以獲得慣性力；Lagrange方法從能量的角度出發(fā)構(gòu)建模型，避開了力、速度和加速度等矢量的復(fù)雜運(yùn)算，但要對(duì)能量方程進(jìn)行繁瑣的偏導(dǎo)運(yùn)算；Newton-Euler方法建模直觀，易于計(jì)算，但需要計(jì)算出系統(tǒng)所有相互作用力，相對(duì)繁瑣[83]。在建立理論模型后，還需通過數(shù)值計(jì)算或試驗(yàn)的方式獲取UVMS的水動(dòng)力系數(shù)。此外，對(duì)于水產(chǎn)養(yǎng)殖作業(yè)而言，養(yǎng)殖環(huán)境的分析與建模至關(guān)重要。在實(shí)際建模過程中，可通過歷史數(shù)據(jù)和離線信息首先建立養(yǎng)殖環(huán)境的名義模型，此后依據(jù)實(shí)際工作過程中的數(shù)據(jù)采集或狀態(tài)估計(jì)對(duì)名義模型進(jìn)行在線修正，為UVMS的精準(zhǔn)作業(yè)提供依據(jù)。

實(shí)現(xiàn)精準(zhǔn)化水產(chǎn)養(yǎng)殖作業(yè)，UVMS必須具備穩(wěn)定且高精度的運(yùn)動(dòng)控制、姿態(tài)調(diào)整及力控制能力。但是，UVMS具有時(shí)變、耦合、非線性、冗余等特點(diǎn)[84]，高精度控制非常困難。尤其是當(dāng)機(jī)器人處于懸停狀態(tài)時(shí)，UVMS控制必須同時(shí)處理養(yǎng)殖水體內(nèi)復(fù)雜擾流及機(jī)械手反作用力擾動(dòng)，精準(zhǔn)養(yǎng)殖作業(yè)難度更大。UVMS通常有兩種控制方式：(1)將機(jī)器人和機(jī)械手視為兩個(gè)單獨(dú)系統(tǒng)，在單系統(tǒng)的控制過程中處理耦合作用的影響；(2)將機(jī)器人和機(jī)械手視為一個(gè)整體，設(shè)計(jì)整體運(yùn)動(dòng)控制策略。UVMS的控制算法主要包括滑?？刂?、模糊專家控制、神經(jīng)網(wǎng)絡(luò)控制、模型預(yù)測(cè)控制等。Hachicha等[85]面向船體清潔任務(wù)設(shè)計(jì)了攜帶2只機(jī)械手的UVMS，克服了機(jī)器人清潔工況的不穩(wěn)定影響，實(shí)現(xiàn)了姿態(tài)穩(wěn)定控制。Heshmati-Alamdari等[86]提出了一種UVMS力/位置跟蹤控制方法，不需要依賴精確動(dòng)力學(xué)、干擾及接觸剛度模型，具有良好的魯棒性。Londhea等[87]面向深海干預(yù)任務(wù)，提出了一種具有干擾估計(jì)功能的非線性模糊控制方法，實(shí)現(xiàn)了UVMS的任務(wù)空間魯棒控制。

此外，為避免在抓取過程中對(duì)魚類等軟體水產(chǎn)生物造成傷害，水產(chǎn)養(yǎng)殖水下機(jī)器人所搭載的機(jī)械手也應(yīng)進(jìn)行特殊設(shè)計(jì)。采用柔性機(jī)械手是一種良好的解決方案[88-89]。相較于傳統(tǒng)的剛性機(jī)械手，柔性機(jī)械手多采用液態(tài)金屬、橡膠等軟體材料，或采用多指抓取、類章魚觸手卷曲抓持和基于負(fù)壓變形的薄膜抓持等結(jié)構(gòu)形式。Ilievski等[90]研制了一種新型6指軟體機(jī)械手，主要用于生物化學(xué)領(lǐng)域，具有良好的柔順性、適應(yīng)性。Wang等[91]設(shè)計(jì)了一種全部采用軟體材料3D打印技術(shù)制作的3指軟體機(jī)械手，提出了手指彎曲變形的動(dòng)力學(xué)模型，并進(jìn)行了抓取實(shí)驗(yàn)。然而，柔性機(jī)械手在夾持水產(chǎn)品的過程中可能面臨很多問題：軟體材料在應(yīng)力、壽命和撕裂強(qiáng)度等方面的性能難以滿足頻繁、長期使用的需求；柔性軟體機(jī)械手在夾持水產(chǎn)品時(shí)，可能會(huì)產(chǎn)生柔性變形，很難建立精確的模型；柔性結(jié)構(gòu)、負(fù)載變化等對(duì)抓取性能影響十分明顯，可能會(huì)產(chǎn)生水產(chǎn)品抓取不穩(wěn)定的現(xiàn)象。因此，如何兼顧抓取的準(zhǔn)確性、可靠性及安全性將是柔性機(jī)械手設(shè)計(jì)中必須解決的問題。

3 展 望

近年來，水下機(jī)器人飛速發(fā)展，且由于其突出的裝備與技術(shù)優(yōu)勢(shì)，在水產(chǎn)養(yǎng)殖業(yè)中有著廣闊的應(yīng)用空間。但是，目前受限于成本、裝備適用性等問題，水產(chǎn)養(yǎng)殖水下機(jī)器人的應(yīng)用仍十分有限。未來，在養(yǎng)殖監(jiān)測(cè)及作業(yè)方面，水產(chǎn)養(yǎng)殖水下機(jī)器人還有很多問題亟待解決。具體表現(xiàn)在如下方面：

1)養(yǎng)殖環(huán)境智能綜合感知?，F(xiàn)有的水產(chǎn)養(yǎng)殖監(jiān)測(cè)手段單一、可靠性低、靈活性差。基于水下機(jī)器人、無人機(jī)、傳感器節(jié)點(diǎn)和物聯(lián)網(wǎng)等技術(shù)，構(gòu)建立體式綜合探測(cè)網(wǎng)絡(luò)，從空中、水面、水下三個(gè)方向，運(yùn)用定點(diǎn)與巡檢、遙測(cè)與接觸式測(cè)量等多種手段，實(shí)現(xiàn)養(yǎng)殖環(huán)境的智能綜合感知，將是未來的重要發(fā)展方向。

2)養(yǎng)殖對(duì)象生理及行為特征提取與辨識(shí)。水產(chǎn)養(yǎng)殖水下機(jī)器人搭載聲吶、激光等多種探測(cè)設(shè)備，借助聲、光、電等多元手段，采用模式識(shí)別與人工智能算法，實(shí)現(xiàn)養(yǎng)殖對(duì)象種類、數(shù)量、體質(zhì)量、尺寸、姿態(tài)、移動(dòng)軌跡和空間分布等特征的提取與辨識(shí)，可為水產(chǎn)養(yǎng)殖環(huán)境調(diào)控與作業(yè)提供良好的依據(jù)。

3)可靠、低成本的智能化裝備。目前水產(chǎn)養(yǎng)殖水下機(jī)器人成本仍然相對(duì)偏高，普通水產(chǎn)養(yǎng)殖戶難以接受，制約了其在水產(chǎn)養(yǎng)殖業(yè)中的推廣應(yīng)用。大力發(fā)展低成本的成熟模塊以及提升裝備集成水平，將是建造可靠低成本的智能化裝備的關(guān)鍵措施，也是未來在水產(chǎn)養(yǎng)殖業(yè)中推廣的重要方向。