魏仁杰 ，陈成明 ，苑晓聪 ，姜子昂

（上海海洋大学工程学院，上海 201306）

0 引言

渔业经济在我国国民经济中占有十分重要的地位，深受国家的重视，助力渔业养殖的机械产品也在不断更新与发展。近年来，随着大数据和物联网的快速发展，“三农”产业发展也越来越趋于智能化。国家大力推行强农惠农政策，王天辰认为农业机械正在不断更新换代和推广，并在助力“三农”经济方面发挥了重要作用[1]。王家强认为农业机械对国民经济其他产业的发展具有重要乘数作用[2]。孟祥宝等基于无人船设计了一种智能化在线监控设备，结合大数据分析、物联网信息管理等技术，极大地改善了水产养殖过程中自动监控的智能化程度[3]。同时在水产养殖中，水域环境发挥着至关重要的作用。李瑜梅提出饵料投喂技术是养殖生产过程中的重要组成部分，直接影响着养殖对象的产量和质量的提升，为了实现“减量、增收、提质”的目的，要综合考虑多方面的因素，并对饵料投喂技术进行智能化改进[4]。苏毅提出了水质条件在水产养殖中发挥了不可替代的作用，及时监测水产养殖环境中的各种水质环境参数十分有必要[5]。申晓宁等提出了一款用于水产养殖的无人船系统，为养殖业和水产科研方面提供了大量参考信息，可以实现对养殖环境的实时监控[6]。

现阶段，机器人智能化与物联网等技术有着密切联系，人机交互设计研究不断推进[7-9]。目前，有关学者通过FAST 分析法进行了相关的需求分析，并对应地进行了功能设计。吴晓莉等通过FAST 分析法创新实现了对于儿童自行车的功能整合，在一定程度上验证了FAST 在产品功能设计上的高效性[10]。刘小雯等针对自闭症儿童进行需求分析，通过整合，最终构建了平衡车的功能系统[11]。由上述文献可知，农业机械随着科技的发展逐渐向多功能化、智能化等方向发展，不断助力“三农”。目前，国内外水产养殖方面缺乏相关水下投饵机器人的研究，现有的投饵机械主要集中于水上自动化投饵，但根据经验判断投饵量以及饵料的不定向移动容易造成资源浪费和环境污染。故采用FAST 分析法和试验法，针对当下物联网背景水产养殖提出了立体监控智能化水下投饵机器人的设计，通过人机协同试验[12]，系统性地研究人机协同方式[13]，通过地面基站实时反馈信息，为水产养殖行业和智能化农业机械设计提供了新思路。

1 FAST分析方法

FAST 分析法是一种被广泛运用于产品功能设计的功能分析系统技术法。功能分析系统技术（Functional Analysis System Technology, FAST）可以将功能需求分析自上而下并逐层分解到子功能模块，可以有效实现对于产品功能的设计[14]，不同功能具有各自的优先级，并且按照优先级进行排序，进而检验各功能之间的相互关系[15]。设计智能化水下投饵机器人时，需要综合分析考虑用户的需求和产品功能，明确各功能之间的逻辑关系，设计出适用于养殖户要求的产品。

2 智能化水下投饵机器人系统功能建立

2.1 用户需求分析

通过对目标用户（国内淡水水产养殖户）的工作方式和工作环境的调查和分析，综合考虑水下投饵机器人的功能性、安全性、舒适性和环保性，将其产品需求进行汇总并分类，并指明设计指标，将产品设计的重要度进行排列（1～10级，10最高），具体如表1所示。

表1 各指标需求及重要度排序

2.2 黑箱模型

根据用户的产品需求重要度，将投饵定位定量、安全防护、结实耐用及生态保护作为关键设计指标代入投饵机器人中。在该过程中，以参考指标为基础基本信息进行输入，输出二者的相互转化。黑箱模型包含3个与投饵机器人相关的物质、能量和信息输入与输出，先对功能需求进行分析，再通过黑箱模型了解产品的主要功能。水下投饵机器人黑箱模型如图1所示。

图1 水下投饵机器人黑箱模型

从图1 中可发现，将用户对投饵机器人的需求转化为对应的功能输出，黑箱模型左侧为用户对投饵机器人的需求，通过中间的黑箱模型转化为右侧设计中的相关技术设计。根据功能设计输出，设计应侧重于产品的功能整合、智能化程度与安全环保。

2.3 FAST功能树

黑箱模型作为一种基本的构造方法，通过对用户的需求进行分析汇总，并确定相适应的产品功能，其中以功能整合、智能化程度、环保安全性作为投饵机器人的关键要素，创建了水下投饵机器人的FAST 功能树，如图2所示。

图2 水下投饵机器人的FAST 功能树

将智能化投喂作为产品的基本功能，将其放于功能树的第1 行第1 列。因安全防护系统决定了水下投饵机器人的安全性因素，因而作为次级功能，放置于第1 行第2 列。人机操作相关功能的设计直接关乎用户操作的舒适性，置于第1 行第3 列。将美观性置于第1行第4列，作为设计理念补充到后续设计中。

3 设计案例

3.1 工作原理

无人航行器系统集自主航行、自动避障、图像采集与检测、水质监测、自动投喂饵料、远程操控等功能于一体，分为下位机（航行器机体）和上位机（客户端）两大部分，系统总体框架如图3所示。

图3 系统总体框架

3.2 功能分析

3.2.1 投饵方式智能化

对于投饲频率及投饲量的控制，以水质检测数据作为信号传达至控制端对投饲进行控制。系统搭载pH 测定仪监控水质，依据水质中饵料离子所含浓度、饵料流量等条件，再结合投喂量预测模型，按需定量精准投饲。此外，通过搭载红外传感器观察水中生物发热特征，检测水养生物生长情况和体质特征，使养殖人员及时发现不健康养殖对象，在一定程度上起到预警、辅助养殖作用。

3.2.2 水下避障自主化

水下养殖环境中包含其他养殖设施、自然障碍以及养殖生物等障碍物，在巡航过程的避障性能方面，本产品搭载红外传感器，并改进了相应算法，实现了精准避障。此外，本产品改进了PID 速度控制算法，进行了水下航行器相关的速度调整，保证了航行器的稳定运行以及辅助避障功能的稳定实现。

3.2.3 生态效益友好化

有机物的富集会造成严重的水体污染，同时在水产养殖中过量饲料往往难以处理，且养殖人员难以精准判断饲料的准确用量。本产品通过对投饲量的精准把控可以较好地解决此类水体污染问题，并且在大规模使用后，可以实现对饲料及其原生产资源的有效节约。

3.3 结构分析

产品结构如图4所示，产品模型如图5所示。水下航行器壳体框架1 和螺旋桨推进器5 组成了水下航行器平台，搭载监测装置2、控制装置4 和投饵箱3。螺旋桨推进器5中，4个推进器都能够改变推进器的推力方向，实现运动姿态的调整，通过调整推进器的推力方向能够实现在水面之下高速稳定行驶的目标。本产品以现有的四旋翼为载体，对其功能进行优化，使其具有模块化的功能以及较好的操纵性能和机动性能。

图4 产品结构图

图5 产品模型图

控制装置4，实现整个航行器各模块之间的配合，采用4 G+WiFi 双链路通信模式进行下位机与上位机之间的信息传输与交互。监测装置2 为搭载CTD 温盐深仪和pH 测定仪的平台。搭载pH 测定仪用于监控水质，依据水质中饵料离子所含浓度、饵料流量等条件，结合投喂量预测模型，按需定量精准投饲（投药）；搭载CTD 温盐深仪智能化感温感深，用于测量不同水域环境下不同水层或深度的水体水温盐度、氧含量等数据。投饵箱3，根据监测装置2 发送的水样生物养殖参数和环境信息（包括含氧量、pH值等）参数，结合知识库中知识，推理出饵料配方、投喂建议和投喂量。设计投喂量预测模型，通过BP神经网络模型结合水养生物的体态特征（包括放养时间、放养规格、自身重量）、水质环境和投喂率，预测饵料投喂量，并精准定位、定量投喂。

3.4 智能化投喂模型

在集约化的水产养殖过程中，鱼类的投喂水平直接影响到养殖的成本与效率。为解决投喂量不合理、饵料浪费严重等问题，针对集约化饲养模式具有的饵料需求量大、饵料种类多等特点，利用BP 神经网络建立投喂量预测模型，将鱼塘温度、pH 值、含氧量、放养密度、放养规格、放养时间差、当前鱼类总重量作为输入变量，投喂量作为输出变量，利用BP 神经网络来进行预测，建立BP 神经网络科学投喂预测模型，实现饵料投喂量的动态预测，精准投喂，达到科学养殖、健康养殖的目的。

3.4.1 试验系统

以鲤鱼为试验对象，在养殖池进行试验。试验环境与正常进行鱼类养殖时的环境完全相同，以保证数据的真实性、普适性，本试验中投喂的饵料为雾化饵料。

3.4.2 模型构建

BP 神经网络是一种多层前馈神经网络，该网络包括输入层、隐含层和输出层，可以按照误差逆向传播算法进行训练。根据养殖户多年的经验，投喂前需要综合考虑鱼塘中的鲤鱼总重量及鱼塘环境。其中，鲤鱼总重量与放养密度、放养规格、放养时间差直接相关，而鱼塘环境主要包括水域温度、水质pH 值、含氧量等因素。因此，将以上指标作为输入量，以投喂量作为输出量，提出了BP 神经网络算法结合鱼类的生长总质量、放养规格与密度和水质条件等因素获得投喂量的方法。BP 神经网络结构如图6 所示。

图6 BP 神经网络结构

将数据进行归一化处理后，确定误差代价函数，对模型进行训练，记录每次训练样本的误差。该网络经过43 轮重复训练后达到期望误差。选取7 组测试样本送入模型测试，投喂预测模型如图7 所示。将预测到的投喂量与真实结果进行对比，二者较为接近，误差小于30%。

图7 投喂预测模型

3.5 人机交互单元设计

开发基于数据可视化的智能水下投饵机器人监控系统，凭借虚拟现实技术所具有的交互性、沉浸性、想象性，可以为岸基控制中心端展示一个相对真实的航行器航向场景变化状况，同时将经纬度等指标的变化进行直观显示，对于投饵模块，能够实时监测水质信息，并直观显现投喂预测模型和剩余饵料量等信息。人机交互界面示意图如图8所示。

图8 人机交互界面示意图

4 结论

物联网时代，水产养殖方式不断更新迭代，多功能的智能化农业机械不断涌现。本文基于FAST 分析法对淡水养殖户的需求进行了分析，并构建了相关的功能系统，通过试验法，分析了投喂模型定量投喂的真实程度。研究结果表明，该产品配合智能化投喂模型可实现定量投喂，在一定程度上有助于改善养殖环境。设计基于FAST 的智能化水下投饵机器人对智能化水下养殖机械和环境友好型水产养殖行业具有一定的研究价值，但该产品目前仅适用于雾化饵料投喂，在普及方面还存在一定的局限。