本文節(jié)選自《智慧農(nóng)業(yè)（中英文）》2020年第2卷第3期，李道亮教授團隊的文章《人工智能在水產(chǎn)養(yǎng)殖中研究應(yīng)用分析與未來展望》，其引用格式如下，歡迎大家閱讀、引用。

引文格式：李道亮, 劉暢. 人工智能在水產(chǎn)養(yǎng)殖中研究應(yīng)用分析與未來展望[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(3): 1-20.

LI Daoliang, LIU Chang. Recent Advances and Future Outlook for Artificial Intelligence in Aquaculture[J]. Smart Agriculture, 2020, 2(3): 1-20.

點擊直達知網(wǎng)閱讀

點擊直達官網(wǎng)閱讀（全文，免費）

水產(chǎn)養(yǎng)殖水下機器人

應(yīng)用研究現(xiàn)狀

水產(chǎn)養(yǎng)殖水下機器人又稱為無人水下潛水器，是指可以對水產(chǎn)養(yǎng)殖水體環(huán)境進行遠程監(jiān)測、感知養(yǎng)殖對象信息和實現(xiàn)智能作業(yè)功能的機器人，可實現(xiàn)清理、放苗、飼養(yǎng)、管理、收獲等智能化作業(yè)，但目前大多處于實驗室研究階段，未能在實際生產(chǎn)中廣泛應(yīng)用。水下機器人根據(jù)與水面支持系統(tǒng)間的聯(lián)系方式可以分為遙控水下機器人和自治水下機器人兩類，其涉及的關(guān)鍵技術(shù)分類和應(yīng)用如圖1所示。

圖1 水下機器人關(guān)鍵技術(shù)分類應(yīng)用

Fig. 1 Key technologies classification and application of underwater robots

遙控水下機器人是指通過臍帶纜和母船進行通信，由母船通過電纜向其提供動力、實施遙控操作。遙控水下機器人多為開架式結(jié)構(gòu)，易于布置和安裝設(shè)備，具有作業(yè)能力強、適應(yīng)能力強和操作靈活等優(yōu)點。其缺點一是因電纜長度有限導(dǎo)致活動范圍較小，二是因電纜碰撞失效和斷裂導(dǎo)致本體丟失的可能。自治水下機器人自帶動力，和母船之間沒有臍帶纜連接，可以通過自主決策來完成運動路徑的規(guī)劃，多呈流線型來減小運動阻力從而獲取更長的工作時間，具有活動范圍大、智能化、隱蔽性好等優(yōu)點，缺點則是作業(yè)時間受攜帶的動力限制。水下機器人將人工智能、探測識別、信息融合、智能控制、模式識別、系統(tǒng)集成等技術(shù)應(yīng)用于同一載體上，完成如電纜敷設(shè)檢查、海底礦藏調(diào)查、撈救作業(yè)、環(huán)境監(jiān)測及江河水庫大壩檢查等工作。

中國于20世紀(jì)90年代開始研究水下機器人，目前國內(nèi)利用人工智能在水下機器人中的應(yīng)用研究團隊主要來自哈爾濱工程大學(xué)、中國科學(xué)院沈陽自動化研究所、中國船舶科學(xué)研究中心、浙江大學(xué)、華中科技大學(xué)等。本節(jié)從目標(biāo)識別、路徑規(guī)劃與導(dǎo)航、控制與作業(yè)3方面說明人工智能技術(shù)如何在水下機器人領(lǐng)域中應(yīng)用，以及研究現(xiàn)狀和技術(shù)瓶頸。

1 目標(biāo)識別

水產(chǎn)養(yǎng)殖水下機器人為實現(xiàn)定位和作業(yè)首先要進行水下目標(biāo)的識別，在準(zhǔn)確獲取目標(biāo)信息后才能做出決策控制?；谌斯ぶ悄芗夹g(shù)的目標(biāo)識別是指利用計算機視覺的方法，對水下攝像機采集的圖像進行智能化信息提取，之后對圖像感興趣區(qū)域利用邊界、聚類、閾值、區(qū)域和人工神經(jīng)網(wǎng)絡(luò)等分割方法進行處理，提取出感興趣區(qū)域后再用主動輪廓法、神經(jīng)網(wǎng)絡(luò)、多特征融合和機器學(xué)習(xí)等方法進行目標(biāo)識別，無需外界干預(yù)，能夠基本滿足水下近距離快速準(zhǔn)確識別目標(biāo)的要求，并且具有較強的適應(yīng)性。Cai等針對目標(biāo)識別時面臨的水質(zhì)渾濁和目標(biāo)遮擋等問題，提出了一種基于轉(zhuǎn)移強化學(xué)習(xí)的多自主水下機器人協(xié)同目標(biāo)識別方法，對干擾環(huán)境下的目標(biāo)信息進行了強化訓(xùn)練，保證了算法的實時性；在渾水、目標(biāo)遮擋、光線不足、背景復(fù)雜以及目標(biāo)重疊5種環(huán)境下進行仿真實驗，發(fā)現(xiàn)所提出的模型可以減少相似數(shù)據(jù)的重復(fù)計算，確保該方法的時效性。湯中強針對水下目標(biāo)的三維位置估計問題，采用加速穩(wěn)健特征點（Speeded Up Robust Features，SURF）的光流跟蹤法對特征點進行跟蹤，該算法在成本低于傳感器測量的基礎(chǔ)上，可對目標(biāo)物實時定位，為機器人水下作業(yè)提供了保障。賈玉珍和王玥為了削弱復(fù)雜惡劣的環(huán)境對水下成像造成的不利影響，并滿足水下機器人目標(biāo)識別任務(wù)實時性的需求，提出了基于人工魚群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的水下目標(biāo)識別算法，試驗結(jié)果表明該方法的準(zhǔn)確率較粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)和免疫遺傳算法高出2%左右。

目前水下攝像機采集圖像的質(zhì)量受海水濁度和能見度影響很大，總體成像距離較短。由于水下成像環(huán)境較為復(fù)雜，在成像過程中水體對光散射和吸收效應(yīng)等影響，導(dǎo)致一般成像設(shè)備的作用距離只有幾米到十幾米，且圖像質(zhì)量具有對比度低、邊緣模糊、色彩丟失、噪聲嚴(yán)重等不足，極大影響了水下目標(biāo)的精準(zhǔn)識別與定位。因此，研究利用的水下圖像恢復(fù)算法和智能識別算法是提高水下目標(biāo)識別準(zhǔn)確性的關(guān)鍵。

2 路徑規(guī)劃與導(dǎo)航

水下機器人導(dǎo)航與定位是水下機器人進行路徑規(guī)劃以及準(zhǔn)確作業(yè)的關(guān)鍵。由于水產(chǎn)養(yǎng)殖環(huán)境復(fù)雜，使得機器人在水下導(dǎo)航與定位比在陸地困難。基于人工智能的水下機器人路徑規(guī)劃是指水下機器人通過視覺系統(tǒng)獲取水中環(huán)境圖像，提取圖像中的特征點實現(xiàn)全局和局部特征的匹配，同時使用濾波算法獲得所需的理想邊緣特征點，最終結(jié)合水下機器人和障礙物相關(guān)參數(shù)進行相應(yīng)的路徑規(guī)劃，其主要方法分為建模和路徑搜索兩種。其中路徑規(guī)劃方法包括群智能和機器學(xué)習(xí)。群智能方法將路徑規(guī)劃問題轉(zhuǎn)化為最優(yōu)搜索問題，但該方法較依賴先驗的環(huán)境知識，而具有自主學(xué)習(xí)能力的機器學(xué)習(xí)方法無需考慮環(huán)境因素，可以更好地解決水下機器人在未知環(huán)境下的局部路徑規(guī)劃問題。

表1對目前常用的各類智能路徑規(guī)劃方法的優(yōu)缺點進行了比較，并列舉了最新的研究進展。從表1中可以看出，基于人工智能的各類路徑規(guī)劃方法已在水下機器人路徑規(guī)劃中廣泛應(yīng)用，但仍存在一些需要解決的問題。例如，基于蟻群算法的路徑規(guī)劃方法無法適用水下機器人運動速度較快的情況?；谌斯ど窠?jīng)網(wǎng)絡(luò)的路徑規(guī)劃方法需要大量的數(shù)據(jù)樣本，所需訓(xùn)練時間較久。針對以上問題，可考慮利用深度學(xué)習(xí)可靠穩(wěn)定、準(zhǔn)確率高的特點，實現(xiàn)水下機器人在無任何訓(xùn)練的前提下進行局部路徑規(guī)劃。

表1典型智能路徑規(guī)劃算法比較

Table 1 Comparison of typical intelligent path planning algorithms

3 控制與作業(yè)

作業(yè)控制是水下機器人在水產(chǎn)養(yǎng)殖中實現(xiàn)自主作業(yè)的核心，對于水下機器人實現(xiàn)高精度、高穩(wěn)定性作業(yè)具有重要意義。由于水產(chǎn)養(yǎng)殖環(huán)境的復(fù)雜性、作業(yè)對象的多樣性和脆嫩易損性，要求水下機器人能夠精確穩(wěn)定地控制本體、機械臂和末端執(zhí)行器，在作業(yè)過程中實現(xiàn)自主行走、機器臂準(zhǔn)確達到目標(biāo)點、末端執(zhí)行器自主動作的有機協(xié)調(diào)，最終達到高精度、自主式作業(yè)的目的。人工智能技術(shù)在水下機器人應(yīng)用中的最大優(yōu)勢在于無需事先了解水下機器人動力學(xué)知識，可對全部或部分非線性動力模型進行學(xué)習(xí)，并計算控制策略模型，當(dāng)控制正確率足夠高時，再將仿真計算中的控制策略模型作為初始模型移植到水下機器人平臺并在真實的水產(chǎn)環(huán)境下學(xué)習(xí)。

隨著人工智能技術(shù)的廣泛應(yīng)用，國內(nèi)外學(xué)者主要利用神經(jīng)網(wǎng)絡(luò)、自適應(yīng)控制、模糊控制等方法對水下機器人進行作業(yè)控制。Xu等提出了神經(jīng)模糊控制器來實現(xiàn)水下機器人操作系統(tǒng)跟蹤控制。雖然模糊控制器是一種不依賴于模型的智能控制方法，但是模糊控制的規(guī)則調(diào)整比較復(fù)雜，因此在實際應(yīng)用中具有一定的難度。韓凌云利用徑向基神經(jīng)網(wǎng)絡(luò)控制器整體補償控制水下機器人運動，并利用Lyapunov方法證明了控制系統(tǒng)的漸近穩(wěn)定性，通過仿真驗證了該自適應(yīng)控制系統(tǒng)的靈活性、自適應(yīng)性和可行性。Carlucho等開發(fā)了適用于水下機器人自適應(yīng)控制系統(tǒng)的強化學(xué)習(xí)框架，該框架將最原始的感知信息作為輸入，并輸出連續(xù)的控制策略行為，可有效解決自主水下機器人控制中命令混亂問題。

目前人工智能技術(shù)在水下機器人中的應(yīng)用研究多數(shù)都是在實驗室條件下進行的，與農(nóng)田、果園中的機器人相比，水產(chǎn)養(yǎng)殖中的機器人和智能裝備面臨的最大問題就是環(huán)境，水下機器會受到風(fēng)、浪、水壓、酸堿度等復(fù)雜因素的嚴(yán)重干擾。因此，在未來的發(fā)展中，需重點關(guān)注水下信號傳輸技術(shù)和圖像處理技術(shù)，這將為提高復(fù)雜環(huán)境下水下機器人作業(yè)精度提供新策略。除此之外，還需將機械手的精細化作業(yè)融合機械手的控制方法和抓取策略等內(nèi)容作為研究重點，基于逆向強化學(xué)習(xí)的方法，機械手可以推測主從式機械手操作人員的意圖，從而快速學(xué)習(xí)操作專家經(jīng)驗，這也是水下機械手智能作業(yè)的一個發(fā)展方向。

小

店

歡迎光臨選購

微信交流服務(wù)群

為方便農(nóng)業(yè)科學(xué)領(lǐng)域讀者、作者和審稿專家學(xué)術(shù)交流，促進智慧農(nóng)業(yè)發(fā)展，為更好地服務(wù)廣大讀者、作者和審稿人，編輯部建立了微信交流服務(wù)群，有關(guān)專業(yè)領(lǐng)域內(nèi)的問題討論、投稿相關(guān)的問題均可在群里咨詢。

入群方法：加小編微信331760296，備注：姓名、單位、研究方向，小編拉您進群，機構(gòu)營銷廣告人員勿擾。

信息發(fā)布

科研團隊介紹及招聘信息、學(xué)術(shù)會議及相關(guān)活動的宣傳推廣