水产养殖生产信息化技术发展研究

刘世晶，李国栋，涂雪滢，孟菲良，陈 军

(1 中国水产科学研究院渔业机械仪器研究所，上海 200092；2 农业农村部渔业装备与工程技术重点实验室，上海 200092)

在信息化成为国家战略，各行各业加速实现信息化的大背景下，作为渔业最主要生产方式的水产养殖业也面临信息化的重任。信息化涉及不同的应用层面，主要分为两大类：一是生产信息化，是指水产养殖企业在信息技术支撑下，对企业生产经营过程涉及的方方面面实施信息化运行，目的是为了企业运作更为高效，产品更有竞争力。二是管理信息化，是指政府各级机构、行业组织、学术机构等在信息技术支撑下，对传统管理方式和公共服务进行改革，目的是更好履行自身职责，提高管理与服务水平。两种信息化有不同的使命，也有不同特征，互为依托，共同发展。其中生产信息化是行业信息化的基础、是管理信息化的信息来源、是贯彻政府意图的平台。真正做好生产信息化，对实现行业信息化将起到事半功倍的效果。

生产信息化涉及水产养殖生产所有环节，近年来，国内外学者围绕水产养殖生产全过程，从信息采集、数据传输、标准化存储和智能决策控制等方面进行了大量的研究，积累了丰富的试验和应用经验，为水产养殖生产信息化深入应用奠定了扎实的基础。产业信息化的发展离不开技术进步，但仅仅将先进技术进行组合是无法满足产业高效生产发展需求。必须综合考虑技术自身特点、场景适应性以及组合应用方式等多方面因素，形成标准化构建模式，进而指导养殖管理者和生产者科学地搭建生产信息化平台，将信息技术真正嵌入到养殖生产过程中。目前，尚未见到从养殖生产信息化架构角度进行总结的文章，本研究对水产养殖行业实施生产信息化的基本构架进行梳理，总结现状，提出技术发展建议，为生产信息化发展提供参考。

1 生产信息化基本任务

1.1 水产养殖生产管理数字化

水产养殖生产管理数字化是将涉及水产养殖全过程的投入品、生产、质检、库存、包装和销售等信息，以及生产涉及的人和操作过程和结果的数字化，从不规范的养殖生产管理转变为档案渔业管理，进而升级为计算机可以识别的数字渔业。构建比较完整的资源数字化系统，也就相当于构建了企业生产管理的企业资源计划(ERP)系统[1]。依托该系统，可以开展各专项应用，例如，以养成水产品为主线的水产养殖可追溯系统[2]。目前，该领域发展状态良好(表1)，各类生产管理数字化系统纷纷涌现，基本能够满足水产养殖企业当前的需求。

表1 不同生产管理数字化系统比较

1.2 水产养殖技术数字化

水产养殖技术一般是指根据水产养殖学理论和养殖生产实践经验发展的操作方法与技能。鉴于理论和经验处于不断发展完善和积累过程中的实际情况，水产养殖技术的精准性、完整性都在不断提升。但是由于水产养殖技术往往无法量化，意味着无法直接数字化。因此，寻找成文的、特定的调查专家法，直接量化不那么确定的专家打分法，是水产养殖技术数字化的常见手段(表2)。马冬萍等[14]构建基于MAS的分布式鱼病诊断专家系统的体系结构，克服了单一领域专家的局限性,实现跨区域的协同诊断。沈楠楠等[22]以水产物联服务平台为云端数据服务器，以西门子PLC作为现场智能控制节点，通过将池塘溶氧分级判断，初步实现了基于经验的池塘自动增氧控制。此外，刘星桥等[24]、段丽琴等[27]从水产养殖综合管理和生物量估算等方向开展了相关研究，初步实现了养殖生产集中管理和生物量的自动统计，相关信息技术的整合程度和智能化水平仍需进一步提高。整体上，该领域目前的发展还不能满足产业应用需求，首先是水产养殖学的研究不够深入全面，针对特定品种的研究不足以支撑起构建成熟的专家系统。其次，养殖学和信息学没有充分融合，未能从有限的信息中挖掘开发出相对成熟的应用。

表2 不同水产养殖专家系统比较

1.3 水产养殖装备智能化

水产养殖装备智能化是指随着自主控制和人工智能技术的大量运用，赋予水产养殖作业体系一定程度的智能化决策和自主化行动能力，从而产生能够自主和协同完成水产养殖生产作业任务的装备技术。是信息精准感知、装备自动控制、人工辅助决策、生产单元协同作业等多个环节智能技术的联合运用。相较于农业其他领域，水产养殖领域装备智能化技术尚处于初级发展阶段[29-33]，受限于水产养殖技术数字化发展水平，特别是面向养殖对象行为的检测能力和解读水平，水产养殖装备智能应用主要集中于环境控制和投喂控制两个方面[34-35]，精准管控、高效起捕、筏式养殖轻简化植苗采收、苗种计数分选、死亡水产品无害化处理等水产作业装备化水平不足，产业整体的机械化程度、自动化水平和智能决策能力不高，特别是水产养殖机械化水平不足50%[33]，制约了装备智能化的进一步发展，尚不能满足无人化智能生产的要求。

2 水产养殖生产信息化主要技术环节

2.1 信息采集

面向水产养殖生产的信息采集主要包括与生产过程有关的所有方面，主要分为3种类型(表3)：一是可以人工录入的，不追求实时性，比如养殖场、投入品的基础数据等；二是经由传感器获取的，主要依靠物联网技术，有实时性要求的，可以是养殖对象、养殖环境、人员操作、生产装备等；三是互联网取得的，主要是养殖学的相关知识、水产品价格等。目前，第一种信息采集显然不存在重大障碍。第二种信息采集主要集中于养殖环境和生产装备状态监测方面，这种信息采集对辅助养殖决策具有一定的指导意义，但缺乏对养殖对象状态的直接描述，不够直观。在养殖对象随身载感知设备尚未成熟的情况下，推广基于光学和声学技术的非接触式观测技术成为一种可行的技术手段。第三种采集方式是通过自动搜索方式获得相关知识，目前对简单信息抓取技术较为成熟，对于知识信息的获取还处于起步阶段。

表3 不同信息采集方式比较

2.2 信息传输

信息传输按照距离可以分为养殖场内的近距离传输和远距离接入互联网传输两种方式。由于水产养殖工况环境复杂，信息传输不能简单地将通用通信技术直接使用，要根据不同工况环境和使用要求选择针对性的信息传输方式。例如，设施水产养殖要考虑工厂化车间墙体厚度及材质对信号传输强度的影响[48]；户外池塘养殖要考虑塘埂植被遮挡、塘埂高度以及地形地貌对通信的影响，节点布设与节能机制研究成为重点[49]；深水网箱养殖以及地处偏僻的养殖环境，受工况环境影响，导致常见短波、4G等通信技术无法正常使用，需要通过微波通信甚至卫星通信接入互联网等[50]。

2.3 数据分析

水产养殖生产数据分析主要是通过数据清洗和提炼两个过程，实现水产养殖大数据的相关性比对、多维度描述、基础知识储备等功能，为智能决策提供通用或专业的数据服务[51]。其中数据清洗主要是围绕水产养殖企业不同决策需求，综合利用数据质量校验和专用清洗工具，对原始数据进行标准化、格式化的处理，保证数据源头准确，实现数据之间的互通互享[52]；数据提炼主要是通过构建水产养殖专业数据库和通用挖掘模型，针对不同的智能技术需求，打通各类型数据之间的壁垒，快速组织形成相应知识，实现快速响应、灵活配置、融合交互的水产养殖数据服务[53]。整体上看，水产养殖数据分析应用刚刚起步，虽然构建了一系列相关的数据平台，但面向养殖需求的数据建模、数据标准化、数据管理和数据安全等技术研究和应用仍不完善，尚不能满足产业化应用要求[54]。

2.4 智能决策

水产养殖生产智能决策系统主要是利用人工智能、大数据分析等技术手段，对水产养殖产前、产中、产后涉及的水质调控、病害防治、精准投喂、生产销售等进行辅助决策和智能控制的工具，主要用于解决水产养殖过程中水质环境预报预测、异常行为检测与分析、病害诊断与预警、养殖对象检测与生物量估算、市场行情分析与预测等技术问题[51]。目前水产养殖生产智能决策应用还处于探索阶段，一方面相关研究和技术应用还聚焦在解决单一的产业技术问题，面向大数据综合应用的系统化解决方案较少[55]。另一方面，针对水产养殖特征的智能分析技术研究不足，导致水产养殖智能分析的实用性落后于市场需求，远不能满足实际生产要求[56]。

3 水产养殖生产信息化技术发展现状

3.1 养殖信息多维度实时获取技术

近年来，围绕水产养殖信息的有效采集，通过技术创新和集成应用开发，已经形成了多种有效的信息采集装置和采集方法，初步建立了养殖信息多维度实时获取技术体系。如表4所示，基于物联网技术，构建了多种养殖环境、操作过程监测技术和系统，可以稳定实现对温度、溶氧、pH等养殖水质和气象环境的连续在线监测。基于智能图谱分析技术，建立了渔业信息自动挖掘系统，实现了包括养殖渔情、市场动态等网络信息自动抽取，为渔业从业人员提供了精准信息服务、丰富了养殖管理决策信息来源。

表4 信息采集技术体系构成

3.2 养殖生产智能决策和精准管控模型

水产养殖生产智能决策和精准管控主要是利用大数据和人工智能技术，对大量生产数据进行层次化的表达、解释,并最终形成辅助决策建议和智能控制指令的技术。表5整理汇总了近年来养殖生产智能管理决策相关研究方向。由表5可知，开展了大量面向养殖环境关键生产数据预测、预警技术研究，构建了多个涵盖气候、养殖水质和设备状态等关键因子的养殖水质调控模型，且部分模型已经应用到实际养殖生产中；病害诊断已经从单一的基于数据的建模发展到利用经验和数据联合建模的方法，且基于计算机视觉的病害诊断技术逐渐成为主流方向；针对抢食性鱼类的精准投喂技术研究已经取得一定突破，构建了多个基于养殖经验的投喂量预估模型和摄食状态反馈控制模型，且基于视觉和声学的投喂反馈检测方法得到初步应用；在群体目标识别和运动行为方向开展了相关研究，实现了部分鱼类的有效识别、构建了多个异常行为评价模型。此外，国内外研究人员还开展了水产品价格预测和产能计划分析相关研究，有效丰富了智能技术在水产养殖生产中的应用范围。

3.3 面向养殖生产全过程的企业信息化管控模式

水产养殖生产全过程管理主要是利用物联网、互联网以及现代信息技术，实现包括企业采购、生产、销售、人员管理、仓储管理、财务管理、办公自动化管理(OA,Office Automation)等企业生产全链条的管理。由中国水产科学研究院渔业机械仪器研究所、全国水产技术推广总站、博彦科技股份有限公司等单位联合研发的水产养殖企业信息化管控系统模式就是典型代表[84]。此外，王新安[85]利用云平台，通过构建基于分布式架构的管理系统，实现水质、设备、日常操作、库存管理、销售等企业综合管理。张清春等[86]通过对养殖管理经验的梳理分析，设计搭建了面向养殖生产全链条的生产管理系统，并利用报表、图标等多种可视化分析手段，对管理数据进行了初步分析。整体上看，受资金和产业发展特性限制，目前国内水产养殖企业搭建的管理平台存在数据覆盖范围窄、管理对象和功能单一、生产协同度不够等问题，仍需进一步丰富平台功能模块，以满足生产过程有效监管的要求。

3.4 面向生产过程管理的智慧渔业服务组件

智慧渔业服务组件是指依托水产养殖大数据平台，利用标准化的各种数据资源，通过数据挖掘和智能学习，建立面向生产过程的各种管控策略和模型，并最终形成具备信息服务和决策支持功能的各类软件工具,为企业生产决策提供支撑。如表6所示，目前常见的组件功能方向主要包括生产管理、电子商务、智能决策和品质追溯等。其中，由数据驱动的智慧服务能够解决传统数据分析的数据利用率不足的问题，因此基于大数据的服务组件已经成为渔业智慧服务必然发展方向；由政府发起的自上而下的平台建设方式，能够有效解决企业平台职能单一、相互封闭以及信息资源不足的问题，逐渐成为智慧服务发展的主流方向。不同智慧服务类型数据资源重叠和交叉明显。另一方面，大数据技术具有优秀的计算能力，提升了组件对多源数据进行综合考虑和联合分析水平，这就对水产养殖数据标准化、格式化、共享化提出了更高的要求。

表6 智慧渔业服务常见组件类型

4 展望与建议

4.1 提升便捷可靠的多维信息采集能力

养殖环境信息采集是信息化最基本的步骤，经过二十余年的发展，水产养殖环境信息采集传感器发展依然没有突破性进展，主要表现为可靠性、易维护性、性价比等关键技术经济性能较差，本质上是受到传感器工业发展水平制约。因此，随着传感器行业的发展成熟，并围绕水产养殖特点在现有产品的基础上，集成开发面向养殖对象专用传感器系统，是未来几年水产养殖多维信息采集的主要发展方向。

4.2 深化知识经验数字化和数据应用智能化

水产养殖的相关知识的梳理和数字化，某种程度上是一项基础性工程，需要水产生物学和信息学两大学科充分融合。水产生物学专家将水产养殖所需的知识和经验整理汇总，信息学专家按照大数据、智能化应用条件解构、重构专家经验，形成计算机可以理解的知识经验。在此基础上，利用自然语言学习、知识图谱、深度学习等人工智能手段提升数据应用的智能化能力，从而真正提升水产养殖的精准化、智能化水平。

4.3 从间接感知到更直接的感知

从环境感知着手的感知本质上是间接感知，由于生物和生态环境的复杂性，基于间接感知的决策可靠性与及时性不足，为后续的提升带来困扰。更为直接的感知是直接掌握养殖对象的状态，目前以模拟养殖经验的行为感知是比较可行的途径，这对传感设备提出了新的要求，从过去的水化学传感器为主，逐步扩大到光学和声学感知，通过建立行为特征与应激的内在联系，构建较为可靠的感知模型与解释。未来重点需要开展基于水下直接观测技术的游动姿态、集群行为、摄食行为和空间分布等特征的量化和解读技术研究。

4.4 深入养殖机械化基础上的智能化

信息决策后的执行载体可能是人，也可能是机械。一般机械的比重越高，整个养殖系统的智能化程度也越高。总体上，水产养殖机械正在走机械化-自动化-精准化-智能化的发展道路，但是面临发展不均衡的问题和跨越式发展的情况。比如，总体水产养殖的机械化率大约在30%左右，意味着还有70%基本没有实现机械化，信息化的嫁接就无从谈起。增氧机和投饲机已经成为水产养殖的标配，精准化甚至智能化看似较易实现，但是，受产品机械性能、数据预测精准度，决策手段等技术瓶颈限制，距离智能化还具有较大差距。在捕捞环节，无论是起捕，还是分类、分级、计数等重要环节，迫切需要实现机械化，并在此基础上实现信息化。

5 结语

随着信息技术的快速发展，水产养殖企业在生产、管理、经营等方面与信息技术的关系日益密切，信息化已经成为水产养殖企业发展的必然趋势。一方面，技术进步带来产业发展变革，信息技术在水产养殖企业的大规模应用提高了企业生产管理效率，降低了养殖过程风险、提高了水产养殖收益，正在推动水产养殖企业向规模化、集约化、规范化的现代企业方向演进。另一方面，技术进步是一个动态发展，不断改进和不断完善的过程，必将带来更多的技术发展诉求，为水产养殖生产信息化发展提供了充分的发展空间。因此，水产养殖企业和研究机构应当抓住当前大好时机，深入挖掘现实需求，通过对生产信息化关键技术创新和研发，推动信息技术与水产养殖产业深度融合与应用，不断解决水产养殖企业在生产、管理、经营等各环节的制约性问题，加快中国渔业现代化发展进程。

□