深海網箱養殖管理系統的設計與實現*

吳菊華，程小燕，莫 贊

(廣東工業大學管理學院，廣東 廣州 510520)

0 引言

海洋漁業作為海洋經濟發展的重要組成部分[1]，近年來，在國家一系列支撐海洋漁業發展的政策指導下，我國海洋漁業取得了顯著成就。隨著科學技術的進步，深海網箱養殖成為海洋漁業發展的重要方向[2－3]。雖然我國的漁業經濟發展取得了顯著成就，但與歐美、日本、挪威等發達漁業國家相比，還存在很大的差距。我國的深海養殖產業才剛剛起步，深海養殖技術還不十分成熟，養殖設施、設備還不能完全滿足養殖需要，養殖的信息化和現代化管理水平較低[4]。具體來說，我國漁業信息技術的研究和應用，尤其在深海網箱養殖產業方面的信息化建設與發達漁業國家相比、與其他行業相比仍存在很大差距[3]，主要表現在以下幾個方面:

(1)深海網箱養殖產業的信息化水平不高。專門針對深海網箱養殖產業的信息服務平臺目前還很少;深海網箱養殖產業中所產生的大量數據，沒有及時采集、存儲，更談不上及時傳輸、共享;水產品市場信息網絡不健全[5]，針對漁民需要的服務內容太少。

(2)科研機構先進的理論知識和實踐無法為深海養殖企業和養殖戶服務，導致高投入，低收益等諸多問題。

(3)養殖企業和養殖戶對于養殖知識的缺乏，無法制定科學的養殖決策，又造成巨大的生產風險。

(4)政府部門無法掌握網箱的投入和使用情況的第一手資料，無法及時有效地進行管理決策。

為了解決上述問題，基于深海網箱養殖品種生長模型和投餌模型，設計開發了深海網箱養殖管理系統。通過建立深海網箱養殖管理系統，政府、科研機構、養殖企業、養殖戶能享受有效、及時的數據流通和共享服務，實現各級資源和各類知識共享，提高各類用戶的工作效率，為我國開展深海網箱養殖提供先進的信息服務支撐。

1 深海網箱養殖模型

深海網箱養殖受到網箱、投餌機以及海洋氣候條件等多方面因素的影響。通過采用實地調研、專家訪談以及開座談會等形式，咨詢中國水產科學研究院等相關單位中養殖平臺、養殖設施以及配套工程建設等相關專家，對養殖前期及養殖過程中所涉及的多種要素進行分析，在養殖品種生長模型的基礎上建立了投餌決策模型，為深海網箱養殖的智能決策和精準控制提供理論依據。

1.1 養殖品種生長模型

Keys氏公式(W=aLb)[6]指出魚類的體重(W)和體長(L)之間是一種冪函數關系，經過水產科學研究院長期的觀察和研究，總結了魚類的體重生長方程和體長生長方程，如公式(1)～(3)所示:

單尾魚體重生長方程:

單尾魚體長生長方程:

t的計算公式:

式中:e 為自然對數;c1、c2、c3、c4、c5、c6、c7為相關參數[7]，與魚類的生長環境和品種有關。式(1)、(2)指出魚類的體重、體長與養殖時間呈指數函數的關系，根據式(1)～(3)能準確計算出某時刻魚的體重和體長，為建立投餌決策模型提供依據。

1.2 投餌決策模型

在養殖品種生長模型的基礎上對魚類攝食量和生長環境進行分析，建立了投餌決策模型，如圖1所示，該模型計算出的投餌時間和投餌量符合魚類生長規律，提供科學的投喂決策，能夠節約飼料成本，提高養殖收益[8]。投餌決策計算過程如下。

第一步計算最佳喂養時間:

根據生理學原理[5]，深海網箱養殖中魚的投喂次數與潮汐有關，潮時的前后半小時是最佳的投喂時間段。這段時間魚的攝食水平和飼料的轉化率提高，在該時間段投喂可以提高飼料的利用率，減少浪費。海洋的潮汐信息可以有國家海洋局網站獲得，具有可靠的來源。

第二步計算單尾魚的經驗投餌量:

根據上述投餌決策模型，可得單尾魚的經驗投餌量(EF)由魚體大小(W)和投餌率(Fr)決定:

式中:W指魚體大小，由上述魚類的生長模型能夠計算出某時間節點上某種魚的體重和體長的關系。通過水下攝像設備和傳感器可以獲得單尾魚的實際體長，進行計算，獲得單尾魚的體重，即魚體大小，作為投餌決策的基礎。

圖1 投餌決策模型

Fr代表投餌率，是指每日所投飼料量占養殖魚體重的百分數[9]。根據每種魚的最佳投餌率進行投喂，不僅能夠提高飼料的利用率，更有利于魚的生長。不同種類的魚，最佳投餌率不同[10];相同種類的魚，在不同的重量區間內最佳投餌率不同。經過水產科學院長期的研究已經掌握了不同魚類的最佳投餌率與魚重量區間的關系，為精準投喂提供科學依據。

第三步計算單尾魚的推薦投餌量:

由于魚類生長與水環境、飼料、天氣、病害等密切相關[11]，因此，魚類的投喂量需要考慮環境的影響，根據上述投餌決策模型，可得單尾魚的推薦投餌量(RF)的計算公式:

式中:Ic代表影響系數，是指環境因素，如:溫度、溶氧量、潮汐等對魚類攝食量的影響大小。通過溫度、溶氧等各種傳感設備，收集魚類生長環境影響因子的相關數據，根據因子影響的大小建立相關系數，通過疊加計算，獲得綜合的影響系數[12]。

第四步計算單個網箱的投餌量:

根據傳感設備，能夠獲得單個網箱中魚的個數N，因此，單個網箱的投餌量TF為:

基于此模型設計與開發的網箱養殖管理系統能夠提供科學的投喂決策。

2 深海網箱養殖系統的設計

2.1 深海網箱養殖系統的必然性和可行性

根據上述分析，深海網箱養殖受多方面因素的影響，是一個非常復雜的過程，具有以下特點:

(1)式(1)～(3)指出魚類生長與養殖時間呈指數函數的關系。另外，網箱的管理需要根據不同海域環境進行布局。利用傳統的手工規劃和計算已經不能滿足深海網箱養殖的大規模化，因此，采用信息系統實現深水網箱養殖的管理是必須的。

(2)魚類在不同的生長階段，體重和體長不同，對環境的適應程度存在較大差異，餌料的需求量每次也不盡相同，投餌時刻和投餌量隨時間動態變化[13];另外，由于自然災害、海水腐蝕等對網箱的破壞，隨著時間的變化網箱的管理也會發生變化[8]。手工管理不能滿足這種動態需求，因此，采用信息系統管理深海網箱養殖是必要的。

由于物聯網技術的迅猛發展，攝像設備、傳感技術被應用于漁業養殖中。通過物聯網可以獲得精準的漁業養殖信息，唯一深水網箱養殖系統的數字化建設提供保障。

2.2 深海網箱養殖系統的設計目標

深海網箱養殖系統的總體目標是實現深海網箱養殖的數字化管理，整個系統將成為集數據采集、實時監控、多層次數據統計、分析和決策支持等多功能于一體的深海網箱養殖產業工程技術研發公共服務平臺，實現全方位、多層次的現代化管理。

2.3 深海網箱養殖系統的架構

深海網箱養殖系統由基礎設施層、系統安全層、系統服務層、數據集成層組成，涉及基礎數據管理、投餌管理、客戶網箱管理、權限管理、生產方案管理和咨詢管理等子系統，如圖2所示。實現網箱養殖區域、養殖品種、產量、網箱數量等數據的共享和交叉檢索，對政府、企業、科研機構、養殖企業和養殖戶全面開放運行，向全社會提供深海網箱養殖資訊、決策支持等各類信息服務。

圖2 深海網箱養殖系統的架構

2.4 深海網箱養殖系統的功能結構

圍繞深水網箱養殖產業的需求，包括政府、養殖企業、養殖戶、科研院校等各級人員的需求，建設深水網箱養殖產業技術信息服務平臺設計，包含多個子系統:

(1)基礎數據管理子系統:對深海網箱養殖系統的基礎數據實現全面管理，包括魚類基礎數據管理、海域基礎數據管理、客戶基礎數據管理、網箱基礎數據管理、飼料基礎數據管理等。主要實現了傳感設備、攝影設備采集的各類數據和基礎信息數據的增加、刪除、修改和查詢等功能，為系統的建立和運行以及實時監控提供基礎。

(2)投餌管理子系統:對深水網箱養殖的投餌決策過程進行管理，包括模型管理、影響因子管理和投餌決策管理。模型管理根據魚類的生長模型分為魚類體長生長模型、魚類體重生長模型和生長模型修正，是投餌決策過程的基礎;影響因素管理分為影響因子類型管理、信息管理和系數管理，是投餌決策的重要組成部分，對影響投餌的因子進行量化管理;投餌決策管理根據生長模型分為投餌時間管理、魚重量修正、投餌率、影響因素系數值、投餌決策和歷史投餌記錄，是投餌決策過程的核心部分，不僅提供智能精準的投喂方案，并與歷史記錄進行對比，獲取更加合理的決策支持。該部分實現了投餌決策的精準投喂，提高魚類的養殖效益。

(3)客戶網箱管理子系統:網箱是深海養殖的主體，該子系統包括個人客戶管理、網箱管理、批次管理、預警管理和清雜管理，是深海網箱養殖系統的核心。網箱管理以個人客戶為單元，包括客戶個人信息管理和服務管理是，為網箱管理提供基礎信息;網箱管理是該子系統的核心，包括網箱的選型、分組和維護管理，實現了網箱全過程管理，為養殖戶提供及時的網箱信息指導;批次管理是根據網箱養殖的特點將網箱標記為不同的批次，便于記錄和統計，包括批次的公式管理、死魚管理和飼料管理，該部分實現了網箱的精細化管理;預警管理包括死魚預警管理、臺風預警管理和赤潮預警管理，能提醒養殖戶做好相關準備，減少損失。

(4)權限管理子系統:包括用戶管理、角色管理、權限管理和用戶－角色管理、角色－權限管理。根據用戶的不同分為管理員和普通用戶，根據使用對象的不同分為政府、科研機構、養殖企業和養殖戶等角色，根據不同的功能劃分權限，使各類用戶通過不同的角色分配權限。

(5)生產方案決策子系統:為養殖企業和養殖戶提供生產方案決策管理和養殖收益管理，用戶可以根據自己的養殖預期計算生產方案和相關收益，為養殖過程提供風險預測。

(6)資訊管理子系統:為養殖企業和養殖戶提供深海網箱養殖方面的資訊信息，包括供求信息管理、新聞管理、政策法規和行業信息，提供各類資訊的審核和發布功能。

3 系統的開發與實現

在系統分析與設計的基礎上，通過面向對象的開發方法，實現對深海網箱養殖系統的開發。

3.1 系統的開發環境

本系統使用基于Java的開源框架，其核心為Model－View－Controller(簡稱MVC)框架，其開發環境如表1所列。

表1 深海網箱養殖系統的開發環境

3.2 系統的實現

通過上述技術完成了深海網箱養殖系統的開發，以下對該系統的主要頁面和功能進行介紹。

3.2.1 主要頁面介紹

該系統具有友好的人機交互接口，便于用戶操作。已經部署在服務器上，通過訪問 http://202.116.147.216:8080/sswx/網站可以看到該系統的門戶網站。以下主要對門戶網站的首頁進行介紹，方便用戶使用。

門戶網站為用戶提供了各種各樣的內容，包括養殖信息、網箱信息、科普信息、養殖環境、工程設計、養殖決策、災害預防、供求信息、統計分析等欄目，如圖3所示，各類用戶可以根據自己的需要訪問不同的頁面。在首頁為用戶提供了豐富多彩的信息，包括熱點關注、最新資訊、供求信息、行業動態、網箱基礎知識，養殖技術等，用戶通過瀏覽這些信息，不僅可以增加用戶的養殖知識，以便更加科學的養殖，還可以掌握該領域的最新動態和養殖需求。同時，還提供了登陸和注冊功能，根據注冊時驗證的不同用戶，如政府、科研機構、養殖企業和養殖戶等，登陸后為各類用戶提供更多相應的功能。

圖3 門戶網站的首頁

3.2.2 主要功能介紹

根據黑盒和白盒測試，系統各個功能模塊運行穩定，與本地和異地數據庫、傳感設備、攝像設備等均銜接良好，實現了各個子系統之間的數據共享。能夠滿足如下要求。

(1)對深海網箱養殖中環境及關鍵環節提供實時監控及預警，實現了投喂量與投喂時間的精準控制。實現對多種魚類生長模型的管理和調整，為科學養殖提出有力的理論支持;提供精確的投喂時間和投喂量，實現科學喂養。

(2)對網箱進行狀態追蹤、型號管理，為智能網箱輔助設計、智能選型、選址等提供決策支持。通過對養殖批次管理，實現全面的養殖過程跟蹤管理，對養殖過程中的關鍵環節提供預警功能，幫助養殖企業和用戶及時發現、解決問題，規避風險。

(3)為政府提供實時養殖數據統計。通過養殖管理系統，政府可以及時掌握第一手的實時養殖統計數據、養殖企業和養殖戶的總體生產情況，從而更好的履行輔助、監管職能，更快速、準確制定管理決策;同時政府可通過系統實現快速通知，發布自然災害等相關公告，和養殖相關的法律法規，幫助養殖企業和養殖戶規避養殖中的生產和經濟風險，協助養殖企業和養殖戶合理地調整養殖種類結構，更好地履行政府職能。

(4)為科研機構搭建完整的實驗平臺。通過養殖管理系統科研機構搭建完整的實驗平臺，構建貼近現實的養殖投餌模型，優化養殖過程，使養殖決策更科學化，利用先進的養殖科學技術和知識，結合實際，幫助養殖企業和養殖戶提高喂養效率和收益率。

(5)為養殖企業和養殖戶提供養殖資訊服務。通過養殖管理系統，養殖企業和養殖戶可以獲得各類養殖資料、養殖知識，獲取國內外最新的海洋養殖資訊;進行各類病蟲害防治咨詢、網箱智能選型、選址等決策支持，從而有效地進行科學養殖，提高產值產量;通過平臺可以快速地獲取各種自然災害通知，學習海洋養殖相關的法律法規，規避各類風險;同時可更快速的調整養殖種類和結構，獲取更高的經濟收益。

4 結語

深海網箱養殖管理系統是深海網箱養殖的一個重要輔助方式和手段，該系統在政府、科研機構、養殖企業、養殖戶之間實現有效的信息流通機制，資源和知識共享，為我國開展深海網箱養殖提供先進的信息服務支撐。通過本系統的構建，預期為我國開展深海網箱養殖提供先進的信息技術支撐，促進深海養殖產業技術水平的提高。

[1]張 博.我國海洋漁業轉型的運行機制研究[D].青島:中國海洋大學，2011.

[2]胡保友.圓形深海養殖網箱的力學建模及仿真[D].青島:中國海洋大學，2008.

[3]郭根喜，陶啟友，黃小華，等.深水網箱養殖裝備技術前沿進展[J].中國農業科技導報，2011(5):44－49.

[4]汪昌固.網箱智能投喂系統開發及關鍵技術研究[D].太原:太原科技大學，2014.

[5]姜秉國.我國水產養殖市場風險的成因、影響與防控對策[J].中國水產，2012(8):38－40.

[6]陳成進.人工養殖大黃魚主要生長特征觀察[J].現代漁業信息，2011，26(3):24－25.

[7]宋文華.養殖密度和溫度對草魚(Ctenopharyngodonidellus)生長和生理生化指標的影響[D].青島:中國海洋大學，2012.

[8]李桂華，王雨霏，佟 偉.遼寧沿海大菱鲆養殖現狀、存在問題及對策[J].中國水產，2011(3):24－25.

[9]張衛東.集約化高產池塘健康養殖技術要點[J].河南水產，2014(1):11－12.

[10]廖永巖，夏營順，何碧華.不同投餌密度對鹵蟲高密度養殖的影響[J].安徽農業科學，2011(26):1649－1653.

[11]李 娟，葛長字，毛玉澤，等.沉積環境對魚類網箱養殖的響應[J].海洋漁業，2010(4):461－465.

[12]朱 峰，石志洲，凌信文，等.寧德三沙灣網箱養殖與環境質量的關系[J].海洋通報，2013(2):171－177.

[13]Shao S.Fuzzy Self－organizing Controller and its Application for Dynamic Processes[J].Fuzzy sets and systems，1988，26(2):151－164.

[14]查修齊，吳榮泉，高元鈞.C/S到B/S模式轉換的技術研究[J].計算機工程，2014(1):263－267.

[15]王為為.基于JBoss AS7的企業級分布式部署平臺的研究[D].湘潭:湘潭大學，2013.