基于FAST 的智能化水下投餌機器人設計*

魏仁杰 ，陳成明 ，苑曉聰 ，姜子昂

（上海海洋大學工程學院，上海 201306）

0 引言

漁業經濟在我國國民經濟中占有十分重要的地位，深受國家的重視，助力漁業養殖的機械產品也在不斷更新與發展。近年來，隨著大數據和物聯網的快速發展，“三農”產業發展也越來越趨于智能化。國家大力推行強農惠農政策，王天辰認為農業機械正在不斷更新換代和推廣，并在助力“三農”經濟方面發揮了重要作用[1]。王家強認為農業機械對國民經濟其他產業的發展具有重要乘數作用[2]。孟祥寶等基于無人船設計了一種智能化在線監控設備，結合大數據分析、物聯網信息管理等技術，極大地改善了水產養殖過程中自動監控的智能化程度[3]。同時在水產養殖中，水域環境發揮著至關重要的作用。李瑜梅提出餌料投喂技術是養殖生產過程中的重要組成部分，直接影響著養殖對象的產量和質量的提升，為了實現“減量、增收、提質”的目的，要綜合考慮多方面的因素，并對餌料投喂技術進行智能化改進[4]。蘇毅提出了水質條件在水產養殖中發揮了不可替代的作用，及時監測水產養殖環境中的各種水質環境參數十分有必要[5]。申曉寧等提出了一款用于水產養殖的無人船系統，為養殖業和水產科研方面提供了大量參考信息，可以實現對養殖環境的實時監控[6]。

現階段，機器人智能化與物聯網等技術有著密切聯系，人機交互設計研究不斷推進[7-9]。目前，有關學者通過FAST 分析法進行了相關的需求分析，并對應地進行了功能設計。吳曉莉等通過FAST 分析法創新實現了對于兒童自行車的功能整合，在一定程度上驗證了FAST 在產品功能設計上的高效性[10]。劉小雯等針對自閉癥兒童進行需求分析，通過整合，最終構建了平衡車的功能系統[11]。由上述文獻可知，農業機械隨著科技的發展逐漸向多功能化、智能化等方向發展，不斷助力“三農”。目前，國內外水產養殖方面缺乏相關水下投餌機器人的研究，現有的投餌機械主要集中于水上自動化投餌，但根據經驗判斷投餌量以及餌料的不定向移動容易造成資源浪費和環境污染。故采用FAST 分析法和試驗法，針對當下物聯網背景水產養殖提出了立體監控智能化水下投餌機器人的設計，通過人機協同試驗[12]，系統性地研究人機協同方式[13]，通過地面基站實時反饋信息，為水產養殖行業和智能化農業機械設計提供了新思路。

1 FAST分析方法

FAST 分析法是一種被廣泛運用于產品功能設計的功能分析系統技術法。功能分析系統技術（Functional Analysis System Technology, FAST）可以將功能需求分析自上而下并逐層分解到子功能模塊，可以有效實現對于產品功能的設計[14]，不同功能具有各自的優先級，并且按照優先級進行排序，進而檢驗各功能之間的相互關系[15]。設計智能化水下投餌機器人時，需要綜合分析考慮用戶的需求和產品功能，明確各功能之間的邏輯關系，設計出適用于養殖戶要求的產品。

2 智能化水下投餌機器人系統功能建立

2.1 用戶需求分析

通過對目標用戶（國內淡水水產養殖戶）的工作方式和工作環境的調查和分析，綜合考慮水下投餌機器人的功能性、安全性、舒適性和環保性，將其產品需求進行匯總并分類，并指明設計指標，將產品設計的重要度進行排列（1～10級，10最高），具體如表1所示。

表1 各指標需求及重要度排序

2.2 黑箱模型

根據用戶的產品需求重要度，將投餌定位定量、安全防護、結實耐用及生態保護作為關鍵設計指標代入投餌機器人中。在該過程中，以參考指標為基礎基本信息進行輸入，輸出二者的相互轉化。黑箱模型包含3個與投餌機器人相關的物質、能量和信息輸入與輸出，先對功能需求進行分析，再通過黑箱模型了解產品的主要功能。水下投餌機器人黑箱模型如圖1所示。

圖1 水下投餌機器人黑箱模型

從圖1 中可發現，將用戶對投餌機器人的需求轉化為對應的功能輸出，黑箱模型左側為用戶對投餌機器人的需求，通過中間的黑箱模型轉化為右側設計中的相關技術設計。根據功能設計輸出，設計應側重于產品的功能整合、智能化程度與安全環保。

2.3 FAST功能樹

黑箱模型作為一種基本的構造方法，通過對用戶的需求進行分析匯總，并確定相適應的產品功能，其中以功能整合、智能化程度、環保安全性作為投餌機器人的關鍵要素，創建了水下投餌機器人的FAST 功能樹，如圖2所示。

圖2 水下投餌機器人的FAST 功能樹

將智能化投喂作為產品的基本功能，將其放于功能樹的第1 行第1 列。因安全防護系統決定了水下投餌機器人的安全性因素，因而作為次級功能，放置于第1 行第2 列。人機操作相關功能的設計直接關乎用戶操作的舒適性，置于第1 行第3 列。將美觀性置于第1行第4列，作為設計理念補充到后續設計中。

3 設計案例

3.1 工作原理

無人航行器系統集自主航行、自動避障、圖像采集與檢測、水質監測、自動投喂餌料、遠程操控等功能于一體，分為下位機（航行器機體）和上位機（客戶端）兩大部分，系統總體框架如圖3所示。

圖3 系統總體框架

3.2 功能分析

3.2.1 投餌方式智能化

對于投飼頻率及投飼量的控制，以水質檢測數據作為信號傳達至控制端對投飼進行控制。系統搭載pH 測定儀監控水質，依據水質中餌料離子所含濃度、餌料流量等條件，再結合投喂量預測模型，按需定量精準投飼。此外，通過搭載紅外傳感器觀察水中生物發熱特征，檢測水養生物生長情況和體質特征，使養殖人員及時發現不健康養殖對象，在一定程度上起到預警、輔助養殖作用。

3.2.2 水下避障自主化

水下養殖環境中包含其他養殖設施、自然障礙以及養殖生物等障礙物，在巡航過程的避障性能方面，本產品搭載紅外傳感器，并改進了相應算法，實現了精準避障。此外，本產品改進了PID 速度控制算法，進行了水下航行器相關的速度調整，保證了航行器的穩定運行以及輔助避障功能的穩定實現。

3.2.3 生態效益友好化

有機物的富集會造成嚴重的水體污染，同時在水產養殖中過量飼料往往難以處理，且養殖人員難以精準判斷飼料的準確用量。本產品通過對投飼量的精準把控可以較好地解決此類水體污染問題，并且在大規模使用后，可以實現對飼料及其原生產資源的有效節約。

3.3 結構分析

產品結構如圖4所示，產品模型如圖5所示。水下航行器殼體框架1 和螺旋槳推進器5 組成了水下航行器平臺，搭載監測裝置2、控制裝置4 和投餌箱3。螺旋槳推進器5中，4個推進器都能夠改變推進器的推力方向，實現運動姿態的調整，通過調整推進器的推力方向能夠實現在水面之下高速穩定行駛的目標。本產品以現有的四旋翼為載體，對其功能進行優化，使其具有模塊化的功能以及較好的操縱性能和機動性能。

圖4 產品結構圖

圖5 產品模型圖

控制裝置4，實現整個航行器各模塊之間的配合，采用4 G+WiFi 雙鏈路通信模式進行下位機與上位機之間的信息傳輸與交互。監測裝置2 為搭載CTD 溫鹽深儀和pH 測定儀的平臺。搭載pH 測定儀用于監控水質，依據水質中餌料離子所含濃度、餌料流量等條件，結合投喂量預測模型，按需定量精準投飼（投藥）；搭載CTD 溫鹽深儀智能化感溫感深，用于測量不同水域環境下不同水層或深度的水體水溫鹽度、氧含量等數據。投餌箱3，根據監測裝置2 發送的水樣生物養殖參數和環境信息（包括含氧量、pH值等）參數，結合知識庫中知識，推理出餌料配方、投喂建議和投喂量。設計投喂量預測模型，通過BP神經網絡模型結合水養生物的體態特征（包括放養時間、放養規格、自身重量）、水質環境和投喂率，預測餌料投喂量，并精準定位、定量投喂。

3.4 智能化投喂模型

在集約化的水產養殖過程中，魚類的投喂水平直接影響到養殖的成本與效率。為解決投喂量不合理、餌料浪費嚴重等問題，針對集約化飼養模式具有的餌料需求量大、餌料種類多等特點，利用BP 神經網絡建立投喂量預測模型，將魚塘溫度、pH 值、含氧量、放養密度、放養規格、放養時間差、當前魚類總重量作為輸入變量，投喂量作為輸出變量，利用BP 神經網絡來進行預測，建立BP 神經網絡科學投喂預測模型，實現餌料投喂量的動態預測，精準投喂，達到科學養殖、健康養殖的目的。

3.4.1 試驗系統

以鯉魚為試驗對象，在養殖池進行試驗。試驗環境與正常進行魚類養殖時的環境完全相同，以保證數據的真實性、普適性，本試驗中投喂的餌料為霧化餌料。

3.4.2 模型構建

BP 神經網絡是一種多層前饋神經網絡，該網絡包括輸入層、隱含層和輸出層，可以按照誤差逆向傳播算法進行訓練。根據養殖戶多年的經驗，投喂前需要綜合考慮魚塘中的鯉魚總重量及魚塘環境。其中，鯉魚總重量與放養密度、放養規格、放養時間差直接相關，而魚塘環境主要包括水域溫度、水質pH 值、含氧量等因素。因此，將以上指標作為輸入量，以投喂量作為輸出量，提出了BP 神經網絡算法結合魚類的生長總質量、放養規格與密度和水質條件等因素獲得投喂量的方法。BP 神經網絡結構如圖6 所示。

圖6 BP 神經網絡結構

將數據進行歸一化處理后，確定誤差代價函數，對模型進行訓練，記錄每次訓練樣本的誤差。該網絡經過43 輪重復訓練后達到期望誤差。選取7 組測試樣本送入模型測試，投喂預測模型如圖7 所示。將預測到的投喂量與真實結果進行對比，二者較為接近，誤差小于30%。

圖7 投喂預測模型

3.5 人機交互單元設計

開發基于數據可視化的智能水下投餌機器人監控系統，憑借虛擬現實技術所具有的交互性、沉浸性、想象性，可以為岸基控制中心端展示一個相對真實的航行器航向場景變化狀況，同時將經緯度等指標的變化進行直觀顯示，對于投餌模塊，能夠實時監測水質信息，并直觀顯現投喂預測模型和剩余餌料量等信息。人機交互界面示意圖如圖8所示。

圖8 人機交互界面示意圖

4 結論

物聯網時代，水產養殖方式不斷更新迭代，多功能的智能化農業機械不斷涌現。本文基于FAST 分析法對淡水養殖戶的需求進行了分析，并構建了相關的功能系統，通過試驗法，分析了投喂模型定量投喂的真實程度。研究結果表明，該產品配合智能化投喂模型可實現定量投喂，在一定程度上有助于改善養殖環境。設計基于FAST 的智能化水下投餌機器人對智能化水下養殖機械和環境友好型水產養殖行業具有一定的研究價值，但該產品目前僅適用于霧化餌料投喂，在普及方面還存在一定的局限。