ROV 水下機器人在漁業中的應用關鍵技術研究

周長根

（深圳潛行創新科技有限公司， 廣東 深圳 518000）

0 引言

隨著漁業現代化高速發展， 傳統的人力粗放生產方式依據無法滿足實際需求。 現代漁業涉及眾多學科以及技術，《關于加快水產養殖機械化發展的意見》 指出國內水產養殖機械化還存在著短板，并要求能夠補齊短板，以期望能夠在2025 年，機械養殖戶可以超過50%，從而提升漁業信息化水平。 目前，我國已經將ROV 水下機器人研發事業納入重點科技項目，因此，掌握應用關鍵技術極為重要。

1 ROV 水下機器人概述

ROV 水下機器人，屬于無人潛水器、無人水下航行器的一種，涉及人工智能技術、通信技術、傳感器技術以及控制科學、水動力學、機構學等；同時，系統包括顯示單元、定位導航、自動舵手、攝像頭、通訊裝置、動力推進器等。 不同的ROV 水下機器人用于不同領域，包括漁業、海洋石油、水利、海事、海岸警衛、軍隊、管線探測、海洋科學研究等。 本文將著重對ROV 水下機器人在漁業中的應用關鍵技術進行研究，以期望能夠為實現漁業智慧、海洋牧場等目標賦能[1]。

2 ROV 水下機器人在漁業中的應用關鍵技術

ROV 水下機器人涉及眾多學科技術， 包括人工智能技術、通信技術、傳感器技術以及控制科學、水動力學、機構學等；同時，在漁業實際應用過程中也會有具體的技術要求，所以從以下幾方面進行探討。

2.1 水下視覺系統技術

從傳統漁業生產模式來看，例如，在對海膽、海參、鮑魚等海珍品進行采捕時， 主要采用的是人工潛水撿拾方式；同時，為了預防漁業資源枯竭，所以還需要人工測量已經捕獲的水生動物的尺寸，以此為依據，篩選之后將部分放生。 在ROV 水下機器人的支持下，可以通過水下視覺系統、機械手臂等，替代傳統人工對水生動物的識別、捕獲以及測量等方式。

ROV 水下機器人的水下視覺系統可以通過圖像識別、模式分類、語義分割、場景分析等，將圖像信息提取出來，并及時反饋給相應的人員或者是系統，然后結合實際需求，可以進行相應的控制，例如，可以借助機械手臂對水生動物進行捕獲， 或者借助相應的設備介入漁業場景進行觀察等，如圖1 所示。

圖1 水下視覺系統

在系統的支持下，水生動物的種類、尺寸、位置等信息可以快速反饋相應的系統，由系統按照指令進行操作，以海生物吸納式捕獲ROV 為例， 能夠主動吸取水下目標。該水下機器人依托水下視覺系統以及系統指令，能夠對已知存在的目標進行識別以及捕獲。 但是從實際情況來看，要實現完全自動化捕獲還有較長的路要走，因為需要自動搜索、跟蹤、識別目標，才能接近于自動化[2]。

2.2 水下定位導航技術

ROV 水下機器人定位導航技術主要還是以聲學定位為主，比較成熟的聲學定位系統有超短基線、短基線；同時，慣性導航系統也逐漸應用于ROV 水下機器人定位導航之中，其優點是：自主性，主要體現在該導航系統不僅不需要向外界輻射電磁波、聲波等能量，而且對于外部視覺信息沒有太大的依賴程度， 但是如果ROV 水下機器人工作時間過長，那么會因為累積偏差而影響到精準導航。

為了能夠確保ROV 水下機器人可以精準定位導航，可以考慮從超短基線定位導航系統以及多普勒儀、 陀螺儀、電子羅盤、水壓傳感器等方面入手打造完整的機載設備體系，以此為基礎，能夠精準獲取坐標、運動速度、角速度、深度等關鍵參數；同時，結合相關傳感器做好參數最優化估計，這樣就可以成功獲取更加精準的ROV 水下機器人信息，然后進行相應的控制以及導航。如果只依靠一種方法，其實難以達到精準導航的需求，因此需要采取上述模式，又或者是將各類系統進行合理組合，可以組合多種定位導航系統，例如，視覺導航、激光雷達導航、慣性導航、水聲定位導航等。

2.3 水下運動規劃技術

動態避障、運動控制、路徑規劃等是ROV 水下機器人水下運動規劃必須思考的問題，因此，需要注意的是：做好路徑規劃，則必須對能源節約、最優性、路徑平滑等各方面進行分析與考慮，以此為基礎，對動態避障、流程適應性等問題進行針對性解決；同時，考慮到ROV 水下機器人會因為水流而逐漸偏離規劃路徑，所以如何增強其抗干擾能力是關鍵。 現階段，ROV 水下機器人全局路徑規劃算法是重要研究領域，需要將粒子群算法、蟻群算法、遺傳算法等綜合，以仿生智能群為基礎，從而設計出全路徑規劃算法。 但是要將這種算法有效應用，那么就需要結構化漁業環境予以支持，所以漁業環境需要加大建設力度，例如，選擇特定規格的魚籠、網箱等，可以讓整個養殖空間更加結構化，以此為基礎，分割空間并形成水體地圖， 那么就可以精準設定工作目標區域，也就是ROV 水下機器人的導向， 進而預設路線完成路徑規劃[3]。

對于近淺海漁業、開放水域，或者是無法預設線路的水域而言，如果要達到路徑規劃的目標，則需要借助“即時定位與地圖構建（SLAM）”算法，不僅可以創建地圖，而且能夠做好路徑規劃。水下環境本身復雜，所以要提取路標環境特征難度很大。 具體來講，一方面，要求ROV 水下機器人的前端需要涉及場景匹配、水下視覺系統；另外一方面，后端需要涉及非線性系統的狀態估計。 整體來講，要達到預期目標，就對ROV 水下機器人硬件算力、環境穩定性等各方面提出較高要求。 考慮在開闊環境中使用SLAM，會因為高階計算復雜程度而限制其性能，所以在使用ROV 水下機器人時，涉及特定任務、工作區域，SLAM就可能無法滿足。 SLAM 更適用于空間范圍相對較小、環境相對較穩定的開放水域等。

2.4 水下環境信息獲取與傳輸技術

2.4.1 技術難點概述

漁業環境具有復雜性、特殊性，因此ROV 水下機器人信息感知存在技術難點，即：

第一，感知層。 水下復雜特殊的環境對傳感器感知能力提出很高的要求。 感知層需要面臨著各種因素的共同影響，例如，污損生物、水生動物、壓力、溫度、光照、水流等； 同時， 信息感知層的相關參數具有時變性，加之參數之間的耦合關系比較強，所以感知層技術難度又會增大。

第二，傳輸層。 無線傳輸如果不使用膠帶纜，要滿足信息傳輸的要求，通常采用水聲通信。從實際情況來看，因為信道寬有限，所以感知的信息將會在UAC 中受到多徑效應、環境噪聲、湍流效應等影響，其信號強度就會衰減，進而出現冗余、缺失、失真等各種情況。此外，如果采用有線傳輸，會對ROV 水下機器人的運動產生束縛作用[4]。

2.4.2 智能傳感器與多傳感器融合

ROV 水下機器人若要實現智能化，其關鍵是傳感器，所以傳感器智能化程度提升之后，意味著ROV 水下機器人的環境信息獲取能力會隨之提升。現階段，以微處理單元（MPU 微處理器）為基礎的水下智能傳感器具有較強的處理能力，包括自尋故障、自動校準、自動采集、綜合補償等；同時，還具備一定的加工處理能力，可以雙向傳輸、預測參數、自動濾波降噪等。 基于此，未來可以對微型水下智能傳感器加強研究， 同時， 將其與傳感器模塊進行融合，并集成于ROV 水下機器人之中。 為了能夠獲取完整、精準水下環境信息， 可以將多個傳感器或者是多種傳感器所獲取的各種水下環境信息進行最優估計， 這樣就可以充分整合多源信息，讓ROV 水下機器人精準、高效獲得水下環境信息。

現階段，國外已經有學者以及研究機構將多傳感器進行融合，以概率統計意義上的平穩隨機過程、人工智能等為主。 一方面，基于平穩隨機過程的多傳感器融合方法有證據理論、卡爾曼濾波、貝葉斯估計等；另外一方面， 基于人工智能的多傳感器融合方法有神經網絡、粗糙集理論、模糊理論等。 結合這些方法，可以在感知層、傳輸層等融合多傳感器， 讓不完整的信息能夠互補，可以提升感知與傳輸的可靠性。 從實際情況來看，在ROV水下機器人已經有學者應用多傳感器融合方法， 例如，將視覺傳感器、聲學傳感器等融合，可以幫助ROV 水下機器人精準識別檢測水下環境；還有將陀螺儀、電子羅盤、速度計等融合的實踐方法，可以讓ROV 水下機器人提高水下定位精準性，讓聲學以及視覺傳感器的優勢可以互補[5]。

2.4.3 水下信息傳輸技術

上位系統與ROV 水下機器人之間的信息傳輸主要采用復合電纜，因此，結合實際需求，需要加大力度研發多功能、零浮力的新型復合電纜，能夠最大限度保障傳輸的穩定性、高效性。 客觀來講，水下無線傳輸是業內人士公認的研究難點，目前主要以水聲通信為主，但是從實際情況來看，因為水聲通信具有延時大的特征，所以目前還無法實現Mbps 級的信息傳輸；同時，ROV 水下機器人在執行任務的過程中，還會受到其他干擾，所以目前更適用于具有清潔水質、 結構化的漁業環境。 如果ROV 水下機器人要實現高效、精準、無拘束作業，那么就需要對高傳輸率、低功耗、穩定的水下無線傳輸技術加大研究力度[6]。

3 結束語

綜上所述，漁業作業環境具有精細、危險、骯臟、枯燥等特點，現階段國內漁業人口數量有下降的趨勢。隨著現代化漁業的發展以及漁業人口數量的減少， 未來更加需要面向復雜、特殊漁業環境的ROV 水下機器人，有利于提升生產、 管理效率與質量。 特殊復雜的水下環境對ROV 水下機器人的穩健性提出較高要求，關鍵是無法精準感知內外部信息，所以與上位系統之、操作者之間難以達到高效通信。此外，如果執行任務區域涉及脆弱的水生動物，又會加大研制難度，各方面因素的限制，會對ROV水下機器人智能化發展產生影響。

國內外關于ROV 水下機器人在漁業中的應用關鍵技術的研究比較多，少部分技術應用比較成熟，還有一些技術未能達到實際應用水平，整體來講，適用于漁業實際生產的ROV 水下機器人很少。IFR 以ISIC 體系標準為依據，對服務于漁業的水下機器人進行了劃分，目前與農業機器人屬于同一種服務機器人， 其發展空間巨大。 從漁業作業環境以及作業模式來看，對于ROV 水下機器人的自主化、智能化等方面有著迫切需求，但是復雜特殊的水下環境、多樣化的任務要求等，意味著要達到這樣的目標，還有很長的路要走。 目前，還有很多技術問題沒有突破，也就限制了ROV 水下機器人在漁業環境中的充分應用。 未來，應該重點發展智能增氧機器人、起捕采收機器人、水質環境監測機器人、防疫處置水下機器人等，朝著高效捕獲、精準管控的目標邁進，不僅能夠推動ROV 水下機器人的發展，而且可以為現代化漁業革新提供技術力量。