基于六轴传感器的鱼群摄食规律与投饲方法研究

时间：2024-05-28

潘世琦,毛罕平,王斌,曹海洋,朱苏冀,叶玉婷,王恩光

(1 江苏大学农业工程学院,江苏镇江 212013;2 现代农业装备与技术教育部重点实验室,江苏镇江 212013)

在过去的三十多年中,中国水产养殖规模得到了迅速的发展,2020年的人工养殖鱼类占比已经超过了80%[1]。现有的养殖方法大多依靠人工,智能化水平不高。因此,如何提高人工养殖的智能化水平是目前重要的研究方向。目前集约化养殖中的饲料占养殖成本的比例相对较大,占总成本的50%～80%[2-4],故大多研究都朝着饲料利用最大化的方向进行。由于受人为因素的影响,养殖人员无法准确了解投饲量是否满足了鱼的生长需求。不合适的投饲量不仅影响鱼的生长性能,而且容易分解产生氨氮等有毒物质,对水体产生污染[5-9]。因此,科学投饲是提升养殖效益的重要手段。

近年来,根据鱼的摄食欲望提供合适饲料量的自动投饲系统已成为重要的研究方向[10-12]。赵思琪等[13]将水质参数进行模糊逻辑推理,计算目标投饲量,提高了饲料利用率。向坤等[14]利用三轴传感器将水面波动的信息传递给投饲机,提出了一种鱼群摄食欲望评价指标。魏玉艳等[15]根据鱼群的聚集度,判断鱼的饥饿强度,从而确定投饲量。Hu等[16]利用深度学习技术判别因摄食引起的波浪大小,控制是否投饲,精度可达93.2%。乔峰[17]通过鱼群摄食过程中白色像素点随时间变化的规律进行投饲,对鱼的饥饿程度有很好的识别效果。Hu等[18]开发了一种智能反馈控制系统,利用红外光电传感器观测鳗鱼的摄食行为,利用PLC代替定时器控制是否继续给料。

以上方法多是从视觉角度进行研究,并没有将波浪和鱼群进食的规律结合起来。本研究通过在鱼池中对鲫鱼进行定点投饲,根据数据生成曲线图,拟合鱼群摄食的函数曲线。同时,提取曲线图中的特征参数,对能表征鲫鱼摄食状况的特征参数进行对比分析,得到摄食规律,从而判断是否需要继续投饲。根据规律去改进传统的投饲方案,从鲫鱼生长需求出发,使投饲更加合理可靠。同时,达到提高养殖效率的效果。

1 材料

本研究在江苏大学现代农业装备与技术教育部重点实验室进行,试验进行25 d,每天投饲2次,共收集了100组数据,数据的采样频率是1 Hz。传感器选用维特智能六轴传感器BWT61CL,尺寸为51.3 mm×36 mm×15 mm,传感器放置在泡沫塑料中,泡沫塑料的尺寸为65 mm×50 mm×30 mm。采用中科五号鲫鱼苗,数量是50条,体长8～11cm,平均质量15±2 g,鱼池规格是直径1 m,高0.6 m,可装水470 L。饲料采用鲫鱼苗专用膨化高蛋白饲料(粗蛋白≥32.0%、粗脂肪≥4.0%、粗纤维≤4.0%、水分≤8.0%、粗灰分≤10.0%、总磷≥0.5%、钙≤3.0%、赖氨酸≥0.5%)。鱼缸换水和清理利用的是电动抽水吸便器,型号d5360,流量2 200 L/h。圆形框用以限制饲料扩散的范围,材料选用空心的PVC管,圆框内径250 mm,外径270 mm。水静置3 d。水温控制在20～26℃,pH控制在6.5～8.5。供氧采用220 V增氧机,循环水泵为XQP-1500,功率23 W,流量1 500 L/h。视频图像通过相机(GOPRO HERO9 Black)获取,相机固定在鱼池的上方边缘处,通过蓝牙连接,将画面传输给手机,在手机上观察鱼的进食状况。

2 方法

在对鱼进行投饲后,利用六轴传感器对波浪进行数据采集,利用Matlab进行数据处理,生成鱼群进食状态变化曲线图。提取图中的特征参数,在SPSS中通过主成分分析进行降维,减少特征参数个数。在不同间隔时间段下,利用主成分分析各参数贡献率,选择合适的间隔进行投饲。采用以上方法去判断波浪的大小,利用波浪的波动程度反应鱼进食欲望的强烈程度,波动曲线变化幅度大则视为进食欲望强烈,反之视为欲望弱。根据所得出的投饲方案和投饲量计算方法,利用改进后的投饲方法在1号鱼池和2号鱼池进行投饲,每次的投饲量为原先投饲总量的10%。投饲过程结束0.5 h后取出残余饲料,将残余饲料烘干,利用Ohaus奥豪斯电子天平AR1530 称重。

图1为1号鱼池,鲫鱼养殖在两个鱼池中,投饲时间为每天的8:00和18:00,投饲量为37.5 g,投饲时间10 min,图2为投饲过程中观察采集到第10、60、140、200秒时的图像。通过对鲫鱼的投饲观察发现,在鱼池中的鱼群摄食状态存在一定的规律,除投饲过程外,鱼群基本上是在水下静止和缓慢无规则游动的,因而水面正常处于平静状态。投饲后,鱼群的运动逐渐变得剧烈直至最高峰,然后逐渐减弱直至进食过程结束。因此,可以通过对水面波浪大小的研究去判断鱼的进食规律,根据发现的规律决定鱼的投饲方案,提高饲料的利用率[19-22]。

图1 鱼池Fig.1 Fish pond

图2 鱼类摄食过程的图像Fig.2 Image of fish feeding process

通过观察图2可以发现,鱼群在投饲之后,并没有立即进食,而是以群体的方式逐渐靠近饲料附近。大概在喂料30 s后,鱼群中的大部分会进入所设置的投饲区域进食。因而,在投饲30 s后开始计时。

每次开始测量前,会把循环水装置和氧气泵关闭3 min左右,3 min后水在没有鱼的干扰时,水面趋于平静。这样做一是为了让鱼适应没有供氧和循环水的环境,减少环境的变化对它造成的应激反应;二是防止这两种装置产生的水波对数据产生影响。

根据传感器收集25 d的数据集,利用Origin生成原始数据图,纵坐标为原始数据的平均数如图3,根据三轴加速度和角速度的图像,根据水波的幅值可以发现鲫鱼的进食不是一个持续的过程,平均会有7个阶段,强烈进食一段时间后会出现暂停或者减缓的情况,隔一段时间后会又有一段进食,在更长一段时间后,又会强烈进食,随后水面逐渐平静。在间隔的时间中,也会有个别的鱼到水面进食。

图3 原始数据图Fig.3 Raw data diagram

如图4所示,对加速度和角速度幅值的绝对值进行积分,加速度绝对值的积分基本是一条直线,角速度绝对值的积分图曲线变化明显,曲线斜率大小可以反映波浪的大小。对比三轴方向数据的角速度的绝对值积分,发现进食规律具有相似性。

图4 幅值绝对值累积图Fig.4 Cumulative graph of amplitude absolute value

对三轴方向数据的角速度绝对值积分取平均值,得出x、y、z轴方向的曲线x1、y1、z1。取三轴的均值c=(x1+y1+z1)/3,得出鱼群进食状态变化曲线如图5所示。

图5 鱼群进食状态变化曲线图Fig.5 Variation curve of feeding state of fish

由图5可以看出,鱼群的摄食过程是阶段性的。进食过程开始的110 s左右,鱼群摄食活动强烈,然后会有近60 s的空闲期,接着又会有近110 s的进食过程,第二次的空闲期有130 s左右,鱼群紧接着100 s的进食期,然后进入空闲期,水面逐渐趋于平静期。空闲期不是没有鱼进食,而是偶尔会有鱼到水面进食,并不是以群体的方式。平静期是指长时间水面无波动,鱼都在水面以下活动。

3 投饲量建模计算分析

由于养殖两组个体大小相同的鲫鱼,摄食时呈现的规律具有相似性,所以选用上述试验中的两组数据作为投饲量计算的依据。即根据1号和2号鱼池鲫鱼养殖中上午8:00和下午18:00的投饲数据得出4组规律曲线函数。

在软件Matlab上利用最小二乘法对数据进行线性拟合,得波浪大小与时间的关系函数。

拟合度R-square都大于0.9。分析整条曲线段,测量其中的一些常见的特征参数,分别是最大值、最小值、平均值、峰峰值、标准差和均方根。利用SPSS进行主成分分析,对关系函数中的数据段进行分析,并进行模型系数和归一化计算如图6所示。

图6 实际情况主成分贡献率图Fig.6 Actual principal component contribution rate diagram

图7为不同间隔时间段主成分贡献率。考虑到每个阶段的时间,最短阶段是40 s左右,最长进食阶段是110 s左右,因此分别取40 s、50 s、60 s为间隔,继续分析数据。对比函数曲线如表3所示,发现40 s为间隔的时候,有3个代表特征参数不同;50 s为间隔,角速度最小值的贡献率相差最大,有2个代表特征参数不同;而取60 s的时候,只有一个代表特征参数不同,其余参数的贡献率都接近实际情况。所以取60 s为间隔进行分析和投饲。

图7 不同间隔时间段主成分贡献率图Fig.7 Principal component contribution graph at different intervals

取60 s为间隔和实际的情况相比较,发现加速度的最大值、平均值和标准差与角速度的最大值、平均值和均方根这6个指标,都是各自贡献率前3的特征参数,更具有代表性,因而选择这6个指标作为反映鱼群进食状态的特征参数。鲫鱼进食的不同阶段下,各特征参数的值都不相同,如图8所示。由图8可以看出,相比于非进食阶段,鲫鱼在进食阶段,以上特征参数的值会更大,因而可以通过对特征参数值的大小判断是否需要继续进食投饲。

4 试验验证

4.1 试验内容

试验发现,并不是饲料投到水面上鱼群开始就进食,中间会有一段缓冲时间,让鱼群去适应新的环境,并且鱼发现饲料也需要时间,而鱼的进食也不是连续的过程。所以如果采用连续投饲的方式可能不太适用于鲫鱼,会造成饲料的浪费,过多的饲料分解在鱼池也会污染水体[23-26]。

固定相机位置在鱼池旁边,通过蓝牙连接手机和相机,可以在手机上观察鱼的进食画面。传感器将数据传输到电脑,利用Matlab软件每隔60 s对收集到的一段数据进行分析,由于鱼群在进食过程中的特征参数会与正常状态有明显差别,每个间隔时间段都对特定的特征参数进行提取,对每个特征参数都设置一个阈值,若连续3次发现其中2个及以上特征参数都低于各自设定的阈值,则认为投饲过程结束。Matlab根据传感器传输的实时数据生成如图5的鱼群进食状态变化图,可以通过曲线的变化,判断鱼群的进食欲望强烈程度。每次人工投饲10%的总投饲量。其中,每次计算的时间都在投饲过程结束之后10 s,避免投饲造成的波浪对判断产生影响。流程如图9所示。传统的投饲则是每次投饲鱼群总质量的3%的饲料。对照组鱼池采用传统投饲,试验组采用如图9所示方法投饲,另设两组重复试验,最终结果取3组数据的平均数,每个鱼池都养殖50条相同品种和规格的鲫鱼,试验时长25 d。试验前、后对鱼群的总质量进行称重。采用SPSS软件对所得数据进行分析,质量以平均数±标准误差表示,P<0.05表示差异有统计学意义。

图9 投饲方案流程图Fig.9 Flow chart of feeding scheme

体质量相对增重率:

MRGR=100%×(m2-m1)/m1

(1)

饲料利用率:

MFE=100%×W1/W2

(2)

式中:m1是养殖开始时鲫鱼总质量;m2是养殖结束时鲫鱼总质量;W1是摄食饲料总质量;W2是投饲总质量。

4.2 试验结果和分析

经25 d的投饲后,对两组的结果进行统计,统计结果如表1所示。

表1 鲫鱼体重相对增重率Tab.1 Relative weight gain rate of crucian carp

表1可知,对照组和试验组的鲫鱼在经过两种不同的方式投饲25 d后,两组的质量差异并不显著。对照组的相对增重率为10.49%,试验组的相对增重率为8.57%,试验组的增重率要略低于对照组,原因可能是采用试验组的方法投饲后,尽管剩余饲料得到了减少,但总投饲量也相对降低,导致鲫鱼的相对增重率下降2%左右。对照组饲料平均利用率为79.50%,改进后的投饲方法利用率为87.16%,对比发现该方法在提高饲料的利用率方面效果显著(P<0.05)。可以看出,尽管该方法对鲫鱼的相对增重率略有下降,但可以显著提高饲料的利用率,后续仍然有需改进。

传统的渔业养殖多是采用池塘养殖,投饲方式多是根据鱼的体质量数量用公式估算[27-32],这种方式的土地利用率低且饲料浪费严重。计算机视觉技术因其成本低和开发简单,往往被用于鱼类行为监测,但这种技术需要较好的光照条件,Hu等[33]利用深度学习技术识别鱼吃饲料引起的波浪的大小,从而确定是否继续或停止摄食,这种方法在光照充足的情况下效果较好,但实际场景的光照条件很难发挥这种方法的优势。本研究提出的方法可以不受光照条件的限制,更能适应现代的工厂化养殖环境。向坤等[14]基于水面波动信息提出自适应投喂方法,但这种方法提出的鱼群欲望评价指标单一,并不能较为全面地反映鱼群的摄食行为变化。本研究的方法能够更好地检测出鱼群的摄食行为变化,且不受光照条件的限制,在保证鱼充分进食的情况下,节约饲料,相比于传统的投饲方案,提高了饲料的利用率。