《AgriEngineering》:Design and Experimental Evaluation of a Bottom-Drain and Modified-Screw Lifting System for Efficient Adult Fish Harvesting and Digital Sorting in Industrialized Aquaculture Systems
编辑推荐:
为了解决工业化水产养殖系统中成鱼收获效率低、劳动强度高、鱼体损伤严重及智能化不足等问题,研究人员开发了一种集成底排收集、自动赶鱼、改进螺旋提升机构和数字分级的收获与分拣系统。该系统采用由电动球阀控制的养殖池底部排放口,替代人工网赶,实现鱼水共排。配备可伸缩网(
为了解决工业化水产养殖系统中成鱼收获效率低、劳动强度高、鱼体损伤严重及智能化不足等问题,研究人员开发了一种集成底排收集、自动赶鱼、改进螺旋提升机构和数字分级的收获与分拣系统。该系统采用由电动球阀控制的养殖池底部排放口,替代人工网赶,实现鱼水共排。配备可伸缩网(装有水面浮子和底部重物)的自动赶鱼车实现了贴底赶鱼,防止鱼逃逸。在收集池上方部署了多列卷积神经网络(MCNN)鱼密度识别模型,以自适应调整推板位置,从而避免挤压损伤。通过去除螺旋叶片入口边缘部分对螺旋叶片头进行改进,消除了切鱼区,使平均损伤率从1.8%降至1.32%(N=12;66.7%的试验记录为零损伤)。在直径2.5 m的PP圆形池中,使用大口黑鲈(Micropterus salmoides;体长20–30 cm,体重300–500 g)进行了12次重复的全尺寸收获试验。结果表明,平均收集效率为95.94 ± 3.33%(p < 0.001),平均损伤率为1.32 ± 1.96%,平均分拣准确率为96.83 ± 2.50%(p = 0.014)。MCNN模型的识别准确率达到78–85%。该研究提出的系统实现了自动化、智能化和低损伤的鱼类收获,为全自动化生产线水产养殖提供了技术支持。
**论文解读:工业化水产养殖系统中高效成鱼收获与数字分拣的底排式改进螺旋提升系统**
**研究背景与问题**
循环水养殖系统(Recirculating Aquaculture Systems, RAS)因其高养殖密度、节水效率和环境可控性在全球水产养殖中日益重要。然而,在工业化RAS条件下,成鱼收获成为构建全自动化生产线的关键瓶颈。传统收获方法包括人工网捕、鱼泵提取和电击等,存在效率低、劳动强度高、鱼体损伤严重(如挤压、擦伤和切割伤)以及智能化不足等缺陷。现有研究将赶鱼装置、提升泵和分拣机构孤立开发,缺乏集成化的一体化解决方案,导致从池边收集到分级输出的全流程缺乏统一、低损伤的技术。因此,该研究旨在开发一种集成底排收集、自动赶鱼、改进螺旋提升和数字分拣的系统,以实现自动化、智能化和低损伤的成鱼收获。论文发表在《AgriEngineering》。
**关键技术方法**
研究人员采用了以下主要技术方法(样本来源:大口黑鲈(Micropterus salmoides),体长20–30 cm,体重300–500 g,来自RAS设施):
1. 底排鱼排放装置:利用电动球阀控制养殖池底部排放口,依靠静水压差实现鱼水共排,无需额外水泵。
2. 自动赶鱼装置:配备可伸缩尼龙网(水面浮子和底部铅坠)的赶鱼车,沿池顶环形轨道运行,实现贴底赶鱼。
3. MCNN鱼密度识别模型:在收集池上方部署多列卷积神经网络(Multi-column Convolutional Neural Network, MCNN),基于三列不同尺寸卷积核(9×9、7×7、5×5)并行提取多尺度特征,生成密度热图,实现实时密度自适应推板控制。
4. 改进螺旋提升装置:基于阿基米德螺旋原理,去除螺旋叶片入口端两圈外缘(约80 mm),形成约400 mm的无刀口入口段,消除切鱼区。
5. 数字分拣装置:集成输送带、称重传感器(精度±10 g)、视觉识别系统和气动执行器,实现按重量等级(<350 g、350–450 g、>450 g)在线分拣。
**研究结果**
**3.1 赶鱼效率**:通过12次重复试验,平均赶鱼效率为99.17 ± 1.13%(95% CI [98.45, 99.89]%,t(11)=12.73,p<0.001),显著超过95%的设计基准。仅5次试验出现少量鱼逃逸(1–2条),归因于网缩回时的瞬时折叠。
**3.2 提升效率**:平均提升效率为96.73 ± 2.71%(95% CI [95.01, 98.45]%,t(11)=2.22,p=0.024),显著超过95%基准。未提升的鱼主要滞留于收集池角落。
**3.3 鱼体损伤率**:12次试验中8次(66.7%)记录零可见表面损伤。平均损伤率为1.32 ± 1.96%(95% CI [0.07, 2.57]%,t(11)=-0.84,p=0.210),虽参数检验未达显著(因零膨胀分布),但实际效果显著:较改进前基线(1.8%)降低26.7%,且所有损伤均为1级轻微擦伤,表明改进螺旋消除了切割伤。
**3.4 分拣准确率**:平均分拣准确率为96.83 ± 2.50%(95% CI [95.24, 98.42]%,t(11)=2.53,p=0.014),显著超过95%基准。错分主要发生在重量等级边界附近(±5 g)。
**3.5 系统综合性能**:平均收集效率为95.94 ± 3.33%(t(11)=6.17,p<0.001),损伤率1.32 ± 1.96%,分拣准确率96.83 ± 2.50%,均达到或超过设计目标(收集效率≥90%,损伤率<2%,分拣准确率>95%)。
**讨论与结论**
讨论部分指出,与传统人工网捕(收集效率60–80%,损伤率3–8%)和真空鱼泵(收集效率70–85%,损伤率5–15%)相比,该系统的收集效率提高10–25个百分点,损伤率降低1.6–13.6个百分点,且仅需一名操作员。底排方法利用静水压差,从根本上消除了泵内压缩损伤;改进螺旋通过去除入口刀口,避免了切割伤;MCNN密度自适应控制(识别准确率78–85%)防止了挤压。系统可扩展性需针对不同物种和池型进行参数调整(如赶鱼网长度、螺旋参数等),初步技术经济分析显示设备投资约¥72,000,按年处理100吨鱼计,劳动力节省约¥33,000/年,投资回收期约2.2年。局限性包括:仅测试大口黑鲈、MCNN精度在高遮挡条件下需改进、试验池直径仅2.5 m、边界分拣误差可通过滞后阈值机制优化。未来研究将优化系统并探索多池协调收获。
**结论**(翻译原文):
(1) 设计并验证了一种集成底排收集、自动赶鱼、改进螺旋提升和数字分拣的成鱼收获与分拣系统,实现了自动化、智能化和低损伤的收获。
(2) 底排收集方法结合自动赶鱼车,平均赶鱼效率达99.52%,从根本上解决了人工网捕效率低的问题。
(3) 创新的螺旋叶片头改进消除了入口切鱼区,平均损伤率从1.8%降至1.32%(N=12),其中8/12次试验(66.7%)记录零损伤,且结构简单,不降低输送性能。
(4) MCNN密度识别模型实现了自适应推板控制(识别准确率78–85%),有效防止了挤压损伤。
系统性能试验显示平均收集效率95.94%(p<0.001),平均损伤率1.32%,平均分拣准确率96.83%(p=0.014),均达到设计目标(收集效率≥90%,损伤率<2%,分拣准确率>95%)。与人工网捕和真空鱼泵相比,收集效率提高10–25个百分点,损伤率降低1.6–13.6个百分点,仅需一名操作员。该系统为全自动化RAS生产线提供了技术支持,并为水产养殖行业向智能化、福利友好型和劳动高效型运营转型提供了实用工程解决方案。底排概念和叶片改进方法可推广至其他RAS池设计和涉及生物材料的螺旋输送应用。