一、项目背景

伴随着我国水产养殖业转型升级以及智慧渔业战略的部署，水产养殖面积逐年增加，当前水产养殖总产量已经稳居世界首位。渔业自动化养殖过程中存在关键痛点问题如下：养殖过程中投喂无序、饲料浪费、大小鱼互相掠食等问题尤为严重，对渔业养殖的品质和效益造成严重影响。造成上述现状的主要原因是，水产养殖过程中，需要对不同生长阶段的鱼苗按照大小进行高效率、高准确率的分选分级，进而实现分池养殖的需求。然而，目前分选作业主要依靠人工，鱼苗分选专用设备比较落后，难以根据鱼苗本身特性实现精准分级，进而无法实现高品质的鱼苗分选和智能投放。

二、系统方案设计

2.1 系统总体方案设计

基于机器视觉跟踪的云智能鱼苗分选装置，以边缘智能计算芯片勘智K210关键技术为核心进行系统设计。系统的总体设计框架如下所示。

在电压转化模块方面，通过该模块来进行电压转化，其模块输入为12V，分别转化为12V、5V和3.3V，其中，12V的给两相四线步进电机供电，5V的分别给STC32G12K128芯片和驱动板供电。

在鱼苗筛选方面，可用单片机上的按键来进行分拣大小鱼苗或者通过智能语音模块进行大小鱼苗筛选即可。将鱼苗放至筛选区通过单片机控制DRV8825步进电机驱动模块，然后通过电机驱动模块驱动两相四线步进电机工作，带动“活扳筛斗”使筛斗推拉起来，进行成苗与幼苗的筛选，并将成苗推拉筛选至成苗区，将幼苗推拉筛选至幼苗区。

在计算芯片使用方面，使用边缘智能计算芯片勘智K210进行开发，以K210作为核心单元，功能强大，在Al机器视觉性能方便，内置多种硬件加速单元，总算力最高可达1TOPS，可以方便地实现各类应用场景的机器视觉算法，K210识别模块用于对大鱼苗识别计数后进行智能投放鱼苗。

图4 勘智K210芯片及核心模组

OLED液晶显示屏方面，选取2.4寸TFT的液晶显示屏，屏幕分辨率：320*240向其固件移植特定驱动，以保证一个稳定的输出显示。且其分辨率较高、功耗较小和成本较低，有利于图像和数据的显示，使结果呈现的更为清晰用来显示对鱼苗计数的数据等

智能阀门鱼苗投放方面，识别模块将处理好的数据传输给单片机，当鱼苗的数值达到设定值时，通过两相四线步进电机拉动阀门进行鱼苗投放。

2.2 系统各模块功能设计

2.2.1 K210识别模块

MaixBit开发板以K210作为核心单元，功能强大，芯片内置双核 64bit RISC-V / 400MHz (双精度FPU集成)，内存具有8MiB 64bit 片上 SRAM，存储容量为16MiB Flash, 支持 micro SDXC 拓展存储 (最大128GB)，外附2.4 寸TFT, 屏幕分辨率：320*240。支持TF卡槽，多媒体资源扩展，可大容量储存。具有TypeC接口、麦克风、主控芯片、LCD接口、sensor接口、CH340、一块128Mbit的Flash，板子背面还有一块内存卡槽，内存卡最大支持128G。在Al机器视觉性能方便，内置多种硬件加速单元 ，总算力最高可达1TOPS，可以方便地实现各类应用场景的机器视觉算法，将其识别模块用于对大鱼苗进行识别计数后进行控制数量投放鱼苗。

2.2.2 TFT液晶显示屏

选取2.4寸TFT的液晶显示屏，屏幕分辨率：320*240向其固件移植特定驱动，以保证一个稳定的输出显示。且其分辨率较高、功耗较小和成本较低，有利于图像和数据的显示，使结果呈现的更为清晰用来显示对鱼苗计数的数据等。分选完的成苗进行识别计数保存到云平台，进行智能投放且将计数完的数据从TFT显示屏显示出来，从而提高鱼苗投放效率及其提前做好投放小鱼苗的准备。

2.2.3 DRV8825电机驱动模块

DRV8825 是德州仪器设计的集成电机驱动芯片。芯片内部集成了2个H桥电路和1/32微步进分度器，可以驱动一个双极型电机或两个直流有刷电机。 输入电压范围 8.2 ~ 45V，可以提供1.75A的驱动电流，芯片在24V 25°C 的工作状态下可提供2.5A的峰值电流。0.2欧姆的导通电阻保证了芯片良好的热稳定性。同时芯片还集成了短路、过热、欠压及交叉传导保护电路，能够检测故障状况并迅速切断H桥，从而为电机和驱动芯片提供保护。由于该驱动模块有优秀的品质，故采用此驱动模块给两相四线步进电机进行控制。

2.2.4 电压转化模块

为了给个元器件提供良好的电源输入环境，避免电源输入电压不稳定烧坏元器件，利用该模块来进行电压转化，其模块输入为12V，分别转化为12V、5V和3.3V，其中，12V的给两相四线步进电机供电，5V的分别给STC32G12K128芯片和驱动板供电。

2.2.5 两相四线步进电机模块

步进电机是将电脉冲信号转变为角位移或线位移的开环控制元件。在非超载的情况下，电机的转速、停止的位置只取决于控制脉冲信号的频率和脉冲数

通过DRV8825步进电机驱动模块控制两相四线步进电机旋转速度和圈数，可以实现推拉筛斗来进行对鱼苗的筛选。

2.2.6 语音识别模块

语音识别模块是在一种基于嵌入式的语音识别技术的模块，主要包括语音识别芯片和一些其他的附属电路，能够方便的与主控芯片进行通讯。语音识别包括两个阶段：训练和识别。训练和识别都必须对输入语音预处理和特征提取。训练阶段所做的具体工作是收集大量的语音语料，在经过预处理和特征提取后得到特征矢量参数，最后通过特征建模达到建立训练语音的参考模型库的目的。而识别阶段所做的主要工作是将输入语音的特征矢量参数和参考模型库中的参考模型进行相似性度量比较，然后把相似性最高的输入特征矢量作为识别结果输出。现有的识别技术按照识别对象可以分为特定人识别和非特定人识别。特定人识别是指识别对象为专门的人，非特定人识别是指识别对象是针对大多数用户，一般需要采集多个人的语音进行录音和训练，经过学习，达到较高的识别率。

本装置设计了外接一个智能语音识别装置，且语音识别的范围可高达2米，用户可在较远距离语音控制此装置，为下一批需分选的鱼苗进行准备，且在手湿的情况下不需要手动摁筛选开关。其语音芯片的接口部分与微处理器相连，结构简单，搭建方便，微处理器的计算负担大大降低，增强了可靠性，缩短了开发周期。

三、系统机构设计

3.1 整体机构模型设计

产品装置设计为长方体结构，其尺寸为120cm*50cm*38cm。顶部敞开状态，以将鱼苗全部圈养在网箱的内部。在网箱的内部沿着长边的方向，由一侧至另一侧依次设置有幼苗区、筛选区、成苗区；筛选区内设置有筛选斗、斜板；对鱼苗进行筛选，并将成熟的鱼苗转移至成苗区。

上图中，斜板的低端位于靠近小苗区的一侧，另一端倾斜向上延伸设置；其两侧与网箱的内壁固定连接。活板筛选设置在斜板的上表面滑动，斜板的高端连通至成苗区。小鱼苗经过筛板，进入筛选斗内，将成熟的鱼苗从斜板的顶端输送至成苗区。其中，成苗筛板垂直设置，可以理解的是，成苗筛板的筛孔可供小鱼苗通过，同时成熟鱼苗无法通过。筛选时，沿着斜板向上移动的筛斗；移动过程中，成熟的鱼苗无法通过成苗筛板，从而被保留在成苗筛板靠近成苗区的一侧；在到达斜板高端的过程中，成熟鱼苗被成苗筛板推送，掉入成苗区内。进一步的，在网箱的上端设置有推拉部件，推拉部件的伸缩端与筛选斗传动连接。筛板上部有三个经过严格精确设计的3D打印件，通过丝杆与打印件连接，再通过电机转动使筛选斗进行移动，进行筛选。推拉部件为用电机转动使丝杆旋转，通过3D打印件与丝杆的连接，使得其筛板向上移动。电机丝杆搭配设置有能源供应，以及制部件。在使用时，通过设置规则，电机丝杆按照要求移动筛选斗，实现自动化控制。在网箱的外部设置有充气浮圈。其中，充气浮圈为充放气形式；通过控制充气浮圈的浮力，对网箱内的水面高度进行调控，在成苗区开个小门，进行成熟鱼苗的排放。

3.2 充分考虑鱼苗成活率和精确分选的筛选装置结构设计

活板筛斗和斜板使用autodekCAD进行平面模型构图，本产品设计主要面对各种恶劣环境，所以使用材质为亚克力材质，设计如图所示的斜板，尺寸为50cm*40cm，通过斜板配合活板筛斗来进行小鱼与大鱼的筛选，通过对市面上大多数鱼苗的调查和筛选，大多数小鱼苗在尺寸为7.5mm之后的存活率较高，为避免小鱼在存活率较低的情况下进入大鱼苗区，故设计图一孔径尺寸为8mm，共有98个8mm小孔。由于在水中的压力差较大，且水体积较重，故在中间环绕4条漏水条，让斜板上方的水与斜板下方的水互相连通，防止水的体积较重将亚克力板压断，小鱼苗也可通过斜板中的小孔与漏水条回到小鱼区。

设计如下图所示的活板筛斗，长宽尺寸为48cm*24cm。由于活板筛板需要推拉动中间大部分面积的水，为避免活板筛斗折断所以采用厚度为4mm。在中间3侧设计了9个3mm的螺丝孔，用于固定3D打印件模型的固定，两侧有32个8mm的小孔筛选大小鱼苗，中间采用分布式打孔，在中间四侧设计了4个长方形方块的椭圆形孔，椭圆形孔径长为22毫米，宽为8毫米，方便水体流动，且小鱼易游过孔，在活动筛板的左右两侧及其下侧挂载了刮水条，利用刮水条进行水体缓冲及其鱼苗聚集，防止水流过急导致鱼苗受伤。

3.3 丝杆电机装置及其减震设计

丝杆步进电机，或称线性步进电机，是由磁性转子铁芯通过与由定子产生的脉冲电磁场相互作用而产生转动，丝杆步进电机在电机内部把旋转运动转化为线性运动。装置采用一根螺杆和螺母相啮合，采取齿轮咬合的方法防止螺杆螺母相对转动，从而使螺杆轴向移动。在电机内置一个带内螺纹的转子，以转子的内螺纹和螺杆相啮合而实现线性运动。

     由于电机在转动时会产生震动，导致“活动筛板”不稳定。发生倾斜现象，故采用了绕线弹性联轴器来进行电机与丝杆的连接，不锈钢弹性联轴器除了耐腐蚀外，同时也增加了扭矩承受能力和刚性，弹性联轴器是一体成型的金属弹性体，可与电机零回转间隙，可同步运转，弹性作用补偿径向、角向和轴向偏差，顺时针和逆时针回转特性完全相同，大大增加了电机的驱动性能及其稳定性。

在斜板上方中间位置通过丝杆电机拉动“活动筛板”,由于中间一根丝杆固定不住“活动筛板”，筛板会左右摇晃，为避免左右摇晃及其筛板缝隙过大导致大鱼苗进入小鱼区，故在丝杆左右两侧放置了两根固定筛板的直杆。两根直杆与一根丝杆固定斜板高度及其增加稳定性。

3.4 基于3D打印技术实现筛板结构精确部件一体化成型

在通过计算水箱内水体体积之后，发现水中体积过大，“活动筛板”在进行丝杆电机推拉运动分选鱼苗时，上下结构不稳定，上方丝杆电机拉动“活动筛板”后上方由于丝杆电机与直杆固定后拉动，所以较为平衡，下方无固体模型固定，在体积较大的水体当中流动，会导致上下结构不平衡的情况出现，在“活动筛板”下方会出现较大的缝隙。所以采用3D模型固定件来对整体板型进行加固。

3D模型固定件使用ABS树脂材料，其材料特性具有良好的机械强度、韧性和阻燃性,ABSs树脂材料是不透明的，无毒无味，具有优异的抗冲击强度、良好的尺寸稳定性、电性能、耐磨性、耐化学性、耐磨性、成型加工和机械加工，由于其以上特性符合本产品模型在室外恶劣环境的使用，且在水中不会影响鱼苗生长，故采用其材料作为3D模型固定件。

3D模型使用FreeCAD软件进行建模，通过对斜板高度的测量及其“活动筛板”最佳高度的模拟最终采用3D模型固定件尺寸为高度20cm，上层厚度5cm，下层厚度为2.7cm。下层厚度为亚克力板加上3D模型的厚度。本产品模型共使用3个3D模型固定件分别给中间的丝杆电机和两根直杆固定，维持整体模型的稳定性。

3D模型固定件总体架构分为上方和下方。上方为与丝杆电机进行固定的模型，中间留有圆形孔，与丝杆连接并固定，下方为中间留缝，把3D模型将“斜板筛斗”夹在中间，来进行模型加固，中间留有2个3mm的螺丝孔来与“斜板筛斗”进行固定融合模型。3D模型头部斜度为45度斜角，由于模型构造及其斜板高度的原因，故将其设计为45度斜角，益点在于可与斜板高度配合进行筛选大小鱼苗，其次是丝杆电机角度易调控，45度为“活动筛板”筛选大小鱼苗的最佳高度。

六、总结

本项目基于勘智K210进行系统整体设计和开发，具有完全自主知识产权且操作简便。开发的机器视觉跟踪的鱼苗计数识别算法实用且先进，通过语音声控进行鱼苗投放，减少人工捞鱼伤害及湿手操控触电的风险。基于3D打印技术实现筛板结构精确部件一体化成型，实现减震设计和稳定性。本项目开发的产品进行大小鱼苗分选效率和准确性高，不易伤害鱼苗，通过“慧眼分鱼”，解决关键痛点问题，产品应用和推广前景广阔。产品在分鱼方法、部分关键技术和机构设计上进行首次创新设计，首次使用筛板进行分鱼操作。

在市场经济效益上，产品可以对工厂化养殖、规模化鱼塘等客户销售设备营利；对接农业研究院等，联合进行后续技术攻关，共同推动新技术示范应用，并转让知识产权；项目可以通过赋能“碳中和”乡村振兴、“鱼菜共生”、“光伏渔业一体化”等示范项目升级改造，不断提升项目影响力和输出解决方案。项目通过人工智能+3D打印推进智慧渔业，智能化分选优质种苗，实现分级分类养殖，精确投喂，极大节约养殖成本，赋能高品质集约式养殖新模式。

参考文献

[1] 刘翀,岳冬冬,刘兴国. 中国水产养殖业“走出去”的现状、存在问题与对策[J]. 渔业信息与战略,2018,33(04):235-239

[2] 胡海玲等. 基于循环经济理论的集约型水产养殖发展思路探究[J]. 农家参谋,2018(06):122.

[3] 张宝龙,赵子续,曲木等. 工厂化水产养殖现状分析[J]. 养殖与饲料. 2020(01):31-34.

[4] 赵圣涛,常青,刘慧等. 物联网在工厂化水产养殖中的应用分析[J]. 渔业现代化. 2019,46(04):8-13.

[5] 虞为,马振华,张家松等．养殖鱼类同类残食现象研究进展及其预防措施[J．海洋渔业,2016,38( 6): 689－696．

[6] 彭永章. 喷水滚筒式鱼苗大小分选装置[J]. 湖北工业大学学报. 渔业现代化,1998(03):17-21.

[7] 殷远,朱清澄,宋利明等. 西北太平洋秋刀鱼分鱼系统的改进[J]. 上海海洋大学学报,2011,20(02):127-132.

[8] 程婷,林衍峰,余锦霖. 鱼苗分选箱的结构设计与使用方法[J]. 科学养鱼,2017(11):74-75.

[9]刘虎,龚宇,张彪等. 基于EDEM的鱼苗分选机设计与工作参数优化[J]. 农业机械学报. 2020,51(01):114-121.

[10] 刘虎,龚宇,张彪等. 鱼苗体型对辊道式分选机的适应性研究[J]. 机械设计与制造,2021(10):150-154.

[11] 吴电建,张彪,刘虎等. 鱼苗分散通道的设计与工作参数[J]. 湖北工业大学学报. 2021,36(02):9-13.

[12] 洪扬,朱烨,江涛等. 回转式活鱼分级与计数设备的设计与试验[J]. 渔业现代化, 2019,46(04):49-54.

[13] Klambauer G, Unterthiner T, Mayr A, et al. Self-normalizing neural networks [C] //Proceedings of the 31st international conference on neural information processing systems. 2017: 972-981.