漁業養殖水體的溫度、濁度、溶氧量（DO）、pH值、非離子氨（NH3）濃度、亞硝酸鹽濃度等環境因子是水體質量的關鍵評價因子，對水生動物能否進行正常新陳代謝具有顯著影響，因此必須對水體環境質量評價因子進行實時監測，必要時進行及時調控。同時，水生動物的行為與環境狀況密切相關，對水生動物進行跟蹤拍攝、行為監視也是漁業重要的觀測環節。傳統的漁業水下觀測需要潛水員潛入水中作業。在水深大于20m時，潛水員容易出現胸悶、頭暈等不適癥狀，長此以往有罹患減壓病的風險。目前常用的環境監測方法為浮標在線監測法，它僅能測定有限固定點的水質參數，不便對水體進行3維空間上的動態監測，使用水下機器人則可有效解決此問題。
自主式水下機器人（AUV）的體積、最小轉彎半徑一般較大，多用于深遠海漁業環境，國內外均有研究者使用AUV對深遠海的水生動物及其生存環境進行研究。有研究者使用美國Hydroid公司與伍茲霍爾海洋研究所（WHOI）研發的REMUS-100遠程環境監測AUV[8]（圖1）配合電子標簽對棱皮龜、姥鯊進行跟蹤監視[9-10]，并根據REMUS-100的傳感器與視頻流數據獲得了水生動物的行為及其棲息地信息，但該AUV的有效載荷（傳感器組件質量）較小。Eichhorn等使用德國弗勞恩霍夫（Fraunhofer）應用研究促進協會開發的CWolf型AUV搭載模塊化水質傳感器組件（圖2）對挪威東部漁場附近海域的水質參數進行了實時監測，CWolf的有效載荷達到15kg，但其本體質量為135kg，實際使用時至少需要3人協作布放。
圖 1 REMUS-100 自主式水下機器人
圖 2 CWolf 自主式水下機器人及傳感器組件
多數AUV在進行漁業環境監測時，因配備有螺旋槳推進器、舵翼或電子標簽等，會對環境及水生動物產生較大干擾。WHOI的Yoerger等研制的名為Mesobot的水下機器人（圖3）配備了大直徑、慢轉速的螺旋槳，可以將其對水體的擾動降到最低，它同時配備的海洋探測傳感器組件可以對海洋“暮光帶”中層水域（深度介于200～1000m之間）進行環境監測，Mesobot機器人還能對移動緩慢的水生動物進行跟蹤監視（圖4）。另外，東京大學Maki等開發了使用多波束成像聲吶對水生動物進行跟蹤的AUV，免除了電子標簽對水生動物的影響。
圖3 Mesobot 的3維模型及在水下狀態
圖 4 Mesobot 跟蹤水生動物示意圖
圖 5 麻省理工學院研制的 AMOUR V
遙控式水下機器人（ROV）適用于近淺海漁業環境和結構化、工業化的淡水漁業環境。麻省理工學院（MIT）計算機與人工智能實驗室Vasilescu等研制了用于近淺海、淡水漁業環境的圓柱形ROV——AMOURV（圖5），AMOURV通過調節浮力與總重力間的平衡來實現懸停，其有效載荷變化范圍為0～1kg。針對近淺海網箱養殖水體大、養殖密度高（往往超過20萬尾）的問題，挪威科技大學（NTNU）的Osen等制作了低成本的ROV（圖6），使用3個小型螺旋槳推進器實現了橫移、進退與偏航3自由度（DOF）的運動，對近淺海漁業的水下環境實現了多因子的感知。Huang等研制了適用于4～5m水深環境的ROV（圖7），該ROV專用于淡水漁業環境監測。
圖 6 挪威科技大學的水下機器人
圖 7 西北農林科技大學漁業環境監測 ROV
考慮到AUV與ROV會驚嚇水生動物的問題，有研究者開發了具有仿生外形或基于仿生運動機理的水下環境調查與水生動物監視專用機器人。圖8為中國科學院自動化研究所（CASIA）研制的服務于水生態環境建設的仿豹魴鮄BUV，該機器人可定點懸停并對多點水質參數進行監測。圖9為麥吉爾大學設計的名為AQUA的第一代兩棲環境監測BUV，通過6片扁平腳蹼撲動實現水下浮游。圖10為麻省理工學院設計的基于聲學通信模塊控制的軟體機器魚SoFi，SoFi頭部安裝有魚眼攝像機，可對水深處于0～18m范圍內的魚類進行觀察而不造成驚擾，SoFi已對太平洋珊瑚礁附近的魚類進行了實地跟蹤監視。多數BUV體積較小，較AUV、ROV更容易融入生物環境，能更好地適應漁業生產環境。
圖8 中國科學院自動化研究所研制的仿生水下機器人
圖 9 AQUA 兩棲監測機器人
圖 10 SoFi 軟體機器魚的 3 維模型
表1歸納了當下國內外具有代表性的用于環境監測的水下機器人。
除了直接對水質參數進行監測和對水生動物進行監視之外，還有研究者開發了一類對特定水質參數敏感的機器人，此類機器人通過模仿水生動物對于某一異常的環境因子做出的應激反應來間接地反映水質的惡化。佛羅倫薩大學的Ravalli和馬德里理工大學的Rossi等聯合研制了一種專用于水產養殖場所的、對于氫離子（H+）濃度敏感的水下機器人（圖11），該機器人使用形狀記憶合金（SMA）執行器來驅動柔性結構，將水質異常時的化學信號轉換為驅動該機器人運動的電信號，通過機器人不同的運動模式來捕捉養殖環境中pH水平的變化。魚類的行為變化與養殖環境密切相關，可以作為水質監測的依據，據此可以設計出能作為養殖水質異常預警器的水下機器人，從而實現智能化的漁場管理。
圖11 氫離子（H+）敏感水下機器人
總體而言，使用各種水下機器人搭載各類水質、圖像傳感器對環境與水生動物進行觀測是水下機器人在漁業中應用的研究熱點，相關樣機較多。但目前能實際應用的具有較高智能程度的水下機器人仍然較少，很難兼顧水下環境精確傳感的高技術性與規?；瘧玫慕洕裕@是制約環境監測型水下機器人普及應用的重要原因。
2.2.1 水下視覺系統在捕獲中的應用現狀
圖12 水下視覺系統輔助捕獲
第1階段的水下視覺系統通過水下攝像機獲得水生動物的尺寸與位置信息后反饋給控制系統，以開環控制的方式驅動機械手或通過人工操縱機械手的方式來捕獲目標。日本巖手大學的Takagi等設計了計算鮑魚尺寸的水下機器人，將尺寸數據反饋給漁民進行捕、放決策；九州工業大學的Ahn等通過水下機器人獲取水生動物的位置信息，并反饋給操作者遙控機械手以對目標進行抓取。基于此種視覺系統的水下機器人的捕獲自動化程度較低，捕獲過程中需要人力介入，無法自主捕獲移動目標。
第3階段的水下視覺系統具有自學習能力，可在機器人運動過程中獲得周圍水下環境、目標狀態信息來輔助控制系統對機器人進行實時控制，是未來智能化捕獲發展的方向。目前達到水下視覺系統的第3階段的水下捕獲機器人仍鮮有報道。大宗水產品或大范圍內的水產品捕獲，多以拖網方式進行。水下視覺系統在拖網捕獲中亦有輔助應用，已有研究者利用水下機器視覺技術針對魷魚的噴射游離行為改進拖網設計。
當前，將水下視覺系統應用于漁業場景時的主要應用層面仍是將其作為拓展人類目力能及范圍的手段。多數的基于人工智能視覺系統的水下機器人仍處于在機器人操作系統（ROS）等機器人二次開發平臺上模擬的階段，實際應用中需要在環境、硬件條件和系統穩定性之間作出權衡。
2.2.2 水生動物捕獲機器人應用現狀
現代機電系統捕獲作業的對象主要是魚類與底棲型海珍品。對魚類的捕獲主要使用拖網方式，現有的水下捕獲機器人捕獲對象以具有高附加值的海珍品與科考探索生物為主。
圖13 水生動物捕獲機器人應用現狀
按照水下機器人末端執行器捕獲水生動物的動作形式來劃分，可以將捕獲形式分為包絡抓取與精準抓握。結合末端執行器動力來源及材料的不同，目前在漁業場景中已經有探索性應用的捕獲方式包括：(1)使用開式鏈（圖13(a)）、可變形連續體（圖13(b)）、網籠狀（圖13(c)）和容器狀結構（圖13(d)）實現對水生動物的接觸式或非接觸式包絡圍攏；(2)使用電動機驅動金屬材料（圖13(e)）或塑料（圖13(f)）等抗壓強度較高的硬質材料對水生動物進行夾持抓握；(3)通過液壓、氣壓驅動柔性材料實現對水生動物的包絡、夾持（圖13(g)）；(4)通過液壓泵、氣壓泵[38]制造壓力差，實現對水生動物的吸納（圖13(h)）。
多數用于捕獲水生動物的水下機器人采用以齒輪、鉸鏈、連桿、鉗和鑷等剛性結構為基礎的機械手對目標進行抓取，近年來研究者研制了捕獲水生動物的柔性抓手，采用柔性材料來降低或去除抓取過程對水生動物造成的傷害。文[27]報道了一種用于近淺海漁業環境的柔性抓手，將該抓手安裝于ROV上可實現對海珍品的較高效、無損的精準抓取。但柔性抓手的抓取動作的重復定位精度與控制的穩健性會降低，與水下機器人本體間的耦合關系在水下環境中變得異常復雜，難以根據目標位置進行運動學反解，而且柔性抓手抓取的靈活性往往以犧牲載荷能力為代價。如何提高柔性抓手的可靠性與載荷能力是未來實現對易損目標抓取的研究熱點之一。
除了研制柔性抓手之外，有研究者在剛性機械手的抓取執行器中加入力覺／力矩傳感器、滑覺傳感器等觸覺反饋傳感器或電流／電壓反饋單元，以防過大的抓取力對動物目標造成傷害。開發具有主動順應性（抓取力控制）和被動順應性的低慣性、自適應機械手是滿足水生動物無損抓取需求的重要方法。
相較于工業機器人， 漁業場景下機器人的作業對象最大的特點是其會對周圍刺激做出反應游離動作，故目前多數水下捕獲機器人只適用于捕獲移動較為緩慢的底棲型水產品動物，且主要聚焦于具有高附加值的海珍品或水生動物科學探索。
水生動物生存環境維護
近年來海洋網箱養殖發展迅速，截至2019年，我國海洋網箱已達1.94萬只。但網箱網衣因具有多孔、表面積大的特點而特別適合藻類、藤壺等污損生物的附著，若不及時清除將會影響水體交換，導致漁業資源品質下降。而在工業化循環水養殖中，魚池底部存在殘餌與魚類固體排泄物等沉積物，溶于水中會導致養殖水體中的氨氮含量增加而使養殖環境惡化，因此需要及時去除。對水生動物的生存環境進行定期維護是提高水產品質量的重要措施。此外，網衣巡檢、補漏、提升等也是水生動物生存環境維護的重要內容。
圖 14 水下噴洗機器人
在海洋漁業中，網衣巡檢是一項重要的工作，網衣破損不僅會造成經濟的損失，甚至會帶來生物入侵的嚴重后果。針對網箱網衣清洗的水下機器人，總體上仍處在對清洗射流與機器人本體的水動力學模型進行理論設計的階段。國內有研究者對清洗網衣射流的噴嘴關鍵參數進行理論分析，為水下機器人利用高壓旋轉水射流清洗網衣提供了理論基礎。為使機器人在水下清洗作業中能實現平穩運動，國內有研究者提出利用三角履帶輪及射流反沖裝置實現機器人網箱貼附行走的方法]，有研究者對使用螺旋槳與噴射水流的水下機器人進行水動力學平衡分析，還有研究者提出計算水動力系數的方法，為建立完整的復雜水下清洗機器人的水動力學模型提供了更快捷準確的方法。所述研究為水下機器人在水下清洗作業中應用提供了設計理論基礎。
目前已有可實際使用的網衣污損檢測水下機器人，可對網衣破洞及污染情況進行巡檢，為后續網衣維護補漏提供參考（圖15）。已商品化的較為成熟的水下機器人有日本洋馬（Yanmar）公司開發的遙控式網衣清潔機器人，該機器人可對海洋網箱養殖中的網衣進行遍歷清刷。
圖 15 網衣巡檢 ROV
對于工業化循環水養殖環境維護，在清理方式上多采用清潔毛刷進行接觸式清刷，同時用水泵吸除廢水，相關機器人多處于實驗室研制階段。Koyama等針對陸基水產養殖水箱底部沉積物的清除開發了一種輕質無纜束縛的自主式水下機器人，該機器人前端配備吸污螺旋槳，將沉積物吸入集污箱中，移動路徑通過預編程設定。胡勇兵等設計了一種魚池清刷機器人，通過內螺旋路徑規劃使清洗面積平均覆蓋率達85%以上。Mahmud等基于路線圖算法設計了水箱清潔機器人，有效提高了水箱底部清潔的效率與自主化程度。而關于自然湖泊的漁業環境維護，我國首個漁業水下清污機器人已于2019年在新疆天蘊三文魚養殖基地投入使用。
存在問題
綜合對3種漁業水下機器人應用現狀的分析，目前漁業水下機器人在發展中還存在以下問題：(1)對動物生長環境的侵入性過大。在機動靈活性、低噪聲、低流體擾動與動物低驚擾方面仍存在不足，與漁業場景較難相容；(2)在弱可視條件下難以獲取水下環境中的視覺信息。機器視覺的應用多需要較為理想的條件，通常要求視覺系統部署在具有清澈水體、恒定光源與簡潔背景的環境中，或要求水下機器人具有較好的硬件資源，而這些條件在自然漁業環境中往往難以滿足；(3)機動控制困難。受水流與非結構化復雜環境影響，水下機器人難以保持平穩運動，難以運動至目標區域展開作業；(4)傳感器難以精準獲取漁業生產、機器人位姿信息。在多因素干擾下，機載內、外部傳感器沒有達到漁業實際生產的智能需求。
本文節選自《水下機器人在漁業中的應用現狀與關鍵技術綜述》，原刊于《機器人》；作者：許裕良，杜江輝，雷澤宇，蔡雨嫣，葉章穎，韓志英；參考略；轉載請注明信息來源。
