本發(fā)明屬于水下機器人，特別涉及一種基于多源數(shù)據融合的高抗流多點觀測式魚群監(jiān)測水下機器人。

背景技術：

1、隨著水產養(yǎng)殖和海洋生態(tài)保護領域的快速發(fā)展，魚群的監(jiān)測和跟蹤成為一項關鍵任務。然而，傳統(tǒng)的監(jiān)測手段依賴人工操作或靜態(tài)設備，難以滿足外海復雜環(huán)境中的高效監(jiān)控需求。尤其是在外海洋流復雜、魚群游動迅速且魚類個體重疊的情況下，傳統(tǒng)的水下監(jiān)測設備容易失去穩(wěn)定性、續(xù)航能力不足，且圖像識別準確性較低，無法提供實時的高質量數(shù)據。

2、現(xiàn)有技術的不足及原因：傳統(tǒng)水下機器人在外海復雜洋流環(huán)境下，容易受到水流影響，設備的穩(wěn)定性不足，導致數(shù)據采集失真等問題。這對魚群監(jiān)測和研究的連續(xù)性與數(shù)據的準確性構成威脅。針對魚群的圖像識別功能不足，圖像識別困難，魚群的快速游動和個體之間的重疊，給傳統(tǒng)的圖像識別算法帶來了巨大挑戰(zhàn)，導致識別精度低、誤差大，難以有效跟蹤魚群的個體行為。續(xù)航時間短，現(xiàn)有的水下機器人依賴有限的電池電量，續(xù)航時間短，無法滿足長時間監(jiān)測需求，尤其是在偏遠海域進行持續(xù)性魚群狀態(tài)跟蹤時，這一問題尤為突出。

技術實現(xiàn)思路

1、本發(fā)明提供一種基于多源數(shù)據融合的高抗流多點觀測式魚群監(jiān)測水下機器人，該機器人在復雜洋流條件下能保持穩(wěn)定，具備高效的圖像識別能力，能夠在快速游動的魚群中進行準確跟蹤。

2、為解決上述問題，本發(fā)明提供的技術方案如下：

3、本發(fā)明實施例提供一種基于多源數(shù)據融合的高抗流多點觀測式魚群監(jiān)測水下機器人，包括外殼（1），所述外殼（1）頂部前端位置設置有自適應洋流抵抗系統(tǒng)（2），所述外殼（1）底部前端位置設置有伸縮式多傳感器融合系統(tǒng)（3），所述外殼（1）上設置有能源系統(tǒng)（4），所述外殼（1）的四周設置有4個矢量推進器（201）；

4、所述自適應洋流抵抗系統(tǒng)（2）包括洋流信息檢測模塊和pid控制算法實時調控推進器模塊；所述洋流信息檢測模塊用于實時采集洋流信息，包括水流速度、方向和湍流強度；所述控制算法實時調控推進器模塊根據洋流變化，利用pid控制算法實時調控矢量推進器（201）的功率和方向，確保水下機器人在復雜洋流中保持穩(wěn)定性；

5、所述伸縮式多傳感器融合系統(tǒng)（3）包括環(huán)境監(jiān)測與數(shù)據采集模塊、多源數(shù)據融合與重疊處理模塊、魚群識別與軌跡預測模塊、信息輸出模塊和能源管理模塊；所述伸縮式多傳感器融合系統(tǒng)（3）通過結合多個傳感器采集魚群的多維度數(shù)據，并利用深度學習算法對這些數(shù)據進行融合分析，從而實現(xiàn)高效的魚群識別和跟蹤。

6、本發(fā)明一可選實施例，所述環(huán)境監(jiān)測與數(shù)據采集模塊包括傳感器數(shù)據采集和數(shù)據預處理；數(shù)據采集傳感器包括高分辨率攝像頭（301）、水下聲吶（302）、水下照明系統(tǒng)（303）和洋流傳感器（304）；所述數(shù)據預處理用于進行去噪、分辨率調整和數(shù)據增強處理。

7、本發(fā)明一可選實施例，所述多源數(shù)據融合與重疊處理模塊包括特征提取、傳感器數(shù)據融合和重疊消除技術；所述特征提取通過卷積神經網絡cnn提取魚群圖像的特征，如邊緣、形狀特征；所述傳感器數(shù)據融合將光學和聲吶的多傳感器數(shù)據進行融合，以獲取完整的魚群信息；所述重疊消除技術采用深度學習處理，括卷積層、池化層、全連接層及分類器softmax，利用深度學習算法對魚群個體進行分類和跟蹤。

8、本發(fā)明一可選實施例，所述魚群識別與軌跡預測模塊包括魚群個體識別和魚群軌跡預測與跟蹤；所述魚群個體識別利用深度學習算法對魚群個體進行分類和跟蹤，所述魚群軌跡預測與跟蹤基于歷史數(shù)據和深度學習模型預測魚群的運動軌跡。

9、本發(fā)明一可選實施例，所述能源管理模塊利用太陽能、水流發(fā)電和智能能源調度，管理不同能源來源的智能調配，確保長時間作業(yè)。

10、本發(fā)明一可選實施例，所述自適應洋流抵抗系統(tǒng)（2）包括水流傳感器、姿態(tài)傳感器和加速度傳感器，用于實時監(jiān)測水流速度和方向。

11、本發(fā)明一可選實施例，pid控制算法控制方程為：

12、；

13、其中，e(t)表示實際位置與期望位置之間的誤差，所述自適應洋流抵抗系統(tǒng)（2）通過比例、積分和微分來調節(jié)推進器的功率，實時調整水下機器人的姿態(tài)；參數(shù)調節(jié)范圍：比例增益?kp取值范圍為?0.1～1.0，用于控制響應速度；積分增益?ki取值范圍為?0.01～0.1，用于消除穩(wěn)態(tài)誤差；微分增益?kd取值范圍為?0.01～0.1，用于提高抗擾動能力；適用條件：pid控制算法適用于水流速度變化范圍在?0.5～3.0?m/s的復雜洋流環(huán)境，實時調節(jié)推進器的推力輸出，以確保水下機器人在洋流突變情況下保持姿態(tài)穩(wěn)定和導航精度。

14、本發(fā)明一可選實施例，所述能源系統(tǒng)（4）包括太陽能電池板（401）和水流發(fā)電裝置（402），所述太陽能電池板（401）設置在所述外殼（1）頂部中間位置處，用于捕獲太陽能；所述水流發(fā)電裝置（402）設置在所述外殼（1）底部后端位置處，所述水流發(fā)電裝置（402）利用水流推動渦輪發(fā)電，提供額外的電力支持。

15、本發(fā)明一可選實施例，所述水流發(fā)電裝置（402）水流發(fā)電效率公式來評估水流渦輪的發(fā)電性能：；其中，ρ為水的密度，a為渦輪的迎風面積，v為水流速度。

16、與現(xiàn)有技術相比，本發(fā)明實施例提供一種基于多源數(shù)據融合的高抗流多點觀測式魚群監(jiān)測水下機器人，具有以下有益效果：

17、（1）、魚群監(jiān)測水下機器人專門用于魚群監(jiān)測和跟蹤任務，通過矢量推進器自適應洋流抵抗系統(tǒng)和多傳感器融合技術，能夠在復雜水流中保持穩(wěn)定，同時采用基于深度學習算法的集群式水下機器人進行魚群識別，極大提高了魚類跟蹤的準確性和效率。此外，集成的洋流-太陽能的能源系統(tǒng)使得水下機器人具備長時間續(xù)航能力，適合長距離和長時間的作業(yè)需求。

18、（2）、穩(wěn)定性優(yōu)化與復雜洋流抵抗，矢量推進器與洋流檢測傳感器的結合使水下機器人能夠實時感知洋流變化，通過pid控制算法調整推進力和方向，從而維持水下機器人的穩(wěn)定性。這種穩(wěn)定控制系統(tǒng)確保在洋流變化劇烈的環(huán)境中，依然能夠進行高效的魚群跟蹤和數(shù)據采集工作。直接效果：通過引入自適應洋流抵抗系統(tǒng)，水下機器人能夠實時調整矢量推進器推進器的輸出和方向，使其在復雜的外海洋流條件下保持高度的穩(wěn)定性，顯著減少因水流波動導致的失控現(xiàn)象，確保持續(xù)監(jiān)控，使得在強洋流和深海環(huán)境中進行魚群跟蹤成為可能，顯著提升了rov的可用性，適應了更廣泛的海洋條件，擴大了其應用范圍。

19、（3）、高效魚群識別與跟蹤，采用的集群式多角度拍攝和深度學習模型通過大量魚類圖片訓練，能夠在魚類重疊、快速游動的情況下提取魚體特征進行精確識別。同時，融合聲學傳感器和光學傳感器的數(shù)據進一步提高了識別的準確性。直接效果：基于深度學習和多傳感器融合的魚群識別技術，極大地提高了識別和跟蹤魚群個體的精度，即便在魚群重疊和高速游動的情況下，也能有效分辨?zhèn)€體魚類并提供精準數(shù)據。技術效果：這種改進減少了傳統(tǒng)圖像識別中因重疊或快速運動導致的識別錯誤，增強了水下機器人在復雜魚群狀態(tài)下的作業(yè)效率，提升了魚群監(jiān)測和研究的科學性和準確性。

20、（4）、能量回收與續(xù)航能力提升，水流發(fā)電裝置通過水流動能推動渦輪產生電力，同時太陽能電池板在水面作業(yè)時吸收光能，這兩種能量回收方式結合使用，確保設備在長時間作業(yè)中保持電力供應，極大地延長了續(xù)航時間。直接效果：通過集成水流發(fā)電和太陽能技術，本發(fā)明的水下機器人大大延長了續(xù)航時間，可以在長時間作業(yè)中無需頻繁更換電池或充電，適用于持續(xù)監(jiān)控需求。技術效果：相對于傳統(tǒng)電池供電的水下機器人，提高了設備的可持續(xù)作業(yè)能力，使得外海、深海等偏遠區(qū)域的長期監(jiān)測成為可能，這種設計不僅提升了環(huán)境友好性，還能降低運維成本，在海洋生態(tài)保護和資源勘探等領域具有廣闊的市場前景和競爭優(yōu)勢。