一、文献综述
（一）国内外研究现状
随着时代快速发展，人们生活质量的逐步提升，生态鱼缸内部水质、水量等鱼缸内部因素越来越受到人们重视，水族宠物行业主导线上活体消费市场，鱼缸、水族箱及配套设备与用品消费提速。报告指出，普通的水族箱已经不能满足市场需要，养宠精细化、智能化、多元化的趋势日渐明显[11]。由于人们大部分都无闲暇时间估计鱼缸，因此为了满足人们这样呼声较高的需求，对于远程智能生态鱼缸的研究根据人们的需求进一步开展起来，通过结合各传感器以及连接终端，将实现生态鱼缸智能化，让人们实时监测鱼缸内部水质、水量等环境参数并且根据相对情况做出一定的操作。在市面上可以调查而知，大部分都还只是功能比较单一的，只能用于观赏的传统生态鱼缸。传统的生态鱼缸由于其自身局限性需要经常更换水以及补充氧气，不能灵活地根据当前情况自我作出相对应的处理，还需要人工判断、操作来切换，因此这显得十分不便捷。相比于传统鱼缸，智能化鱼缸能够及时地将水质信息和鱼类状态反馈给用户，方便用户对鱼缸环境进行查看和调整。随着智能鱼缸的兴起，鱼缸功能开始往多元化的方向发展，如今市面上大多数所研发出来的智能远程控制生态鱼缸产品就针对不便利的因素而作出了很多优化，使用水质、水温等传感器对智能生态鱼缸内部环境进行业务调整，使用GPRS无线连接终端实现自动报警，调用监控摄像头画面监测生态鱼缸等等，各种创新技术层出不穷，并且国内外对智能生态鱼缸的研究都还在不断发展中。
- 国内智能生态鱼缸信息采集技术
目前，我国对于智能远程控制鱼缸信息采集与监测技术主要是以IoT物联网为基础而实现的，主要是为了应对鱼缸时常需人工干预更换水质、添加水量等不便捷原因，利用多个传感器模块对水质状态进行检测[11]并且采用摄像头模块采集鱼类运动图像，选用Arduino MEGA作为主控板，将传感器收集到的数据通过串口连接传输给PC端，通过基于OpenCV的算法对数据进行处理后进而将数据可视化[11]，从而极大地提高了数据检测的便捷性和精确性。水质监测通过多个传感器协同合作，包括溶解氧传感器、浑浊度传感器、pH传感器，根据多个传感器记录的数据从而判断当前水质指标。水位监测一般采用水位传感器，通过将水位传感器设置在设定的位置，一旦水位出现异常低于设定值的情况时，就会连接终端进行信息告知，并且会触发水泵进行排水控制操作，达到智能控制加水的操作。因此通过整个IoT系统不断地相互协作来完成对智能生态鱼缸的自动控制，技术也在不断地发展优化当中。
- 国外智能生态鱼缸信息采集技术
国外对于智能生态鱼缸技术的研究也有很大程度上的了解，不过也是基于IoT物联网的基础上所研发开来，实现对智能生态鱼缸数据采集、存储、分析、跟踪。并且有部分还提出对于智能生态鱼缸水质的模型树算法数据预测，基于这种算法来帮助用户了解当前生态鱼缸内环境的水质问题，让用户更为了解当前水质的状态，通过对环境的了解进一步确立更换水的时间，避免因为水质问题导致生态鱼缸内部生物存活状态出现问题，因此这一技术也被广泛应用到了水产养殖产业当中去，并且对水温、水位、水pH、水质、溶解氧情况进行实时监测以及记录，将数据在终端页面上实现数据可视化，进而即时反馈给用户，即使在出现一些复杂难解的情况，用户也可以对智能生态鱼缸进行一定的人为分析判断和操作，从而更为灵活地管理生态鱼缸内部情况。通过这样的智能远程控制鱼缸技术，逐渐应用到了传统的水产养殖产业，从而也促进了产业的发展。
- 研究主要成果
目前国内外的智能远程控制生态鱼缸技术已经日渐发展完备，针对各方面的需求功能都有其对应的技术以及硬件设备加以实现。现在市面上主流的主要有运用水质传感器[11]、OpenCV识别统计运动鱼类[8]、Arduino数据分析处理[19]、基于模型树的参数预测[15]、LOF算法数据处理[15]。
- 水质传感器[11]
通过上位机水质传感器等设备对水缸内部环境指标参数进行收集，分别对鱼缸内部环境的水位、溶解氧浓度、浑浊度、pH值和水温进行信息采集与实时监测。
- OpenCV识别统计运动鱼类[8]
采用背景减法识别在鱼缸内运动的鱼类并进行统计，会通过监控图像提取出背景模型，再通过背景减法算法将视频流图像与背景模型做差分，对差分后的图像做二值化处理以及形态学处理后，就可以绘制出运动中鱼类的轮廓进而统计数量。
- Arduino数据分析处理[19]
使用Arduino模块为核心构建，负责提取传感器采集到的数据，并对其进行分析处理，通过ESP8266实时上传服务器中。经过Arduino对采集数据的分析来进行更换水质、增氧等相关的业务管理当。
- 基于模型树的参数预测[15]
事先将多个传感器固定在智能生态鱼缸的各个节点上，使用模型树方法预测每个传感器节点所在的监控数据，根据这些监控数据集的属性确定一个整体趋势，其中每个叶节点包含基本值的线性模型。在对数据集进行处理时，会对数据集进行线性模型拟合，并且会将实际目标值与预测值相比较差异，进而不断优化差异，最后选择差值最小的特征作为分支特征，以此分支特征值作为数据模型的基底，生成一个预测未来数据值的数据模型，并且其后继续对此进行优化差异，不断完善。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
