近日，我院机械电子工程专业2023级本科生向鹏程作为第一作者，在国际高水平刊物《Chemical Engineering Journal》（中科院一区TOP期刊，IF=13.2）上发表了题为“用于智慧渔业的自供电柔性无线传感系统”（Self-powered flexible wireless sensing for smart fishery）的研究论文，指导教师为肖新清副教授。
为实现智慧渔业的低碳、绿色和可持续发展，论文综合了自供电能量采集、柔性无线传感、人工智能等技术与方法，提出了一种用于智慧渔业的自供电柔性无线传感系统（SWSF），系统由自供电系统（SPS）和柔性无线传感系统（FWS）组成。自供电系统的核心部件是直流-交流耦合发电机（DACG），它将电磁发电机（EMG）、摩擦纳米发电机（TENG）、摩擦伏特发电机（TVNG）和室内光伏板（IPV）有效结合，能够将水流产生的动能转化为电能，为整个系统持续供电。柔性无线传感系统主要由柔性电路板（F-PCB）和无线传感系统组成。通过有效结合人工智能机器学习算法（SVM、BP、ELM）可预测特定水质条件下最适合养殖的鱼类品种，实现鱼塘数据的实时无线远程监控并指导渔业养殖生产实际。
图1 系统整体图
图1展示了SWSF的整体结构。在室内循环水养殖环境中，该系统各组成部分按如图方式部署。其中，SPS固定在圆形鱼塘入口处的合适位置，水流驱动涡轮机叶片转动进而带动DACG的主轴旋转，DACG各部件（EMG、TENG、TVNG）内部产生相对运动以实现发电功能。对于FWS部分，F-PCB固定在水管壁上，传感器放入鱼塘中，以实现水质和水位参数的实时监测。监测获得的数据信息被传输到MCU进行处理，随后通过蓝牙4.0模块无线传输至OneNET界面上，便于用户查看。
图2 EMG与TENG机理图
图2展示了EMG和TENG的工作原理及COMSOL仿真模型。EMG的工作原理基于电磁感应现象，当装有磁铁的转子单向旋转时，会周期性地改变EMG定子中铜线圈的磁通量，从而产生周期性交流电。TENG的工作原理基于电子转移机制，当两层材料接触并相对运动时，不同材料间因电负性差异会导致材料表面电子运动，从而形成静电荷分布；当两层材料分离时，静电荷将被释放并流经外部电路，从而产生电流和电压的输出。
图3 TVNG与IPV机理图
图3展示了TVNG和IPV的工作原理。TVNG的工作原理基于摩擦伏特效应，是指通过在半导体界面上的机械摩擦产生直流电压和电流的现象。TVNG具有以下特点：直流电、高电流密度和低阻抗。这里使用铜箔在贴有铝电极的N型硅表面摩擦，因铜和硅的费米能级差异而产生内建电场，使能带向上弯曲，电子-空穴对在肖特基结的内建电场作用下分离并产生定向漂移，进而产生从半导体流向金属的直流电。IPV的工作原理基于光生伏特效应，电子-空穴对在PN结内建电场的驱动下形成光生电压。
图4 EMG与TENG性能图
图4展示了EMG和TENG的输出性能。对于EMG，随着转速从60 rpm增加到240 rpm，开路电压从2.0 V增加到6.5 V（图4a），短路电流从70 mA增加到230 mA（图4b）。对EMG进行带负载测试（图4g），当负载阻值约为31.6 Ω时，负载的输出功率达到最大值71.38 mW（图4h）。对于TENG，以玻璃纤维为基布的纤维状PTFE材料（PTFE2）展现出卓越的性能（图4c-d），因此这里使用PTFE2作为摩擦层材料，随着转速增加，短路电流持续增加（图4f），而开路电压稳定在2.0 V左右（图4e）。EMG和TENG对电容的充电曲线如图4i所示。
图5 TVNG与IPV性能图
图5展示了TVNG和IPV的输出性能。对于TVNG，开路电压的平均值在50 rpm至350 rpm的转速范围内始终保持在0.35 V至0.55 V之间，且无明显的速度依赖性，其短路电流的平均值则随转速增加而呈显著上升趋势（图5a）。TVNG的开路电压与短路电流波形如图5b-c所示。对于IPV，随着光照强度的增加，其开路电压与短路电流均随之增加（图5d-e）。对IPV进行带负载测试，输出功率曲线如图5f所示。
图6 应用图
图6展示了SWSF的应用。图中展示了SPS、FWS等的实际部署方式及基于OneNET开发的物联网云平台界面。连续多天对水质与水位参数的监测验证了SWSF在真实环境中的长期稳定性和可靠性。DACG的最大输出功率约为60.75 mW，能量转换效率约为85%，若考虑充电效率为90%，则DACG可在11天左右为5V、3000mAh锂电池完全充电。FWS每日能耗约为206 mAh，可持续工作约14.5天。可见，“DACG-电池”配置确保了SWSF的连续运行，为持续的水质和水位监测提供坚实的能源基础。
图7 算法图
图7展示了三种机器学习算法（SVM、BP和ELM）的预测性能。混淆矩阵、精度、召回率和F1分数等如图所示。对于预测准确率，SVM为95.71%，BP为94.76%，ELM为94.17%。户外季节性变化和昼夜温度波动对工厂化式的室内循环水养殖系统影响较小，因此这里未考虑季节变化等因素对水质参数的影响。此外，这里选择传统机器学习算法而非深度学习算法的主要原因在于研究目标与算法特性的匹配度。鉴于训练数据集的中小规模，机器学习算法展现出更强的抗过拟合能力，同时，摆脱对高性能硬件的依赖，具有更少的超参数和更简单的调优过程。
工作亮点：
1.提出开发了一种应用于智慧渔业的自供电柔性无线传感系统。
2.系统集成TENG、TVNG、EMG和IPV于一体实现了自供电能量采集。
3.有效实现了智慧渔业中水质和水位数据的实时监测。
4.综合利用机器学习算法实现了水产养殖中鱼类品种的智能预测。
5.进一步促进提升了智慧渔业绿色、低碳和可持续发展。
我院肖新清副教授为论文通讯作者，研究生马龙岗作为共同第一作者指导并参与了研究工作，中国农业大学烟台研究院刘峰教授、广东同德农业科技有限公司黄真维总经理、广东阳江职业技术学院陈兴汉教授等参与协助了相关研究工作。
肖新清副教授一直致力于绿色可持续智慧农业核心关键技术与应用的研究，并在本科生创新能力培养方面取得一系列特色成果。目前，已指导研究生/本科生科研团队在《Biotechnology Advances》、《Chemical Engineering Journal》等学术期刊上发表多篇高质量学术论文，目前有入选ESI高被引论文11篇，ESI热点论文6篇。
附论文原文链接：
https://www.sciencedirect.com/science/article/pii/S1385894725066744