I

國立臺灣師範大學

資訊工程研究所碩士論文

−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−

養殖漁業的水質檢測系統

Water Monitoring System

for Aquaculture

−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−

研究生：王俞翔 撰

指導教授：賀耀華 博士

中華民國 105 年 6 月

II

摘要

近年隨著地球人口的增加食物產量已經無法再滿足人們了，漁業和水產養殖

促進糧食供應很大一部分，水產養殖是指飼養，飼養，和動物和植物的所有類型

的水的環境中，包括池塘，河流，湖泊和海洋收穫。

根據 FAO(Food and Agriculture Organization of the United Nations) 聯合

國糧農組織研究指出全球的養殖漁業在 2010 產量已經超越了捕撈漁業，但養殖

漁業者仍面臨到許多挑戰，其中最主要就是成本問題，包括了飼料、電、水等，

水產飼料的用量通常是由經驗豐富的水產養殖戶決定，飼料撒放過多不但造成不

必要的成本浪費，也會讓水質環境造成惡化影響，魚成長不完全、環境惡劣導致

食安問題，這些都是養殖業者現在面臨最大的課題。

本論文主旨在提出了一個水質監控系統幫助養殖漁業控管成本，我們可以依

照目前的水質感應數值去預測未來水質走向，像是 Oxidation-Reduction Potential

(ORP)氧化還原電位, potential Hydrogen (pH)酸鹼度，基於預測的水質，並建議用

戶調整他們的飼料用量，在還沒到達一定惡化標準前，會先採取行動，可以替養

殖業者省去不必要的成本開銷。

關鍵字: WSN、Water Monitoring System、Raspberry Pi、Arduino、Phidgets、IoT

III

Abstract

As global population continues to grow, food product will no longer meet the

demand for human consumption. Fisheries and aquaculture contribute to a large

portion of food supply and play a crucial role in eliminating hunger, promoting health

and reducing poverty. Aquaculture refers to the breeding, rearing, and harvesting of

animals and plants in all types of water environments including ponds, rivers, lakes,

and the ocean. It is the fastest growing food-producing sector which accounts for

nearly 50 percent of the world's food fish. According to Food and Agriculture

Organization of the United Nations (FAO), the global aquaculture production has

already exceeded the production quantities derived from wild fishery capture.

However, aquaculture is still facing number of challenges. One of which is the

cost such as aquafeeds (i.e., fish food), electricity, and water. Amount of aquafeeds are

usually determined by experienced aqua-farmers. Under feeding can reduce lower

growth in size and number of harvested fish. On the other hand, over feeding can

results not only waste of money but also deterioration of water quality. In fact, over

feeding is one of the main reasons of water deterioration. As water quality deteriorated,

water circulation pump needs to be turn on or water needs to be change, depend on the

level of water quality. If no action is taken in time, the harvested fish will be lost. All

of which increase the cost in aquaculture.

In this paper, we proposed a real-time water quality monitoring system for

aquaculture. The proposed system predicts the trends in water quality based on the

historical monitored sensor data, i.e., Oxidation-Reduction Potential (ORP), potential

Hydrogen (pH), and temperature. Based on the predicted water quality, our system can

suggest amount of aquafeeds to dispense into ponds , amount of time to turn on and off

water circulation pump, and amount of fresh water need to be exchanged. The

proposed system is able predict the water quality and suggest appropriate actions to

reduce the cost of aquaculture.

Keywords: WSN、Water Monitoring System、Raspberry Pi、Arduino、Phidgets、IoT

IV

圖目錄

圖 1 PH–ORP各種水類型相關圖 .............................................................................. 2

圖 2 實驗設備圖。(a) PhidgetInterfaceKit 8/8/8 ....................................................... 9

圖 2 實驗設備圖。(b) Arduino Nano ........................................................................ 9

圖 2 實驗設備圖。(c) Raspberry pi ........................................................................... 9

圖 2 實驗設備圖。(d) ORP Industrial Electrode ....................................................... 9

圖 2 實驗設備圖。(e) pH Industrial Electrode .......................................................... 9

圖 2 實驗設備圖。(f) DS18B20 Waterproof ............................................................. 9

圖 3 系統概觀圖 ....................................................................................................... 10

圖 4 系統流程圖 ....................................................................................................... 11

圖 5 調整飼料量流程圖 ........................................................................................... 12

圖 6 對應反應流程圖 ............................................................................................... 13

圖 7 實驗設置圖 ....................................................................................................... 15

圖 8 換水變化(ORP)................................................................................................. 15

圖 9 置放魚屍體後果圖。(a) ORP 值 ..................................................................... 16

圖 9 置放魚屍體後果圖。(b) PH 值 ....................................................................... 16

圖 9 置放魚屍體後果圖。(c) 溫度值..................................................................... 17

圖 10 投放飼料(1g)後果圖。(a) ORP 值 (b) PH 值 .............................................. 18

圖 11 投放飼料(2.5g)後果圖。(a) ORP 值 (b)PH 值 ............................................ 19

圖 12 投放飼料(4g)後果圖。(a) ORP 值 (b)PH 值 ............................................... 20

圖 13 魚屍體置放 ORP-PH 圖 ................................................................................. 21

圖 14 投放飼料 ORP-PH 圖(a) 1g (b) 2.5g ............................................................ 22

圖 14 投放飼料 ORP-PH 圖(c) 4g ......................................................................... 23

圖 15 投放飼料圖(a) ORP-ORP (b) PH-PH ............................................................ 24

圖 16 Autocorrelation (a)ORP 1g ............................................................................ 25

圖 16 Autocorrelation (b)ORP 2.5g (c)ORP 4g (d)PH 1g ........................................ 26

V

圖 16 Autocorrelation (e)PH 2.5g (f) PH 4g ............................................................. 27

圖 17 Cross-Correlation ORP-PH (a) 1g 28(b) 2.5g (c) 4g....................................... 28

圖 17 Cross-Correlation ORP-PH (c) 4g ................................................................... 29

表 1 實驗設置圖 ...................................................................................................... 14

表 2 實驗結果比對圖 .............................................................................................. 29

VI

目錄 第 1 章、介紹 ............................................................................................................. 1

第 2 章、相關研究討論 ............................................................................................. 5

第 3 章、問題 ............................................................................................................. 7

第 4 章、方法 ............................................................................................................. 8

4-1 實驗設備介紹 ............................................................................................... 8

4-2 實驗系統介紹 ............................................................................................. 10

4-3 資料分析 ..................................................................................................... 11

4-3-1 Autocorrelation 自相關相聯性 ....................................................... 11

4-3-2 Cross-Correlation 交叉相關相聯性 ............................................... 12

4-3-3 Find the Threshold............................................................................ 12

4-3-4 Check the Slope level ....................................................................... 13

第 5 章、實驗與討論 ............................................................................................... 14

5-1 實驗設置 ..................................................................................................... 14

5-2 實驗結果 ..................................................................................................... 15

5-3 關聯性以及討論 ......................................................................................... 21

第 6 章、結論與未來工作 ....................................................................................... 31

1

第 1 章 介紹

近年由於地球人口增加，對食物的需求明顯上升，但是在全球溫室效應、土

地資源減少與沙漠化的影響下，全球可供作物種植以及畜牧的面積卻持續減少，

而蛋白質對人類而言是不可或缺的營養素之一，因此，魚類產品捕獲相對容易、

可養殖且魚肉富含蛋白質的特性，將使得人類對漁業資源的依存度越來越高

。亞洲是全球養殖漁業發展最興盛的地區，占了全世界 63% 的產量，台灣

捕撈漁業產量位居全世界第 19 位，是全球六大公海漁業國之一。但是全球捕撈

漁業在產量的提升上所遇到的瓶頸來自於，漁民的過渡漁撈、環境污染、及全球

溫室效應造就了全球海洋漁業資源的枯竭，所以養殖漁業的興起就顯得相當重要。

依照FAO(Food and Agriculture Organization of the United Nations)在 2012的研

究指出，全球養殖漁業的產量在 2010 年已經超越捕撈漁業高達 6000 萬噸，證明

養殖漁業的重要性[1]。

台灣養殖方面，育種、養殖技術領先全球，在養殖面積有限的情況下，產量

高居全球第 15 位，是全球重要漁業國家。由於養殖漁業取代捕撈漁業的國際趨

勢，台灣在養殖漁業上的比重日益加重，要如何配合全球漁業發展趨勢、科技的

進展以及各國輸入的規定，提升漁獲品質、改善產量供應問題、使養殖漁業有穩

定的成長是台灣重要的課題。

2

在本篇論文提出的系統中主要會去感測 PH 、 ORP 和溫度值，

ORP(Oxidation-Reduction Potential)為氧化還原電位[2]，代表水中氧化型態或是

還原型態的程度，為什要偵測 PH 值和 ORP 值呢？如圖 1 所示，此為各種水類

型的 PH－ORP 範圍，基本上如果你只能量測兩種水資訊，選擇 PH 跟 ORP 是

最被廣泛使用的，觀察這兩種數值就可以將大部分的水質分類，那養殖漁業的

水質狀況大約都在 ORP：200-400mV 和 PH：6-8 之間，水質穩定對於養殖業

者來說是非常重要的，我們必須幫助他們控管在這個正常的區間以內，在受到

圖 1. PH – ORP 各種水類型相關圖[4]

3

污染的水中，在氧氣充足時好氧微生物會進行氧化作用將水中有機物及其他的

化合物進行氧化反應。一旦氧氣減少，此時厭氧微生物就會逐漸取代好氧微生

物成為優勢，其 ORP 值變低，反之當水質越乾淨、ORP 值就越高。熱帶魚對

PH 值的承受幅度較窄，但都能在水質 pH 爲 6~8 範圍内的水中生存，最適合的

PH 值在 6.5-7.5，當超出這個範圍也就是正常值之外的時候，水中的微生物生

長受到抑制，硝化細菌的分解作用受阻，水體自淨能力降低，水質惡化。當 pH

值大於 9.5 或小於 4.0 時，魚可能會直接死亡，所以控制 PH 值非常重要。養殖

業者通常要檢查水質的話，都會去測定 NO2，H2S， NH3/NH4，但是測定難度

非常高，因為感測器昂貴，不易測定，而且養殖過程中若僅測定 NO2，

H2S， NH3/NH4 而得知其含量已很高，才採取補救措施在時效上時常會晚了一

步，所以偵測 ORP 會有預警用戶的效果[3]。

那在監製此系統時，我們會用到物聯網 IoT(Internet of Things)的概念，什

麼是物聯網 IoT？物聯網[5]是網際網路、傳統電信網等資訊承載體，讓所有能

行使獨立功能的普通物體實作互聯互通的網路， IoT 可以將將無處不在

（Ubiquitous）的末端設備（Devices）和設施（Facilities），包括具備「內

在智能」的感測器、移動終端、工業系統、樓控系統、家庭智能設施、視頻監

控系統等、和「外在使能」(Enabled)的，如貼上 RFID的各種資產（Assets）、

攜帶無線終端的個人與車輛等等「智能化物件或動物」或「智能塵埃」（Mote），

4

通過各種無線和/或有線的長距離和/或短距離通訊網 Web4.0:物聯網 絡實現

互聯互通（M2M)、應用大集成（Grand Integration/MAI)、以及基於雲端計算

的 SaaS 營運等模式[6]，這個概念更是應用到之後的智慧城市上無論是小到家

中，大到城市都需要探測感應器去幫我們收集資料，所以感應器在物聯網中的

角色相當重要。

5

第 2 章 相關研究討論

在近幾年因為人們漸漸開始注重居家環境議題，加上 IoT 的興起，開始有許

許多多 WSNs(Wireless Sensor network)的應用，智慧城市、居家監控、健康監護、

室內空氣監控等等[7,8,9] ，WSN 是指無線感測網路[10]，是由許多在空間中分布

的自動裝置組成的一種無線通訊計算機網絡，這些裝置使用傳感器協作地監控不

同位置的物理或環境狀況（比如溫度、聲音、壓力），無線感測網路主要包括三

個方面：感應，通訊，計算（硬體，軟體，算法）。其中的關鍵技術主要有無線

資料庫技術，比如使用在無線傳感器網絡的查詢，和用於和其他傳感器通訊的網

絡技術。利用 WSN 的概念可以在同個環境撒放多個不同種類的感測器，蒐集資

料到資料庫，再進行分析採取行動。

目前很多國內外研究員使用許多感測器利用 WSN 去監控環境水質[11,12] ，

主要測量的都是汙水控管、湖泊、自來水或是飲用水，監製成一個即時監控系統，

同時也建造網站，隨時在網站上更新資料方便使用者查詢，無論是感測器還是網

路資料傳送方面，控制成本一直是這幾年被重視的一塊，使用 WSN 的時候，常

常會有電量不足續航力不夠的問題，這也關係著使用網路傳送資料的壽命，在文

獻[8]中，作者提出了一個睡眠機制，比傳統 WSN 傳送資料的壽命還要高上許多。

在感測器收集完資料後，重要的分析這些資料，提供給用戶更多的資訊，好

讓用戶更深入的了解水質狀況[13][14][15]，因為 WSN 的發展，傳送資料會受到

6

許多挑戰，像是容量、數據傳輸速率、能源供應、數據的處理、系統穩定性等問

題，文獻[16]中，作者提出一個檢測機制來處理感測器收到的資料，可以識別出

一些異常資料，並且每個基地台不是傳原始資料，而是經由網路傳送統計過後的

數據，之後再去分析資料。WSN 連接網路傳送過程中有許多不同的協定可以選

擇[17][18][19][20]，我們必須知道網路協定的用法以及優勢才能找到合適我們系

統的網路協定。

我們可以瞭解到利用 WSN 打造監控系統已經是個趨勢，但是大量的資料量

必須要有個好的處理方式，才能準確地提供給用戶需要的資訊，現在或許會面臨

一些挑戰，但我想未來真正落實智慧城市絕對不是問題。

7

第 3 章 問題

面對養殖漁業取代捕撈漁業的國際趨勢，台灣的養殖漁業對台灣產業已經佔

了非常重的比重，但養殖漁業本身其實也有許多發展上的限制。像是現代化水產

養殖必須仰賴飼料的供應，以提供養殖生物足夠的營養與能量，台灣的養殖漁業

遇到的問題其實也非常的多，像是年齡老化、人力不足、水土資源超限利用、氣

候改變、飼料管理、魚類疾病等等。最困擾漁民的就是飼料管理方面的問題，由

於近年飼料成本上升，漁民往往在投放飼料時只能憑藉著自己的經驗，並沒辦法

有效的去控管飼料量，撒太少魚會不夠吃成長不夠完全，撒太多後果更為嚴重，

過多的飼料會造成水質變為非常惡劣，延伸至魚類疾病或是環境變異等結果，也

會造成飼料不必要的浪費，無法有效地控管成本，要讓台灣養殖漁業穩定的發展

這些問題都必須做出改善。

我們提供的系統雖然無法幫助此產業解決所有的問題，但可以幫助業者改善

主要的成本問題，一旦解決了飼料成本問題，那魚類疾病的問題相對就會減少許

多，死亡率下降，一方面也可以監控水質，一旦水質發生迅速惡化，會建議用戶

開關過濾器或者是換水，節省水跟電的成本並且提升產值、產量。儘管台灣在養

殖漁業這一塊比其他國家發展的早，如今還是有許多問題需要克服，才能穩定成

長及永續發展。

8

第 4章 研究方法

我們提供的水質監測系統主要運作在 Linux 系統上並且是利用 Raspberry pi

及 IoT 的概念去監製，如果感應器不是無線的去傳送偵測到的資料，那運用在魚

塭或是養殖場都會變得非常困難，所以就要用到 WSN 的概念去建造，收集感應

器資料並且存到資料庫去做資料分析，之後透過分析結果建議業者調整飼料數項、

開關過濾器以及換水的對應措施。

4-1 實驗設備介紹

為了準確的測量水質，我們選擇的感應器會比市面上的稍為昂貴，準確度以

及穩定度也比較高，利用 phidgets 開發版去連接 ORP 以及 PH 值的感應器，溫度

方面是利用 Arduino Nano 去連接溫度感應器，收到的資料再經由 Raspberry Pi 傳

送到後端資料庫做資料分析。

以下為實驗設備介紹:

實驗設備:

1. 開發板 : PhidgetInterfaceKit 8/8/8

2. 開發板 : Arduino Nano

3. 單板機電腦 : Raspberry pi

4. ORP 感應器 : ASR2801-5M-BNC ORP Industrial Electrode

5. PH 感應器 : PC2121-5M pH Industrial Electrode

6. 溫度感應器 : DS18B20 Waterproof

9

圖 2(a)為 phidgets 出產的 I/O 控制開發版，(b)為 Arduino Nano 是一個微小型控制

板，(c)為 Raspberry pi，所有的控制板都會連到這台小型電腦上，在此做主要的

資料傳送動作，(d)為 phidgets 的 ORP 感應器 ASR2801-5M-BNC ORP Industrial

Electrode，(e)為 phidgets 的 PH 感應器 PC2121-5M pH Industrial Electrode，(f)為溫

度感應器 DS18B20 Waterproof。

圖 2. 實驗設備圖(a) PhidgetInterfaceKit 8/8/8，(b) Arduino Nano，(c) Raspberry pi

(d) ORP Industrial Electrode，(e) pH Industrial Electrode，(f) DS18B20 Waterproof

(a) (b) (c)

(d) (e) (f)

10

4-2 實驗系統介紹

如圖 3 所示，感應器經由 I/O 控制面板將收到的資料傳送到 Raspberry Pi，Pi

再利用網路把資料傳送到資料中心，並且做資料分析，Pi 可以讓面板去控制收集

資料的頻率以及校正感應器，且 Pi 有體積小、攜帶方便、系統穩定、低耗電、支

援無線網路等優勢。

如圖 4 所示，所提出的系統分為兩階段，第一階段是由感應器感應水質資料

並把資料傳到伺服器資料庫的部分，第二階段為從資料庫拿資料出來分析，並依

照分析結果去預測水質，最後會依照惡化的程度去建議用戶採取對應的措施，這

些措施的目的都是為了讓我們維持水質在一定的範圍內，好讓水質不會失控。

圖 3. 系統概觀圖

11

4-3 資料分析

我們蒐集完資料後，會做資料分析，那又分四種個別為 autocorrelation 、

cross-correlation、threshold 以及 slope。經過分析後會給用戶建議去做相對應的反

應行動。

4-3-1 AutoCorrelation (自相關關聯性)

R(𝑟) =𝐸(𝑋𝑡−𝜇)(𝑋𝑡+𝑟−𝜇)

𝜎2

自相關關聯性的公式如(1)所示，R(r)為在時間間隔單位的影響程度，σ 為數

值的標準差，E 為期望值，Xt 為在時間 t 的隨機變數值，r 為時間擴展的間隔，μ

為預期值，我們可以由此分析來看到，時間 r 對於各別的相關係數影響程度還有

時間對於在實驗長時間狀態底下的影響程度多少，更可以由分析圖了解到實驗數

據的趨勢為如何，我們需要探討的是時間 r，我們可以利用時間 r 去預測下一次的

數值，從最準到最不準的機率依序為多少。

圖 4. 系統流程圖

(1)[21]

12

4-3-2 Cross-Correlation (交叉相關關聯性)

𝜌𝑋𝑌(𝑟) = 𝐸[(𝑋𝑡 − 𝜇𝑋)(𝑌𝑡+𝑟 − 𝜇𝑌)]/(𝜎𝑋𝜎𝑌)

交叉相關關聯性的公式如(2)所示，𝜌𝑋𝑌(𝑟)為交叉關聯程度，E 為期望值，Xt

為在時間 t 的隨機變數值，σ 為 X 和 Y 數值的標準差，r 為時間擴展的間隔，μ

為預期值，由此分析我們可以了解兩個隨機變數的互相影響程度，可以知道每次

時間 r 間隔後，兩個數值為正相關、負相關或是不相關，ORP 以及 PH 在不同飼

料公克數的相關性到底為如何，也可以找到 ORP 和 PH 數值變化的趨勢。

4-3-3 Find the Threshold

如圖 5 所示，我們會依照我們所做的實驗來找出及定義臨界值，假設 ORP、

PH 的值沒有超過所謂的臨界值，我們會建議用戶增加飼料量以防魚吃不夠，無

法成長完全，那一旦超過了臨界值，我們會建議用戶減少飼料量，不斷重複地去

調整飼料用量。

(2)[21]

圖 5. 調整飼料量流程圖

13

4-3-4 Check the Slope level

如圖 6 所示，我們會依照水的惡化程度分為兩種階段，那要如何去看惡化程

度，就是利用斜率，依照我們實驗的結果，第一階段先觀察短時間內的變化，取

出斜率當開過濾器標準，那第二階段會觀察中長時間的變化當作換水的標準，當

我們採取這些行動後，我們還會觀察水質有無恢復到正常值，沒有的話就持續開

啟過濾器或是持續換水，沒有的話就把過濾器關掉或是停止換水，省去不必要的

電和水，這些對應反應可以避免在水質還沒完全惡化前取得控制。

圖 6. 對應反應流程圖

14

第 5 章 實驗和討論

養殖業者為了讓魚成長的完全，每天都會固定投放飼料，業者們都知道飼料

會造成水質惡化，但也有可能因為水質環境的影響導致魚屍體沉在魚池裡，業者

卻渾然不知，那我們所做的實驗就是要看出魚屍體以及飼料帶給養殖魚池的水質

影響。我們主要要觀察的是在事件發生後 ORP 以及 PH 的變化，並且去看他們的

相聯性。

5-1 實驗設置

如表 1 所示我們可以將實驗主要分為兩大部分，魚屍體以及飼料對水質的影

響，那飼料的部分又細分為三種(1g、2.5g、4g)，那可以看到表中飼料置放的實驗

裡面的生物是沒有魚的只有水草，假設裡面有魚的話我們丟了 2g 的飼料進去，

表 1. 實驗設置表

15

圖 8. 換水變化(ORP)

圖 7. 實驗設置圖

卻無法量測這些魚吃了多少的飼料，所以我們將魚拿掉只保留水草，讓飼料的殘

留可以直接反應在水質上。

圖 7 是我們實驗的設置圖，主要把魚缸設置在實驗室中，把魚缸內培養成一個良

好的生物循環環境，並且利用感應器去監控水質。

5-2 實驗結果

在還沒進入到真正實驗之前，我們做了換水的動作，看看換水對魚缸有什麼

16

變化，如圖 8 所示，00 小時表示開始換水，可以很清楚地看到一換完水 ORP 值

馬上開始下降，照常理來說換水不是應該換更乾淨的水到魚缸中，ORP 值應該會

上升，怎麼不升反降，那是因為因為缸中的溶氧量高於新水，所以新水倒入缸中

時，ORP 值會先下降，但由於原缸水的水質不會比新水水質好，所以在經過一段

時間後會慢慢回升，甚至比原來的 ORP 值還要高，證明換水是會有效提升水質

的。

(b)

(a)

17

圖 9 (a)、(b)分別為置放魚屍體的 ORP 與 PH 的實驗變化圖，我們從水族館

要來的一些魚屍體，在 00 小時的時候把他投入到魚缸裡面，ORP 一開始會上升

我們推測是因為在同個空間有一樣多的氧氣，突然少了幾個生物來競爭搶氧氣，

所以水中的氧氣會上升導致 ORP 一開始會先上升，那 PH 值方面一開始是不會有

什麼變動的，一直到第 25 個小時左右，也就是屍體開始腐爛的時候，水中微生

物開使大量出現，導致水中氧氣開始下降，ORP 也直接反應的下降，而 PH 值也

會因為優養化的關係會上升，一直到 57 小時的時候，我們把過濾器啟動，ORP

以及 PH 就會開始慢慢恢復成正常值。(c)為溫度的值，我們認為水溫或多或少都

會因為水中發生的事件而有變化，但主要的影響大都是來自氣溫的變化，但是偵

測溫度是必須的，因為像是台灣最常養殖的台灣鯛也就是石斑魚或是吳郭魚他們

適合生長溫度是在 25℃~32℃，而且他們一定要在這溫度才會交配產卵。

圖 9. 置放魚屍體後果圖。(a) ORP 值 (b) PH 值(c)溫度值

(c)

18

(b)

(a)

圖 10(a)、(b)分別表示的是投放飼料(1g)的 ORP 和 PH 值，我們在 00 小時投

放飼料，在 ORP 值方面可以看到它的反應是立即下降，是因為投放飼料後，整個

水質會變得骯髒許多，水變得非常濁，飼料沉至缸底一陣子，就會開始長出黴菌

以及微生物，PH 值也是因為優養化的關係在投放飼料後明顯上升，一直到一定

圖 10. 投放飼料(1g)後果圖。(a) ORP 值 (b) PH 值(c)ORP、PH 比對圖

19

(a)

(b)

惡化程度之後，在 42 小時左右，我們採取了換水的動作，來看換水對飼料投放

的水質程度會不會有好轉，那 ORP 值就如前面所提到的，一開始會先下降，之後

才會慢慢回升成正常值，那 PH 值一開始就會直接下降到正常值左右。

圖 11. 投放飼料(2.5g)後果圖。(a) ORP 值 (b)PH 值

20

圖 12. 投放飼料(4g)後果圖。(a) ORP 值 (b)PH 值

圖 11(a)、(b)分別表示的是投放飼料(2.5g)的 ORP 和 PH 值，那可以由圖所示

在 00 小時投放飼料後，水質惡化程度直接顯示在 ORP 以及 PH 上，ORP 迅速的

下降，而 PH 值短時間內大幅度的上升，也都是因為飼料的置放導致黴菌及微生

物的生長，那在靜放 36 小時左右，才會慢慢趨近正常值，而在整個過程中我們

都是開啟過濾器，但我們都沒有去做換水的動作。

(a)

(b)

21

圖 12(a)、(b)分別表示的是投放飼料(4g)的 ORP 和 PH 值，一樣從 00 小時投

放飼料，全程都有開過濾器，但沒有換水的動作，跟前兩個實驗一樣，投入後都

會因為微生物的迅速生長導致水質惡化，由圖 12 可以知道的是，4g 的飼料投入

後必須靜放 72 個小時，水質才會慢慢地開始乾淨，造成的後果會比 1g 以及 2.5g

還要嚴重許多。

5-3 關聯性以及討論

當我們把 ORP 跟 PH 擺在一起，如圖 13，可以看到在魚屍體置放這個實驗

中，在 00 小時，出現屍體，因為在同個空間少了些生物多了些許氧氣所以對 ORP

一開始會造成上升，而一開始對 PH 的影響微乎其微，一直到 25 小時，屍體開始

腐爛，微生物跟黴菌大量生長出來，所以由此可以看到他們幾乎是同時呈反方向

移動，一直到 57 小時左右，兩個數值因為開啟過濾器也幾乎同時反方向在移動

回正常值，由此實驗可以看出屍體置放的後果，所以我們就把這個值當作門檻，

飼料投放後一旦到達此門檻，就減少飼料量，以防水質惡化。

22

(a)

我們知道了屍體腐爛帶來的影響後，接下來主要會觀察飼料公克數的差別，

如圖 14 所示，(a)(b)(c)各代表的是投放飼料 1g、2.5g、4g 的 ORP-PH 圖，可以很

清楚的看到在 00 小時投放飼料後 ORP 和 PH 成反方向的急速下降和上升，由此

可知道 ORP 與 PH 大部分都是負相關，那 2.5g 以及 4g 改變的速度又會比 1g 還

要快，影響的後果也會比 1g 還要嚴重許多。

圖 13.魚屍體置放 ORP-PH 圖

23

(b)

(c)

那之後我們把三種不同飼料公克數的 ORP 以及 PH 拿出來比較，如圖 15

(a)(b)分別為飼料投放的 ORP-ORP 以及 PH-PH 圖，4g 的飼料量最高影響程度愈

大、影響總時間也相對比較高，一開始的數值不一樣是因為每次的水質都不相同，

可以確定的是我們是觀察一陣子之後在平穩的水質下才開始投放飼料觀察變

化。

圖 14. 投放飼料 ORP-PH 圖(a) 1g (b) 2.5g (c) 4g

24

(a)

(a)

(b)

(b)

我們在先前方法的資料分析提到過尋找斜率，而在第一階段的斜率我們會抓

取 3 個小時內的變化，取此時間間隔是因為在投放飼料後，3 個小時為最劇烈變

化的時間，一旦到達此標準會建議用戶開啟過濾器，第二階段我們抓的時間間隔

為 12 小時，12 小時為幾乎到最惡劣的時間點，因為漁民每 24 小時都會撒放一次

飼料如果在 12 小時內達到標準，再開啟過濾器太慢了，我們必須利用換水的動

作來徹底淨化水質。

圖 15. 投放飼料圖 (a) ORP-ORP (b) PH-PH

25

(a)

我們利用 Autocorrelation 來分析單獨在 1g、2.5g、4g，時間 r 對於各別的相

關係數影響程度，由圖 16 所示，(a)(b)(c)為 1g、2.5g、4g 的 ORP 的自相關相聯

性，(d)(e)(f)為 PH 的自相關相聯性，可以看到時間對於在實驗長時間狀態底下的

影響程度多少，以實驗(a)為例一開始自相關程度最大一直到 40lag 時間單位開始

有轉折，因此我們可以知道在經過 40lag 時間單位後，實驗狀態結果會有所改變。

而看到(b)跟(c)的話也是一開始自相關程度最大一直到 20lag 時間單位左右開始有

轉折，又再經過20lag時間單位有變化。(d)(e)(f)一開始自相關程度都為最大的1.0，

分別經過 50、100、75lag 時間單位左右開始有轉折，所以把時間程度增加會知道

自相關相聯性會隨著時間而有不同。

換句話說隨著時間的遞增，從圖中發現自相關程度會從最大漸漸遞減，但是

實驗結果會因為時間程度 r 而有所改變，而這是我們想要探討的，而透個這個 r

我們也可以利用此特徵值來去預測下一階段水質變化。

26

(b)

(c)

(d)

27

(f)

接下來我們利用 Cross-Correlation 互相關相聯性來去分析在各個飼料公克數

下的 ORP 與 PH 的相聯性，在統計學中我們很常運用此方法表示兩個隨機變數的

互相影響程度，我們在 R 軟體中利用 ccf 函數來探討在一定 lab 時間單位間隔底

下，ORP 與 PH 他們影響是正相關、負相關或是相關係數為 0，如圖 17 所示，

(e)

圖 16. Autocorrelation (a)ORP 1g (b)ORP 2.5g (c)ORP 4g

(d)PH 1g (d)PH 2.5g (f) PH 4g

28

(b)

依實驗(a)為例，我們探討在一定 lag 時間單位以後，ORP 會隨著 PH 上升而下降

大部分都為負相關，又看到(b)與(c)都可以很清楚的看到正相關在整個長實驗時間

狀態底下大多都為負相關，呼應我們前面提到水質惡化導致 ORP 下降以及 PH 上

升。

(a)

29

圖 17. Cross-Correlation ORP-PH (a) 1g (b) 2.5g (c) 4g

表 2. 實驗結果比對表

進行完所有實驗後，我們做個總結，由表 2 所示可以清楚的知道丟飼料的反

應時間以及劇烈變化的時間都比置放屍體還要短，意即水質變化的速度會比屍體

腐爛的情形還快，在回到正常值這一塊，我們的實驗指出可能飼料殘留需要到達

一定的量，恢復的速度才會比屍體腐爛還久。就如我們之前在方法提過的檢查斜

(c)

30

率，我們可以由表 2 中知道，愈多的殘留飼料造成的水質變化速度會更快，再圖

上表示也就是斜率更陡，所以在這邊我們會選擇 1g 的斜率作為我們的參考值，

在 3 小時內檢查是否達到第一階段的斜率，決定開關過濾器，之後 12 小時內會

以第二階段的斜率當作檢查點，以做為換水標準，原因是因為如果在 12 小時還

達到此惡化程度再開啟過濾器已經來不及，必須使用比較徹底的換水方法改善水

質。

31

第 6 章 結論與未來工作

在近年地球溫室效應以及沙漠化的情況下，食物不足以及食安問題愈來愈重

要，當養殖漁業的產量比捕撈漁業還要重的時候，養殖漁業已成為不可或缺的產

業價值，養殖漁業為台灣重要的農業經濟產業，因為養殖成本的提高，台灣的養

殖水產品在國內外市場漸漸失去競爭力，我們必須有效改善問題才能永續發展。

本論文解決了台灣養殖業者最重要的成本問題以及環境問題，不斷的去建議

用戶改變飼料量，以及依照水質惡化速度去建議開關過濾器更或者是換水，已達

到節省飼料、省電、省水的效果，也讓魚塭水質環境更為良好。

由我們的實驗結果可以知道，魚屍體腐爛在魚池裡會讓水質變得很糟，但是

過多的飼料殘餘在魚池裡造成的水質惡化程度會比屍體腐爛更為嚴重許多，而業

者每天都必須投放飼料餵魚，為了避免水質環境失控，所以控管飼料量是首要任

務，萬一惡化速度太快就必須通知用戶開啟過濾器或換水直到恢復正常值再關以

節省水、電。

本論文提供的系統可以有效且輕易的幫助用戶或是業者管理成本和即時監

控水質，提升產值及產量，近年的漁業產量顯示，捕撈漁業產量提升的世代已經

結束，除了傳統的養殖漁業，現在必須發展成永續生產理念的性質，未來，我們

該如何善用擁有的資源與技術，如何有更進一步的發展，都是未來的課題。

本論文未來會以下一些方向去深究，以期望能夠將此論文完善：

(一)自動化調整投放飼料數量以及自動開關過濾器、換水等動作以節省人力成本

32

(二)當水質有更惡劣的情況發生時，像是海水倒灌、颱風等，會發送緊急簡訊通

知用戶。

(三)希望未來能夠加入更多的感測器，例如: 溶氧量、濁度、水懸浮顆粒、NO2

等，能夠更準確的了解或預測水質。

(四)希望未來可以在大面積魚塭或大型養殖場中做實驗，可能會有感測器在每個

點所偵測到的值不一樣的情況發生，那希望未來可以利用 WSNs 的特性，在

大面積魚塭中放下多個感測器，針對水質的情況做更準確的預測。

33

REFERENCE

[1] FAO “Climate change implications for fisheries and aquaculture,” The Food and

Agriculture Organization of the United Nations, 2009.

[2] Trevor V. Suslow, “Oxidation-Reduction Potential for Water Disinfection

Monitoring, Control, and Documentation,” University of California Davis, 2004.

[3] Fisheries Extension no. 324 pp. 08-11

“https://www.fa.gov.tw/upload/170/2014072417563451005.pdf”, 2014

[4] Langmuir.D, Aqueous Environmental Chemistry. New Jersey: Prentice-Hall,

1997.

[5] Zanella Andrea, Bui Nicola, Castellani Angelo, Vangelista Lorenzo and Zorzi

Michele, “Internet of Things for Smart Cities,” IEEE Internet of Things Journal,

vol. 1, no. 1, 2014.

[6] Dominique D. Guinard and Vlad M. Trifa, “Building the Web of Things,”

Manning, 2015.

[7] Saad Shaharil Mad, Saad Abdul Rahman Mohd, Kamarudin Azman Muhamad

Yusof, Zakaria Ammar and Ali Yeon Md Shakaff, “Indoor air quality monitoring

system using wireless sensor network (WSN) with web interface,” Electrical,

Electronics and System Engineering (ICEESE), 2013.

[8] Suryadevara Nagender Kumar and Mukhopadhyay Subhas Chandra, “Wireless

Sensor Network Based Home Monitoring System for Wellness Determination of

Elderly,” IEEE Sensors Journal, 2012.

[9] Megalingam Rajesh Kannan, Divya M. Kaimal and Maneesha V. Ramesh,

“Efficient Patient Monitoring For Multiple Patients Using WSN,” Advances in

Mobile Network, Communication and its Applications (MNCAPPS), 2012.

[10] M. Zanjireh Morteza and Larijani Hadi, “A Survey on Centralised and Distributed

Clustering Routing Algorithms for WSNs,” IEEE Vehicular Technology

Conference (VTC Spring), 2015

[11] Nasser Nidal, Ali Asmaa , Karim Lutful and Belhaouari Samir, “An Efficient

Wireless Sensor Network-based Water Quality Monitoring System,” Computer

Systems and Applications (AICCSA), 2013.

34

[12] Alkandari Abdulrahman, alnasheet Meshal, Alabduljader Yousef and M. Moein

Samer, “Water Monitoring System using Wireless Sensor Network (WSN): Case

Study of Kuwait Beaches,” Digital Information Processing and Communications

(ICDIPC), 2012.

[13] Gallah Nader and Besbes Kamel, “Small Satellite and Multi-Sensor Network for

Real Time Control and Analysis of Lakes Surface Waters,” Recent Advances in

Space Technologies (RAST), 2013.

[14] Valkanas George, Kotsifakos Alexis, Gunopulos Dimitrios, Galpin Ixent, J. G.

Gray Alasdair, A. A. Fernandes Alvaro and W. Paton Norman, “Deploying

In-Network Data Analysis Techniques in Sensor Networks,” IEEE International

Conference on Mobile Data Management , 2011.

[15] Li Li and Bai Fan, “Analysis of Data Fusion in Wireless Sensor Networks,”

Electronics, Communications and Control (ICECC), 2011.

[16] Giovani Rimon Abuaitah and Wang Bin, “Data-Centric Anomalies in Sensor

Network Deployments: Analysis and Detection,” IEEE International Conference

on Mobile Ad-Hoc and Sensor Systems (MASS), 2012.

[17] L. Benyuan, O. Dousse, P. Nain and D. Towsley, "Dynamic Coverage of Mobile

Sensor Networks," IEEE Transactions on Parallel and Distributed Systems, vol.

24, pp. 301-311, 2013.

[18] A. Manjeshwar and D. P. Agrawal, "TEEN: A Routing Protocol for Enhanced

Efficiency in Wireless Sensor Networks," International Symposium on Parallel

and Distributed Processing, 2015.

[19] M. M. Zanjireh, H. Larijani and W. O. Popoola, "Energy Based Analytical

Modelling of ANCH Clustering Algorithm for Wireless Sensor Networks,"

International Journal On Advances in Networks and Services, vol. 7, no. 3&4, pp.

173-182, 2014.

[20] S. Fedor and M. Collier, "On the Problem of Energy Efficiency of Multi-Hop vs

One-Hop Routing in Wireless Sensor Networks," International Conference on

Advanced Information Networking and Applications Workshops (WAINA), pp.

380-385, IEEE Computer Society.

[21] Zovko, Ilija I., Topics in Market Microstructure, Amsterdam University Press,

2008.