朱凡1、王建花2、支宏扬1、潘宝峰1（1.浙江海洋大学船舶与海运学院；2.南京理工大学工程训练中心）于2025年在《机械工程师》（Mechanical Engineer）第3期发表了题为《基于边缘计算的无人艇运动状态采集系统设计与实现》的研究论文。该研究针对无人艇（USV）在海洋探测、环境监测等领域应用时面临的传感器数据量激增、云端处理压力大的问题，提出了一种基于边缘计算（edge computing）的新型数据采集系统架构，通过将计算任务下沉至船端边缘设备，显著降低了数据传输量并提升了实时性。

学术背景

无人艇的广泛应用导致其搭载的传感器数量和数据类型呈指数增长，传统云端集中处理模式面临数据传输带宽不足、服务器计算负载高的挑战。边缘计算技术通过将数据处理任务迁移至靠近数据源的边缘设备（如树莓派），可有效减少冗余数据传输。现有研究中，胡晓轩等开发的船舶制造车间监控系统存在扩展性不足的问题；马赛男等提出的复杂水域感知技术增加了船端处理器负担；王建花等基于5G的物联网平台未实现本地数据处理；温小飞等采用LoRa技术的系统受限于窄带传输。本研究旨在通过边缘计算架构解决上述问题，实现无人艇运动状态数据的高效采集与实时监控。

研究流程与方法

1. 系统架构设计

研究构建了三级分层系统：
- 传感器设备层：集成6类传感器（姿态传感器MPU-9255、温度传感器HTU21D-F、电量传感器INA219、GPS模块MTK3339、舵角传感器WDA-D35-SC、转速传感器PLU/D-20NP/2），通过I2C、UART、SPI等协议与边缘设备连接。
- 边缘计算层：以树莓派3B为核心，运行Raspberry Pi OS系统，采用Python编写模块化程序，包含数据采集、存储、解析、预处理（含卡尔曼滤波算法）和选择性上报模块。预处理模块通过自适应滤波清洗数据，并按“周期上报”或“变化触发上报”逻辑通过MQTT协议传输至云端。
- 云端计算层：部署数据存储、分析与可视化终端，支持多艇数据共享与路径规划。

2. 硬件实现

树莓派3B（Broadcom BCM2837芯片，四核1.2 GHz CPU）通过GPIO接口连接传感器，其中模拟量传感器经MCP3008数模转换器处理。姿态传感器安装于艇体重心，转速传感器通过霍尔效应检测螺旋桨永磁体磁场变化。

3. 软件算法

• 数据解析模块：调用Python的SMBus库读取传感器寄存器数据，如温度传感器通过bus.read_byte_data函数获取原始值并转换为十进制。
  
• 预处理模块：对姿态传感器数据实施卡尔曼滤波降噪，对电量传感器采用Adafruit_INA219库计算实时能量。
  
• 上报逻辑：仅传输变化超过阈值的数据，减少79%传输量（实验数据：传统方式60分钟传输5554 KB，边缘计算方式仅1195 KB）。
  

主要结果

1. 数据传输效率：边缘计算层通过本地预处理和智能上报逻辑，将数据传输量降低至传统模式的21%（图5）。
   
2. 实时性验证：云端可视化终端成功显示无人艇位置（集成GIS与GPS数据）、3D姿态模型、螺旋桨转速、舵角等实时参数，历史数据查询模块支持折线图回溯（图6）。
   
3. 硬件可靠性：树莓派3B在海洋环境下稳定运行，传感器数据采集频率满足实时监控需求。
   

结论与价值

本研究通过边缘计算技术重构无人艇数据采集流程，解决了传感器数据爆炸带来的传输与处理瓶颈。其科学价值在于：
1. 提出“边缘节点预处理+云端深度分析”的分层架构，为海洋智能装备数据处理提供新范式；
2. 开发基于树莓派的轻量级边缘计算方案，硬件成本低于传统工业控制器；
3. 实验证明该系统可扩展至多传感器融合场景，如后续可集成视频数据低延迟传输。

研究亮点

1. 方法创新：首次将边缘计算应用于无人艇运动状态监测，设计变化触发上报逻辑显著优化带宽利用率。
   
2. 技术整合：融合卡尔曼滤波、MQTT协议、多协议传感器接口等技术，实现软硬件协同优化。
   
3. 应用潜力：系统已部署于浙江海洋大学“海问一号”无人艇，为军事、海洋监测等领域的实时决策提供技术支持。
   

其他价值

研究团队开源了树莓派边缘计算程序框架，可供后续研究者直接复用。未来工作将聚焦视频数据压缩算法在边缘层的部署，进一步拓展系统的多模态数据处理能力。