太平洋西北国家实验室（Pacific Northwest National Laboratory）的研究人员开发了一种新的声学接收器，可以将鱼类跟踪的近实时信息传输到数字云中，为大坝运营商和决策者提供关于预计何时、何地和有多少鱼类通过大坝的及时信息。
PNNL表示，这些来自标记鱼类的数据不依赖于前几年鱼类迁徙的季节性估计，而是支持关于影响鱼类通道的大坝作业的更明智的决策。
“该接收器向大坝运营商提供最新的数据，以帮助他们做出支持鱼类通过的明智的日常决策，如在很明显有一大群幼鱼正在接近大坝时调整水流，”联合开发该接收器的PNNL机械工程师杰森·马丁内斯（Jayson Martinez）说。
要跟踪鱼，你需要两件设备：一个位于鱼身上或鱼体内的发射器和一个在水中接收发射信号的接收器。Martinez和Daniel Deng，PNNL实验室研究员和机械工程师，与他们的合作者开发了新的接收器技术，作为改进发射器和接收器的长期努力的一部分。
邓解释说，“过去二十年来，声学遥测一直是研究人员提供高精度远程鱼类跟踪的首选工具，我们一直致力于制造更好、更小的发射器，用于研究更多的鱼类物种和生命阶段。但改进发射器只是挑战的一半，另一半是改进接收器。”
当前可用的接收器具有一些显著的限制。有线接收器可以实时向岸上传输数据，但它们必须由岸上基础设施供电，这将它们的位置限制在可用电力的区域。自主接收器可以部署在没有电缆和陆上基础设施的位置，但它们必须在本地存储跟踪信息，直到可以手动收集，这意味着鱼类跟踪数据无法实时获得。为了解决这些局限性，马丁内斯、邓和他们的合作者开发了一种自主声学接收器，可以将信息无线上传到云中，同时将其部署在溪流和河流沿线偏远或难以到达的位置。
邓表示，我们的最终目标是尝试提供关于鱼类位置和健康的实时信息，这个接收器是朝着这个目标迈出的一大步，为大坝运营商提供每小时的数据更新。”。
水下无线传输数据是一个极其缓慢的过程——比家庭有线互联网的平均速度慢300万倍。为了解决这个问题，研究人员使用边缘计算来最小化需要从水下无线传输到云中的数据量。边缘计算是一种通过将计算移动到更接近数据源本身来实现改进和高效数据处理的方法——在这种情况下，鱼跟踪数据在传输到云之前在接收器处进行处理。
通常，当用声学发射器标记的鱼游过自主接收器时，这些数据被收集并存储在本地，直到有人访问接收器并下载数据。这不仅需要大量的时间和金钱，而且还涉及重要的安全考虑，因为研究人员通常需要乘船导航到接收器。而且，这不是万无一失的。
如果你需要在有人收集数据之前让接收器闲置两个月怎么办？如果接收器在这段时间出现问题，比如传感器进水或电池耗尽，你就无法知道，所以你可能会丢失整整两个月的数据。
将边缘计算合并到新接收器中消除了这些问题。当鱼游过时，新的接收器从鱼发射器收集数据，然后处理和压缩数据。每小时，压缩后的数据都会无线发送到陆地上的一个小型调制解调器，该调制解调器将数据直接上传到云端，大坝运营商和决策者可以在云端访问数据。这提供了近实时的鱼类跟踪，并在接收器出现问题时提供提醒，因此可以快速解决任何问题，最大限度地减少数据丢失。
开发人员表示，该接收器的功能远不止跟踪鱼类——它是一个灵活的平台，可以容纳多个传感器来收集各种数据。这些接收器平台可以同时提供水质和环境条件以及鱼类位置的近实时数据，回答关于气候变化中鱼类和河流健康的有价值问题。
关于鱼类位置和环境条件的实时信息，包括在偏远或难以进入的地区，对于建立环境模型，了解气候变化下的河流栖息地和鱼类种群，可能非常有价值。
既然接收器已经在受控测试环境中进行了演示，科学家们计划将其用于未来的大规模部署。这项工作由能源部水力技术办公室和技术转型办公室资助。有关接收器的详细信息发表在《IEEE物联网》杂志上。