Realization of an ultra-low-power embedded buoy controller for real-time acoustic telemetry monitoring
Abstract
Denne oppgaven tar sikte på å realisere en praktisk og robust bøyekontroller (cSLIM-v1) ved å ta i bruk prototypen for Internet of Fish (IoF) prosjektet ved NTNU med formål om å trådløst overføre atferdsdata fra smolt under utvandring eller for oppdrettsanlegg i sanntid til en backend-visualiseringsløsning ved å bruke akustiske telemetrimottakere (UAR) og Low Power Wide Area Network (LPWAN), nemlig NB-IoT. Å få kunnskap om når, hvordan og utløsende faktorer for utvandring av smolt er avgjørende for å forstå hvordan miljøendringer påvirker laksebestanden. En voksende befolkning med økt bevissthet om bærekraft og utnyttede ressurser samt vekst i havbruksnæringen tvinger fram nye oppdrettslokaliteter offshore, hvor inspeksjon og tilgjengelighet er begrenset. IoF-prosjektet muliggjør fjernovervåking i nær sanntid og gir viktige data ettersom bevegelse av fisk gir verdifull innsikt i velferd og fiskens respons på miljøet. Batterilevetiden er imidlertid en begrensende faktor for nyttigheten av en slik løsning og implementering av LPWAN-støtte og posisjonsbevissthet ved bruk av GNSS kommer på bekostning av strømforbruk og redusert driftssyklus. For å løse dette bruker cSLIM-v1 en sanntidsklokke (RTC) med ultralav effekt til å drive den lokale klokken med en tidssynkroniseringsalgoritme som estimerer den sanne RTC-frekvensen, korrigerer drift og øker perioden mellom GPS-oppdateringer som fører til en stort sett deaktivert GNSS modul. Feltetester konkluderer med at systemet pålitelig detekterer smolt og videresender all telemetri til visualiseringsløsningen. Resultatene viser at tidssynkroniseringsalgoritmen estimerer RTC-frekvensen i utendørsmiljøer og møter tids-kravene samtidig som GPS-oppdateringsintervallene økes. Ytterligere forskning bør sette søkelys på å forbedre batteriløsningens robusthet og programvarens pålitelighet. I tillegg bør nRF9160 SiPs innebygde GNSS-mottaker utforskes for å muligens erstatte den nåværende brukte GNSS-modulen og dermed redusere produksjonskostnadene. This thesis aims at realizing a practical and robust embedded buoy controller (cSLIM-v1) by adopting the shield prototype for the Internet of Fish (IoF) project at NTNU for the purpose of wirelessly transmitting behavioral data of smolt during the migration or for fish farms in real-time to a backend visualization solution by utilizing acoustic telemetry receivers (UAR) and Low Power Wide Area Network (LPWAN), namely NB-IoT. Knowing when, how, and triggering factors for smolt migration is essential to understanding how environmental changes affect wild salmon. A growing population with increased awareness of sustainability and exploited resources and growth in the aquaculture industry forces new farming sites offshore, where inspection, accessibility, and operation are limited. The IoF project enables remote monitoring in near real-time and provides vital data as fish movement carries valuable insights into the welfare and response to the environment. However, battery life is a limiting factor for the practicality of the system, and implementation of LPWAN support and positional awareness using GNSS comes at the cost of current consumption and a reduced cycle of operation. To address this, cSLIM-v1 uses an ultra-low-power real-time clock (RTC) for timekeeping and a time-synchronization algorithm that estimates the actual RTC frequency, corrects drift and increases the period between GPS updates, keeping the GNSS module primarily disabled. Field tests conclude that the system reliably detects smolt and forwards all telemetry to the visualization solution. Results show that the time-synchronization algorithm estimates the RTC frequency in outdoor environments and meets the timing constraints while increasing GPS update intervals. Further research should focus on improving the power solution and software’s robustness and investigate the performance of the nRF9160 SiP’s embedded GNSS receiver to possibly replace the currently used GNSS module to reduce production costs.