CN105104278B - 循环水养殖浮饵自动投放方法与装置 - Google Patents
循环水养殖浮饵自动投放方法与装置 Download PDFInfo
- Publication number
- CN105104278B CN105104278B CN201510513763.0A CN201510513763A CN105104278B CN 105104278 B CN105104278 B CN 105104278B CN 201510513763 A CN201510513763 A CN 201510513763A CN 105104278 B CN105104278 B CN 105104278B
- Authority
- CN
- China
- Prior art keywords
- bait
- floating
- fish
- shoal
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 64
- 238000002716 delivery method Methods 0.000 title claims abstract description 5
- 241000251468 Actinopterygii Species 0.000 claims abstract description 114
- 238000003062 neural network model Methods 0.000 claims abstract description 8
- 239000000463 material Substances 0.000 claims description 56
- 238000000034 method Methods 0.000 claims description 20
- 238000005266 casting Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 9
- 230000008676 import Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 235000019733 Fish meal Nutrition 0.000 claims description 6
- 239000004467 fishmeal Substances 0.000 claims description 6
- 241001269238 Data Species 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000029087 digestion Effects 0.000 abstract description 4
- 230000006378 damage Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000009360 aquaculture Methods 0.000 description 3
- 244000144974 aquaculture Species 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000004594 appetite change Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035943 smell Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开一种循环水养殖浮饵自动投放方法与装置,包括一个投饵机和一个CCD摄像头,启动CCD摄像头监测水面剩余浮饵量情况,在鱼群进食过t秒后,先计算出此时水面剩余浮饵量S以及当前鱼群进食速度k,再根据BP神经网络模型(y,r)=(S,k)计算出当前投饵速度y和投饵工作时间r,以当前投饵速度y和投饵工作时间r作为最优控制参数控制投饵机自动投饵;实现及时反馈鱼群消化浮饵的情况并且达到精准投喂,并防止了由于单次投放浮饵过多而造成对水环境的破坏,提高了水的循环利用效率。
Description
技术领域
本发明涉及渔业养殖自动化领域,具体涉及一种浮饵自动投放装置,用于在高密度的工业化渔业养殖中对水环境及自动化要求较高场所。
背景技术
水产养殖从人工投饲走向自动投饲,自动浮饵投饲机是水产养殖重要组成之一,和人工抛洒浮饵相比,自动投饵是提高浮饵利用效率和控制养殖成本的主要手段。中国专利申请号为201110340825.4的文献公开一种自动投饵方法,运用视频采集系统采集水面信息,通过无线网络传输到上位机系统,再通过上位机系统实现对远端数据的实时监控,采用这种方法可以实现远程控制投饵机投饵,但其无线传输具滞后延时性,而且投饵过程需要人工看守,主观性强,容易形成误判,造成投饵过量或不足,投放过多的饵料不仅会降低利润,还会导致水环境污染,饵料变质,影响水质。相反,投放过少则会延缓鱼的生长。中国专利申请号为201410314811.9的文献公开一种基于鱼群聚集面积的投喂自动控制方法,这种方法根据鱼群聚集和游散情况来投喂,从而给鱼群投放必要且充足的饵料,然而,采用这种方法自动控制投饵时,没有从根源上反映饵料被消化情况,容易造成饵料堆积浪费,由于养殖塘水温和溶氧量等外界环境改变会造成鱼群胃口变化,所以不能简单根据鱼群聚集面积来判断饵料量的投放。
发明内容
本发明的目的是为解决上述现有自动浮饵投饲技术存在的投饵过量或不足问题,提出一种能根据循环水养殖池塘里面的浮饵被消化情况而自动投放浮饵的装置及方法,以更好地满足自动投饵和循环水养殖这一需求。
本发明循环水养殖浮饵自动投放装置采用的技术方案是:包括一个投饵机和一个CCD摄像头,投饵机的最上部是料斗,中间部分是位于料斗下方的振动下料机构,最下部是底座;CCD摄像头位于料斗右上方且通过连接杆连接于料斗;浮饵位于浮在水面上的封闭护料栏内部,CCD摄像头采集浮饵图片;振动下料机构由接料口、支架、振动电磁铁和弹簧组成,接料口固定连接支架,接料口左端是位于料斗出口下方的进口,接料口右端是低于进口的出口;支架正下方放置振动电磁铁,振动电磁铁上端连接支架,下端固定连接底座;弹簧上端连接支架,下端固定于底座上;接料口右侧设置抛料口和电机,抛料口下端连接电机;电机的输出轴上装有电机叶片,电机叶片位于抛料口内部,电机连接变频器,变频器、CCD摄像头、振动电磁铁均连接于控制系统。
本发明循环水养殖浮饵自动投放方法采用的技术方案是:
步骤1:将投饵机安置在养殖池塘岸边,调整CCD摄像头确保采集到整个护料栏内部的浮饵图片信息,投放初始量S0的浮饵;
步骤2:经t0秒后鱼群开始进食,再经过t秒后, CCD摄像头采集浮饵图片,控制系统根据通用公式计算出此时的水面剩余浮饵量S11和当前鱼群进食实时速度k 11;c是浮饵图片中单个像素面积浮饵对应的实际浮饵质量,api是第p个采样周期第i时间段内剩余浮饵所占浮饵图片的面积;
步骤3:启动投饵机工作,提高电机的投饵速度y11使其大于鱼群进食速度k 11,在投饵机工作r11时间后,水面浮饵再次增长到浮饵初始量S0大小时,记录下此时的投饵速度y11和投饵机工作时间r11;由此采集到第一个时间段鱼群进食情况,即获得水面剩余浮饵量S11、当前鱼群进食实时速度k 11、投饵速度y11和投饵机工作时间r11;
步骤4:重复执行步骤2、3,直至采集到第n个时间段的鱼群进食情况,此时浮饵被消化速度趋于0,将所有数据记录到数组B1,完成第一个采样周期;
步骤5:进行第二个采样周期,得到数组B2;以此类推,直到第n个采样周期结束,得到数组Bn。
步骤6:将数组B1、B2、…Bn中的数据分成训练样本和测试样本,训练样本用于创建BP神经网络模型,测试样本用于修正模型;以训练样本数据中的鱼群进食速度k、水面剩余浮饵量S作为BP神经网络的输入变量,以投饵速度y和投饵机工作时间r作为输出变量,建立BP神经网络模型(y,r)=(S,k);
步骤7:启动CCD摄像头监测水面剩余浮饵量情况,在鱼群进食过t秒后,先计算出此时水面剩余浮饵量S以及当前鱼群进食速度k,再根据BP神经网络模型(y,r)=(S,k)计算出当前投饵速度y和投饵工作时间r,以当前投饵速度y和投饵工作时间r作为最优控制参数控制投饵机自动投饵。
本发明采用上述技术方案后具有的优点是:
1、本发明为了实现自动投饵机投饵量的精细化,投饵之前先根据水面剩余浮饵的实时图像分析鱼群进食情况再控制投饵机投饵,这种投饵方法解决了由于养殖塘水温和溶氧量等外界环境改变造成的鱼群胃口变化而导致浮饵投喂量无法确定的难题,实现了及时反馈鱼群消化浮饵的情况并且达到精准投喂,并防止了由于单次投放浮饵过多而造成对水环境的破坏,提高了水的循环利用效率;
2、当投饵正在进行时,抛洒在空中的饵料会遮挡住水面的浮饵,导致图像采集不到水面的剩余浮饵情况,无法实时监测水面信息,本发明为解决此问题,对投饵机实施间歇性工作方式,即投饵一段时间,停止投饵开始监测,然后停止监测继续投饵,再停止投饵开始监测,如此循环。这样,图像采集装置可以间歇性监测鱼群进食速度,达到实时监测鱼群进食情况,其中,投饵机工作占空比由控制盒处理数据后产生的控制参数决定。
3、本发明将图像采集装置安装在投饵机储料仓右上方,与投饵机形成一体,操作简单方便,成本低,而且采集视野可根据连接杆任意调节,不同于一般的水下摄像头既昂贵又不易安装固定。
4、本发明针对投饵过程中即无法监测到水面浮饵情况,而且具有非线性、难以建立精确数学模型等特点,提出一种模糊控制方法,控制参数采用BP人工神经网络确定,从而可以根据现场实时采集和处理的数据自动得出控制参数。
附图说明
图1是本发明循环水养殖浮饵自动投放装置的整体结构示意图;
图2是图1中振动下料机构示意图;
图3是图1中摄像头视距、视角示意图;
图4是图1所示装置在投饵过程中水面浮饵剩余量和时间的关系模型图;
图5是用微元法求鱼群进食速度示意图。
附图中各部件的序号和名称如下:1、CCD摄像头,2、料斗,3、振动下料机构,4、支架,5、振动电磁铁,6、接料口,7、抛料口,8、电机,9、电机供电端子,10、投饵机底座,11、电源线,12、控制盒,13、浮饵,14、护料栏,15、弹簧,16、变频器,17、连接杆。
具体实施方式
如图1所示,本发明循环水养殖浮饵自动投放装置包括一个投饵机和一个CCD摄像头1,CCD摄像头1用于实时采集浮饵个数图像数据。投饵机的最上部是料斗2,中间部分是振动下料机构3,最下部是底座10。CCD摄像头1位于料斗2的右上方,通过连接杆17连接于料斗2。调整好CCD摄像头1的位置,使其采集到浮在水面上的浮饵13,浮饵13用浮在水面上的封闭的护料栏14围成一圈,护料栏14为圆形,CCD摄像头1对着护料栏14内部采集护料栏14内部的浮饵13。护料栏14是用来保护浮饵13,防止浮饵13飘离CCD摄像头1的采集范围。
投饵机的中间部分振动下料机构3位于料斗2的下方,料斗2的饵料向下落入振动下料机构3中。振动下料机构3由接料口6、支架4、振动电磁铁5和弹簧15组成,接料口6固定焊接在支架4上,接料口6的左端是进口,接料口6的进口位于料斗2的出口下方,接料口6的右端是出口,接料口6出口低于进口处,向右下方倾斜,支架4和接料口6共同形成大约10°的左高右低的小斜坡状,便于饵料的添加,不易出现卡料现象。
再参见图2,支架4的正下方放置一个振动电磁铁5,振动电磁铁5的上端连接于支架4,下端固定在投饵机的底座10上,振动电磁铁5经控制线连接控制盒12中的控制系统,控制系统控制振动电磁铁5工作,振动电磁铁5工作时能产生强烈的振动,用来振动支架4和接料板6,带动振动下料机构3促进下料工作顺利进行,确保料斗2送来的浮饵可通过振动滑到接料板6。四根弹簧1呈正方形布置在支架4的四角处,弹簧15的上端连接支架4,下端固定于底座10上,
接料口6的右侧设置抛料口7和电机8,接料口6连接于抛料口7,抛料口7的下端连接电机8,电机8固定在底座10上。电机8的输出轴向左倾斜20°至30°。电机8的输出轴上安装电机叶片,电机叶片位于抛料口7内部,确保叶片在抛料口7内部正常运转。抛料口7左低右高向右上方倾斜20°至30°,接料口6将浮饵集中到电机8的叶片转动轨道上,确保浮饵能被叶片带动并从抛料口7抛出。
电机8通过供电端子9连接变频器16,变频器16连接控制盒12,控制盒12安装在投饵机的左下侧,控制盒12由电源线11给整个投料机供电。控制盒12内设有控制系统,控制系统经变频器16可驱动电机8并调节电机8的转速。
CCD摄像头1通过导线连接控制盒12,将采集的浮饵图像信息数据传输给控制系统,控制系统分析浮饵图像信息并且控制投饵机投饵动作。
如图3所示,CCD摄像头1距离水面高度为h,摄像头视角θ为30°左右,摄像头中心线与垂直线之间的夹角α为30°左右,α夹角即摄像头的安装角度。CCD摄像头1可拍摄的圆形范围的直径是d,直径d也是护料栏14的直径,直径d取决于高度h和摄像头视角θ以及摄像头的安装角度α,相互之间的关系表示为:
,
根据护料栏14确定CCD摄像头1在水面上采集的圆形范围大小,护料栏14将抛投的浮饵圈起来,避免因为浮饵飘走造成误判。
本发明先由CCD摄像头1采集RGB图片数据,然后通过USB传输协议交由控制盒12中的控制系统处理图片数据,处理图片时先将图片的RGB色彩模型转换为HSL模型,H、S、L分别代表色相、饱和度、明度三个颜色通道。本发明采用这种图片处理方法主要是为解决水面上的光照强度不稳定对图像处理结果的影响很大的问题。本发明减小光照强度影响方法是通过忽略明度L处理图片数据,只选取和浮饵H、S一致的像素点确定剩余浮饵数,这样不管外界光线如何改变都不会影响图片的处理。然后根据处理得到的剩余浮饵数据以控制投饵机工作,比如:剩余浮饵数多时,则控制系统产生一个占空比低的PWM波形并通过I/O口传输到变频器16,再由变频器16驱动抛料电机8,同时打开振动电磁铁5,这样就可以添加少量的浮饵;当剩余浮饵少时,则让控制系统产生一个占空比高的PWM波形并通过I/O口传输到变频器16,由变频器16驱动抛料电机8,同时打开振动电磁铁5,这样可以迅速补充大量的浮饵供鱼群消化。
如图4所示的投饵过程中水面剩余量和时间的关系模型图,图中横坐标是时间,单位s,纵坐标是浮饵量,单位g。S0代表投进水面的浮饵初始量,浮饵初始量S0的多少取决于圆形护料栏14的面积和嵌入式图像处理能力,即浮饵初始量S0不能过多或者过少,一般需满足:浮饵初始量S0面积占护料栏14所圈水面总面积的百分之九十左右。如果浮饵初始量S0过多,会影响图像采集,如果过少,在下一个时间段采集周期还没到时浮饵就全部被鱼群吃完,便采集不到鱼群的进食速度还影响鱼群的生长。图4中t0代表投饵机投饵t0时间后鱼群开始进食的响应时间,浮饵刚投进水面,鱼群一般需要经过时间t0嗅到浮饵并游过来进食,在经时间t0过后,鱼群进入投喂过程。
本发明将鱼群的一次投喂过程分成n个投饵时间段,每个投饵时间段T由t时间段和ri时间段组成,i=1,2,3,…,n,其中t时间段是鱼群进食时间,由控制系统根据采集的图像数据自动确定,在此t时间段投饵机不工作;ri时间段表示投饵机工作时间段,此时间段鱼群继续进食。例如,在第一个投饵时间段T,在t时间段只包括鱼群进食,投饵机不工作,而在r1时间段,投饵机工作补充饵料,鱼群继续进食。经过t时间段后,鱼群共进食浮饵量大小为(S0-Si)g,Si表示在i个投饵时间段结束时的剩余浮饵质量。剩余浮饵质量Si是根据所采集的此时图片数据中剩余浮饵所占面积ai计算得到的,Si=c*ai (i=1,2,3,…,n),系数c是图片中单个像素面积浮饵对应的实际浮饵质量。
在t时间段内,由于鱼群进食的速度是非匀速非线性的,本发明通过用微元法来计算鱼群平均进食速度k。如图5所示,将t时间段内的鱼群进食曲线图均匀微分成j个微小单元,这样非匀速的鱼群进食速度在每个单元内可以看做是匀速进食,即鱼群进食速度V=ΔS/Δt。又因为∑ΔS=S0-S1,∑Δt=t,将每个微小单元速度看成v1,v2,v3,…,vj,那么:
,
由于存在一个自然数k,使得j*k=v1+v2+v3+…+vj成立,所以得到:
,
而由于每个Δt是相等的,所以Δt*j=t,得到k=(S0-S1)/t。因此,采用来表示鱼群在第一个投饵时间段T内的进食速度,那么各个投饵时间段T鱼群进食速度的通用公式为:
。
投饵时需要综合鱼群进食速度、水面剩余浮饵量多种因素,获取这些数据需要通过投饵机上的CCD摄像头1实时采集,但由于投饵过程中,水面浮饵图片数据不稳定,而且空中的浮饵会遮挡水面剩余浮饵量,无法实现一直监测水面情况,所以本发明采用间歇性投饵方式并且使用BP人工神经网络预测控制单次时间段投饵的最佳方式。首先确定投饵机的控制方法关系式(y,r)=(S,k),其中y是当前时刻投饵机的投饵速度,r是当前时刻投饵机工作时间,S是当前时刻水面剩余浮饵量,k是当前时刻鱼群进食速度。
建立BP人工神经网络模型首先需要采集样本数据,在样本数据采集过程中,涉及到多个采样周期和时间段,为区分剩余浮饵量代表的是第几个周期和时间段,在实验过程中用Spi表示第p周期和第i时间段的剩余浮饵量,kpi表示第p周期和第i时间段的鱼群进食速度,rpi表示第p周期和第i时间段的投饵机持续工作时间,ypi表示第p周期和第i时间段的投饵速度。样本数据采集后,采用BP神经网络对样本数据进行训练,获得BP神经网络关系模型(y,r)=(S,k),根据该模型实现浮饵自动投放的最优控制。具体如下:
(一)数据样本采集
步骤A:将投饵机安置在养殖池塘岸边,调整并固定好护料栏14,确保投出的饵料处于护料栏14内部,并根据护料栏14调整CCD摄像头1的安装高度和角度,确保可采集到整个护料栏14内部的浮饵信息。在开始采集信息前,需先,投放浮饵初始量大小是S0,浮饵初始量S0大小需要根据多次实验确定它的阈值,上限由嵌入式图像处理能力决定,初始浮饵量不能多到影响图像处理结果,即浮饵多到重叠或者多的超出护料栏14的范围;下限是在单个投饵时间段T内有足够的浮饵供鱼群进食,不能在单个投饵时间段T周期内存在鱼群进食空闲期。
步骤B:在投放浮饵初始量S0到水面上后,经t0秒后鱼群开始进食,此时控制系统启动CCD摄像头1开始监测水面剩余浮饵量情况,经过t秒后,鱼群消化浮饵一定量后不够吃,此时CCD摄像头1采集实时浮饵图片,进行第一次实时图片数据采集,并将图片数据送入控制系统,控制系统对图片数据进行处理,根据如下通用公式计算此时的水面剩余浮饵量S11:
,
其中系数c是浮饵图片中单个像素面积浮饵对应的实际浮饵质量,api是第p个采样周期第i时间段内剩余浮饵所占浮饵图片的面积,共b个采样周期,并根据通用公式:
计算出当前鱼群进食实时速度k 11。
步骤C:启动投饵机,电机8工作,开始投放饵料,提高投饵机的电机8转速y11,即投饵速度y11,使投饵速度y11大于鱼群进食速度k 11。在投饵机工作r11时间后,此时水面浮饵再次增长到浮饵初始量S0大小时,记录下此时的投饵速度y11和投饵机工作时间r11,暂停投饵机工作一会儿等待下次观察。
由此,采集到了第一个时间段T鱼群进食情况,获得了这一时间段的水面剩余浮饵量S11、当前鱼群进食实时速度k 11、投饵速度y11和投饵机工作时间r11。
步骤D:重复执行步骤B和步骤C,并计算出水面剩余浮饵S12、当前鱼群进食实时速度k 12在水面浮饵增长到浮饵初始量S0大小时,记录下此时的投饵速度y12和投饵机工作时间r12。
由此,采集到了第二个时间段T鱼群进食情况,获得了这一时间段的水面剩余浮饵量S12、当前鱼群进食实时速度k 12、投饵速度y12和投饵机工作时间r12。
以此类推重复执行步骤D,直至采集到第n个时间段T的鱼群进食情况,此时浮饵被消化速度趋于0,表明一个投饵数据采集周期也就是一次投喂周期的整个过程结束,将所有数据记录到数组B1,完成第一个采样周期。
步骤E:开始进行第二个采样周期,首先设置好投饵初始量大小是S0,然后重复步骤B、C、D,得到第二个采样周期对应的水面剩余浮饵量S21、S22、S23、…S2i和鱼群进食速度k21、k22、k23、…k2i和投饵机工作时间r21、r22、r23、…r2i 和投饵速度y21、y22、y23、…y2i,将所有数据记录到数组B2,第二个采样周期结束。
步骤F:以此类推,进行第三个采样周期,将采集到的水面剩余浮饵量S21、S22、S23、…S2i,鱼群进食速度k31、k32、k33、…k3i,投饵机工作时间r31、r32、r33、…r3i和投饵速度y31、y32、y33、…y3i存储到数组B3中。将第四个采样周期采集到的数据存到B4中,一直到第n个采样周期,记录到数组Bn,数据样本采集结束,此时共进行n次采样。
(二)数据样本训练
本发明将采集的数据样本采用BP神经网络实现,以鱼群进食速度kpi,水面剩余浮饵量Spi为输入,投饵速度ypi和投饵机工作时间rpi为输出进行训练,通过BP神经网络拟合得出它们之间的关系式(y,r)=(S,k),具体如下:
步骤1:为加快训练网络的收敛性,先对数组B1、B2、…Bn中的数据进行归一化处理,然后将得到的样本数据分成训练样本和测试样本,训练样本由于创建BP神经网络模型,测试样本用于修正模型。
步骤2:以步骤1中训练样本数据中的鱼群进食速度k,水面剩余浮饵量S为输入作为BP神经网络的输入变量,以投饵速度y和投饵机工作时间r作为BP神经网络的输出变量,建立BP神经网络模型。其中,BP神经网络隐层单元数目在使用中可根据实际情况作适当调整。
步骤3:利用步骤1中的测试样本数据对该模型进行测试修正,通过修正该模型相关参数,使得实际测量值与模型输出值之间的相对误差尽可能的小,最终完成整个BP神经网络的训练过程,得出关系式(y,r)=(S,k)。
(三)最优控制指令
本发明中的投饵机最优控制指令的产生就是根据数据样本训练部分得出的数学关系式(y,r)=(S,k)产生,以实际投喂周期内第一投饵时间段T为例,具体如下:
投放初始浮饵量S0完毕后,控制系统启动CCD摄像头1开始监测水面剩余浮饵量情况,在鱼群进食过t秒后,水面浮饵剩余不足,记录此时的剩余浮饵量S1以及计算出当前鱼群进食速度k1,然后根据数学关系式(y,r)=(S,k),计算出当前最适合的投饵速度y1和投饵工作时间r1,并且对投饵机进行实时控制,直到r1时间后,这样单次投饵时间段T结束,此时如果水面上的剩余浮饵量是S0左右,即作为下个投饵时间段的初始浮饵量S0大小,既满足不影响图像数据处理也满足下一个时间段足够鱼群吃一段时间,那么该控制指令是最优控制指令。因此,对于整个投饵过程,在鱼群进食过t秒后,先计算出此时水面剩余浮饵量S以及当前鱼群进食速度k,再根据BP神经网络模型(y,r)=(S,k)计算出当前投饵速度y和投饵工作时间r,以当前投饵速度y和投饵工作时间r作为最优控制参数控制投饵机自动投饵。
Claims (3)
1. 一种循环水养殖浮饵自动投放方法,采用循环水养殖浮饵自动投放装置,该装置包括一个投饵机和一个CCD摄像头(1),投饵机的最上部是料斗(2),中间部分是位于料斗(2)下方的振动下料机构(3),最下部是底座(10);CCD摄像头(1)位于料斗(2)右上方且通过连接杆(17)连接于料斗(2);浮饵位于浮在水面上的封闭护料栏(14)内部,CCD摄像头(1)采集浮饵图片; 振动下料机构(3)由接料口(6)、支架(4)、振动电磁铁(5)和弹簧(15)组成,接料口(6)固定连接支架(4),接料口(6)左端是位于料斗(2)出口下方的进口,接料口(6)右端是低于进口的出口;支架(4)正下方放置振动电磁铁(5),振动电磁铁(5)上端连接支架(4),下端固定连接底座(10);弹簧(15)上端连接支架(4),下端固定于底座(10)上;接料口(6)右侧设置抛料口(7)和电机(8),抛料口(7)下端连接电机(8);电机(8)的输出轴上装有电机叶片,电机叶片位于抛料口(7)内部,电机(8)连接变频器(16),变频器(16)、CCD摄像头(1)、振动电磁铁(5)均连接于控制系统,其特征是包括以下步骤:
步骤1:将投饵机安置在养殖池塘岸边,调整CCD摄像头(1)确保采集到整个护料栏(14)内部的浮饵图片信息,投放初始量S0的浮饵;
步骤2:经t0秒后鱼群开始进食,再经过t秒后, CCD摄像头(1)采集浮饵图片,控制系统根据通用公式计算出此时的水面剩余浮饵量S11和当前鱼群进食实时速度k 11;c是浮饵图片中单个像素面积浮饵对应的实际浮饵质量,api是第p个采样周期第i时间段内剩余浮饵所占浮饵图片的面积;
步骤3:启动投饵机工作,提高电机(8)的投饵速度y11使其大于鱼群进食速度k 11,在投饵机工作r11时间后,水面浮饵再次增长到浮饵初始量S0大小时,记录下此时的投饵速度y11和投饵机工作时间r11;由此采集到第一个时间段鱼群进食情况,即获得水面剩余浮饵量S11、当前鱼群进食实时速度k 11、投饵速度y11和投饵机工作时间r11;
步骤4:重复执行步骤2、3,直至采集到第n个时间段的鱼群进食情况,此时浮饵被消化速度趋于0,将所有数据记录到数组B1,完成第一个采样周期;
步骤5:进行第二个采样周期,得到数组B2;以此类推,直到第n个采样周期结束,得到数组Bn;
步骤6:将数组B1、B2、…Bn中的数据分成训练样本和测试样本,训练样本用于创建BP神经网络模型,测试样本用于修正模型;以训练样本数据中的鱼群进食速度k、水面剩余浮饵量S作为BP神经网络的输入变量,以投饵速度y和投饵机工作时间r作为输出变量,建立BP神经网络模型(y,r)=(S,k);
步骤7:启动CCD摄像头(1)监测水面剩余浮饵量情况,在鱼群进食过t秒后,先计算出此时水面剩余浮饵量S以及当前鱼群进食速度k,再根据BP神经网络模型(y,r)=(S,k)计算出当前投饵速度y和投饵工作时间r,以当前投饵速度y和投饵工作时间r作为最优控制参数控制投饵机自动投饵。
2.根据权利要求1所述的投放方法,其特征是:CCD摄像头(1)采集浮饵的RGB图片数据,通过USB传输协议由控制系统处理,处理时先将图片的RGB色彩模型转换为HSL模型,选取和浮饵H、S一致的像素点确定剩余浮饵数。
3.根据权利要求1所述的投放方法,其特征是:浮饵初始量S0面积占护料栏(14)所圈水面总面积的百分之九十。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510513763.0A CN105104278B (zh) | 2015-08-20 | 2015-08-20 | 循环水养殖浮饵自动投放方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510513763.0A CN105104278B (zh) | 2015-08-20 | 2015-08-20 | 循环水养殖浮饵自动投放方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105104278A CN105104278A (zh) | 2015-12-02 |
CN105104278B true CN105104278B (zh) | 2017-07-18 |
Family
ID=54652624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510513763.0A Active CN105104278B (zh) | 2015-08-20 | 2015-08-20 | 循环水养殖浮饵自动投放方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105104278B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106472332B (zh) * | 2016-10-10 | 2019-05-10 | 重庆科技学院 | 基于动态智能算法的宠物喂养方法及系统 |
CN106614211A (zh) * | 2016-10-21 | 2017-05-10 | 柳州凡科技有限公司 | 人工湖自动化饲料喂鱼机 |
CN107094683B (zh) * | 2017-04-13 | 2020-11-27 | 同济大学 | 一种水产养殖的自动投饵和水质监测控制系统 |
CN108375906A (zh) * | 2018-03-20 | 2018-08-07 | 北京农业信息技术研究中心 | 一种基于模糊算法的水产鱼类投喂量预估方法 |
CN108401958B (zh) * | 2018-05-14 | 2019-12-03 | 浙江省海洋水产研究所 | 一种带鱼循环投饵装置 |
CN108921716A (zh) * | 2018-05-31 | 2018-11-30 | 厦门海洋职业技术学院 | 一种水产养殖投料系统 |
CN110506687A (zh) * | 2019-08-13 | 2019-11-29 | 河南机电职业学院 | 一种自动调节喂食量的喂食器及其使用方法 |
CN110384063B (zh) * | 2019-09-03 | 2022-05-13 | 福建省农业科学院生物技术研究所 | 一种投料方法和系统 |
CN110637613A (zh) * | 2019-10-31 | 2020-01-03 | 张荣林 | 一种全自动玉米脱粒机 |
CN110622704A (zh) * | 2019-10-31 | 2019-12-31 | 张荣林 | 一种玉米脱粒机 |
CN110574556A (zh) * | 2019-10-31 | 2019-12-17 | 张荣林 | 玉米脱粒机 |
CN111449009B (zh) * | 2020-03-17 | 2022-04-29 | 佛山市高明区易海农业技术服务有限公司 | 投饵方法及投饵系统 |
CN111567464A (zh) * | 2020-06-08 | 2020-08-25 | 合肥万康渔业科技有限公司 | 一种鱼饵投放控制系统 |
CN112136741A (zh) * | 2020-08-28 | 2020-12-29 | 盐城工学院 | 视觉面积精准喂食方法 |
CN112764373B (zh) * | 2020-12-29 | 2022-09-13 | 上海海洋大学 | 一种可伸缩的智能养殖平台及控制系统和控制方法 |
WO2023027647A1 (en) * | 2021-08-25 | 2023-03-02 | Kangvansaichol Kunn | System and process in monitoring aquatic animals' growth and health status |
CN113994911B (zh) * | 2021-10-29 | 2023-07-25 | 上海斯普威尔电气有限公司 | 一种自动喂养器及其控制方法 |
CN114176054A (zh) * | 2021-12-08 | 2022-03-15 | 聂福顺 | 反底钓浮饵及其制备方法 |
CN114228936B (zh) * | 2021-12-30 | 2023-01-31 | 深圳中科讯联科技股份有限公司 | 一种抛料控制方法、装置及航行设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101779606B (zh) * | 2009-07-25 | 2012-08-29 | 吴海钧 | 一种防鼠投饲机 |
NO337305B1 (no) * | 2012-12-20 | 2016-03-07 | Ebtech As | System og fremgangsmåte for beregning av fysiske størrelser for fritt bevegelige objekter i vann |
US20150208619A1 (en) * | 2014-01-27 | 2015-07-30 | Joshua Devon Noble | Temperature Regulated Automatic Aquarium Feeder |
CN204393101U (zh) * | 2015-01-04 | 2015-06-17 | 安徽合胜通信科技有限公司 | 一种自动投饵控制系统 |
CN204426357U (zh) * | 2015-01-29 | 2015-07-01 | 南京信息工程大学 | 一种全自动喂鱼机 |
CN104621021B (zh) * | 2015-03-05 | 2016-08-31 | 浙江大学 | 基于计算机视觉技术的鱼类摄食节律自动检测装置及方法 |
-
2015
- 2015-08-20 CN CN201510513763.0A patent/CN105104278B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105104278A (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105104278B (zh) | 循环水养殖浮饵自动投放方法与装置 | |
CN204670133U (zh) | 一种水产养殖全自动饲料供给装置 | |
CN107114291A (zh) | 一种基于声纳技术的大水体气力式智能投饲系统 | |
CN206005512U (zh) | 猪用喂料装置 | |
CN106818610A (zh) | 一种养殖池塘底质监测系统 | |
CN107969366B (zh) | 一种适用于渔业养殖的太阳能投饵系统 | |
CN105638539B (zh) | 一种室内工厂化水产养殖自动投饲系统 | |
CN108375548A (zh) | 一种基于大数据的鱼塘养殖投料评估系统 | |
CN205389999U (zh) | 一种室内工厂化水产养殖自动投饲系统 | |
CN111567464A (zh) | 一种鱼饵投放控制系统 | |
CN107751074A (zh) | 一种水产养殖用饲料投喂装置和使用方法 | |
CN114128661A (zh) | 一种基于河蟹生长模型的池塘河蟹精准投饵方法 | |
CN106069961A (zh) | 基于螺旋输送式船载自动投饲系统的深水网箱投饲方法 | |
CN208047751U (zh) | 一种水产养殖自动投料机 | |
CN104782537B (zh) | 一种龙纹斑幼鱼的仿自然生态投喂方法 | |
CN212279439U (zh) | 一种海面吊绳养殖入苗机 | |
CN211241311U (zh) | 一种水产养殖孵化桶 | |
CN110178777B (zh) | 一种养殖水域区域饵料投放装置 | |
CN208523523U (zh) | 一种具有摄像监控功能的鱼苗分级浮饵投料网箱 | |
CN105159368A (zh) | 一种室内甲鱼养殖监控系统 | |
CN206895582U (zh) | 一种养殖集装箱的自动投料系统 | |
CN210352720U (zh) | 一种养殖水域区域饵料投放装置 | |
TWM623320U (zh) | 太陽能物聯網智慧浮式投餌系統 | |
CN114403082A (zh) | 一种热电效应实时智能控制的养殖池 | |
CN210247997U (zh) | 一种水产养殖投料装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |