CN105511346B - 一种用于深水网箱养殖的鱼类投饵量控制系统 - Google Patents
一种用于深水网箱养殖的鱼类投饵量控制系统 Download PDFInfo
- Publication number
- CN105511346B CN105511346B CN201510870876.6A CN201510870876A CN105511346B CN 105511346 B CN105511346 B CN 105511346B CN 201510870876 A CN201510870876 A CN 201510870876A CN 105511346 B CN105511346 B CN 105511346B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- water
- history
- moment
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- 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
Abstract
本发明公开了一种用于深水网箱养殖的鱼类投饵量控制系统,其通过用控制主机获取受控深水网箱在n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速和养殖鱼类体重,并将获取到的数据放入支持向量机模型中进行处理,再基于支持向量机模型的均方误差和平方相关系数的评断选取出最优支持向量机模型,能够根据受控深水网箱当前所养殖鱼类在当前时刻的环境因子数据预测出养殖鱼类体重预测结果,再基于该结果发出对应投饵量控制指令,使得深水网箱所设置的投饵机按投饵量控制指令投饵。本发明能对各个深水网箱实现在特定环境因子下的自动化、高精度投喂,减少了因不合理的饲料投喂所带来的饵料浪费、环境污染等问题,大大了提高养殖效益。
Description
技术领域
本发明涉及一种用于深水网箱养殖的鱼类投饵量控制系统。
背景技术
我国海水养殖随着深水网箱养殖规模化、集约化及远海养殖拓展,对深水网箱养殖准确、及时的养殖控制提出更高的要求,测控技术应用于深水网箱养殖全方位立体化监控变得非常重要。由于深水网箱养殖现场离岸较远,人工值守监控也会“百密一疏”,造成损失。常规的有线监控,由于海洋养殖环境则因网络布线给施工和养殖船舶带来极大不便,而且有线网络非常容易遭到破坏。
深水网箱养殖过程中对养殖对象、网衣、养殖环境等进行全面地监测,深水网箱养殖机械化、自动化、精准化的最终目标,而对养殖相关参数的采集与传输系统的研究是基础。水质参数的自动监测是保障水产品养殖安全的主要技术手段之一,是自动调控的参考依据,深水网箱养殖将是多方面远程监测与自适应调控相结合、高度自动化的养殖产业。
发明内容
本发明所要解决的技术问题是:提供一种用于深水网箱养殖的鱼类投饵量控制系统。
解决上述技术问题,本发明所采用的技术方案如下:
一种用于深水网箱养殖的鱼类投饵量控制系统,能够采集多个分布在不同地域的深水网箱在养殖区域内的养殖环境因子数据,其特征在于:所述的鱼类投饵量控制系统设有一个主节点装置、一台控制主机,对应每一个所述深水网箱设有一套数据采集设备、一组投饵机和一个从节点装置;每一套数据采集设备、每一组投饵机和每一个从节点装置均安装在对应的深水网箱上,每一个从节点装置均通过总线连接对应的数据采集设备,每一个从节点装置均连接对应投饵机的控制端,所述主节点装置和各个从节点装置接入一WiFi网络,所述主节点装置通过RS485总线连接所述控制主机,使得每一个从节点装置均能够将对应数据采集设备采集到的养殖环境因子数据通过所述WiFi网络发送到所述主节点装置进行存储,并且,使得所述控制主机能够读取所述主节点装置存储的养殖环境因子数据;其中,所述数据采集设备包括水温传感器、盐度传感器、溶解氧传感器和水流流速传感器,所述养殖环境因子数据包括水温传感器、盐度传感器、溶解氧传感器和水流流速传感器按预设的时间间隔采集到的受控深水网箱在养殖区域内的水温、盐度、溶解氧浓度和水流流速数据;
所述控制主机将任意一个所述深水网箱作为受控深水网箱,按以下步骤控制该深水网箱所设投饵机的投饵量:
步骤一、从所述主节点装置存储的养殖环境因子数据中读取受控深水网箱在n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速,并读取通过人工测量获得的受控深水网箱中对应于该n个历史采集时刻的养殖鱼类体重,其中,n为正整数,该n个历史采集时刻属于受控深水网箱当前所养殖的养殖鱼类的养殖周期之内;
步骤二、对步骤一获得的n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速和养殖鱼类体重按量纲分别进行归一化处理,得到n组样本集T={(xi,yi)|i=1,2···,n},其中,第i组样本集中的列向量 和分别表示归一化后的第i个历史采集时刻的水温、盐度、溶解氧浓度和水流流速,yi表示归一化后的第i个历史采集时刻的养殖鱼类体重;
步骤三、在2-10至26的取值范围内按相同的取值间隔选取m1个误差惩罚因子C的取值,在2-10至24的取值范围内按相同的取值间隔选取m2个的核参数γ的取值、在0.001至1的取值范围内按相同的取值间隔选取m3个不敏感损失系数ε的取值,从而形成m1×m2×m3组由误差惩罚因子C、核参数γ和不敏感损失系数ε组成的参数组,其中,m1、m2和m3均为大于1的正整数;
并且,对应每一组所述参数组建立一个支持向量机模型如下:
其中,f(x)表示在自变量x的条件下所述受控深水网箱中的养殖鱼类体重预测值,x为依次由水温、盐度、溶解氧浓度和水流流速组成的列向量;
拉格朗日乘子和拉格朗日乘子通过将步骤二得到的第1至第n组样本集中的列向量x1,x2,…,xn全部代入以下方程组联立求解得到:
核函数K(xi,x)=exp(-γ||x-xi||2),γ>0;
偏移量的计算公式为:
步骤四、将步骤三建立的每一个支持向量机模型中的自变量x均分别取值为步骤二得到的第1至第n组样本集中的列向量x1,x2,…,xn,计算得到步骤三建立的每一个支持向量机模型依次在x1,x2,…,xn条件下的养殖鱼类体重预测值f(x1),f(x2),…,f(xn);
步骤五、依据步骤四的结果,按下式分别计算步骤三建立的每一个支持向量机模型的均方误差并比较各个支持向量机模型的均方误差大小,将均方误差MSE最接近于0的支持向量机模型选取为最优支持向量机模型;如果比较结果为含有多个均方误差MSE最接近于0的支持向量机模型,则计算平方相关系数其中,平均值并选取均方误差MSE最接近于0且平方相关系数SCC最接近于1的支持向量机模型为最优支持向量机模型;
步骤六、用步骤一所述水温传感器、盐度传感器、溶解氧传感器和水流流速传感器采集当前时刻受控深水网箱在养殖区域内的水温、盐度、溶解氧浓度和水流流速,并将它们分别进行步骤二所述的归一化处理,得到归一化后的受控深水网箱在养殖区域内的当前水温、当前盐度、当前溶解氧浓度和当前水流流速,并将它们代入到步骤五选出的最优支持向量机模型的自变量x中,并将该最优支持向量机模型计算出的结果f(x)进行对应于步骤二所述归一化处理的反归一化处理,得到受控深水网箱在当前水温、当前盐度、当前溶解氧浓度和当前水流流速的条件下的养殖鱼类体重预测结果;
步骤七、按预设的养殖鱼类体重预测结果与投饵量的对应关系发出对应的投饵量控制指令,并将该投饵量控制指令经由所述主节点装置通过所述WiFi网络传输给对应受控深水网箱所设置的从节点装置,通过该从节点装置控制所述受控深水网箱所设置的投饵机按接收到的投饵量控制指令投饵。
其中,所述的步骤二中:
的归一化公式为:X1 i为步骤一采集到的第i个历史采集时刻的水温,X1 max为步骤一采集到的n个历史采集时刻的水温中的最大值,X1 min为步骤一采集到的n个历史采集时刻的水温中的最小值;
的归一化公式为:X2 i为步骤一采集到的第i个历史采集时刻的盐度,X2 max为步骤一采集到的n个历史采集时刻的盐度中的最大值,X2 min为步骤一采集到的n个历史采集时刻的盐度中的最小值;
的归一化公式为:X3 i为步骤一采集到的第i个历史采集时刻的溶解氧浓度,X3 max为步骤一采集到的n个历史采集时刻的溶解氧浓度中的最大值,X3 min为步骤一采集到的n个历史采集时刻的溶解氧浓度中的最小值;
的归一化公式为:X4 i为步骤一采集到的第i个历史采集时刻的水流流速,X4 max为步骤一采集到的n个历史采集时刻的水流流速中的最大值,X4 min为步骤一采集到的n个历史采集时刻的水流流速中的最小值。
作为本发明的优选实施方式,所述的从节点装置包括用于连接所述总线的总线通信接口电路、单片机、从节点WiFi模块、从节点功率放大电路和用于为从节点装置供电的供电电源;所述单片机连接所述总线通信接口电路,所述单片机通过从节点WiFi模块连接所述从节点功率放大电路,所述单片机连接所述对应的投饵机。
作为本发明的优选实施方式,所述单片机的型号为STM8,所述从节点WiFi模块的型号为RT5350。
作为本发明的优选实施方式,所述的主节点装置包括控制器、用于存储所述养殖环境因子数据的存储器、主节点WiFi模块、主节点功率放大电路、外部充电接口、充电电路、蓄电池和用于向主节点装置供电的电源电路;所述控制器连接所述存储器,所述控制器通过主节点WiFi模块连接所述主节点功率放大电路,所述外部充电接口依次通过所述充电电路和蓄电池连接所述电源电路,所述控制器通过所述RS485总线连接所述控制主机。
为了便于监控养殖环境因子数据,作为本发明的一种改进,所述的主节点装置还包括用于显示所述养殖环境因子数据的TFT显示屏;所述控制器连接所述TFT显示屏。
为了控制主节点装置工作,作为本发明的一种改进,所述的主节点装置还包括触摸屏;所述控制器连接所述触摸屏。
作为本发明的优选实施方式,所述控制器的型号为MSP430,所述主节点WiFi模块的型号为RT5350。
作为本实用新型的优选实施方式,所述的数据采集设备还包括PH值传感器、电导率传感器和摄像机;所述养殖环境因子数据还包括PH值传感器采集到的深水网箱养殖区域PH值、电导率传感器采集到的深水网箱养殖区域电导率和摄像机采集到的深水网箱养殖区域实时视频。
作为本发明的优选实施方式,所述的WiFi网络由WiFi路由器搭建而成,所述主节点装置和各个从节点装置通过该WiFi路由器接入所述WiFi网络,并且,任意一个所述从节点装置与所述WiFi路由器之间的距离超过预设传输距离的,该从节点装置通过WiFi中继器与所述WiFi路由器进行网络联接。
为了便于监控养殖环境因子数据,作为本发明的一种改进,所述的鱼类投饵量控制系统还包括移动终端和固定终端,所述移动终端和固定终端通过3G无线网络或4G无线网络接入所述WiFi网络,使得所述移动终端和固定终端能够读取所述主节点装置存储的养殖环境因子数据并进行显示。
与现有技术相比,本发明具有以下有益效果:
第一,本发明能够通过WiFi网络和各个从节点装置将由各个数据采集设备采集到的每一个深水网箱在养殖区域内的养殖环境因子数据传输给主节点装置进行存储,并能够用控制主机读取主节点装置存储的养殖环境因子数据,使得控制主机能够通过获取受控深水网箱在n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速,并将获取到的数据放入支持向量机模型中进行处理,再基于支持向量机模型的均方误差和平方相关系数的评断选取出最优支持向量机模型,从而,能够根据受控深水网箱当前所养殖鱼类在当前时刻的水温、盐度、溶解氧浓度和水流流速预测出养殖鱼类体重预测结果,再基于该养殖鱼类体重预测结果发出对应的投饵量控制指令,使得从节点装置控制对应的受控深水网箱所设置的投饵机按接收到的投饵量控制指令投饵;因此,本发明能够实现对多个分布在不同地域的深水网箱的统一养殖环境因子数据采集,并且,对各个深水网箱实现在特定的环境因子(即水温、盐度、溶解氧浓度、水流流速)下的自动化、高精度投喂,减少了因不合理的饲料投喂所带来的饵料浪费、环境污染等问题,能够提高饲料的利用效率、降低环境污染、降低养殖成本、大大提高养殖效益。
第二,本发明通过增设摄像机,通过实时视频能够便于及时察觉网箱养殖囊网破损等突发状况,减少网箱养殖鱼类逃逸的发生,提高养殖安全性。
第三,本发明通过设置移动终端或固定终端实现对给各个深水网箱的网箱养殖实时监控。
附图说明
下面结合附图和具体实施例对本发明作进一步的详细说明:
图1为本发明的鱼类投饵量控制系统的系统框图。
具体实施方式
如图1所示,本发明用于深水网箱养殖的鱼类投饵量控制系统,能够采集多个分布在不同地域的深水网箱在养殖区域内的养殖环境因子数据,其设有一个主节点装置、一台控制主机,对应每一个深水网箱设有一套数据采集设备、一组投饵机和一个从节点装置。
上述每一套数据采集设备、每一组投饵机和每一个从节点装置均安装在对应的深水网箱上,每一个从节点装置均通过总线连接对应的数据采集设备,每一个从节点装置均连接对应投饵机的控制端,主节点装置和各个从节点装置接入一WiFi网络,主节点装置通过RS485总线连接控制主机,使得每一个从节点装置均能够将对应数据采集设备采集到的养殖环境因子数据通过WiFi网络发送到主节点装置进行存储,并且,使得控制主机能够读取主节点装置存储的养殖环境因子数据;其中,所述数据采集设备包括水温传感器、盐度传感器、溶解氧传感器和水流流速传感器,所述养殖环境因子数据包括水温传感器、盐度传感器、溶解氧传感器和水流流速传感器按预设的时间间隔采集到的受控深水网箱在养殖区域内的水温、盐度、溶解氧浓度和水流流速数据;
所述控制主机将任意一个所述深水网箱作为受控深水网箱,按以下步骤控制该深水网箱所设投饵机的投饵量:
步骤一、从所述主节点装置存储的养殖环境因子数据中读取受控深水网箱在n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速,并读取通过人工测量获得的受控深水网箱中对应于该n个历史采集时刻的养殖鱼类体重,其中,n为正整数,该n个历史采集时刻属于受控深水网箱当前所养殖的养殖鱼类的养殖周期之内;
步骤二、对步骤一获得的n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速和养殖鱼类体重按量纲分别进行归一化处理,得到n组样本集T={(xi,yi)|i=1,2···,n},其中,第i组样本集中的列向量 和分别表示归一化后的第i个历史采集时刻的水温、盐度、溶解氧浓度和水流流速,yi表示归一化后的第i个历史采集时刻的养殖鱼类体重;
其中,的归一化公式为:X1 i为步骤一采集到的第i个历史采集时刻的水温,X1 max为步骤一采集到的n个历史采集时刻的水温中的最大值,X1 min为步骤一采集到的n个历史采集时刻的水温中的最小值;
的归一化公式为:X2 i为步骤一采集到的第i个历史采集时刻的盐度,X2 max为步骤一采集到的n个历史采集时刻的盐度中的最大值,X2 min为步骤一采集到的n个历史采集时刻的盐度中的最小值;
的归一化公式为:X3 i为步骤一采集到的第i个历史采集时刻的溶解氧浓度,X3 max为步骤一采集到的n个历史采集时刻的溶解氧浓度中的最大值,X3 min为步骤一采集到的n个历史采集时刻的溶解氧浓度中的最小值;
的归一化公式为:X4 i为步骤一采集到的第i个历史采集时刻的水流流速,X4 max为步骤一采集到的n个历史采集时刻的水流流速中的最大值,X4 min为步骤一采集到的n个历史采集时刻的水流流速中的最小值。
步骤三、在2-10至26的取值范围内按相同的取值间隔选取m1个误差惩罚因子C的取值,在2-10至24的取值范围内按相同的取值间隔选取m2个的核参数γ的取值、在0.001至1的取值范围内按相同的取值间隔选取m3个不敏感损失系数ε的取值,从而形成m1×m2×m3组由误差惩罚因子C、核参数γ和不敏感损失系数ε组成的参数组,其中,m1、m2和m3均为大于1的正整数;
并且,对应每一组所述参数组建立一个支持向量机模型如下:
其中,f(x)表示在自变量x的条件下所述受控深水网箱中的养殖鱼类体重预测值,x为依次由水温、盐度、溶解氧浓度和水流流速组成的列向量;
拉格朗日乘子和拉格朗日乘子通过将步骤二得到的第1至第n组样本集中的列向量x1,x2,…,xn全部代入以下方程组联立求解得到:
核函数K(xi,x)=exp(-γ||x-xi||2),γ>0;
偏移量的计算公式为:
步骤四、将步骤三建立的每一个支持向量机模型中的自变量x均分别取值为步骤二得到的第1至第n组样本集中的列向量x1,x2,…,xn,计算得到步骤三建立的每一个支持向量机模型依次在x1,x2,…,xn条件下的养殖鱼类体重预测值f(x1),f(x2),…,f(xn);
步骤五、依据步骤四的结果,按下式分别计算步骤三建立的每一个支持向量机模型的均方误差并比较各个支持向量机模型的均方误差大小,将均方误差MSE最接近于0的支持向量机模型选取为最优支持向量机模型;如果比较结果为含有多个均方误差MSE最接近于0的支持向量机模型,则计算平方相关系数其中,平均值并选取均方误差MSE最接近于0且平方相关系数SCC最接近于1的支持向量机模型为最优支持向量机模型;
步骤六、用步骤一所述水温传感器、盐度传感器、溶解氧传感器和水流流速传感器采集当前时刻受控深水网箱在养殖区域内的水温、盐度、溶解氧浓度和水流流速,并将它们分别进行步骤二所述的归一化处理,得到归一化后的受控深水网箱在养殖区域内的当前水温、当前盐度、当前溶解氧浓度和当前水流流速,并将它们代入到步骤五选出的最优支持向量机模型的自变量x中,并将该最优支持向量机模型计算出的结果f(x)进行对应于步骤二所述归一化处理的反归一化处理,得到受控深水网箱在当前水温、当前盐度、当前溶解氧浓度和当前水流流速的条件下的养殖鱼类体重预测结果;
步骤七、按预设的养殖鱼类体重预测结果与投饵量的对应关系发出对应的投饵量控制指令,并将该投饵量控制指令经由所述主节点装置通过所述WiFi网络传输给对应受控深水网箱所设置的从节点装置,通过该从节点装置控制所述受控深水网箱所设置的投饵机按接收到的投饵量控制指令投饵,其中,预设的养殖鱼类体重预测结果与投饵量的对应关系按照受控深水网箱中的养殖鱼类的种类进行设定。
上述从节点装置包括用于连接总线的总线通信接口电路、单片机、从节点WiFi模块、从节点功率放大电路和用于为从节点装置供电的供电电源;单片机连接总线通信接口电路,单片机通过从节点WiFi模块连接从节点功率放大电路,单片机连接对应的投饵机。其中,单片机的型号可以优选为STM8,从节点WiFi模块的型号可以优选为RT5350。
上述主节点装置包括控制器、用于存储养殖环境因子数据的存储器、主节点WiFi模块、主节点功率放大电路、外部充电接口、充电电路、蓄电池、用于向主节点装置供电的电源电路、用于显示养殖环境因子数据的TFT显示屏和触摸屏;控制器连接存储器,控制器通过主节点WiFi模块连接主节点功率放大电路,外部充电接口依次通过充电电路和蓄电池连接电源电路,控制器通过RS485总线连接控制主机,控制器分别连接TFT显示屏和触摸屏。其中,控制器的型号可以优选为MSP430,主节点WiFi模块的型号可以优选为RT5350。
上述WiFi网络由WiFi路由器搭建而成,主节点装置和各个从节点装置通过该WiFi路由器接入WiFi网络,并且,任意一个从节点装置与WiFi路由器之间的距离超过预设传输距离的,该从节点装置通过WiFi中继器与WiFi路由器进行网络联接。
本发明的鱼类投饵量控制系统还可以增设移动终端和固定终端,移动终端和固定终端通过3G无线网络或4G无线网络接入WiFi网络,使得移动终端和固定终端能够读取主节点装置存储的养殖环境因子数据并进行显示。
另外,本发明的数据采集设备还可以增设PH值传感器、电导率传感器和摄像机;从而,上述养殖环境因子数据还包括PH值传感器采集到的深水网箱养殖区域PH值、电导率传感器采集到的深水网箱养殖区域电导率和摄像机采集到的深水网箱养殖区域实时视频。
本发明不局限于上述具体实施方式,根据上述内容,按照本领域的普通技术知识和惯用手段,在不脱离本发明上述基本技术思想前提下,本发明还可以做出其它多种形式的等效修改、替换或变更,均落在本发明的保护范围之中。
Claims (10)
1.一种用于深水网箱养殖的鱼类投饵量控制系统,能够采集多个分布在不同地域的深水网箱在养殖区域内的养殖环境因子数据,其特征在于:所述的鱼类投饵量控制系统设有一个主节点装置、一台控制主机,对应每一个所述深水网箱设有一套数据采集设备、一组投饵机和一个从节点装置;每一套数据采集设备、每一组投饵机和每一个从节点装置均安装在对应的深水网箱上,每一个从节点装置均通过总线连接对应的数据采集设备,每一个从节点装置均连接对应投饵机的控制端,所述主节点装置和各个从节点装置接入一WiFi网络,所述主节点装置通过RS485总线连接所述控制主机,使得每一个从节点装置均能够将对应数据采集设备采集到的养殖环境因子数据通过所述WiFi网络发送到所述主节点装置进行存储,并且,使得所述控制主机能够读取所述主节点装置存储的养殖环境因子数据;其中,所述数据采集设备包括水温传感器、盐度传感器、溶解氧传感器和水流流速传感器,所述养殖环境因子数据包括水温传感器、盐度传感器、溶解氧传感器和水流流速传感器按预设的时间间隔采集到的受控深水网箱在养殖区域内的水温、盐度、溶解氧浓度和水流流速数据;
所述控制主机将任意一个所述深水网箱作为受控深水网箱,按以下步骤控制该深水网箱所设投饵机的投饵量:
步骤一、从所述主节点装置存储的养殖环境因子数据中读取受控深水网箱在n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速,并读取通过人工测量获得的受控深水网箱中对应于该n个历史采集时刻的养殖鱼类体重,其中,n为正整数,该n个历史采集时刻属于受控深水网箱当前所养殖的养殖鱼类的养殖周期之内;
步骤二、对步骤一获得的n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速和养殖鱼类体重按量纲分别进行归一化处理,得到n组样本集T={(xi,yi)|i=1,2···,n},其中,第i组样本集中的列向量 和分别表示归一化后的第i个历史采集时刻的水温、盐度、溶解氧浓度和水流流速,yi表示归一化后的第i个历史采集时刻的养殖鱼类体重;
步骤三、在2-10至26的取值范围内按相同的取值间隔选取m1个误差惩罚因子C的取值,在2-10至24的取值范围内按相同的取值间隔选取m2个的核参数γ的取值、在0.001至1的取值范围内按相同的取值间隔选取m3个不敏感损失系数ε的取值,从而形成m1×m2×m3组由误差惩罚因子C、核参数γ和不敏感损失系数ε组成的参数组,其中,m1、m2和m3均为大于1的正整数;
并且,对应每一组所述参数组建立一个支持向量机模型如下:
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>i</mi>
<mo>*</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mi>K</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>b</mi>
<mo>;</mo>
</mrow>
其中,f(x)表示在自变量x的条件下所述受控深水网箱中的养殖鱼类体重预测值,x为依次由水温、盐度、溶解氧浓度和水流流速组成的列向量;
拉格朗日乘子和拉格朗日乘子通过将步骤二得到的第1至第n组样本集中的列向量x1,x2,…,xn全部代入以下方程组联立求解得到:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>min</mi>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>i</mi>
<mo>*</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>j</mi>
<mo>*</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&epsiv;</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>&alpha;</mi>
<mi>i</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>&epsiv;</mi>
<mo>+</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>i</mi>
<mo>*</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
<mo><</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>*</mo>
</msubsup>
<mo><</mo>
<mi>C</mi>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>......</mn>
<mo>,</mo>
<mi>n</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
核函数K(xi,x)=exp(-γ||x-xi||2),γ>0;
偏移量的计算公式为:
<mrow>
<mi>b</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>i</mi>
<mo>*</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mi>K</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>&epsiv;</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>j</mi>
<mo>*</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mi>K</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&epsiv;</mi>
<mo>&rsqb;</mo>
<mo>}</mo>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>j</mi>
<mo>*</mo>
</msubsup>
<mo>&Element;</mo>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
步骤四、将步骤三建立的每一个支持向量机模型中的自变量x均分别取值为步骤二得到的第1至第n组样本集中的列向量x1,x2,…,xn,计算得到步骤三建立的每一个支持向量机模型依次在x1,x2,…,xn条件下的养殖鱼类体重预测值f(x1),f(x2),…,f(xn);
步骤五、依据步骤四的结果,按下式分别计算步骤三建立的每一个支持向量机模型的均方误差并比较各个支持向量机模型的均方误差大小,将均方误差MSE最接近于0的支持向量机模型选取为最优支持向量机模型;如果比较结果为含有多个均方误差MSE最接近于0的支持向量机模型,则计算平方相关系数其中,平均值并选取均方误差MSE最接近于0且平方相关系数SCC最接近于1的支持向量机模型为最优支持向量机模型;
步骤六、用步骤一所述水温传感器、盐度传感器、溶解氧传感器和水流流速传感器采集当前时刻受控深水网箱在养殖区域内的水温、盐度、溶解氧浓度和水流流速,并将它们分别进行步骤二所述的归一化处理,得到归一化后的受控深水网箱在养殖区域内的当前水温、当前盐度、当前溶解氧浓度和当前水流流速,并将它们代入到步骤五选出的最优支持向量机模型的自变量x中,并将该最优支持向量机模型计算出的结果f(x)进行对应于步骤二所述归一化处理的反归一化处理,得到受控深水网箱在当前水温、当前盐度、当前溶解氧浓度和当前水流流速的条件下的养殖鱼类体重预测结果;
步骤七、按预设的养殖鱼类体重预测结果与投饵量的对应关系发出对应的投饵量控制指令,并将该投饵量控制指令经由所述主节点装置通过所述WiFi网络传输给对应受控深水网箱所设置的从节点装置,通过该从节点装置控制所述受控深水网箱所设置的投饵机按接收到的投饵量控制指令投饵。
2.根据权利要求1所述的鱼类投饵量控制系统,其特征在于:所述的步骤二中:
的归一化公式为:X1 i为步骤一采集到的第i个历史采集时刻的水温,X1 max为步骤一采集到的n个历史采集时刻的水温中的最大值,X1 min为步骤一采集到的n个历史采集时刻的水温中的最小值;
的归一化公式为:X2 i为步骤一采集到的第i个历史采集时刻的盐度,X2 max为步骤一采集到的n个历史采集时刻的盐度中的最大值,X2 min为步骤一采集到的n个历史采集时刻的盐度中的最小值;
的归一化公式为:X3 i为步骤一采集到的第i个历史采集时刻的溶解氧浓度,X3 max为步骤一采集到的n个历史采集时刻的溶解氧浓度中的最大值,X3 min为步骤一采集到的n个历史采集时刻的溶解氧浓度中的最小值;
的归一化公式为:X4 i为步骤一采集到的第i个历史采集时刻的水流流速,X4 max为步骤一采集到的n个历史采集时刻的水流流速中的最大值,X4 min为步骤一采集到的n个历史采集时刻的水流流速中的最小值。
3.根据权利要求1所述的鱼类投饵量控制系统,其特征在于:所述的从节点装置包括用于连接所述总线的总线通信接口电路、单片机、从节点WiFi模块、从节点功率放大电路和用于为从节点装置供电的供电电源;所述单片机连接所述总线通信接口电路,所述单片机通过从节点WiFi模块连接所述从节点功率放大电路,所述单片机连接所述对应的投饵机。
4.根据权利要求3所述的鱼类投饵量控制系统,其特征在于:所述单片机的型号为STM8,所述从节点WiFi模块的型号为RT5350。
5.根据权利要求1所述的鱼类投饵量控制系统,其特征在于:所述的主节点装置包括控制器、用于存储所述养殖环境因子数据的存储器、主节点WiFi模块、主节点功率放大电路、外部充电接口、充电电路、蓄电池和用于向主节点装置供电的电源电路;所述控制器连接所述存储器,所述控制器通过主节点WiFi模块连接所述主节点功率放大电路,所述外部充电接口依次通过所述充电电路和蓄电池连接所述电源电路,所述控制器通过所述RS485总线连接所述控制主机。
6.根据权利要求5所述的鱼类投饵量控制系统,其特征在于:所述的主节点装置还包括用于显示所述养殖环境因子数据的TFT显示屏;所述控制器连接所述TFT显示屏。
7.根据权利要求6所述的鱼类投饵量控制系统,其特征在于:所述的主节点装置还包括触摸屏;所述控制器连接所述触摸屏。
8.根据权利要求5所述的鱼类投饵量控制系统,其特征在于:所述的数据采集设备还包括PH值传感器、电导率传感器和摄像机;所述养殖环境因子数据还包括PH值传感器采集到的深水网箱养殖区域PH值、电导率传感器采集到的深水网箱养殖区域电导率和摄像机采集到的深水网箱养殖区域实时视频。
9.根据权利要求1所述的鱼类投饵量控制系统,其特征在于:所述的WiFi网络由WiFi路由器搭建而成,所述主节点装置和各个从节点装置通过该WiFi路由器接入所述WiFi网络,并且,任意一个所述从节点装置与所述WiFi路由器之间的距离超过预设传输距离的,该从节点装置通过WiFi中继器与所述WiFi路由器进行网络联接。
10.根据权利要求1至9任意一项所述的鱼类投饵量控制系统,其特征在于:所述的鱼类投饵量控制系统还包括移动终端和固定终端,所述移动终端和固定终端通过3G无线网络或4G无线网络接入所述WiFi网络,使得所述移动终端和固定终端能够读取所述主节点装置存储的养殖环境因子数据并进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510870876.6A CN105511346B (zh) | 2015-12-01 | 2015-12-01 | 一种用于深水网箱养殖的鱼类投饵量控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510870876.6A CN105511346B (zh) | 2015-12-01 | 2015-12-01 | 一种用于深水网箱养殖的鱼类投饵量控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105511346A CN105511346A (zh) | 2016-04-20 |
CN105511346B true CN105511346B (zh) | 2018-01-09 |
Family
ID=55719414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510870876.6A Active CN105511346B (zh) | 2015-12-01 | 2015-12-01 | 一种用于深水网箱养殖的鱼类投饵量控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105511346B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MA45335A (fr) * | 2016-05-31 | 2019-04-10 | Simoes Alves Vieira Antonio | Plate-forme submersible d'alimentation, de contrôle et de commande |
CN106773721B (zh) * | 2017-02-08 | 2019-07-05 | 南京渔管家物联网科技有限公司 | 一种基于模糊控制的水产养殖智能投饵系统及其控制方法 |
CN107255958A (zh) * | 2017-06-12 | 2017-10-17 | 苏州泓冠机械设备有限公司 | 用于投饵机的rf远程控制系统 |
GB201710372D0 (en) * | 2017-06-28 | 2017-08-09 | Observe Tech Ltd | System and method of feeding aquatic animals |
CN108303139A (zh) * | 2018-01-30 | 2018-07-20 | 深圳汇通智能化科技有限公司 | 基于无线传感器网络的淡水鱼养殖场监控系统 |
CN108388276A (zh) * | 2018-02-02 | 2018-08-10 | 中国水产科学研究院淡水渔业研究中心 | 一种养殖循环控制方法、控制装置及系统 |
CN108375548B (zh) * | 2018-02-10 | 2020-09-04 | 佳纬生物技术有限公司 | 一种基于大数据的鱼塘养殖投料评估系统 |
CN108432673B (zh) * | 2018-03-08 | 2020-11-03 | 宁波大学 | 一种智能海参养殖系统 |
CN109156408B (zh) * | 2018-09-22 | 2022-12-16 | 江苏优敖智能装备有限公司 | 一种能够智能牧渔的鱼塘机器人 |
CN110956310B (zh) * | 2019-11-14 | 2023-04-28 | 佛山科学技术学院 | 基于特征选取和支持向量的鱼饲料投量预测方法及系统 |
CN111325522B (zh) * | 2020-02-24 | 2022-12-06 | 浪潮通信信息系统有限公司 | 一种基于物联网的智能渔业养殖管理方法和系统 |
CN113325741B (zh) * | 2021-06-11 | 2022-06-14 | 华中农业大学 | 一种水产养殖饲料投喂机的智能化控制系统及控制方法 |
CN116228455B (zh) * | 2023-05-10 | 2023-07-21 | 临沂大学 | 一种叶尔羌高原鳅流水养殖试验数据处理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005229835A (ja) * | 2004-02-17 | 2005-09-02 | Sanyo Electric Co Ltd | 水槽監視システム |
KR20110035821A (ko) * | 2009-09-29 | 2011-04-06 | 손윤호 | 낚시줄만으로 동력이 제어되는 미끼 이동기 |
CN103676906A (zh) * | 2013-12-25 | 2014-03-26 | 苏州市阳澄湖渔业科技中心有限公司 | 一种集约化水产养殖监测系统 |
CN103858807A (zh) * | 2012-12-11 | 2014-06-18 | 上海农业信息有限公司 | 基于物联网的投饵机终端 |
CN104542411A (zh) * | 2014-12-19 | 2015-04-29 | 浙江大学 | 一种基于图像处理技术的智能投饵装置及方法 |
CN104855317A (zh) * | 2015-05-22 | 2015-08-26 | 李成启 | 一种海水养鱼网箱 |
CN104996348A (zh) * | 2015-05-22 | 2015-10-28 | 李成启 | 一种循环水海水养鱼网箱 |
CN105052805A (zh) * | 2015-07-31 | 2015-11-18 | 防城港海世通食品有限公司 | 一种深海养殖的自动投饵系统 |
-
2015
- 2015-12-01 CN CN201510870876.6A patent/CN105511346B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005229835A (ja) * | 2004-02-17 | 2005-09-02 | Sanyo Electric Co Ltd | 水槽監視システム |
KR20110035821A (ko) * | 2009-09-29 | 2011-04-06 | 손윤호 | 낚시줄만으로 동력이 제어되는 미끼 이동기 |
CN103858807A (zh) * | 2012-12-11 | 2014-06-18 | 上海农业信息有限公司 | 基于物联网的投饵机终端 |
CN103676906A (zh) * | 2013-12-25 | 2014-03-26 | 苏州市阳澄湖渔业科技中心有限公司 | 一种集约化水产养殖监测系统 |
CN104542411A (zh) * | 2014-12-19 | 2015-04-29 | 浙江大学 | 一种基于图像处理技术的智能投饵装置及方法 |
CN104855317A (zh) * | 2015-05-22 | 2015-08-26 | 李成启 | 一种海水养鱼网箱 |
CN104996348A (zh) * | 2015-05-22 | 2015-10-28 | 李成启 | 一种循环水海水养鱼网箱 |
CN105052805A (zh) * | 2015-07-31 | 2015-11-18 | 防城港海世通食品有限公司 | 一种深海养殖的自动投饵系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105511346A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105511346B (zh) | 一种用于深水网箱养殖的鱼类投饵量控制系统 | |
CN102645927B (zh) | 基于无线传感器网络的淡水鱼养殖环境监控系统 | |
CN201681071U (zh) | 多参数模块化养殖水环境无线监测系统 | |
CN206960988U (zh) | 一种基于云架构的智能养鱼监控系统 | |
CN207096235U (zh) | 一种基于物联网技术的水产养殖水质在线监控系统 | |
CN208999854U (zh) | 基于物联网的农业大棚环境管理监测装置 | |
CN107436345A (zh) | 基于Lora技术的海洋养殖场水质远程监测系统及方法 | |
CN103763516A (zh) | 一种基于物联网高清摄像一体化网关的畜牧养殖智能管理系统 | |
CN107102108A (zh) | 一种水产养殖水质监控系统 | |
CN203290061U (zh) | 网箱养殖水下监测系统 | |
Zhang et al. | Design and development of IoT monitoring equipment for open livestock environment | |
CN103645707B (zh) | 智能养殖系统 | |
CN110823285A (zh) | 一种海洋牧场环境快速监测预警方法 | |
CN203324785U (zh) | 基于物联网的对虾工厂化育苗环境远程在线监控系统 | |
CN206906833U (zh) | 一种水质监控系统 | |
CN203324260U (zh) | 基于物联网的南美白对虾养殖水质在线监测系统 | |
CN205899413U (zh) | 一种基于物联网的智能养殖场监控系统 | |
CN206990562U (zh) | 一种水质采集装置 | |
CN104316111B (zh) | 一种基于小气候监测系统监测天然牧草的方法 | |
CN204989915U (zh) | 一种水产养殖监控系统 | |
CN201611343U (zh) | 一种基于wsn的海参养殖水质监测系统 | |
CN106980002A (zh) | 一种采样池水质采集装置 | |
CN107168140A (zh) | 一种基于互联网控制的城市公路绿化带自动灌溉管理系统 | |
CN205301975U (zh) | 一种基于物联网技术的深水网箱养殖监控系统 | |
CN204189002U (zh) | 一种智慧养殖物联侦测管理系统 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160420 Assignee: Guangdong Muyang Fishery Equipment Co.,Ltd. Assignor: SOUTH CHINA SEA FISHERIES Research Institute CHINESE ACADEMY OF FISHERY SCIENCES Contract record no.: X2022440000045 Denomination of invention: A fish feeding quantity control system for deep-water cage culture Granted publication date: 20180109 License type: Common License Record date: 20220705 |
|
EE01 | Entry into force of recordation of patent licensing contract |