CN107830891B - 基于水产养殖水质ph值多参量数据采集装置的数据处理方法 - Google Patents
基于水产养殖水质ph值多参量数据采集装置的数据处理方法 Download PDFInfo
- Publication number
- CN107830891B CN107830891B CN201711021576.6A CN201711021576A CN107830891B CN 107830891 B CN107830891 B CN 107830891B CN 201711021576 A CN201711021576 A CN 201711021576A CN 107830891 B CN107830891 B CN 107830891B
- Authority
- CN
- China
- Prior art keywords
- water
- data
- detection
- value
- index
- 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 214
- 238000009360 aquaculture Methods 0.000 title claims abstract description 54
- 244000144974 aquaculture Species 0.000 title claims abstract description 54
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 152
- 230000007246 mechanism Effects 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims description 34
- 238000000354 decomposition reaction Methods 0.000 claims description 25
- 238000005286 illumination Methods 0.000 claims description 12
- 241000195493 Cryptophyta Species 0.000 claims description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 10
- 239000001301 oxygen Substances 0.000 claims description 10
- 229910052760 oxygen Inorganic materials 0.000 claims description 10
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 235000013619 trace mineral Nutrition 0.000 claims description 7
- 239000011573 trace mineral Substances 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000003337 fertilizer Substances 0.000 description 15
- 241001465754 Metazoa Species 0.000 description 9
- 230000004720 fertilization Effects 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012372 quality testing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000005955 Ferric phosphate Substances 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- ILRRQNADMUWWFW-UHFFFAOYSA-K aluminium phosphate Chemical compound O1[Al]2OP1(=O)O2 ILRRQNADMUWWFW-UHFFFAOYSA-K 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 239000001506 calcium phosphate Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229940032958 ferric phosphate Drugs 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- WBJZTOZJJYAKHQ-UHFFFAOYSA-K iron(3+) phosphate Chemical compound [Fe+3].[O-]P([O-])([O-])=O WBJZTOZJJYAKHQ-UHFFFAOYSA-K 0.000 description 1
- 229910000399 iron(III) phosphate Inorganic materials 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910017464 nitrogen compound Inorganic materials 0.000 description 1
- 150000002830 nitrogen compounds Chemical class 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- QORWJWZARLRLPR-UHFFFAOYSA-H tricalcium bis(phosphate) Chemical compound [Ca+2].[Ca+2].[Ca+2].[O-]P([O-])([O-])=O.[O-]P([O-])([O-])=O QORWJWZARLRLPR-UHFFFAOYSA-H 0.000 description 1
- 229940078499 tricalcium phosphate Drugs 0.000 description 1
- 229910000391 tricalcium phosphate Inorganic materials 0.000 description 1
- 235000019731 tricalcium phosphate Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种基于水产养殖水质PH值多参量数据采集装置的数据处理方法,包括漂浮在水产养殖区水面上的水质检测体,水质检测体设置有上浮体和连接在上浮体底部的下延伸管,上浮体侧壁上包附有平衡装置;上浮体上设置有水面空气检测机构,用于检测水产养殖区水面环境数据;下延伸管由上至下依次设置有L个水质检测腔机构;上浮体内设置有控制器,控制器的空气质量数据输入端与水面空气检测机构连接,控制器的L个水体检测输入端分别与L个水质检测腔机构连接;控制器的无线收发端上还连接有无线收发装置;控制器的计时端上连接有计时器。有益效果:数据精度高,可靠安全,控制采用自动控制,无需人为参与,智能方便。
Description
技术领域
本发明涉及水产养殖水质检测技术领域,具体的说是一种基于水产养殖水质PH值多参量数据采集装置的数据处理方法。
背景技术
水产养殖是人为控制下繁殖、培育和收获水生动植物的生产活动。在水产养殖中对水质的要求尤为重要,其中水质的PH值、含氧量、藻类含量、光照、温度、透明度、盐度、氨氮含量等对水生动植物的生长均有影响。
特别的,养殖水质中,PH值大小对水产动植物的生长尤为重要。不适宜的PH值会对破坏水体生产中磷酸盐和无机氮合物的供应,养殖水质PH值偏碱性会形成难以溶解的磷酸三钙;偏酸会形成不溶性的磷酸铁和磷酸铝,水质肥效低。PH值会随着含氧量、藻类含量、光照强度、温度值、透明度、盐度、氨氮含量的变化而变化。并且投放饲料或者换水也会造成水体PH值的变化。PH值难以控制,一旦长时间PH值处于偏低或者偏高的状态,将会对水产动植物造成不可逆的影响。
为了对PH值进行控制,首先需要对水体的pH值以及影响PH值的因素进行数据采集,但是由于水产养殖区环境复杂,且容易对水产品造成影响,在数据采集时,采集方式困难。并且对于较深的水域,无法大面积检测,造成检测精度低,可靠性差。对PH值的控制过程影响极大。
综合所述,针对现有技术的缺陷,有必要提出一种技术,来克服水产养殖水体中,影响PH值的数据难以检测的问题。
发明内容
针对上述问题,本发明提供了一种水产养殖水质PH值多参量数据采集装置及数据处理方法。利用在水产养殖区水面上设置水质检测体,进行分区、分深度进行数据采集,数据采集精度高。
为达到上述目的,本发明采用的具体技术方案如下:
一种水产养殖水质PH值多参量数据采集装置,其关键在于:包括漂浮在水产养殖区水面上的水质检测体,所述水质检测体包括上浮体和连接在所述上浮体底部的下延伸管,在所述上浮体侧壁上包附有平衡装置;所述上浮体上设置有水面空气检测机构,用于检测水产养殖区水面环境数据;所述下延伸管由上至下依次设置有L个水质检测腔机构,用于检测水产养殖区水体数据;在所述上浮体内设置有控制器,所述控制器的空气质量数据输入端与所述水面空气检测机构连接,所述控制器的L个水体检测输入端分别与L个所述水质检测腔机构连接;在所述控制器的无线收发端上还连接有无线收发装置;在所述控制器的计时端上连接有计时器。
在水产养殖区内,不同水深和区域,生活着不同的水产动植物。采用T个水质检测体设置在不同的区域,T为大于等于1的正整数,并且采用水质检测体采集不同水深度的各项水产养殖指标,实现数据采集,进而实现对水产养殖区内的PH值进行控制和监管。
水质检测体漂浮在水面上,并通过平衡装置使水质检测体保持平衡,有效避免风浪造成水质检测体翻转,提高水质检测体检测可靠性。通过水面空气检测机构,对水面环境进行检测。采用和水质检测腔机构,对水下环境进行检测,并且采用设置多个水质检测腔机构,可以采集和检测不同水深的水体环境。结合检测处理器和计时器,对检测进行计时,分周期进行检测。
并且通过连接在检测处理器无线收发端上的无线收发装置,将检测的数据进行无线传送。由于在水产养殖区内设置有多个水质检测体,这样可以获取到庞大的数据,实现精确检测,实时控制的作用。其中L为大于等于1的正整数。
再进一步描述,所述水面空气检测机构至少设置有光照强度传感器、风速传感器、湿度传感器、水面温度传感器。
采用上述方案,可以实时检测水面的光照强度、风速、湿度、水面温度。在水产养殖区上还设置有液位检测器,保证水产养殖区液位。
再进一步描述,每个所述水质检测腔机构包括水质检测腔室,在每个所述水质检测腔室内均设置有水质检测器;
所述水质检测器至少包括与所述控制器连接PH值检测模块、氧含量检测模块、藻类含量检测模块、盐度检测模块、氨氮含量检测模块、微量元素检测模块和温度检测模块;
在远离所述上浮体的下延伸管端部安装有水体照明器和摄像机,所述摄像机的摄像头朝向所述水产养殖区的底部;
在所述下延伸管上还设置有水流速度传感器。
采用上述方案,水质检测腔室可以采集不同水深的PH值、氧含量、藻类含量、盐度、氨氮含量、微量元素含量以及水体温度。在水质检测腔室还设置有隔离器,防止藻类或者其他杂质对水质检测腔室造成堵塞。
并且在下延伸管上设置水体照明器和摄像机,可以获取到水体的透明度,通过摄像机获取拍摄画面,通过对比采集到的水产养殖区底部的画面的清晰度来确定水体的透明度,摄像机向下拍摄,以水产养殖区底部为参照物,获取到的透明度更加可靠和精确,同时可以通过摄像机拍摄水产养殖区内水产动植物的生长情况。为了不影响水产动植物的生活习性,水体照明器采用渐变色照明,在一定时间内逐渐增加或者减弱照明的亮度,实现水底照明。
通过水流速度传感器,检测水体流动情况,结合摄像机和水流速度传感器,可以获取水产动物的分布情况和活动习性,并与投食和观察。
再进一步描述,在所述水质检测体上设置有定位器。
采用定位器对水质检测体位置进行精确定位,保证能采集到水面各区域的数据。
一种基于水产养殖水质PH值多参量数据采集装置的数据处理方法,其关键在于按照以下步骤进行:
S1:设定水质检测体的总个数,对每个水质检测体进行的位置设定,根据设定的位置完成对应的安装和测试,并设定检测时间段、检测周期和检测频率;
S2:根据步骤S1设定的检测时间段、检测周期和检测频率,采用水质检测体分别获取设定位置处不同深度水域的PH值以及该深度水域的P个水体检测指标值,得到该设定位置不同深度水域的PH数据集和对应的P个水体检测指标数据集;
S3:对步骤S2得到的PH数据集和P个水体检测指标数据集进行预处理和筛选,得到PH预处理数据集以及与PH预处理数据集对应的P个水体检测指标预处理数据集;
S4:从P个水体检测指标预处理数据集中选取M个对PH值有影响特征指标;
S5:建立PH值与M个特征指标的关系式。
通过水质检测体采集不同深度不同区域的PH数据集和P个水体检测指标数据集,通过对采集的数据进行筛选和剔除,得到M个特征指标,采用M个特征指标,建立PH值与M个特征指标的关系式。
再进一步描述,P个水体检测指标值至少包括水体的溶氧量值、藻类含量值、盐度值、氨氮含量值、微量元素含量值、水体温度值、水体透明度值、水体流动速度值以及当前水产养殖区水面的光照强度值、风速度值、湿度值。
再进一步描述,步骤S3的具体内容为:
S31:将所有检测时间段得到的所述PH数据集和所述P个水体检测指标数据集分别拟合成连续时间的数据信息,得到所有时间段的PH信息和P个水体检测指标信息;
S32:采用小波分析方法对进行预处理,分别得到PH信息预处理数据和P个水体检测指标信息预处理数据;
S33:根据得到的PH信息预处理数据对对应的P个水体检测指标信息预处理数据进行筛选,剔除不完整的数据,得到PH预处理数据集对应的P个水体检测指标预处理数据集。
其中,所述小波分析方法的具体步骤为:
S321:令需要进行预处理的数据集为:{Xi,i=1,2,…N};
其中,步骤S4的具体内容为:
S41:获取步骤S3得到的PH预处理数据集对应的P个水体检测指标预处理数据集,并设定特征指标精度阈值;
S42:采用EMD算法对预处理数据进行多尺度分解;
S43:从分解数据中,获取预提取特征指标;
S44:根据步骤S41的设定的特征指标精度阈值,判断预提取特征指标精度是否大于特征指标精度阈值,若是,选取作为特征指标;否则进入步骤S45;
S45:判断当前选择的特征指标数量是否大于等于最大特征指标选择量M,若是,结束;否则,降低特征指标精度阈值,返回步骤S42。
其中,步骤S5的具体内容为:
S51:选定对PH值有影响的M个特征指标,并构建影响变量X=[x1,x2,…xM];
S52:将步骤S3中得到的数据分为样本数据和验证数据;
S53:从样本数据中选取Q个不同的PH值,并获取该Q个不同的PH值分别对应M个特征指标的影响变量,得到Q组影响变量;
S54:建立影响PH值大小的神经网络模型:以Q个不同的PH值作为输出,Q组影响变量作为输入,进行训练;
S55:将验证数据带入影响PH值大小的神经网络模型中,进行模型验证。
本发明的有益效果:通过水产养殖区的各个区域设置水质检测体,实现对水体分区、分深度实现数据采集,采集精度高。通过采集到的水体数据,采用小波分析法,对数据进行去噪处理,剔除误差较大的数据,提高采集数据的精度,提取影响PH值的M个特征指标,建立PH值与M个特征指标的特征模型,通过该模型,获取M个特征指标的预测数据可以对PH值的变化进行预测,实现提前控制。
附图说明
图1是本发明的水产养殖区结构示意图;
图2是本发明的水质检测体结构示意图;
图3是本发明的系统控制框图;
图4是本发明的数据处理方法流程图;
图5是本发明的数据预处理方法流程图;
图6是本发明的对PH值有影响特征指标选取流程图。
图7是本发明的PH值与M个特征指标的模型建立流程图。
具体实施方式
下面结合附图对本发明的具体实施方式以及工作原理作进一步详细说明。
结合图1、图2和图3可以看出,一种水产养殖水质PH值多参量数据采集装置及数据处理方法,包括漂浮在水产养殖区4水面上的水质检测体1,所述水质检测体1包括上浮体2和连接在所述上浮体2底部的下延伸管3,在所述上浮体2侧壁上包附有平衡装置22;上浮体2上设置有水面空气检测机构21,用于检测水产养殖区4水面环境数据;所述下延伸管3由上至下依次设置有L个水质检测腔机构31,用于检测水产养殖区4水体数据;在所述上浮体2内设置有控制器5,所述控制器5的空气质量数据输入端与所述水面空气检测机构21连接,所述控制器5的L个水体检测输入端分别与L个所述水质检测腔机构31连接;在所述控制器5的无线收发端上还连接有无线收发装置6;在所述控制器5的计时端上连接有计时器7。
在本实施例中,水质检测体2根据水面面积进行设置,在本实施例中,采用每10-15平方米一个水质检测体2。
下延伸管22上水质检测腔机构31的个数根据水深进行设置,在本实施例总,采用每2米一个水质检测腔机构31。
在本实施例中,所述水面空气检测机构21至少设置有光照强度传感器21a、风速传感器21b、湿度传感器21c、水面温度传感器21d。
从图2还可以看出,每个所述水质检测腔机构31包括水质检测腔室31a,在每个所述水质检测腔室31a内均设置有水质检测器31b;所述水质检测器31b至少包括与所述控制器5连接PH值检测模块、氧含量检测模块、藻类含量检测模块、盐度检测模块、氨氮含量检测模块、微量元素检测模块和温度检测模块;在远离所述上浮体2的下延伸管3端部安装有水体照明器8和摄像机9,所述摄像机9的摄像头朝向所述水产养殖区4的底部;在所述下延伸管3上还设置有水流速度传感器10。
在本实施例中,在所述水质检测体1上设置有定位器11。
从图1还可以看出,在水产养殖区1内供氧系统、供水系统和追肥供料系统。其中,所述追肥供料系统包括肥料管和养料管,所述肥料管和所述养料管倾斜安装在所述水产养殖区1上部;倾斜安装,便于输送。
所述肥料管的肥料入料口与肥料仓连接,在所述肥料管上连接有至少一个肥料支管,每个所述肥料支管的肥料出口端连接一个肥料供给腔,在所述肥料仓肥料出口处设置有肥料阀门;
所述养料管的饲料入料口与饲料仓连接,在所述养料管上连接有至少一个饲料支管,每个所述饲料支管的饲料出口端连接一个饲料供给腔,在所述饲料仓的饲料出口处设置有饲料阀门。
采用上述方案,在对数据采集后,当需要通过追肥实现PH值调节时,可以通过追肥供料系统自动调节。通过追肥供料系统实现自动、分区追肥和投食。并且在肥料供给腔上设置有多个追肥口,所有追肥口由低到高依次设置,实现对不同深度进行追肥。均匀施肥,防止集中施肥过程时,某一块区域PH值偏差大的情况出现,避免破坏水产动植物的生活环境。在饲料供给腔由低到高也设置有多个投食口,所有投食口由低到高依次设置,实现对不同深度进行投食,使分布在各个区域的水产动植物都能进食。
一种基于水产养殖水质PH值多参量数据采集装置的数据处理方法,具体内容为:
S1:设定水质检测体1的总个数,对每个水质检测体1进行的位置设定,根据设定的位置完成对应的安装和测试,并设定检测时间段、检测周期和检测频率;
S2:根据步骤S1设定的检测时间段、检测周期和检测频率,采用水质检测体1分别获取设定位置处不同深度水域的PH值以及该深度水域的P个水体检测指标值,得到该设定位置不同深度水域的PH数据集和对应的P个水体检测指标数据集;
其中,P个水体检测指标值至少包括水体的溶氧量值、藻类含量值、盐度值、氨氮含量值、微量元素含量值、水体温度值、水体透明度值、水体流动速度值以及当前水产养殖区4水面的光照强度值、风速度值、湿度值。
S3:对步骤S2得到的PH数据集和P个水体检测指标数据集进行预处理和筛选,得到PH预处理数据集以及与PH预处理数据集对应的P个水体检测指标预处理数据集;
其中,步骤S3的具体内容为:
S31:将所有检测时间段得到的所述PH数据集和所述P个水体检测指标数据集分别拟合成连续时间的数据信息,得到所有时间段的PH信息和P个水体检测指标信息;
S32:采用小波分析方法对进行预处理,分别得到PH信息预处理数据和P个水体检测指标信息预处理数据;
所述小波分析方法的具体步骤为:
S321:令需要进行预处理的数据集为:{Xi,i=1,2,…N};
S33:根据得到的PH信息预处理数据对对应的P个水体检测指标信息预处理数据进行筛选,剔除不完整的数据,得到PH预处理数据集对应的P个水体检测指标预处理数据集。
S4:从P个水体检测指标预处理数据集中选取M个对PH值有影响特征指标;
步骤S4的具体内容为:
S41:获取步骤S3得到的PH预处理数据集对应的P个水体检测指标预处理数据集,并设定特征指标精度阈值;
S42:采用EMD算法对预处理数据进行多尺度分解;
S43:从分解数据中,获取预提取特征指标;
S44:根据步骤S41的设定的特征指标精度阈值,判断预提取特征指标精度是否大于特征指标精度阈值,若是,选取作为特征指标;否则进入步骤S45;
S45:判断当前选择的特征指标数量是否大于等于最大特征指标选择量M,若是,结束;否则,降低特征指标精度阈值,返回步骤S42。
S5:建立PH值与M个特征指标的关系式。
步骤S5的具体内容为:
S51:选定对PH值有影响的M个特征指标,并构建影响变量X=[x1,x2,…xM];
S52:将步骤S3中得到的数据分为样本数据和验证数据;
S53:从样本数据中选取Q个不同的PH值,并获取该Q个不同的PH值分别对应M个特征指标的影响变量,得到Q组影响变量;
S54:建立影响PH值大小的神经网络模型:以Q个不同的PH值作为输出,Q组影响变量作为输入,进行训练;
S55:将验证数据带入影响PH值大小的神经网络模型中,进行模型验证。
应当指出的是,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改性、添加或替换,也应属于本发明的保护范围。
Claims (8)
1.一种基于水产养殖水质PH值多参量数据采集装置的数据处理方法,其特征在于:包括漂浮在水产养殖区(4)水面上的水质检测体(1),所述水质检测体(1)包括上浮体(2)和连接在所述上浮体(2)底部的下延伸管(3),在所述上浮体(2)侧壁上包附有平衡装置(22);所述上浮体(2)上设置有水面空气检测机构(21),用于检测水产养殖区(4)水面环境数据;所述下延伸管(3)由上至下依次设置有L个水质检测腔机构(31),用于检测水产养殖区(4)水体数据;在所述上浮体(2)内设置有控制器(5),所述控制器(5)的空气质量数据输入端与所述水面空气检测机构(21)连接,所述控制器(5)的L个水体检测输入端分别与L个所述水质检测腔机构(31)连接;在所述控制器(5)的无线收发端上还连接有无线收发装置(6);在所述控制器(5)的计时端上连接有计时器(7);
数据处理方法具体步骤为:
S1:设定水质检测体(1)的总个数,对每个水质检测体(1)进行的位置设定,根据设定的位置完成对应的安装和测试,并设定检测时间段、检测周期和检测频率;S2:根据步骤S1设定的检测时间段、检测周期和检测频率,采用水质检测体(1)分别获取设定位置处不同深度水域的PH值以及该深度水域的P个水体检测指标值,得到该设定位置不同深度水域的PH数据集和对应的P个水体检测指标数据集;S3:对步骤S2得到的PH数据集和P个水体检测指标数据集进行预处理和筛选,得到PH预处理数据集以及与PH预处理数据集对应的P个水体检测指标预处理数据集;S4:从P个水体检测指标预处理数据集中选取M个对PH值有影响特征指标;S5:建立PH值与M个特征指标的关系式;
其中,步骤S3的具体内容为:
S31:将所有检测时间段得到的所述PH数据集和所述P个水体检测指标数据集分别拟合成连续时间的数据信息,得到所有时间段的PH信息和P个水体检测指标信息;
S32:采用小波分析方法对进行预处理,分别得到PH信息预处理数据和P个水体检测指标信息预处理数据;
S33:根据得到的PH信息预处理数据对对应的P个水体检测指标信息预处理数据进行筛选,剔除不完整的数据,得到PH预处理数据集对应的P个水体检测指标预处理数据集。
2.根据权利要求1所述的基于水产养殖水质PH值多参量数据采集装置的数据处理方法,其特征在于:所述水面空气检测机构(21)至少设置有光照强度传感器(21a)、风速传感器(21b)、湿度传感器(21c)、水面温度传感器(21d)。
3.根据权利要求1或2所述的基于水产养殖水质PH值多参量数据采集装置的数据处理方法,其特征在于:每个所述水质检测腔机构(31)包括水质检测腔室(31a),在每个所述水质检测腔室(31a)内均设置有水质检测器(31b);
所述水质检测器(31b)至少包括与所述控制器(5)连接PH值检测模块、氧含量检测模块、藻类含量检测模块、盐度检测模块、氨氮含量检测模块、微量元素检测模块和温度检测模块;
在远离所述上浮体(2)的下延伸管(3)端部安装有水体照明器(8)和摄像机(9),所述摄像机(9)的摄像头朝向所述水产养殖区(4)的底部;
在所述下延伸管(3)上还设置有水流速度传感器(10)。
4.根据权利要求1所述的基于水产养殖水质PH值多参量数据采集装置的数据处理方法,其特征在于:在所述水质检测体(1)上设置有定位器(11)。
5.根据权利要求1所述的基于水产养殖水质PH值多参量数据采集装置的数据处理方法,其特征在于P个水体检测指标值至少包括水体的溶氧量值、藻类含量值、盐度值、氨氮含量值、微量元素含量值、水体温度值、水体透明度值、水体流动速度值以及当前水产养殖区(4)水面的光照强度值、风速度值、湿度值。
6.根据权利要求1所述的基于水产养殖水质PH值多参量数据采集装置的数据处理方法,其特征在于所述小波分析方法的具体步骤为:
S321:令需要进行预处理的数据集为:{Xi,i=1,2,…N};
7.根据权利要求1所述的基于水产养殖水质PH值多参量数据采集装置的数据处理方法,其特征在于步骤S4的具体内容为:
S41:获取步骤S3得到的PH预处理数据集对应的P个水体检测指标预处理数据集,并设定特征指标精度阈值;
S42:采用EMD算法对预处理数据进行多尺度分解;
S43:从分解数据中,获取预提取特征指标;
S44:根据步骤S41的设定的特征指标精度阈值,判断预提取特征指标精度是否大于特征指标精度阈值,若是,选取作为特征指标;否则进入步骤S45;
S45:判断当前选择的特征指标数量是否大于等于最大特征指标选择量M,若是,结束;否则,降低特征指标精度阈值,返回步骤S42。
8.根据权利要求1所述的基于水产养殖水质PH值多参量数据采集装置的数据处理方法,其特征在于步骤S5的具体内容为:
S51:选定对PH值有影响的M个特征指标,并构建影响变量X=[x1,x2,…xM];
S52:将步骤S3中得到的数据分为样本数据和验证数据;
S53:从样本数据中选取Q个不同的PH值,并获取该Q个不同的PH值分别对应M个特征指标的影响变量,得到Q组影响变量;
S54:建立影响PH值大小的神经网络模型:以Q个不同的PH值作为输出,Q组影响变量作为输入,进行训练;
S55:将验证数据带入影响PH值大小的神经网络模型中,进行模型验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021576.6A CN107830891B (zh) | 2017-10-26 | 2017-10-26 | 基于水产养殖水质ph值多参量数据采集装置的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021576.6A CN107830891B (zh) | 2017-10-26 | 2017-10-26 | 基于水产养殖水质ph值多参量数据采集装置的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107830891A CN107830891A (zh) | 2018-03-23 |
CN107830891B true CN107830891B (zh) | 2020-05-01 |
Family
ID=61650768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711021576.6A Active CN107830891B (zh) | 2017-10-26 | 2017-10-26 | 基于水产养殖水质ph值多参量数据采集装置的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107830891B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110672792B (zh) * | 2019-10-09 | 2020-08-28 | 中南大学 | 湿法炼锌中性浸出过程pH值软测量方法和系统 |
CN111109024A (zh) * | 2019-12-17 | 2020-05-08 | 浙江省农业科学院 | 一种利用浮萍降低稻田氨挥发的方法和管理系统 |
CN112907107B (zh) * | 2021-03-12 | 2024-01-09 | 中国水产科学研究院南海水产研究所 | 一种基于多源信息融合的渔业事故应急处理系统及方法 |
CN114009366A (zh) * | 2021-03-26 | 2022-02-08 | 深圳市自由度环保科技有限公司 | 一种畜禽养殖过程中的污染监测系统 |
CN118094113B (zh) * | 2024-04-19 | 2024-07-02 | 贵州大学 | 基于传感技术的生态鱼塘养殖环境智能监测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102759608A (zh) * | 2012-05-18 | 2012-10-31 | 南京领先环保技术有限公司 | 一种漂浮式太阳能在线多参数水质监测仪 |
CN103194597A (zh) * | 2013-04-20 | 2013-07-10 | 北京科技大学 | 一种电场强化细粒尾矿原地浸出的方法 |
CN104502288A (zh) * | 2014-11-26 | 2015-04-08 | 西安科技大学 | 利用可见光近红外光谱技术的土壤铅含量测量方法 |
CN105510547A (zh) * | 2016-01-05 | 2016-04-20 | 中国水产科学研究院南海水产研究所 | 一种近海养殖水域环境监测和预警方法 |
CN106680450A (zh) * | 2017-03-23 | 2017-05-17 | 江西省农业科学院农业经济与信息研究所 | 水质监测装置及方法 |
-
2017
- 2017-10-26 CN CN201711021576.6A patent/CN107830891B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102759608A (zh) * | 2012-05-18 | 2012-10-31 | 南京领先环保技术有限公司 | 一种漂浮式太阳能在线多参数水质监测仪 |
CN103194597A (zh) * | 2013-04-20 | 2013-07-10 | 北京科技大学 | 一种电场强化细粒尾矿原地浸出的方法 |
CN104502288A (zh) * | 2014-11-26 | 2015-04-08 | 西安科技大学 | 利用可见光近红外光谱技术的土壤铅含量测量方法 |
CN105510547A (zh) * | 2016-01-05 | 2016-04-20 | 中国水产科学研究院南海水产研究所 | 一种近海养殖水域环境监测和预警方法 |
CN106680450A (zh) * | 2017-03-23 | 2017-05-17 | 江西省农业科学院农业经济与信息研究所 | 水质监测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107830891A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107830891B (zh) | 基于水产养殖水质ph值多参量数据采集装置的数据处理方法 | |
CN107861535B (zh) | 基于水产养殖水质ph值多参量控制系统的控制方法 | |
KR101970303B1 (ko) | 어군탐지기에서의 수심별 어류유영패턴 분석을 통한 사료 자동 공급방법 | |
CN112230697B (zh) | 一种基于互联网的农业监控装置 | |
CN107094683A (zh) | 一种水产养殖的自动投饵和水质监测控制系统及方法 | |
CN105052804B (zh) | 一种基于虾的体长的饵料饲喂系统 | |
CN104463689A (zh) | 一种流域淡水水产养殖污染排污量的确定方法 | |
CN208283385U (zh) | 用于水产养殖业的水下检测机器人 | |
CN109583663A (zh) | 一种适用于养殖池塘的夜间水质溶氧量预测方法 | |
CN104390658A (zh) | 水产养殖环境信息智能采集系统 | |
CN112526097A (zh) | 一种基于大数据分析的养殖水体环境智能监测管理系统 | |
TW202209965A (zh) | 智慧水產投餵管理系統及投餵方法 | |
CN110910067A (zh) | 一种结合深度学习与Q-learning的活鱼运输水质智能调控方法和系统 | |
CN109213017A (zh) | 水产养殖智能投饲系统及方法 | |
CN203072684U (zh) | 一种用于水产养殖的物联网水体监控系统 | |
CN109006652A (zh) | 一种基于物联网的罗非鱼制种育苗系统及方法 | |
CN112488467A (zh) | 一种基于多尺度生境信息的水培作物施肥装置 | |
KR20180080731A (ko) | 뱀장어 양식장용 자동사료 공급량 판별장치 및 그 방법 | |
CN114020074B (zh) | 一种养殖塘智能无人养殖系统及方法 | |
CN113658124B (zh) | 一种盘点水下养殖资产的方法 | |
CN108829159A (zh) | 一种物联网智能化渔业养殖水体盐度监测系统 | |
CA3127938A1 (en) | Holding tank monitoring system based on wireless sensor network and monitoring method | |
CN114097677A (zh) | 一种河蟹养殖与风险评价的微宇宙系统 | |
CN205902656U (zh) | 一种盐碱地水产养殖系统 | |
CN215836578U (zh) | 一种基于物联网的水产养殖系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |