CN109001407A - 一种湖水水质分析系统 - Google Patents
一种湖水水质分析系统 Download PDFInfo
- Publication number
- CN109001407A CN109001407A CN201811061477.5A CN201811061477A CN109001407A CN 109001407 A CN109001407 A CN 109001407A CN 201811061477 A CN201811061477 A CN 201811061477A CN 109001407 A CN109001407 A CN 109001407A
- Authority
- CN
- China
- Prior art keywords
- water
- algae
- lake
- value
- reduced value
- 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.)
- Granted
Links
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 title claims abstract description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 312
- 241000238557 Decapoda Species 0.000 claims abstract description 64
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 230000000694 effects Effects 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000009360 aquaculture Methods 0.000 claims abstract description 18
- 244000144974 aquaculture Species 0.000 claims abstract description 18
- 238000009395 breeding Methods 0.000 claims abstract description 8
- 230000001488 breeding effect Effects 0.000 claims abstract description 8
- 241000195493 Cryptophyta Species 0.000 claims description 143
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 83
- 229910052760 oxygen Inorganic materials 0.000 claims description 83
- 239000001301 oxygen Substances 0.000 claims description 83
- 238000012258 culturing Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 206010018612 Gonorrhoea Diseases 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 239000000126 substance Substances 0.000 description 6
- 241000251468 Actinopterygii Species 0.000 description 3
- 239000005416 organic matter Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- FPIPGXGPPPQFEQ-UHFFFAOYSA-N 13-cis retinol Natural products OCC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-UHFFFAOYSA-N 0.000 description 1
- KZSNJWFQEVHDMF-BYPYZUCNSA-N L-valine Chemical compound CC(C)[C@H](N)C(O)=O KZSNJWFQEVHDMF-BYPYZUCNSA-N 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- KZSNJWFQEVHDMF-UHFFFAOYSA-N Valine Natural products CC(C)C(N)C(O)=O KZSNJWFQEVHDMF-UHFFFAOYSA-N 0.000 description 1
- FPIPGXGPPPQFEQ-BOOMUCAASA-N Vitamin A Natural products OC/C=C(/C)\C=C\C=C(\C)/C=C/C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-BOOMUCAASA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- FPIPGXGPPPQFEQ-OVSJKPMPSA-N all-trans-retinol Chemical compound OC\C=C(/C)\C=C\C=C(/C)\C=C\C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-OVSJKPMPSA-N 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000476 body water Anatomy 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000020776 essential amino acid Nutrition 0.000 description 1
- 239000003797 essential amino acid Substances 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 239000004474 valine Substances 0.000 description 1
- 235000019155 vitamin A Nutrition 0.000 description 1
- 239000011719 vitamin A Substances 0.000 description 1
- 229940045997 vitamin a Drugs 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1806—Biological oxygen demand [BOD] or chemical oxygen demand [COD]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Molecular Biology (AREA)
- Emergency Medicine (AREA)
- Biomedical Technology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种湖水水质分析系统，包括水质检测终端、图像采集模块、特征提取模块、数据库、分析云平台和显示终端；分析云平台分别与水质检测终端、图像采集模块、数据库和显示终端连接，特征提取模块分别与图像采集模块和数据库连接。本发明通过检测湖水中水质参数，并分析湖水中各藻类种类对应的辅助影响系数，并通过分析云平台对湖水水色、各藻类种类对应的辅助影响系数以及水质参数能够准确地统计湖水中参数对不同养殖阶段虾的水质符合满意度系数，便于管理人员直观地了解水质对虾生养的影响效果，提高了湖水水质对虾养殖环境的监测与分析效率，具有可靠性高、准确性高的特点，为虾养殖提供有效地生长环境。
Description
技术领域
本发明属于水产养殖技术领域，涉及到一种湖水水质分析系统。
背景技术
虾中含有20％的蛋白质，是蛋白质含量很高的食品之一，是鱼、蛋、奶的几倍甚至十几倍，虾和鱼肉相比，所含的人体必需氨基酸缬氨酸并不高，但却是营养均衡的蛋白质来源，虾和鱼肉禽肉相比，脂肪含量少，并且几乎不含作为能量来源的动物糖质，且虾含有丰富的钾、碘、镁、磷等微量元素和维生素A等成分，常食虾具有增强人体免疫力、缓解神经衰弱、有利于病后恢复以及有利于病后恢复的功效。
目前虾养殖业在养殖过程中，通常靠自然天气、靠累计的养殖经验进行传统养殖，对养殖环境中的参数无法实现准确的检测，存在监测水平低、管理、分析不科学的问题，进而大大降低了虾养殖效率和成活率。
虾养殖的不同阶段，水质内水色、水温、酸碱度、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量等，将直接影响虾的生长，例如一般对虾养殖两个月左右即出现因有机质过多导致的水体浑浊，水色发黑、发暗等现象，且大量的有机质分解需要消耗大量的溶氧，化学耗氧量和生物耗氧量已大大超过水体的负荷，致使对虾经常出现缺氧，此外，有机质在溶氧较少的情况下分解产生大量的氨氮、亚硝酸盐等含氮化合物，严重影响对虾的生长，现有的虾养殖存在监测效率差、可靠性低以及准确性低的特点，严重影响虾的生长，为了解决以上问题，现设计一种湖水水质分析系统。
发明内容
本发明的目的在于提供一种虾养殖的湖水水质分析系统，通过对湖水中的水质进行检测与分析，有效地解决了现有虾养殖的过程中，无法对养殖虾的水质进行监测、分析，进而存在监测效率差、可靠性低以及准确性差的问题。
本发明的目的可以通过以下技术方案实现：
一种湖水水质分析系统，包括水质检测终端、图像采集模块、特征提取模块、数据库、分析云平台和显示终端；分析云平台分别与水质检测终端、图像采集模块、特征提取模块、数据库和显示终端连接，特征提取模块分别与图像采集模块和数据库连接；
水质检测终端包括若干水质检测设备，所述水质检测设备分别安装在湖水中的各检测子区域内，用于实时检测湖水中的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量，并将检测的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量发送至分析云平台；
图像采集模块用于对养殖虾的湖水以及湖水内藻类进行图像获取，并将获取的湖水图像发送至管理服务器，将获取的湖水内藻类的图像发送至特征提取模块；
特征提取模块用于接收图像采集模块发送的湖水内藻类的图像信息，对接收的藻类图像信息进行放大，并将放大后的藻类图像进行划分，划分成m个面积相同的子图像，对各子图像按照设定的顺序进行编号，分别为1,2,...,j,...,m，并对各子图像信息中藻类的特征与数据库中存储的不同藻类种类对应的特征进行对比，得到该子图像中的藻类的特征，获得的各子图像中藻类的特征，并将各子图像中藻类的特征发送至分析云平台，且各子图像中藻类的特征构成藻类特征集合Aj(aj1,aj2,...,ajk,...,ajh)，表示为第j个子图像中第j个藻类特征；
数据库用于存储各藻类种类对应的藻类特征以及各藻类种类的比例分别对虾养殖的水质环境的辅助影响系数，存储不同湖水水色对应标准湖水图像，以及不同湖水水色对应的养殖水色系数，并存储虾在不同养殖阶段对应的标准水质参数，不同的水色对应不同的养殖水色系数，若水体中水色为红棕色、淡绿色、淡黄色，则对应的养殖水色系数为0.85，若水体中水色为黑褐色或白浊色，则对应的养殖水色系数为0.336，其中，各藻类种类对应的藻类特征构成品种藻类特征集合Bs(bs1,bs2,...,bsi,...,bsg)，bsi表示为第s个藻类种类对应的第i个特征，品种藻类特征集合中各藻类特征的排序分别为藻类叶子形状、藻类形状、藻类颜色和茎叶尺寸，且藻类特征对比的比重分别为ybs1,ybs2,...,ybsi,...,ybsg，ybs1＞ybs2＞...＞ybsi＞...＞ybsg，且ybs1+ybs2+...+ybsi+...+ybsg＝1；
分析云平台接收图像采集模块发送的湖水图像信息，对湖水图像信息与数据库中存储的不同湖水水色对应的标准湖水图像信息进行对比，以确定湖水的水色以及水色对应的养殖水色系数；
分析云平台接收特征提取模块发送的各子图像中藻类的特征，将接收的各子图像中的所有藻类特征与数据库中各藻类种类对应的特征进行对比，得到藻类特征对比集合B′js(b′js1,b′js2,...,b′jsi,...,b′jsg)，b′jsi表示第j个子图像中的所有藻类特征与第s个藻类种类对应的第i个藻类特征的对比值，若第j个子图像中的所有藻类特征中有第s个藻类种类对应的第i个藻类特征，则b′jsi等于固定数值R，R＞0,若第j个子图像中的所有藻类特征中没有第s个藻类种类对应的第i个藻类特征，则b′jsi等于0，分析云平台根据藻类特征对比集合B′js统计第j个子图像中存在第s个藻类种类的匹配吻合系数Qjs；
分析云平台对获得的藻类吻合系数与设定的标准吻合系数进行对比，剔除藻类吻合系数小于标准吻合系数的藻类种类，并累计统计图像采集模块发送的各图像信息中各子图像对应的大于标准吻合系数的藻类种类，同时累计该藻类种类在各图像信息中各子图像中出现的次数，按照各藻类种类在子图像中出现的次数由高到低顺序对各藻类种类进行排序，分别为1,2,...,t,...,p,并形成藻类种类频率集合C(c1,c2,...,cx,...,xp),cx表示为第x个藻类种类在所有子图像中出现的次数，分析云平台根据藻类种类频率集合统计湖水中各藻类种类占湖水中所有藻类种类的比例根据各藻类种类对应的比例系数与数据库中对应的各藻类种类对应的比例系数进行对比，以确定各藻类种类对应的比例系数对虾养殖的水质环境的辅助影响系数，所述辅助影响系数指某一藻类种类对湖水水质的影响系数；
同时，分析云平台接收各水质检测终端发送的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量，并输入湖水中虾所在的养殖阶段，将获取的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量分别与数据库中存储的该虾养殖阶段对应的水体PH值范围、水温范围、浑浊度范围、透明度范围、溶氧量范围、化学需氧量范围和生化需氧量范围进行逐一对比，并判断水体PH是否在该虾养殖的水体PH值范围内，若在，则取水体PH对比差为0，若小于水体PH值范围的最小值，则将该水体PH与标准水体PH值的最小值进行做差，并将差值与标准水体PH值的最小值进行做比较，且取绝对值，反之，则将该水体PH与标准水体PH值的最大值进行做差，并将差值与标准水体PH值的最大值做比较，得到水体PH差对比值，依次类推，分别对湖水中检测的水温、浑浊度、透明度、溶氧量、化学需氧量和生化需氧量进行分析、统计，以获得水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值；
分析云平台根据湖水水色对应的养殖水色系数、各藻类种类对应的比例系数对虾养殖的水质环境的辅助影响系数以及湖水中水体PH差对比值、水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值，以统计湖水中各参数对虾养殖的水质符合满意度系数U，水质云平台将统计的湖水满足度符合系数以及发送水体PH差对比值、水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值至显示终端；
显示终端用于接收分析云平台发送的湖水水质符合满意度系数以及水体PH差对比值、水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值，并进行显示。
进一步地，对养殖区域进行划分，按照湖水从进水口到出水口，对养殖区域进行划分，划分成若干面积相同的检测子区域，将划分后的各检测子区域按照各检测子区域依次距离进水口的距离由近到远的顺序进行编号，分别为1,2,...,s。
进一步地，所述图像采集模块为高清摄像头，图像采集模块包括第一图像采集单元和若干第二图像采集单元，第一图像采集单元安装在湖面上，用于实时采集湖水的图像信息，并将采集的湖水图像信息发送至管理服务器，第二图像采集单元分别安装在湖水内，用于采集湖水内藻类的图像信息，并将采集的藻类图像信息发送至特征提取模块。
进一步地，藻类的特征包括藻类形状、藻类颜色、藻类叶子形状、茎叶尺寸。
进一步地，标准水质参数包括标准水色、水体PH值范围、水温范围、浑浊度范围、透明度范围、溶氧量范围、化学需氧量范围和生化需氧量范围。
进一步地，藻类匹配吻合系数b′jsi表示第j个子图像中的所有藻类特征与第s个藻类种类对应的第i个藻类特征的对比值,ybsi表示第s个藻类种类中第i个藻类特诊对应的比重数值。
进一步地，cx表示为第x个藻类种类在所有子图像中出现的次数。
进一步地，所述水质符合满意度系数v表示为湖水水色对应的养殖水色系数，fx表示为第x个藻类种类对应的辅助影响系数，ΔP表示为湖水中水体PH差对比值，ΔH表示为湖水中水温差对比值，ΔZ表示为湖水中浑浊度差对比值，ΔT表示为湖水中透明度差对比值，ΔY表示为湖水中溶氧量差对比值，ΔX表示为湖水中化学需氧量差对比值，ΔS表示为湖水中生化需氧量差对比值。
本发明的有益效果：
本发明提供的基于虾养殖的湖水水质分析系统，通过对湖水内各水质参数进行检测，并结合图像采集模块和特征提取模块对湖水中藻类的种类以及各藻类种类所占的比例进行统计，根据藻类所占的比例筛选出该藻类种类对应的比例系数对虾养殖的水质环境的辅助影响系数，分析云平台通过对湖水水色、各藻类种类对应的辅助影响系数以及水质参数能够准确地统计湖水中参数对不同养殖阶段虾的水质符合满意度系数，便于管理人员直观地了解水质对虾生养的影响效果，提高了湖水水质对虾养殖环境的监测与分析效率，具有可靠性高、准确性高的特点，为虾养殖提供有效地生长环境。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中一种湖水水质分析系统的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种湖水水质分析系统，包括水质检测终端、图像采集模块、特征提取模块、数据库、分析云平台和显示终端；分析云平台分别与水质检测终端、图像采集模块、特征提取模块、数据库和显示终端连接，特征提取模块分别与图像采集模块和数据库连接；
对养殖区域进行划分，按照湖水从进水口到出水口，对养殖区域进行划分，划分成若干面积相同的检测子区域，将划分后的各检测子区域按照各检测子区域依次距离进水口的距离由近到远的顺序进行编号，分别为1,2,...,s；
水质检测终端包括若干水质检测设备，所述水质检测设备分别安装在湖水中的各检测子区域内，用于实时检测湖水中的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量，并将检测的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量发送至分析云平台；
图像采集模块用于对养殖虾的湖水以及湖水内藻类进行图像获取，并将获取的湖水图像发送至管理服务器，将获取的湖水内藻类的图像发送至特征提取模块；
所述图像采集模块为高清摄像头，图像采集模块包括第一图像采集单元和若干第二图像采集单元，第一图像采集单元安装在湖面上，用于实时采集湖水的图像信息，并将采集的湖水图像信息发送至管理服务器，第二图像采集单元分别安装在湖水内，用于采集湖水内藻类的图像信息，并将采集的藻类图像信息发送至特征提取模块；
特征提取模块用于接收图像采集模块发送的湖水内藻类的图像信息，对接收的藻类图像信息进行放大，放大后的尺寸为t*f大小，并将放大后的藻类图像进行划分，划分成m个面积相同的子图像，对各子图像按照设定的顺序进行编号，分别为1,2,...,j,...,m，并对各子图像信息中藻类的特征与数据库中存储的不同藻类种类对应的特征进行对比，得到该子图像中的藻类的特征，获得的各子图像中藻类的特征构成藻类特征集合Aj(aj1,aj2,...,ajk,...,ajh)，表示为第j个子图像中第j个藻类特征，藻类的特征包括藻类形状、藻类颜色、藻类叶子形状、茎叶尺寸等；
数据库用于存储各藻类种类对应的藻类特征以及各藻类种类的比例分别对虾养殖的水质环境的辅助影响系数，存储不同湖水水色对应标准湖水图像，以及不同湖水水色对应的养殖水色系数，并存储虾在不同养殖阶段对应的标准水质参数，其中，标准水质参数包括标准水色、水体PH值范围、水温范围、浑浊度范围、透明度范围、溶氧量范围、化学需氧量范围和生化需氧量范围，不同的水色对应不同的养殖水色系数，若水体中水色为红棕色、淡绿色、淡黄色等，则对应的养殖水色系数为0.85，若水体中水色为黑褐色或白浊色，则对应的养殖水色系数为0.336，水色系数越高，则水色对虾养殖越有利，其中，各藻类种类对应的藻类特征构成品种藻类特征集合Bs(bs1,bs2,...,bsi,...,bsg)，bsi表示为第s个藻类种类对应的第i个特征，品种藻类特征集合中各藻类特征的排序分别为藻类叶子形状、藻类形状、藻类颜色和茎叶尺寸等，且藻类特征对比的比重分别为ybs1,ybs2,...,ybsi,...,ybsg，ybs1＞ybs2＞...＞ybsi＞...＞ybsg，且ybs1+ybs2+...+ybsi+...+ybsg＝1；
分析云平台接收图像采集模块发送的湖水图像信息，对湖水图像信息与数据库中存储的不同湖水水色对应的标准湖水图像信息进行对比，以确定湖水的水色以及水色对应的养殖水色系数；
分析云平台接收特征提取模块发送的各子图像中藻类的特征，将接收的各子图像中的所有藻类特征与数据库中各藻类种类对应的特征进行对比，得到藻类特征对比集合B′js(b′js1,b′js2,...,b′jsi,...,b′jsg)，b′jsi表示第j个子图像中的所有藻类特征与第s个藻类种类对应的第i个藻类特征的对比值，若第j个子图像中的所有藻类特征中有第s个藻类种类对应的第i个藻类特征，则b′jsi等于固定数值R，R＞0,若第j个子图像中的所有藻类特征中没有第s个藻类种类对应的第i个藻类特征，则b′jsi等于0，分析云平台根据藻类特征对比集合B′js统计第j个子图像中存在第s个藻类种类的匹配吻合系数Qjs，藻类匹配吻合系数b′jsi表示第j个子图像中的所有藻类特征与第s个藻类种类对应的第i个藻类特征的对比值,ybsi表示第s个藻类种类中第i个藻类特诊对应的比重数值；
分析云平台对获得的藻类吻合系数与设定的标准吻合系数进行对比，剔除藻类吻合系数小于标准吻合系数的藻类种类，并累计统计图像采集模块发送的各图像信息中各子图像对应的大于标准吻合系数的藻类种类，同时累计该藻类种类在各图像信息中各子图像中出现的次数，按照各藻类种类在子图像中出现的次数由高到低顺序对各藻类种类进行排序，分别为1,2,...,t,...,p,并形成藻类种类频率集合C(c1,c2,...,cx,...,xp),cx表示为第x个藻类种类在所有子图像中出现的次数，分析云平台根据藻类种类频率集合统计湖水中各藻类种类占湖水中所有藻类种类的比例根据各藻类种类对应的比例系数与数据库中对应的各藻类种类对应的比例系数进行对比，以确定各藻类种类对应的比例系数对虾养殖的水质环境的辅助影响系数，所述辅助影响系数指某一藻类种类对湖水水质的影响系数，其中，cx表示为第x个藻类种类在所有子图像中出现的次数；
同时，分析云平台接收各水质检测终端发送的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量，并输入湖水中虾所在的养殖阶段，将获取的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量分别与数据库中存储的该虾养殖阶段对应的水体PH值范围、水温范围、浑浊度范围、透明度范围、溶氧量范围、化学需氧量范围和生化需氧量范围进行逐一对比，并判断水体PH是否在该虾养殖的水体PH值范围内，若在，则取水体PH对比差为0，若小于水体PH值范围的最小值，则将该水体PH与标准水体PH值的最小值进行做差，并将差值与标准水体PH值的最小值进行做比较，且取绝对值，反之，则将该水体PH与标准水体PH值的最大值进行做差，并将差值与标准水体PH值的最大值做比较，得到水体PH差对比值，依次类推，分别对湖水中检测的水温、浑浊度、透明度、溶氧量、化学需氧量和生化需氧量进行分析、统计，以获得水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值；
分析云平台根据湖水水色对应的养殖水色系数、各藻类种类对应的比例系数对虾养殖的水质环境的辅助影响系数以及湖水中水体PH差对比值、水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值，以统计湖水中各参数对虾养殖的水质符合满意度系数U，水质符合满意度系数v表示为湖水水色对应的养殖水色系数，fx表示为第x个藻类种类对应的辅助影响系数，ΔP表示为湖水中水体PH差对比值，ΔH表示为湖水中水温差对比值，ΔZ表示为湖水中浑浊度差对比值，ΔT表示为湖水中透明度差对比值，ΔY表示为湖水中溶氧量差对比值，ΔX表示为湖水中化学需氧量差对比值，ΔS表示为湖水中生化需氧量差对比值，将统计的湖水满足度符合系数以及发送水体PH差对比值、水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值至显示终端，其中，水质符合满意系数越高，则表明越促进虾的养殖；
显示终端用于接收分析云平台发送的湖水水质符合满意度系数以及水体PH差对比值、水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值，并进行显示，管理人员通过水质符合满意度系数，可清楚、直观地展示湖水水质对虾养殖的满意度符合系数，同时，便于管理人员对水体中各参数进行直观地了解，便于为虾养殖提供可靠的生长环境。
本发明提供的基于虾养殖的湖水水质分析系统，通过对湖水内各水质参数进行检测，并结合图像采集模块和特征提取模块对湖水中藻类的种类以及各藻类种类所占的比例进行统计，根据藻类所占的比例筛选出该藻类种类对应的比例系数对虾养殖的水质环境的辅助影响系数，分析云平台通过对湖水水色、各藻类种类对应的辅助影响系数以及水质参数能够准确地统计湖水中参数对不同养殖阶段虾的水质符合满意度系数，便于管理人员直观地了解水质对虾生养的影响效果，提高了湖水水质对虾养殖环境的监测与分析效率，具有可靠性高、准确性高的特点，为虾养殖提供有效地生长环境。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种湖水水质分析系统，其特征在于：包括水质检测终端、图像采集模块、特征提取模块、数据库、分析云平台和显示终端；分析云平台分别与水质检测终端、图像采集模块、特征提取模块、数据库和显示终端连接，特征提取模块分别与图像采集模块和数据库连接；
水质检测终端包括若干水质检测设备，所述水质检测设备分别安装在湖水中的各检测子区域内，用于实时检测湖水中的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量，并将检测的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量发送至分析云平台；
图像采集模块用于对养殖虾的湖水以及湖水内藻类进行图像获取，并将获取的湖水图像发送至管理服务器，将获取的湖水内藻类的图像发送至特征提取模块；
特征提取模块用于接收图像采集模块发送的湖水内藻类的图像信息，对接收的藻类图像信息进行放大，并将放大后的藻类图像进行划分，划分成m个面积相同的子图像，对各子图像按照设定的顺序进行编号，分别为1,2,...,j,...,m，并对各子图像信息中藻类的特征与数据库中存储的不同藻类种类对应的特征进行对比，得到该子图像中的藻类的特征，获得的各子图像中藻类的特征，并将各子图像中藻类的特征发送至分析云平台，且各子图像中藻类的特征构成藻类特征集合Aj(aj1,aj2,...,ajk,...,ajh)，表示为第j个子图像中第j个藻类特征；
数据库用于存储各藻类种类对应的藻类特征以及各藻类种类的比例分别对虾养殖的水质环境的辅助影响系数，存储不同湖水水色对应标准湖水图像，以及不同湖水水色对应的养殖水色系数，并存储虾在不同养殖阶段对应的标准水质参数，不同的水色对应不同的养殖水色系数，若水体中水色为红棕色、淡绿色、淡黄色，则对应的养殖水色系数为0.85，若水体中水色为黑褐色或白浊色，则对应的养殖水色系数为0.336，其中，各藻类种类对应的藻类特征构成品种藻类特征集合Bs(bs1,bs2,...,bsi,...,bsg)，bsi表示为第s个藻类种类对应的第i个特征，品种藻类特征集合中各藻类特征的排序分别为藻类叶子形状、藻类形状、藻类颜色和茎叶尺寸，且藻类特征对比的比重分别为ybs1,ybs2,...,ybsi,...,ybsg，ybs1＞ybs2＞...＞ybsi＞...＞ybsg，且ybs1+ybs2+...+ybsi+...+ybsg＝1；
分析云平台接收图像采集模块发送的湖水图像信息，对湖水图像信息与数据库中存储的不同湖水水色对应的标准湖水图像信息进行对比，以确定湖水的水色以及水色对应的养殖水色系数；
分析云平台接收特征提取模块发送的各子图像中藻类的特征，将接收的各子图像中的所有藻类特征与数据库中各藻类种类对应的特征进行对比，得到藻类特征对比集合B′js(b′js1,b′js2,...,b′jsi,...,b′jsg)，b′jsi表示第j个子图像中的所有藻类特征与第s个藻类种类对应的第i个藻类特征的对比值，若第j个子图像中的所有藻类特征中有第s个藻类种类对应的第i个藻类特征，则b′jsi等于固定数值R，R＞0,若第j个子图像中的所有藻类特征中没有第s个藻类种类对应的第i个藻类特征，则b′jsi等于0，分析云平台根据藻类特征对比集合B′js统计第j个子图像中存在第s个藻类种类的匹配吻合系数Qjs；
分析云平台对获得的藻类吻合系数与设定的标准吻合系数进行对比，剔除藻类吻合系数小于标准吻合系数的藻类种类，并累计统计图像采集模块发送的各图像信息中各子图像对应的大于标准吻合系数的藻类种类，同时累计该藻类种类在各图像信息中各子图像中出现的次数，按照各藻类种类在子图像中出现的次数由高到低顺序对各藻类种类进行排序，分别为1,2,...,t,...,p,并形成藻类种类频率集合C(c1,c2,...,cx,...,xp),cx表示为第x个藻类种类在所有子图像中出现的次数，分析云平台根据藻类种类频率集合统计湖水中各藻类种类占湖水中所有藻类种类的比例根据各藻类种类对应的比例系数与数据库中对应的各藻类种类对应的比例系数进行对比，以确定各藻类种类对应的比例系数对虾养殖的水质环境的辅助影响系数，所述辅助影响系数指某一藻类种类对湖水水质的影响系数；
同时，分析云平台接收各水质检测终端发送的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量，并输入湖水中虾所在的养殖阶段，将获取的水体PH值、水温、浑浊度、透明度、溶氧量、化学需氧量、生化需氧量分别与数据库中存储的该虾养殖阶段对应的水体PH值范围、水温范围、浑浊度范围、透明度范围、溶氧量范围、化学需氧量范围和生化需氧量范围进行逐一对比，并判断水体PH是否在该虾养殖的水体PH值范围内，若在，则取水体PH对比差为0，若小于水体PH值范围的最小值，则将该水体PH与标准水体PH值的最小值进行做差，并将差值与标准水体PH值的最小值进行做比较，且取绝对值，反之，则将该水体PH与标准水体PH值的最大值进行做差，并将差值与标准水体PH值的最大值做比较，得到水体PH差对比值，依次类推，分别对湖水中检测的水温、浑浊度、透明度、溶氧量、化学需氧量和生化需氧量进行分析、统计，以获得水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值；
分析云平台根据湖水水色对应的养殖水色系数、各藻类种类对应的比例系数对虾养殖的水质环境的辅助影响系数以及湖水中水体PH差对比值、水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值，以统计湖水中各参数对虾养殖的水质符合满意度系数U，水质云平台将统计的湖水满足度符合系数以及发送水体PH差对比值、水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值至显示终端；
显示终端用于接收分析云平台发送的湖水水质符合满意度系数以及水体PH差对比值、水温差对比值、浑浊度差对比值、透明度差对比值、溶氧量差对比值、化学需氧量差对比值和生化需氧量差对比值，并进行显示。
2.根据权利要求1所述的一种湖水水质分析系统，其特征在于：对养殖区域进行划分，按照湖水从进水口到出水口，对养殖区域进行划分，划分成若干面积相同的检测子区域，将划分后的各检测子区域按照各检测子区域依次距离进水口的距离由近到远的顺序进行编号，分别为1,2,...,s。
3.根据权利要求1所述的一种湖水水质分析系统，其特征在于：所述图像采集模块为高清摄像头，图像采集模块包括第一图像采集单元和若干第二图像采集单元，第一图像采集单元安装在湖面上，用于实时采集湖水的图像信息，并将采集的湖水图像信息发送至管理服务器，第二图像采集单元分别安装在湖水内，用于采集湖水内藻类的图像信息，并将采集的藻类图像信息发送至特征提取模块。
4.根据权利要求1所述的一种湖水水质分析系统，其特征在于：藻类的特征包括藻类形状、藻类颜色、藻类叶子形状、茎叶尺寸。
5.根据权利要求1所述的一种湖水水质分析系统，其特征在于：标准水质参数包括标准水色、水体PH值范围、水温范围、浑浊度范围、透明度范围、溶氧量范围、化学需氧量范围和生化需氧量范围。
6.根据权利要求1所述的一种湖水水质分析系统，其特征在于：藻类匹配吻合系数b′jsi表示第j个子图像中的所有藻类特征与第s个藻类种类对应的第i个藻类特征的对比值,ybsi表示第s个藻类种类中第i个藻类特诊对应的比重数值。
7.根据权利要求1所述的一种湖水水质分析系统，其特征在于：cx表示为第x个藻类种类在所有子图像中出现的次数。
8.根据权利要求1所述的一种湖水水质分析系统，其特征在于：所述水质符合满意度系数v表示为湖水水色对应的养殖水色系数，fx表示为第x个藻类种类对应的辅助影响系数，ΔP表示为湖水中水体PH差对比值，ΔH表示为湖水中水温差对比值，ΔZ表示为湖水中浑浊度差对比值，ΔT表示为湖水中透明度差对比值，ΔY表示为湖水中溶氧量差对比值，ΔX表示为湖水中化学需氧量差对比值，ΔS表示为湖水中生化需氧量差对比值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811061477.5A CN109001407B (zh) | 2018-09-12 | 2018-09-12 | 一种湖水水质分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811061477.5A CN109001407B (zh) | 2018-09-12 | 2018-09-12 | 一种湖水水质分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109001407A true CN109001407A (zh) | 2018-12-14 |
| CN109001407B CN109001407B (zh) | 2020-02-14 |
Family
ID=64591764
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811061477.5A Active CN109001407B (zh) | 2018-09-12 | 2018-09-12 | 一种湖水水质分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109001407B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110456722A (zh) * | 2019-08-14 | 2019-11-15 | 安徽中青检验检测有限公司 | 一种湖水水质监控与预测系统 |
| CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理系统 |
| CN111966137A (zh) * | 2020-08-17 | 2020-11-20 | 刘同友 | 一种基于大数据的水产品运输环境智能监测调控系统 |
| CN112394152A (zh) * | 2020-10-27 | 2021-02-23 | 范玲珍 | 一种基于大数据的水质实时智能监测分析管理系统 |
| CN112866644A (zh) * | 2021-01-09 | 2021-05-28 | 南京魏东电子商务有限公司 | 基于大数据和物联网协同作用的渔业养殖在线智能监测平台及云服务器 |
| CN114997536A (zh) * | 2022-08-01 | 2022-09-02 | 中国水产科学研究院南海水产研究所 | 一种养殖尾水污染检测方法、系统及介质 |
| CN115100414A (zh) * | 2022-07-25 | 2022-09-23 | 中国水产科学研究院南海水产研究所 | 一种基于数据分析的藻类培养方法、系统及介质 |
| CN115327065A (zh) * | 2022-10-17 | 2022-11-11 | 中大智能科技股份有限公司 | 一种水利水电工程样本检测方法及系统 |
| CN116539831A (zh) * | 2023-06-26 | 2023-08-04 | 中交天航环保工程有限公司 | 一种基于大数据分析水环境数据监测处理方法 |
| CN118071029A (zh) * | 2024-04-17 | 2024-05-24 | 江西省水务集团有限公司 | 一种基于水质数字信息的水务监测治理管理平台 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102914505A (zh) * | 2012-09-27 | 2013-02-06 | 国家海洋局第二海洋研究所 | 利用modis水色遥感数据的海洋赤潮藻种判别方法 |
| KR20130083662A (ko) * | 2012-01-13 | 2013-07-23 | 주식회사 씨큐로 | 수질 검지시스템 및 그 제어방법 |
| CN103604423A (zh) * | 2013-11-22 | 2014-02-26 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊遥感野外自动监测系统及监测方法 |
| CN103335955B (zh) * | 2013-06-19 | 2015-08-19 | 华南农业大学 | 一种水质在线监测方法与装置 |
| CN206362786U (zh) * | 2016-12-13 | 2017-07-28 | 浙江海洋大学 | 一种海水浴场水质监测装置 |
| CN108375548A (zh) * | 2018-02-10 | 2018-08-07 | 安徽唯诗杨信息科技有限公司 | 一种基于大数据的鱼塘养殖投料评估系统 |
-
2018
- 2018-09-12 CN CN201811061477.5A patent/CN109001407B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130083662A (ko) * | 2012-01-13 | 2013-07-23 | 주식회사 씨큐로 | 수질 검지시스템 및 그 제어방법 |
| CN102914505A (zh) * | 2012-09-27 | 2013-02-06 | 国家海洋局第二海洋研究所 | 利用modis水色遥感数据的海洋赤潮藻种判别方法 |
| CN103335955B (zh) * | 2013-06-19 | 2015-08-19 | 华南农业大学 | 一种水质在线监测方法与装置 |
| CN103604423A (zh) * | 2013-11-22 | 2014-02-26 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊遥感野外自动监测系统及监测方法 |
| CN206362786U (zh) * | 2016-12-13 | 2017-07-28 | 浙江海洋大学 | 一种海水浴场水质监测装置 |
| CN108375548A (zh) * | 2018-02-10 | 2018-08-07 | 安徽唯诗杨信息科技有限公司 | 一种基于大数据的鱼塘养殖投料评估系统 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110456722A (zh) * | 2019-08-14 | 2019-11-15 | 安徽中青检验检测有限公司 | 一种湖水水质监控与预测系统 |
| CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理系统 |
| CN111198549B (zh) * | 2020-02-18 | 2020-11-06 | 湖南伟业动物营养集团股份有限公司 | 一种基于大数据的家禽养殖监测管理系统 |
| CN111966137A (zh) * | 2020-08-17 | 2020-11-20 | 刘同友 | 一种基于大数据的水产品运输环境智能监测调控系统 |
| CN112394152A (zh) * | 2020-10-27 | 2021-02-23 | 范玲珍 | 一种基于大数据的水质实时智能监测分析管理系统 |
| CN112866644A (zh) * | 2021-01-09 | 2021-05-28 | 南京魏东电子商务有限公司 | 基于大数据和物联网协同作用的渔业养殖在线智能监测平台及云服务器 |
| CN115100414B (zh) * | 2022-07-25 | 2022-12-23 | 中国水产科学研究院南海水产研究所 | 一种基于数据分析的藻类培养方法、系统及介质 |
| CN115100414A (zh) * | 2022-07-25 | 2022-09-23 | 中国水产科学研究院南海水产研究所 | 一种基于数据分析的藻类培养方法、系统及介质 |
| CN114997536A (zh) * | 2022-08-01 | 2022-09-02 | 中国水产科学研究院南海水产研究所 | 一种养殖尾水污染检测方法、系统及介质 |
| CN115327065A (zh) * | 2022-10-17 | 2022-11-11 | 中大智能科技股份有限公司 | 一种水利水电工程样本检测方法及系统 |
| CN115327065B (zh) * | 2022-10-17 | 2022-12-27 | 中大智能科技股份有限公司 | 一种水利水电工程样本检测方法及系统 |
| CN116539831A (zh) * | 2023-06-26 | 2023-08-04 | 中交天航环保工程有限公司 | 一种基于大数据分析水环境数据监测处理方法 |
| CN116539831B (zh) * | 2023-06-26 | 2023-12-05 | 中交天航环保工程有限公司 | 一种基于大数据分析水环境数据监测处理方法 |
| CN118071029A (zh) * | 2024-04-17 | 2024-05-24 | 江西省水务集团有限公司 | 一种基于水质数字信息的水务监测治理管理平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109001407B (zh) | 2020-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109001407A (zh) | 一种湖水水质分析系统 | |
| Snell-Rood et al. | Anthropogenic changes in sodium affect neural and muscle development in butterflies | |
| Papandroulakis et al. | An automated feeding system for intensive hatcheries | |
| Sharma | Technical efficiency of carp production in Pakistan | |
| CN110402880A (zh) | 一种水产养殖中水质环境原位修复信息处理系统及方法 | |
| CN106501474B (zh) | 微宇宙周期生物量测算污染物生态毒性效应阈值浓度方法 | |
| CN109997741A (zh) | 一种稻田循环流水养鱼生态数据处理系统及方法 | |
| CN111862246A (zh) | 对虾苗种智能计数方法及装置 | |
| Riisgård et al. | Adaptation of the brine shrimp Artemia salina (Branchiopoda: Anostraca) to filter-feeding: effects of body size and temperature on filtration and respiration rates | |
| Sudtongkong et al. | Optimal dietary protein requirement for juvenile sesarmid crab (Episesarma singaporense) | |
| Paran et al. | Production of juvenile mud crabs, Scylla serrata: Captive breeding, larviculture and nursery production | |
| Montalbano et al. | Cognitive phenotypic plasticity: environmental enrichment affects learning but not executive functions in a teleost fish, Poecilia reticulata | |
| CN109006652B (zh) | 一种基于物联网的罗非鱼制种育苗系统及方法 | |
| Messina et al. | The sense of number in fish, with particular reference to its neurobiological bases | |
| CN113066278B (zh) | 一种水产养殖水质监控方法及系统 | |
| Lahnsteiner et al. | Suitability of different live feed for first feeding of freshwater fish larvae | |
| Arthur et al. | Baseline blood biochemistry of Australian green turtles (Chelonia mydas) and effects of exposure to the toxic cyanobacterium Lyngbya majuscula | |
| CN115669584B (zh) | 一种基于攻击性性状对三疣梭子蟹进行亲本选育的方法 | |
| CN106204309A (zh) | 基于物联网的水产品精细化养殖管理系统 | |
| Rámirez-Ambríz et al. | Factors that facilitate or limit the development of bivalve mollusk aquaculture in BCS, Mexico: the small-scale producers’ perspective | |
| Chen et al. | Establishing an eyeball-weight relationship for Litopenaeus vannamei using machine vision technology | |
| Hou et al. | Red Claw Crayfish Cherax quadricarinatus Cultivation Influences the Dynamics and Assembly of Benthic Bacterial Communities in Paddy Fields | |
| Debdas et al. | Automation and Monitoring Using IoT in Pisciculture | |
| CN114020074A (zh) | 一种养殖塘智能无人养殖系统及方法 | |
| Qinghui et al. | Evaluation on feasibility of two probiotics as microalgae substitutes for Ruditapes philippinarum spat cultured in shrimp aquaculture wastewater |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200116 Address after: 510000 room 305a, third floor, Tiancheng square, No. 342-360, Longkou East Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: Guangdong Zhongxinhua Technology Co., Ltd. Address before: 510000 No. 202 Huanshi West Road, Yuexiu District, Guangzhou City, Guangdong Province Applicant before: Ye Fuda |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |