CN109122421B - 一种基于大数据的罗非鱼杂交配套系的选育方法 - Google Patents
一种基于大数据的罗非鱼杂交配套系的选育方法 Download PDFInfo
- Publication number
- CN109122421B CN109122421B CN201811167044.8A CN201811167044A CN109122421B CN 109122421 B CN109122421 B CN 109122421B CN 201811167044 A CN201811167044 A CN 201811167044A CN 109122421 B CN109122421 B CN 109122421B
- Authority
- CN
- China
- Prior art keywords
- meter
- tilapia
- flow meter
- operating frequency
- current
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/10—Culture of aquatic animals of fish
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- 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
本发明属于罗非鱼杂交选育技术领域,公开了一种基于大数据的罗非鱼杂交配套系的选育方法,通过温度调整旋钮调节制冷装置的温度,对低温箱内降温;关闭电磁阀后,通过第一测流计与第二测流计测量低温箱与常温箱内水的流动,间接测量出内部鱼苗数量,通过数据处理芯片计算出第一测流计与第二测流计的比值,并通过显示屏进行显示,通过wifi连接器将测量数值传送到设备终端,分析交配子代品种。本发明将雄性尼罗罗非鱼与雌性奥利亚罗非鱼杂交产生的子代分开,避免罗非鱼互相残食现象;通过常温与低温将不同子代品种分开,并配有大数据测量,提高育种成功率,减少工作量。
Description
技术领域
本发明属于罗非鱼杂交选育技术领域,尤其涉及一种基于大数据的罗非鱼杂交配套系的选育方法。
背景技术
目前,尼奥罗非鱼是雌性尼罗罗非鱼与雄性奥利亚罗非鱼交配产生的子一代,具有雄性率高,耐寒、抗病的特点,但尼奥罗非鱼之间杂交苗产量低下,为此人们采用手动选择父本与母本进行杂交,且工作量极大;罗非鱼苗种有互相残食的习性,主要表现在鱼苗8-9朝规格期间,大苗吞食小苗的现象特别严重,我们解剖发现有的5朝大小的罗非鱼苗种肠胃中有20多尾幼苗,严重影响奥尼罗非鱼子代的数量。
综上所述,现有技术存在的问题是:
(1)人们采用手动选择父本与母本进行杂交,工作量极大;罗非鱼苗种有互相残食的习性,大苗吞食小苗的现象比较严重,严重影响奥尼杂交罗非鱼子代的数量。
(2)现有的声音去噪算法存有一定局限性,对抑制噪声污染和保持信号细节不理想,不能有效地消除了背景噪声,不能提高信号特征的可分离性,不具有较高的实用价值。影响了分析交配子代品种图像的清晰度。
(3)在实际工程应用中,由于硬件平台配置限制,控制算法在硬件平台上需要进行大量迭代运算将增加算法计算时间,影响控制系统实时性。
(4)现有的清晰度算法计算量较大,执行效率低,不易于硬件实现。
现有技术中,第一测流计与第二测流计流量控制效果差。
发明内容
针对现有技术存在的问题,本发明提供了一种基于大数据的罗非鱼杂交配套系的选育方法。
本发明是这样实现的,一种基于大数据的罗非鱼杂交配套系的选育方法,所述基于大数据的罗非鱼杂交配套系的选育方法包括:
步骤一,将一定数量的雌性尼罗罗非鱼与雄性奥利亚罗非鱼放置于繁殖箱内,通过第一分隔板将内部雌性尼罗罗非鱼与雄性奥利亚罗非鱼均匀分开,让其在繁殖箱内杂交产生子一代;
步骤二,打开电磁阀,第一转运管直径较小,只允许小鱼苗通过,使得子一代育苗通过第一转运管到低温想内;
步骤三,通过第二分隔板将子代育苗均匀分开,通过温度调整旋钮调节制冷装置的温度,对低温箱内降温;
步骤四,关闭电磁阀后,通过第一测流计与第二测流计测量低温箱与常温箱内水的流动,间接测量出内部鱼苗数量,通过数据处理芯片计算出第一测流计与第二测流计的比值,并通过显示屏进行显示,通过wifi连接器将测量数值传送到设备终端,分析交配子代品种;
步骤五,在常温箱内选出雌性尼罗罗非鱼与雄性奥利亚罗非鱼进行下一代杂交繁殖,通过低温箱内部的尼奥罗非鱼进行养殖培育。
进一步,数据处理芯片设置有第一测流计与第二测流计流量控制模块,控制第一测流计与第二测流计流量的方法包括:
设定第一测流计与第二测流计的一流量临界值;
根据流量临界值判断一最大可处理负载量;
根据汇集平台电源管理技术将多个第一工作任务结合为一第一连续工作任务;
判断第一连续工作任务的一负载量是否大于最大可处理负载量;
当第一连续工作任务的负载量大于最大可处理负载量时,将第一连续工作任务中之一超载部分的第一工作任务移出第一连续工作任务;
当接收到第一连续工作任务时,将第一测流计与第二测流计由一休眠模式切换至一操作模式,以及处理第一连续工作任务;以及当第一连续工作任务处理完成后,将第一测流计与第二测流计设为休眠模式;
第一测流计与第二测流计的操作频率在一般操作下具有一正常操作频率,以及方法还包括:
根据第一连续工作任务的负载量以及流量临界值决定一第一操作频率;
以及当第一测流计与第二测流计切换至操作模式时,将第一测流计与第二测流计的操作频率由正常操作频率提升至第一操作频率,并通过第一操作频率处理第一连续工作任务;
其中第一操作频率的工作频率高于正常操作频率的工作频率;
第一测流计与第二测流计控制方法还包括:
当第一连续工作任务处理完成并且第一测流计与第二测流计进入休眠模式后,根据汇集平台电源管理技术将多个第二工作任务以及超载部分的第一工作任务结合为一第二连续工作任务;
当接收到第二连续工作任务时,将第一测流计与第二测流计由休眠模式切换至操作模式;
将第一测流计与第二测流计的操作频率由正常操作频率提升至一第二操作频率,通过第二操作频率处理第二连续工作任务;以及当第二连续工作任务处理完成后,将第一测流计与第二测流计设为休眠模式;
其中第一操作频率的工作频率高于正常操作频率的工作频率;
第一测流计与第二测流计使用第一操作频率将第一连续工作任务处理完成的时间点与开始接收到第二连续工作任务的时间点之间具有一第一间隔时间,而使用正常频率将第一连续工作任务处理完成与接收到第二连续工作任务之间具有一第二间隔时间,其中第一间隔时间小于第二间隔时间。
进一步,数据处理芯片设置有控制模块用于进一步计算第一测流计与第二测流计的比值,采用的控制算法为:
步骤一,初始化粒子群,粒子个数为N,随机设定每个粒子的初始位置xi和初始速度vi;
步骤二,根据初始速度和初始位置产生各个粒子的新位置;
步骤三,计算每个粒子适应度,在k+1次迭代中将每个粒子经历过的最好位置适应度与当前位置适应度进行比较,并更新粒子最好位置Pidbest(k+1);
步骤四,对每个粒子比较它的适应度和群体所经历的最好位置Pgdbest适应度,选择当前全局最佳适应度粒子位置作为k+1次全局最佳位置Pgdbest(k+1);
步骤五,统计当前粒子个数Nk+1,如果粒子个数Nk+1≥N/2,则进行步骤六,否则进行步骤七;
步骤六,根据适应度对群中粒子进行降序排序,选择排在前面的粒子(比例r·)组成新一代粒子群M(k+1);
步骤七,根据下式对k+1代粒子群M(k+1)中粒子速度和粒子位置进行更新:
xid(k+1)=xid(k)+vid(k+1);
式中:xid(k)粒子i在第k次迭代中第d维上的位置;
vid(k)粒子i在第k次迭代中第d维上的速度;
Pidbsest(k)粒子i个体最优位置;
Pgdbest(k)整个粒子群全局最优位置;
c1、c2学习因子;
w、k·惯性因子和迭代次数;
步骤八,如果达到条件则结束,否则返回步骤三继续迭代。
进一步,显示屏采用如下算法提高清晰度;
第一步,结合如下公式:
式中
F(I)评价函数, 表示关于梯度的函数;对于一幅彩色图像,设其原始输入图像在RGB色彩空间中描述,根据实际需求,将其变换至其他色彩空间Γijk,则Γ(x,y)ijk=T[(m,n)RGB];设Γijk其中一维Γii分量表示图像的亮度分量,则有式中的表述为
对(1)的梯度分量作非线性放大处理,对(2)进行改写为:
式中:α为非线性放大系数;
由于对数函数对微小信号有着较好的延展性,因此,设αxy为参考像素(x,y)点的对数放大系数:
αxy=ln(l+Γi(x,y));
综上所述,可以得到最终的图像评价函数F(I):
进一步,所述wifi连接器中的信号处理过程中的采用的信号去噪算法为:
式中:参数a、b为正常数,在振动信号去噪中可以通过调节a、b来改变阈值函数的变化规则,参数m(0≤m≤1)决定了小波阈值的逼近程度,在区间(0,1)中调解参数m,使得硬阈值函数在λ处连续,抑制了振荡;同时降低软阈值函数在分解小波系数时产生的恒定偏差。同时很大程度上降低了软阈值函数在分解小波系数时产生的恒定偏差,并保留了传统阈值函数的优点。可以看出,新的小波阈值函数更加优秀并且灵活。
本发明的另一目的在于提供一种实现所述基于大数据的罗非鱼杂交配套系的选育方法中的第一测流计与第二测流计流量控制计算机程序。
本发明的另一目的在于提供一种实现所述基于大数据的罗非鱼杂交配套系的选育方法中的第一测流计与第二测流计流量控制方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述基于大数据的罗非鱼杂交配套系的选育方法中的第一测流计与第二测流计流量控制方法。
本发明的另一目的在于提供一种基于大数据的罗非鱼杂交配套系的选育系统,设置有:
繁殖箱;
所述繁殖箱内部焊接有多个第一分隔板,所述繁殖箱左端套接有第一转运管,第一转运管末端套接在低温箱上;
低温箱中间焊接有多个第二分隔板,低温箱下端焊接有制冷装置,低温箱与常温箱通过第二转运管套接;
低温箱与常温箱上内部侧端分别通过螺钉固定有第一测流计、第二测流计,低温箱上焊接有控制板,控制板内部卡接有数据处理芯片与wifi连接器。
进一步,所述第一转运管共四个,分别对应套接在繁殖箱的第一分隔板的中间;第一转运管上卡接有电磁阀;
所述繁殖箱高度高于低温箱,低温箱鱼常温箱高度相同;
所述控制板上嵌接有显示屏,显示屏右端键接有温度调整旋钮;第一测流计与第二测流计通过导线连接数据处理芯片、显示屏,数据处理芯片通过数据线连接wifi连接器。
本发明的优点及积极效果为:第一分隔板将繁殖箱分割为多个空间,可分别放置一定数量的雌性尼罗罗非鱼与雄性奥利亚罗非鱼,将繁殖后的子代通过第一转运管运输到低温箱内,防止罗非鱼苗种大鱼吞小鱼的情况;通过制冷板对低温箱制冷,尼奥罗非鱼具有耐寒性,留在低温箱内,其它品种则游到常温箱内,通过数据处理芯片计算出两箱内测流计的比值,从而可大数据测量出罗非鱼杂交的子代;选取常温箱的罗非鱼进行杂交,低温箱的尼奥罗非鱼进行养殖,提高育种成功率,减少工作量。
本发明将雌性尼罗罗非鱼与雄性奥利亚罗非鱼杂交产生的子代分开,避免罗非鱼互相残食现象;通过常温与低温将不同子代品种分开,并配有大数据测量,提高育种成功率,减少工作量。
本发明采用该信号去噪算法,更好地抑制了噪声污染和保持信号细节,有效地消除了背景噪声,提高了信号特征的可分离性,具有较高的实用价值;通过该控制算法,在实际工程应用中,可以避免由于硬件平台配置限制,控制算法在硬件平台上减少了大量迭代运算,从而减少了算法计算时间,提高了控制系统实时性;通过该清晰度算法,可以减少计算量,提高执行效率,易于硬件实现。提高了分析交配子代品种图像的清晰度。
本发明数据处理芯片设置有第一测流计与第二测流计流量控制模块,控制第一测流计与第二测流计流量的方法包括:
设定第一测流计与第二测流计的一流量临界值;
根据流量临界值判断一最大可处理负载量;
根据汇集平台电源管理技术将多个第一工作任务结合为一第一连续工作任务;
判断第一连续工作任务的一负载量是否大于最大可处理负载量;
当第一连续工作任务的负载量大于最大可处理负载量时,将第一连续工作任务中之一超载部分的第一工作任务移出第一连续工作任务;
当接收到第一连续工作任务时,将第一测流计与第二测流计由一休眠模式切换至一操作模式,以及处理第一连续工作任务;以及当第一连续工作任务处理完成后,将第一测流计与第二测流计设为休眠模式;保证了第一测流计与第二测流计流量的准确控制,为罗非鱼杂交配套系的选育提供必要条件。
附图说明
图1是本发明实施例提供的基于大数据的罗非鱼杂交配套系的选育系统的结构示意图;
图2是本发明实施例提供的基于大数据的罗非鱼杂交配套系的选育系统数据处理芯片、wifi连接器的结构示意图;
图中:1、繁殖箱;2、第一分隔板;3、电磁阀;4、第一转运管;5、低温箱;6、第二分隔板;7、第一测流计;8、第二转运管;9、常温箱;10、第二测流计;11、制冷装置;12、显示屏;13、控制板;14、温度调整旋钮;15、数据处理芯片;16、wifi连接器。
图3是本发明实施例提供的基于大数据的罗非鱼杂交配套系的选育方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1和图2所示,本发明实施例提供的基于大数据的罗非鱼杂交配套系的选育系统包括:繁殖箱1、第一分隔板2、电磁阀3、第一转运管4、低温箱5、第二分隔板6、第一测流计7、第二转运管8、常温箱9、第二测流计10、制冷装置11、显示屏12、控制板13、温度调整旋钮14、数据处理芯片15、wifi连接器16。
所述繁殖箱1内部焊接有多个第一分隔板2,所述繁殖箱1左端套接有第一转运管4,第一转运管4末端套接在低温箱5上;
低温箱5中间焊接有多个第二分隔板6,低温箱5下端焊接有制冷装置11,低温箱5与常温箱9通过第二转运管8套接;
低温箱5与常温箱9上内部侧端分别通过螺钉固定有第一测流计7、第二测流计10,低温箱5上焊接有控制板13,控制板13内部卡接有数据处理芯片15与wifi连接器16。
第一转运管4共四个,分别对应套接在繁殖箱1的第一分隔板6的中间;第一转运管4上卡接有电磁阀3。繁殖箱1高度高于低温箱5,低温箱5鱼常温箱9高度相同。控制板13上嵌接有显示屏12,显示屏12右端键接有温度调整旋钮14;第一测流计7与第二测流计10通过导线连接数据处理芯片15、显示屏12,数据处理芯片15通过导线连接wifi连接器16。
如图3,本发明实施例提供,基于大数据的罗非鱼杂交配套系的选育方法,包括以下步骤:
S101:将一定数量的雌性尼罗罗非鱼与雄性奥利亚罗非鱼放置于繁殖箱内,通过第一分隔板将内部雌性尼罗罗非鱼与雄性奥利亚罗非鱼均匀分开,让其在繁殖箱内杂交产生子一代;
S102:打开电磁阀,第一转运管直径较小,只允许小鱼苗通过,使得子一代育苗通过第一转运管到低温想内,防止罗非鱼苗种大鱼吞小鱼的情况;
S103:通过第二分隔板将子代育苗均匀分开,通过温度调整旋钮调节制冷装置的温度,对低温箱内降温;尼奥罗非鱼具有耐寒性,留在低温箱内,其他品种的育苗不具有耐寒性,通过第二转运管游到常温箱内;
S104:关闭电磁阀后,通过第一测流计与第二测流计测量低温箱与常温箱内水的流动,从而间接测量出内部鱼苗数量,通过数据处理芯片计算出第一测流计与第二测流计的比值,并通过显示屏进行显示,通过wifi连接器可将测量数值传送到工作人员的设备终端,通过大数据观看交配子代品种;
S105:在常温箱内选出雌性尼罗罗非鱼与雄性奥利亚罗非鱼进行下一代杂交繁殖,通过低温箱内部的尼奥罗非鱼进行养殖培育,提高育种成功率,减少工作量。
本发明实施例提供的控制板设置有控制模块采用的控制算法为:
步骤一,初始化粒子群,粒子个数为N,随机设定每个粒子的初始位置xi和初始速度vi;
步骤二,根据初始速度和初始位置产生各个粒子的新位置;
步骤三,计算每个粒子适应度,在k+1次迭代中将每个粒子经历过的最好位置适应度与当前位置适应度进行比较,并更新粒子最好位置Pidbest(k+1);
步骤四,对每个粒子比较它的适应度和群体所经历的最好位置Pgdbest适应度,选择当前全局最佳适应度粒子位置作为k+1次全局最佳位置Pgdbest(k+1);
步骤五,统计当前粒子个数Nk+1,如果粒子个数Nk+1≥N/2,则进行步骤六,否则进行步骤七;
步骤六,根据适应度对群中粒子进行降序排序,选择排在前面的粒子(比例r·)组成新一代粒子群M(k+1);
步骤七,根据下式对k+1代粒子群M(k+1)中粒子速度和粒子位置进行更新;
xid(k+1)=xid(k)+vid(k+1);
式中:xid(k)粒子i在第k次迭代中第d维上的位置;
vid(k)粒子i在第k次迭代中第d维上的速度;
Pidbest(k)粒子l个体最优位置;
Pgdbest(k)整个粒子群全局最优位置;
c1、c2学习因子;
w、k·惯性因子和迭代次数;
步骤八,如果达到条件则结束,否则返回步骤三继续迭代。
本发明实施例提供的显示屏为了提高清晰度采用如下算法:
第一步,结合如下公式:
式中:
F(I)评价函数, 表示关于梯度的函数;对于一幅彩色图像,设其原始输入图像在RGB色彩空间中描述,根据实际需求,将其变换至其他色彩空间Γijk,则Γ(x,y)ijk=T[(m,n)RGB];设Γijk其中一维Γii分量表示图像的亮度分量,则有式中的表述为
对(1)的梯度分量作非线性放大处理,对(2)进行改写为:
式中:α为非线性放大系数;
由于对数函数对微小信号有着较好的延展性,因此,设αxy为参考像素(x,y)点的对数放大系数:
αxy=ln(l+Γi(x,y));
综上所述,可以得到最终的图像评价函数F(I):
本发明实施例提供的wifi连接器中的信号处理过程中的采用的信号去噪算法为:
式中:参数a、b为正常数,在振动信号去噪中可以通过调节a、b来改变阈值函数的变化规则,参数m(0≤m≤1)决定了小波阈值的逼近程度,在区间(0,1)中调解参数m,使得硬阈值函数在λ处连续,抑制了振荡;同时很大
程度上降低了软阈值函数在分解小波系数时产生的恒定偏差,并保留了传统阈值函数的优点。可以看出,新的小波阈值函数更加优秀并且灵活。
本发明的工作原理:将一定数量的雌性尼罗罗非鱼与雄性奥利亚罗非鱼放置于繁殖箱1内,通过第一分隔板2将内部雌性尼罗罗非鱼与雄性奥利亚罗非鱼均匀分开,让其在繁殖箱1内杂交产生子一代;打开电磁阀3,第一转运管4直径较小,只允许小鱼苗通过,使得子一代育苗通过第一转运管4到低温想5内,防止罗非鱼苗种大鱼吞小鱼的情况。通过第二分隔板6将子代育苗均匀分开,通过温度调整旋钮14调节制冷装置11的温度,对低温箱5内降温;尼奥罗非鱼具有耐寒性,留在低温箱5内,其他品种的育苗不具有耐寒性,通过第二转运管8游到常温箱9内。关闭电磁阀3后,通过第一测流计7与第二测流计10测量低温箱5与常温箱9内水的流动,从而间接测量出内部鱼苗数量,通过数据处理芯片15计算出第一测流计7与第二测流计10的比值,并通过显示屏12进行显示,通过wifi连接器16可将测量数值传送到工作人员的设备终端,通过大数据观看交配子代品种。在常温箱9内选出雌性尼罗罗非鱼与雄性奥利亚罗非鱼进行下一代杂交繁殖,通过低温箱5内部的尼奥罗非鱼进行养殖培育,提高育种成功率,减少工作量。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的数据处理芯片设置有第一测流计与第二测流计流量控制模块,控制第一测流计与第二测流计流量的方法包括:
设定第一测流计与第二测流计的一流量临界值;
根据流量临界值判断一最大可处理负载量;
根据汇集平台电源管理技术将多个第一工作任务结合为一第一连续工作任务;
判断第一连续工作任务的一负载量是否大于最大可处理负载量;
当第一连续工作任务的负载量大于最大可处理负载量时,将第一连续工作任务中之一超载部分的第一工作任务移出第一连续工作任务;
当接收到第一连续工作任务时,将第一测流计与第二测流计由一休眠模式切换至一操作模式,以及处理第一连续工作任务;以及当第一连续工作任务处理完成后,将第一测流计与第二测流计设为休眠模式;
第一测流计与第二测流计的操作频率在一般操作下具有一正常操作频率,以及方法还包括:
根据第一连续工作任务的负载量以及流量临界值决定一第一操作频率;
以及当第一测流计与第二测流计切换至操作模式时,将第一测流计与第二测流计的操作频率由正常操作频率提升至第一操作频率,并通过第一操作频率处理第一连续工作任务;
其中第一操作频率的工作频率高于正常操作频率的工作频率;
第一测流计与第二测流计控制方法还包括:
当第一连续工作任务处理完成并且第一测流计与第二测流计进入休眠模式后,根据汇集平台电源管理技术将多个第二工作任务以及超载部分的第一工作任务结合为一第二连续工作任务;
当接收到第二连续工作任务时,将第一测流计与第二测流计由休眠模式切换至操作模式;
将第一测流计与第二测流计的操作频率由正常操作频率提升至一第二操作频率,通过第二操作频率处理第二连续工作任务;以及当第二连续工作任务处理完成后,将第一测流计与第二测流计设为休眠模式;
其中第一操作频率的工作频率高于正常操作频率的工作频率;
第一测流计与第二测流计使用第一操作频率将第一连续工作任务处理完成的时间点与开始接收到第二连续工作任务的时间点之间具有一第一间隔时间,而使用正常频率将第一连续工作任务处理完成与接收到第二连续工作任务之间具有一第二间隔时间,其中第一间隔时间小于第二间隔时间。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种基于大数据的罗非鱼杂交配套系的选育方法,其特征在于,所述基于大数据的罗非鱼杂交配套系的选育方法包括:
步骤一,将一定数量的雌性尼罗罗非鱼与雄性奥利亚罗非鱼放置于繁殖箱内,通过第一分隔板将内部雌性尼罗罗非鱼与雄性奥利亚罗非鱼均匀分开,让其在繁殖箱内杂交产生子一代;
步骤二,打开电磁阀,第一转运管直径较小,只允许小鱼苗通过,使得子一代鱼苗通过第一转运管到低温箱内;
步骤三,通过第二分隔板将子一代鱼苗均匀分开,通过温度调整旋钮调节制冷装置的温度,对低温箱内降温;
步骤四,关闭电磁阀后,通过第一测流计与第二测流计测量低温箱与常温箱内水的流动,间接测量出内部鱼苗数量,通过数据处理芯片计算出第一测流计与第二测流计的比值,并通过显示屏进行显示,通过wifi连接器将测量数值传送到设备终端,分析交配子代品种;
步骤五,在常温箱内选出雌性尼罗罗非鱼与雄性奥利亚罗非鱼进行下一代杂交繁殖,对低温箱内部的尼奥罗非鱼进行养殖培育。
2.如权利要求1所述基于大数据的罗非鱼杂交配套系的选育方法,其特征在于,数据处理芯片设置有第一测流计与第二测流计流量控制模块,控制第一测流计与第二测流计流量的方法包括:
设定第一测流计与第二测流计的一流量临界值;
根据流量临界值判断一最大可处理负载量;
根据汇集平台电源管理技术将多个第一工作任务结合为一第一连续工作任务;
判断第一连续工作任务的一负载量是否大于最大可处理负载量;
当第一连续工作任务的负载量大于最大可处理负载量时,将第一连续工作任务中之一超载部分的第一工作任务移出第一连续工作任务;
当接收到第一连续工作任务时,将第一测流计与第二测流计由一休眠模式切换至一操作模式,以及处理第一连续工作任务;以及当第一连续工作任务处理完成后,将第一测流计与第二测流计设为休眠模式;
第一测流计与第二测流计的操作频率在一般操作下具有一正常操作频率,以及方法还包括:
根据第一连续工作任务的负载量以及流量临界值决定一第一操作频率;
以及当第一测流计与第二测流计切换至操作模式时,将第一测流计与第二测流计的操作频率由正常操作频率提升至第一操作频率,并通过第一操作频率处理第一连续工作任务;
其中第一操作频率的工作频率高于正常操作频率的工作频率;
第一测流计与第二测流计控制方法还包括:
当第一连续工作任务处理完成并且第一测流计与第二测流计进入休眠模式后,根据汇集平台电源管理技术将多个第二工作任务以及超载部分的第一工作任务结合为一第二连续工作任务;
当接收到第二连续工作任务时,将第一测流计与第二测流计由休眠模式切换至操作模式;
将第一测流计与第二测流计的操作频率由正常操作频率提升至一第二操作频率,通过第二操作频率处理第二连续工作任务;以及当第二连续工作任务处理完成后,将第一测流计与第二测流计设为休眠模式;
其中第二操作频率的工作频率高于正常操作频率的工作频率;
第一测流计与第二测流计使用第一操作频率将第一连续工作任务处理完成的时间点与开始接收到第二连续工作任务的时间点之间具有一第一间隔时间,而使用正常操作频率将第一连续工作任务处理完成与接收到第二连续工作任务之间具有一第二间隔时间,其中第一间隔时间小于第二间隔时间。
3.如权利要求1所述基于大数据的罗非鱼杂交配套系的选育方法,其特征在于,数据处理芯片设置有控制模块用于进一步计算第一测流计与第二测流计的比值,采用的控制算法为:
步骤一,初始化粒子群,粒子个数为N,随机设定每个粒子的初始位置xi和初始速度vi;
步骤二,根据初始速度和初始位置产生各个粒子的新位置;
步骤三,计算每个粒子适应度,在k+1次迭代中将每个粒子经历过的最好位置适应度与当前位置适应度进行比较,并更新粒子最好位置Pidest(k+1);
步骤四,对每个粒子比较它的适应度和群体所经历的最好位置Pgdbest适应度,选择当前全局最佳适应度粒子位置作为k+1次全局最佳位置Pgdbest(k+1);
步骤五,统计当前粒子个数Nk+1,如果粒子个数Nk+1≥N/2,则进行步骤六,否则进行步骤七;
步骤六,根据适应度对群中粒子进行降序排序,选择排在前面的粒子组成新一代粒子群M(k+1);
步骤七,根据下式对k+1代粒子群M(k+1)中粒子速度和粒子位置进行更新;
xid(k+1)=xid(k)+vid(k+1);
式中:xid(k)粒子i在第k次迭代中第d维上的位置;
vid(k)粒子i在第k次迭代中第d维上的速度;
Pidbest(k)粒子i个体最优位置;
Pgdbest(k)整个粒子群全局最优位置;
c1、c2学习因子;
w、k惯性因子和迭代次数;
步骤八,如果达到条件则结束,否则返回步骤三继续迭代。
4.如权利要求3所述基于大数据的罗非鱼杂交配套系的选育方法,其特征在于,显示屏采用如下算法提高清晰度;
第一步,结合如下公式:
式中:
F(I)评价函数, 表示关于梯度的函数;对于一幅彩色图像,设其原始输入图像在RGB色彩空间中描述,根据实际需求,将其变换至其他色彩空间Γijk,则Γ(x,y)ijk=T[(m,n)RGB];设Γijk其中一维Γii分量表示图像的亮度分量,则有式中的表述为
对(1)的梯度分量作非线性放大处理,对(2)进行改写为:
式中:α为非线性放大系数;
由于对数函数对微小信号有着较好的延展性,因此,设αxy为参考像素(x,y)点的对数放大系数:
αxy=ln(1+Γi(x,y));
综上所述,可以得到最终的图像评价函数F(I):
6.一种实现权利要求2所述基于大数据的罗非鱼杂交配套系的选育方法中的第一测流计与第二测流计流量控制计算机程序。
7.一种实现权利要求2所述基于大数据的罗非鱼杂交配套系的选育方法中的第一测流计与第二测流计流量控制方法的信息数据处理终端。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求2所述基于大数据的罗非鱼杂交配套系的选育方法中的第一测流计与第二测流计流量控制方法。
9.一种基于大数据的罗非鱼杂交配套系的选育系统,其特征在于,所述基于大数据的罗非鱼杂交配套系的选育系统设置有:
繁殖箱;
所述繁殖箱内部焊接有多个第一分隔板,所述繁殖箱左端套接有第一转运管,第一转运管末端套接在低温箱上;
低温箱中间焊接有多个第二分隔板,低温箱下端焊接有制冷装置,低温箱与常温箱通过第二转运管套接;
低温箱与常温箱上内部侧端分别通过螺钉固定有第一测流计、第二测流计,低温箱上焊接有控制板,控制板内部卡接有数据处理芯片与wifi连接器。
10.如权利要求9所述基于大数据的罗非鱼杂交配套系的选育系统,其特征在于,所述第一转运管共四个,分别对应套接在繁殖箱的第一分隔板的中间;第一转运管上卡接有电磁阀;
所述繁殖箱高度高于低温箱,低温箱与常温箱高度相同;
所述控制板上嵌接有显示屏,显示屏右端键接有温度调整旋钮;第一测流计与第二测流计通过导线连接数据处理芯片、显示屏,数据处理芯片通过数据线连接wifi连接器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811167044.8A CN109122421B (zh) | 2018-10-08 | 2018-10-08 | 一种基于大数据的罗非鱼杂交配套系的选育方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811167044.8A CN109122421B (zh) | 2018-10-08 | 2018-10-08 | 一种基于大数据的罗非鱼杂交配套系的选育方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109122421A CN109122421A (zh) | 2019-01-04 |
CN109122421B true CN109122421B (zh) | 2021-04-27 |
Family
ID=64810431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811167044.8A Active CN109122421B (zh) | 2018-10-08 | 2018-10-08 | 一种基于大数据的罗非鱼杂交配套系的选育方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109122421B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL1007744C1 (nl) * | 1997-12-09 | 1999-01-12 | Navital S A R L | Werkwijze voor het onafhankelijk van een seizoen opkweken, conditioneren en opslaan van schelp- en schaaldieren en inrichting voor het toepassen van deze nieuwe werkwijze. |
CN101301223B (zh) * | 2008-06-24 | 2010-07-14 | 山东中医药大学 | 大鼠寒热趋向行为测定仪 |
CN107361001B (zh) * | 2017-08-29 | 2019-08-02 | 浙江省海洋水产研究所 | 三疣梭子蟹一年两茬的养殖方法 |
CN108513933B (zh) * | 2018-04-16 | 2019-07-30 | 浙江省海洋水产研究所 | 海水蟹离体卵的人工孵化与转苗方法及其装置 |
-
2018
- 2018-10-08 CN CN201811167044.8A patent/CN109122421B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109122421A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108711141B (zh) | 利用改进的生成式对抗网络的运动模糊图像盲复原方法 | |
CN108536107A (zh) | 基于混合型优化参数的群智能寻优故障诊断系统 | |
Li et al. | An improved particle swarm optimization algorithm with harmony strategy for the location of critical slip surface of slopes | |
CN103856185B (zh) | 一种基于fpga的粒子滤波权值处理及重采样方法 | |
Gupta et al. | Increased persistence via asynchrony in oscillating ecological populations with long-range interaction | |
CN109122421B (zh) | 一种基于大数据的罗非鱼杂交配套系的选育方法 | |
Feng et al. | Impacts of demographic and environmental stochasticity on population dynamics with cooperative effects | |
CN105913451B (zh) | 一种基于图模型的自然图像超像素分割方法 | |
Calvez et al. | Dynamics of lineages in adaptation to a gradual environmental change | |
CN107577896A (zh) | 基于混合Copula理论的风电场多机聚合等值方法 | |
CN116341929A (zh) | 一种基于聚类和自适应梯度提升决策树的预测方法 | |
CN114070262B (zh) | 附加扰动的集成混合集合Kalman滤波天气预报同化方法及装置 | |
Rupil et al. | The role of mammals as key predators in marine ecosystems | |
Arnold et al. | Density-regulated selection in a heterogeneous environment | |
Jhwueng | Modeling rate of adaptive trait evolution using Cox–Ingersoll–Ross process: An Approximate Bayesian Computation approach | |
Zhu et al. | Comparison of spatial variables over subregions using a block bootstrap | |
CN107194181A (zh) | 基于四元数和最小平均峭度准则的多维时间序列预测方法 | |
Ng et al. | A model of crystal-size evolution in polar ice masses | |
CN111723864A (zh) | 基于主动学习使用互联网图片进行对抗训练的方法及装置 | |
Wang et al. | IUP: an intelligent utility prediction scheme for solid-state fermentation in 5G IoT | |
CN115250969B (zh) | 一种大鳞结鱼的人工繁殖方法 | |
Wang et al. | A novel hybrid PIPSO–WSVR method for structural reliability analysis | |
CN115191384B (zh) | 一种双孔鱼的人工繁殖方法 | |
Zhang et al. | Image quality guided biology application for genetic analysis | |
CN117493860B (zh) | 一种海洋贝类养殖生态容量评估方法及系统 |
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 |