CN109601443A - 数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统 - Google Patents
数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统 Download PDFInfo
- Publication number
- CN109601443A CN109601443A CN201811383163.7A CN201811383163A CN109601443A CN 109601443 A CN109601443 A CN 109601443A CN 201811383163 A CN201811383163 A CN 201811383163A CN 109601443 A CN109601443 A CN 109601443A
- Authority
- CN
- China
- Prior art keywords
- data
- rule
- river puffer
- early warning
- puffer
- 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.)
- Pending
Links
- 239000000872 buffer Substances 0.000 title claims abstract description 84
- 201000010099 disease Diseases 0.000 title claims abstract description 51
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 title claims abstract description 8
- 238000003745 diagnosis Methods 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims description 50
- 238000007726 management method Methods 0.000 claims description 21
- 238000002224 dissection Methods 0.000 claims description 20
- 244000144977 poultry Species 0.000 claims description 15
- 238000000386 microscopy Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 5
- 238000013523 data management Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000002513 implantation Methods 0.000 claims description 3
- 238000011017 operating method Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 23
- 230000008569 process Effects 0.000 abstract description 19
- 238000009395 breeding Methods 0.000 abstract description 7
- 230000001488 breeding effect Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000009318 large scale farming Methods 0.000 abstract description 2
- 229920003045 dextran sodium sulfate Polymers 0.000 abstract 2
- 235000019329 dioctyl sodium sulphosuccinate Nutrition 0.000 abstract 2
- 230000007812 deficiency Effects 0.000 abstract 1
- 230000010354 integration Effects 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 17
- 241000251468 Actinopterygii Species 0.000 description 14
- 238000007689 inspection Methods 0.000 description 13
- 210000004943 gill filament Anatomy 0.000 description 12
- 208000010824 fish disease Diseases 0.000 description 10
- 208000024891 symptom Diseases 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 108010034145 Helminth Proteins Proteins 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 244000000013 helminth Species 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 241001262815 Dactylogyrus Species 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 210000000436 anus Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 210000003097 mucus Anatomy 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 241001465677 Ancylostomatoidea Species 0.000 description 1
- 241001000394 Diaphania hyalinata Species 0.000 description 1
- 208000030852 Parasitic disease Diseases 0.000 description 1
- 241001500087 Trichodina Species 0.000 description 1
- 210000003815 abdominal wall Anatomy 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000002816 gill Anatomy 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000013923 monosodium glutamate Nutrition 0.000 description 1
- 239000004223 monosodium glutamate Substances 0.000 description 1
- 230000001144 postural effect Effects 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- -1 salt monosodium glutamate Chemical class 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000008961 swelling Effects 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
- A01K61/10—Culture of aquatic animals of fish
- A01K61/13—Prevention or treatment of fish diseases
-
- 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)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,包括1.各类数据的收集、整合2.规则、经验或知识的梳理、表示3.基于规则、经验或知识的预警、诊断和辅助决策等三个部分,通过本发明解决了现有河鲀疾病诊断技术的不足,提供一种数据驱动的,实现了河鲀疾病诊断半自动化的方法和流程,提高了河鲀疾病特征和基础诊断信息化管理水平以及自助诊断能力,在大规模养殖中可以有效提高养殖效率的监控、预警及自助诊断辅助决策支持系统。
Description
技术领域
本发明涉及渔业养殖和信息技术领域,具体为一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统。
背景技术
在目前的河鲀养殖过程中,当出现河鲀病害后,一般是具备丰富河鲀疾病诊断经验的检测人员,针对养殖人员送来的病鱼,结合观察和仪器检测数据给出诊断结果并开具药方。这样的诊断过程存在几个方面的问题:一是对检测人员提出较高要求,检测人员不仅要懂得检测技术,同时还要求是河鲀鱼的疾病诊断专家。二是目前河鲀养殖大多为工厂化、规模化养殖,检测人员负责的检测鱼类众多,每种鱼类涉及的疾病种类也很庞杂多样,不易做到精和专。三是这样的方式信息化水平较低,不利于复用诊断经验,也不宜从历史诊断数据中总结提取有价值的经验和知识,成了阻碍信息化手段提高诊疗水平的天然障碍。
因此,如何借助信息化数据管理手段多样化监控养殖环境,及时预警疾病风险,规范化河鲀鱼病的疾病诊断流程,知识化专业人员的诊断经验,智能化河鲀鱼病诊断过程,有效提高疾病诊断的信息化水平,从而辅助养殖人员和检测人员及时、规范、快速、高效地完成河鲀疾病诊断,积累疾病诊断的经验数据,提高规模化养殖效益,也是值得重视的问题。
发明内容
本发明的目的在于提供一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,实现了河鲀疾病诊断半自动化的方法和流程,提高了河鲀疾病和基础诊断信息化管理水平以及自助诊断能力,在大规模养殖中可以有效提高养殖效率的监控、预警及自助诊断辅助决策支持系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,具体操作步骤如下:
步骤一:养殖人员在每日巡塘和检测后通过手持设备、移动设备或终端设备将河鲀养殖观测数据入库,实现多维度,多手段的河鲀日常巡塘及水质监控数据收集及组织、管理;
步骤二:在数据驱动系统中植入带有置信和失信特征的河鲀养殖经验、规则、知识;预警后的处理规则,检测规则以及检测各阶段的诊断规则等,形成分阶段的规则库;
步骤三:数据驱动系统从步骤二中的规则数据库中读取与之相匹配的养殖经验、规则或知识项对步骤一的监控数据进行判定,判断当前养殖数据是否违反与之相匹配经验、规则或知识项,如果是,则系统自动发出预警信息,并根据预设的预警处理规则提示养殖人员并指导养殖人员进行下一步处理操作;
步骤四:数据驱动系统利用规则库中的经验、规则或知识对河鲀疾病检测数据进行分层的预判和诊断,实现预判、诊断数据管理,根据分层预判结果生成综合诊断结果,并允许专业人员结合个人经验进一步调整诊断结果。
优选的,所述步骤一中手持设备为特定的信息输入设备;
所述移动设备为手机、平板电脑其中的一种或多种,具体为手机APP、微信小程序其中的一种或多种;
所述终端设备为台式电脑、笔记本其中的一种或多种。
优选的,所述步骤中多维度包括表象特征数据、环境数据、外观目测数据、外观镜检数据、解剖目测数据、解剖镜检数据;
多手段的数据收集、组织包括待获取数据的多样性和可能存在的歧义性,用判断是非、程度分级、多选以及文字补充说明等多种形式辅助数据的获取。
优选的,还包括河鲀疾病检测流程数据的编辑、处理和管理。
优选的,还包括河鲀外观目测和外观检测数据的组织、管理,外观目测和外观检测经验、规则或知识的组织、管理,基于外观目测和外观检测经验、规则或知识判断的外观目测预判数据生成。
优选的,还包括河鲀解剖目测数据和河鲀解剖检测的组织、管理,解剖目测和解剖检测经验、规则或知识的组织、管理,基于解剖目测和解剖检测的数据经验、规则或知识判断的解剖目测预判数据生成。
与现有技术相比,本发明的有益效果是:
(1)可以将河鲀鱼病诊断过程流程化,提高诊断的标准化和规范化程度,降低了诊断过程中症状信息利用不充分带来的误诊风险,减少由此产生的经济损失,提高养殖的经济效益。
(2)将河鲀鱼病诊断过程流程化,症状以及检测数据信息化规范管理,降低疾病诊断专家的一些重复工作,提高疾病诊断专家的工作效率。
(3)汇聚多个专家经验,将河鲀鱼病诊断的经验转化为规则或知识实现有序管理,借助决策系统完成基础问题的推理判断,辅助疾病诊断专家做更全面的诊断,并在使用过程中随着使用频率的提高,经验的丰富,还可以逐步提高预判准确率,服务于更多的河鲀养殖户,提高养殖效率。
(4)沉淀多视角的河鲀疾病全面症状描述以及病情发展过程描述数据库,梳理疾病诊断专家经验以及结合病情发展变化的诊断结果记录,不断优化诊断方案,提高疾病诊断的准确率,减少误诊经济损失,提高河鲀产出率。
附图说明
图1为本发明的河鲀疾病预警和诊断系统的流程图。
图2为本发明实施例的养殖监控预警报告。
图3为本发明实施例的送检河鲀体表目测报告。
图4为本发明实施例的送检河鲀体表镜检报告。
图5为本发明实施例的送检河鲀解剖目测报告。
图6为本发明实施例的送检河鲀解剖镜检报告。
图7为本发明实施例的送检河鲀水样检测报告。
图8为本发明实施例的送检河鲀疾病检测综合报告。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种数据驱动的河鲀疾病特征分层管理办法,诊断经验规则化管理思路,流程规范的疾病诊断逻辑用来规范化河鲀鱼病的疾病诊断流程,数据化预警、病症描述和诊断结论,知识化专业人员和多次诊断积累的经验,智能化河鲀鱼病诊断流程。为达到上述目的,本发明覆盖了一种河鲀疾病预警和诊断特征数据的分层组织和管理,专家经验知识的数据管理以及诊断流程的自动化。包括:
1、预警特征、疾病症状及检查、诊断数据多渠道获取和分层管理:
数据的多渠道获取是指根据数据的不同特征设计与之适应的数据获取方式。数据分层管理数据库是根据不同数据的不同获取阶段或不同生成层次,分阶段、分层次存储,构成一个分层、分类、闭环反馈式数据库。
核心包括:一线养殖人员日常监控的鱼体数据、水体数据,检测人员的分层次目测和镜检数据以及由此生成的分阶段诊断和综合诊断数据。
然而用什么指标预警、检测什么指标,很多时候是检测人员和疾病诊断专家凭多年的经验决定的,很难面面俱到,且涉及特征的程度描述也很难量化,这都成为信息化手段记录检测数据的一个瓶颈。
在这个问题上,针对河鲀,汇总文献和多位专业人员的河鲀疾病诊断经验,信息化已发现病症的关键的高频特征集,采用特征有无表征,加上特征表现程度和专业人员补充描述相结合的方式综合表述。
具体来说,分以下四组:
第一组:池塘养殖过程中的巡塘数据
养殖人员在养殖池塘规律性巡检过程中记录下来的河鲀吃食变化、水中游动情况、对外界声响刺激反应异常、体表特征或死亡等表象症状数据以及水体数据。
把河鲀养殖表象特征信息称之为判断交互式的养殖病症信息数据,这类信息是在养殖人员日常巡塘时记录的。针对这类数据的采集,考虑到养殖户鱼病描述片面化和用词口语化的特点,考虑到获取信息的准确性的需求以及后续诊断系统操作便利性,采用启发式的提问以及判断式的方式辅助养殖户使用尽可能规范而明确的语言完成日常巡塘观测河鲀体征信息获取。
而把水体数据归属为环境数据,对这组数据可以借助一线检测设备实现数据的自动采集:在池塘中,布置多种类的传感器,按照设定时间间隔,获取水质的一手实时数据,采用网络传输的方式传送到后台数据库服务器,为水质问题的及时预警提供拓展的辅助手段;
第二组:检测人员的多阶段、多层次、多视角检测数据
结合疾病判断的需求,根据检测人员的检测和诊断流程,检测数据采用分阶段分层次的分类获取和管理,详细说来,即是:将疑似生病河鲀的检测依次分为以下两阶段四大类数据获取:外观目测、外观镜检;解剖目测、解剖镜检。这些数据成为从专业视角分类、细化、存储和管理病症的关键数据。
这一组信息化的数据又被分为两个层次:
第一层次是体表症状信息。包括两类:一类是体表目测数据。包括河鲀鱼的鳞片、鳃丝、肛门、腹部等的外观、颜色、形态等体态病症特征;第二类是体表的检测数据。包括:体表粘液制片的显微镜检查数据、剪取鳃丝制片的显微镜检查数据以及鳍条的盐味精检测数据,显微镜检测需根据情况存储低倍镜检测结果以及拓展的中倍镜检测结果,以便于诊断。
第二层次是检测人员解剖病鱼后获得的体内症状数据。也包括两类:一类是体内目测数据,包括腹腔内壁、肠道、肝脏、肾脏的病症数据。另一类是体内检测数据。剪开肠道,挑取少量肠道粘液制片,根据需要做低倍镜、甚至中倍镜检测得到的检测结果数据。
第三组:河鲀检测规则数据
根据所使用的河鲀鱼检测基本规范,设计贯穿检测全过程的观测点以及观测点异常判定规则,并使用基于演绎推理的产生式规则库梳理专家知识,并形成河鲀诊断的推理树。可以存储和管理多套检测规则数据,根据不同的检测目标或不同的诊断思路,加载不同的检测规则数据集。
第四组:病鱼诊断数据
根据巡塘数据和每一阶段的检测数据,对比知识库中的规则和知识,经推理得到阶段疑似病例描述,最后,汇总各阶段分诊结果,给出综合诊断预判,辅助专家的最终判断,最终形成综合诊断结果进行存储、反馈。
2、知识数据梳理和筛选,并存储为知识规则
一部分是养殖企业在多年河鲀养殖过程中形成的病例、病症等经验数据,这些数据被信息化、条理化为知识库中的原始知识或者规则。另一部分则是使用信息化系统后,根据诊断后的效果反馈从而筛选和精炼出新的知识数据,再次添加进知识库中作为下一次疾病诊断的经验、规则或知识。大多数规则采用类似于IF…THEN的产生式规则进行存储。
3、诊断流程设计
用监控、检测数据和专家经验数据有机地将日常巡检、报警、检测、诊断等环节结合在一起形成巡检、预警、诊断一体化的决策支持系统,在第一时间发现问题,并按照规范化流程给出系统诊断。在此过程中,还逐步汇聚养殖一线人员观测到的病症数据、检测人员的检测数据,专家的经验数据和自动诊断系统沉淀下来的优质诊断数据,借助系统所拥有的知识库和历次疾病诊断过程中的学习数据,为河鲀鱼疾病判断积累更丰富的经验,辅助疾病诊断专家提供更全面、更精确的诊断。
根据以上思路,本发明提供一种技术方案:数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,包括:1.河鲀日常养殖、病例检测以及诊断数据收集、整合;2.预警以及分层诊断规则或经验的梳理、表达;3.基于规则和经验的预警、诊断和辅助决策等三个部分,具体操作步骤如下:
步骤一:养殖人员在每日巡塘和检测后通过手持设备(特定的信息输入设备)、移动设备(手机APP,微信小程序等)或终端设备(电脑)将河鲀养殖观测数据入库,实现多维度,多手段的河鲀日常巡塘及水质监控数据收集及组织、管理;
步骤二:在数据驱动系统中植入带有置信和失信特征的河鲀养殖经验、规则、知识;预警后的处理规则,检测规则以及检测各阶段的诊断规则等,形成分阶段的规则库;
步骤三:数据驱动系统从步骤二中的规则数据库中读取与之相匹配的养殖经验、规则或知识项对步骤一的监控数据进行判定,判断当前养殖数据是否违反与之相匹配经验、规则或知识项,如果是,则系统自动发出预警信息,并根据预设的预警处理规则提示养殖人员并指导养殖人员进行下一步处理操作;
步骤四:数据驱动系统利用规则库中的经验、规则或知识对河鲀疾病检测数据进行分层的预判和诊断,实现预判、诊断数据管理,根据分层预判结果生成综合诊断结果,并允许专业人员结合个人经验进一步调整诊断结果。
如图1所示,在养殖监控与预警系统中,设定或加载某一套已有的养殖监控参数以及对应后续的预警操作规范,接下来,在日常巡塘人员的监控信息录入后,系统自动对标养殖预警规则,给出预警监控判定,并执行预警操作规范。
实施例的:
养殖人员在利用监测系统记录河鲀鱼日常数据时,监控到如下信息:
摄食量:较少;
是否有漂浮死鱼:有;
体表情况:未见异常;
游动情况:异常,表现为有少量河鲀贴近水面,游动缓慢;
水质情况:未见明显异常;
系统当前预警处罚规则定义为:
If (ssl=’N’ || pfsy =’Y’ || tb =’N’|| yd= ‘N’|| sz= ‘N’) then
trigger_abnormal(ssl,pfsy,tb,yd,sz);
即在摄食量、是否有漂浮死鱼,体表、游动或水质任何一个方面有异常,都会因此触发预警,生成如图2所示养殖监控预警报告,并给出巡塘人员紧急处理建议。
检测人员接到河鲀鱼病检测请求,启动自动诊断系统,加载当前检测流程规范,并根据异常点,重点关注相关点检测项目。针对以上监控数据,指示以下的检验重点在鱼体,而非环境。按照系统指示开展后续的体表检测和解剖检测,并依次将观测以及对应设备检测的结果录入系统,系统各环节均有对应的健康规则库,数据的检测结果会触发各环节的规则匹配。在体表数据录入中,检测人员录入:
体表、肛门、腹部以及鳃丝观测特征,如图3特征值所示,有鳃丝异常,而鳃丝指标的判定指标为:
A:寄生虫;
B1:鳃丝肿胀;B2:鳃丝发白;B3:溃烂;B4:挂脏;
C:鳃霉;
If(A) then
trigger_jsc();
if (B1||B2||B3||B4) then
trigger_gr(Bi);
if(C) then
trigger_zj();
由此,在体表目测环节,触发了trigger_gr(B2)过程,给出了“疑似鳃丝有寄生虫感染的结论”,并建议进一步镜检。
接下来进入河鲀体表镜检,根据上一步的结果,镜检阶段需重点关注的是鳃丝。如图4的六项指标依次展开检测,针对本示例,在鳃丝低倍镜镜检中,记录:可见寄生虫,且为指环虫,每视野平均可见虫体3-4条。结合鳃丝镜检规则:
A={Ai| Ai∈(A1:小瓜虫;A2:车轮虫;A3:异钩虫;A4:指环虫),i=1…4};
B={Bi| Bi∈(B1:鳃丝;B2:体表粘液;B3:鳍条),i=1…3};
C={Ci|Ci∈(C1:非常严重;C2:比较严重;C3:一般;C4:轻微),i=1…4};
trigger_jsj(A4,B1,C1)
针对本次样例,以A4、B1和C1为参数触发了寄生虫检测结论触发器,在最终体表镜检结论中出现了如图4所示结论。参考过往诊断中数据触发结论的置信次数和失信次数,提示需要及时杀虫。考虑还有可能存在其他问题,建议进一步的检测。
按照这样的思路,结合本套河鲀诊断规则,继续结合检测数据生成如图5的河鲀解剖目测以及如图6的河鲀解剖镜检报告, 综合图2-图6的局部报告,以及图7送检水样检测报告,最终系统合成出本次的图8综合诊断报告,给出综合结论和建议。
本次的诊断结果经由后续医治验证可信,则会认为此次主要病症判断有效,将此次的诊断规则梳理,增加规则库中该条诊断的可信度,将置信次数加一,若经医治验证,并未抓住主要病症有效控制病情,将该规则的失信次数加一,则也在诊断规则库中予以标注,为下一次发现关键病症,提高诊断率提供参考。同时,继续补充新的特征数据,重复上述的检测和诊断流程。
以上所述仅为本发明的一种实施例而已,并不用于限制本发明应用的河鲀养殖监控、预警,对于本领域的技术人员来说,本发明也可以应用到其它鱼类养殖过程中,并且可以有各种改进、变化,包括为适应不同的鱼种,对于检测数据的改变等,凡在本发明的原则和范围内,所做的修改、润饰、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,其特征在于:具体操作步骤如下:
步骤一:养殖人员在每日巡塘和检测后通过手持设备、移动设备或终端设备将河鲀养殖观测数据入库,实现多维度,多手段的河鲀日常巡塘及水质监控数据收集及组织、管理;
步骤二:在数据驱动系统中植入带有置信和失信特征的河鲀养殖经验、规则、知识;预警后的处理规则,检测规则以及检测各阶段的诊断规则等,形成分阶段的规则库;
步骤三:数据驱动系统从步骤二中的规则数据库中读取与之相匹配的养殖经验、规则或知识项对步骤一的监控数据进行判定,判断当前养殖数据是否违反与之相匹配经验、规则或知识项,如果是,则系统自动发出预警信息,并根据预设的预警处理规则提示养殖人员并指导养殖人员进行下一步处理操作;
步骤四:数据驱动系统利用规则库中的经验、规则或知识对河鲀疾病检测数据进行分层的预判和诊断,实现预判、诊断数据管理,根据分层预判结果生成综合诊断结果,并允许专业人员结合个人经验进一步调整诊断结果。
2.根据权利要求1所述的一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,其特征在于:所述步骤一中手持设备为特定的信息输入设备;
所述移动设备为手机、平板电脑其中的一种或多种,具体为手机APP、微信小程序其中的一种或多种;
所述终端设备为台式电脑、笔记本其中的一种或多种。
3.根据权利要求1所述的一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,其特征在于:所述步骤中多维度包括表象特征数据、环境数据、外观目测数据、外观镜检数据、解剖目测数据、解剖镜检数据;
多手段的数据收集、组织包括待获取数据的多样性和可能存在的歧义性,用判断是非、程度分级、多选以及文字补充说明等多种形式辅助数据的获取。
4.根据权利要求1所述的一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,其特征在于:还包括河鲀疾病检测流程数据的编辑、处理和管理。
5.根据权利要求1所述的一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,其特征在于:还包括河鲀外观目测和外观检测数据的组织、管理,外观目测和外观检测经验、规则或知识的组织、管理,基于外观目测和外观检测经验、规则或知识判断的外观目测预判数据生成。
6.根据权利要求1所述的一种数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统,其特征在于:还包括河鲀解剖目测数据和河鲀解剖检测的组织、管理,解剖目测和解剖检测经验、规则或知识的组织、管理,基于解剖目测和解剖检测的数据经验、规则或知识判断的解剖目测预判数据生成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811383163.7A CN109601443A (zh) | 2018-11-20 | 2018-11-20 | 数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811383163.7A CN109601443A (zh) | 2018-11-20 | 2018-11-20 | 数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109601443A true CN109601443A (zh) | 2019-04-12 |
Family
ID=66004334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811383163.7A Pending CN109601443A (zh) | 2018-11-20 | 2018-11-20 | 数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109601443A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114793998A (zh) * | 2022-03-30 | 2022-07-29 | 深圳鲸世科技有限公司 | 一种智慧环保高质量的无人渔场 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202697473U (zh) * | 2012-04-16 | 2013-01-30 | 广东顺德宸熙物联科技有限公司 | 一种智能化鱼类疾病远程诊断系统 |
KR20130101649A (ko) * | 2012-02-23 | 2013-09-16 | 전북대학교산학협력단 | 무선 네트워크 구조를 갖는 양식장 관리 시스템 |
CN103578036A (zh) * | 2013-11-07 | 2014-02-12 | 江南大学 | 一种基于数据析取的家禽体质健康实时监测方法 |
CN106625681A (zh) * | 2017-02-23 | 2017-05-10 | 福建强闽信息科技有限公司 | 一种水生动物疾病诊断机器人装置和实现方法 |
CN206619139U (zh) * | 2017-02-23 | 2017-11-07 | 福建强闽信息科技有限公司 | 一种水生动物疾病远程诊断系统 |
CN107357840A (zh) * | 2017-06-23 | 2017-11-17 | 广东开放大学(广东理工职业学院) | 一种渔业大数据检测分析方法及系统 |
-
2018
- 2018-11-20 CN CN201811383163.7A patent/CN109601443A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130101649A (ko) * | 2012-02-23 | 2013-09-16 | 전북대학교산학협력단 | 무선 네트워크 구조를 갖는 양식장 관리 시스템 |
CN202697473U (zh) * | 2012-04-16 | 2013-01-30 | 广东顺德宸熙物联科技有限公司 | 一种智能化鱼类疾病远程诊断系统 |
CN103578036A (zh) * | 2013-11-07 | 2014-02-12 | 江南大学 | 一种基于数据析取的家禽体质健康实时监测方法 |
CN106625681A (zh) * | 2017-02-23 | 2017-05-10 | 福建强闽信息科技有限公司 | 一种水生动物疾病诊断机器人装置和实现方法 |
CN206619139U (zh) * | 2017-02-23 | 2017-11-07 | 福建强闽信息科技有限公司 | 一种水生动物疾病远程诊断系统 |
CN107357840A (zh) * | 2017-06-23 | 2017-11-17 | 广东开放大学(广东理工职业学院) | 一种渔业大数据检测分析方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114793998A (zh) * | 2022-03-30 | 2022-07-29 | 深圳鲸世科技有限公司 | 一种智慧环保高质量的无人渔场 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110415831A (zh) | 一种医疗大数据云服务分析平台 | |
CN108982377A (zh) | 玉米生育期光谱图像与叶绿素含量相关性及时期划分方法 | |
CN107292086A (zh) | 图像分析问答 | |
CN112859822A (zh) | 基于人工智能的设备健康分析及故障诊断的方法及系统 | |
CN110910377B (zh) | 一种基于神经网络的脑梗死mri图像识别方法 | |
WO2021075826A1 (ko) | 생체 추출 데이터를 전처리하여 질병을 진단하는 방법 및 그를 위한 장치 | |
CN109074871A (zh) | 用于分析临床数据特征生成患者群组的模式发现可视分析系统 | |
CN109671062A (zh) | 超声图像检测方法、装置、电子设备及可读存储介质 | |
CN102681438A (zh) | 作物温室栽培专家控制系统及作物病症诊断方法 | |
CN116189866A (zh) | 一种基于数据分析的远程医用护理分析系统 | |
CN109601443A (zh) | 数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统 | |
Wu et al. | A preliminary study of sperm identification in microdissection testicular sperm extraction samples with deep convolutional neural networks | |
Lv | Data Preprocessing and Apriori Algorithm Improvement in Medical Data Mining | |
Li et al. | An AI-Aided diagnostic framework for hematologic neoplasms based on morphologic features and medical expertise | |
CN109192317A (zh) | 基于逻辑Petri网的循环并发结构的过程模型修正方法 | |
CN110021386A (zh) | 特征提取方法及特征提取装置、设备、存储介质 | |
CN116844733A (zh) | 一种基于人工智能的医疗数据完整性分析方法 | |
Zhu et al. | Automated knowledge extraction for decision model construction: a data mining approach | |
CN116759076A (zh) | 一种基于医疗影像的无监督疾病诊断方法及系统 | |
Kotiyal et al. | Diabetic Retinopathy Binary Image Classification Using Pyspark | |
Silipo et al. | Supervised and unsupervised learning for diagnostic ECG classification | |
Parvin et al. | Biosig: An imaging bioinformatics system for phenotypic analysis | |
Liu et al. | An improved Deeplab V3+ network based coconut CT image segmentation method | |
Lei et al. | Intelligent generation technology of sub-health diagnosis case based on case reasoning | |
Si et al. | Using Bayesian networks to built a diagnosis and prognosis model for breast cancer |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190412 |
|
RJ01 | Rejection of invention patent application after publication |