CN110192534A - 一种水产品无水保活运输温控区间的优化方法及系统 - Google Patents
一种水产品无水保活运输温控区间的优化方法及系统 Download PDFInfo
- Publication number
- CN110192534A CN110192534A CN201910522463.7A CN201910522463A CN110192534A CN 110192534 A CN110192534 A CN 110192534A CN 201910522463 A CN201910522463 A CN 201910522463A CN 110192534 A CN110192534 A CN 110192534A
- Authority
- CN
- China
- Prior art keywords
- temperature control
- control interval
- transportation
- carbon dioxide
- aquatic product
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 230000000241 respiratory effect Effects 0.000 claims abstract description 50
- 230000002503 metabolic effect Effects 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 98
- 239000007789 gas Substances 0.000 claims description 53
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 49
- 239000001569 carbon dioxide Substances 0.000 claims description 44
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 41
- 229910052760 oxygen Inorganic materials 0.000 claims description 41
- 239000001301 oxygen Substances 0.000 claims description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000005070 sampling Methods 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 15
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 230000004083 survival effect Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 230000036284 oxygen consumption Effects 0.000 claims description 5
- 230000004060 metabolic process Effects 0.000 claims description 4
- 238000004321 preservation Methods 0.000 abstract description 25
- 230000008569 process Effects 0.000 abstract description 18
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 238000003911 water pollution Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Environmental Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Development Economics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种水产品无水保活运输温控区间的优化方法及系统，该方法包括：获取封闭运输容器中的水产品呼吸代谢气体浓度参数；获取无水保活运输总时长；将获取的水产品呼吸代谢气体浓度参数以及无水保活运输总时长输入至温控区间优化模型，获取水产品无水保活运输的最优温控区间。该系统包括：接收模块和处理模块。本发明实施例，通过对水产品无水保活运输过程中气体浓度参数分析，从而实现了水产品无水保活运输温控区间的优化选取，为水产品无水保活运输温控区间优化及智能化监测提供理论支持。
Description
技术领域
本发明涉及物流运输检测技术领域，尤其涉及一种水产品无水保活运输温控区间的优化方法及系统。
背景技术
随着我国人民生活水平的不断提高，居民对鲜活水产品的消费需求与日俱增。据统计，2017全国水产品年人均消费量为11.5kg，近5年来增长了约 10.6％。因此，对水产品的保活运输技术的要求越来越高。目前，水产品保活运输一般采用带水运输，由于一方面，水体积占到总运输体积的50％～80％；另一方面，在整个运输过程中，对水质维护非常关键且较为复杂，这就加剧了运输控制代价与管理成本。
无水保活运输作为一种绿色经济的运输方式，其优势在于运输密度大、方便管理、无废水污染且保活质量高等特点，能够在一定程度上弥补传统带水运输技术的不足。但是，相对带水运输品质控制技术而言，无水保活运输品质控制管理技术尚不成熟。因此，亟需对水产品无水保活运输方法及过程控制进行改进，以满足对保活运输质量的动态预测管理的应用需求。
发明内容
本发明实施例提供一种水产品无水保活运输温控区间的优化方法及系统，用以解决现有技术中水产品运输技术上的不足。
本发明实施例一方面，提供一种水产品无水保活运输温控区间的优化方法，包括：获取封闭运输容器中的水产品呼吸代谢气体浓度参数；获取无水保活运输总时长；将获取的水产品呼吸代谢气体浓度参数以及无水保活运输总时长输入至温控区间优化模型，获取水产品无水保活运输的最优温控区间。
本发明实施例另一方面，提供一种水产品无水保活运输温控区间的优化系统，包括：接收模块和处理模块；其中，接收模块用于获取封闭运输容器中的水产品呼吸代谢气体浓度参数，以及无水保活运输总时长；处理模块存储有温控区间优化模型，用于将获取的水产品呼吸代谢气体浓度参数以及无水保活运输总时长输入至温控区间优化模型，并获取水产品无水保活运输的最优温控区间。
本发明实施例提供的水产品无水保活运输温控区间的优化方法及系统，通过对水产品无水保活运输过程中气体浓度参数分析，从而实现了水产品无水保活运输温控区间的优化选取，为水产品无水保活运输温控区间优化及智能化监测提供理论支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明实施例提供的水产品无水保活运输温控区间的优化方法流程图；
图2为本发明实施例提供的水产品无水保活运输温控区间的优化方法中温控区间优化模型运算图；
图3为本发明实施例提供的水产品无水保活运输温控区间的优化系统结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种水产品无水保活运输温控区间的优化方法，如图1所示，本方法包括：步骤101，获取封闭运输容器中的水产品呼吸代谢气体浓度参数；步骤102，并获取无水保活运输总时长；步骤103，将获取的水产品呼吸代谢气体浓度参数以及无水保活运输总时长输入至温控区间优化模型，获取水产品无水保活运输的最优温控区间。
具体地，由于水产品在运输过程中的保活方法，最为关键的是提供一个适宜的保活环境，而提供一个合适的温控区间是提供一个适宜的保活环境的关键，从而需要获取水产品无水保活运输的最优温控区间。
本发明实施例提供的方法，通过将监控运输过程中的水产品呼吸代谢气体的各个方面的参数，以及运输所需的时长，经过创建的温控区间优化模型进行综合计算后，以获取相应水产品的无水保活运输的最优温控区间。
为了简化运算，进一步地，本发明实施例不对获取封闭运输容器中的水产品呼吸代谢气体浓度参数的方式作具体限定，包括但不限于：利用相应的检测传感器，对水产品呼吸代谢气体的浓度参数进行检测，对于使用何种检测传感器本发明实施例不作具体地限定。为了达到最优的水产品无水保活运输，最好是使用封闭运输容器来运输水产品，可以为水产品呼吸代谢气体的浓度参数的检测提供了便利条件。
需要说明的是，之所以本发明实施例提供的方法需要将无水保活运输总时长作为温控区间优化模型的输入，是由于运输时长直接决定了水产品无水保活运输的难易，从而本发明实施例将运输总时长作为优化水产品无水保活运输温控区间一个关键计算指标，并结合封闭运输容器中的水产品呼吸代谢气体浓度参数，利用温控区间优化模型，来获取所述水产品无水保活运输的最优温控区间。
本发明实施例提供的方法，通过对水产品无水保活运输过程中气体浓度参数分析，从而实现了水产品无水保活运输温控区间的优化选取，为水产品无水保活运输温控区间优化及智能化监测提供理论支持。
基于上述实施例的内容，作为一种可选实施例，水产品呼吸代谢气体浓度参数包括但不限于：所述水产品的氧气浓度参数O2(Ti)和二氧化碳浓度参数 CO2(Ti)。
具体地，在本发明实施例中，步骤101获取封闭运输容器中的水产品呼吸代谢气体浓度参数，主要是针对活体水产品无水保活运输过程中因维系生命基本需求的呼吸作用而发生的氧气消耗量与代谢二氧化碳气体累积量。也即，通过相应的检测传感器检测获取在所述封闭运输容器中的水产品的氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)。
由于单点采样的精度小且误差较大，针对该问题，本发明实施例还提供一种获取水产品的氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)方法。该方法通过检测传感器进行T时间段浓度采样，并对该时间段内的采样结果进行统计学分析，以实现保活运输过程中水产品活力品质的精准化监测。该方法的理论基础为：
假设采样单位时间为T，检测传感器的采样频率为Δt(T>Δt)，在T时间段内进行N次水产品呼吸代谢气体浓度数据采样，得到在时间序列上的浓度采样序列：GΔt1、GΔt2、…,、GΔtN；进一步获取在T时间段内水产品呼吸代谢气体的浓度采样序列的中位数G(T)，其中：
其中，S[GΔt]是浓度采样序列数值的从小到大排序，采样单位时间T内包含N个采样点Δti(i＝1,...,N)。基于上述理论基础，分别对封闭运输容器中的水产品的氧气浓度以及二氧化碳浓度进行检测，并将获取到的G(TO2)作为该时间段内的氧气浓度参数O2(Ti)以及将获取到的G(TCO2)作为该时间段内的二氧化碳浓度参数CO2(Ti)。
本发明实施例所提供的方法，通过对水产品无水保活运输中的多参数进行筛选，确定以氧气浓度以及二氧化碳排放浓度作为检测对象，从而进一步地获取水产品无水保活运输的最优温控区间的方法，精简了计算的流程，有效的提高了优化的效率。
基于上述实施例的内容，作为一种可选实施例，为了达到精确化的优化效果，本发明实施例所提供的水产品无水保活运输温控区间的优化方法，首先根据获取到的被运输的水产品的品种，确定该水产品的最高极限温度和最低极限温度，并在两个极限温度之间的温度区间进行多次气体浓度采样，获取的每次采样的时间起始点构成小的温度区间段；依次对每个小的温度区间段进行初步分析；最后将初步分析的分析结果进行比对，以获取在整个温度区间内的最优区间为该品种水产品无水保活运输的最优温控区间。
如图2所示，本发明实施例不对将获取的所述水产品呼吸代谢气体浓度参数以及所述无水保活运输总时长输入至温控区间优化模型，获取所述水产品无水保活运输的最优温控区间的方式作具体限定，包括但不限于：
在步骤S1中，选定一个温控区间[a,b]，其中， a←Teplow,[Teplow,Tephigh]为所述水产品处于无水保活运输的极限温度范围；Teplow为最低极限温度，Tephigh为最高极限温度；N 为在Teplow至Tephigh之间的温度区间内的设定采样次数，N≥1。
由于不同品种的水产品能耐受的最高极限温度和最低极限温度不同，从而，在每次无水保活运输前需确定该水产品的最高极限温度和最低极限温度。进一步地，在无水保活运输时间段内，周期性利用检测传感器对运输容器内的呼吸代谢气体浓度进行采样，基于采样的起始时间，对温控区间进行划分，并选取其中的一个温控区间[a,b]，其中， a←Teplow,
在步骤S2中，在上述选取的温控区间内[a,b]，进一步地，将该区间内的运输时长以固定步长划分为均匀的时间段Ti，并获取每个时间段Ti内封闭运输容器中的氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)。
进一步地，在步骤S3中，根据步骤S2中获取到的每个时间段Ti内氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)，获取所述水产品在所述时间段Ti 内的氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)。
进一步地，在步骤S4中，一方面，根据步骤S2中获取到的氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)，计算获取到水产品在所述时间段Ti内的呼吸代谢气体浓度的Pearson相关系数另一方面，根据步骤S3中获取到的氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)，计算获取该水产品在时间段Ti内的呼吸代谢气体浓度变化率的Pearson相关系数最后，对获取到的水产品的氧气浓度消耗率OCR(Ti) 和二氧化碳浓度累积率CCR(Ti)进行归一化呼吸率联合检验计算，进而获取该水产品的联合呼吸率θ[OCR(Ti),CCR(Ti)]。并同时统计记录该水产品的在时间段Ti内的存活率SRi。
进一步地，在步骤S5中，将步骤S4中获取的该水产品的在时间段Ti 内的存活率SRi与预设存活率进行比较。其中预设存活率是根据运输的水产品的不同进行相应的设置的。当所述产品的在时间段Ti内的存活率SRi大于预设存活率δ时，计算获取所述优化温控区间相应的求解函数值。
此时，对S1中的选定一个温控区间[a,b]的检测周期执行完毕。
进一步地，重新设定步骤S1中的N值，即依次选定下一个温度区间；并在每个选定的温度区间内，循环执行上述步骤S1至步骤S4的步骤，即可以获取到与每个选定的温度区间相对应的优化温控区间[Teplow,Tephigh]的求解函数值。
基于每个步骤S4中获取到的呼吸代谢气体浓度的Pearson相关系数以及呼吸代谢气体浓度变化率的Pearson相关系数，计算和由于，当呼吸代谢气体浓度变化值小于λ1时，或者呼吸代谢气体浓度变化率小于λ2时，则表示该水产品的呼吸代谢状态不佳，会影响到该水产品的存活率。因此，当小于λ1或小于λ2时，停止所述依次循环执行步骤S1至步骤S4，而执行步骤S6。其中，λ1为呼吸代谢气体浓度变化的设定系数，λ2为呼吸代谢气体浓度变化率的设定系数，而λ1和λ2也是根据运输的水产品的不同进行相应的设置。进一步地，在步骤S6中，综合比较每个步骤S5中所获取到的温度区间的优化温控区间[Teplow,Tephigh]的求解函数值的大小。对获取到的所有求解函数值进行比较，获取到最小求解函数值。并进一步确定与最小求解函数值相对应的温控区间；将与该求解函数值最小的温控区间设置为所述水产品无水保活运输的最优温控区间。
需要指出的是，本发明实施例提供的水产品无水保活运输温控区间的优化方法，在整个水产品运输的过程中，可以随时对某个时间段内进行优化，获取相应时间段内的最优温控区间，而并不局限于对整个运输过程进行优化。
本发明实施例提供的优化方法，通过建立温控区间优化模型，在每次运输过程中，仅需要检测获取封闭运输容器中的水产品呼吸代谢气体浓度参数，并结合运输时长，利用本实施例所提供的温控区间优化模型，即可以获取到该次运输过程中的最优温控区间。而无需关注具体地优化过程，使整个水产品无水保活运输温控区间的优化过程简单、精确、高效，并易于操作和普及。
基于上述实施例的内容，作为一种可选实施例，在上述步骤S2中，不对获取每个时间段Ti内所述封闭运输容器中的所述氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)的步骤作具体限定，包括但不限于：以采样频率为Δt，针对氧气浓度数据和二氧化碳浓度数据在时间段Ti内进行N次采样；获取在时间段Ti内的氧气浓度数据序列以及二氧化碳浓度数据；获取氧气浓度数据序列的中位数以及二氧化碳浓度数据序列的中位数，将氧气浓度数据序列的中位数作为所述氧气浓度参数O2(Ti)，并将二氧化碳浓度数据序列的中位数作为所述二氧化碳浓度参数CO2(Ti)。
基于上述实施例的内容，作为一种可选实施例，在步骤S3中，不对所述根据所述氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)，获取该水产品在时间段Ti内的氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)的计算方法作出限定，包括但不限于为：
其中，VC为封闭运输容器的容积；VA为水产品的体积，其单位为立方米；耗氧率OCR(T)和累积率CCR(T)的计算单位为％·(m3·kg·h)-1；WA为水产品的重量；G(Tb)CO2是时间段Ti结束的气体浓度。
基于上述实施例的内容，作为一种可选实施例，在步骤S4中，不对根据所述氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)，获取所述水产品在所述时间段Ti内的呼吸代谢气体浓度的Pearson相关系数的计算方法作出具体限定，包括但不限于：
进一步地，根据所述氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率 CCR(Ti)，获取所述水产品在所述时间段Ti内的呼吸代谢气体浓度变化率的 Pearson相关系数的计算方法可以是：
基于上述实施例的内容，作为一种可选实施例，在步骤S4中，不对水产品的氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)进行归一化呼吸率联合检验计算，获取该水产品的联合呼吸率θ[OCR(Ti),CCR(Ti)]的方法作出限定，该方法包括但不限于：
其中，λ权重系数以综合度量O2浓度和CO2浓度的变化状况，其根据不同水产品的习性相应进行取值；是氧气消耗率的归一化计算函数；是二氧化碳浓度累积率的归一化计算函数。
需要指出的是，试验表明联合呼吸率θ[OCR(T),CCR(T)]其值越接近0，表明水产品在既定温控区间内机体呼吸代谢抑制效果较好，相反联合呼吸率θ[OCR(T),CCR(T)]其值越接近于1指示呼吸代谢频繁，表明无水保活运输过程中呼吸代谢抑制不佳。因此，本发明实施例提供的水产品无水保活运输温控区间的优化方法，是基于对所有温控区间内的联合呼吸率θ[OCR(T),CCR(T)]进行运算比较来反演获取最优温控区间。
基于上述实施例的内容，作为一种可选实施例，在步骤S5中，不对获取到每个温度区间的优化温控区间[Teplow,Tephigh]的求解函数值的计算方法作出限定，包括但不限于：
其中：为呼吸率联合检验累积计算结果，为最大化累积计算结果的全程运输优化温控区间[Teplow,Tephigh]的求解函数。需要指出的是，也可以根据实际运输需要，通过将全程运输过程划分为多个小的过程区间，并分别获取各个小的过程区间的最优温控区间，从而对整个运输过程实现多过程控制，对此本发明实施例不作具体限定。
本发明实施例提供的水产品无水保活运输温控区间的优化系统，通过对联合呼吸率θ[OCR(T),CCR(T)]的联合分析，排除复杂的干扰数据，使分析的结果更精确、直观。
如图3所示，本发明实施例提供一种水产品无水保活运输温控区间的优化系统，包括但不限于：接收模块301和处理模块302，其中，接收模块301 用于获取封闭运输容器中的水产品呼吸代谢气体浓度参数，以及无水保活运输总时长；处理模块302存储有温控区间优化模型，用于将获取的该水产品呼吸代谢气体浓度参数以及无水保活运输总时长输入至温控区间优化模型，并获取该水产品无水保活运输的最优温控区间。
具体地，本发明实施例中，接收模块301接收获取由检测传感器所检测到的水产品在运输过程中的呼吸代谢气体的各个方面的参数；并将获取到的所有参数输送进处理模块302；处理模块302接收到该呼吸代谢气体参数后，并获取到外部设备输入设定的总运输时长；进一步地，将获取到的呼吸代谢气体参数和总运输时长输入至存储在处理模块302中的温控区间优化模型；经过该温控区间优化模型的计算，输出相应水产品的无水保活运输的最优温控区间。
本发明实施例提供的一种水产品无水保活运输温控区间的优化系统，通过对水产品无水保活运输过程中气体浓度参数分析，从而实现了水产品无水保活运输温控区间的优化选取，为水产品无水保活运输温控区间优化及智能化监测提供理论支持。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种水产品无水保活运输温控区间的优化方法，其特征在于，包括：
获取封闭运输容器中的水产品呼吸代谢气体浓度参数；
获取无水保活运输总时长；
将获取的所述水产品呼吸代谢气体浓度参数以及所述无水保活运输总时长输入至温控区间优化模型，获取所述水产品无水保活运输的最优温控区间。
2.根据权利要求1所述的水产品无水保活运输温控区间的优化方法，其特征在于，所述水产品呼吸代谢气体浓度参数包括：所述水产品的氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)。
3.根据权利要求2所述的水产品无水保活运输温控区间的优化方法，其特征在于，所述将获取的所述水产品呼吸代谢气体浓度参数以及所述无水保活运输总时长输入至温控区间优化模型，获取所述水产品无水保活运输的最优温控区间，包括：
S1，选定一个温控区间[a,b]，
其中，a←Teplow,[Teplow,Tephigh]为所述水产品处于无水保活运输的极限温度范围；Teplow为最低极限温度，Tephigh为最高极限温度；N为在Teplow至Tephigh之间的温度区间内的设定采样次数；N≥1；
S2，在所述温控区间内，将所述无水保活运输总时长以固定步长划分为均匀的时间段Ti，并获取每个时间段Ti内所述封闭运输容器中的所述氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)；
S3，根据所述氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)，获取所述水产品在所述时间段Ti内的氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)；
S4，根据所述氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)，获取所述水产品在所述时间段Ti内的呼吸代谢气体浓度的Pearson相关系数
根据所述氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)，获取所述水产品在所述时间段Ti内的呼吸代谢气体浓度变化率的Pearson相关系数
对所述水产品的氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)进行归一化呼吸率联合检验计算，获取所述水产品的联合呼吸率θ[OCR(Ti),CCR(Ti)]；并记录所述水产品的存活率SRi；
S5，判断当所述SRi大于预设存活率δ时，获取所述优化温控区间[Teplow,Tephigh]的求解函数值；并重新设定步骤S1中的N值，重新选定下一个温度区间；并循环执行上述S1至S4的步骤；获取到每个温度区间的所述优化温控区间[Teplow,Tephigh]的求解函数值；当小于λ1或小于λ2时，停止所述依次循环执行步骤S1至步骤S4，并执行步骤S6；其中λ1为呼吸代谢气体浓度变化的设定系数；λ2为呼吸代谢气体浓度变化率的设定系数；
S6，比较每个温度区间的所述优化温控区间[Teplow,Tephigh]的求解函数值的大小，获取到所述优化温控区间[Teplow,Tephigh]的求解函数值最小的温控区间为所述水产品无水保活运输的最优温控区间。
4.根据权利要求3所述的水产品无水保活运输温控区间的优化方法，其特征在于，所述获取每个时间段Ti内所述封闭运输容器中的所述氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)的步骤为：
以采样频率为Δt，针对氧气浓度数据和二氧化碳浓度数据在所述时间段Ti内进行N次采样；获取在所述时间段Ti内的氧气浓度数据序列以及二氧化碳浓度数据序列；
获取所述氧气浓度数据序列的中位数以及所述二氧化碳浓度数据序列的中位数，将所述氧气浓度数据序列的中位数作为所述氧气浓度参数O2(Ti)，并将所述二氧化碳浓度数据序列的中位数作为所述二氧化碳浓度参数CO2(Ti)。
5.根据权利要求3所述的水产品无水保活运输温控区间的优化方法，其特征在于，所述根据所述氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)，获取所述水产品在所述时间段Ti内的氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)，包括：
其中，VC为所述封闭运输容器的容积；VA为所述水产品的体积，其单位为立方米；耗氧率OCR(T)和累积率CCR(T)的计算单位为％·(m3·kg·h)-1；WA为水产品的重量；G(Ta)O2为统计时间段Ti开始的气体浓度，G(Tb)CO2是时间段Ti结束的气体浓度。
6.根据权利要求3所述的水产品无水保活运输温控区间的优化方法，其特征在于，所述根据所述氧气浓度参数O2(Ti)和二氧化碳浓度参数CO2(Ti)，获取所述水产品在所述时间段Ti内的呼吸代谢气体浓度的Pearson相关系数的计算方法为：
所述根据所述氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)，获取所述水产品在所述时间段Ti内的呼吸代谢气体浓度变化率的Pearson相关系数的计算方法为：
7.根据权利要求3所述的水产品无水保活运输温控区间的优化方法，其特征在于，所述对所述水产品的氧气浓度消耗率OCR(Ti)和二氧化碳浓度累积率CCR(Ti)进行归一化呼吸率联合检验计算，获取所述水产品的联合呼吸率θ[OCR(Ti),CCR(Ti)]，计算方法包括：
其中，λ权重系数以综合度量O2浓度和CO2浓度的变化状况，其根据不同水产品的习性相应进行取值；是氧气消耗率的归一化计算函数；是二氧化碳浓度累积率的归一化计算函数。
8.根据权利要求3所述的水产品无水保活运输温控区间的优化方法，其特征在于，所述获取到每个温度区间的所述优化温控区间[Teplow,Tephigh]的求解函数值的计算方法为：
其中：为呼吸率联合检验累积计算结果，为最大化累积计算结果的全程运输优化温控区间的求解函数。
9.根据权利要求8所述的水产品无水保活运输温控区间的优化方法，其特征在于，其中，在所述步骤S1中，N取1；在所述步骤S6中，所述设定步骤S1中的N值，具体为：将所述步骤S1中的N值加1；并依次循环执行步骤S1至步骤S4；获取到每个温度区间的所述优化温控区间[Teplow,Tephigh]的求解函数值；当小于λ1或小于λ2时，停止所述依次循环执行步骤S1至步骤S4，并执行步骤S6。
10.一种水产品无水保活运输温控区间的优化系统，其特征在于，包括：接收模块和处理模块；其中，所述接收模块用于获取封闭运输容器中的水产品呼吸代谢气体浓度参数，以及无水保活运输总时长；所述处理模块存储有所述温控区间优化模型，用于将获取的所述水产品呼吸代谢气体浓度参数以及所述无水保活运输总时长输入至所述温控区间优化模型，并获取所述水产品无水保活运输的最优温控区间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910522463.7A CN110192534B (zh) | 2019-06-17 | 2019-06-17 | 一种水产品无水保活运输温控区间的优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910522463.7A CN110192534B (zh) | 2019-06-17 | 2019-06-17 | 一种水产品无水保活运输温控区间的优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110192534A true CN110192534A (zh) | 2019-09-03 |
| CN110192534B CN110192534B (zh) | 2020-07-24 |
Family
ID=67754505
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910522463.7A Active CN110192534B (zh) | 2019-06-17 | 2019-06-17 | 一种水产品无水保活运输温控区间的优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110192534B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210087A (zh) * | 2020-01-16 | 2020-05-29 | 中国农业大学 | 水产品无水保活运输品质动态预测及控制优化方法及装置 |
| CN111528797A (zh) * | 2020-04-22 | 2020-08-14 | 中国农业大学 | 水产品无水保活个体应激水平无损动态监测方法及系统 |
| CN113515857A (zh) * | 2021-07-08 | 2021-10-19 | 中国农业大学 | 一种用于生食水产品储运过程的多时段评估方法及系统 |
| CN115067240A (zh) * | 2020-12-14 | 2022-09-20 | 中国农业大学 | 淡水鱼活体微冻保鲜运输方法和液体浸渍冷冻载冷剂 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2735767Y (zh) * | 2004-06-29 | 2005-10-26 | 青岛高科技工业园黄海实业发展总公司 | 活鱼无水保活运输箱 |
| CN101138331A (zh) * | 2007-10-31 | 2008-03-12 | 贵州省水产研究所 | 活鲟鱼低温无水运输技术 |
| CN101720712A (zh) * | 2009-12-03 | 2010-06-09 | 上海海洋大学 | 三疣梭子蟹活体离水保鲜的包装方法 |
| CN102349467A (zh) * | 2011-09-06 | 2012-02-15 | 山东商业职业技术学院 | 一种淡水鱼冰温无水保活运输方法 |
| CN103692948A (zh) * | 2013-12-20 | 2014-04-02 | 山东商业职业技术学院 | 一种水产品无水保活运输车及运输方法 |
| JP2014187878A (ja) * | 2013-03-26 | 2014-10-06 | Osakana Kikaku:Kk | 活魚の水無し梱包方法 |
| CN104221976A (zh) * | 2014-10-17 | 2014-12-24 | 广东海洋大学 | 一种采用低浓度二氧化碳麻醉罗非鱼的无水保活运输方法 |
-
2019
- 2019-06-17 CN CN201910522463.7A patent/CN110192534B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2735767Y (zh) * | 2004-06-29 | 2005-10-26 | 青岛高科技工业园黄海实业发展总公司 | 活鱼无水保活运输箱 |
| CN101138331A (zh) * | 2007-10-31 | 2008-03-12 | 贵州省水产研究所 | 活鲟鱼低温无水运输技术 |
| CN101720712A (zh) * | 2009-12-03 | 2010-06-09 | 上海海洋大学 | 三疣梭子蟹活体离水保鲜的包装方法 |
| CN102349467A (zh) * | 2011-09-06 | 2012-02-15 | 山东商业职业技术学院 | 一种淡水鱼冰温无水保活运输方法 |
| JP2014187878A (ja) * | 2013-03-26 | 2014-10-06 | Osakana Kikaku:Kk | 活魚の水無し梱包方法 |
| CN103692948A (zh) * | 2013-12-20 | 2014-04-02 | 山东商业职业技术学院 | 一种水产品无水保活运输车及运输方法 |
| CN104221976A (zh) * | 2014-10-17 | 2014-12-24 | 广东海洋大学 | 一种采用低浓度二氧化碳麻醉罗非鱼的无水保活运输方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张恒: "淡水鱼碳酸休眠法无水保活运输技术", 《水产科技情报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210087A (zh) * | 2020-01-16 | 2020-05-29 | 中国农业大学 | 水产品无水保活运输品质动态预测及控制优化方法及装置 |
| CN111210087B (zh) * | 2020-01-16 | 2022-04-08 | 中国农业大学 | 水产品无水保活运输品质动态预测及控制优化方法及装置 |
| CN111528797A (zh) * | 2020-04-22 | 2020-08-14 | 中国农业大学 | 水产品无水保活个体应激水平无损动态监测方法及系统 |
| CN111528797B (zh) * | 2020-04-22 | 2021-02-23 | 中国农业大学 | 水产品无水保活个体应激水平无损动态监测方法及系统 |
| CN115067240A (zh) * | 2020-12-14 | 2022-09-20 | 中国农业大学 | 淡水鱼活体微冻保鲜运输方法和液体浸渍冷冻载冷剂 |
| CN113515857A (zh) * | 2021-07-08 | 2021-10-19 | 中国农业大学 | 一种用于生食水产品储运过程的多时段评估方法及系统 |
| CN113515857B (zh) * | 2021-07-08 | 2023-08-22 | 中国农业大学 | 一种用于生食水产品储运过程的多时段评估方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110192534B (zh) | 2020-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110192534B (zh) | 一种水产品无水保活运输温控区间的优化方法及系统 | |
| Bunne et al. | The schrödinger bridge between gaussian measures has a closed form | |
| CN115115088B (zh) | 商业楼宇碳排放量动态监测预警方法、系统、终端及介质 | |
| CN109948869B (zh) | 基于有序聚类离散化的脱硫系统so2出口浓度预测方法 | |
| CN108254513B (zh) | 一种鱼类货架期的判断方法及装置 | |
| CN108614071B (zh) | 分布式室外大气质量监测精度校正系统及参数更新方法 | |
| CN114357886A (zh) | 一种基于多模型加权平均的酒醅近红外光谱建模方法 | |
| CN104330539A (zh) | 基于物联网架构的冷鲜肉货架寿命预测方法 | |
| CN105956125A (zh) | 专利监控系统及其方法 | |
| CN115396981A (zh) | 一种基于大数据技术的智能监测系统 | |
| CN111626481A (zh) | 一种基于动态运输监测的动物肉品质评价方法及系统 | |
| CN112763002B (zh) | 一种果蔬仓储环境物联网监测系统及方法 | |
| CN117451211A (zh) | 一种温度传感器数据异常处理方法 | |
| Kulkarni et al. | Air quality monitoring and prediction using SVM | |
| CN101673096A (zh) | 一种丹参注射液生产浓缩过程密度的软测量方法 | |
| CN105868283B (zh) | 一种应用于舰船结构应力监测与评估的数据处理方法 | |
| CN114065335A (zh) | 基于多尺度卷积循环神经网络的建筑物能耗预测方法 | |
| CN107766880B (zh) | 基于ba-lssvm的光合细菌发酵过程关键参量的软测量方法 | |
| WO2012005764A3 (en) | System for the quantification of system-wide dynamics in complex networks | |
| CN112884391A (zh) | 收派件规划方法、装置、电子设备及存储介质 | |
| CN110793896A (zh) | 一种尾气中粉尘浓度短期预测方法 | |
| El Hafyani | Big data series analytics in the context of environmental crowd sensing | |
| CN106502094B (zh) | 一种基于生态网络分析的能源供应安全调控系统 | |
| CN115938498A (zh) | 基于多变量深度重构神经网络的甲烷化炉碳氧化物含量多步预测方法 | |
| CN111528797B (zh) | 水产品无水保活个体应激水平无损动态监测方法及系统 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240801 Address after: 230000 B-1015, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui. Patentee after: HEFEI MINGLONG ELECTRONIC TECHNOLOGY Co.,Ltd. Country or region after: China Address before: 100193 No. 2 Old Summer Palace West Road, Beijing, Haidian District Patentee before: CHINA AGRICULTURAL University Country or region before: China |