CN110495408B - 基于数据与知识共同驱动的鱼虾参养殖决策系统及装置 - Google Patents

Abstract

本发明涉及水产养殖技术领域，具体为一种基于数据与知识共同驱动的鱼虾参养殖决策系统及装置，该系统包括：模型构建子系统，用于建立KDDM模型，并对KDDM模型进行训练生成动物生长模型；参数获取子系统，用于获取影响参数，并根据影响参数生成影响因子；养殖决策子系统，用于获取动物生长模型，并根据动物生长模型、影响因子生成动物发育信息，并根据动物发育信息生成决策信息；信息控制子系统，用于根据决策信息生成控制信息以控制养殖装置进行养殖。采用本方案能够辅助养殖人员进行养殖，以获得高质量的养殖生物。

Description

基于数据与知识共同驱动的鱼虾参养殖决策系统及装置

技术领域

本发明涉及水产养殖技术领域，具体为一种基于数据与知识共同驱动的鱼虾参养殖决策系统及装置。

背景技术

目前，在水产行业中需要对养殖生物的质量进行严格的控制，养殖生物的生长速度过慢，其可能是养殖生物存在某种疾病，需对其进行处理，另养殖生物的生长速度过慢也会对养殖户的利益造成损害。养殖生物的生长速度过快，导致原因可能是其活动量过少，这样养殖出的养殖生物品质不高，品质低的养殖生物营养价值不高，对于现在追求高品质生活的人来说，购买营养价值较低的养殖生物的欲望低，相对的单品价格不高，同样也会对养殖户的利益造成损害。因此亟需一种能够提高养殖生物品质的养殖决策系统，以辅助养殖人员进行养殖。

发明内容

本发明意在提供一种基于数据与知识共同驱动的鱼虾参养殖决策系统及装置，能够辅助养殖人员进行养殖，以获得高质量的养殖生物。

本发明提供基础方案：基于数据与知识共同驱动的鱼虾参养殖决策系统及装置，包括：

参数获取子系统，用于获取影响参数，并根据影响参数生成影响因子；

养殖决策子系统，用于获取动物生长模型，并根据动物生长模型、影响因子生成动物发育信息，并根据动物发育信息生成决策信息。

基础方案的工作原理及有益效果：影响参数为除遗传因子以外会对动物生长造成影响的参数，例如环境因素、人为因素等，通过影响参数对这些因素进行量化，便于对其进行分析。根据影响参数生成影响因子，即影响因子表征所有对动物生长造成影响的因素。通过向动物生长模型输入影响因子得到输出的动物发育信息，动物发育信息为在影响因子的影响下，养殖生物的动物发育情况，根据动物发育信息生成决策信息，即根据动物发育情况对动物养殖进行决策，人为调整对动物发育造成影响的因素，所进行的调整即为决策信息。根据影响参数获得动物发育信息，从而生成决策信息，辅助养殖人员进行养殖，提高养殖生物的养殖质量，以获得高质量的养殖生物。

进一步，还包括：

模型构建子系统，用于建立KDDM模型，并对KDDM模型进行训练生成动物生长模型。

有益效果：KDDM模型为基于数据与知识共同构建的模型，采用KDDM模型，既保留KDM模型(基于领域知识构建模型)的生长机理及生物参数，模型可解释性较强，同时利用DDM模型(基于数据构建模型)对KDM模型的不确定性和误差进行有效补偿，从而使得KDDM模型具备KDM模型、DDM模型各自的优点，从而使通过训练生成的动物生长模型能够根据影响参数准确的输出动物发育信息。

进一步，所述KDDM模型基于加和耦合方式。有益效果：KDDM模型基于加和耦合方式指其中的KDM模型和DDM模型以加和的方式耦合，通过DDM模型对KDM模型进行非线性补偿，操作性强。

进一步，所述养殖决策子系统用于根据动物生长模型、影响因子、以及预设的遗传因子生成动物发育信息。

有益效果：基于加和耦合方式的KDDM模型默认动物生长由遗传因子决定，而在动物生长过程中的不确定性由环境因素、人为因素(即影响因子)引起，因此直接以加和耦合的方式进行非线性补偿，从而获得更为准确动物发育信息。

进一步，所述KDDM模型基于复合耦合方式。

有益效果：KDDM模型基于复合耦合方式指其中的KDM模型和DDM模型以复合的方式进行耦合，以DDM模型的输出作为KDM模型的输入，即通过DDM模型的输出直接影响KDM模型的输出，从而影响动物发育信息，其考虑的影响过程更为复杂，得到的动物发育信息更为准确。

进一步，所述模型构建子系统用于根据预设的历史养殖数据对KDDM模型进行训练。

有益效果：历史养殖数据包括养殖过程中的环境因素、人物因素、养殖生物的遗传因子，以及养殖生物的发育情况，通过历史养殖数据对KDDM模型进行训练，从而获得更准确的模型参数，为后续养殖决策中提供更为准确的动物发育信息，使得养殖决策更为可靠。

进一步，所述影响参数包括环境参数、养殖参数。

有益效果：当养殖生物为水中的生物，例如鱼时，环境参数包括水质，即水中各元素的含量，养殖参数为人为投喂时的投喂次数、投喂时长、投喂量等。

进一步，所述养殖决策子系统，包括：

数据对比模块，用于根据动物发育信息以及预设的正常发育信息生成发育差值。

决策模块，用于根据发育差值生成决策信息。

有益效果：正常发育信息为根据科学指标预测的养殖生物的正常发育过程，通过对比动物发育信息和正常发育过程获取两者之间的发育差值，并根据发育差值生成决策信息。当默认养殖生物的发育与投喂相关，那么当养殖生物的发育过缓时，决策信息为增加投喂量或投喂次数，当养殖生物的发育过快，为保证养殖生物的质量，决策信息为逐步减少投喂量或投喂次数，根据发育差值生成决策信息，通过更为科学的养殖方式以获得高质量的养殖生物。

进一步，还包括：

信息控制子系统，用于根据决策信息生成控制信息以控制养殖装置进行养殖。

有益效果：养殖装置可为现有的智能投喂机，当决策信息为更改投喂量或投喂次数时，可通过控制信息自动控制智能投喂机进行投喂，养殖装置也可为现有的水质智能调节装置，通过控制信息控制水质智能调节装置对养殖生物的水质进行调节。

本发明还提供一种基于数据与知识共同驱动的鱼虾参养殖装置，该装置使用了上述的任一种基于数据与知识共同驱动的鱼虾参养殖决策系统。

有益效果：通过基于数据与知识共同驱动的鱼虾参养殖决策系统生成的控制信息对养殖装置进行控制，以辅助养殖人员进行养殖，提高养殖生物的养殖质量，获得高质量的养殖生物。

附图说明

图1为本发明基于数据与知识共同驱动的鱼虾参养殖决策系统实施例一的逻辑框图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例一

基于数据与知识共同驱动的鱼虾参养殖决策系统，如附图1所示，包括数据库、模型构建子系统、参数获取子系统、养殖决策子系统、信息控制子系统，数据库中预设有遗传因子、正常发育信息、历史养殖数据、辅助决策关联表。遗传因子为养殖生物的基因指标，不同养殖生物的遗传因子不同。正常发育信息为养殖生物在正常情况下的发育过程信息。养殖生物可以为鱼、虾、参等水产，也可以为猪、鸡、鸭等牲畜，在本实施例中，为便于说明将养殖生物定义为鲤鱼，即遗传因子为鲤鱼的基因指标，正常发育信息为正常情况下鲤鱼的发育过程信息。历史养殖数据为若干养殖过程中的环境因素、人为因素，以及养殖生物的遗传因子和发育过程。辅助决策关联表记录有与发育差值对应的决策信息，不同发育差值对应的决策信息不同。

模型构建子系统，包括：

模型建立模块，用于建立基于加和耦合方式的KDDM模型(基于数据与知识共同驱动的模型)，KDDM模块用于根据输入的影响因子和遗传因子输出动物发育信息。

模型训练模块，用于从数据库中逐一获取历史养殖数据作为训练集对KDDM模型进行训练，训练完成后获得动物生长模型(即基于数据与知识共同驱动的动物生长模型)，动物生长模型根据输入的影响因子和遗传因子输出动物发育信息，并将动物生长模型存储在数据库中。

影响参数包括环境参数、养殖参数，在本实施例中，环境参数指鲤鱼生活的水中的各元素含量的元素指标，养殖参数指人为参与的投喂过程的投喂次数、单次投喂量。为便于分析说明，在本实施例中环境参数仅作为参考指标，养殖参数为影响鲤鱼生长的主要影响因素。

参数获取子系统，包括：

环境参数获取模块，用于通过环境检测装置获取环境参数，在其他实施例中，也可通过人工输入的方式获取环境参数。环境检测装置采用现有的水质检测仪。

养殖参数获取模块，用于通过养殖装置获取养殖参数，在其他实施例中，也可通过人工输入的方式获取养殖参数。养殖装置采用现有的智能投喂机，能够设定投喂次数、投喂时长，且在投喂时生成开始投喂信号，并在投喂结束时生成结束投喂信号(由于单位时间内智能投喂机的投喂量固定，因此投喂时长越长，单次投喂量越多，通过投喂时长控制单次投喂量)。

影响因子生成模块，用于对环境参数和养殖参数进行标准化处理，并生成影响因子。

养殖决策子系统，包括：

模型计算模块，用于从数据库中获取动物生长模型、遗传因子，并向动物生长模型输入遗传因子和影响因子，获得其输出的动物发育信息。

数据对比模块，用于从数据库中获取正常发育信息，并对比动物发育信息和正常发育信息生成发育差值。

决策模块，用于从数据库中获取辅助决策关联表，并根据发育差值从辅助决策关联表中筛选出决策信息。

在本实施例中，为便于说明决策信息定义为单次投喂量。在其他实施例中，也可将决策信息定义为投喂次数，根据投喂次数生成控制信息以控制养殖装置进行养殖。

信息控制子系统，包括：

投喂时长计算模块，用于根据决策信息生成投喂时长，即根据单次投喂量和单位时间内的固定投喂量生成。

信息控制模块，用于根据投喂时长生成控制信息以控制养殖装置进行养殖。

实施例二

本实施例与实施例一的不同之处在于：动物生长模型的构建以及利用动物生长模型生成动物发育信息。

模型建立模块，用于建立基于复合耦合方式的KDDM模型(基于数据与知识共同驱动的模型)，KDDM模块用于根据输入的影响因子生成生产潜力，并根据生产潜力输出动物发育信息。

模型训练模块，用于从数据库中逐一获取历史养殖数据作为训练集对KDDM模型进行训练，训练完成后获得动物生长模型(即基于数据与知识共同驱动的动物生长模型)，动物生长模型能够根据输入影响因子输出动物发育信息，并将动物生长模型存储在数据库中。

模型计算模块，用于从数据库中获取动物生长模型，并向动物生长模型输入影响因子，获得其输出的动物发育信息。

实施例三

在鱼进食过程中，可能会出现鱼进食量过少，从而导致鱼发育过缓的情况，也可能出现鱼进食量过多，导致鱼发育过快的情况。鱼发育过缓相应的带来的经济效益也会降低，鱼发育过快相应的肉质较差，也会导致单品价值过低，从而影响整体的经济效益，因此在养殖过程中，应当避免这两种情况。

本实施例与实施例一或实施例二的不同之处在于：基于数据与知识共同驱动的鱼虾参养殖决策系统，还包括进食控制子系统、水流控制装置。

投喂时长计算模块，用于将投喂时长发送给进食控制子系统。

进食控制子系统，包括：

计算模块，用于获取投喂时长，并根据预设的计算比例和投喂时长生成第一时长。计算比例可为系统开发时固设，也可由养殖人员根据需求设置，在本实施例中，计算比例为系统固设的，其比例为六分之一，即当投喂时长为六小时，则第一时长为一小时。

计时模块，用于获取到投喂装置(投喂装置为上述记载的养殖装置)在投喂时生成的开始投喂信号时，生成水流启动控制信号发送给水流控制装置，并根据第一时长进行计时，并在计时结束时生成水流停止控制信号发送给水流控制装置。还用于获取到投喂装置在投喂结束时生成的结束投喂信号时，根据预设的第二时长进行计时，并在计时结束时根据第一时长再次进行计时，并生成水流启动控制信号发送给水流控制装置，在第一时长的计时结束时生成水流停止控制信号发送给水流控制装置，同时将水流停止控制信号发送给运动模块。第二时长可为系统开发时固设，也可由养殖人员根据需求设置，在本实施例中，第二时长为系统固设的，其时长为二十分钟。为了避免将刚进食结束的鱼误判为进食量过多的鱼，因此设置第二时长，刚进食结束的鱼可在第二时长的计时过程中离开投喂点(为更好的养殖鱼，会设定固定的投喂点进行投喂)，而进食量过多的鱼会在投喂点继续觅食，由此减少误判的可能性。

水流控制装置，用于接收到水流启动控制信号时，在鱼前往或离开投喂点的路径上制造水流吸引鱼游动到运动点；还用于接收到水流停止控制信号时，在停止制造水流，使鱼从原来的路径游走。通过水流吸引鱼进行游动，从而将鱼从原来的路径吸引到运动点。

运动模块，用于接收到水流停止控制信号时，生成运动控制信号发送给水流控制装置，并根据预设的运动时长进行计时，在计时结束时，再次生成运动控制信号发送给水流控制装置。

水流控制装置，用于接收到运动控制信号时，在运动点生成旋转水涡使鱼沿着与水涡相反的方向游动，并在再次接收到运动控制信号时，停止在运动点生成旋转水涡。在其他实施例中，可在运动点制造水流使鱼沿着水流逆流而上游动。在运动点制造旋转水涡或水流，利用鱼逆流而上游动的特性，促使鱼进行运动。

当鱼的进食量过少时，其进食时间也会相应减少，同样的，当鱼进食量过多时，其进食时间也会相应的增加，根据进食时间进行区分，将最先离开进食点的鱼和最后离开进食点的鱼作为需要改善的鱼。通过促使鱼进行运动，针对进食量过少的鱼提高其进食量，针对进食量较多的鱼加大运动量，从而获得品质更好的鱼。

实施例四

为实现辅助养殖，本申请还提供一种基于数据与知识共同驱动的鱼虾参养殖装置(该装置为上述记载的养殖装置)，该装置应用实施例一或实施例二或实施例三中记载基于数据与知识共同驱动的鱼虾参养殖决策系统，包括控制器和投喂机本体，投喂机本体采用现有的能够设定工作时长的投喂装置，控制器安装在投喂机本体上。控制器用于接收控制信息，并根据控制信息设定工作时长。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (9)

1.基于数据与知识共同驱动的鱼虾参养殖决策系统，其特征在于，包括：

参数获取子系统，用于获取影响参数，并根据影响参数生成影响因子；

养殖决策子系统，用于获取动物生长模型，并根据动物生长模型、影响因子生成动物发育信息，并根据动物发育信息生成决策信息；

信息控制子系统，用于根据决策信息生成控制信息以控制养殖装置进行养殖；还用于根据决策信息生成投喂时长；

还包括进食控制子系统和水流控制装置；

进食控制子系统，包括：

计算模块，用于获取投喂时长，并根据预设的计算比例和投喂时长生成第一时长；

计时模块，用于获取到养殖装置在投喂时生成的开始投喂信号时，生成水流启动控制信号发送给水流控制装置；并根据第一时长进行计时，并在计时结束时生成水流停止控制信号发送给水流控制装置；还用于获取到养殖装置在投喂结束时生成的结束投喂信号时，根据预设的第二时长进行计时，并在计时结束时根据第一时长再次进行计时，并生成水流启动控制信号发送给水流控制装置；在第一时长的计时结束时生成水流停止控制信号发送给水流控制装置，同时将水流停止控制信号发送给运动模块；

水流控制装置用于接收到水流启动控制信号时，在养殖生物前往或离开投喂点的路径上制造水流吸引养殖生物游动到运动点；还用于接收到水流停止控制信号时，停止制造水流；

运动模块，用于接收到水流停止控制信号时，生成运动控制信号发送给水流控制装置，并根据预设的运动时长进行计时，在计时结束时，再次生成运动控制信号发送给水流控制装置；

水流控制装置，用于接收到运动控制信号时，在运动点生成旋转水涡，并在再次接收到运动控制信号时，停止在运动点生成旋转水涡。

2.根据权利要求1所述的基于数据与知识共同驱动的鱼虾参养殖决策系统，其特征在于，还包括：

模型构建子系统，用于建立KDDM模型，并对KDDM模型进行训练生成动物生长模型。

3.根据权利要求2所述的基于数据与知识共同驱动的鱼虾参养殖决策系统，其特征在于：所述KDDM模型基于加和耦合方式。

4.根据权利要求3所述的基于数据与知识共同驱动的鱼虾参养殖决策系统，其特征在于：所述养殖决策子系统用于根据动物生长模型、影响因子、以及预设的遗传因子生成动物发育信息。

5.根据权利要求2所述的基于数据与知识共同驱动的鱼虾参养殖决策系统，其特征在于：所述KDDM模型基于复合耦合方式。

6.根据权利要求2或4或5所述的基于数据与知识共同驱动的鱼虾参养殖决策系统，其特征在于：所述模型构建子系统用于根据预设的历史养殖数据对KDDM模型进行训练。

7.根据权利要求6所述的基于数据与知识共同驱动的鱼虾参养殖决策系统，其特征在于：所述影响参数包括环境参数、养殖参数。

8.根据权利要求7所述的基于数据与知识共同驱动的鱼虾参养殖决策系统，其特征在于，所述养殖决策子系统，包括：

数据对比模块，用于根据动物发育信息以及预设的正常发育信息生成发育差值；

决策模块，用于根据发育差值生成决策信息。

9.基于数据与知识共同驱动的鱼虾参养殖装置，其特征在于：该装置使用如权利要求1-8中任一项基于数据与知识共同驱动的鱼虾参养殖决策系统。

Images