CN110516857B - 一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置 - Google Patents
一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置 Download PDFInfo
- Publication number
- CN110516857B CN110516857B CN201910739503.3A CN201910739503A CN110516857B CN 110516857 B CN110516857 B CN 110516857B CN 201910739503 A CN201910739503 A CN 201910739503A CN 110516857 B CN110516857 B CN 110516857B
- Authority
- CN
- China
- Prior art keywords
- dead fish
- dead
- underwater robot
- catching
- fish
- 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
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 304
- 238000000034 method Methods 0.000 title claims abstract description 35
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mechanical Means For Catching Fish (AREA)
Abstract
本发明提供一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置,对水中所有死鱼按照位置进行聚类,将距离较近的死鱼归为一类,形成多个簇类,在对水中所有死鱼进行路径规划时,按照对每一个簇类中的死鱼捕捞的时间长短进行排序,先对捕捞时间短的簇类中的死鱼进行捕捞,再对捕捞时间长的簇类中的死鱼进行捕捞,按照这种分簇进行捕捞的方式规划出来的捕捞路径在保证计算速度的情况下使得捕捞路径相对较短,且在寻找最佳捕捞路径的过程中,有很快的收敛速度,可以更快更好地优化路径。
Description
技术领域
本发明实施例涉及水产养殖领域,尤其涉及一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置。
背景技术
作为一种新型海洋资源开发利用模式,建设大型围网,是推动渔业养殖由近海走向深远海的重要方式,利用自然海洋环境、规模化渔业设施,在海上“造田”,把人工放流的经济海洋生物聚集起来,既可以提高海域的鱼类产量,还能有效保护海洋生态系统。
鱼类死亡后会先沉入海底,由于鱼死亡后内脏开始变质,为细菌提供了营养基体,造成细菌大量繁殖,浮力增加,由于死鱼的腐烂,会消耗大量氧气,造成水体的溶解氧降低,同时会使氨氮含量升高,最重要的是增加了爆发传染病的风险,因此,需要对水中的死鱼进行捕捞。
现有的解决措施是通过蛙人每隔一段时间潜到水底搜寻死鱼,对死鱼进行捕捞,蛙人在水底搜寻死鱼时的路径是盲目的,这样搜寻死鱼的路径是混乱的,搜寻以及捕捞死鱼的时间也是较长的。
发明内容
为了解决上述技术问题或者至少部分解决上述问题,本发明实施例提供一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置。
根据本发明的一个方面,提供了死鱼捕捞路径规划方法,包括:
计算水下机器人捕捞水中每一条死鱼所需的时间;
根据每一条死鱼在水中的位置,对所有的死鱼进行聚类,形成多个簇;
从水下机器人捕捞时间最短的死鱼所在的簇开始,对该簇内的多条死鱼进行捕捞;
当该簇内的所有死鱼捕捞完毕,对于水中剩余的死鱼,按照相同的方法对下一个簇内的死鱼进行捕捞,直到所有簇内的死鱼捕捞完毕,其捕捞路径形成水下机器人对水中所有死鱼的最优捕捞路径。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步的,所述水下机器人和每一条死鱼均位于大型智能化生态围网中,所述大型智能化生态围网为圆形,通过多个管桩将所述大型智能化生态围网固定于海洋中。
进一步的,所述计算水下机器人捕捞水中每一条死鱼所需的时间之前还包括:
以所述大型智能化生态围网的中心为坐标原点,以海流方向为y轴负半轴方向建立坐标系;
基于建立的所述坐标系,确定在所述坐标系下每一条死鱼的初始位置、每一条死鱼的移动方向以及所述水下机器人的初始位置进一步的,所述计算水下机器人捕捞水中每一条死鱼所需的时间具体包括:
根据每一条死鱼的初始位置、水下机器人的初始位置、每一条死鱼在海流影响下的移动速度、移动方向以及水下机器人的行驶速度,计算水下机器人捕捞每一条死鱼所需的时间。
进一步的,所述当该簇内的所有死鱼捕捞完毕,对于水中剩余的死鱼,按照相同的方法对下一个簇内的死鱼进行捕捞具体包括:
对于水中剩余的死鱼,将水下机器人捕捞剩余的每一条死鱼所需时间最短对应的死鱼所在的簇作为下一个簇,对所述下一个簇内的死鱼进行捕捞。
进一步的,通过如下方式对每一个簇内的死鱼进行捕捞:
对于每一个簇内的多条死鱼,按照水下机器人捕捞每一个簇内的每一条死鱼所需时间的长短为顺序进行捕捞。
进一步的,采用k-means聚类算法对水中所有死鱼进行聚类。
根据本发明的第二个方面,提供了一种用于死鱼捕捞路径规划的服务器,包括:
计算模块,用于计算水下机器人捕捞水中每一条死鱼所需的时间;
聚类模块,用于根据每一条死鱼在水中的位置,对所有的死鱼进行聚类,形成多个簇,每一个簇内包括多条死鱼;
路径规划模块,用于对水下机器人捕捞水中所有死鱼的最优路径进行规划,其中,从水下机器人捕捞时间最短的死鱼所在的簇开始,对该簇内的多条死鱼进行捕捞,当该簇内的所有死鱼捕捞完毕,对于水中剩余的死鱼,按照相同的方法对下一个簇内的死鱼进行捕捞,直到所有簇内的死鱼捕捞完毕,其捕捞路径形成水下机器人对水中所有死鱼的最优捕捞路径。
进一步的,所述计算模块具体用于:
根据每一条死鱼的初始位置、水下机器人的初始位置、每一条死鱼在海流影响下的移动速度、移动方向以及水下机器人的行驶速度,计算水下机器人捕捞每一条死鱼所需的时间。
根据本发明的第三方面,提供了一种死鱼捕捞装置,包括服务器和水下机器人;
所述服务器,用于将规划的所述最优捕捞路径发送给所述水下机器人;
所述水下机器人,用于根据所述服务器发送的所述最优捕捞路径,对水中的死鱼进行捕捞。
本发明的有益效果为:对水中所有死鱼按照位置进行聚类,将距离较近的死鱼归为一类,形成多个簇类,在对水中所有死鱼进行路径规划时,按照对每一个簇类中的死鱼捕捞的时间长短进行排序,先对捕捞时间短的簇类中的死鱼进行捕捞,再对捕捞时间长的簇类中的死鱼进行捕捞,按照这种分簇进行捕捞的方式规划出来的捕捞路径在保证计算速度的情况下使得捕捞路径相对较短,且在寻找最佳捕捞路径的过程中,有很快的收敛速度,可以更快更好地优化路径。
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为本发明一个实施例的死鱼捕捞路径规划方法流程图;
图2为本发明一个实施例的水下机器人和死鱼的相对位置示意图;
图3-a为当水下机器人在图2中的区域③时水下机器人的行驶路径示意图;
图3-b为当水下机器人在图2中的区域④时水下机器人的行驶路径示意图;
图3-c1和图3-c2为当水下机器人在图2中的区域⑤时水下机器人的行驶路径示意图;
图3-d1和图3-d2为当水下机器人在图2中的区域⑥时水下机器人的行驶路径示意图;
图3-e为当水下机器人在图2中的区域⑦时水下机器人的行驶路径示意图;
图3-f为当水下机器人在图2中的区域⑧时水下机器人的行驶路径示意图;
图4为本发明一个实施例的用于死鱼捕捞路径规划的服务器的连接框图;
图5为本发明一个实施例的死鱼捕捞装置连接框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
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。
参见图1,提供了一种死鱼捕捞路径规划方法,包括:计算水下机器人捕捞水中每一条死鱼所需的时间;根据每一条死鱼在水中的位置,对所有的死鱼进行聚类,形成多个簇,每一个簇内包括多条死鱼;从水下机器人捕捞时间最短的死鱼所在的簇开始,对该簇内的多条死鱼进行捕捞;当该簇内的所有死鱼捕捞完毕,对于水中剩余的死鱼,按照相同的方法对下一个簇内的死鱼进行捕捞,直到所有簇内的死鱼捕捞完毕,其捕捞路径形成水下机器人对水中所有死鱼的最优捕捞路径。
本发明对水中所有死鱼按照位置进行聚类,将距离较近的死鱼归为一类,形成多个簇类,在对水中所有死鱼进行路径规划时,按照对每一个簇类中的死鱼捕捞的时间长短进行排序,先对捕捞时间短的簇类中的死鱼进行捕捞,再对捕捞时间长的簇类中的死鱼进行捕捞,按照这种分簇进行捕捞的方式规划出来的捕捞路径在保证计算速度的情况下使得捕捞路径相对较短,且在寻找最佳捕捞路径的过程中,有很快的收敛速度,可以更快更好地优化路径。
在本发明的一个实施例中,水下机器人和每一条死鱼均位于大型智能化生态围网中,大型智能化生态围网为圆形,通过多个管桩将大型智能化生态围网固定于海洋中。
本发明实施例的应用场景为限制区域养鱼,在海洋中建立大型智能化生态围网,为描述方便,以下简称为大围网,大围网近似为圆形,采用多个管桩将大型智能化生态围网固定于海洋中,大围网所处面为平面。大围网的半径为r,在大围网内养鱼,因此,每一条死鱼均位于大围网之内。
在本发明的一个实施例中,所述计算水下机器人捕捞水中每一条死鱼所需的时间之前还包括:以所述大型智能化生态围网的中心为坐标原点,以海流方向为y轴负半轴方向建立坐标系;基于建立的所述坐标系,确定在所述坐标系下每一条死鱼的初始位置、每一条死鱼的移动方向以及所述水下机器人的初始位置。
本发明实施例根据养殖环境建立环境模型,以大围网的中心为坐标原点,以海流方向为y轴负半轴方向建立坐标系,以垂直于y轴方向为x轴方向,建立半径为r的圆。基于建立的坐标系,确定在建立的坐标系下每一条死鱼的初始位置、每一条死鱼的移动方向和水下机器人的初始位置。
其中,每一条死鱼由于受到海流影响,会以固定的速度进行移动,每一条死鱼的移动方向即海流方向,即每一条死鱼会沿海流方向以固定的速度漂移。
在本发明的一个实施例中,所述计算水下机器人捕捞水中每一条死鱼所需的时间具体包括:根据每一条死鱼的初始位置、水下机器人的初始位置、每一条死鱼在海流影响下的移动速度、移动方向以及水下机器人的行驶速度,计算水下机器人捕捞每一条死鱼所需的时间。
通过上述方式建立了坐标系,在该坐标系下,可以得到每一条死鱼的初始位置(即在该坐标系下的初始坐标)、水下机器人的初始位置、每一条死鱼在海流影响的移动速度、移动方向(其中,死鱼的移动方向为海流的方向)以及水下机器人的行驶速度,按照每一条死鱼初始时与水下机器人初始时的相对位置的不同情形,计算水下机器人捕捞每一条死鱼所需的时间。
下面具体介绍根据每一条死鱼与水下机器人的相对位置的不同,计算水下机器人捕捞每一条死鱼所需的时间。假设大围网内总共有m条死鱼,在t=0时刻,每一条死鱼随机分布在大围网内,其位置坐标为P(xa,ya),其中,a=1,2,…m,m为正整数。在海流的影响下每一条死鱼的移动速度为定值V1,每一条死鱼移动方向和海流方向相同,即每一条死鱼沿y轴负半轴方向移动,水下机器人的初始位置为Q(xb,yb),其中,水下机器人位于大围网内,速度为定值V2,并且满足V2>V1。
例如,第a条死鱼在坐标系下的初始坐标为P(xa,ya),当该条死鱼随着海流方向移动最后触碰到大围网时,其位置为Z点,设Z点的坐标为Z(xs,ys)。由于死鱼的移动方向为海流方向,即y轴负半轴方向,因此,xs=xa,于是
其中,死鱼与水下机器人的相对位置情形主要包括8种情况,可参见图2,假设死鱼的位置为P(xa,ya),水下机器人的位置Q(xb,yb)可位于图2中的①-⑧的区域。水下机器人与死鱼的相对位置不同,对应有不同的计算方式来计算水下机器人捕捞死鱼的时间。
下面以8种不同的相对位置来详细介绍每一种情形下水下机器人捕捞死鱼的行驶方向角θ*和行驶时间t1。
(1)当水下机器人位于区域①,此时,xa=xb,ya<yb,水下机器人位置Q在死鱼位置P的0°方向,此时水下机器人捕捞死鱼时的行驶方向角θ*=180°,按照理论计算该方向水下机器人行驶的时间LPQ表示点P和点Q的直线距离。但是由于有大围网的存在,可能在水下机器人还未与死鱼汇合前,死鱼已经触碰到大围网,当死鱼碰触到大围网后,死鱼是不会再随海流移动的,而是固定在大围网上。因此,若t1时刻,ys>ya-v1t1,ys为死鱼触碰到大围网时的纵坐标,此时则需要对水下机器人捕捞死鱼的行驶方向角和行驶时间进行修正,修正后的结果为水下机器人的行驶方向角为θ*=180°,水下机器人沿该方向的行驶时间为LPZ表示点P和点Q之间的直线距离。其中,P为死鱼的初始位置,ys为该条死鱼沿海流方向移动后触碰到大围网时的纵坐标。
(3)当水下机器人位于区域③,水下机器人捕捞死鱼的行驶方向角和行驶时间的计算方式可参见图3-a,此时即且xa>xb时,此时水下机器人捕捞死鱼的行驶方向角为θ*=90°,水下机器人沿该方向的行驶时间为但是由于有大围网的存在,可能在水下机器人还未与死鱼汇合前,死鱼已经触碰到大围网,当死鱼碰触到大围网后,死鱼是不会再随海流移动的,而是固定在大围网上。因此,若t1时刻,ys>ya-v1t1,ys为死鱼触碰到大围网时的纵坐标,此时则需要对水下机器人捕捞死鱼的行驶方向角和行驶时间进行修正,修正后水下机器人捕捉死鱼的行驶方向角为水下机器人沿该方向的行驶时间为
(4)当水下机器人位于区域④,水下机器人捕捞死鱼的行驶方向角和行驶时间的计算方式可参见图3-b,此时即xa<xb,此时水下机器人捕捞死鱼的行驶方向角θ*=-90°,水下机器人沿该方向的行驶时间为若t1时刻,ys>ya-v1t1,对水下机器人捕捞死鱼的行驶方向角和行驶时间进行修正,修正后水下机器人捕捞死鱼的行驶方向角为水下机器人沿该方向的行驶时间为
(5)当水下机器人位于区域⑤,水下机器人捕捞死鱼的行驶方向角和行驶时间的计算方式可参见图3-c1和图3-c2,此时,v1t-LPQsinθ2+(LPQcosθ)2=(v2t)2,求解得到水下机器人捕捞死鱼的行驶时间为行驶方向角为若t1时刻后ys>ya-v1t1,ys>yb,此时修正得到的水下机器人捕捞死鱼的行驶方向角为水下机器人沿该方向的行驶时间为
若t1时刻时ys>ya-v1t1,且ys<yb,此时修正得到的水下机器人捕捞死鱼的行驶方向角为水下机器人沿该方向的行驶速度为若t1时刻时ys>ya-v1t1,且ys<yb,此时修正得到的水下机器人捕捞死鱼的行驶方向角为水下机器人沿该方向的行驶时间为
(6)当水下机器人位于区域⑥,水下机器人捕捞死鱼的行驶方向角和行驶时间的计算方式可参见图3-d1和图3-d2,此时,(v1t+LPQsinθ)2+(LPQcosθ)2=(v2t)2,求解得到水下机器人捕捞死鱼的行驶时间为行驶方向角为
若t1时刻时ys>ya-v1t1,ys>yb,此时修正得到的水下机器人捕捞死鱼的行驶方向角为水下机器人沿该方向的行驶速度时间为若t1时刻时,ys>ya-v1t1,ys<yb,此时修正得到的水下机器人捕捞死鱼的行驶方向角为水下机器人沿该方向的行驶时间为
(7)当水下机器人位于区域⑦,水下机器人捕捞死鱼的行驶方向角和行驶时间的计算方式可参见图3-e,此时,(LPQsinθ-v1t)2+(LPQcosθ)2=(v2t)2,求解得到水下机器人捕捞死鱼的行驶时间为行驶方向角为 若t1时刻时ys>ya-v1t1,此时修正后得到的水下机器人捕捞死鱼的行驶方向角为水下机器人沿该方向的行驶时间为
(8)当水下机器人位于区域⑧,水下机器人捕捞死鱼的行驶方向角和行驶时间的计算方式可参见图3-f,此时(-LPQsinθ-v1t)2+(LPQcosθ)2=(v2t)2,求解得到水下机器人捕捞死鱼的行驶时间为行驶方向角为 若t1时刻时,ys>ya-v1t1,此时修正后的得到的水下机器人捕捞死鱼的行驶方向角为水下机器人沿该方向的行驶时间为
上述具体介绍了水下机器人和死鱼的8种相对位置,每一种情形下水下机器人捕捞死鱼的行驶方向角和行驶时间,通过上述方法可计算得到水下机器人捕捞每一条死鱼的时间。
在本发明的一个实施例中,所述当该簇内的所有死鱼捕捞完毕,对于水中剩余的死鱼,按照相同的方法对下一个簇内的死鱼进行捕捞具体包括:对于水中剩余的死鱼,将水下机器人捕捞剩余的每一条死鱼所需时间最短对应的死鱼所在的簇作为下一个簇,对该下一个簇内的死鱼进行捕捞。
具体的,在对水下机器人捕捞水中死鱼的路径规划之前,根据每一条死鱼在水中的初始位置,对所有的死鱼进行聚类。在本发明实施例中,采用k-means聚类算法对水中所有的死鱼进行聚类。
从所有的死鱼中选取k个聚类中心,对于每一条死鱼,计算该条死鱼与每一个聚类中心的距离,若该条死鱼与某一个聚类中心的距离最近时,则将该条死鱼与该聚类中心归为一类。对于每一条鱼,均按照同样的方法将每一个死鱼与聚类中心归为一类,最后形成多个簇。
将水中所有的死鱼进行聚类之后,对水下机器人捕捞死鱼的路径进行规划,本发明实施例按照对每一个簇内的死鱼进行捕捞,即按照簇分块对水中的死鱼进行捕捞。
上述实施例中计算出了水下机器人捕捞每一条死鱼所需的时间,从水下机器人捕捞所需时间最短的死鱼所在簇开始,对该簇内的所有死鱼进行捕捞。对该簇内的所有死鱼捕捞完毕后,对于水中剩余的所有死鱼,同样从水下机器人捕捞所需时间最短的死鱼所在簇开始,对该簇内的所有死鱼进行捕捞,直到所有簇内的死鱼捕捞完毕,即将水中的所有死鱼捕捞完毕。
在本发明的一个实施例中,通过如下方式对每一个簇内的死鱼进行捕捞:对于每一个簇内的多条死鱼,按照水下机器人捕捞每一条死鱼所需时间的长短为顺序进行捕捞。
具体的,当水下机器人对一个簇内的所有死鱼进行捕捞时,先从所需时间最短的死鱼捕捞起,再对所需时间次短的死鱼进行捕捞,按照所需时间长短对同一个簇内的每一条死鱼进行捕捞。通过上述的水下机器人捕捞死鱼的路径的规划,可形成水下机器人对水中所有死鱼进行捕捞的最优捕捞路径。
参见图4,提供了一种用于死鱼捕捞路径规划的服务器,包括计算模块11、聚类模块12和路径规划模块13。
计算模块11,用于计算水下机器人捕捞水中每一条死鱼所需的时间。
聚类模块12,用于根据每一条死鱼在水中的位置,对所有的死鱼进行聚类,形成多个簇。
路径规划模块13,用于对水下机器人捕捞水中所有死鱼的最优路径进行规划,其中,从水下机器人捕捞时间最短的死鱼所在的簇开始,对该簇内的多条死鱼进行捕捞,当该簇内的所有死鱼捕捞完毕,对于水中剩余的死鱼,按照相同的方法对下一个簇内的死鱼进行捕捞,直到所有簇内的死鱼捕捞完毕,其捕捞路径形成水下机器人对水中所有死鱼的最优捕捞路径。
其中,计算模块11具体用于:根据每一条死鱼的初始位置、水下机器人的初始位置、每一条死鱼在海流影响下的移动速度、移动方向以及水下机器人的行驶速度,计算水下机器人捕捞每一条死鱼所需的时间。
本发明实施例提供的服务器可对水下机器人捕捞水中所有死鱼的最优路径进行规划,具体规划的相关技术特征可参考前述实施例对水下机器人捕捞路径规划方法的相关技术特征,再此不赘述。
参见图5,提供了一种死鱼捕捞装置,包括服务器1和水下机器人2,服务器1,用于将规划的最优捕捞路径发送给水下机器人;水下机器人2,用于根据服务器1发送的最优捕捞路径,对水中的死鱼进行捕捞。
在本发明实施例中,服务器1对水下机器人捕捞水中所有死鱼的最优路径进行规划,将规划的最优捕捞路径发送给水下机器人2,水下机器人2可按照该最优捕捞路径对水中的死鱼进行捕捞,相关技术特征可参考前述实施例。
本发明提供的一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置,考虑了动态海流对死鱼的影响,建立大围网模型(即根据养殖环境建立坐标系),对水中所有死鱼按照位置进行聚类,将距离较近的死鱼归为一类,形成多个簇类,在对水中所有死鱼进行路径规划时,按照对每一个簇类中的死鱼捕捞的时间长短进行排序,先对捕捞时间短的簇类中的死鱼进行捕捞,再对捕捞时间长的簇类中的死鱼进行捕捞,按照这种分簇进行捕捞的方式规划出来的捕捞路径在保证计算速度的情况下使得捕捞路径相对较短,且在寻找最佳捕捞路径的过程中,有很快的收敛速度,可以更快更好地优化路径。
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 (9)
1.一种死鱼捕捞路径规划方法,其特征在于,包括:
计算水下机器人捕捞水中每一条死鱼所需的时间;
根据每一条死鱼在水中的位置,对所有的死鱼进行聚类,形成多个簇,每一个簇内包括多条死鱼;
从水下机器人捕捞时间最短的死鱼所在的簇开始,对该簇内的多条死鱼进行捕捞;
当该簇内的所有死鱼捕捞完毕,对于水中剩余的死鱼,按照相同的方法对下一个簇内的死鱼进行捕捞,直到所有簇内的死鱼捕捞完毕,其捕捞路径形成水下机器人对水中所有死鱼的最优捕捞路径;
所述水下机器人和每一条死鱼均位于大型智能化生态围网中,所述大型智能化生态围网为圆形,通过多个管桩将所述大型智能化生态围网固定于海洋中;
其中,每一条死鱼沿海流方向以固定的速度漂移。
2.根据权利要求1所述的死鱼捕捞路径规划方法,其特征在于,所述计算水下机器人捕捞水中每一条死鱼所需的时间之前还包括:
以所述大型智能化生态围网的中心为坐标原点,以海流方向为y轴负半轴方向建立坐标系;
基于建立的所述坐标系,确定在所述坐标系下每一条死鱼的初始位置、每一条死鱼的移动方向以及所述水下机器人的初始位置。
3.根据权利要求2所述的死鱼捕捞路径规划方法,其特征在于,所述计算水下机器人捕捞水中每一条死鱼所需的时间具体包括:
根据每一条死鱼的初始位置、水下机器人的初始位置、每一条死鱼在海流影响下的移动速度、移动方向以及水下机器人的行驶速度,计算水下机器人捕捞每一条死鱼所需的时间。
4.根据权利要求1所述的死鱼捕捞路径规划方法,其特征在于,所述当该簇内的所有死鱼捕捞完毕,对于水中剩余的死鱼,按照相同的方法对下一个簇内的死鱼进行捕捞具体包括:
对于水中剩余的死鱼,将水下机器人捕捞剩余的每一条死鱼所需时间最短对应的死鱼所在的簇作为下一个簇,对所述下一个簇内的死鱼进行捕捞。
5.根据权利要求1或4所述的死鱼捕捞路径规划方法,其特征在于,通过如下方式对每一个簇内的死鱼进行捕捞:
对于每一个簇内的多条死鱼,按照水下机器人捕捞每一个簇内的每一条死鱼所需时间的长短为顺序进行捕捞。
6.根据权利要求1所述的死鱼捕捞路径规划方法,其特征在于,采用k-means聚类算法对水中所有死鱼进行聚类。
7.一种用于死鱼捕捞路径规划的服务器,其特征在于,包括:
计算模块,用于计算水下机器人捕捞水中每一条死鱼所需的时间;
聚类模块,用于根据每一条死鱼在水中的位置,对所有的死鱼进行聚类,形成多个簇,每一个簇内包括多条死鱼;
路径规划模块,用于对水下机器人捕捞水中所有死鱼的最优捕捞路径进行规划,其中,从水下机器人捕捞时间最短的死鱼所在的簇开始,对该簇内的多条死鱼进行捕捞,当该簇内的所有死鱼捕捞完毕,对于水中剩余的死鱼,按照相同的方法对下一个簇内的死鱼进行捕捞,直到所有簇内的死鱼捕捞完毕,其捕捞路径形成水下机器人对水中所有死鱼的最优捕捞路径;
所述水下机器人和每一条死鱼均位于大型智能化生态围网中,所述大型智能化生态围网为圆形,通过多个管桩将所述大型智能化生态围网固定于海洋中;
其中,每一条死鱼沿海流方向以固定的速度漂移。
8.根据权利要求7所述的服务器,其特征在于,所述计算模块具体用于:
根据每一条死鱼的初始位置、水下机器人的初始位置、每一条死鱼在海流影响下的移动速度、移动方向以及水下机器人的行驶速度,计算水下机器人捕捞每一条死鱼所需的时间。
9.一种死鱼捕捞装置,其特征在于,包括如权利要求7-8任一项所述的服务器和水下机器人;
所述服务器,用于将规划的所述最优捕捞路径发送给所述水下机器人;
所述水下机器人,用于根据所述服务器发送的所述最优捕捞路径,对水中的死鱼进行捕捞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910739503.3A CN110516857B (zh) | 2019-08-12 | 2019-08-12 | 一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910739503.3A CN110516857B (zh) | 2019-08-12 | 2019-08-12 | 一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110516857A CN110516857A (zh) | 2019-11-29 |
CN110516857B true CN110516857B (zh) | 2022-03-22 |
Family
ID=68625033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910739503.3A Active CN110516857B (zh) | 2019-08-12 | 2019-08-12 | 一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516857B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111705283B (zh) * | 2020-06-10 | 2022-07-05 | 武汉钢铁有限公司 | 一种优化捞渣的方法及装置 |
CN113222213B (zh) * | 2021-04-09 | 2022-08-12 | 中国水产科学研究院东海水产研究所 | 一种磷虾捕捞网口前进路线规划方法 |
CN115634898A (zh) * | 2022-06-14 | 2023-01-24 | 海南省智慧环境投资控股有限公司 | 一种环境治理用的土壤修复系统及其方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103057678B (zh) * | 2012-12-18 | 2015-08-26 | 浙江工业大学 | 海底生物捕捞机器人的自主导航和人机协同捕捞作业系统 |
CN106094829B (zh) * | 2016-07-11 | 2018-10-30 | 中国农业大学 | 一种自主式海参捕捞机器人系统及方法 |
CN106546951A (zh) * | 2016-10-31 | 2017-03-29 | 中国农业大学 | 一种海参捕捞船的组合导航系统及方法 |
CN108830528A (zh) * | 2018-06-15 | 2018-11-16 | 重庆城市管理职业学院 | 基于时空属性的快件配送路径规划方法 |
CN109325504A (zh) * | 2018-09-07 | 2019-02-12 | 中国农业大学 | 一种水下海参识别方法及系统 |
KR101990878B1 (ko) * | 2018-11-29 | 2019-06-19 | 주식회사 트위니 | 시간상태 영역에서의 온라인 양방향 경로 계획 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램 |
CN109931943B (zh) * | 2019-03-25 | 2020-09-01 | 智慧航海(青岛)科技有限公司 | 无人船舶全局路径规划方法及电子设备 |
CN110097221A (zh) * | 2019-04-24 | 2019-08-06 | 内蒙古智牧溯源技术开发有限公司 | 一种轮牧路线规划方法 |
-
2019
- 2019-08-12 CN CN201910739503.3A patent/CN110516857B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110516857A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516857B (zh) | 一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置 | |
Chapman et al. | Animal orientation strategies for movement in flows | |
CN108459503B (zh) | 一种基于量子蚁群算法的无人水面艇航迹规划方法 | |
CN108388250B (zh) | 一种基于自适应布谷鸟搜索算法的水面无人艇路径规划方法 | |
White et al. | Connectivity, dispersal, and recruitment | |
Pan et al. | Fish migration optimization based on the fishy biology | |
Guo et al. | Research progress of path planning methods for autonomous underwater vehicle | |
Ware et al. | Bottom side‐roll feeding by humpback whales (Megaptera novaeangliae) in the southern Gulf of Maine, USA | |
Dean et al. | Simultaneous multi-colony tracking of a pelagic seabird reveals cross-colony utilization of a shared foraging area | |
CN110006434B (zh) | 温跃层海域中基于蚁群算法避障的水下滑翔机路径规划方法 | |
CN104392283A (zh) | 基于人工鱼群算法的交通路径搜索方法 | |
CN108875896A (zh) | 一种全局最优引导的自扰动混沌人工蜂群算法 | |
Li et al. | An improved differential evolution based artificial fish swarm algorithm and its application to AGV path planning problems | |
CN110906947A (zh) | 基于二维静态路径规划的黏菌rrt导航方法及系统 | |
CN110220510A (zh) | 一种考虑地图准确性的水下机器人海底地形匹配导航路径规划方法 | |
CN116473009A (zh) | 一种海上智能渔场投喂系统 | |
CN109974708B (zh) | 一种无人船航迹规划方法、终端设备及存储介质 | |
Rekstad et al. | Occurrence and habitat characteristics of Aurelia sp. polyps in a high-latitude fjord | |
CN109976158B (zh) | 基于距离进化n-pso的auv能源优化路径搜寻方法 | |
Nabe-Nielsen et al. | Effects of wind farms on harbour porpoise behaviour and population dynamics | |
CN114051983B (zh) | 一种刺参智能化养殖监控捕收系统及实现方法 | |
Morgan et al. | Robotic biomimicry demonstrates behavioral control of planktonic dispersal in the sea | |
Corell et al. | Modelling of larval dispersal of Baltic flounder (Platichthys solemdali) revealed drifting depth as a major factor determining opportunities for local retention vs large-scale connectivity | |
Zhang et al. | Research on complete coverage path planning for unmanned surface vessel | |
CN106106291A (zh) | 基于石墨烯高分子复合材料的智能深水养殖网箱系统 |
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 |