CN110637764B - 一种河蟹养殖投饵量的精准确定方法 - Google Patents

一种河蟹养殖投饵量的精准确定方法 Download PDF

Info

Publication number
CN110637764B
CN110637764B CN201910805322.6A CN201910805322A CN110637764B CN 110637764 B CN110637764 B CN 110637764B CN 201910805322 A CN201910805322 A CN 201910805322A CN 110637764 B CN110637764 B CN 110637764B
Authority
CN
China
Prior art keywords
water
river
water quality
pond
river crab
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
Application number
CN201910805322.6A
Other languages
English (en)
Other versions
CN110637764A (zh
Inventor
赵德安
贺帆
孙月平
秦云
刘晓洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201910805322.6A priority Critical patent/CN110637764B/zh
Publication of CN110637764A publication Critical patent/CN110637764A/zh
Application granted granted Critical
Publication of CN110637764B publication Critical patent/CN110637764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A01K61/50—Culture of aquatic animals of shellfish
    • A01K61/59—Culture of aquatic animals of shellfish of crustaceans, e.g. lobsters or shrimps
    • 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
    • A01K61/80—Feeding devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Animal Husbandry (AREA)
  • Remote Sensing (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Zoology (AREA)
  • Chemical & Material Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Mining & Mineral Resources (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Fluid Mechanics (AREA)
  • Agronomy & Crop Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Farming Of Fish And Shellfish (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种河蟹养殖投饵量的精准确定方法。包括构建河蟹养殖池塘全域各网格水位水质水温参数数据库和河蟹养殖池塘特定点水位水质水温参数数据库，通过神经网络建立河蟹养殖池塘全域各网格水位水质水温参数与特定点水位水质水温参数之间的映射关系，估计当前池塘全域各网格水位水质水温参数；由水质水温参数对河蟹摄食能力的影响，确定反映河蟹摄食能力的各网格摄食系数；由自动导航船搭载水下摄像系统和导航系统，形成池塘全域各网格河蟹密度分布图；在河蟹处于平均密度分布区域，设置观测点，确定平均投饵密度，结合全域各网格河蟹密度分布及河蟹摄食系数，可得到全域各网格投饵量密度分布，根据各网格的面积，确定全域投放饵料总量。

Description

一种河蟹养殖投饵量的精准确定方法
技术领域
本发明涉及河蟹养殖投饵量的精准确定方法，特别涉及水温水质参数对摄食能力的影响和养殖池塘全域各网格河蟹密度分布及平均投饵密度、河蟹摄食系数，确定全域各网格投饵量密度分布，结合各网格的面积，精准确定河蟹养殖投喂量。
背景技术
河蟹含有丰富的蛋白质及微量元素，营养价值极高且味道鲜美，人们对河蟹的需求逐步增加，河蟹养殖业得到迅猛发展。我国河蟹养殖主要分布于江苏、湖北、安徽等省，但以江苏省最为显著，其河蟹产量占据国内市场一半以上。虽然河蟹养殖业发展壮大，但是仍然存在一个亟待解决的问题，即“如何精准确定河蟹养殖饵料投喂量”。目前河蟹养殖过程中对饵料的投喂都是根据前人养殖经验来确定饵料投喂量，没有充分考虑水温水质参数对河蟹摄食能力的影响，以及不能定量确定河蟹养殖池塘中河蟹的密度分布，无法考虑到每次投喂量是否符合河蟹的实际生长需要。另外由于大多是人力投喂，投喂随机性强，投喂不均匀。申请号为201610710797.3的专利“一种自主导航河蟹养殖投饵装置及均匀投饵方法”使用自主导航作业船为载体进行均匀投饵，解决了投喂不均匀的问题。但是申请号为201610710797.3的专利发明的方法只是解决了均匀投喂，但是无法科学确定投饵量是否满足河蟹的实际摄食需求。
发明内容
本发明的目的是提供一种河蟹养殖投饵量的自动精准确定方法，用以确定每次投喂需要的饵料投喂量，精准确定河蟹养殖池塘全域各网格的投饵量密度，科学实现按需投饵。
本发明的技术方案包括以下步骤：
(a)采用自动导航船搭载水位、水质和水温传感器实现多次河蟹养殖池塘全域底层(约距池底20cm)、中层(约距池底50cm)水质水温参数及蟹塘水位值的采集，结合自动导航船的GPS/北斗导航系统的经纬度信息，建立河蟹养殖池塘全域二维网格化水位水质水温参数数据库；
(b)在河蟹养殖池塘距池边大于30m范围内有水草区域和无水草区域各任选1点底层(约距池底20cm)处设置水质、水温和水位传感器，采集河蟹养殖池塘溶解氧含量、PH值、水温及水位等参数，结合特定点的经纬度信息和时间信息，建立河蟹养殖池塘特定点水位水质水温参数历史数据库；
(c)结合河蟹养殖池塘特定点水位水质水温参数数据库与全域二维网格化水位水质水温参数数据库，根据当前特定点水位水质水温参数，估计当前河蟹养殖池塘全域二维网格化水位水质水温参数。根据水质水温参数对河蟹摄食能力的影响，确定反映河蟹摄食能力的各二维网格摄食系数Cij:
Cij＝Ctij*Cdij
其中Ctij为二维网格中i行、j列的水温摄食系数，由表1确定，Cdij为二维网格中i行、j列的溶解氧摄食系数，由表2确定；
(d)采用自动导航船搭载水下摄像系统，获得池塘全域河蟹自然生长情况的水下图像，结合数字图像处理技术对河蟹在线识别，准确获得河蟹活动情况，融合自动导航船运行过程中的GPS定位信息，形成池塘投饵区二维网格化河蟹密度分布图Q:
Q＝{q11，q12，q13，…qij…qmn}
其中m、n分别为二维网格中行方向、列方向上网格数量的最大值；
(e)河蟹密度处于池塘河蟹平均密度分布区域:
Figure BDA0002183472360000021
设置至少3处观测点(各点相距≥30m)，观测点由水温水质传感器和食台构成，监测河蟹觅食情况，确定饵料平均投放密度ω；
(f)结合饵料平均投放密度ω，以及池塘全域各网格河蟹密度分布Q和摄食系数C，获得池塘全域所需饵料密度分布Ω：
Figure BDA0002183472360000022
(g)结合各网格面积Sij，即可计算出池塘全域所需要的饵料总量T:
Figure BDA0002183472360000023
进一步，一种河蟹养殖投饵量的自动精准确定方法，其特征在于：所述步骤a具体包括：
Step1:在河蟹养殖前期每月不少于2次，养殖后期不少于每月1次，进行河蟹养殖池塘全域水质参数的检测，参数至少包括溶解氧含量、水质PH值、水温及水位变化；
Step2:为克服河蟹养殖池塘水质水温参数动态变化影响，每次水质水温参数采集在太阳落山后进行，因此时池塘水草光合作用停止，池塘水体中的溶解氧含量处于单调下降的过程且河蟹通常在夜间摄食；
Step3:池塘全域分为m*n个网格，以各网格的面积相等为宜，网格的边长通常取7-10m，每网格的中心位置进行水温水质水位参数检测，水质水温水位参数的采集按自动导航船原路径，来回各检测1次，记录相应参数及检测时间；
Step4:记录自动导航船在水质水温采集过程中的经纬度信息，建立河蟹养殖池塘全域网格化水位水质水温参数数据库；
进一步，一种河蟹养殖投饵量的自动精准确定方法，其特征在于：所述步骤c中水质水温参数的估计及对河蟹摄食能力的影响具体包括:
(1)根据全域二维网格化水位水质水温参数数据库中同一点两次检测结果的变化趋势，与河蟹养殖池塘两个特定点水位水质水温参数历史数据库相应时间段水质参数变化趋势相匹配，确定各网格水质参数检测点是属于有水草区还是无水草区，从而与相应的特定点水位水质水温参数历史数据库相绑定，再根据当前两个特定点水位水质水温参数，估计当前河蟹养殖池塘全域二维网格化水位水质水温参数；
(2)河蟹适宜在微碱性的淡水中生长，酸碱度为PH值7.5—8.5，PH值作为监控指标，超标时采取调理水质的办法处理。水中溶解氧越高，河蟹摄食量越大，最适溶解氧要求在5毫克/升以上；
(3)河蟹的摄食强度与水温的关系为：当水温在10℃以下时，摄食强度明显下降；水温低至5℃时，河蟹基本不摄食；当水温达到10℃以上，特别是20—30℃时，河蟹摄食旺盛；
进一步，一种河蟹养殖投饵量的自动精准确定方法，其特征在于：所述步骤d中搭载的水下成像系统，结合数字图像处理技术对河蟹在线识别，与融合自动导航船运行过程中的GPS定位信息具体包括：
(1)所述的水下摄像系统由1～3个带照明系统的水下摄像机组成，摄像机之间相距1m。水下摄像系统根据各网格的水位值，调节水下摄像头距池底50cm，获取池塘全域河蟹自然生长情况的水下图像；
(2)所述的数字图像处理技术涉及图像去噪滤波和训练多层卷积神经网络技术，本发明中的卷积神经网络由10层卷积层和6层最大池化层交替组成(该方法为公知技术，可以通过直接在MATLAB中调用卷积神经网络库，设置卷积层10和池化层的层数为6能够达到最佳识别效果)实现对水下河蟹的在线识别；
(3)所述融合自动导航船的GPS定位信息具体为：在对河蟹在线识别过程中，采用与GPS定位的同步系统时钟。以时间为基准，融合对河蟹在线识别信息与GPS定位信息，将各网格中识别出的河蟹数除以处理的图片数，即可得到相应网格的河蟹相对密度，综合所有网格的信息，可形成池塘投饵区河蟹相对密度分布图Q；
进一步。一种河蟹养殖投饵量的自动精准确定方法，其特征在于：所述步骤e设置至少3处观测点(各点相距≥30m)监测河蟹觅食情况具体包括：投放略高于平均投放密度的饵料，观测河蟹觅食情况：
(1)若饵料消耗完毕，则饵料投放密度偏低，需要适当提高饵料投放密度；
(2)若饵料剩余较多，则饵料投放密度偏高，需要适当降低饵料投放密度；
(3)若饵料剩余较少，则饵料投放密度正合适，以此作为饵料平均投放密度的依据ω1；
(4)由以上方法得到的饵料平均投放密度ω1除以该观测点的水温摄食系数ct和溶解氧摄食系数cd，得到标准饵料平均投放密度ω0；
(5)对所有观测点得到的标准饵料平均投放密度ω0求平均值，可得到饵料平均投放密度ω。
与现有技术相比，本发明具有以下有益效果：本发明通过神经网络建立河蟹养殖池塘全域各网络水位水质水温参数和特定点水位水质水温参数之间的相关性，根据当前特定点水位水质水温参数，估计池塘全域各网格水位水质水温参数；根据水质水温参数对河蟹摄食能力影响，确定反映河蟹摄食能力的摄食系数；由自动导航船搭载水下摄像系统，获取池塘全域各网络河蟹分布，结合GPS/北斗导航系统定位信息，形成各网格河蟹分布密度图；在河蟹处于平均密度分布区域，设置观测点，准确获得河蟹摄食能力信息，确定平均投饵密度；结合全域各网格河蟹密度分布及河蟹摄食系数、网格面积、平均投饵密度，确定每次投喂需要的饵料投喂量，精准确定河蟹养殖池塘全域各网格的投饵量密度，科学实现按需投饵。
附图说明
图1为自动导航作业船平台
图2为自动导航作业船往返投饵示意图
图3为河蟹养殖池塘底层定点水位水质水温传感器设置位置以及投饵密度观测点
具体实施方式
下面结合示意图对本发明的具体实施方案做进一步描述。
本发明提出一种河蟹养殖投饵量精准确定方法。用于解决河蟹养殖过程中投饵量的精准确定问题。需要特别指出，该方法通过结合池塘全域二维网格化水位水温水质参数数据库与特定点水位水温水质参数历史数据库，通过神经网络建立河蟹养殖池塘全域各网格水位水质水温参数和特定点水位水质水温参数之间的相关性，根据当前池塘特定点水位水质水温参数，估计养殖池塘全域二维网格化的水位水温水质参数。采用水下摄像机与GPS经纬度信息，建立河蟹密度分布图。下面就设备的安装以及实施方式具体阐述。
1.设备的安装
图1为自动导航船平台简图，包括控制柜1、水位水温水质传感器2、水下摄像设备(3、4、5)、水下辅助照明系统(6、7)。在导航船船尾安装控制柜，内含导航船控制板以及GPS导航设备(包括移动站与基站)，在控制柜的底部没入水中位置安装水位水温水质传感器。明轮分布于导航船中部两侧，水平位置相同。在导航船前部连杆位置安装3个水下摄像设备，设备间相距为1m，并在摄像设备间安装2个水下辅助照明系统。
图2为自动导航船在河蟹养殖池塘中的自动导航路径图，坐标系中的横坐标表示纬度信息，纵坐标表示经度信息。M1(lat1,lon1)、M2(lat2,lon2)、M3(lat3,lon3)、M4(lat4,lon4)分别表示河蟹养殖池塘四个端点的经纬度信息。
图3小旗处为河蟹养殖池塘底层特定点水位水质水温传感器设置位置参考图。圆圈区域为假定的3处河蟹密度处于平均密度分布区域，在该处设置平均投放饵料密度观测点，观测点由水温水质传感器和食台构成。
2建立河蟹养殖池塘全域水位水质水温参数数据库
采用自动导航船搭载水位、水质和水温传感器实现多次河蟹养殖池塘全域底层(约距池底20cm)、中层(约距池底50cm)水质水温参数及蟹塘水位值的采集。在河蟹养殖前期每月不少于2次，养殖后期不少于每月1次，进行河蟹养殖池塘全域二维网格化水质参数的检测，参数至少包括溶解氧含量、水质PH值、水温及水位变化。为克服河蟹养殖池塘水质水温参数动态变化影响，每次水质水温参数采集在太阳落山后进行，因此时池塘水草光合作用停止，池塘水体中的溶解氧含量处于单调下降的过程且河蟹通常在夜间摄食。池塘全域分为m*n个网格，以各网格的面积相等为宜，网格的边长通常取7-10m，每网格的中心位置进行水温水质水位参数检测，水质水温水位参数的采集按自动导航船路径如图2，来回各检测1次，取2次检测参数结果的平均值，并记录自动导航船在水质水温采集过程中的经纬度和时间信息，建立河蟹养殖池塘全域网格化水位水质水温参数数据库。
3建立河蟹养殖池塘特定点水位水质水温参数数据库
在河蟹养殖池塘距池边大于30m范围内有水草区域和无水草区域各任选1点底层(约距池底20cm)处设置水质、水温和水位传感器，如图3小旗标注所示。在这些特定点采集河蟹养殖池塘溶解氧含量、PH值、水温及水位等参数，结合特定点的经纬度和时间信息，建立河蟹养殖池塘特定点水位水质水温参数历史数据库。
4摄食系数C的获取
结合河蟹养殖池塘特定点水位水质水温参数历史数据库与全域二维网格化水位水质水温参数数据库，可得到相同时间段参数之间的关系，再根据当前特定点水位水质水温参数，估计当前河蟹养殖池塘全域二维网格化水位水质水温参数。水质水温参数的估计及对河蟹摄食能力的影响具体为：
(1)根据全域二维网格化水位水质水温参数数据库中同一点两次检测结果的变化趋势，与河蟹养殖池塘两个特定点水位水质水温参数历史数据库相应时间段水质参数变化趋势相匹配，确定各网格水质参数检测点是属于有水草区还是无水草区，从而与相应的特定点水位水质水温参数历史数据库相绑定，再根据当前两个特定点水位水质水温参数，估计当前河蟹养殖池塘全域二维网格化水位水质水温参数；
(2)河蟹适宜在微碱性的淡水中生长，酸碱度PH值7.5—8.5，PH值作为监控指标，超标时采取调理水质的办法处理。水中溶解氧越高，河蟹摄食量越大，最适溶解氧要求在5毫克/升以上；
(3)河蟹的摄食强度与水温的关系为：当水温在10℃以下时，摄食强度明显下降；水温低至5℃时，河蟹基本不摄食；当水温达到10℃以上，特别是20—30℃时，河蟹摄食旺盛；
根据河蟹养殖全域的水质水温参数，对各网格区域给出相应的摄食系数Cij，即：
Cij＝Ctij*Cdij
其中Ctij为二维网格中i行、j列的水温摄食系数，由表1确定，Cdij为二维网格中i行、j列的溶解氧摄食系数，由表2确定。
5池塘投饵区河蟹密度分布Q获取
采用自动导航船搭载水下摄像系统，根据水位各网格的水位值，调节水下摄像头距池底50cm，获得池塘全域河蟹自然生长情况的水下图像。采用数字图像处理技术如图像去噪滤波和训练多层卷积神经网络等技术，卷积神经网络由10层卷积层和6层最大池化层交替组成，实现对水下河蟹的在线识别。在对河蟹在线识别过程中，采用与GPS定位的同步系统时钟。以时间为基准，融合对河蟹在线识别信息与自动导航船运行过程中的GPS经纬度信息，将各网格中识别出的河蟹数除以处理的图片数，即可得到相应网格的河蟹相对密度，综合所有网格的信息，可形成池塘投饵区二维网格化河蟹相对密度分布图Q：
Q＝{q11，q12，q13，…qij…qmn}
其中m、n分别为二维网格中行方向、列方向上网格数量的最大值。
6设置投饵密度观测点
河蟹密度处于池塘河蟹平均密度分布区域:
Figure BDA0002183472360000061
(以图3圆圈处为例，各点相距≥30m)，设置观测点，观测点由水温水质传感器和食台构成，用于监测河蟹觅食情况。具体为投放略高于平均投放密度的饵料，观测河蟹觅食情况：
(1)若饵料消耗完毕，则饵料投放密度偏低，需要适当提高饵料投放密度；
(2)若饵料剩余较多，则饵料投放密度偏高，需要适当降低饵料投放密度；
(3)若饵料剩余较少，则饵料投放密度正合适，以此作为饵料平均投放密度的依据ω1；
(4)由以上方法得到的饵料平均投放密度ω1除以该观测点的水温摄食系数ct和溶解氧摄食系数cd，得到标准饵料平均投放密度ω0；
(5)对所有观测点得到的标准饵料平均投放密度ω0求平均值，可得到饵料平均投放密度ω。
7计算饵料总量
结合当前的平均饵料投放密度ω，以及池塘全域二维网格化河蟹密度分布Q和摄食系数C，可得到池塘全域二维网格化所需饵料密度分布Ω
Figure BDA0002183472360000071
结合各网格面积Sij，即可计算池塘全域所需要的饵料总量T:
Figure BDA0002183472360000072
表1 为水温与河蟹摄食系数的对应关系
Figure BDA0002183472360000073
Figure BDA0002183472360000081
表2 为溶解氧与河蟹摄食系数的对应关系
溶解氧含量mg/L 溶解氧摄食系数
≤2 0
2.5 0.3
3 0.46
3.5 0.53
4 0.6
4.5 0.75
5 0.9
5.5 0.95
≥6 1
综上，本发明的一种河蟹养殖投饵量的精准确定方法。包括构建河蟹养殖池塘全域各网格水位水质水温参数数据库和河蟹养殖池塘特定点水位水质水温参数数据库，通过神经网络建立河蟹养殖池塘全域各网格水位水质水温参数与特定点水位水质水温参数之间的映射关系，估计当前池塘全域各网格水位水质水温参数；由水质水温参数对河蟹摄食能力的影响，确定反映河蟹摄食能力的各网格摄食系数；由自动导航船搭载水下摄像系统和导航系统，形成池塘全域各网格河蟹密度分布图；在河蟹处于平均密度分布区域，设置观测点，确定平均投饵密度，结合全域各网格河蟹密度分布及河蟹摄食系数，可得到全域各网格投饵量密度分布，根据各网格的面积，确定全域投放饵料总量。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种河蟹养殖投饵量的自动精准确定方法，其特征在于，包括以下步骤：
(a)采用自动导航船搭载水位、水质和水温传感器实现多次河蟹养殖池塘全域底层、中层水质水温参数及蟹塘水位值的采集，结合自动导航船的GPS/北斗导航系统的经纬度信息，建立河蟹养殖池塘全域二维网格化水位水质水温参数数据库；
(b)在河蟹养殖池塘距池边大于30m范围内有水草区域和无水草区域各任选1点底层处设置水质、水温和水位传感器，采集河蟹养殖池塘溶解氧含量、PH值、水温及水位参数，结合特定点的经纬度信息和时间信息，建立河蟹养殖池塘特定点水位水质水温参数历史数据库；
(c)结合河蟹养殖池塘特定点水位水质水温参数数据库与全域二维网格化水位水质水温参数数据库，根据当前特定点水位水质水温参数，估计当前河蟹养殖池塘全域二维网格化水位水质水温参数，根据水质水温参数对河蟹摄食能力的影响，确定反映河蟹摄食能力的各二维网格摄食系数Cij:
Cij＝Ctij*Cdij
其中Ctij为二维网格中i行、j列的水温摄食系数，Cdij为二维网格中i行、j列的溶解氧摄食系数；
(d)采用自动导航船搭载水下摄像系统，获得池塘全域河蟹自然生长情况的水下图像，结合数字图像处理技术对河蟹在线识别，准确获得河蟹活动情况，融合自动导航船运行过程中的GPS定位信息，形成池塘投饵区二维网格化河蟹密度分布图Q:
Q＝{q11，q12，q13，...qij...qmn}
其中m、n分别为二维网格中行方向、列方向上网格数量的最大值；
(e)河蟹密度处于池塘河蟹平均密度分布区域:
Figure FDA0003180329240000011
设置至少3处观测点，观测点由水温水质传感器和食台构成，监测河蟹觅食情况，确定饵料平均投放密度ω；
(f)结合饵料平均投放密度ω，以及池塘全域各网格河蟹密度分布Q和摄食系数C，获得池塘全域所需饵料密度分布Ω：
Figure FDA0003180329240000012
(g)结合各网格面积Sij，即可计算出池塘全域所需要的饵料总量T:
Figure FDA0003180329240000021
2.根据权利要求1所述的一种河蟹养殖投饵量的自动精准确定方法，其特征在于：所述步骤a具体包括：
Step1:在河蟹养殖前期每月不少于2次，养殖后期不少于每月1次，进行河蟹养殖池塘全域水质参数的检测，参数至少包括溶解氧含量、水质PH值、水温及水位变化；
Step2:为克服河蟹养殖池塘水质水温参数动态变化影响，每次水质水温参数采集在太阳落山后进行，因此时池塘水草光合作用停止，池塘水体中的溶解氧含量处于单调下降的过程，且河蟹通常在夜间摄食；
Step3:池塘全域分为m*n个网格，以各网格的面积相等为宜，网格的边长通常取7-10m，每网格的中心位置进行水位水质水温参数检测，水位水质水温的采集按自动导航船原路径，来回各检测1次，记录相应参数及检测时间；
Step4:记录自动导航船在水质水温采集过程中的经纬度信息，建立河蟹养殖池塘全域网格化水位水质水温参数数据库。
3.根据权利要求1所述的一种河蟹养殖投饵量的自动精准确定方法，其特征在于：所述步骤c中水质水温参数的估计及对河蟹摄食能力的影响具体包括:
3.1)根据全域二维网格化水位水质水温参数数据库中同一点两次检测结果的变化趋势，与河蟹养殖池塘两个特定点水位水质水温参数历史数据库相应时间段水质参数变化趋势相匹配，确定各网格水质参数检测点是属于有水草区还是无水草区，从而与相应的特定点水位水质水温参数历史数据库相绑定，再根据当前两个特定点水位水质水温参数，估计当前河蟹养殖池塘全域二维网格化水位水质水温参数；
3.2)河蟹适宜在微碱性的淡水中生长，酸碱度为PH值7.5—8.5，PH值作为监控指标，超标时采取调理水质的办法处理，水中溶解氧越高，河蟹摄食量越大，最适溶解氧要求在5毫克/升以上。
4.根据权利要求1所述的一种河蟹养殖投饵量的自动精准确定方法，其特征在于：所述步骤d具体包括：
4.1)所述的水下摄像系统由1～3个带照明系统的水下摄像机组成，摄像机之间相距1m，水下摄像系统根据各网格的水位值，调节水下摄像头距池底50cm，获取池塘全域河蟹自然生长情况的水下图像；
4.2)所述的数字图像处理技术涉及图像去噪滤波和训练多层卷积神经网络，卷积神经网络由10层卷积层和6层最大池化层交替组成，实现对水下河蟹的在线识别；
4.3)所述融合自动导航船的GPS定位信息具体为：在对河蟹在线识别过程中，采用与GPS定位的同步系统时钟，以时间为基准，融合对河蟹在线识别信息与GPS定位信息，将各网格中识别出的河蟹数除以处理的图片数，即可得到相应网格的河蟹相对密度，综合所有网格的信息，可形成池塘投饵区河蟹相对密度分布图Q。
5.根据权利要求1所述的一种河蟹养殖投饵量的自动精准确定方法，其特征在于：所述步骤e设置至少3处观测点，各点相距≥30m，监测河蟹觅食情况具体包括：投放略高于平均投放密度的饵料，观测河蟹觅食情况：
若饵料消耗完毕，则饵料投放密度偏低，需要适当提高饵料投放密度；
若饵料剩余较多，则饵料投放密度偏高，需要适当降低饵料投放密度；
若饵料剩余较少，则饵料投放密度正合适，以此作为饵料平均投放密度ω；
由以上方法得到的饵料平均投放密度ω除以该观测点的水温摄食系数ct和溶解氧摄食系数cd，得到标准饵料平均投放密度ω0；
对所有观测点得到的标准饵料平均投放密度ω0求平均值，可得到饵料平均投放密度ω。
CN201910805322.6A 2019-08-29 2019-08-29 一种河蟹养殖投饵量的精准确定方法 Active CN110637764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910805322.6A CN110637764B (zh) 2019-08-29 2019-08-29 一种河蟹养殖投饵量的精准确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910805322.6A CN110637764B (zh) 2019-08-29 2019-08-29 一种河蟹养殖投饵量的精准确定方法

Publications (2)

Publication Number Publication Date
CN110637764A CN110637764A (zh) 2020-01-03
CN110637764B true CN110637764B (zh) 2022-01-11

Family

ID=68991033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910805322.6A Active CN110637764B (zh) 2019-08-29 2019-08-29 一种河蟹养殖投饵量的精准确定方法

Country Status (1)

Country Link
CN (1) CN110637764B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111487386A (zh) * 2020-03-30 2020-08-04 江苏大学 一种大面积河蟹养殖池塘水质参数的自动检测方法
CN112665680B (zh) * 2020-11-18 2024-05-14 贵州电网有限责任公司 一种小水电前池水位测量方法及测量系统
CN114557309B (zh) * 2022-03-15 2023-03-21 宜宾职业技术学院 一种水产养殖用智能投饵装置与投饵方法
CN114711051A (zh) * 2022-04-20 2022-07-08 中交上海航道勘察设计研究院有限公司 基于北斗坐标定位的沉水植物种植装置及投放方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101796928A (zh) * 2009-07-14 2010-08-11 大连水产学院 养殖水体水质参数对养殖生物生长状态影响的预测方法
CN103268358A (zh) * 2013-06-05 2013-08-28 国家测绘地理信息局卫星测绘应用中心 多源控制点影像数据库构建及更新方法
KR20130099329A (ko) * 2012-02-29 2013-09-06 (주)유일 어망 관리 시스템
CN105123592A (zh) * 2015-07-23 2015-12-09 冯凤清 一种基于大口黑鲈的体长的饵料饲喂系统
CN106227075A (zh) * 2016-09-27 2016-12-14 华南农业大学 基于无线传感网的无人机水产养殖精准投料作业系统及方法
CN107743142A (zh) * 2017-10-12 2018-02-27 江苏大学 一种基于水下视频监控与云计算平台的蟹塘养殖健康管理系统及方法
CN109169460A (zh) * 2018-08-17 2019-01-11 江苏大学 一种基于自主作业船的河蟹养殖饵料精确投喂方法
CN109472883A (zh) * 2018-09-27 2019-03-15 中国农业大学 巡塘方法和装置
CN109618961A (zh) * 2018-12-12 2019-04-16 北京京东金融科技控股有限公司 一种家畜的智能投喂系统和方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL2006056C2 (en) * 2011-01-24 2012-07-26 Witteveen & Bos Raadgevende Ingenieurs B V System for counting and/or recognizing fish.
US20170325427A1 (en) * 2016-05-13 2017-11-16 Farmpod, Llc Automated, modular, self-contained, aquaponics growing system and method

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101796928A (zh) * 2009-07-14 2010-08-11 大连水产学院 养殖水体水质参数对养殖生物生长状态影响的预测方法
KR20130099329A (ko) * 2012-02-29 2013-09-06 (주)유일 어망 관리 시스템
CN103268358A (zh) * 2013-06-05 2013-08-28 国家测绘地理信息局卫星测绘应用中心 多源控制点影像数据库构建及更新方法
CN105123592A (zh) * 2015-07-23 2015-12-09 冯凤清 一种基于大口黑鲈的体长的饵料饲喂系统
CN106227075A (zh) * 2016-09-27 2016-12-14 华南农业大学 基于无线传感网的无人机水产养殖精准投料作业系统及方法
CN107743142A (zh) * 2017-10-12 2018-02-27 江苏大学 一种基于水下视频监控与云计算平台的蟹塘养殖健康管理系统及方法
CN109169460A (zh) * 2018-08-17 2019-01-11 江苏大学 一种基于自主作业船的河蟹养殖饵料精确投喂方法
CN109472883A (zh) * 2018-09-27 2019-03-15 中国农业大学 巡塘方法和装置
CN109618961A (zh) * 2018-12-12 2019-04-16 北京京东金融科技控股有限公司 一种家畜的智能投喂系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于机器视觉的水下河蟹识别方法;赵德安 等;《农业机械学报》;20190331;第206-209页 *
河蟹养殖水温预报模型研究;张俊 等;《资源与环境科学》;20161130;第151-158页 *

Also Published As

Publication number Publication date
CN110637764A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
CN110637764B (zh) 一种河蟹养殖投饵量的精准确定方法
Lascara et al. Seasonal variability in the distribution of Antarctic krill, Euphausia superba, west of the Antarctic Peninsula
Garthe Influence of hydrography, fishing activity, and colony location on summer seabird distribution in the south-eastern North Sea
JP3462412B2 (ja) 水棲生物用自動給餌装置
CN111487386A (zh) 一种大面积河蟹养殖池塘水质参数的自动检测方法
Call et al. Foraging route tactics and site fidelity of adult female northern fur seal (Callorhinus ursinus) around the Pribilof Islands
TWI736415B (zh) 智慧水產投餵管理系統及投餵方法
CN115067243B (zh) 一种基于物联网技术的渔业监测分析方法、系统及存储介质
Coetzee et al. The 2005 KwaZulu-Natal sardine run survey sheds new light on the ecology of small pelagic fish off the east coast of South Africa
CN114467824B (zh) 智能投饵船
CN114724022B (zh) 融合SKNet与YOLOv5的养殖鱼群检测方法、系统和介质
Lowther et al. Post-breeding at-sea movements of three central-place foragers in relation to submesoscale fronts in the Southern Ocean around Bouvetøya
JPH10313730A (ja) 水棲生物用自動給餌装置
CN109101707A (zh) 一种用于模拟浅水湖泊生态系统模型的方法
CN112866644A (zh) 基于大数据和物联网协同作用的渔业养殖在线智能监测平台及云服务器
CN107830891B (zh) 基于水产养殖水质ph值多参量数据采集装置的数据处理方法
CN117557119A (zh) 水产养殖环境识别和处理策略制定方法及系统
CN104969885B (zh) 一种海水网箱养鱼系统及方法
ES2289940B1 (es) Dispositivo de analisis morfometrico de imagenes para desarrollar estrategias de alimentacion en acuicultura.
CN115843733A (zh) 一种基于机器视觉的河蟹养殖电子食台装置及工作方法
Bando et al. Cruise Report of the Second Phase of the Japanese Whale Research Program under Special Permit in the Western North Pacific (JARPNII) in 2015 (part I)–Offshore component–
CN114241291A (zh) 基于惰性元素标记法与计算机视觉的诱食剂筛选方法
CN111428677B (zh) 无人机自动监测海上网箱养殖鱼类水面环游状态的方法
CN114020074A (zh) 一种养殖塘智能无人养殖系统及方法
CN113516635A (zh) 鱼菜共生系统及基于鱼类行为的蔬菜氮元素需求估算方法

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