CN110865671A - 一种基于云计算的水产养殖大数据智能决策预警服务平台 - Google Patents
一种基于云计算的水产养殖大数据智能决策预警服务平台 Download PDFInfo
- Publication number
- CN110865671A CN110865671A CN201911193694.4A CN201911193694A CN110865671A CN 110865671 A CN110865671 A CN 110865671A CN 201911193694 A CN201911193694 A CN 201911193694A CN 110865671 A CN110865671 A CN 110865671A
- Authority
- CN
- China
- Prior art keywords
- aquaculture
- data
- farm
- early warning
- decision
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及水产养殖技术领域,特别涉及一种基于云计算的水产养殖大数据智能决策预警服务平台,包括数据采集子系统:用于采集或获取水产养殖场的全产业链数据;双向传输子系统:用于将养殖场采集的全产业链数据实时上传至云端存储,以及将云端发出的智能决策与预警指令实时下传至养殖场各设备;云端智能计算子系统:用于根据水产养殖场的全产业链数据构建水产养殖场的养殖场虚拟模型,并根据养殖场虚拟模型进行计算实验验证,再将计算实验验证过后的养殖场虚拟模型根据水产养殖场的各设备的资源配置构建智能决策预警模型。本发明解决了水产养殖生产效率低和水产养殖风险高的问题。
Description
技术领域
本发明涉及水产养殖技术领域,特别涉及一种基于云计算的水产养殖大数据智能决策预警服务平台。
背景技术
我国目前水产养殖80%以上还是以池塘养殖为主,池塘养殖是我国水产养殖的主要方式,池塘养殖的特点是总体水面大、面积广,但是单体水面散乱,分布杂乱,多不是集中在一起,导致养殖池塘的池塘形式、池塘生态各不相同。并且由于养殖者不规范的处理,在水产养殖中会出现各种问题,例如养殖过程中滥用药物,如过量使用化肥、农药、兽药、生产调节剂等农用化学品,不仅造成环境污染或养殖作物低产,使得水产养殖品质量差。
现有技术中,为了规范化水产养殖解决水产养殖存在的问题,通过技术专家对于水产养殖向养殖户实行养殖技术管理和技术指导决策,但是却依赖于水产养殖专家到现场去观察、询问、采集相关信息,根据水产生物信息给出分析判断以及决策,这种方式在时间和空间上都极为不便。虽然能够从一定程度上解决水产养殖决策的空间性问题,但是其还是要依赖于水产养殖专家进行判断和决策,当水产养殖专家不在时,养殖者不能及时获得所需要的判断结果及决策信息。养殖者在处理水产养殖方面的问题时,若问题不能及时解决,则可能会对水产养殖造成巨大的损失,且养殖生产效率低下。而经常依赖专家解决问题又会导致投入成本又太高,投入产出水平不相符,使得水产养殖风险增高。
发明内容
本发明主要目的在于提供一种基于云计算的水产养殖大数据智能决策预警服务平台,解决过度依赖水产养殖专家,而导致水产养殖生产效率低和水产养殖风险高的问题。
为达到上述目的,本发明提供了一种基于云计算的水产养殖大数据智能决策预警服务平台,包括数据采集子系统、双向传输子系统和云端智能计算子系统;
数据采集子系统:用于采集或获取水产养殖场的全产业链数据;
双向传输子系统:用于将养殖场采集的全产业链数据实时上传至云端存储,以及将云端发出的智能决策与预警指令实时下传至养殖场各设备;
云端智能计算子系统:用于根据水产养殖场的全产业链数据构建水产养殖场的养殖场虚拟模型,并根据养殖场虚拟模型进行计算实验验证,再将计算实验验证过后的养殖场虚拟模型根据水产养殖场的各设备的资源配置构建智能决策预警模型;所述智能决策预警模型用于对水产养殖场的养殖进行决策推荐和养殖过程中异常参数的预警预报。
本发明的工作原理及优点在于:
1.云端智能计算子系统,能够采集与获取水产养殖全产业链数据,可以建立水产养殖场的仿真的虚拟模型,实现数据云端存储与计算处理、智能化分析等操作。而且还能对虚拟模型进行真实的试验验证,确保虚拟模型的真实可靠,而智能决策预警模型的建立可以将验证后的虚拟模型进行使用,实现水产养殖环境及设备参数异常的预警预报,提供智能决策服务,能根据决策优化水产养殖资源配置,提高水产养殖生产效率,降低水产养殖风险;
2.由于工厂化水产养殖采集到的大数据,在本地端需要的存储和计算开销及成本较高,企业除购买高性能服务器外,还需要招聘专业的服务器运维、管理、机器学习模型算法等各种人才,这需要付出很高的成本,因此,通过云端智能计算子系统的设置,将数据采集和设备执行决策指令在远端,大数据智能计算处理在云端,能够极大的节省水产养殖的投入成本。
进一步,全产业链数据包括水产养殖场的养殖环境数据、水产养殖场的建设参数数据和水产养殖场的水产养殖指标参数数据;所述云端智能计算子系统具体包括以下模块:
养殖场模型构建模块:用于根据水产养殖场的建设参数数据构建养殖场虚拟模型,并将采集的养殖环境数据和水产养殖指标参数数据导入养殖场虚拟模型,构建水产养殖场的真实模拟模型;
计算实验验证模块:用于根据真实模拟模型进行实验,获取实验结果,根据实验结果验证并优化真实模拟模型;
决策预警模块:用于根据优化的真实模拟模型和水产养殖场的资源配置构建智能决策预警模型,所述智能决策预警模型用于对水产养殖场的资源配置进行决策推荐,以及对水产养殖环境及资源配置的参数异常进行预警预报。
养殖场模型构建模块的设置,能够将采集的养殖环境数据、建设参数数据和水产养殖指标参数数据组合起来,建立水产养殖场的仿真的虚拟模型,而计算实验验证模块的设置可以对虚拟模型进行真实的试验验证,确保虚拟模型的真实可靠,而决策预警模块的设置可以将验证后的虚拟模型进行使用,实现水产养殖环境及设备参数异常的预警预报,提供智能决策服务,能根据决策优化水产养殖资源配置,提高水产养殖生产效率,降低水产养殖风险。
进一步,数据采集子系统包括以下模块:
数据清洗模块:用于对采集或获取的数据进行数据清洗,将无用、多余、冗杂的数据进行清洗;
数据标准化模块:用于将清洗之后的数据进行标准化处理,将清洗后的数据根据数据的国际标准格式进行统一标准化;
数据整理模块:用于将标准化的数据按照根据数据来源和数据用途进行分类整理处理。
将数据经过清洗、标准化处理和整理之后,便于数据的使用,避免无用的数据对虚拟模型的建立造成影响。
进一步,养殖环境数据通过设置在水产养殖场的环境信息传感器进行实时采集。
通过环境信息传感器进行实时采集能够保证水产养殖场的环境信息的实效性。
进一步,环境信息传感器包括溶解氧传感器、pH传感器、浊度传感器、水位传感器、电导率传感器和水温传感器,分别用于检测水产养殖中水的含氧量、pH值、污浊度、水位、电导率和水温。
能够精准的监控水产养殖的重要指标,为水产养殖场的虚拟模型的建立提供数据支撑。
进一步,养殖场模型构建模块还包括以下模块:
认知模型构建子模块:用于获取水产养殖人员的养殖经验,并根据养殖经验构建养殖经验数据库,将经验数据库中的数据导入真实模拟模型,并结合认知科学理论构建认知模型。
通过模型、人的经验与认知科学理论相结合,可以解决由于水产养殖具有经验性、分散性及综合性等特征,以及养殖经验知识多,要求在处理方法上具有灵活性的难题。为计算机学习人员经验、进行水产养殖经验的传承和学习提供了解决方案。
进一步,计算实验子验证模块包括以下子模块:
场景模拟子模块:用于根据真实模拟模型选择局部真实实验场景进行场景模拟;
实验设计子模块:用于根据场景模拟和预设的实验方法进行实验验证;
模型优化子模块:用于获取实验验证的实验结果,并根据实验结果不断优化真实模拟模型。
能够验证并优化真实模拟模型,确保真实模拟模型的实用性。
进一步,决策预警模块包括以下子模块:
决策方案推荐子模块:用于根据优化的真实模拟模型和水产养殖场的资源配置构建智能决策预警模型,并将资源配置的参数导入到能决策预警模型中进行决策方案的推荐;所述资源配置包括养殖设备的配置,所述决策方案用于调整资源配置的最佳参数;
异常预警子模块:用于将实时采集的养殖环境数据导入到能决策预警模型中对水产养殖环境进行预警预报;还用于在资源配置的参数出现异常时进行预警预报。
实现水产养殖环境及设备参数异常的预警预报,还能提供智能决策服务,提高水产养殖生产效率,降低水产养殖风险。
进一步,决策预警模块还包括以下子模块:
决策数据收集子模块:用于收集环境信息传感器的历史记录数据,以及收集历史决策方案的记录数据;
决策优化子模块:用于根据历史决策方案的记录数据获取对应的水产养殖的产出结果和水产养殖指标参数数据的历史指标数据,解析环境信息传感器的历史记录数据、历史指标数据与水产养殖的产出结果之间的互作规律,根据互作规律的变化对决策方案进行调整优化。
随着时间的推移和数据的积累不断更新,相应的决策支持也会随之发生变化,而决策优化模块的设置可以找到历史记录数据、历史指标数据与水产养殖的产出结果之间的互作规律,换而言之就是找到历史记录数据、历史指标数据与水产养殖两两之间的相互影响规律,根据互作规律的变化对决策方案进行调整优化,找到最合适的决策方案。
进一步,养殖设备包括智能增氧机、智能抽水泵和智能投饵机,分别用水产养殖的增氧、抽放水和投饵。
养殖设备的设置可以实现远程智能控制。
附图说明
图1为本发明实施例一种基于云计算的水产养殖大数据智能决策预警服务平台的逻辑框图。
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:
一种基于云计算的水产养殖大数据智能决策预警服务平台,基本如附图1所示,包括数据采集子系统、双向传输子系统、云端智能计算子系统。
数据采集子系统:用于采集或获取水产养殖场的全产业链数据,所述全产业链数据包括水产养殖场的养殖环境数据、水产养殖场的建设参数数据和水产养殖场的水产养殖指标参数数据;养殖环境数据通过设置在水产养殖场的环境信息传感器进行实时采集。环境信息传感器包括溶解氧传感器、pH传感器、浊度传感器、水位传感器、电导率传感器和水温传感器,分别用于检测水产养殖中水的含氧量、pH值、污浊度、水位、电导率和水温。水产养殖场的建设参数数据也能够方便的根据建筑图纸获取,而水产养殖指标参数数据包括饲料的投喂量、水产的养殖周期、水产出货时的规格大小和质量、水产养殖过程中出现的病虫害时间和种类。
数据采集子系统还包括以下三个模块:
数据清洗模块:用于对采集或获取的数据进行数据清洗,将无用、多余、冗杂的数据进行清洗;
数据标准化模块:用于将清洗之后的数据进行标准化处理,将清洗后的数据根据数据的国际标准格式进行统一标准化;
数据整理模块:用于将标准化的数据按照根据数据来源和数据用途进行分类整理处理。
双向传输子系统:用于将养殖场采集的全产业链数据实时上传至云端存储,以及将云端发出的智能决策与预警指令实时下传至养殖场各设备;
云端智能计算子系统:用于根据水产养殖场的全产业链数据构建水产养殖场的养殖场虚拟模型,并根据养殖场虚拟模型进行计算实验验证,再将计算实验验证过后的养殖场虚拟模型根据水产养殖场的各设备的资源配置构建智能决策预警模型;所述智能决策预警模型用于对水产养殖场的养殖进行决策推荐和养殖过程中异常参数的预警预报。
云端智能计算子系统具体包括以下三个模块:
养殖场模型构建模块:用于根据水产养殖场的建设参数数据构建养殖场虚拟模型,并将采集的养殖环境数据和水产养殖指标参数数据导入养殖场虚拟模型,构建水产养殖场的真实模拟模型;
计算实验验证模块:用于根据真实模拟模型进行实验,获取实验结果,根据实验结果验证并优化真实模拟模型;
决策预警模块:用于根据优化的真实模拟模型和水产养殖场的资源配置构建智能决策预警模型,所述智能决策预警模型用于对水产养殖场的资源配置进行决策推荐,以及对水产养殖环境及资源配置的参数异常进行预警预报。
其中,真实模拟模型还包括病虫害远程诊断模型、禽畜喂养诊断模型和认知模型,养殖场模型构建模块具体还包括以下三个子模块:
病虫害远程诊断模型构建子模块:用于根据水产养殖指标参数数据筛选病虫害数据,并依据病虫害数据在真实模拟模型中构建病虫害远程诊断模型;
禽畜喂养诊断模型构建子模块:用于根据水产养殖指标参数数据筛选饲养投喂数据,并依据饲养投喂数据在真实模拟模型中构建禽畜喂养诊断模型;
认知模型构建子模块:用于获取水产养殖人员的养殖经验,并根据养殖经验构建养殖经验数据库,将经验数据库中的数据导入真实模拟模型,并结合认知科学理论构建认知模型。
其中,计算实验子验证模块包括以下三个子模块:
场景模拟子模块:用于根据真实模拟模型选择局部真实实验场景进行场景模拟;
用于根据病虫害远程诊断模型选择局部真实实验场景进行场景模拟;
用于根据禽畜喂养诊断模型选择局部真实实验场景进行场景模拟;
实验设计子模块:用于根据场景模拟和预设的实验方法进行实验验证;
模型优化子模块:用于获取实验验证的实验结果,并根据实验结果不断优化真实模拟模型、病虫害远程诊断模型和禽畜喂养诊断模型。
其中,决策预警子系统包括以下四个模块:
决策方案推荐子模块:用于根据优化的真实模拟模型和水产养殖场的资源配置构建智能决策预警模型,并将资源配置的参数导入到能决策预警模型中进行决策方案的推荐;所述决策方案用于调整资源配置的最佳参数;
所述资源配置包括养殖设备的配置和病虫害防疫设备的配置;养殖设备包括智能增氧机、智能抽水泵和智能投饵机,分别用水产养殖的增氧、抽放水和投饵。病虫害防疫设备用于检测水产的病虫害情况,以及用药情况。
异常预警子模块:用于将实时采集的养殖环境数据导入到能决策预警模型中对水产养殖环境进行预警预报;还用于在资源配置的参数出现异常时进行预警预报。
异常预警子模块具体包括以下两个子模块:
病虫害远程预警子模块:用于收集病虫害防疫设备检测的数据,并根据优化的病虫害远程诊断模型对水产养殖的病虫害进行预警预报,并制定有效的预警预案提供决策信息支持;
禽畜喂养远程预警子模块:用于收集养殖设备的投喂数据和氧气供给监测数据,并根据优化的禽畜喂养诊断模型对水产养殖的投喂量和氧气含量进行预警预报,并制定有效的预警预案提供决策信息支持;
决策数据收集子模块:用于收集环境信息传感器的历史记录数据,以及收集历史决策记录数据;
决策优化子模块:用于根据历史决策记录数据获取对应的水产养殖的产出结果和水产养殖指标参数数据的历史指标数据,解析环境信息传感器的历史记录数据、历史指标数据与水产养殖的产出结果之间的互作规律,根据互作规律的变化对决策方案进行调整优化。
具体实施过程如下:
智能决策预警服务平台的设置,采集与获取水产养殖全产业链数据,数据云端存储与计算处理,智能化分析、挖掘与处理,构建基于人工智能的智能决策支持系统,实现水产养殖环境及设备参数异常预警预报,提供大数据智能决策服务,并能优化水产养殖资源配置,提高水产养殖生产效率,降低水产养殖风险。
而且随着时间的推移和数据的积累不断更新,相应的决策支持也会随之发生变化,而决策优化模块的设置,可以根据历史决策记录数据获取对应的水产养殖的产出结果和水产养殖指标参数数据的历史指标数据,解析历史记录数据、历史指标数据与水产养殖的产出结果之间的互作规律,换而言之就是找到历史记录数据、历史指标数据与水产养殖两两之间的影响规律,例如线性相关等。再根据互作规律的变化对决策方案进行调整优化找到最合适的决策方案从而实现水产养殖生产效率的提高和水产养殖风险的降低。
实施例二:
实施例二与实施例一的区别在于,所述基于云计算的水产养殖大数据智能决策预警服务平台还包括资配置管理子系统,所述资配置管理子系统包括以下模块:
资源配置存储模块:用于存储养殖场资源配置设备的使用寿命和投入使用时间;
资源配置检查模块:用于检查资源配置设备的状态;所述状态包括资源配置设备正常和资源配置设备故障;
资源配置推荐模块:用于当资源配置检查模块检查出资源配置设备的状态为资源配置设备故障时,对故障的资源配置设备的更换进行设备属性推荐;
设备属性包括使用寿命属性及附加属性,使用寿命属性的数值为现有养殖设备的平均剩余使用寿命;附加属性为X个月内所属资源配置设备出现异常故障信号频率最高的元件以及元件的相关参数。例如增氧机在X个月内电机出现故障的频率最高,则附加属性代指电机和电机的相关参数。X的数值,本领域技术人员可依据养殖场的规模以及使用年限具体设置,本实施例中,X为5。
当资源配置检查模块检测到某设备存在故障时,需安排管理人员到现场进行排查。在排查前,会有两种情况。第一种情况是,增氧机出现问题需要整体更换而不能维修时;资源配置推荐模块会通过资源配置存储模块查看多个同样设备-增氧机的使用寿命和投入使用时间,进而推算出现有增氧机的平均剩余使用寿命,资源配置推荐模块将使用寿命属性进行推荐给管理人员。这样,管理人员可根据推荐的使用寿命选择更换剩余寿命相同的增氧机。如此设置,使得多个同样设备能够在寿命的终点时,可以一起更换一起报销,不用为了节省资源,再考虑和统计多台设备的剩余使用寿命,节省了人力成本。
而且,养殖池的大多数设备即将到达使用寿命时,在经营正常的情况下,很多养殖场会选择扩张或者改建。设备出现问题进行更换时,由于选择了使用寿命与现有设备平均使用寿命差不多的设备,养殖场扩张或改建时,所有设备可以一起更换,不用考虑旧设备与新的养殖场地的兼容问题。并且,这样一来,养殖场的设备基本上都会在很接近的时间段内到达使用期限,不用为了节省资源,再考虑和统计多台设备的剩余使用寿命,节省了人力成本。
除此,由于推荐设备时还推荐了附加属性,即推荐5个月内设备出现异常故障信号频率最高的元件和元件参数。这样,在第二种情况的时候,即当资源配置检查模块检测到某设备存在故障时,例如,增氧机出现问题但不用更换整个设备,仅需挑选元件维修设备时,附加属性的推荐,能够方便管理人员预估故障的元件是什么,从而方便在维修前,提前挑选那些符合附加属性的新元件或新设备进行维修、更换。这样及时处理设备故障,提高故障的处理效率,从而避免对水产养殖物的生长造成影响。
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 (10)
1.一种基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:包括数据采集子系统、双向传输子系统和云端智能计算子系统;
数据采集子系统:用于采集或获取水产养殖场的全产业链数据;
双向传输子系统:用于将养殖场采集的全产业链数据实时上传至云端存储,以及将云端发出的智能决策与预警指令实时下传至养殖场各设备;
云端智能计算子系统:用于根据水产养殖场的全产业链数据构建水产养殖场的养殖场虚拟模型,并根据养殖场虚拟模型进行计算实验验证,再将计算实验验证过后的养殖场虚拟模型根据水产养殖场的各设备的资源配置构建智能决策预警模型;所述智能决策预警模型用于对水产养殖场的养殖进行决策推荐和养殖过程中异常参数的预警预报。
2.根据权利要求1所述的基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:所述全产业链数据包括水产养殖场的养殖环境数据、水产养殖场的建设参数数据和水产养殖场的水产养殖指标参数数据;所述云端智能计算子系统具体包括以下模块:
养殖场模型构建模块:用于根据水产养殖场的建设参数数据构建养殖场虚拟模型,并将采集的养殖环境数据和水产养殖指标参数数据导入养殖场虚拟模型,构建水产养殖场的真实模拟模型;
计算实验验证模块:用于根据真实模拟模型进行实验,获取实验结果,根据实验结果验证并优化真实模拟模型;
决策预警模块:用于根据优化的真实模拟模型和水产养殖场的资源配置构建智能决策预警模型,所述智能决策预警模型用于对水产养殖场的资源配置进行决策推荐,以及对水产养殖环境及资源配置的参数异常进行预警预报。
3.根据权利要求1所述的基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:所述数据采集子系统包括以下模块:
数据清洗模块:用于对采集或获取的数据进行数据清洗,将无用、多余、冗杂的数据进行清洗;
数据标准化模块:用于将清洗之后的数据进行标准化处理,将清洗后的数据根据数据的国际标准格式进行统一标准化;
数据整理模块:用于将标准化的数据按照根据数据来源和数据用途进行分类整理处理。
4.根据权利要求2所述的基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:所述养殖环境数据通过设置在水产养殖场的环境信息传感器进行实时采集。
5.根据权利要求4所述的基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:所述环境信息传感器包括溶解氧传感器、pH传感器、浊度传感器、水位传感器、电导率传感器和水温传感器,分别用于检测水产养殖中水的含氧量、pH值、污浊度、水位、电导率和水温。
6.根据权利要求2所述的基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:所述养殖场模型构建模块还包括以下模块:
认知模型构建子模块:用于获取水产养殖人员的养殖经验,并根据养殖经验构建养殖经验数据库,将经验数据库中的数据导入真实模拟模型,并结合认知科学理论构建认知模型。
7.根据权利要求2所述的基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:所述计算实验子验证模块包括以下子模块:
场景模拟子模块:用于根据真实模拟模型选择局部真实实验场景进行场景模拟;
实验设计子模块:用于根据场景模拟和预设的实验方法进行实验验证;
模型优化子模块:用于获取实验验证的实验结果,并根据实验结果不断优化真实模拟模型。
8.根据权利要求5所述的基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:所述决策预警模块包括以下子模块:
决策方案推荐子模块:用于根据优化的真实模拟模型和水产养殖场的资源配置构建智能决策预警模型,并将资源配置的参数导入到能决策预警模型中进行决策方案的推荐;所述资源配置包括养殖设备的配置,所述决策方案用于调整资源配置的最佳参数;
异常预警子模块:用于将实时采集的养殖环境数据导入到能决策预警模型中对水产养殖环境进行预警预报;还用于在资源配置的参数出现异常时进行预警预报。
9.根据权利要求8所述的基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:所述决策预警模块还包括以下子模块:
决策数据收集子模块:用于收集环境信息传感器的历史记录数据,以及收集历史决策方案的记录数据;
决策优化子模块:用于根据历史决策方案的记录数据获取对应的水产养殖的产出结果和水产养殖指标参数数据的历史指标数据,解析环境信息传感器的历史记录数据、历史指标数据与水产养殖的产出结果之间的互作规律,根据互作规律的变化对决策方案进行调整优化。
10.根据权利要求7所述的基于云计算的水产养殖大数据智能决策预警服务平台,其特征在于:所述养殖设备包括智能增氧机、智能抽水泵和智能投饵机,分别用水产养殖的增氧、抽放水和投饵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911193694.4A CN110865671A (zh) | 2019-11-28 | 2019-11-28 | 一种基于云计算的水产养殖大数据智能决策预警服务平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911193694.4A CN110865671A (zh) | 2019-11-28 | 2019-11-28 | 一种基于云计算的水产养殖大数据智能决策预警服务平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110865671A true CN110865671A (zh) | 2020-03-06 |
Family
ID=69657851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911193694.4A Pending CN110865671A (zh) | 2019-11-28 | 2019-11-28 | 一种基于云计算的水产养殖大数据智能决策预警服务平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110865671A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610777A (zh) * | 2020-05-25 | 2020-09-01 | 佛山科学技术学院 | 一种基于人工智能的鱼塘控制系统 |
CN112578725A (zh) * | 2020-12-16 | 2021-03-30 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔业水上养殖设施安全预警系统及方法 |
CN113703504A (zh) * | 2021-09-26 | 2021-11-26 | 中国热带农业科学院湛江实验站 | 一种基于物联网的畜牧养殖用温湿度控制系统及方法 |
CN114364107A (zh) * | 2021-12-14 | 2022-04-15 | 深圳市奥新科技有限公司 | 水产养殖光照控制方法、装置、设备及存储介质 |
US11369088B2 (en) | 2020-09-23 | 2022-06-28 | International Business Machines Corporation | Industrial livestock management leveraging digital twin computing |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799164A (zh) * | 2012-08-16 | 2012-11-28 | 四川农业大学 | 一种水产养殖远程监控系统 |
CN103336503A (zh) * | 2013-06-24 | 2013-10-02 | 马从国 | 水产养殖池塘溶解氧控制系统 |
CN103399534A (zh) * | 2013-07-12 | 2013-11-20 | 湖南城市学院 | 一种鱼类生存环境远程监测与智能预警系统及方法 |
CN105159368A (zh) * | 2015-09-29 | 2015-12-16 | 江苏农林职业技术学院 | 一种室内甲鱼养殖监控系统 |
CN105892537A (zh) * | 2016-04-21 | 2016-08-24 | 佛山市迪赛农业技术有限公司 | 一种智慧渔业养殖监控系统 |
CN106069958A (zh) * | 2016-08-04 | 2016-11-09 | 鲁东大学 | 面向物联网的水产品养殖环境多用途装置和方法 |
CN107977025A (zh) * | 2017-11-07 | 2018-05-01 | 中国农业大学 | 一种用于工厂化水产养殖溶解氧的调控系统及方法 |
-
2019
- 2019-11-28 CN CN201911193694.4A patent/CN110865671A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799164A (zh) * | 2012-08-16 | 2012-11-28 | 四川农业大学 | 一种水产养殖远程监控系统 |
CN103336503A (zh) * | 2013-06-24 | 2013-10-02 | 马从国 | 水产养殖池塘溶解氧控制系统 |
CN103399534A (zh) * | 2013-07-12 | 2013-11-20 | 湖南城市学院 | 一种鱼类生存环境远程监测与智能预警系统及方法 |
CN105159368A (zh) * | 2015-09-29 | 2015-12-16 | 江苏农林职业技术学院 | 一种室内甲鱼养殖监控系统 |
CN105892537A (zh) * | 2016-04-21 | 2016-08-24 | 佛山市迪赛农业技术有限公司 | 一种智慧渔业养殖监控系统 |
CN106069958A (zh) * | 2016-08-04 | 2016-11-09 | 鲁东大学 | 面向物联网的水产品养殖环境多用途装置和方法 |
CN107977025A (zh) * | 2017-11-07 | 2018-05-01 | 中国农业大学 | 一种用于工厂化水产养殖溶解氧的调控系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610777A (zh) * | 2020-05-25 | 2020-09-01 | 佛山科学技术学院 | 一种基于人工智能的鱼塘控制系统 |
US11369088B2 (en) | 2020-09-23 | 2022-06-28 | International Business Machines Corporation | Industrial livestock management leveraging digital twin computing |
CN112578725A (zh) * | 2020-12-16 | 2021-03-30 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔业水上养殖设施安全预警系统及方法 |
CN113703504A (zh) * | 2021-09-26 | 2021-11-26 | 中国热带农业科学院湛江实验站 | 一种基于物联网的畜牧养殖用温湿度控制系统及方法 |
CN114364107A (zh) * | 2021-12-14 | 2022-04-15 | 深圳市奥新科技有限公司 | 水产养殖光照控制方法、装置、设备及存储介质 |
CN114364107B (zh) * | 2021-12-14 | 2024-03-26 | 深圳市奥新科技有限公司 | 水产养殖光照控制方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110865671A (zh) | 一种基于云计算的水产养殖大数据智能决策预警服务平台 | |
Javaid et al. | Understanding the potential applications of Artificial Intelligence in Agriculture Sector | |
Alreshidi | Smart sustainable agriculture (SSA) solution underpinned by internet of things (IoT) and artificial intelligence (AI) | |
Gutiérrez et al. | A review of visualisations in agricultural decision support systems: An HCI perspective | |
DE60018538T2 (de) | Verfahren und Vorrichtung zur integrierten Landwirtschaft | |
De Abreu et al. | The application of artificial intelligence (AI) and internet of things (IoT) in agriculture: a systematic literature review | |
Mishra et al. | Artificial intelligence and machine learning in agriculture: Transforming farming systems | |
Gaworski | Implementation of technical and technological progress in dairy production | |
Shruthi et al. | Survey on challenges and future scope of iot in healthcare and agriculture | |
Brini et al. | A machine learning approach to forecasting honey production with tree-based methods | |
Rahman et al. | Ensemble feature ranking for shellfish farm closure cause identification | |
Geli et al. | Climate adaptive smart systems for future agricultural and rangeland production | |
Lina et al. | Design of intelligent pest monitoring system based on image classification algorithm | |
Jacobs et al. | Building a business analytics platform for enhancing commercial beekeepers’ performance: Descriptive validation of a data framework for widespread adoption by citizen scientists | |
Chauhan et al. | Artificial intelligence-based sustainable agricultural practices | |
Singh et al. | Exploring the Use of Precision Livestock Farming for Improved Fish Management and Production | |
Hung | Developing an agriculture internet of things (IOT) application taking the plants humidity preventive maintenance (PM) as an example | |
CN114143352B (zh) | 智慧农药监控装置 | |
Thilagu et al. | Artificial Intelligence and Internet of Things Enabled Smart Farming for Sustainable Development: The Future of Agriculture | |
Stevens et al. | Understanding pathways of digital technology development to improve farm sustainability and resilience | |
Hamadani et al. | Artificial intelligence in animal farms for management and breeding | |
Fang et al. | Agricultural Decision-Making Methods and Systems | |
Kumar et al. | Agriculture and Artificial Intelligence: Using Today’s AI to Address Traditional Farming methods | |
Victoire et al. | Leveraging Artificial Intelligence for Enhancing Agricultural Productivity and Sustainability | |
Husin et al. | iRICE Decision Support System: Time-Series Forecasting Model for the Risk Management System |
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: 20200306 |
|
RJ01 | Rejection of invention patent application after publication |