CN111325522B - 一种基于物联网的智能渔业养殖管理方法和系统 - Google Patents
一种基于物联网的智能渔业养殖管理方法和系统 Download PDFInfo
- Publication number
- CN111325522B CN111325522B CN202010110819.9A CN202010110819A CN111325522B CN 111325522 B CN111325522 B CN 111325522B CN 202010110819 A CN202010110819 A CN 202010110819A CN 111325522 B CN111325522 B CN 111325522B
- Authority
- CN
- China
- Prior art keywords
- feeding
- oxygen content
- data
- intelligent
- internet
- 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
- 238000009395 breeding Methods 0.000 title claims abstract description 26
- 230000001488 breeding effect Effects 0.000 title claims abstract description 26
- 238000007726 management method Methods 0.000 title claims abstract description 19
- 241000251468 Actinopterygii Species 0.000 claims abstract description 76
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 74
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 74
- 239000001301 oxygen Substances 0.000 claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 11
- 241000894007 species Species 0.000 claims description 20
- 238000009360 aquaculture Methods 0.000 claims description 14
- 244000144974 aquaculture Species 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000006213 oxygenation reaction Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000000034 method Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 235000019688 fish Nutrition 0.000 description 65
- 230000007613 environmental effect Effects 0.000 description 7
- 206010063385 Intellectualisation Diseases 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000003031 feeding effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 241001454694 Clupeiformes Species 0.000 description 2
- 241000252228 Ctenopharyngodon Species 0.000 description 2
- 241000252232 Hypophthalmichthys Species 0.000 description 2
- 241000252234 Hypophthalmichthys nobilis Species 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 235000019514 herring Nutrition 0.000 description 2
- 230000000366 juvenile effect Effects 0.000 description 2
- 230000001418 larval effect Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于物联网的智能渔业养殖管理方法和系统,属于物联网技术农业应用领域,该方法通过采集渔业养殖的多维度数据,对采集到的多维数据进行综合分析,通过非线性人工智能预测分析算法,得到所述多维数据与投喂时间和投喂量的比率,通过所述比率进行智能分析投喂;所述的多维度数据包括温度、湿度、含氧量、鱼群种类和生长周期。基于物联网的智能渔业养殖管理系统包括数据采集终端、鱼类分析模块、物联网智能分析模块以及调控装置、投喂装置。本发明能够实现智能渔业自动化养殖,实用性强,应用成效显著,应用于渔业日常养殖工作中,能够有效提升渔业产量。
Description
技术领域
本发明涉及物联网技术农业应用领域,具体说是提供了一种基于物联网的智能渔业养殖管理方法和系统。
背景技术
中国渔业经过改革开放后的高速发展期和近年来的调整整顿期,逐步步入持续、稳定、健康的发展阶段,中国正面临渔业发展机遇期。同时,渔业信息化浪潮从生产方式、管理模式、经营理念上,对渔业的发展提出了更高的要求。
传统的渔业养殖,信息化程度低,渔业依靠人工处理,全凭经验解决,渔业产出波动大,农民增收难,依托物联网、大数据等信息化手段,指导渔业养殖和管理机械化、标准化、自动化、信息化成为当务之急,科学、合理的安排投喂时机和投喂量,进而利用自动化机械控制渔业生产,成为渔业生产创新的方向。
发明内容
本发明的技术任务是提供一种基于物联网的智能渔业养殖管理方法和系统,实现智能渔业自动化养殖,实用性强,应用成效显著,应用于渔业日常养殖工作中,能够有效提升渔业产量。
本发明解决其技术问题所采用的技术方案是:
一种基于物联网的智能渔业养殖管理方法,该方法通过采集渔业养殖的多维度数据,对采集到的多维数据进行综合分析,通过非线性人工智能预测分析算法,得到所述多维数据与投喂时间和投喂量的比率,通过所述比率进行智能分析投喂;
所述的多维度数据包括温度、湿度、含氧量、鱼群种类和生长周期。
通过在渔业养殖水域安装环境监控设备,采集鱼类生长的相关环境数据,通过物联网技术将采集到的渔业养殖的多维度数据传输到后台,综合分析环境变化以及含氧量、鱼群种类和生长周期等参数,找到环境变化以及含氧量、鱼群种类、生长周期和天气预报等参数与鱼类投喂时间、投喂量的规律关系,实现智能渔业养殖指导。同时安装增氧设备等环境调节设备及投喂设备,实现渔业养殖的智能化和自动化。
具体的,针对不同的鱼群种类,结合鱼类生长周期划分成二维矩阵,对每个矩阵项目独立分析。
渔业养殖中涉及不同的鱼群种类,例如常见的鱼群种类:鲢鱼、鳙鱼、草鱼和青鱼等;每个种类的鱼类具备自身的生长周期,如仔鱼期、稚鱼期、鱼种期、成鱼期及亲鱼期等。
不同鱼群种类的生长规律不同,同一鱼群种类的不同生长期的鱼类生长规律不同。每类鱼根据其生长周期划分二维矩阵,每个二维矩阵单独分析。
进一步的,针对每个项目,提取该类型鱼指定时间段内的相关数据,一般为近3年的相关数据,根据温度C1、湿度D1和含氧量V1或温度C1、湿度D1、含氧量V1和其他多维数据的结合与实际情况投喂时间T1和投喂量W1的比率进行分析,得到比率值K1和K2;
例如针对某种鱼类A1,获取温度C1、湿度D1和含氧量V1与实际情况投喂时间T1和投喂量W1的相关比率值K1和K2。
计算历史同期最佳含氧量Vm,如Vm大于当前含氧量V1,则将Vm和温度C1、湿度D1或和其他多维数据结合进行二次计算,计算得到KC1和KC2;如Vm小于等于当前含氧量V1,则KC1=K1,KC2=K2;
若KC2>K2,则采用比率值KC1和KC2作为实际执行的投喂时长和投喂量的比率来执行投喂;否则采用比率值K1和K2作为实际执行的投喂时长和投喂量比率来执行投喂。
具体的,如采用KC1和KC2方案,下发给增氧设备命令使其增氧至Vm,指定至TC1时投喂总量为WC1的饲料;如采用K1和K2方案,则指定至T1时投喂总量为W1的饲料。
优选的,所述非线性人工智能预测分析算法采用双曲线函数Y=a+b(1/X)来进行海量历史数据运算。
采用双曲线函数Y=a+b(1/X)来进行数据运算时,以温度、湿度和含氧量以及采集的其他多维数据或历史数据作为参数常量,以投喂时间和投喂量作为变量得到相应的比率值。
进一步的,根据温度C1、湿度D1和含氧量V1与客户当场回访的实际情况H1,通过所述分析模型计算比率K1、K2;根据实际产量来矫正该分析模型,获得最佳的比率计算方法。
根据客户当场回访,采集实际产量数据,通过实际投喂效果对算法模型进行矫正,不断优化模型,获得最佳算法。
优选的,所述的多维度数据还包括天气预报。天气预报包含天气的阴晴雨雪、气温、风向和风力及自然灾害等多种信息,这些信息对于渔业的养殖具有不可忽略的影响,将天气预报与温度、湿度和含氧量等多维数据共同作为非线性人工智能预测分析算法的参数,提取天气预报相关数据,将其作为多维数据参量应用于函数,得到更加准确的算法值,并实现了提前预警,规避自然灾害,使渔业的养殖更加自动化、智能化。
本发明还要求保护一种基于物联网的智能渔业养殖管理系统,包括数据采集终端、鱼类分析模块、物联网智能分析模块以及调控装置、投喂装置,
数据采集终端用于采集相关数据,包括环境采集终端和水下含氧量监控终端,环境采集终端包括温度信息和湿度信息采集,水下含氧量监控终端实时采集水中含氧量信息;
通过数据采集终端记录温度、湿度以及水中含氧量信息,将该信息与天气预报等其他信息结合共同作为多维数据,应用于渔业养殖中投喂时长和投喂量的关系计算;
鱼类分析模块用于针对不同的鱼群种类,结合鱼类生长周期划分不同的二维矩阵,每个矩阵项目独立分析;
不同鱼群种类的生长规律不同,同一鱼群种类的不同生长期的鱼类生长规律不同,每类鱼根据其生长周期划分二维矩阵,每个二维矩阵单独分析;
物联网智能分析模块用于通过历史数据及采集数据,采用非线性的人工智能预测分析算法,建立相关数据与投喂时长和投喂量关系的智能分析投喂模型,通过相关数据与投喂时长和投喂量的关系,进行数据运算,得到最佳投喂时长和投喂量,从而进行自动投喂,实现渔业养殖的自动化和智能化。
优选的,对于不同的鱼类,针对每个矩阵项目,提取该鱼群种类指定时间内的相关数据,一般为近3年的相关数据,根据温度C1、湿度D1、含氧量V1或和其他多维数据的结合与实际情况投喂时间T1、投喂量W1的比率进行分析,得到比率值K1、K2;
可采用双曲线函数Y=a+b(1/X)来进行数据运算,以温度、湿度和含氧量以及采集的其他多维数据或历史数据作为参数常量,以投喂时间和投喂量作为变量得到相应的比率值;
例如针对某种鱼类A1,获取温度C1、湿度D1和含氧量V1与实际情况投喂时间T1和投喂量W1的相关比率值K1和K2。
计算历史同期最佳含氧量Vm,如Vm大于当前含氧量V1,将Vm和C1、湿度D1或和其他多维数据(如天气预报)结合进行二次计算,计算得到KC1和KC2;如Vm小于等于当前含氧量V1,则KC1=K1,KC2=K2;
若KC2>K2,则采用比率值KC1和KC2作为实际执行的投喂时长和投喂量的比率来执行投喂;否则采用比率值K1和K2作为实际执行的投喂时长和投喂量比率来执行投喂。
进一步的,所述调控装置包括增氧设备,当采用KC1和KC2方案时,下发命令给增氧设备增氧至Vm,指定至TC1时投喂总量为WC1的饲料;若采用K1和K2方案,则指定至T1时投喂总量为W1的饲料。
根据温度C1、湿度D1和含氧量V1与客户当场回访的实际情况H1,通过所述分析模型计算比率K1、K2;根据实际产量来矫正该分析模型,获得最佳的比率计算方法。根据客户当场回访,采集实际产量数据,通过实际投喂效果对算法模型进行矫正,不断优化模型,获得最佳算法。
本发明的一种基于物联网的智能渔业养殖管理方法和系统与现有技术相比,具有以下有益效果:
该方法通过在渔业养殖水域安装环境监控设备、增氧设备、投喂设备,获取鱼类生长环境数据,通过物联网技术传输到后台,综合分析环境变化、含氧量、鱼群种类、生长周期、天气预报,通过大数据人工智能运算,找到环境变化、含氧量、天气预报、与鱼类投喂时间、投喂量的规律关系,实现智能渔业养殖指导,结合自动化的增氧和投喂设备,实现智能渔业自动化养殖,促进渔业增产、增收。与传统的全凭经验、靠天吃饭的落后方式相比,具备智能化、自动化、成本低、高产出的优势。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
实施例一
一种基于物联网的智能渔业养殖管理方法,该方法通过采集渔业养殖的多维度数据,综合环境变化、含氧量、鱼群种类、生长周期、天气预报等多维度数据综合分析,通过非线性人工智能预测分析算法,得到所述多维数据与投喂时间和投喂量的比率,通过所述比率进行智能分析投喂。
通过环境监控终端,记录温度、湿度信息;通过水下含氧量监控终端,记录水中含氧量信息;针对不同的鱼群种类,结合鱼类生长周期划分成二维矩阵,对每个矩阵项目独立分析。
渔业养殖中涉及不同的鱼群种类,例如常见的鱼群种类:鲢鱼、鳙鱼、草鱼和青鱼等;每个种类的鱼类具备自身的生长周期,如仔鱼期、稚鱼期、鱼种期、成鱼期及亲鱼期等。不同鱼群种类的生长规律不同,同一鱼群种类的不同生长期的鱼类生长规律不同。每类鱼根据其生长周期划分二维矩阵,每个二维矩阵单独分析。
针对每个项目,提取该类型鱼近3年的相关数据,根据温度C1、湿度D1和含氧量V1与实际情况投喂时间T1和投喂量W1的比率进行分析,得到比率值K1和K2。建立分析模型。
根据温度C1、湿度D1和含氧量V1与客户当场回访的实际情况H1,通过所述分析模型计算比率K1、K2;根据实际产量来矫正该分析模型,获得最佳的比率计算方法。进行模型验证。
所述非线性人工智能预测分析算法采用双曲线函数Y=a+b(1/X)来进行海量历史数据运算,进行数据运算时,以温度、湿度和含氧量以及采集的其他多维数据或历史数据作为参数常量,以投喂时间和投喂量作为变量得到相应的比率值。
例如针对某种鱼类A1,获取温度C1、湿度D1和含氧量V1与实际情况投喂时间T1和投喂量W1的相关比率值K1和K2。
智能分析投喂:
根据天气预报和温度C1、湿度D1、含氧量V1等多维度数据,计算得到K1和K2;
计算历史同期最佳含氧量Vm,如Vm大于当前含氧量V1,则将Vm和温度C1、湿度D1或和其他多维数据结合进行二次计算,计算得到KC1和KC2;如Vm小于等于当前含氧量V1,则KC1=K1,KC2=K2;
若KC2>K2,则采用比率值KC1和KC2作为实际执行的投喂时长和投喂量的比率来执行投喂;否则采用比率值K1和K2作为实际执行的投喂时长和投喂量比率来执行投喂。
如采用KC1和KC2方案,下发给增氧设备命令使其增氧至Vm,指定至TC1时投喂总量为WC1的饲料;如采用K1和K2方案,则指定至T1时投喂总量为W1的饲料。
该方法通过在渔业养殖水域安装环境监控设备,采集鱼类生长的相关环境数据,通过物联网技术将采集到的渔业养殖的多维度数据传输到后台,综合分析环境变化以及含氧量、鱼群种类和生长周期等参数,找到环境变化以及含氧量、鱼群种类、生长周期和天气预报等参数与鱼类投喂时间、投喂量的规律关系,实现智能渔业养殖指导。同时安装增氧设备等环境调节设备及投喂设备,实现渔业养殖的智能化和自动化。
该方法具备分析环境变化、含氧量、天气预报、与鱼类投喂时间、投喂量的规律关系的能力,可实现自动化调节最优含氧量、投喂时间和投喂量。与传统的全凭经验、靠天吃饭的落后方式相比,具备智能化、自动化、成本低、高产出的优势。
实施例二
一种基于物联网的智能渔业养殖管理系统,包括数据采集终端、鱼类分析模块、物联网智能分析模块以及调控装置、投喂装置。
数据采集终端用于采集相关数据,包括环境采集终端和水下含氧量监控终端,环境采集终端包括温度信息和湿度信息采集,水下含氧量监控终端实时采集水中含氧量信息;
通过数据采集终端记录温度、湿度以及水中含氧量信息,将该信息与天气预报等其他信息结合共同作为多维数据,应用于渔业养殖中投喂时长和投喂量的计算。
鱼类分析模块用于针对不同的鱼群种类,结合鱼类生长周期划分不同的二维矩阵,每个矩阵项目独立分析;
不同鱼群种类的生长规律不同,同一鱼群种类的不同生长期的鱼类生长规律不同,每类鱼根据其生长周期划分二维矩阵,每个二维矩阵单独分析。
物联网智能分析模块用于通过历史数据及采集数据,采用非线性的人工智能预测分析算法,建立相关数据与投喂时长和投喂量关系的智能分析投喂模型,通过相关数据与投喂时长和投喂量的关系,进行数据运算,得到最佳投喂时长和投喂量,从而进行自动投喂,实现渔业养殖的自动化和智能化。
对于不同的鱼类,针对每个矩阵项目,提取该鱼群种类的近3年的相关数据,根据温度C1、湿度D1、含氧量V1与实际情况投喂时间T1、投喂量W1的比率进行分析,得到比率值K1、K2。
可采用双曲线函数Y=a+b(1/X)来进行数据运算,以温度、湿度、含氧量和天气预报以及采集的其他多维数据或历史数据作为参数常量,以投喂时间和投喂量作为变量得到相应的比率值;
例如针对某种鱼类A1,获取温度C1、湿度D1和含氧量V1与实际情况投喂时间T1和投喂量W1的相关比率值K1和K2。
根据温度C1、湿度D1和含氧量V1与客户当场回访的实际情况H1,通过所述分析模型计算比率K1、K2;根据实际产量来矫正该分析模型,获得最佳的比率计算方法。根据客户当场回访,采集实际产量数据,通过实际投喂效果对算法模型进行矫正,不断优化模型,获得最佳算法。
计算历史同期最佳含氧量Vm,如Vm大于当前含氧量V1,将Vm和C1、湿度D1或和其他多维数据(如天气预报)结合进行二次计算,计算得到KC1和KC2;如Vm小于等于当前含氧量V1,则KC1=K1,KC2=K2;
若KC2>K2,则采用比率值KC1和KC2作为实际执行的投喂时长和投喂量的比率来执行投喂;否则采用比率值K1和K2作为实际执行的投喂时长和投喂量比率来执行投喂。
所述调控装置包括增氧设备,当采用KC1和KC2方案时,下发命令给增氧设备增氧至Vm,指定至TC1时投喂总量为WC1的饲料;若采用K1和K2方案,则指定至T1时投喂总量为W1的饲料。
该系统应用环境变化、含氧量、鱼群种类、生长周期、天气预报等多维数据,分析环境变化、含氧量、天气预报、与鱼类投喂时间、投喂量的规律关系,基于长期历史数据的人工智能算法,构建大数据分析模型,提供科学、合理的投喂时间、投喂量,实现自动投喂的能力。
该发明对渔业养殖投喂时间和投喂量提供了科学有效的新思路和手段,能够更有效的提升渔业产量25%以上。
通过上面具体实施方式,所述技术领域的技术人员可容易的实现本发明。但是应当理解,本发明并不限于上述的具体实施方式。在公开的实施方式的基础上,所述技术领域的技术人员可任意组合不同的技术特征,从而实现不同的技术方案。
Claims (5)
1.一种基于物联网的智能渔业养殖管理方法,其特征在于该方法通过采集渔业养殖的多维度数据,对采集到的多维数据进行综合分析,通过非线性人工智能预测分析算法,得到所述多维数据与投喂时间和投喂量的比率,通过所述比率进行智能分析投喂;
所述的多维度数据包括温度、湿度、含氧量、鱼群种类和生长周期;
针对不同的鱼群种类,结合鱼类生长周期划分成二维矩阵,对每个矩阵项目独立分析;
针对每个项目,提取该类型鱼指定时间段内的相关数据,建立分析模型,根据温度C1、湿度D1和含氧量V1或和其他多维数据的结合与实际情况投喂时间T1和投喂量W1的比率进行分析,得到比率值K1和K2;
计算历史同期最佳含氧量Vm,如Vm大于当前含氧量V1,则将Vm和温度C1、湿度D1或和其他多维数据结合进行二次计算,计算得到KC1和KC2;如Vm小于等于当前含氧量V1,则KC1=K1,KC2=K2;
若KC2>K2,则采用KC1和KC2作为实际执行的投喂时长和投喂量;否则采用K1和K2作为实际执行的投喂时长和投喂量;
如采用KC1和KC2方案,下发给增氧设备命令使其增氧至Vm,指定至TC1时投喂总量为WC1的饲料;如采用K1和K2方案,则指定至T1时投喂总量为W1的饲料。
2.根据权利要求1所述的一种基于物联网的智能渔业养殖管理方法,其特征在于所述非线性人工智能预测分析算法采用双曲线函数Y=a+b(1/X)来进行海量历史数据运算。
3.根据权利要求1所述的一种基于物联网的智能渔业养殖管理方法,其特征在于根据温度C1、湿度D1和含氧量V1与客户当场回访的实际情况H1,通过所述分析模型计算比率K1、K2;根据实际产量来矫正该分析模型,获得最佳的比率计算方法。
4.根据权利要求1所述的一种基于物联网的智能渔业养殖管理方法,其特征在于所述的多维度数据还包括天气预报。
5.一种基于物联网的智能渔业养殖管理系统,其特征在于包括数据采集终端、鱼类分析模块、物联网智能分析模块以及调控装置、投喂装置,
数据采集终端用于采集相关数据,包括环境采集终端和水下含氧量监控终端,环境采集终端包括温度信息和湿度信息采集,水下含氧量监控终端实时采集水中含氧量信息;
鱼类分析模块用于针对不同的鱼群种类,结合鱼类生长周期划分不同的二维矩阵,每个矩阵项目独立分析;
物联网智能分析模块用于通过历史数据及采集数据,采用非线性的人工智能预测分析算法,建立相关数据与投喂时长和投喂量关系的智能分析投喂模型;
针对每个矩阵项目,提取该鱼群种类指定时间内的相关数据,根据温度C1、湿度D1、含氧量V1或和其他多维数据的结合与实际情况投喂时间T1、投喂量W1的比率进行分析,得到比率值K1、K2;
计算历史同期最佳含氧量Vm,如Vm大于当前含氧量V1,将Vm和C1、湿度D1 或和其他多维数据结合进行二次计算,计算得到KC1和KC2;如Vm小于等于当前含氧量V1,则KC1=K1,KC2=K2;
若KC2>K2,则采用KC1和KC2作为实际执行的投喂时长和投喂量;否则采用K1和K2作为实际执行的投喂时长和投喂量;
所述调控装置包括增氧设备,当采用KC1和KC2方案时,下发命令给增氧设备增氧至Vm,指定至TC1时投喂总量为WC1的饲料;若采用K1和K2方案,则指定至T1时投喂总量为W1的饲料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010110819.9A CN111325522B (zh) | 2020-02-24 | 2020-02-24 | 一种基于物联网的智能渔业养殖管理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010110819.9A CN111325522B (zh) | 2020-02-24 | 2020-02-24 | 一种基于物联网的智能渔业养殖管理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111325522A CN111325522A (zh) | 2020-06-23 |
CN111325522B true CN111325522B (zh) | 2022-12-06 |
Family
ID=71167127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010110819.9A Active CN111325522B (zh) | 2020-02-24 | 2020-02-24 | 一种基于物联网的智能渔业养殖管理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325522B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112213962A (zh) * | 2020-08-21 | 2021-01-12 | 四川渔光物联技术有限公司 | 一种基于生长模型与声呐反馈的智能投饲系统及方法 |
CN112506120A (zh) * | 2020-12-02 | 2021-03-16 | 中国农业科学院农业信息研究所 | 一种基于物联网的智慧渔业管理系统 |
CN113349137A (zh) * | 2021-06-21 | 2021-09-07 | 海南掌上天下网络技术有限公司 | 一种基于互联网的集装箱水产养殖系统 |
CN113706000A (zh) * | 2021-08-19 | 2021-11-26 | 海南绿能环境工程有限公司 | 基于物联网的环境监测资源分配方法及系统 |
CN116029499B (zh) * | 2022-12-12 | 2023-08-04 | 广东讯源营养科技有限公司 | 一种基于大数据的饲料智能定量配比管理系统 |
CN116228455B (zh) * | 2023-05-10 | 2023-07-21 | 临沂大学 | 一种叶尔羌高原鳅流水养殖试验数据处理方法 |
CN116843085B (zh) * | 2023-08-29 | 2023-12-01 | 深圳市明心数智科技有限公司 | 淡水鱼生长监控方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105511346A (zh) * | 2015-12-01 | 2016-04-20 | 中国水产科学研究院南海水产研究所 | 一种用于深水网箱养殖的鱼类投饵量控制系统 |
CN106780076A (zh) * | 2016-11-14 | 2017-05-31 | 中国水产科学研究院渔业机械仪器研究所 | 一种智能渔人精准投喂管理系统 |
CN108375906A (zh) * | 2018-03-20 | 2018-08-07 | 北京农业信息技术研究中心 | 一种基于模糊算法的水产鱼类投喂量预估方法 |
CN108450382A (zh) * | 2018-02-05 | 2018-08-28 | 浙江大学 | 一种基于深度学习的智能投饲系统 |
CN108805176A (zh) * | 2018-05-21 | 2018-11-13 | 青岛农业大学 | 一种基于随机森林回归的鱼饲料投喂量预测方法 |
CN109886233A (zh) * | 2019-02-28 | 2019-06-14 | 苏州工业职业技术学院 | 一种基于隐马尔可夫模型的水产养殖状态监测方法及装置 |
CN110766221A (zh) * | 2019-10-22 | 2020-02-07 | 浪潮天元通信信息系统有限公司 | 一种基于物联网的电动车辆事故智能分析方法 |
-
2020
- 2020-02-24 CN CN202010110819.9A patent/CN111325522B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105511346A (zh) * | 2015-12-01 | 2016-04-20 | 中国水产科学研究院南海水产研究所 | 一种用于深水网箱养殖的鱼类投饵量控制系统 |
CN106780076A (zh) * | 2016-11-14 | 2017-05-31 | 中国水产科学研究院渔业机械仪器研究所 | 一种智能渔人精准投喂管理系统 |
CN108450382A (zh) * | 2018-02-05 | 2018-08-28 | 浙江大学 | 一种基于深度学习的智能投饲系统 |
CN108375906A (zh) * | 2018-03-20 | 2018-08-07 | 北京农业信息技术研究中心 | 一种基于模糊算法的水产鱼类投喂量预估方法 |
CN108805176A (zh) * | 2018-05-21 | 2018-11-13 | 青岛农业大学 | 一种基于随机森林回归的鱼饲料投喂量预测方法 |
CN109886233A (zh) * | 2019-02-28 | 2019-06-14 | 苏州工业职业技术学院 | 一种基于隐马尔可夫模型的水产养殖状态监测方法及装置 |
CN110766221A (zh) * | 2019-10-22 | 2020-02-07 | 浪潮天元通信信息系统有限公司 | 一种基于物联网的电动车辆事故智能分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111325522A (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325522B (zh) | 一种基于物联网的智能渔业养殖管理方法和系统 | |
CN103605353B (zh) | 一种基于云服务的农业智能优化监控系统及优化监控方法 | |
CN115719152B (zh) | 一种农业碳排放管理方法和系统 | |
CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及系统 | |
CN116301138B (zh) | 基于日光温室的农业大棚智能化监管系统 | |
CN117540908A (zh) | 基于大数据的农业资源整合方法和系统 | |
CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及系统 | |
CN113433127B (zh) | 基于优化光谱指数的马铃薯生长季氮肥用量施用方法 | |
CN114637351A (zh) | 一种设施作物温室环境调控方法及系统 | |
Zhao et al. | Global agricultural robotics research and development: Trend forecasts | |
CN109934400B (zh) | 基于改进神经网络的集雨调亏作物需水量预测方法 | |
CN204832932U (zh) | 奶牛养殖远程自动控制系统 | |
Aggarwal et al. | A review on usage of internet of things (IoT) technologies in mushroom cultivation | |
CN107241952B (zh) | 一种柑橘自动施肥的方法及系统 | |
CN102227986A (zh) | 一种饲用玉米的灌溉方法 | |
Sharma et al. | Artificial Intelligence in Agriculture: A Literature Survey | |
KR102471743B1 (ko) | 스마트팜의 미래 생산량 예측 방법 | |
CN204856085U (zh) | 奶牛养殖场监控系统 | |
CN112445256A (zh) | 一种基于传感识别技术的植物种植管理系统 | |
Han et al. | Trend of Intelligent Robot Application Based on Intelligent Agriculture System | |
Htet et al. | Smart irrigation: An intelligent system for growing strawberry plants in different seasons of the year | |
CN103329758B (zh) | 一种基于可重构技术用于农业大棚生产监控方法 | |
Venkatachalam et al. | Future IoT Applications using Artificial Intelligence-based Sensors: Agriculture | |
Patel et al. | Soil Quality Identifying and Monitoring Approach for Sugarcane Using Machine Learning Techniques | |
CN114792275A (zh) | 一种多产品农作物智慧生态系统及其实现方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 250100 S06 tower, 1036, Chao Lu Road, hi tech Zone, Ji'nan, Shandong. Applicant after: INSPUR COMMUNICATION AND INFORMATION SYSTEM Co.,Ltd. Address before: No. 1036, Shandong high tech Zone wave road, Ji'nan, Shandong Applicant before: Beijing MetarNet Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |