CN111507295A - 一种水产养殖管理系统 - Google Patents
一种水产养殖管理系统 Download PDFInfo
- Publication number
- CN111507295A CN111507295A CN202010324447.XA CN202010324447A CN111507295A CN 111507295 A CN111507295 A CN 111507295A CN 202010324447 A CN202010324447 A CN 202010324447A CN 111507295 A CN111507295 A CN 111507295A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- fry
- fish
- pond
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Environmental Sciences (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Marine Sciences & Fisheries (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种水产养殖管理系统,包括视频监控单元、鱼苗分类模块、数据库、池塘环境监测模块、中央控制模块、动作执行模块,视频监控单元包括图像采集模块、图像特征提取模块、预警模块,图像采集模块用于采集养殖场内的鱼群生活环境图像,并将数据传递至图像特征提取模块,图像特征提取模块利用HAAR+AdaBoost特征提取数据中鱼类的粪便图像,并将图像数据传递至预警模块中,预警模块根据鱼群的粪便图像判断鱼群的生活情况,并及时发出预警,鱼苗分类模块根据鱼苗的种类通过聚类算法进行分类,将分类后的鱼苗分别投放至不同环境的池塘中。本发明采用智能化系统进行管理,极大的提高了养殖场的管理效率,且降低了人力的劳动成本,方便养殖人员进行养殖。
Description
技术领域
本发明涉及水产管理技术领域,特别涉及一种水产养殖管理系统。
背景技术
目前,在鱼类养殖的过程中,由于鱼类对水环境的要求较高,需要判断鱼类的水环境需求,从而进行分类和环境调整,还需要对粪便进行观察,从而预防鱼病,因此,需要对养殖场内的鱼苗和环境进行控制和管理,而目前的管理通常采用人工控制的方式,极大的提高了人工的劳动成本,且无法及时的起到管理和预防的作用,降低了管理的效率。
发明内容
本发明要解决的技术问题是克服现有技术的缺陷,提供一种水产养殖管理系统,解决目前管理过程中采用人工管理的方式,极大降低了管理效率和增大劳动成本的问题。
为了解决上述技术问题,本发明提供了如下的技术方案:
本发明一种水产养殖管理系统,包括视频监控单元、鱼苗分类模块、数据库、池塘环境监测模块、中央控制模块、动作执行模块,所述视频监控单元包括图像采集模块、图像特征提取模块、预警模块,所述图像采集模块用于采集养殖场内的鱼群生活环境图像,并将数据传递至图像特征提取模块,所述图像特征提取模块利用HAAR+AdaBoost特征提取数据中鱼类的粪便图像,并将图像数据传递至预警模块中,所述预警模块根据鱼群的粪便图像判断鱼群的生活情况,并及时发出预警,所述鱼苗分类模块根据鱼苗的种类通过聚类算法进行分类,将分类后的鱼苗分别投放至不同环境的池塘中,所述池塘环境监测模块用于检测池塘的环境数据,并将数据传递至中央控制模块,所述中央控制模块根据鱼苗分类模块的池塘环境数据进行调整,将控制指令输出至动作执行模块,且将调整数据传递至数据库中进行存储,所述动作执行模块根据数据的控制指令将改变池塘的环境,所述数据库存储有当前渔场环境数据。
作为本发明的一种优选技术方案,所述HAAR+AdaBoost特征提取模型对鱼群粪便的图像的特征进行提取的步骤如下:
S1、采用HAAR特征中的积分图像的方式计算改特征值;
S2、将适用于鱼类粪便的各类HAAR特征采用AdaBoost算法得到的强分类器;
S3、将强分类器级联起来得到最终的级联分类器,从而得出鱼类粪便识别的图像。
作为本发明的一种优选技术方案,所述鱼苗分类模块采用kmeans聚类算法,将鱼苗的生活环境数据特征放入数据库中,根据不同环境的池塘的数量预先设定好k个类和每个类的质心,计算鱼苗的生活环境数据属于哪一类,再重新计算该类的质心,直到收敛,从而确定鱼苗的种类特征的类别,并根据该类别输出至对应的池塘中。
作为本发明的一种优选技术方案,所述鱼类生活环境数据包括温度数据和水质数据。
作为本发明的一种优选技术方案,所述池塘环境监测模块采用传感器进行环境数据监测,所述传感器包括PH值传感器、溶解氧传感器、水位传感器和水温传感器。
与现有技术相比,本发明的有益效果如下:
本发明采用智能化系统进行管理,利用图像特征提取模块对鱼类的病害问题进行检测,同时,利用智能分类的模式对鱼苗进行分类,极大的提高了养殖场的管理效率,提高了鱼类的存活率,且降低了人力的劳动成本,方便养殖人员进行养殖。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的整体结构示意图;
图中:1、视频监控单元;2、鱼苗分类模块;3、数据库;4、池塘环境监测模块;5、中央控制模块;6、动作执行模块;7、图像采集模块;8、图像特征提取模块;9、预警模块。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
此外,如果已知技术的详细描述对于示出本发明的特征是不必要的,则将其省略。
实施例1
如图1所示,本发明提供一种水产养殖管理系统,包括视频监控单元1、鱼苗分类模块2、数据库3、池塘环境监测模块4、中央控制模块5、动作执行模块6,视频监控单元1包括图像采集模块7、图像特征提取模块8、预警模块9,图像采集模块7用于采集养殖场内的鱼群生活环境图像,并将数据传递至图像特征提取模块8,图像特征提取模块8利用HAAR+AdaBoost特征提取数据中鱼类的粪便图像,并将图像数据传递至预警模块9中,预警模块9根据鱼群的粪便图像判断鱼群的生活情况,并及时发出预警,鱼苗分类模块2根据鱼苗的种类通过聚类算法进行分类,将分类后的鱼苗分别投放至不同环境的池塘中,池塘环境监测模块4用于检测池塘的环境数据,并将数据传递至中央控制模块5,中央控制模块5根据鱼苗分类模块2的池塘环境数据进行调整,将控制指令输出至动作执行模块6,且将调整数据传递至数据库3中进行存储,动作执行模块6根据数据的控制指令将改变池塘的环境,数据库3存储有当前渔场环境数据。
在养殖过程中,需要根据鱼类的排泄状况,预防鱼病,所以需要提取鱼类粪便的图像数据,目前需要人工进行识别,影响管理效率,无法起到及时预防的作用,因此,本申请采用HAAR+AdaBoost特征提取模型对鱼群粪便的图像的特征进行提取的步骤如下:
S1、采用HAAR特征中的积分图像的方式计算改特征值;
S2、将适用于鱼类粪便的各类HAAR特征采用AdaBoost算法得到的强分类器;
S3、将强分类器级联起来得到最终的级联分类器,从而得出鱼类粪便识别的图像。
在养殖过程中,养殖场的鱼塘规模通常是固定的,也就是说要将各种不同的鱼类要放入至固定数量的鱼塘之中,有些养殖场的规模较小,只有两到三个不同环境的鱼塘,鱼塘数量少就无法按照每个不同鱼类种类放入不同环境的鱼塘,只能将具有相似生活环境的鱼类放入同一环境的鱼塘,而这种分类需要人工进行分别,因此,本申请为了减少人工劳动的成本,采用鱼苗分类模块2进行自动智能分类,提高养殖场的管理效率,其中,鱼苗分类模块2采用kmeans聚类算法,将鱼苗的生活环境数据特征放入数据库中,根据不同环境的池塘的数量预先设定好k个类和每个类的质心,计算鱼苗的生活环境数据属于哪一类,再重新计算该类的质心,直到收敛,从而确定鱼苗的种类特征的类别,并根据该类别输出至对应的池塘中。
假设当前鱼类生活环境数据为x(m+1),将当前数据放入数据库{x(1)、x(2)……x(m)}中得到训练样本集{x(1)、x(2)……x(m+1)},再预先设定好k个类和每个类的质心为μ1,μ2,…,μk,k表示鱼塘个数,重复下面过程直到收敛{
对于每一个样例i,计算其应该属于的类
对于每一个类j,重新计算该类的质心
}
x(i)属于训练样本集{x(1)、x(2)……x(m+1)},c(i)代表样例i与k个类中距离最近的那个类,c(i)的值是1到k中的一个。质心μj代表我们对属于同一个类的样本中心点的猜测。
由上述计算可以得到C(m+1),即样例m+1当前数据与k个类中距离最近的那个类,从而根据该类别将鱼苗放置在相似类别的鱼塘中。
在养殖时,需要通过池塘环境监测模块4、中央控制模块5、动作执行模块及时的调整鱼塘的环境数据,从而设置出符合一类鱼群的生活环境。
其中,鱼类生活环境数据包括温度数据和水质数据,池塘环境监测模块4采用传感器进行环境数据监测,传感器包括PH值传感器、溶解氧传感器、水位传感器和水温传感器。
本发明采用智能化系统进行管理,利用图像特征提取模块对鱼类的病害问题进行检测,同时,利用智能分类的模式对鱼苗进行分类,极大的提高了养殖场的管理效率,提高了鱼类的存活率,且降低了人力的劳动成本,方便养殖人员进行养殖。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种水产养殖管理系统,包括视频监控单元(1)、鱼苗分类模块(2)、数据库(3)、池塘环境监测模块(4)、中央控制模块(5)、动作执行模块(6),其特征在于,所述视频监控单元(1)包括图像采集模块(7)、图像特征提取模块(8)、预警模块(9),所述图像采集模块(7)用于采集养殖场内的鱼群生活环境图像,并将数据传递至图像特征提取模块(8),所述图像特征提取模块(8)利用HAAR+AdaBoost特征提取数据中鱼类的粪便图像,并将图像数据传递至预警模块(9)中,所述预警模块(9)根据鱼群的粪便图像判断鱼群的生活情况,并及时发出预警,所述鱼苗分类模块(2)根据鱼苗的种类通过聚类算法进行分类,将分类后的鱼苗分别投放至不同环境的池塘中,所述池塘环境监测模块(4)用于检测池塘的环境数据,并将数据传递至中央控制模块(5),所述中央控制模块(5)根据鱼苗分类模块(2)的池塘环境数据进行调整,将控制指令输出至动作执行模块(6),且将调整数据传递至数据库(3)中进行存储,所述动作执行模块(6)根据数据的控制指令将改变池塘的环境,所述数据库(3)存储有当前渔场环境数据。
2.根据权利要求1所述的一种水产养殖管理系统,其特征在于,所述HAAR+AdaBoost特征提取模型对鱼群粪便的图像的特征进行提取的步骤如下:
S1、采用HAAR特征中的积分图像的方式计算改特征值;
S2、将适用于鱼类粪便的各类HAAR特征采用AdaBoost算法得到的强分类器;
S3、将强分类器级联起来得到最终的级联分类器,从而得出鱼类粪便识别的图像。
3.根据权利要求1所述的一种水产养殖管理系统,其特征在于,所述鱼苗分类模块(2)采用kmeans聚类算法,将鱼苗的生活环境数据特征放入数据库(3)中,根据不同环境的池塘的数量预先设定好k个类和每个类的质心,计算鱼苗的生活环境数据属于哪一类,再重新计算该类的质心,直到收敛,从而确定鱼苗的种类特征的类别,并根据该类别输出至对应的池塘中。
4.根据权利要求3所述的一种水产养殖管理系统,其特征在于,所述鱼类生活环境数据包括温度数据和水质数据。
5.根据权利要求1所述的一种水产养殖管理系统,其特征在于,所述池塘环境监测模块(4)采用传感器进行环境数据监测,所述传感器包括PH值传感器、溶解氧传感器、水位传感器和水温传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010324447.XA CN111507295B (zh) | 2020-04-23 | 2020-04-23 | 一种水产养殖管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010324447.XA CN111507295B (zh) | 2020-04-23 | 2020-04-23 | 一种水产养殖管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111507295A true CN111507295A (zh) | 2020-08-07 |
CN111507295B CN111507295B (zh) | 2023-03-07 |
Family
ID=71876726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010324447.XA Active CN111507295B (zh) | 2020-04-23 | 2020-04-23 | 一种水产养殖管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507295B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112772485A (zh) * | 2021-01-15 | 2021-05-11 | 广西壮族自治区水产科学研究院 | 一种对虾生态养殖方法 |
CN115152666A (zh) * | 2022-08-11 | 2022-10-11 | 龚建国 | 一种基于水质调控的多营养层级水产综合养殖系统 |
CN117575368A (zh) * | 2024-01-15 | 2024-02-20 | 中国水产科学研究院南海水产研究所 | 一种基于物联网技术的水产种质资源管理方法及系统 |
CN117575368B (zh) * | 2024-01-15 | 2024-05-03 | 中国水产科学研究院南海水产研究所 | 一种基于物联网技术的水产种质资源管理方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6192833B1 (en) * | 1998-03-16 | 2001-02-27 | Clemson University | Partitioned aquaculture system |
JP2002171864A (ja) * | 2000-12-11 | 2002-06-18 | Yoshio Fujita | 魚類養殖法 |
CN103688892A (zh) * | 2013-12-25 | 2014-04-02 | 苏州市阳澄湖渔业科技中心有限公司 | 一种鱼苗分层养殖系统 |
EP2818864A1 (en) * | 2013-06-28 | 2014-12-31 | Fujitsu Limited | Remote assistance for aquarists |
CN104345695A (zh) * | 2013-07-30 | 2015-02-11 | 南京国之鑫科技有限公司 | 水产养殖环境智能监控系统 |
CN105091938A (zh) * | 2015-07-09 | 2015-11-25 | 北京农业信息技术研究中心 | 畜禽健康状况监测方法及系统 |
US20180181876A1 (en) * | 2016-12-22 | 2018-06-28 | Intel Corporation | Unsupervised machine learning to manage aquatic resources |
CN108897363A (zh) * | 2018-08-13 | 2018-11-27 | 河海大学常州校区 | 一种基于大数据分析的水族箱智能控制系统 |
CN109591982A (zh) * | 2018-12-29 | 2019-04-09 | 浙江大学 | 一种无人监控水下养殖机器人 |
CN110119165A (zh) * | 2019-04-19 | 2019-08-13 | 淮阴工学院 | 一种水产养殖池塘溶解氧检测装置 |
CN110244626A (zh) * | 2019-06-21 | 2019-09-17 | 南京邮电大学 | 基于强化学习的多用户水产养殖自动调控系统及方法 |
CN110250079A (zh) * | 2019-07-04 | 2019-09-20 | 仲恺农业工程学院 | 基于多网融合的水产养殖环境精准感知装置 |
CN209824854U (zh) * | 2019-03-12 | 2019-12-24 | 湖北有才农牧科技股份公司 | 一种联排式水产分类养殖池 |
WO2020073280A1 (zh) * | 2018-10-10 | 2020-04-16 | 苏州鱼之源生物科技有限公司 | 一种区块式仿生态池塘繁殖育苗设备及方法 |
CN112841098A (zh) * | 2021-01-15 | 2021-05-28 | 广西壮族自治区水产科学研究院 | 一种对虾草共生养殖方法 |
-
2020
- 2020-04-23 CN CN202010324447.XA patent/CN111507295B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6192833B1 (en) * | 1998-03-16 | 2001-02-27 | Clemson University | Partitioned aquaculture system |
JP2002171864A (ja) * | 2000-12-11 | 2002-06-18 | Yoshio Fujita | 魚類養殖法 |
EP2818864A1 (en) * | 2013-06-28 | 2014-12-31 | Fujitsu Limited | Remote assistance for aquarists |
CN104345695A (zh) * | 2013-07-30 | 2015-02-11 | 南京国之鑫科技有限公司 | 水产养殖环境智能监控系统 |
CN103688892A (zh) * | 2013-12-25 | 2014-04-02 | 苏州市阳澄湖渔业科技中心有限公司 | 一种鱼苗分层养殖系统 |
CN105091938A (zh) * | 2015-07-09 | 2015-11-25 | 北京农业信息技术研究中心 | 畜禽健康状况监测方法及系统 |
US20180181876A1 (en) * | 2016-12-22 | 2018-06-28 | Intel Corporation | Unsupervised machine learning to manage aquatic resources |
CN108897363A (zh) * | 2018-08-13 | 2018-11-27 | 河海大学常州校区 | 一种基于大数据分析的水族箱智能控制系统 |
WO2020073280A1 (zh) * | 2018-10-10 | 2020-04-16 | 苏州鱼之源生物科技有限公司 | 一种区块式仿生态池塘繁殖育苗设备及方法 |
CN109591982A (zh) * | 2018-12-29 | 2019-04-09 | 浙江大学 | 一种无人监控水下养殖机器人 |
CN209824854U (zh) * | 2019-03-12 | 2019-12-24 | 湖北有才农牧科技股份公司 | 一种联排式水产分类养殖池 |
CN110119165A (zh) * | 2019-04-19 | 2019-08-13 | 淮阴工学院 | 一种水产养殖池塘溶解氧检测装置 |
CN110244626A (zh) * | 2019-06-21 | 2019-09-17 | 南京邮电大学 | 基于强化学习的多用户水产养殖自动调控系统及方法 |
CN110250079A (zh) * | 2019-07-04 | 2019-09-20 | 仲恺农业工程学院 | 基于多网融合的水产养殖环境精准感知装置 |
CN112841098A (zh) * | 2021-01-15 | 2021-05-28 | 广西壮族自治区水产科学研究院 | 一种对虾草共生养殖方法 |
Non-Patent Citations (5)
Title |
---|
BAO YJ等: "Representation of freshwater aquaculture fish behavior in low dissolved oxygen condition based on 3D computer vision", 《3RD INTERNATIONAL CONFERENCE ON MATERIALS SCIENCE AND NANOTECHNOLOGY (ICMSNT)》 * |
JUNG Y G等: "Environmental Key Influence Features in Fish Farming Using by Clustering Algorithms", 《INTERNATIONAL INFORMATION INSTITUTE (TOKYO)》 * |
KANG M S等: "A Study on the Search of Optimal Aquaculture farm condition based on Machine Learning", 《THE JOURNAL OF THE INSTITUTE OF INTERNET, BROADCASTING AND COMMUNICATION》 * |
张婧怡等: "不同养殖环境下罗非鱼肠道微生物的比较分析", 《广西科学院学报》 * |
王建平: "水产主要病害监测、预警和减损技术集成研究与应用", 《宁波市海洋与渔业研究院科技成果》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112772485A (zh) * | 2021-01-15 | 2021-05-11 | 广西壮族自治区水产科学研究院 | 一种对虾生态养殖方法 |
CN115152666A (zh) * | 2022-08-11 | 2022-10-11 | 龚建国 | 一种基于水质调控的多营养层级水产综合养殖系统 |
CN117575368A (zh) * | 2024-01-15 | 2024-02-20 | 中国水产科学研究院南海水产研究所 | 一种基于物联网技术的水产种质资源管理方法及系统 |
CN117575368B (zh) * | 2024-01-15 | 2024-05-03 | 中国水产科学研究院南海水产研究所 | 一种基于物联网技术的水产种质资源管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111507295B (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108450386B (zh) | 一种工厂化水产养殖的水质调控系统与方法 | |
Kuntz | Notes on the embryology and larval development of twelve teleostean fishes | |
CN109145032A (zh) | 一种蜜蜂养殖智能监测方法与系统 | |
CN111507295B (zh) | 一种水产养殖管理系统 | |
CN110583550A (zh) | 基于目标检测与跟踪的鱼虾参养殖精准投喂系统及装置 | |
CN111640139A (zh) | 一种基于鱼群行为时空特性的循环水养殖水质智能预警装置和方法 | |
KR102276462B1 (ko) | 인공지능 딥러닝을 이용한 스마트 양식장 관리 fems시스템 | |
CN112506120A (zh) | 一种基于物联网的智慧渔业管理系统 | |
CN103222435B (zh) | 一种金乌贼快速生长品系的选育方法 | |
CN116778430B (zh) | 肉牛养殖的疾病监测系统及其方法 | |
CN113841650A (zh) | 一种室外养殖池塘智能投饵系统及其管控方法 | |
CN109213017A (zh) | 水产养殖智能投饲系统及方法 | |
TW202002772A (zh) | 智慧深度學習農漁培養系統 | |
CN107242176A (zh) | 一种网箱养殖系统 | |
CN111783745A (zh) | 一种应用于池塘养殖的鱼类健康判断方法、装置及计算机可读存储介质 | |
CN107667991A (zh) | 一种桑蚕智能喂食系统 | |
Rohit et al. | IOT based submersible ROV for pisciculture | |
CN204229274U (zh) | 水产养殖智能监控系统 | |
CN114089663A (zh) | 智能喂食控制系统及控制方法 | |
CN206593694U (zh) | 一种农业环境监测系统 | |
CN114519538B (zh) | 一种有效控制营养物质循环利用的多营养层次养殖系统 | |
KR20180080731A (ko) | 뱀장어 양식장용 자동사료 공급량 판별장치 및 그 방법 | |
CN115019162A (zh) | 一种基于深度学习的桑蚕检测方法 | |
CN108958184A (zh) | 一种基于物联网的智慧渔业管理系统 | |
KR20150118208A (ko) | 실시간 모니터링 및 자동제어 시스템 |
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 |