CN112578725B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112578725B CN112578725B CN202011485957.1A CN202011485957A CN112578725B CN 112578725 B CN112578725 B CN 112578725B CN 202011485957 A CN202011485957 A CN 202011485957A CN 112578725 B CN112578725 B CN 112578725B
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- information
- early warning
- preset
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明涉及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，包括：获取设备参数信息，提取特征值，建立参数模型；通过大数据获取历史养殖环境数据，并进行预处理，得到历史养殖环境信息；通过参数模型结合历史养殖环境信息，生成设备预设信息；采集设备实时运行数据，将设备实时运行数据与设备预设信息进行比较，得到偏差率；判断所述偏差率是否大于预设偏差率阈值；若大于，则生成设备预警信息；将设备预警信息按照预定方式传输至监控平台。
Description
技术领域
本发明涉及一种养殖设施安全预警系统，尤其涉及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。
背景技术
我国是世界上最大的水产养殖大国，水产品产量约占全世界的，也是世界上唯一的养殖产量超过捕榜产量的国家，我国水产养殖产量4547万吨，占水产总量的73.67％，为我国城乡居民提供的动物蛋白，水产养殖在解决粮食危机、食品安全、改善民生、改进膳食结构、增加农民收入、扩大出口创汇等方面发挥了重要作用。然而因养殖模式主要沿用靠天靠经验、粗放经营的传统养殖模式，一味追求产量和经济效益，易出现超容量、高密养殖，投馆、施药、施肥不科学不合理，导致养殖水质自污染严重，生态失衡、极大地恶化了水产品的生长环境，给庞大的水产养殖业带来极大的养殖风险。
为了能够保证渔业水上养殖设施的安全运行需要开发一款与其相匹配的系统进行控制，通过大数据获取历史养殖环境数据，并进行预处理，得到历史养殖环境信息，通过参数模型结合历史养殖环境信息，生成设备预设信息，判断设备实时运行数据与设备预设信息得到设备预警信息，并进行渔业水上养殖设施的安全预警，如何对渔业养殖设施安全预警系统实现精准控制，是亟待要解决的问题。
发明内容
本发明克服了现有技术的不足，提供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。
为达到上述目的，本发明采用的技术方案为：一种基于物联网的渔业水上养殖设施安全预警方法，包括：
获取设备参数信息，提取特征值，建立参数模型；
通过大数据获取历史养殖环境数据，并进行预处理，得到历史养殖环境信息；
通过参数模型结合历史养殖环境信息，生成设备预设信息；
采集设备实时运行数据，将设备实时运行数据与设备预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则生成设备预警信息；
将设备预警信息按照预定方式传输至监控平台。
在本发明的一个较佳实施例中，获取设备参数信息，提取特征值，建立参数模型，具体包括：
获取设备参数信息，提取特征值，生成特征数据，
将特征数据分类成标准集数据与训练集数据；
将标准集数据进行均值化处理，并建立参数模型；
将训练集内的数据输入参数模型，得到输出数据，
判断输出数据是否大于预设阈值，若大于，
则判定该训练数据异常，并剔除对应训练集内的训练数据。
在本发明的一个较佳实施例中，所述历史养殖环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温中的一种或多种。
在本发明的一个较佳实施例中，通过大数据获取历史养殖环境数据，并进行预处理，具体包括：
获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
提取结果信息特征值，将特征值进行向量分解；
建立向量权重自适应函数，并对特征值向量进行加权计算；
加权计算后的多尺度特征向量进行融合，生成新的环境数据。
在本发明的一个较佳实施例中，设定采样时间T1,T2,T3……Tn，采集不同采样时间下的养殖环境数据，分别记为X1,X2,X3……Xn，
判断相邻时刻下的水质数据差值是否大于预定阈值，
若大于，则采用均值平滑法进行水平处理；
若小于，则采用线性差值法进行数据修复。
在本发明的一个较佳实施例中，还包括：
获取海量故障诊断数据，建立设备预警模型；
采集设备运行数据，生成设备状态曲线，
将设备状态曲线进行平滑处理，并剔除异常数据，
根据设备预警模型，生成设备故障预警信息，
根据故障预警信息，建立维修决策。
在本发明的一个较佳实施例中，获取水位信息，并将设备分割为水上区域与水下区域；
获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，若大于，则调整设备水上区域与水下区域比值；
获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，
若大于，调整设备运行数据，并生成预警信息。
本发明第二方面还提供了一种基于物联网的渔业水上养殖设施安全预警系统，该系统包括：存储器、处理器，所述存储器中包括基于物联网的渔业水上养殖设施安全预警方法程序，所述基于物联网的渔业水上养殖设施安全预警方法程序被所述处理器执行时实现如下步骤：
获取设备参数信息，提取特征值，建立参数模型；
通过大数据获取历史养殖环境数据，并进行预处理，得到历史养殖环境信息；
通过参数模型结合历史养殖环境信息，生成设备预设信息；
采集设备实时运行数据，将设备实时运行数据与设备预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则生成设备预警信息；
将设备预警信息按照预定方式传输至监控平台。
在本发明的一个较佳实施例中，获取设备参数信息，提取特征值，建立参数模型，具体包括：
获取设备参数信息，提取特征值，生成特征数据，
将特征数据分类成标准集数据与训练集数据；
将标准集数据进行均值化处理，并建立参数模型；
将训练集内的数据输入参数模型，得到输出数据，
判断输出数据是否大于预设阈值，若大于，
则判定该训练数据异常，并剔除对应训练集内的训练数据。
在本发明的一个较佳实施例中，通过大数据获取历史养殖环境数据，并进行预处理，具体包括：
获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
提取结果信息特征值，将特征值进行向量分解；
建立向量权重自适应函数，并对特征值向量进行加权计算；
加权计算后的多尺度特征向量进行融合，生成新的环境数据。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
(1)通过大数据获取历史养殖环境数据，并结合设备预警模型进行设备运行安全预警，建立对应的维修决策，保证水上养殖设施安全高效的运行，进行设施安全预警过程中，通过对剔除设备运行过程中的异常数据，减少数据冗余度，提高预警的精准性。
(2)通过分析水产养殖水质数据监测过程中造成数据数据缺失的原因，根据其特点采用线性插值法对其进行修复处理；根据数据时序性和延续性的特点，采用均值平滑法对非真实的数据进行水平修复处理，根据水质数据的周期性和相似性的特点，采用均值法进行垂直处理，该方法简单实用，可有效提高水产养殖水质关键参数的数据质量。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种基于物联网的渔业水上养殖设施安全预警方法的流程图；
图2示出了特征数据处理方法流程图；
图3示出了对环境数据进行预处理的方法流程图；
图4示出了建立维修决策方法流程图；
图5示出了一种基于物联网的渔业水上养殖设施安全预警系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于物联网的渔业水上养殖设施安全预警方法的流程图。
如图1所示，本发明第一方面提供了一种基于物联网的渔业水上养殖设施安全预警方法，包括：
S102，获取设备参数信息，提取特征值，建立参数模型；
S104，通过大数据获取历史养殖环境数据，并进行预处理，得到历史养殖环境信息；
S106，通过参数模型结合历史养殖环境信息，生成设备预设信息；
S108，采集设备实时运行数据，将设备实时运行数据与设备预设信息进行比较，得到偏差率；
S110，判断所述偏差率是否大于预设偏差率阈值；
S112，若大于，则生成设备预警信息，并将设备预警信息按照预定方式传输至监控平台。
如图2所示，本发明公开了特征数据处理方法流程图；
根据本发明实施例，获取设备参数信息，提取特征值，建立参数模型，具体包括：
S202，获取设备参数信息，提取特征值，生成特征数据，
S204，将特征数据分类成标准集数据与训练集数据；
S206，将标准集数据进行均值化处理，并建立参数模型；
S208，将训练集内的数据输入参数模型，得到输出数据，
S210，判断输出数据是否大于预设阈值，
S212，若大于，则判定该训练数据异常，并剔除对应训练集内的训练数据。
根据本发明实施例，所述历史养殖环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温中的一种或多种。
需要说明的是，根据水质的历史数据建立数学模型，用数理统计中的回归分析方法对历史数据进行统计分析，并建立回归方程，回归方程用于表征水质自身的历史水质数据与待预测的水质数据，此种方式预测速度较快，且针对样本量较大的数据能够保证较好的预测效果。
如图3所示，本发明公开了对环境数据进行预处理的方法流程图；
根据本发明实施例，通过大数据获取历史养殖环境数据，并进行预处理，具体包括：
S302，获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
S304，提取结果信息特征值，将特征值进行向量分解；
S306，建立向量权重自适应函数，并对特征值向量进行加权计算；
S308，加权计算后的多尺度特征向量进行融合，生成新的环境数据。
需要说明的是，小波分析是一种时间尺度分析和多分辨率分析的新技术，能够描述动态信号非平稳性描述、同时提取信号的频域和时域的局部信息，实现水质信号特征频率的分离与提取，具有多尺度分析和数学显微特，是一种实现水质高效、便捷的降噪和数据清洗工具。
根据本发明实施例，设定采样时间T1,T2,T3……Tn，采集不同采样时间下的养殖环境数据，分别记为X1,X2,X3……Xn，
判断相邻时刻下的水质数据差值是否大于预定阈值，
若大于，则采用均值平滑法进行水平处理；
若小于，则采用线性差值法进行数据修复。
需要说明的是，某一时刻下的水质数据变化范围在其前后时刻水质监测值的±10％以外，则认为数据异常。
如图4所示，本发明公开了建立维修决策方法流程图；
根据本发明实施例，还包括：
S402，获取海量故障诊断数据，建立设备预警模型；
S404，采集设备运行数据，生成设备状态曲线，
S406，将设备状态曲线进行平滑处理，并剔除异常数据，
S408，根据设备预警模型，生成设备故障预警信息，
S410，根据故障预警信息，建立维修决策。
根据本发明实施例，获取水位信息，并将设备分割为水上区域与水下区域；
获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，
若大于，则调整设备水上区域与水下区域比值；
获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，
若大于，调整设备运行数据，并生成预警信息。
如图5所示，本发明公开了一种基于物联网的渔业水上养殖设施安全预警系统的框图；
本发明第二方面还提供了一种基于物联网的渔业水上养殖设施安全预警系统，该系统包括：存储器、处理器，所述存储器中包括基于物联网的渔业水上养殖设施安全预警方法程序，所述基于物联网的渔业水上养殖设施安全预警方法程序被所述处理器执行时实现如下步骤：
获取设备参数信息，提取特征值，建立参数模型；
通过大数据获取历史养殖环境数据，并进行预处理，得到历史养殖环境信息；
通过参数模型结合历史养殖环境信息，生成设备预设信息；
采集设备实时运行数据，将设备实时运行数据与设备预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则生成设备预警信息；
将设备预警信息按照预定方式传输至监控平台。
根据本发明实施例，获取设备参数信息，提取特征值，建立参数模型，具体包括：
获取设备参数信息，提取特征值，生成特征数据，
将特征数据分类成标准集数据与训练集数据；
将标准集数据进行均值化处理，并建立参数模型；
将训练集内的数据输入参数模型，得到输出数据，
判断输出数据是否大于预设阈值，若大于，
则判定该训练数据异常，并剔除对应训练集内的训练数据。
需要说明的是，根据水质的历史数据建立数学模型，用数理统计中的回归分析方法对历史数据进行统计分析，并建立回归方程，回归方程用于表征水质自身的历史水质数据与待预测的水质数据，此种方式预测速度较快，且针对样本量较大的数据能够保证较好的预测效果。
根据本发明实施例，通过大数据获取历史养殖环境数据，并进行预处理，具体包括：
获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
提取结果信息特征值，将特征值进行向量分解；
建立向量权重自适应函数，并对特征值向量进行加权计算；
加权计算后的多尺度特征向量进行融合，生成新的环境数据。
需要说明的是，小波分析是一种时间尺度分析和多分辨率分析的新技术，能够描述动态信号非平稳性描述、同时提取信号的频域和时域的局部信息，实现水质信号特征频率的分离与提取，具有多尺度分析和数学显微特，是一种实现水质高效、便捷的降噪和数据清洗工具。
根据本发明实施例，设定采样时间T1,T2,T3……Tn，采集不同采样时间下的养殖环境数据，分别记为X1,X2,X3……Xn，
判断相邻时刻下的水质数据差值是否大于预定阈值，
若大于，则采用均值平滑法进行水平处理；
若小于，则采用线性差值法进行数据修复。
需要说明的是，某一时刻下的水质数据变化范围在其前后时刻水质监测值的±10％以外，则认为数据异常。
根据本发明实施例，还包括：
获取海量故障诊断数据，建立设备预警模型；
采集设备运行数据，生成设备状态曲线，
将设备状态曲线进行平滑处理，并剔除异常数据，
根据设备预警模型，生成设备故障预警信息，
根据故障预警信息，建立维修决策。
根据本发明实施例，获取水位信息，并将设备分割为水上区域与水下区域；
获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，
若大于，则调整设备水上区域与水下区域比值；
获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，
若大于，调整设备运行数据，并生成预警信息。
根据本发明实施例，所述历史养殖环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温中的一种或多种。
需要说明的是，根据水质的历史数据建立数学模型，用数理统计中的回归分析方法对历史数据进行统计分析，并建立回归方程，回归方程用于表征水质自身的历史水质数据与待预测的水质数据，此种方式预测速度较快，且针对样本量较大的数据能够保证较好的预测效果。
通过大数据获取历史养殖环境数据，并结合设备预警模型进行设备运行安全预警，建立对应的维修决策，保证水上养殖设施安全高效的运行，进行设施安全预警过程中，通过对剔除设备运行过程中的异常数据，减少数据冗余度，提高预警的精准性。
通过分析水产养殖水质数据监测过程中造成数据缺失的原因，根据其特点采用线性插值法对其进行修复处理；根据数据时序性和延续性的特点，采用均值平滑法对非真实的“不良数据”进行水平修复处理，根据水质数据的周期性和相似性的特点，采用均值法进行垂直处理，该方法简单实用，可有效提高水产养殖水质关键参数的数据质量。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于物联网的渔业水上养殖设施安全预警方法，其特征在于，包括：
获取设备参数信息，提取特征值，建立参数模型；
通过大数据获取历史养殖环境数据，并进行预处理，得到历史养殖环境信息；
通过参数模型结合历史养殖环境信息，生成设备预设信息；采集设备实时运行数据，将设备实时运行数据与设备预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则生成设备预警信息；
将设备预警信息按照预定方式传输至监控平台；
其中，获取设备参数信息，提取特征值，建立参数模型，具体包括：
获取设备参数信息，提取特征值，生成特征数据，
将特征数据分类成标准集数据与训练集数据；
将标准集数据进行均值化处理，并建立参数模型；
将训练集内的数据输入参数模型，得到输出数据，
判断输出数据是否大于预设阈值，若大于，
则判定该训练集数据异常，并剔除对应训练集内的训练数据；
其中，通过大数据获取历史养殖环境数据，并进行预处理，具体包括：
获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
提取结果信息特征值，将特征值进行向量分解；
建立向量权重自适应函数，并对特征值向量进行加权计算；
加权计算后的多尺度特征向量进行融合，生成新的环境数据；
其中，所述基于物联网的渔业水上养殖设施安全预警方法，还包括：
获取海量故障诊断数据，建立设备预警模型；
采集设备运行数据，生成设备状态曲线，
将设备状态曲线进行平滑处理，并剔除异常数据，
根据设备预警模型，生成设备故障预警信息，
根据故障预警信息，建立维修决策。
2.根据权利要求1所述的一种基于物联网的渔业水上养殖设施安全预警方法，其特征在于，所述历史养殖环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温中的一种或多种。
3.根据权利要求1所述的一种基于物联网的渔业水上养殖设施安全预警方法，其特征在于，设定采样时间T1,T2,T3......Tn，采集不同采样时间下的养殖环境数据，分别记为X1,X2,X3......Xn，
判断相邻时刻下的水质数据差值是否大于预定阈值，
若大于，则采用均值平滑法进行水平处理；
若小于，则采用线性差值法进行数据修复。
4.根据权利要求1所述的一种基于物联网的渔业水上养殖设施安全预警方法，其特征在于，
获取水位信息，并将设备分割为水上区域与水下区域；
获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，
若大于，则调整设备水上区域与水下区域比值；
获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，
若大于，调整设备运行数据，并生成预警信息。
5.根据权利要求4所述的一种基于物联网的渔业水上养殖设施安全预警方法，其特征在于，获取设备参数信息，提取特征值，建立参数模型，具体包括：
获取设备参数信息，提取特征值，生成特征数据，
将特征数据分类成标准集数据与训练集数据；
将标准集数据进行均值化处理，并建立参数模型；
将训练集内的数据输入参数模型，得到输出数据，
判断输出数据是否大于预设阈值，若大于，
则判定该训练集数据异常，并剔除对应训练集内的训练数据。
6.根据权利要求4所述的一种基于物联网的渔业水上养殖设施安全预警方法，其特征在于，通过大数据获取历史养殖环境数据，并进行预处理，具体包括：
获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
提取结果信息特征值，将特征值进行向量分解；
建立向量权重自适应函数，并对特征值向量进行加权计算；
加权计算后的多尺度特征向量进行融合，生成新的环境数据。
7.一种基于物联网的渔业水上养殖设施安全预警系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于物联网的渔业水上养殖设施安全预警方法程序，所述基于物联网的渔业水上养殖设施安全预警方法程序被所述处理器执行时实现如下步骤：
获取设备参数信息，提取特征值，建立参数模型；
通过大数据获取历史养殖环境数据，并进行预处理，得到历史养殖环境信息；
通过参数模型结合历史养殖环境信息，生成设备预设信息；采集设备实时运行数据，将设备实时运行数据与设备预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则生成设备预警信息；
将设备预警信息按照预定方式传输至监控平台；
其中，获取设备参数信息，提取特征值，建立参数模型，具体包括：
获取设备参数信息，提取特征值，生成特征数据，
将特征数据分类成标准集数据与训练集数据；
将标准集数据进行均值化处理，并建立参数模型；
将训练集内的数据输入参数模型，得到输出数据，
判断输出数据是否大于预设阈值，若大于，
则判定该训练集数据异常，并剔除对应训练集内的训练数据；
其中，通过大数据获取历史养殖环境数据，并进行预处理，具体包括：
获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
提取结果信息特征值，将特征值进行向量分解；
建立向量权重自适应函数，并对特征值向量进行加权计算；
加权计算后的多尺度特征向量进行融合，生成新的环境数据；
其中，所述基于物联网的渔业水上养殖设施安全预警方法，还包括：
获取海量故障诊断数据，建立设备预警模型；
采集设备运行数据，生成设备状态曲线，
将设备状态曲线进行平滑处理，并剔除异常数据，
根据设备预警模型，生成设备故障预警信息，
根据故障预警信息，建立维修决策。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011485957.1A CN112578725B (zh) | 2020-12-16 | 2020-12-16 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011485957.1A CN112578725B (zh) | 2020-12-16 | 2020-12-16 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112578725A CN112578725A (zh) | 2021-03-30 |
| CN112578725B true CN112578725B (zh) | 2022-09-13 |
Family
ID=75135608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011485957.1A Active CN112578725B (zh) | 2020-12-16 | 2020-12-16 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112578725B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113591540B (zh) * | 2021-06-02 | 2024-01-09 | 中国水产科学研究院南海水产研究所 | 一种渔业非法捕捞监测与预警方法及系统 |
| CN113747270B (zh) * | 2021-09-06 | 2024-01-02 | 蓝鲸智云智能科技南京有限公司 | 一种云数据中心物联管控系统 |
| CN114723151A (zh) * | 2022-04-18 | 2022-07-08 | 山东兖矿国拓科技工程股份有限公司 | 一种物联网环境信息的预测方法及装置 |
| CN115067243B (zh) * | 2022-07-07 | 2024-02-13 | 武汉很多鱼钓具有限公司 | 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 |
| CN114997536A (zh) * | 2022-08-01 | 2022-09-02 | 中国水产科学研究院南海水产研究所 | 一种养殖尾水污染检测方法、系统及介质 |
| CN115407711B (zh) * | 2022-10-28 | 2023-03-10 | 山东柏源技术有限公司 | 一种面向企业管理的企业运营监管系统 |
| CN116227745B (zh) * | 2023-05-06 | 2023-08-04 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的涉渔船舶调查分析方法及系统 |
| CN116935327B (zh) * | 2023-09-07 | 2023-12-22 | 深圳市明心数智科技有限公司 | 基于ai视觉的水产养殖监控方法、装置、设备及存储介质 |
| CN117312879B (zh) * | 2023-11-09 | 2024-06-25 | 正川(珠海)科技有限公司 | 一种注塑机生产数据监督预警方法、系统及介质 |
| CN117405975B (zh) * | 2023-12-14 | 2024-03-22 | 深圳鹏城新能科技有限公司 | 一种pv面板绝缘电阻检测方法、系统及介质 |
| CN118209693A (zh) * | 2024-03-19 | 2024-06-18 | 盐城市农业信息中心(盐城市互联网农业发展中心) | 可移动式养殖水系监测装置及监测系统 |
| CN118160676B (zh) * | 2024-04-25 | 2024-09-24 | 江苏省海洋水产研究所 | 一种水产养殖的自动增氧装置及方法 |
| CN118657344A (zh) * | 2024-08-16 | 2024-09-17 | 浙江恒泽生态农业科技有限公司 | 淡水池塘多营养层级数字化综合养殖方法及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107483632A (zh) * | 2017-09-20 | 2017-12-15 | 程丹秋 | 一种水产品养殖环境智能监测系统 |
| CN108332792A (zh) * | 2018-02-05 | 2018-07-27 | 中国农业大学 | 陆基工厂化循环水产养殖设备运行状态监测系统 |
| CN109445391A (zh) * | 2018-11-08 | 2019-03-08 | 江苏大学 | 一种基于物联网的水产养殖多参数智能监控系统及其方法 |
| CN109784574A (zh) * | 2019-01-24 | 2019-05-21 | 新奥数能科技有限公司 | 设备状态的预测方法及装置、存储介质、电子装置 |
| CN110865671A (zh) * | 2019-11-28 | 2020-03-06 | 重庆工商大学 | 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 |
-
2020
- 2020-12-16 CN CN202011485957.1A patent/CN112578725B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112578725A (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112578725B (zh) | 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 | |
| CN103065149B (zh) | 网纹甜瓜果实表型提取与量化方法 | |
| CN116227745B (zh) | 一种基于大数据的涉渔船舶调查分析方法及系统 | |
| CN109376589A (zh) | 基于卷积核筛选ssd网络的rov形变目标与小目标识别方法 | |
| CN110717552B (zh) | 一种输电线路通道可视化机械类连续告警的确定方法 | |
| CN111966759B (zh) | 一种港池航道通航保障评估方法、系统、装置及介质 | |
| CN114998603B (zh) | 一种基于深度多尺度特征因子融合的水下目标检测方法 | |
| Schneider et al. | Counting fish and dolphins in sonar images using deep learning | |
| CN117726052B (zh) | 基于分形维数的产量预测方法、装置、设备及介质 | |
| CN115546622A (zh) | 鱼群检测方法及系统、电子设备和存储介质 | |
| CN112907107A (zh) | 一种基于多源信息融合的渔业事故应急处理系统及方法 | |
| CN115423225A (zh) | 一种基于大数据的渔港作业管理方法及系统 | |
| CN106417143A (zh) | 一种基于被动声学信息的淡水鱼品种识别装置和方法 | |
| CN117350435A (zh) | 一种对虾工厂化养殖设备管理方法及系统 | |
| CN112859056B (zh) | 一种用于大型海洋生物的远程预警系统及方法 | |
| CN112001641B (zh) | 一种扇贝养殖区适宜性遥感评估系统 | |
| CN112365093A (zh) | 一种基于gru深度学习的多特征因子赤潮预测模型 | |
| CN116720666B (zh) | 一种基于大数据的海洋牧场自动化监测方法及系统 | |
| Pargi et al. | Improving Aquaculture Systems using AI: Employing predictive models for Biomass Estimation on Sonar Images | |
| Kiyofuji | Skipjack catch per unit effort (CPUE) in the WCPO from the Japanese pole-and-line fisheries | |
| CN111930982A (zh) | 一种电网图像智能标签方法 | |
| CN113723448B (zh) | 图像中对象分类和计数方法、装置、电子设备及介质 | |
| CN115496307B (zh) | 一种基于物联网通信的渔业船舶生产方法、系统及介质 | |
| CN117909691B (zh) | 一种海洋工程设计数据的获取系统及方法 | |
| CN117994064B (zh) | 基于水质智能感知的鲫鱼繁育全流程监测方法及系统 |
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 |