CN112965557A - 智能龙虾养殖监测装置及监测方法 - Google Patents
智能龙虾养殖监测装置及监测方法 Download PDFInfo
- Publication number
- CN112965557A CN112965557A CN202110137164.9A CN202110137164A CN112965557A CN 112965557 A CN112965557 A CN 112965557A CN 202110137164 A CN202110137164 A CN 202110137164A CN 112965557 A CN112965557 A CN 112965557A
- Authority
- CN
- China
- Prior art keywords
- lobster
- water
- breeding
- controller
- monitoring
- 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
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F7/00—Aeration of stretches of water
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了智能龙虾养殖监测装置,包括养殖监测船和监控计算机,养殖监测船包括船体以及取水机构、增氧机构、控制器,取水机构内部设有与控制器连接的溶氧传感器;增氧机构包括曝气盘,曝气盘经气管与鼓风机的输出口连接,曝气盘布满微孔,鼓风机的控制端与控制器连接;船体底部设有与控制器连接的超声波传感器、水下摄像头;船体上设有与控制器连接的水上摄像头。本发明还公开了一种龙虾养殖监测方法。本发明提供了能检测虾群分布、活动情况的远程控制的监测船,利用神经网络模型识别判断是否有龙虾密度大的情况,并进行龙虾密度的识别,实时性和准确性好。
Description
技术领域
本发明属于养殖监控领域,具体涉及一种智能龙虾养殖监测装置及监测方法。
背景技术
养殖龙虾的虾塘特别是塘底容易出现缺氧现象。现有养殖供氧技术中,龙虾养殖的供氧技术有限,供氧方法不科学,供氧设备操作繁琐,导致小龙虾的生长速度较慢,质量较差。龙虾养殖中,水质管理非常重要,水质溶解氧的管理是其中心环节。养殖水体的溶氧一般应保持在3-8mg/L,至少在3mg/L以上。轻度缺氧时,小龙虾表现烦躁不安,呼吸加快,大多数集中在水表层活动,个别浮头,长期缺氧将严重影响小龙虾的生长、呼吸;严重缺氧时,大量对小龙虾浮头,游泳无力,甚至沉底、窒息死亡。因此,增加溶解氧对整个小龙虾养殖系统来讲非常重要。
小龙虾的养殖水体PH值应尽量保持在7.5-8.5的微碱性才有利于小龙虾的正常生长和发育。当PH值<6.5时,水质酸性过高;当PH值>9.5,水质碱性过高,均需要进行水质调控。水位太深时,小龙虾自身的爬行能力与池塘水深不成正比,小龙虾长期处于深水区,不能正常交换呼吸氧气,会死亡。春季,一般水深保持在0.6-1米,浅水有利于水草的生长和虾苗的脱壳生长;夏季,水温较高时,水深控制在1-1.5米,有利于小龙虾度过高温季节;冬季,水位并不需要很深,一般而言,环沟水位控制在80-120公分左右,台田水位保持在30-40公分左右,既能维持水草栽种及正常生长所需要的水位,又能保持一定的水体温度,还可以湿润池塘或稻田周边土地,方便龙虾打洞。开春之后,则需要随着气温升高逐渐增加水位。
小龙虾养殖需要保持在合理的密度范围内。如果小龙虾放养密度过大,会导致其生长活动环境变差,诱发密度应急效应,群体聚集在一起会出现打斗残杀的现象,从近些年养殖情况来看,密度过大应是小龙虾短期大量死亡的关键原因之一。
目前,市面上用于水产养殖主要的增氧装置有水车式、叶轮式、喷水式等等,普遍增氧效率低,效果差。
发明内容
本发明的目的是针对上述问题,提供一种智能龙虾养殖监测装置,利用养殖监测船的鼓风机和微孔曝气盘对水体增氧,利用养殖监测船的超声波传感器检测虾塘不同位置的水深和水深变化以及虾群的分布、活动情况,分别利用养殖监测船的水上摄像头、水下摄像头采取水面、水下图像,实时掌握龙虾的活动、生长情况。
本发明的技术方案是智能龙虾养殖监测装置,包括养殖监测船和监控计算机,还包括经无线网络通讯连接的第一无线传输单元和第二无线传输单元,第一无线传输单元与控制器连接,第二无线传输单元与监控计算机连接;养殖监测船包括船体以及取水机构、增氧机构、控制器,取水机构内部设有与控制器连接的溶氧传感器;增氧机构包括曝气盘,曝气盘经气管与鼓风机的输出口连接,曝气盘布满微孔,鼓风机的控制端与控制器连接;船体底部设有与控制器连接的水下摄像头和超声波传感器;船体上设有与控制器连接的水上摄像头。
取水机构包括容水腔体以及分别与其连接的进水管、出水管,容水腔体上方设有多个检测筒,溶氧传感器位于检测筒底端,进水管设有水泵。容水腔体采用施釉陶瓷。
优选地,养殖监测船还包括与控制器连接的定位模块。
优选地,智能龙虾养殖监测装置还包括与监控计算机连接的基准站。
优选地,船体上设有与控制器连接的人体传感器。
利用上述的智能龙虾养殖监测装置的监测方法,包括以下步骤:
步骤1:利用超声波传感器检测龙虾养殖塘的水位,若水位过高,则向养殖管理人员报警;
步骤2:利用PH值传感器采集龙虾养殖塘水体的PH值,若PH值偏离龙虾养殖的PH值范围,则提醒养殖管理人员;
步骤3:利用溶氧传感器采集龙虾养殖塘水体的含氧量,根据水体含氧量控制增氧设备启停;
步骤4:利用超声波传感器检测龙虾群分布情况;
步骤5:根据水上摄像头采集的龙虾水面活动图像,利用第一神经网络模型识别判断是否有龙虾浮头现象,若判断有龙虾浮头现象,则提醒养殖管理人员;
步骤6:对水下摄像头采集的龙虾水下活动图像进行图像增强,利用第二神经网络模型根据龙虾水下活动图像识别判断龙虾群密集程度,若判断龙虾密度程度高,则提醒养殖管理人员;若判断龙虾密度程度高,则提醒养殖管理人员;利用第二神经网络模型识别判断是否有龙虾沉底死亡现象,将识别结果发送给养殖管理人员。
优选地,第一神经网络模型采用DenseNet网络,包括依次连接的卷积层、池化层、第一稠密块、第一连接层、第二稠密块、第二连接层、第三稠密块、第三连接层、第四稠密块和分类层。
优选地,第二神经网络模型采用YOLO v4网络。
步骤6中,将龙虾密度程度的分类包括大、较大、中、较小、小。
步骤6中,针对水体透明度和光照强度对采集的龙虾水下活动图像的清晰度和亮度、对比度的影响,利用Python的Albumentations图像数据增强库中的Sharpen锐化工具对龙虾水下活动图像进行锐化处理后,再利用Random Brightness Contrast对比度工具对龙虾水下活动图像进行图像增强,以便于第二神经网络模型对龙虾水下活动情况进行准确识别判断。
相比现有技术,本发明的有益效果包括:
1)提供了可精确定位、能检测虾群分布、活动情况的远程控制的监测船;
2)实时检测虾塘水体含氧量,利用鼓风机和曝气盘对虾塘水体进行增氧,增氧效率高,增氧效果好;
3)可检测虾塘不同位置的水深及水深变化,便于养殖管理人员及时补水或排水,提高龙虾产量;
4)可实时检测靠近虾塘的人员,检测到陌生人员靠近时,发出声光报警,可防盗、防投毒;
5)实现了虾塘水体的含氧量、PH值和水温的实时检测,便于养殖管理人员实时掌握虾塘水质情况;
6)养殖管理人员可远程控制监测船的行进并采集虾塘水面、水下图像,对虾塘进行巡察;
7)传感器设于施釉陶瓷的容水腔体内检测筒底部,检测时通过水泵从虾塘中取水,可有效防止传感器受青苔等影响,保护传感器探头,提高了传感器检测结果的精度;
8)利用DenseNet网络根据龙虾水面活动图像,识别判断有无龙虾异常浮头情况,实时性好,精度高;
9)利用YOLO v4网络根据龙虾水下活动图像,识别判断是否有龙虾密度大的情况,并标注出沉底的龙虾,实时性和准确性好;
10)对水下摄像头拍摄的龙虾水下活动图像,利用锐化工具和对比度工具进行图像增强,提高了龙虾密度识别的准确率;
11)利用超声波检测水体中虾群分布和龙虾密度,验证第二神经网络根据龙虾水下活动图像识别判断的龙虾密度的准确性,训练第二神经网络,提高第二神经网络的识别判断的精度。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本发明实施例的养殖监测船的结构示意图。
图2为本发明实施例的电路结构框图。
图3为本发明实施例的曝气盘的示意图。
图4为本发明实施例的第一神经网络模型的示意图。
图5为本发明实施例的第二神经网络模型的示意图。
具体实施方式
如图1-3所示,智能龙虾养殖监测装置,包括养殖监测船、监控计算机20以及分别与其连接的基准站22、第二无线传输单元21,监控计算机连接互联网。
养殖监测船包括船体1以及取水机构2、增氧机构3和控制器4,船体1上方设有顶盖18,顶盖18靠近船头处设有与控制器4连接的水上摄像头11,顶盖18下还设有与控制器4连接的警报器10、人体传感器19。船体1尾部设有可变方面的螺旋桨8,螺旋桨的轴心与马达9的输出轴连接,马达9的控制端与控制器4连接。船体1底部设有分别与控制器4连接的水下摄像头7和超声波传感器6。船体上设有分别与控制器4连接的第一无线传输单元5、定位模块15、散热风扇16和电源模块17,散热风扇16用于给鼓风机302散热。第一无线传输单元5经无线网络与养殖管理人员的手机通讯连接。第一无线传输单元5经无线网络与第二无线传输单元21通讯连接。
取水机构2包括容水腔体201以及分别与其连接的进水管202、出水管203,容水腔体201上方设有多个检测筒204,进水管202设有水泵205。容水腔体201内设有分别与控制器4连接的溶氧传感器12、PH值传感器13、水温传感器14,溶氧传感器、PH值传感器、水温传感器分别设置于容水腔体201的检测筒底端。容水腔体201采用施釉陶瓷。
增氧机构3包括曝气盘301,曝气盘301经气管与鼓风机302的输出口连接,鼓风机302的控制端与控制器4连接。实施例中,船体底部设有2个曝气盘301,曝气盘301固定在盘框304上,盘框304与船体底部固定连接。2个曝气盘301经三通接头与鼓风机302的出风口连接。
控制器4采用树莓派3B+。
第一无线传输单元5型号为NRF24L01,第一无线传输单元5经数据总线与控制器连接。
超声波传感器6型号为DYWS-500-03A,超声波传感器经数据线与控制器连接。
定位模块15型号为Garman GPS25LP,定位模块15经数据线与控制器连接。
溶氧传感器12型号为ZZ-WQS-DO-U,溶氧传感器经AD转换器与控制器连接。
PH值传感器13型号为PH-501,PH值传感器经AD转换器与控制器连接。
水温传感器14型号为PT-100,水温传感器经AD转换器与控制器连接。
人体传感器20采用小米人体传感器2,人体传感器经数据线与控制器连接。
警报器10型号为LTE_1101K,警报器经继电器与控制器连接。
水上摄像头11采用海康威视iDS-2CD9371摄像头,水上摄像头经数据线与控制器连接。
水下摄像头7采用霸勒思UW-S2F-3C6SX10摄像头,水下摄像头经数据网线与控制器连接。
基准站22采用北斗CORS基准站,实施例中设有3个基准站,分别经数据线与监控计算机连接。监控计算机根据3个基准站采集的GPS卫星观测数据,得到码相位/载波相位差分修正信息,结合养殖监测船的定位模块输出的GPS定位数据,得到精确的养殖监测船的定位数据。
取水机构通过水泵从虾塘中取水,容水腔体中的水浸没位于检测筒底部的传感器,溶氧传感器检测水中氧含量,PH值传感器检测水的PH值,水温传感器检测水的温度,上述检测信号传输到控制器,通过第一无线传输单元传输到监控计算机,并发送到养殖管理人员的手机。检测到水中氧含量低时,控制器控制鼓风机启动运行,通过曝气盘向船底的水体中输入空气,对水体进行增氧。定位模块获得GPS定位信号,传输到控制器,控制器通过第一无线传输单元将监测船的定位数据发送到监控计算机,监控计算机结合码相位/载波相位差分修正信息,得到精确的养殖监测船的定位数据。人体传感器检测监测船附近的人员,检测到人员存在时,通过水上摄像头拍摄人员的面部图像,传输到控制器,经第一无线传输单元发送到监控计算机,与监控计算机存储的养殖管理人员的图像对比,判断为陌生人员时,将陌生人员的图像发送到养殖管理人员手机,向养殖监测船发送警报器启动信号,经第一无线传输单元接收后,控制器启动警报器发出声光报警,对监测船附近人员进行威慑。水上摄像头采集虾塘水面龙虾浮头图像以及虾塘图像,水下摄像头采集水下虾群图像,采集的图像传输到控制器,经第一无线传输单元发送到监控计算机。养殖管理人员通过监控计算机发送监测船控制信号,经第一无线传输单元接收后,控制器控制马达的转速和螺旋桨的方向,监测船向前推进。
利用上述的智能龙虾养殖监测装置的监测方法,在监控计算机上运行第一神经网络模型、第二神经网络模型,分别识别判断龙虾浮头情况和龙虾密集程度,监测方法具体包括以下步骤:
步骤1:利用超声波传感器检测龙虾养殖塘的水位,夏季检测到虾塘最深水位大于1.5米时,向养殖管理人员报警,冬季检测到虾塘最深水位大于1.2米时,向养殖管理人员报警;
步骤2:利用PH值传感器采集龙虾养殖塘水体的PH值,若PH值<6.5或者PH值>9.5,向养殖管理人员发出提醒信息;
步骤3:利用溶氧传感器采集龙虾养殖塘水体的含氧量,当检测到含氧量低于8mg/L时,向养殖管理人员发出提醒信息;当检测到含氧量低于3mg/L时,控制增氧设备启动运行;
步骤4:利用超声波传感器检测龙虾群分布情况;
利用超声波传感器的超声波发射、反射和接收的工作原理,在虾塘蓄水至指定水位,投放虾群前,利用养殖监测船的超声波传感器探测虾塘塘底,获得整个虾塘塘底地形、构造信息;虾塘投放龙虾后,利用超声波传感器探测虾群在虾塘中的分布情况如虾群的位置、龙虾的密度;
步骤5:根据水上摄像头采集的龙虾水面活动图像,利用第一神经网络模型识别判断是否有龙虾浮头现象,若判断有龙虾异常浮头现象,则提醒养殖管理人员;
针对龙虾检测实时性要求高、龙虾个头小等对神经网络模型精度要求高的特点,第一神经网络模型采用DenseNet网络,如图4所示,包括依次连接的卷积层、池化层、第一稠密块Dense Block1、第一连接层、第二稠密块Dense Block2、第二连接层、第三稠密块DenseBlock3、第三连接层、第四稠密块Dense Block4和分类层,分类层采用Softmax分类器,第一神经网络模型的各神经层的特征参数如表1所示。
表1 DenseNet网络的结构特征参数表
为了防止过拟合,Dense Block稠密块内部以联级的方式进行连接,每两个DenseBlock通过连接层进行通道降维;最后通过softmax分类器进行分类。损失函数采用交叉熵损失函数,其定义为:
式中CrossEntropy表示交叉熵,p(xi)表示真实概率分布,q(xi)表示预测概率分布。
实施例中,针对龙虾浮头现象,将龙虾浮头情况分为无龙虾浮头、龙虾正常浮头和龙虾异常浮头3种类别。整理收集龙虾异常浮头、龙虾正常浮头、无龙虾浮头的图像,进行人工标注,形成龙虾浮头数据集,按6:2:2的比例分为训练集、验证集和测试集。使用训练集、验证集对第一神经网络模型进行训练和验证,使得第一神经网络模型对龙虾浮头情况的识别判断达到精度要求后,使用测试集对第一神经网络模型进行测试。
养殖监测船按设定的行走路线对虾塘进行巡检,巡检过程中利用水上摄像头采集虾塘不同位置的水面图像,输入第一神经网络模型,识别判断龙虾浮头情况的类别,若判断结果为异常浮头,提醒养殖管理人员采取措施。实施例中,养殖监测船每10分钟对虾塘巡检一次。步骤6:根据水下摄像头采集的龙虾水下活动图像,利用第二神经网络模型识别判断龙虾群密集程度,若判断龙虾密度程度高,则提醒养殖管理人员;利用第二神经网络模型识别判断是否有龙虾沉底死亡现象,将识别结果发送给养殖管理人员。
针对水体透明度和光照强度对采集的龙虾水下活动图像的清晰度和亮度、对比度的影响,利用Python的Albumentations图像数据增强库中的Sharpen锐化工具对龙虾水下活动图像进行锐化处理后,再利用Random Brightness Contrast对比度工具对龙虾水下活动图像进行图像增强,以便于第二神经网络模型对龙虾水下活动情况进行准确识别判断。
第二神经网络模型采用YOLO v4网络,包括连接的CSPDarknet53网络、SPP网络和PANet网络,如图5所示。实施例的YOLO v4网络参照A Bochkovskiy等2020年发表的论文“YOLOv4:Optimal Speed and Accuracy of Object Detection”公开的YOLO v4网络模型。
实施例中,将龙虾密度程度分为大、较大、中、较小、小5类。整理收集不同密集程度的龙虾活动图像,进行人工标注、分类,形成龙虾密度程度数据集,按6:2:2的比例分为训练集、验证集和测试集。使用训练集、验证集对第二神经网络模型进行训练和验证,使得第二神经网络模型对龙虾密集程度的识别判断达到精度要求后,使用测试集对第二神经网络模型进行测试。
养殖监测船对虾塘巡检过程中,利用水下摄像头采集龙虾水下活动图像,输入第二神经网络模型,第二神经网络模型识别判断龙虾密集情况,对图像中的沉底龙虾进行标注,将第二神经网络模型识别判断的龙虾密集情况与超声波传感器的检测结果进行对比、验证,若判断结果差距大,重新对第二神经网络模型进行训练。
养殖监测船对虾塘巡检时,若根据龙虾水下活动图像识别判断的龙虾密集程度结果分类为较大或大时,提醒养殖管理人员采取措施。
Claims (10)
1.智能龙虾养殖监测装置,其特征在于,包括养殖监测船和监控计算机,还包括经无线网络通讯连接的第一无线传输单元和第二无线传输单元,第一无线传输单元与控制器连接,第二无线传输单元与监控计算机连接;
养殖监测船包括船体以及取水机构、增氧机构、控制器,取水机构内部设有与控制器连接的溶氧传感器;增氧机构包括曝气盘,曝气盘经气管与鼓风机的输出口连接,曝气盘布满微孔,鼓风机的控制端与控制器连接;船体底部设有与控制器连接的超声波传感器;船体上设有与控制器连接的水上摄像头。
2.根据权利要求1所述的智能龙虾养殖监测装置,其特征在于,取水机构包括容水腔体以及分别与其连接的进水管、出水管,容水腔体上设有多个检测筒,溶氧传感器位于检测筒底端,进水管设有水泵。
3.根据权利要求1所述的智能龙虾养殖监测装置,其特征在于,船体底部设有控制器连接的水下摄像头。
4.根据权利要求3所述的智能龙虾养殖监测装置,其特征在于,养殖监测船还包括与控制器连接的定位模块。
5.根据权利要求4所述的智能龙虾养殖监测装置,其特征在于,还包括与监控计算机连接的多个基准站。
6.根据权利要求5所述的智能龙虾养殖监测装置,其特征在于,船体上设有与控制器连接的人体传感器。
7.采用权利要求3-6所述的智能龙虾养殖监测装置的监测方法,其特征在于,在龙虾投放养殖塘前蓄水至预定水位,利用养殖监测船的超声波传感器测取塘底地形图,龙虾投放养殖塘后,利用养殖监测船监测养殖塘的水温、PH值、含氧量,利用水上摄像头采集龙虾水面活动图像,利用水下摄像头采集龙虾水下活动图像,利用超声波传感器检测水体中龙虾群分布情况,所述监测方法包括以下步骤:
步骤1:利用超声波传感器检测龙虾养殖塘的水位,若水位过高,则向养殖管理人员报警;
步骤2:采集龙虾养殖塘水体的PH值,若PH值偏离龙虾养殖的PH值范围,则提醒养殖管理人员;
步骤3:采集龙虾养殖塘水体的含氧量,根据水体的含氧量控制增氧设备启停;
步骤4:利用超声波传感器检测龙虾群分布情况;
步骤5:根据水上摄像头采集的龙虾水面活动图像,利用第一神经网络模型识别判断是否有龙虾浮头现象,若判断有龙虾异常浮头现象,则提醒养殖管理人员;
步骤6:对水下摄像头采集的龙虾水下活动图像进行图像增强,利用第二神经网络模型根据龙虾水下活动图像识别判断龙虾群密集程度,若判断龙虾密度程度高,则提醒养殖管理人员。
8.根据权利要求7所述的监测方法,其特征在于,还包括根据水下摄像头采集的龙虾水下活动图像识别判断是否有龙虾沉底死亡现象。
9.根据权利要求7所述的监测方法,其特征在于,第一神经网络模型采用DenseNet网络,包括依次连接的卷积层、池化层、第一稠密块、第一连接层、第二稠密块、第二连接层、第三稠密块、第三连接层、第四稠密块和分类层。
10.根据权利要求7所述的监测方法,其特征在于,第二神经网络模型采用YOLO v4网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110137164.9A CN112965557A (zh) | 2021-02-01 | 2021-02-01 | 智能龙虾养殖监测装置及监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110137164.9A CN112965557A (zh) | 2021-02-01 | 2021-02-01 | 智能龙虾养殖监测装置及监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112965557A true CN112965557A (zh) | 2021-06-15 |
Family
ID=76272821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110137164.9A Pending CN112965557A (zh) | 2021-02-01 | 2021-02-01 | 智能龙虾养殖监测装置及监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112965557A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688705A (zh) * | 2021-08-13 | 2021-11-23 | 华中农业大学 | 一种小龙虾红外图像识别的自动巡塘方法及系统 |
CN114097675A (zh) * | 2021-09-29 | 2022-03-01 | 中国水产科学研究院南海水产研究所深圳试验基地 | 一种垂直式对虾自动化养殖装置及养殖方法 |
CN114445924A (zh) * | 2022-02-17 | 2022-05-06 | 中国水产科学研究院渔业机械仪器研究所 | 一种养殖工船作业人员安全巡检系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103970093A (zh) * | 2014-04-14 | 2014-08-06 | 广州市健坤网络科技发展有限公司 | 一种自动巡航水产养殖在线监控系统 |
CN104992189A (zh) * | 2015-07-22 | 2015-10-21 | 河海大学常州校区 | 基于深度学习网络模型的鱼群异常行为识别方法 |
CN204871490U (zh) * | 2015-07-08 | 2015-12-16 | 黄其江 | 一种混合动力无线遥控水产养殖监测船 |
CN207411270U (zh) * | 2017-11-10 | 2018-05-29 | 惠安迅科通讯技术服务有限公司 | 一种应用于水产养殖生态环境调控与修复的装置 |
CN108459059A (zh) * | 2017-12-17 | 2018-08-28 | 江南大学 | 可实现自动清洗的鱼塘溶氧无线检测装置 |
CN110163253A (zh) * | 2019-04-18 | 2019-08-23 | 中国农业大学 | 鱼浮头程度检测方法及系统 |
CN110226557A (zh) * | 2019-06-28 | 2019-09-13 | 武汉工程大学 | 一种集监测、增氧、投料于一体的虾稻共作养殖装置 |
CN110870472A (zh) * | 2018-08-31 | 2020-03-10 | 江苏海之威生物科技有限公司 | 一种人工智能化养殖小龙虾集成装置 |
CN111738139A (zh) * | 2020-06-19 | 2020-10-02 | 中国水产科学研究院渔业机械仪器研究所 | 基于图像识别的养殖鱼监控方法及系统 |
-
2021
- 2021-02-01 CN CN202110137164.9A patent/CN112965557A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103970093A (zh) * | 2014-04-14 | 2014-08-06 | 广州市健坤网络科技发展有限公司 | 一种自动巡航水产养殖在线监控系统 |
CN204871490U (zh) * | 2015-07-08 | 2015-12-16 | 黄其江 | 一种混合动力无线遥控水产养殖监测船 |
CN104992189A (zh) * | 2015-07-22 | 2015-10-21 | 河海大学常州校区 | 基于深度学习网络模型的鱼群异常行为识别方法 |
CN207411270U (zh) * | 2017-11-10 | 2018-05-29 | 惠安迅科通讯技术服务有限公司 | 一种应用于水产养殖生态环境调控与修复的装置 |
CN108459059A (zh) * | 2017-12-17 | 2018-08-28 | 江南大学 | 可实现自动清洗的鱼塘溶氧无线检测装置 |
CN110870472A (zh) * | 2018-08-31 | 2020-03-10 | 江苏海之威生物科技有限公司 | 一种人工智能化养殖小龙虾集成装置 |
CN110163253A (zh) * | 2019-04-18 | 2019-08-23 | 中国农业大学 | 鱼浮头程度检测方法及系统 |
CN110226557A (zh) * | 2019-06-28 | 2019-09-13 | 武汉工程大学 | 一种集监测、增氧、投料于一体的虾稻共作养殖装置 |
CN111738139A (zh) * | 2020-06-19 | 2020-10-02 | 中国水产科学研究院渔业机械仪器研究所 | 基于图像识别的养殖鱼监控方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688705A (zh) * | 2021-08-13 | 2021-11-23 | 华中农业大学 | 一种小龙虾红外图像识别的自动巡塘方法及系统 |
CN114097675A (zh) * | 2021-09-29 | 2022-03-01 | 中国水产科学研究院南海水产研究所深圳试验基地 | 一种垂直式对虾自动化养殖装置及养殖方法 |
CN114097675B (zh) * | 2021-09-29 | 2023-10-27 | 中国水产科学研究院南海水产研究所深圳试验基地 | 一种垂直式对虾自动化养殖装置及养殖方法 |
CN114445924A (zh) * | 2022-02-17 | 2022-05-06 | 中国水产科学研究院渔业机械仪器研究所 | 一种养殖工船作业人员安全巡检系统及方法 |
CN114445924B (zh) * | 2022-02-17 | 2024-03-26 | 中国水产科学研究院渔业机械仪器研究所 | 一种养殖工船作业人员安全巡检系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112965557A (zh) | 智能龙虾养殖监测装置及监测方法 | |
CN110146675B (zh) | 一种水文信息监测系统 | |
CN109591982A (zh) | 一种无人监控水下养殖机器人 | |
CN108639237B (zh) | 一种侧体可上浮下潜的太阳能近海渔业功能三体无人艇 | |
CN106990216B (zh) | 一种浅水湖泊水华风险分析预警系统及其分析预警方法 | |
WO2019140771A1 (zh) | 利用物联网大数据进行远洋捕捞作业的渔业系统 | |
CN109856138A (zh) | 基于深度学习的深海网箱鱼类健康识别系统和方法 | |
CN104133234A (zh) | 一种鱼群远程探测方法和鱼群远程探测系统以及对鱼群远程探测所获取信息的营销方法 | |
CN114615252A (zh) | 一种鱼类增殖放流用在线监测系统 | |
Brasseur et al. | Habitat preferences of harbour seals in the Dutch coastal area: analysis and estimate of effects of offshore wind farms | |
CN103558822A (zh) | 水产养殖监控系统 | |
CN214895253U (zh) | 一种渔业生态环境智能监测装置 | |
KR20150000054A (ko) | 어류 양식 관리용 무인 잠수정 | |
TWI786380B (zh) | 結合無人機之水產養殖用機動監測系統及其方法 | |
CN115937721A (zh) | 一种浒苔监测方法 | |
CN116165360A (zh) | 一种海水富营养化动态监测预警方法 | |
CN114532276B (zh) | 一种用于水产养殖智能无人投料船 | |
CN115713781A (zh) | 一种基于鱼类监测评价水生态环境质量的方法及系统 | |
CN214413848U (zh) | 龙虾养殖监测船 | |
TWI744926B (zh) | 具可移動感測器的水產養殖系統 | |
CN115965220A (zh) | 一种海洋牧场养殖用大型装备型网箱选址方法 | |
CN113678783B (zh) | 一种基于多点pH统计的鱼池水质检测和调节系统 | |
CN110731287B (zh) | 基于海洋数据感知的深远海养殖网箱自动调节系统与方法 | |
Marsh et al. | Research on sirenians | |
CN108803749A (zh) | 一种水产养殖监督管理系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210615 |
|
RJ01 | Rejection of invention patent application after publication |