CN113040088A - 水产养殖精准增氧方法、终端设备及可读存储介质 - Google Patents
水产养殖精准增氧方法、终端设备及可读存储介质 Download PDFInfo
- Publication number
- CN113040088A CN113040088A CN202110293746.6A CN202110293746A CN113040088A CN 113040088 A CN113040088 A CN 113040088A CN 202110293746 A CN202110293746 A CN 202110293746A CN 113040088 A CN113040088 A CN 113040088A
- Authority
- CN
- China
- Prior art keywords
- aquaculture
- water body
- residual
- oxygen increasing
- time
- 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
-
- 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
- A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
- A01K63/04—Arrangements for treating water specially adapted to receptacles for live fish
- A01K63/042—Introducing gases into the water, e.g. aerators, air pumps
Abstract
本申请涉及水产养殖技术领域,具体涉及一种水产养殖精准增氧方法、终端设备及可读存储介质,其中,上述方法包括获取水体图像;根据预设的机器学习模型识别水体图像中的残饵和排泄物,并统计残饵和排泄物的剩余量;根据残饵和排泄物的剩余量,生成增氧指示信息。本申请实施例提供的水产养殖精准增氧方法、终端设备及可读存储介质,利用机器视觉识别养殖池内水体中的饲料残饵及养殖对象排泄物的剩余量,通过残饵和排泄物的剩余量间接地对水体中溶氧量将会出现的下降进行预判,解决了目前水产养殖领域难以对溶氧量进行先兆检测和事前干预的技术问题。
Description
技术领域
本申请涉及水产养殖技术领域,具体涉及一种水产养殖精准增氧方法、终端设备及可读存储介质。
背景技术
在水产养殖过程中,饲料投喂、增氧、水质监控及换水是三个比较重要的环节。针对水质监控,观测的重点在于氨态氮(NH4-N)、亚硝态氮(NO2-N)和化学需氧量(ChemicalOxygen Demand,简称COD)。NH4-N、NO2-N和COD等三种致害因子对鱼、虾、蟹等水产经济动物的危害较大,如果不对水体中上述三种致害因子进行有效的水质监控,会给养殖带来不利影响,造成养殖对象大面积死亡。此外,养殖池水体中的溶氧量也是一个十分关键的数据。以对虾养殖为例,当水体溶氧量在6mg~7mg时,能够保证对虾正常生长需要;当水体溶氧量降为5mg时,尚且能够维持对虾的基本氧需求;当水体溶氧量降为4mg时,将会对对虾造成严重伤害,危及对虾生命。现有的溶氧量监控及增氧技术存在一定滞后性,往往在水体溶氧量已经出现显著下降后才会反馈。
发明内容
有鉴于此,本申请实施例提供了一种水产养殖精准增氧方法、终端设备及可读存储介质,以解决目前水产养殖领域难以对溶氧量进行先兆检测和干预的技术问题。
根据第一方面,本申请实施例提供了一种水产养殖精准增氧方法,包括:获取水体图像;根据预设的机器学习模型识别所述水体图像中的残饵和排泄物,并统计所述残饵和排泄物的剩余量;根据所述残饵和排泄物的剩余量,生成增氧指示信息。
结合第一方面,在本申请的一些实施例中,所述水体图片为到达预设的进食完毕时间时获取的水体图片。
结合第一方面,在本申请的一些实施例中,所述根据所述残饵和排泄物的剩余量,生成增氧指示信息的步骤,包括:当所述残饵和排泄物的剩余量超出动态阈值范围时,生成增氧指示信息。
结合第一方面,在本申请的一些实施例中,在所述获取水体图像的步骤之后,所述水产养殖精准增氧方法还包括:获取初始投喂时间;当到达所述初始投喂时间时,生成增氧指示信息。
结合第一方面,在本申请的一些实施例中,在所述生成增氧指示信息的步骤之后,所述水产养殖精准增氧方法还包括:获取实际的进食完毕时间;根据实际的进食完毕时间,调整所述增氧指示信息。
结合第一方面,在本申请的一些实施例中,所述获取实际的进食完毕时间包括:根据所述初始投喂时间,计算观测时间;当到达所述观测时间后,根据预设的时间间隔获取水体图像序列;根据所述水体图像序列,确定进食完毕时间。
结合第一方面,在本申请的一些实施例中,当所述水体图像中包含水产品个体时,识别所述水产品个体的肠胃部位;根据识别出的水产品个体的肠胃部位,确定对应的肠胃饱满度;根据所述肠胃饱满度,调整所述增氧指示信息。
结合第一方面,在本申请的一些实施例中,在所述根据所述残饵和排泄物的剩余量,生成增氧指示信息的步骤之后,所述水产养殖精准增氧方法还包括:获取实时溶氧量信息;根据所述实时溶氧量信息,调整所述增氧指示信息。
根据第二方面,本申请实施例提供了另一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面或第一方面任一实施方式所述方法的步骤。
根据第三方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面任一实施方式所述方法的步骤。
本申请实施例提供的水产养殖精准增氧方法、终端设备及可读存储介质,利用机器视觉识别养殖池内水体中的饲料残饵及养殖对象排泄物的剩余量,通过残饵和排泄物的剩余量间接地对水体中溶氧量将会出现的下降进行预判,解决了目前水产养殖领域难以对溶氧量进行先兆检测和事前干预的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的水产养殖精准增氧方法的一个具体示例的实现流程示意图;
图2是本申请实施例提供的水产养殖精准增氧方法的另一具体示例的实现流程示意图;
图3是本申请实施例提供的终端设备的一个具体示例的示意图;
图4是本申请实施例提供的终端设备的另一个具体示例的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
水产养殖所用的水体中含有大量浮游动植物及细菌等微生物,这些微生物会对水体中残留的饲料残饵及养殖对象排泄的粪便等有机物,进行氧化分解,消耗水体中的大量溶解氧,造成水体溶氧量骤降。通过监测水体中饲料残饵和粪便的剩余量,能够间接掌握水体溶氧量将会发生的降低。在水体中饲料残饵和粪便的剩余量较大时,可以及时向水体补充氧气,避免养殖池中水体溶氧量急剧下降。
残饵、粪便作为有机物,在水体中会有水体内的细菌对其进行分解。细菌对残饵、粪便的分解作用需要消耗大量氧气,这就会造成水质含氧量的下降;残饵及粪便越多,被分解的量也就越多,相应的水体含氧量也会下降越多。在循环水养殖过程中,有机物的分解主要发生在生物滤池,生物滤池内生长着大量的细菌及原生生物,甚至包括藻类。生物滤池内的生物对水体中的小颗粒有机物进行分解同样需要消耗大量氧气。通过对残饵粪便总量的监测,可以为养虾及循环水养鱼中的增氧环节提供预判,进而进行增氧量和增氧强度的精准反馈,并实现预先和动态调节。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
本申请实施例提供了一种水产养殖精准增氧方法,如图1所示,该方法可以包括以下步骤:
步骤S101:获取水体图像。
在一具体实施方式中,可以预先设定针对溶氧量的监测周期,例如30分钟或1小时,每次达到监测周期规定的时间时,均随机采集一幅水体图像。
步骤S102:根据预设的机器学习模型识别水体图像中的残饵和排泄物,并统计残饵和排泄物的剩余量。
在一具体实施方式中,可以通过预设的机器学习模型识别水体图像中的饲料残饵和排泄物。神经网络和深度学习等机器学习模型,已经广泛应用于人工智能的各个领域,其最常见的应用场景即分类。对于残饵和排泄物的识别,其本质也是分类问题。采用现有的机器学习模型并加以训练,能够实现对水体中残饵和排泄物的有效识别。
步骤S103:根据残饵和排泄物的剩余量,生成增氧指示信息。
当残饵和排泄物剩余量超出对应的动态阈值范围时,可以判定水体中饲料残饵和排泄物的含量处于非可控状态。在饲料残饵和排泄物含量过多的情况下,经过微生物的氧化分解,会在一段时间后造成水体中溶氧量的降低;此时,可以生成增氧指示信息,进而根据增氧指示信息对水体进行增氧处理。可以通过罗斯风机向水体内鼓入压缩空气,从而提高水体溶氧量。在饲料残饵和排泄物含量过少的情况下,可能说明养殖池内的水产经济动物不再进食了,进而没有残饵的产生。由于完整的饲料颗粒是不会以残饵的形式存在的,而是会沉到水底,那么对于小于动态阈值范围的残饵和排泄物监测结果,很可能是一个水产经济动物严重病害的危险信号。当残饵和排泄物的剩余量在对应的动态阈值范围以内时,可以判定水体中饲料残饵和排泄物处于可控状态,即使经过氧化分解,也不会造成水体中溶氧量的显著下降;此时,可以暂不进行增氧操作,不会给养殖对象造成健康危害,返回步骤S101即可,以实现对水体的连续实时监测。
在确定每一幅水体图像对应的动态阈值范围时,可以利用若干在先采集的残饵和排泄物含量,绘制对应的变化曲线,通过变化曲线估算当前水体图像对应的动态阈值,为该动态阈值赋予一个上下浮动的可接受变化范围,即得到当前水体图像对应的动态阈值范围。
作为例子,可以在24小时内每小时测量一次残饵和排泄物含量,得到一套变化规律,即残饵和排泄物变化曲线;在接下来的第25小时,判断第25小时所测量得到的残饵和排泄物含量是否符合变化曲线的变化规律预测到的值;如果是,对于第25小时所测量得到的残饵和排泄物含量不进行报警;如果低于或者高于预测值,即第25小时所测量得到的残饵和排泄物含量脱离了变化曲线的变化规律,则应该生成报警信号。
对于鱼、虾、蟹等水产经济动物,都存在对应的最佳养殖季节。在外界环境,特别是气候环境适宜养殖对象生产发育的旺季,可以适当增加饲料的投喂量,从而保证养殖对象每一餐的进食时长。在生产实际中,这种稍过量的投喂方法在满足养殖对象进食需求的同时,也会造成水体中饲料残饵的累计,会对水体水质及溶氧量造成比较严重的不良影响。为此,养殖技术人员可以根据养殖对象的实际生长发育需要,设定每一餐的预设进食时长,从初始投喂时间开始,经过预设进食时长到达预设的进食完毕时间,以预设的进食完毕时间为止,将养殖对象每一餐的进食时长控制在上述时间范围内。
由于采用了稍过量的饲料投喂方式,在养殖对象充分进食后,应当及时检测水体中饲料残饵的剩余量。为此,可以在到达预设的进食完毕时间时,增加采集一幅水体图像,并通过步骤S102对该水体图像进行识别,重点识别其中的残饵的剩余量。
在实际的养殖生产中,针对养殖对象的每一餐的饲料投喂量都十分重要。投喂量不足会妨碍水产品的生长发育,长时间积累后其影响不可忽视。而投喂量过大的不良影响则会更为快速的表现出来。以对虾养殖为例,任何一餐的过量投喂,都会严重影响对虾的胃肠消化系统,对虾会在过量进食后立即出现胃肠部的炎症,严重时会造成死亡,给养殖户造成经济损失。饲料用量的精准投喂是水产养殖的关键。在实现了精准投喂的大前提下,无需考虑投喂后水体的饲料残饵积累问题。此时,应当着重考虑养殖对象进食前后对氧气的不同需求。以对虾为例,对虾在进食过程中对氧气的需求量会增大,在进食结束后的一段时间内(例如进食完毕后的30分钟内)活动十分频繁,对氧气的需求量也较大。
为此满足养殖对象在进食前后的氧气需求,如图2所示,可以在步骤S101后,增设以下步骤:
步骤S102’:获取初始投喂时间。
步骤S103’:当到达初始投喂时间时,生成增氧指示信息。
对于每一餐,从饲料投喂之初,就开始向水体中增加氧气供应,从而满足养殖对象进食过程中的氧需求。
步骤S104’:获取实际的进食完毕时间。
在一具体实施方式中,可以根据初始投喂时间,首先计算出一个观测时间。当到达观测时间后,根据预设的时间间隔获取水体图像序列。最后,根据所述图像序列,确定进食完毕时间。
作为例子,可以将初始投喂时间后的20分钟作为观测时间,采集水体图像序列中的第一幅图像;此后,可以每间隔2分钟采集一幅图像,形成水体图像序列。
根据预设的机器学习模型逐一识别水体图像序列中各个图像内的饲料残饵。当在水体图像序列中的任一图像中未识别到饲料残饵时,可以确定该图像的采集时间为进食完毕时间。
步骤S105’:根据实际的进食完毕时间,调整增氧指示信息。
一般,水产经济动物会在进食完毕的30分钟内频繁活动,需氧量相对较大,此后会进入相对安静的状态,活动量降低,同时氧需求量也会降低。可以从进食完毕时间开始,在30分钟后调整增氧指示信息,减少或停止向水体中鼓入压缩空气。
水体中的饲料残饵及粪便对于水体溶氧量的改变,主要依靠水体中的微生物所进行的氧化分解反应进行。氧化分解反应耗氧量巨大,但养殖对象本身的氧气消耗也会对水体溶氧量造成影响。在养殖池内养殖的水产品处于饥饿或半饥饿状态时,其需氧量会降低。因此,在执行步骤S101并进行周期监测时,还可以进一步识别水体图像中的水产品个体,当水体图像中包含水产品个体时,可以识别水产品个体的肠胃部位,并根据识别出的水产品个体的肠胃部位,确定对应的肠胃饱满度,进而根据肠胃饱满度,调整增氧指示信息。当水体图像中水产品个体的肠胃饱满度较低时,指示水产品个体大多或全部处于饥饿或半饥饿状态时,可以顺应其对氧需求量降低的实际情况,调整增氧指示信息,减少或停止向水体中鼓入压缩空气。
用于检测水体溶氧量的传感器价格低廉,且检测精度较高。单纯依靠溶氧量传感器进行水产养殖的溶氧量检测及增氧指导,存在增氧操作相对滞后的问题,但在实际应用中,可以将溶氧量传感器引入本申请实施例提供的水产养殖精准增氧方法中,从而进一步完善检测和增氧技术,避免误操作。
具体的,如图2所示,可以在步骤S103之后,增设以下步骤:
步骤S104:获取实时溶氧量信息。
可以在养殖池内多个不同位置及不同水深处,同步设置多个溶氧量传感器,通过这些溶氧量传感器实时监测水体的溶氧量数值。
步骤S105:根据实时溶氧量信息,调整增氧指示信息。
当水体的实时溶氧量较高时,即使水体中的饲料残饵含量较多,或者养殖对象活动频繁,也可以暂时不向水体补充大量压缩空气,可以根据实时溶氧量,少量向养殖池补充压宿空气。
本申请实施例提供的水产养殖精准增氧方法,利用机器视觉识别养殖池内水体中的饲料残饵及养殖对象排泄物的剩余量,通过残饵和排泄物的剩余量间接地对水体中溶氧量将会出现的下降进行预判,解决了目前水产养殖领域难以对溶氧量进行先兆检测和事前干预的技术问题。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请实施例还提供了一种终端设备,如图3所示,该终端设备可以包括输入单元301、识别统计单元302和输出单元303。
具体的,输入单元301用于获取水体图像;其对应的工作过程可参见上述方法实施例中步骤S101的记载。
识别统计单元302用于根据预设的机器学习模型识别水体图像中的残饵和排泄物,并统计残饵和排泄物的剩余量;其对应的工作过程可参见上述方法实施例中步骤S102的记载。
输出单元303用于根据残饵和排泄物的剩余量,生成增氧指示信息;其对应的工作过程可参见上述方法实施例中步骤S103的记载。
此外,输入单元301还用于获取初始投喂时间、实际的进食完毕时间以及实时溶氧量信息;其对应的工作过程可参见上述方法实施例中步骤S102’、步骤S104’和步骤S104的记载。
输出单元303还用于在到达初始投喂时间时,生成增氧指示信息,以及根据实际的进食完毕时间或者实时溶氧量信息,调整增氧指示信息;其对应的工作过程可参见上述方法实施例中步骤S103’、步骤S105’和步骤S105的记载。
图4是本申请一实施例提供的另一终端设备的示意图。如图4所示,该实施例的终端设备400包括:处理器401、存储器402以及存储在所述存储器402中并可在所述处理器401上运行的计算机程序403,例如水产养殖精准增氧程序。所述处理器401执行所述计算机程序403时实现上述各个水产养殖精准增氧方法实施例中的步骤,例如图1所示的步骤S101至步骤S103。或者,所述处理器401执行所述计算机程序403时实现上述各装置实施例中各模块/单元的功能。
所述计算机程序403可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器402中,并由所述处理器401执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序403在所述终端设备400中的执行过程。例如,所述计算机程序403可以被分割成同步模块、汇总模块、获取模块、返回模块(虚拟装置中的模块)。
所述终端设备400可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器401、存储器402。本领域技术人员可以理解,图4仅仅是终端设备400的示例,并不构成对终端设备400的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器402可以是所述终端设备400的内部存储单元,例如终端设备400的硬盘或内存。所述存储器402也可以是所述终端设备400的外部存储设备,例如所述终端设备400上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器402还可以既包括所述终端设备400的内部存储单元也包括外部存储设备。所述存储器402用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种水产养殖精准增氧方法,其特征在于,包括:
获取水体图像;
根据预设的机器学习模型识别所述水体图像中的残饵和排泄物,并统计所述残饵和排泄物的剩余量;
根据所述残饵和排泄物的剩余量,生成增氧指示信息。
2.根据权利要求1所述的水产养殖精准增氧方法,其特征在于,所述水体图片为到达预设的进食完毕时间时获取的水体图片。
3.根据权利要求1或2所述的水产养殖精准增氧方法,其特征在于,所述根据所述残饵和排泄物的剩余量,生成增氧指示信息的步骤,包括:
当所述残饵和排泄物的剩余量超出动态阈值范围时,生成增氧指示信息。
4.根据权利要求1所述的水产养殖精准增氧方法,其特征在于,在所述获取水体图像的步骤之后,所述水产养殖精准增氧方法还包括:
获取初始投喂时间;
当到达所述初始投喂时间时,生成增氧指示信息。
5.根据权利要求4所述的水产养殖精准增氧方法,其特征在于,在所述生成增氧指示信息的步骤之后,所述水产养殖精准增氧方法还包括:
获取实际的进食完毕时间;
根据实际的进食完毕时间,调整所述增氧指示信息。
6.根据权利要求5中任一项所述的水产养殖精准增氧方法,其特征在于,所述获取实际的进食完毕时间包括:
根据所述初始投喂时间,计算观测时间;
当到达所述观测时间后,根据预设的时间间隔获取水体图像序列;
根据所述水体图像序列,确定进食完毕时间。
7.根据权利要求1所述的水产养殖精准增氧方法,其特征在于,
当所述水体图像中包含水产品个体时,识别所述水产品个体的肠胃部位;
根据识别出的水产品个体的肠胃部位,确定对应的肠胃饱满度;
根据所述肠胃饱满度,调整所述增氧指示信息。
8.根据权利要求1至7中任一项所述的水产养殖精准增氧方法,其特征在于,在所述根据所述残饵和排泄物的剩余量,生成增氧指示信息的步骤之后,所述水产养殖精准增氧方法还包括:
获取实时溶氧量信息;
根据所述实时溶氧量信息,调整所述增氧指示信息。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293746.6A CN113040088A (zh) | 2021-03-19 | 2021-03-19 | 水产养殖精准增氧方法、终端设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293746.6A CN113040088A (zh) | 2021-03-19 | 2021-03-19 | 水产养殖精准增氧方法、终端设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113040088A true CN113040088A (zh) | 2021-06-29 |
Family
ID=76513532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110293746.6A Pending CN113040088A (zh) | 2021-03-19 | 2021-03-19 | 水产养殖精准增氧方法、终端设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113040088A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113615629A (zh) * | 2021-03-19 | 2021-11-09 | 东营市阔海水产科技有限公司 | 水产养殖水质监控方法、终端设备及可读存储介质 |
CN114627401A (zh) * | 2021-07-29 | 2022-06-14 | 广州机智云物联网科技有限公司 | 鱼塘管理系统、养殖设备控制方法、装置和计算机设备 |
CN116548342A (zh) * | 2023-06-02 | 2023-08-08 | 上海左岸芯慧电子科技有限公司 | 一种水产养殖智能投喂方法、系统、介质及电子设备 |
CN117581815A (zh) * | 2023-12-28 | 2024-02-23 | 佛山市南海区杰大饲料有限公司 | 一种工厂化养殖鱼类生长状况判断方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814228A (zh) * | 2010-03-25 | 2010-08-25 | 中国农业大学 | 一种水产品养殖水质无线监测系统及方法 |
CN103563826A (zh) * | 2012-08-08 | 2014-02-12 | 天津盛亿养殖有限公司 | 一种自动控制的水产养殖用充氧系统 |
CN204443690U (zh) * | 2014-12-25 | 2015-07-08 | 佛山市高明区易海农业技术服务有限公司 | 一种增氧投喂机 |
CN106818610A (zh) * | 2017-04-18 | 2017-06-13 | 广东海洋大学 | 一种养殖池塘底质监测系统 |
CN107094683A (zh) * | 2017-04-13 | 2017-08-29 | 同济大学 | 一种水产养殖的自动投饵和水质监测控制系统及方法 |
CN210492204U (zh) * | 2019-07-17 | 2020-05-12 | 东营市阔海水产科技有限公司 | 一种外置式南美白对虾循环水养殖系统 |
CN111624037A (zh) * | 2020-06-12 | 2020-09-04 | 顾晓东 | 一种基于大数据的水产养殖业水体环境智能监测系统 |
CA3040762A1 (en) * | 2019-04-18 | 2020-10-18 | Aoe Accumulated Ocean Energy Inc. | Method of increasing oxygen levels in aquaculture |
CN111838027A (zh) * | 2020-07-22 | 2020-10-30 | 盐城师范学院 | 一种纯氧供应水产养殖系统及方法 |
-
2021
- 2021-03-19 CN CN202110293746.6A patent/CN113040088A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814228A (zh) * | 2010-03-25 | 2010-08-25 | 中国农业大学 | 一种水产品养殖水质无线监测系统及方法 |
CN103563826A (zh) * | 2012-08-08 | 2014-02-12 | 天津盛亿养殖有限公司 | 一种自动控制的水产养殖用充氧系统 |
CN204443690U (zh) * | 2014-12-25 | 2015-07-08 | 佛山市高明区易海农业技术服务有限公司 | 一种增氧投喂机 |
CN107094683A (zh) * | 2017-04-13 | 2017-08-29 | 同济大学 | 一种水产养殖的自动投饵和水质监测控制系统及方法 |
CN106818610A (zh) * | 2017-04-18 | 2017-06-13 | 广东海洋大学 | 一种养殖池塘底质监测系统 |
CA3040762A1 (en) * | 2019-04-18 | 2020-10-18 | Aoe Accumulated Ocean Energy Inc. | Method of increasing oxygen levels in aquaculture |
CN210492204U (zh) * | 2019-07-17 | 2020-05-12 | 东营市阔海水产科技有限公司 | 一种外置式南美白对虾循环水养殖系统 |
CN111624037A (zh) * | 2020-06-12 | 2020-09-04 | 顾晓东 | 一种基于大数据的水产养殖业水体环境智能监测系统 |
CN111838027A (zh) * | 2020-07-22 | 2020-10-30 | 盐城师范学院 | 一种纯氧供应水产养殖系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113615629A (zh) * | 2021-03-19 | 2021-11-09 | 东营市阔海水产科技有限公司 | 水产养殖水质监控方法、终端设备及可读存储介质 |
CN114627401A (zh) * | 2021-07-29 | 2022-06-14 | 广州机智云物联网科技有限公司 | 鱼塘管理系统、养殖设备控制方法、装置和计算机设备 |
CN114627401B (zh) * | 2021-07-29 | 2023-10-17 | 广州机智云物联网科技有限公司 | 鱼塘管理系统、养殖设备控制方法、装置和计算机设备 |
CN116548342A (zh) * | 2023-06-02 | 2023-08-08 | 上海左岸芯慧电子科技有限公司 | 一种水产养殖智能投喂方法、系统、介质及电子设备 |
CN116548342B (zh) * | 2023-06-02 | 2023-12-05 | 上海左岸芯慧电子科技有限公司 | 一种水产养殖智能投喂方法、系统、介质及电子设备 |
CN117581815A (zh) * | 2023-12-28 | 2024-02-23 | 佛山市南海区杰大饲料有限公司 | 一种工厂化养殖鱼类生长状况判断方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113040088A (zh) | 水产养殖精准增氧方法、终端设备及可读存储介质 | |
Zhou et al. | Intelligent feeding control methods in aquaculture with an emphasis on fish: a review | |
CN107182909B (zh) | 一种猪只饲喂方法、服务器、饲喂器及系统 | |
Darodes de Tailly et al. | Monitoring methods of feeding behaviour to answer key questions in penaeid shrimp feeding | |
KR20180052438A (ko) | 질병 관리 방법 및 이를 수행하기 위한 장치들 | |
CN107155985B (zh) | 一种日本囊对虾育种群体抗高氨氮与生长性状的选育方法 | |
KR20080065583A (ko) | 유전자형 정보를 이용한 동물 생산을 최적화시키기 위한시스템 및 방법 | |
CN109472883A (zh) | 巡塘方法和装置 | |
CN113615629A (zh) | 水产养殖水质监控方法、终端设备及可读存储介质 | |
CN111274975A (zh) | 猪只采食行为预测方法及装置 | |
Taha et al. | The identification of hunger behaviour of lates calcarifer through the integration of image processing technique and support vector machine | |
Goodall et al. | The effects of adding microbial biomass to grow-out and maturation feeds on the reproductive performance of black tiger shrimp, Penaeus monodon | |
Gowrishankar et al. | Neural network based mathematical model for feed management technique in aquaculture | |
Ojukwu et al. | Development of a computer vision system to detect inactivity in group-housed pigs | |
WO2023194319A1 (en) | Methods and systems for determining a spatial feed insert distribution for feeding crustaceans | |
CN114065801B (zh) | 基于神经网络模型的土壤监测方法、系统和可读存储介质 | |
Das et al. | Prospects of Smart Aquaculture in Indian Scenario: A New Horizon in the Management of Aquaculture Production Potential | |
CN112906570A (zh) | 水产养殖投喂方法、终端设备及可读存储介质 | |
Alammar et al. | An Intelligent Approach of the Fish Feeding System | |
CN113678783B (zh) | 一种基于多点pH统计的鱼池水质检测和调节系统 | |
Jeyabharathi et al. | Smart Fish Feeding System based on Fish Feeding Intensity | |
Rather et al. | Exploring opportunities of Artificial Intelligence in aquaculture to meet increasing food demand | |
TWI746304B (zh) | 水產養殖管理方法及系統 | |
Debdas et al. | Automation and Monitoring Using IoT in Pisciculture | |
CN109992024A (zh) | 智能水产养殖系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210629 |