CN113668479B - 一种海面清理船舶用滤网的调整方法及系统 - Google Patents

一种海面清理船舶用滤网的调整方法及系统 Download PDF

Info

Publication number
CN113668479B
CN113668479B CN202111236005.0A CN202111236005A CN113668479B CN 113668479 B CN113668479 B CN 113668479B CN 202111236005 A CN202111236005 A CN 202111236005A CN 113668479 B CN113668479 B CN 113668479B
Authority
CN
China
Prior art keywords
sea
filter screen
information
seawater
obtaining
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
Application number
CN202111236005.0A
Other languages
English (en)
Other versions
CN113668479A (zh
Inventor
王根德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Danhua Offshore Engineering Equipment Nantong Co ltd
Original Assignee
Danhua Offshore Engineering Equipment Nantong Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Danhua Offshore Engineering Equipment Nantong Co ltd filed Critical Danhua Offshore Engineering Equipment Nantong Co ltd
Priority to CN202111236005.0A priority Critical patent/CN113668479B/zh
Publication of CN113668479A publication Critical patent/CN113668479A/zh
Application granted granted Critical
Publication of CN113668479B publication Critical patent/CN113668479B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02B—HYDRAULIC ENGINEERING
    • E02B15/00—Cleaning or keeping clear the surface of open water; Apparatus therefor
    • E02B15/04—Devices for cleaning or keeping clear the surface of open water from oil or like floating materials by separating or removing these materials
    • E02B15/08—Devices for reducing the polluted area with or without additional devices for removing the material
    • E02B15/0842—Devices for reducing the polluted area with or without additional devices for removing the material adapted to be towed for operation
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02B—HYDRAULIC ENGINEERING
    • E02B15/00—Cleaning or keeping clear the surface of open water; Apparatus therefor
    • E02B15/04—Devices for cleaning or keeping clear the surface of open water from oil or like floating materials by separating or removing these materials
    • E02B15/08—Devices for reducing the polluted area with or without additional devices for removing the material
    • E02B15/085—Details of connectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Biology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Economics (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Filtering Materials (AREA)

Abstract

本发明提供了一种海面清理船舶用滤网的调整方法及系统，其中，该方法包括：获得第一海域的海水盐度、海水温度、海域深度；根据海水盐度、海水温度和海域深度，获得第一海水密度；获得预定时段内第一海域海风的最大风力；根据预定时段内的最大风力，获得第一密度调整参数；根据第一密度调整参数对第一海水密度进行调整，获得第二海水密度；根据第一海水密度和第二海水密度确定第一海域的第一浮力阈值；根据第一浮力阈值，构建训练数据集；根据训练数据集对神经网络进行训练，获得第一滤网筛选模型；将第一海域的实时浮力信息输入第一滤网筛选模型，获得第一滤网材料信息；根据第一滤网材料信息对第一海面清理船舶用滤网的材料进行调整。

Description

一种海面清理船舶用滤网的调整方法及系统
技术领域
本发明涉及新一代控制调节系统相关技术领域，具体涉及一种海面清理船舶用滤网的调整方法及系统。
背景技术
无论是在沿海景区还是沿海港口商贸区，都需要采用海面清理船舶对海面上人造的或经加工的废弃物进行清理回收，以保持海面清洁，避免海面垃圾影响海洋景观，危害海洋生态，威胁航行安全等问题的发生。
在海面清理船舶对海面清理的过程中需要采用过滤网对海面垃圾进行回收清理，随着船舶在海面的航行，过滤网可将海面上以及海面下一定深度内的垃圾进行打捞回收。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中海面清理船舶采用滤网对海面进行清理的过程中，面对不同的海域情况，海面清理船舶用滤网清理垃圾的效果不够理想。
发明内容
本申请实施例通过提供了一种海面清理船舶用滤网的调整方法及系统，解决了现有技术中海面清理船舶采用滤网对海面进行清理的过程中，由于海域情况不同以及垃圾分布情况不同而造成的垃圾清理效果不理想的技术问题。本申请实施例通过获得第一海域的海水盐度、海水温度、海域深度；并根据所述第一海域的所述海水盐度、所述海水温度和所述海域深度，获得第一海水密度；然后获得预定时段内所述第一海域海风的最大风力；根据所述预定时段内所述第一海域海风的最大风力，获得第一密度调整参数；然后根据所述第一密度调整参数对所述第一海水密度进行调整，获得第二海水密度；根据所述第一海水密度和第二海水密度确定所述第一海域的第一浮力阈值；根据所述第一浮力阈值，构建训练数据集；根据所述训练数据集对神经网络进行训练，获得第一滤网筛选模型；将所述第一海域的实时浮力信息输入所述第一滤网筛选模型，获得第一滤网材料信息；根据所述第一滤网材料信息对第一海面清理船舶用滤网的材料进行调整。本申请实施例通过根据不同海域的情况以及不同海域内海风风力获得海域内的海水密度信息，并根据该海水密度信息获得该海域的浮力阈值，基于浮力阈值构建训练数据集，通过训练数据集获得滤网筛选模型，输出滤网材料信息对滤网材料进行调整，通过对不同海域情况进行不同分析，使海面清理船舶在面对不同海域时，可切换不同滤网材料，提升了切换滤网的精确性和效率，进而提升了海面清理船舶在面对不同海域清理工作时的普适性，达到了海面清理船舶清理垃圾更加理想更加智能的技术效果。
鉴于上述问题，本申请实施例提供了一种海面清理船舶用滤网的调整方法及系统。
本申请实施例的第一个方面，提供了一种海面清理船舶用滤网的调整方法，其中，所述方法包括：获得第一海域的海水盐度、海水温度、海域深度；根据所述第一海域的海水盐度、所述海水温度和所述海域深度，获得第一海水密度；获得预定时段内所述第一海域海风的最大风力；根据所述预定时段内所述第一海域海风的最大风力，获得第一密度调整参数；根据所述第一密度调整参数对所述第一海水密度进行调整，获得第二海水密度；根据所述第一海水密度和第二海水密度确定所述第一海域的第一浮力阈值；根据所述第一浮力阈值，构建训练数据集；根据所述训练数据集对神经网络进行训练，获得第一滤网筛选模型；将所述第一海域的实时浮力信息输入所述第一滤网筛选模型，获得第一滤网材料信息；根据所述第一滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
本申请实施例的第二个方面，提供了一种海面清理船舶用滤网的调整系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得第一海域的海水盐度、海水温度、海域深度；第一处理单元，所述第一处理单元用于根据所述第一海域的海水盐度、所述海水温度和所述海域深度，获得第一海水密度；第二获得单元，所述第二获得单元用于获得预定时段内所述第一海域海风的最大风力；第二处理单元，所述第二处理单元用于根据所述预定时段内所述第一海域海风的最大风力，获得第一密度调整参数；第三处理单元，所述第三处理单元用于根据所述第一密度调整参数对所述第一海水密度进行调整，获得第二海水密度；第四处理单元，所述第四处理单元用于根据所述第一海水密度和第二海水密度确定所述第一海域的第一浮力阈值；第五处理单元，所述第五处理单元用于根据所述第一浮力阈值，构建训练数据集；第三获得单元，所述第三获得单元用于根据所述训练数据集对神经网络进行训练，获得第一滤网筛选模型；第四获得单元，所述第四获得单元用于将所述第一海域的实时浮力信息输入所述第一滤网筛选模型，获得第一滤网材料信息；第一管理单元，所述第一管理单元用于根据所述第一滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
本申请实施例的第三个方面，提供了一种海面清理船舶用滤网的调整系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例通过根据不同海域内不同海水盐度、海水温度和海域深度的情况以及不同海域内的海风风力获得海域内的海水密度信息，并根据该海水密度信息获得该海域的浮力阈值，基于浮力阈值构建训练数据集，通过训练数据集获得滤网筛选模型，输出滤网材料信息对滤网材料进行调整，通过对不同海域情况进行不同的提取和分析，使海面清理船舶在面对不同海域时，可切换不同滤网材料，提升了针对不同海域情况切换清理用滤网材料的精确性和效率，进而提升了海面清理船舶在面对不同海域清理工作时的普适性，达到了海面清理船舶清理垃圾更加理想更加智能的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供的一种海面清理船舶用滤网的调整方法流程示意图；
图2为本申请实施例提供的一种海面清理船舶用滤网的调整方法中获取第二滤网材料信息流程示意图；
图3为本申请实施例提供的一种海面清理船舶用滤网的调整方法中构建腐蚀度特征组合集合流程示意图；
图4为本申请实施例提供的一种海面清理船舶用滤网的调整方法中获得第一网眼尺寸信息流程示意图；
图5为本申请实施例提供的一种海面清理船舶用滤网的调整方法中获取第三海水密度流程示意图；
图6为本申请实施例提供的一种海面清理船舶用滤网的调整方法获取第二网眼尺寸信息流程示意图；
图7为本申请实施例提供了一种海面清理船舶用滤网的调整系统结构示意图；
图8为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第一处理单元12，第二获得单元13，第二处理单元14，第三处理单元15，第四处理单元16，第五处理单元17，第三获得单元18，第四获得单元19，第一管理单元20，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请实施例通过提供了一种海面清理船舶用滤网的调整方法及系统，解决了现有技术中海面清理船舶采用滤网对海面进行清理的过程中，面对不同的海域情况，无法主动切换滤网材料而导致海面清理船舶清理垃圾效果不够理想的技术问题。本申请实施例本申请实施例通过根据不同海域的情况以及不同海域内海风风力获得海域内的海水密度信息，并根据该海水密度信息获得该海域的浮力阈值，基于浮力阈值构建训练数据集，通过训练数据集获得滤网筛选模型，并通过滤网筛选模型输出滤网材料信息对滤网材料进行调整。本申请实施例通过对不同海域内情况进行不同而具体地分析，使海面清理船舶在面对不同海域时，可切换不同滤网材料，提升了切换滤网材料的精确性和效率，进而提升了海面清理船舶在面对不同海域清理工作时的普适性，达到了海面清理船舶清理垃圾更加理想更加智能的技术效果。
申请概述
无论是在沿海景区还是沿海港口商贸区，都需要采用海面清理船舶对海面上人造的或经加工的废弃物进行清理回收，以保持海面清洁，避免影响海洋景观，危害海洋生态，威胁航行安全等问题的发生。在海面清理船舶对海面清理的过程中需要采用过滤网对海面垃圾进行回收清理，随着船舶在海面的航行，过滤网可将海面上以及海面下一定深度内的垃圾进行打捞回收。但是海面清理船只在面对不同的海域、不同的垃圾种类等情况时，无法主动切换滤网材料以进行适应，进而存在着清理海面垃圾的效果不够理想的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种海面清理船舶用滤网的调整方法及系统，所述方法包括：获得第一海域的海水盐度、海水温度、海域深度； 根据所述第一海域的海水盐度、所述海水温度和所述海域深度，获得第一海水密度；获得预定时段内所述第一海域海风的最大风力；根据所述预定时段内所述第一海域海风的最大风力，获得第一密度调整参数；根据所述第一密度调整参数对所述第一海水密度进行调整，获得第二海水密度；根据所述第一海水密度和第二海水密度确定所述第一海域的第一浮力阈值；根据所述第一浮力阈值，构建训练数据集；根据所述训练数据集对神经网络进行训练，获得第一滤网筛选模型；将所述第一海域的实时浮力信息输入所述第一滤网筛选模型，获得第一滤网材料信息；根据所述第一滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
在介绍了本申请基本原理后，下面，将参考附图对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示，本申请实施例提供了一种海面清理船舶用滤网的调整方法，其中，所述方法包括：
S100：获得第一海域的海水盐度、海水温度、海域深度；
S200：根据所述第一海域的海水盐度、所述海水温度和所述海域深度，获得第一海水密度；
具体而言，第一海域为任意海面内的一块区域，该区域形状可为任意规则形状或不规则形状。第一海域进一步优选为海面清理船舶可前往航行并进行垃圾打捞清理工作的任意海域，例如海边景区海域，但不限于此。
获取第一海域的海水盐度、海水温度和海域深度具体通过测量仪器对所述第一海域进行测量。示例性地，海水盐度可通过现有技术中的海水盐度测量设备对所述第一海域内的海水样本进行测量，其原理可为测量所述海水样本的温度和电导率，进而获得所述海水样本的海水盐度数据。海水温度可通过现有技术中的温度测量设备进行测量。海域深度可通过现有技术中的海域深度检测设备进行测量，其原理可为超声波遇到海底后由于传播介质不同而返回，进而测得所述第一海域的海域深度，本领域技术人员应当理解，所述海域深度并非至所述第一海域内某一点的海域深度，其可为所述第一海域内的平均海域深度。
具体而言，海水的密度平均值为1.025g/cm3，而海水的密度被第一海域的温度、盐度和压力影响，所述第一海域的海域深度越深，则压力就越大，当温度降低、盐度增加或海域深度增大（压力增大）的情况下，海水的密度就会增大。因此，在获得所述第一海域的海水盐度、海水温度和海域深度后，即可得出所述第一海域的第一海水密度。本申请实施例通过测量不同的海域内的海水盐度、海水温度和海域深度等参数，进而计算得出该海域内的海水密度，以针对不同海域情况，获取不同海水密度，调整不同滤网材料，进而达到更换滤网材料更加精准，更加高效，更加适应不同海域情况的技术效果。
S300：获得预定时段内所述第一海域海风的最大风力；
S400：根据所述预定时段内所述第一海域海风的最大风力，获得第一密度调整参数；
S500：根据所述第一密度调整参数对所述第一海水密度进行调整，获得第二海水密度；
具体而言，由于第一海域内需要海面清理船舶进行清理的垃圾主要分布在海面，而第一海域内的海风会对海面产生压力，海风会从高压区域流向低压区域，进而使第一海域内海水所受压力产生变化，即除了所述海域深度外，海风也会使第一海域内海水压力产生变化，进而使第一海域内海水密度产生变化。所述第一海域海风的最大风力可通过风力检测设备进行检测，本领域技术人员应当了解，风力包括风速以及风量等参数，进而综合得出风力大小以及风力等级，从而通过风力检测设备测量所述第一海域海风的最大风力。
所述预定时间段可为任意大小的时间区间，例如一小时、一天、一个月等，但不限于此。预定时间段的设置可根据所述第一海域海风的变化情况进行确定，示例性地，若第一海域内气候以及海风变化剧烈，则可将预定时间段设置较短，若第一海域内气候以及海风变化较为平和，则可将预定时间段设置较长，在海面清理船舶出海进行清理工作时，可通过该最大风力进行参考。通过测量一预定时间段内的第一海域海风的最大风力，可了解预定时间段内第一海域内海风对海水密度影响的最大程度，进而根据该最大风力获得第一密度调整参数，对所述第一海水密度进行调整，获得第二海水密度。且若所述最大风力较大，则第一密度调整参数较大，若所述最大风力较小，则第一密度调整参数较小。本申请实施例通过获得不同海域内海风在一预定时间段内的最大风力，获得第一密度调整参数，对第一海水密度进行调整获得第二海水密度，加入了第一海域内海风对海水密度的影响因素，能够更加精确地获得不同海域内的海水密度，进而针对不同海域情况，调整不同滤网材料，进而达到更换滤网材料更加精准，更加高效，更加适应不同海域情况的技术效果。
S600：根据所述第一海水密度和第二海水密度确定所述第一海域的第一浮力阈值；
具体而言，海水的浮力与密度有关，本领域技术人员了解，浮力等于液体密度、重力常数和物体体积的乘积，因此，海面清理船舶的滤网在所述第一海域的海水内时，海水密度与浮力呈正相关。通过所述第一海水密度和第二海水密度确定第一浮力阈值，第一浮力阈值即为基于第一海水密度和第二海水密度计算得出的一浮力阈值范围，而第一海水密度和第二海水密度所对应的浮力值为所述第一浮力阈值的两端点。将滤网的排液体积输入计算，即可计算出滤网在所述第一海域内所承受的浮力阈值范围，该范围即为所述第一海域内无海风和预定时间段内海风达最大风力时滤网所受海水的浮力范围。本申请实施例通过计算第一海域内的第一浮力阈值，可获得海面清理船舶滤网在第一海域内所受浮力的范围，进而根据该第一浮力阈值对滤网材料进行选择调整，使滤网材料的调整更加精准而高效，从而使滤网的材料适用于该第一海域内海水的浮力范围，进而适用于在该第一海域内进行清理工作。
S700：根据所述第一浮力阈值，构建训练数据集；
S800：根据所述训练数据集对神经网络进行训练，获得第一滤网筛选模型；
具体而言，基于第一浮力阈值构建的训练数据集中包含多组训练数据，每组训练数据中均包括所述第一海域内海水的浮力值与对应的滤网材料信息的标识信息。本领域技术人员了解，该对应的滤网材料信息是指一定体积的由该材料制成的滤网在所述第一海域内海水内时，浮力与重力相当，能够保持滤网在海面下而不浮至海面上，从而适合于对该第一海域内的海面进行清理打捞。
所述第一滤网筛选模型神经网络模型为基础建立，由所述训练数据集训练而成，其具有神经网络模型的特性，其中，人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及功能的一种抽象数学模型，神经网络是一种运算模型，由大量的节点（或称神经元）之间相互连接构成，每个节点代表一种特定的输出函数称为激励函数，每两个节点之间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆，网络的输出则依照网络的连接方式，是对一种逻辑策略的表达，基于神经网络模型建立的所述第一滤网筛选模型根据输入的第一海域的浮力信息，能够输出准确的第一滤网材料信息，从而具备了较强的分析计算能力，达到了准确而高效切换滤网，适用于第一海域内海水浮力的技术效果。
S900：将所述第一海域的实时浮力信息输入所述第一滤网筛选模型，获得第一滤网材料信息；
S1000：根据所述第一滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
具体而言，第一海域的实时浮力信息即为需要进行海面清理工作，调整滤网材料时测得的实时的浮力信息，该实时浮力信息落入第一浮力阈值对应的浮力范围内，即该实时浮力信息位于所述第一海水密度和所述第二海水密度对应的浮力值之间。向训练得到的具有神经网络特性的第一滤网筛选模型内输入所述实时浮力信息后，第一滤网筛选模型即可输出得到第一滤网材料信息，该第一滤网材料信息对应的滤网材料能够适用于该实时浮力信息对应的海域内。通过根据所述第一滤网材料信息对海面清理船舶用滤网的材料进行调整，调整后，海面清理船舶用滤网即可保持在具有该实时浮力信息的第一海域的海面下，不会由于浮力过大而浮至海面上或滤网重力较大沉入更深的海域内，进而能够更加高效快速地进行海面垃圾的清理打捞工作。通过将实时浮力信息输入所述第一滤网筛选模型，获得第一滤网材料信息对滤网材料进行调整，能够高效精确地确定适合于该实时浮力信息的海域的滤网材料种类进而进行调整，达到了高效、精确而智能地调整滤网材料的技术效果。
如图2所示，本申请实施例提供的方法还包括步骤S1100，步骤S1100还包括：
S1110：构建腐蚀度特征组合集合 ；
S1120：根据所述腐蚀度特征组合集合对所述第一滤网筛选模型进行联邦学习，获得第二滤网筛选模型；
S1130：获得所述腐蚀度特征组合集合中腐蚀度最大 的气候条件与海水成分特征组合；
S1140：将所述特征组合输入所述第二滤网筛选模型，获得第二滤网材料信息；
S1150：根据所述第二滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
具体而言，所述腐蚀度特征组合集合为所述第一海域内的腐蚀度特征的集合，腐蚀度特征为所述第一海域内海水以及环境所具有的各项对滤网具有腐蚀作用的特征，示例性地，腐蚀度特征包括第一海域内的气候条件和海水成分，进一步地，该气候条件包括：光照强度、潮汐规律、风力和风向；该海水成分包括：海水的含盐量、电导率、流速和溶解氧含量。上述参数均可对海面清理船舶用滤网造成腐蚀作用，进而影响滤网的清理工作效果以及使用寿命。
第二滤网筛选模型是第一滤网筛选模型通过所述腐蚀度特征组合集合进行联邦学习而获得的，联邦学习为分布式机器学习技术，在本申请实施例中，通过基于第一浮力阈值构建的训练数据集和腐蚀度特征组合集合进行联邦学习，共同建模，进而获得第二滤网筛选模型。第二滤网筛选模型由多组训练数据训练而成，除基于第一浮力阈值构建的训练数据集外，每组训练数据还包括腐蚀度特征与第二滤网材料信息的标识信息，通过输入所述腐蚀度特征组合集合中腐蚀度最大 的气候条件与海水成分特征组合，即可输出对应的第二滤网材料信息，对应于所述第二滤网材料信息的滤网材料能够在该腐蚀度最大 的气候条件与海水成分特征组合下进行海面清理打捞工作，而不被海水腐蚀或腐蚀较为缓慢，进而提升滤网材料的使用寿命。
本申请实施例通过输入腐蚀度最大的气候条件与海水成分特征组合至第二滤网筛选模型内，得到第二滤网材料信息，第二滤网材料信息对应的滤网材料即能够在该气候条件与海水成分对应的腐蚀度下进行清理工作，且不会发生腐蚀或腐蚀较为缓慢，通过第一海域内腐蚀度特征对滤网材料进行调整，达到了提升滤网清理工作质量，提升海面清理船舶用滤网的使用寿命的技术效果。
如图3所示，本申请实施例提供方法的步骤S1110包括：
S1111：获得所述第一海域的气候特征；
S1112：根据所述气候特征，确定所述第一海域在所述预定时段内的气候条件，其中，所述气候条件包括光照强度、潮汐规律、风力和风向；
S1113：对所述第一海域的海水进行成分分析，获得第一海水成分信息；
S1114：对所述第一海水成分信息进行聚类分类，获得聚类结果 ，其中，所述聚类结果包括N个类别的成分信息；
S1115：对每个类别的成分信息进行主特征提取，获得N个主特征信息，其中，每个所述主特征信息均与每个类别相对应；
S1116：分别获得所述N个主特征信息和所述光照强度、所述潮汐规律、所述风力和所述风向的组合腐蚀度，构建腐蚀度特征组合集合。
具体而言，腐蚀度特征组合集合是基于第一海域内的气候特征和海水成分而得到的。第一海域的气候特征包括第一海域内的光照强度、潮汐规律、风力和风向，其中，上述的气候特征均会对滤网产生不同程度的冲刷、损坏和老化作用，进而对滤网造成腐蚀。
对第一海水成分信息进行聚类分类可按照一定标准对上述第一海水成分信息分为N个大类，获得聚类结果，该聚类结果则包括N个类别的成分信息，N为正整数。通过对每个类别的成分信息进行主特征提取，获得N个主特征信息，能够获得主要对滤网产生腐蚀作用的成分信息中的主特征信息，其中，每个主特征信息与每个类别一一对应。第一海域内海水的第一海水成分信息包括但不限于海水的含盐量、电导率、流速和溶解氧含量，可通过对第一海域内海水进行采样检测而得到，上述的第一海水成分信息会对滤网产生不同程度的电化学腐蚀、机械作用腐蚀等。分别获得所述N个主特征信息和光照强度、潮汐规律、风力和风向的组合腐蚀度，构建腐蚀度特征组合集合，该腐蚀度特征组合集合即包括了不同气候特征以及不同第一海水成分信息的多个组合腐蚀度，每个不同的组合腐蚀度均可对应第二滤网筛选模型中的一个第二滤网材料信息。本申请实施例通过构建多样化的腐蚀度特征组合集合，可选用不同的滤网材料适应不同的组合腐蚀度，对于腐蚀度最大的气候条件和海水成分特征组合，可选出耐腐蚀性能最强的第二滤网材料信息，进而对滤网材料进行调整，达到了针对不同海域内多样化气候环境和海水成分，精确智能地选择具有对应耐腐蚀性能的滤网材料的技术效果。
如图4所示，本申请实施例提供的方法还包括步骤S1200，步骤S1200包括：
S1210：获得所述第一海面清理船舶的位置信息；
S1220：根据所述位置信息，获得海岸人流量信息和常住人口与游客比例信息；
S1230：所述常住人口与游客比例信息输入垃圾类型预测模型，获得第一垃圾类型预测结果；
S1240：根据所述人流量信息对垃圾产出量进行预估，获得第一垃圾产出量预估结果；
S1250：根据所述第一垃圾类型预测结果和所述第一垃圾产出量预估结果，获得第一网眼尺寸信息，所述第一网眼尺寸信息为所述第一海面清理船舶用滤网的网眼尺寸信息。
具体而言，所述第一海面清理船舶的位置信息为第一海面清理船舶位于第一海域上的位置信息，示例性地，包括第一海面清理船舶处于某一海边城市的海边景区或海边贸易区等。
根据所述位置信息，获得海岸人流量信息和常住人口与游客比例信息，示例性地，第一海面清理船舶位于海边景区，则海岸人流量较大，常住人口与游客比例较小。将所述常住人口与游客比例信息输入垃圾类型预测模型，获得第一垃圾类型预测结果，即可获知第一海域海面上的垃圾类型。将所述人流量信息对垃圾产出量进行预估，获得第一垃圾产出量预估结果，即可获知第一海域海面上的垃圾量的大小。举不设限地一例，若常住人口与游客比例较小，则游客较多，则产生的旅游类垃圾较多，例如零食袋和饮料瓶等；若人流量信息对应的人流量较大，则第一垃圾产出量预估结果对应的垃圾数量较大。根据所述第一垃圾类型预测结果和所述第一垃圾产出量预估结果，获得第一网眼尺寸信息，所述第一网眼尺寸信息为所述第一海面清理船舶用滤网的网眼尺寸信息。通过上述的第一垃圾类型预测结果和所述第一垃圾产出量预估结果即可获得合适的第一海面清理船舶用滤网的网眼尺寸信息，例如，若第一垃圾类型预测结果对应的体积较小的垃圾较多，则可获得较小的第一网眼尺寸信息，对第一海面清理船舶用滤网的网眼尺寸进行调节。本申请实施例通过获得第一海面清理船舶所在的位置信息，进而对垃圾类型和垃圾产出量进行预测评估，能够了解所需清理海面上的垃圾类型和产出量，进而调节滤网的网眼尺寸信息，对海面上的垃圾进行有效清理和打捞，避免网眼尺寸不合适影响海面清理效果，达到了根据不同位置海面进行调整滤网网眼尺寸，使滤网调整至适合不同位置海面清理工作的技术效果。
如图5所示，本申请实施例提供的方法还包括步骤S1300，步骤S1300包括：
S1310：根据所述位置信息，判断所述岸边是否设有港口；
S1320：如果所述岸边设有港口，根据所述港口类型，获得所述第一海域中的船只类型和船只数量；
S1330：根据所述船只类型和所述船只数量，获得第二密度调整参数；
S1340：根据所述第二密度调整参数，对所述第一海水密度进行调整，获得第三海水密度。
具体而言，根据所述位置信息确定第一海面清理船舶所在的海边城市以及具体位置，即可确定第一海面清理船舶所在的第一海域对应的岸边是否有港口。若存在港口，则可根据存在的港口的类型获得第一海域内的船只类型和船只数量，例如，港口类型为贸易港口，则可获得第一海域内的船只类型为货船，并根据港口规模和位置信息获知货船的数量。
根据所述船只类型和所述船只数量，获得第二密度调整参数，船只规模较大以及数量较多时，会对第一海域内海面产生一定压力，进而使第一海域内海水压力增大，进而影响第一海域内海水的第一密度，根据所述船只类型和船只数量，即可获得船只对第一海域内海水密度的影响参数，进而获得第二密度调整参数，采用所述第二密度调整参数，对所述第一海水密度进行调整，获得第三海水密度。可将第三海水密度进一步输入训练数据集，对第一滤网筛选模型进行训练，进一步获得基于第一海域船只信息协同训练得到的第一滤网筛选模型，进而输出滤网材料信息对滤网材料进行调整。本申请实施例通过获知第一海域内港口的船只类型和船只信息，在船只对海水密度产生影响时获得第三海水密度，进而基于第三海水密度对滤网材料进行调整，能够达到更换滤网材料更加精准，更加高效，更加适应不同海域情况的技术效果。
如图6所示，本申请实施例提供的方法还包括步骤S1400，步骤S1400包括：
S1410：根据所述位置信息，获得所述位置为中心预定距离内的生物群体特征；
S1420：根据所述生物群体特征，获得第一网眼尺寸调整参数；
S1430：根据所述第一网眼尺寸调整参数，对所述第一网眼尺寸信息进行调整，获得第二网眼尺寸信息。
具体而言，根据所述位置信息可获知第一海面清理船舶所在的沿海城市及对应的所在方位和所在生物群，例如，第一海面清理船舶的所述位置信息对应位置热带沿海，则可获知热带沿海具体城市海边该位置为中心预定距离内范围的生物群体特征。该生物群体特征包括生物群体种类以及生物群体体型大小等。
通过所述生物群体特征，获得第一网眼尺寸调整参数，并根据第一网眼尺寸调整参数对第一网眼尺寸信息进行调整，获得第二网眼尺寸信息，在第一海面清理船舶进行清理的过程中，为避免影响所在位置的生物生态，可通过生物群体特征对滤网网眼尺寸信息进行调整，在滤网的网眼中设置至少部分的大于所在位置生物群体体型大小的网眼，使生物群体可通过至少部分的较大的网眼中游出滤网，避免打捞起部分生物群体，影响所在位置的生态环境。本申请实施例通过获取所在位置附近的生物群体特征对第一海面清理船舶用滤网的网眼尺寸进行调节，能够满足在对所在海域海面进行垃圾清理的同时不影响当地生物生态的目的，达到了对滤网网眼尺寸进行调节使其具有多项供暖，满足清理工作的同时而又能够避免影响生物生态的技术效果。
本申请实施例提供的方法中的步骤S1240包括：
S1241：所述常住人口与游客比例信息作为输入信息输入垃圾类型预测模型；
S1242：所述垃圾类型预测模型通过多组训练数据训练获得，所述多组训练数据中的每组数据均包括所述常住人口与游客比例信息和用于标识垃圾类型预测结果的标识信息；
S1243：获得所述垃圾类型预测模型的输出信息，所述输出信息包括所述第一垃圾类型预测结果。
具体而言，所述垃圾类型预测模型是以神经网络模型为基础建立，具有神经网络模型的特性，其中，人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及功能的一种抽象数学模型，垃圾类型预测模型通过多组训练数据训练获得，所述多组训练数据中的每组数据均包括所述常住人口与游客比例信息和用于标识垃圾类型预测结果的标识信息，垃圾类型预测模型能够不断地自我的修正，当垃圾类型预测模型的输出信息达到预定的准确率/收敛状态时，则监督学习过程结束。向垃圾类型预测模型输入所述常住人口与游客比例信息后，其输出的输出信息即包括第一垃圾类型预测结果，通过对垃圾类型预测模型进行数据训练，使得垃圾类型预测模型输出的垃圾类型预测结果更加准确，达到了准确获得垃圾类型信息，进而准确高效地调整滤网的网眼尺寸信息的技术效果。
综上所述，本申请实施例提供的方法通过根据不同海域的情况以及不同海域内海风风力获得海域内的海水密度信息，并根据该海水密度信息获得该海域的浮力阈值，基于浮力阈值构建训练数据集，通过训练数据集获得滤网筛选模型，并通过滤网筛选模型输出滤网材料信息对滤网材料进行调整，还通过获取第一海域内的腐蚀度特征组合集合获得第二滤网材料信息对滤网材料进行调整，还通过获取垃圾类型以及生物群体特征对网滤网网眼尺寸进行调整，最终获得材质及网眼类型适当的海面清理船舶用滤网。本申请实施例通过对不同海域内情况进行不同而具体地分析，使海面清理船舶在面对不同海域时，可切换不同滤网材料，调整滤网的网眼尺寸，提升了调整滤网的精确性和效率，进而提升了海面清理船舶在面对不同海域清理工作时的普适性，达到了海面清理船舶进行海面清理工作更加理想更加智能的技术效果。
实施例二
基于与前述实施例中一种海面清理船舶用滤网的调整方法相同的发明构思，如图7所示，本申请实施例提供了一种海面清理船舶用滤网的调整系统，其中，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得第一海域的海水盐度、海水温度、海域深度；
第一处理单元12，所述第一处理单元12用于根据所述第一海域的海水盐度、所述海水温度和所述海域深度，获得第一海水密度；
第二获得单元13，所述第二获得单元13用于获得预定时段内所述第一海域海风的最大风力；
第二处理单元14，所述第二处理单元14用于根据所述预定时段内所述第一海域海风的最大风力，获得第一密度调整参数；
第三处理单元15，所述第三处理单元15用于根据所述第一密度调整参数对所述第一海水密度进行调整，获得第二海水密度；
第四处理单元16，所述第四处理单元16用于根据所述第一海水密度和第二海水密度确定所述第一海域的第一浮力阈值；
第五处理单元17，所述第五处理单元17用于根据所述第一浮力阈值，构建训练数据集；
第三获得单元18，所述第三获得单元18用于根据所述训练数据集对神经网络进行训练，获得第一滤网筛选模型；
第四获得单元19，所述第四获得单元19用于将所述第一海域的实时浮力信息输入所述第一滤网筛选模型，获得第一滤网材料信息；
第一管理单元20，所述第一管理单元20用于根据所述第一滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
进一步的，所述系统还包括：
第六处理单元，所述第六处理单元用于构建腐蚀度特征组合集合 ；
第五获得单元，所述第五获得单元用于根据所述腐蚀度特征组合集合对所述第一滤网筛选模型进行联邦学习，获得第二滤网筛选模型；
第六获得单元，所述第六获得单元用于获得所述腐蚀度特征组合集合中腐蚀度最大的气候条件与海水成分特征组合；
第七获得单元，所述第七获得单元用于将所述特征组合输入所述第二滤网筛选模型，获得第二滤网材料信息；
第二管理单元，所述第二管理单元用于根据所述第二滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
进一步的，所述系统还包括：
第八获得单元，所述第八获得单元用于获得所述第一海域的气候特征；
第七处理单元，所述第七处理单元用于根据所述气候特征，确定所述第一海域在所述预定时段内的气候条件，其中，所述气候条件包括光照强度、潮汐规律、风力和风向；
第九获得单元，所述第九获得单元用于对所述第一海域的海水进行成分分析，获得第一海水成分信息；
第十获得单元，所述第十获得单元用于对所述第一海水成分信息进行聚类分类，获得聚类结果 ，其中，所述聚类结果包括N个类别的成分信息；
第十一获得单元，所述第十一获得单元用于对每个类别的成分信息进行主特征提取，获得N个主特征信息，其中，每个所述主特征信息均与每个类别相对应；
第十二获得单元，所述第十二获得单元用于分别获得所述N个主特征信息和所述光照强度、所述潮汐规律、所述风力和所述风向的组合腐蚀度，构建腐蚀度特征组合集合。
进一步的，所述系统还包括：
第十三获得单元，所述第十三获得单元用于获得所述第一海面清理船舶的位置信息；
第十四获得单元，所述第十四获得单元用于根据所述位置信息，获得海岸人流量信息和常住人口与游客比例信息；
第八处理单元，所述第八处理单元用于将所述常住人口与游客比例信息输入垃圾类型预测模型，获得第一垃圾类型预测结果；
第十五获得单元，所述第十五获得单元用于根据所述人流量信息对垃圾产出量进行预估，获得第一垃圾产出量预估结果；
第九处理单元，所述第九处理单元用于根据所述第一垃圾类型预测结果和所述第一垃圾产出量预估结果，获得第一网眼尺寸信息，所述第一网眼尺寸信息为所述第一海面清理船舶用滤网的网眼尺寸信息。
进一步的，所述系统还包括：
第一判断单元，所述第一判断单元用于根据所述位置信息，判断所述岸边是否设有港口；
第十六获得单元，所述第十六获得单元用于如果所述岸边设有港口，根据所述港口类型，获得所述第一海域中的船只类型和船只数量；
第十七获得单元，所述第十七获得单元用于根据所述船只类型和所述船只数量，获得第二密度调整参数；
第十处理单元，所述第十处理单元用于根据所述第二密度调整参数，对所述第一海水密度进行调整，获得第三海水密度。
进一步的，所述系统还包括：
第十八获得单元，所述第十八获得单元用于根据所述位置信息，获得所述位置为中心预定距离内的生物群体特征；
第十九获得单元，所述第十九获得单元用于根据所述生物群体特征，获得第一网眼尺寸调整参数；
第十一处理单元，所述第十一处理单元用于根据所述第一网眼尺寸调整参数，对所述第一网眼尺寸信息进行调整，获得第二网眼尺寸信息。
进一步的，所述系统还包括：
第十二处理单元，所述第十二处理单元用于将所述常住人口与游客比例信息作为输入信息输入垃圾类型预测模型；其中，所述垃圾类型预测模型通过多组训练数据训练获得，所述多组训练数据中的每组数据均包括所述常住人口与游客比例信息和用于标识垃圾类型预测结果的标识信息；
第二十获得单元，所述第二十获得单元用于获得所述垃圾类型预测模型的输出信息，所述输出信息包括所述第一垃圾类型预测结果。
下面参考图8来描述本申请实施例的电子设备，
基于与前述实施例中一种海面清理船舶用滤网的调整方法相同的发明构思，本申请实施例还提供了一种海面清理船舶用滤网的调整系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一所述方法的步骤。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc
read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种海面清理船舶用滤网的调整方法。
可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。
本申请实施例通过提供了一种海面清理船舶用滤网的调整调节方法及系统，通过根据不同海域的情况以及不同海域内海风风力获得海域内的海水密度信息，并根据该海水密度信息获得该海域的浮力阈值，基于浮力阈值构建训练数据集，通过训练数据集获得滤网筛选模型，并通过滤网筛选模型输出滤网材料信息对滤网材料进行调整，还通过获取第一海域内的腐蚀度特征组合集合获得第二滤网材料信息对滤网材料进行调整，还通过获取垃圾类型以及生物群体特征对网滤网网眼尺寸进行调整，最终获得材质及网眼类型适当的海面清理船舶用滤网。本申请实施例通过对不同海域内情况进行不同而具体地分析，使海面清理船舶在面对不同海域时，可切换不同滤网材料，调整滤网的网眼尺寸，提升了调整滤网的精确性和效率，进而提升了海面清理船舶在面对不同海域清理工作时的普适性，达到了海面清理船舶进行海面清理工作更加理想更加智能的技术效果。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a ,b,或c中的至少一项(个、种)，可以表示：a ,b,c,a -b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指
令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (9)

1.一种海面清理船舶用滤网的调整方法，其中，所述方法包括：
获得第一海域的海水盐度、海水温度、海域深度；
根据所述第一海域的海水盐度、所述海水温度和所述海域深度，获得第一海水密度；
获得预定时段内所述第一海域海风的最大风力；
根据所述预定时段内所述第一海域海风的最大风力，获得第一密度调整参数；
根据所述第一密度调整参数对所述第一海水密度进行调整，获得第二海水密度；
根据所述第一海水密度和第二海水密度确定所述第一海域的第一浮力阈值；
根据所述第一浮力阈值，构建训练数据集；
根据所述训练数据集对神经网络进行训练，获得第一滤网筛选模型；
将所述第一海域的实时浮力信息输入所述第一滤网筛选模型，获得第一滤网材料信息；
根据所述第一滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
2.如权利要求1所述的方法，其中，所述方法还包括：
构建腐蚀度特征组合集合；
根据所述腐蚀度特征组合集合对所述第一滤网筛选模型进行联邦学习，获得第二滤网筛选模型；
获得所述腐蚀度特征组合集合中腐蚀度最大的气候条件与海水成分特征组合；
将所述特征组合输入所述第二滤网筛选模型，获得第二滤网材料信息；
根据所述第二滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
3.如权利要求2所述的方法，其中，所述构建腐蚀度特征组合集合，包括：
获得所述第一海域的气候特征；
根据所述气候特征，确定所述第一海域在所述预定时段内的气候条件，其中，所述气候条件包括光照强度、潮汐规律、风力和风向；
对所述第一海域的海水进行成分分析，获得第一海水成分信息；
对所述第一海水成分信息进行聚类分类，获得聚类结果，其中，所述聚类结果包括N个类别的成分信息；
对每个类别的成分信息进行主特征提取，获得N个主特征信息，其中，每个所述主特征信息均与每个类别相对应；
分别获得所述N个主特征信息和所述光照强度、所述潮汐规律、所述风力和所述风向的组合腐蚀度，构建腐蚀度特征组合集合。
4.如权利要求1所述的方法，其中，所述方法还包括：
获得所述第一海面清理船舶的位置信息；
根据所述位置信息，获得海岸人流量信息和常住人口与游客比例信息；
将所述常住人口与游客比例信息输入垃圾类型预测模型，获得第一垃圾类型预测结果；
根据所述人流量信息对垃圾产出量进行预估，获得第一垃圾产出量预估结果；
根据所述第一垃圾类型预测结果和所述第一垃圾产出量预估结果，获得第一网眼尺寸信息，所述第一网眼尺寸信息为所述第一海面清理船舶用滤网的网眼尺寸信息。
5.如权利要求4所述的方法，其中，所述方法还包括：
根据所述位置信息，判断岸边是否设有港口；
如果所述岸边设有港口，根据所述港口类型，获得所述第一海域中的船只类型和船只数量；
根据所述船只类型和所述船只数量，获得第二密度调整参数；
根据所述第二密度调整参数，对所述第一海水密度进行调整，获得第三海水密度。
6.如权利要求4所述的方法，其中，所述方法还包括：
根据所述位置信息，获得所述位置为中心预定距离内的生物群体特征；
根据所述生物群体特征，获得第一网眼尺寸调整参数；
根据所述第一网眼尺寸调整参数，对所述第一网眼尺寸信息进行调整，获得第二网眼尺寸信息。
7.如权利要求4所述的方法，其中，所述将所述常住人口与游客比例信息输入垃圾类型预测模型，获得第一垃圾类型预测结果，包括：
将所述常住人口与游客比例信息作为输入信息输入垃圾类型预测模型；
所述垃圾类型预测模型通过多组训练数据训练获得，所述多组训练数据中的每组数据均包括所述常住人口与游客比例信息和用于标识垃圾类型预测结果的标识信息；
获得所述垃圾类型预测模型的输出信息，所述输出信息包括所述第一垃圾类型预测结果。
8.一种海面清理船舶用滤网的调整系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得第一海域的海水盐度、海水温度、海域深度；
第一处理单元，所述第一处理单元用于根据所述第一海域的海水盐度、所述海水温度和所述海域深度，获得第一海水密度；
第二获得单元，所述第二获得单元用于获得预定时段内所述第一海域海风的最大风力；
第二处理单元，所述第二处理单元用于根据所述预定时段内所述第一海域海风的最大风力，获得第一密度调整参数；
第三处理单元，所述第三处理单元用于根据所述第一密度调整参数对所述第一海水密度进行调整，获得第二海水密度；
第四处理单元，所述第四处理单元用于根据所述第一海水密度和第二海水密度确定所述第一海域的第一浮力阈值；
第五处理单元，所述第五处理单元用于根据所述第一浮力阈值，构建训练数据集；
第三获得单元，所述第三获得单元用于根据所述训练数据集对神经网络进行训练，获得第一滤网筛选模型；
第四获得单元，所述第四获得单元用于将所述第一海域的实时浮力信息输入所述第一滤网筛选模型，获得第一滤网材料信息；
第一管理单元，所述第一管理单元用于根据所述第一滤网材料信息对第一海面清理船舶用滤网的材料进行调整。
9.一种海面清理船舶用滤网的调整系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如权利要求1至7任一项所述方法的步骤。
CN202111236005.0A 2021-10-22 2021-10-22 一种海面清理船舶用滤网的调整方法及系统 Active CN113668479B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111236005.0A CN113668479B (zh) 2021-10-22 2021-10-22 一种海面清理船舶用滤网的调整方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111236005.0A CN113668479B (zh) 2021-10-22 2021-10-22 一种海面清理船舶用滤网的调整方法及系统

Publications (2)

Publication Number Publication Date
CN113668479A CN113668479A (zh) 2021-11-19
CN113668479B true CN113668479B (zh) 2021-12-17

Family

ID=78550919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111236005.0A Active CN113668479B (zh) 2021-10-22 2021-10-22 一种海面清理船舶用滤网的调整方法及系统

Country Status (1)

Country Link
CN (1) CN113668479B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114925886B (zh) * 2022-04-29 2024-04-30 南通海舟船舶设备有限公司 一种船舶的船底附着物清理预测方法
CN116244935B (zh) * 2023-02-17 2023-09-19 国家海洋环境预报中心 一种海底压力场构建、应用方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1076259A (ja) * 1996-08-20 1998-03-24 Yutaku In 流動油の防除処理方式
CN101990864A (zh) * 2009-08-24 2011-03-30 中国水产科学研究院东海水产研究所 自下潜框式取样网海洋幼鱼取样方法
CN104756904A (zh) * 2015-03-11 2015-07-08 中国水产科学研究院东海水产研究所 一种模块化拼装的铜合金拉伸网网箱及其装配方法
CN205962357U (zh) * 2016-06-28 2017-02-22 古国维 免换网或易换网自系泊多边形张力腿柔性网箱
CN109042425A (zh) * 2018-10-11 2018-12-21 宜宾群星特种渔业有限公司 一种防风的海上养殖鱼网箱
CN109591988A (zh) * 2018-12-27 2019-04-09 中国船舶重工集团公司第七0研究所 一种基于海洋环境参数调节的浮力驱动装置
CN113133422A (zh) * 2021-04-30 2021-07-20 大连连船重工有限公司 一种深海刚性潜水智能网箱

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1076259A (ja) * 1996-08-20 1998-03-24 Yutaku In 流動油の防除処理方式
CN101990864A (zh) * 2009-08-24 2011-03-30 中国水产科学研究院东海水产研究所 自下潜框式取样网海洋幼鱼取样方法
CN104756904A (zh) * 2015-03-11 2015-07-08 中国水产科学研究院东海水产研究所 一种模块化拼装的铜合金拉伸网网箱及其装配方法
CN205962357U (zh) * 2016-06-28 2017-02-22 古国维 免换网或易换网自系泊多边形张力腿柔性网箱
CN109042425A (zh) * 2018-10-11 2018-12-21 宜宾群星特种渔业有限公司 一种防风的海上养殖鱼网箱
CN109591988A (zh) * 2018-12-27 2019-04-09 中国船舶重工集团公司第七0研究所 一种基于海洋环境参数调节的浮力驱动装置
CN113133422A (zh) * 2021-04-30 2021-07-20 大连连船重工有限公司 一种深海刚性潜水智能网箱

Also Published As

Publication number Publication date
CN113668479A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
CN113668479B (zh) 一种海面清理船舶用滤网的调整方法及系统
AU2020103356A4 (en) Method and device for building river diatom bloom warning model
CN108230302B (zh) 一种核电厂冷源海域入侵海洋生物探测及处置方法
Nikoo et al. A fuzzy KNN-based model for significant wave height prediction in large lakes
Petersen et al. A machine-learning approach to predict main energy consumption under realistic operational conditions
Quintana et al. A nonparametric method for the measurement of size diversity with emphasis on data standardization
CN109002888B (zh) 一种赤潮预警方法
CN114186615B (zh) 船舶检测半监督在线训练方法、装置及计算机存储介质
CN110796048A (zh) 一种基于深度神经网络的船舰目标实时检测方法
Luo et al. Prediction of significant wave height in hurricane area of the Atlantic Ocean using the Bi-LSTM with attention model
Zhou et al. Dynamic fuzzy ship domain considering the factors of own ship and other ships
CN116429118B (zh) 一种基于物联网的渔船安全生产监管方法及系统
CN111144666B (zh) 一种基于深度时空残差网络的海洋温跃层预测方法
CN112926541A (zh) 一种睡岗检测方法、装置及相关设备
Schneider et al. Counting fish and dolphins in sonar images using deep learning
CN112766308A (zh) 一种远洋船舶分类方法
Durán-Rosal et al. Detection and prediction of segments containing extreme significant wave heights
CN106919783B (zh) 一种浮标数据的多目标关联度划分处理方法
CN117975128A (zh) 基于扩散模型的Yolov5x的森林火灾识别方法及系统
CN116088542B (zh) 一种基于遥感技术的渔船作业安全预警方法及系统
CN111597506B (zh) 近岸波浪破碎参数和波高的预测方法
CN116090859B (zh) 一种近海岛礁渔业水域生态健康评价方法及系统
Christensen et al. A cross disciplinary framework for cost-benefit optimization of marine litter cleanup at regional scale
CN114547992A (zh) 一种潮汐河口盐水入侵模型的构建方法、装置及电子设备
CN115481494A (zh) 一种长江全线客船型线谱系生成方法

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
GR01 Patent grant
GR01 Patent grant