CN114128661A - 一种基于河蟹生长模型的池塘河蟹精准投饵方法 - Google Patents

Abstract

本发明公开了一种基于河蟹生长模型的池塘河蟹精准投饵方法。利用灰色关联度分析法，确定对河蟹生长发育影响最大的环境因子，构建基于GA‑BP神经网络的精准投饵专家系统。第一步，通过输入环境参数，经过GA‑BP神经网络训练，推算出最佳环境影响因子数值。第二步，得出本次池塘总投饵量。第三步，将总投饵量科学分配到池塘各个区域。第四步，在池塘多个代表性水域设置监测食台，反馈修正各区域饵料分配量，实现河蟹养殖精准投饵的目的。该方法可根据环境参数的变化及河蟹实际摄食情况实时调整投饵量，使得投喂更加精准，有利于河蟹的生长发育，提高产量，培养高规格河蟹，提高养殖效益。

Description

一种基于河蟹生长模型的池塘河蟹精准投饵方法

技术领域

本发明涉及河蟹养殖投饵量的精准确定方法，特别是通过构建河蟹生长模型，根据河蟹养殖密度、养殖面积决策出经验投饵量，结合河蟹生长期投喂率得出本次池塘总投饵量；进一步根据区域河蟹分布密度和水质参数，将总投饵量科学分配到池塘各个区域；最后通过食台观测各食台分配到的总饵料量和河蟹摄食后的剩余饵料量，反馈修正各区域饵料分配量。

背景技术

目前，关于河蟹生长模型与自动投饵船方面已有相关研究。河蟹寿命不长，常见的鱼类生长模型能够在一定程度上反映河蟹的生长规律。但河蟹养殖地点以户外池塘为主，各种环境因素都会影响河蟹生长趋势。在自动投饵设备研究方面，已经出现了一些可以自主移动的投饵设备。能够一定程度上提高机械化、自动化水平，也考虑到了路径规划，实现自动投食。但在实际应用中，对于饵料投喂量没有深入研究，或者只是简单的定时定量抛撒，没有考虑到河蟹生长的实际需求。而国内外对于精准投饵的研究较少，在水产领域，大多还是固定式的投饵机或者水下网箱进行精准投饵。

因此，迫切需要开展河蟹养殖高效精准投喂技术研究，揭示河蟹生长及投喂规律，提高饵料利用率，降低养殖成本，提高养殖效益。申请号为201910805322.6的专利“一种河蟹养殖投饵量的精准确定方法”提出了根据水温水质确定投饵量的方法。但是申请号为201910805322.6的专利发明的方法只是解决了单环境变量影响投饵的问题，没有研究河蟹生长模型与多环境变量作用下的科学投饵量，而且在具体投喂时，没有考虑到池塘水质差异的问题。另外，该发明提出利用食台观测剩余饵料反馈，但没有给出根据反馈定量调节各区域饵料分配量及分配密度的方法。

发明内容

本发明提出基于河蟹生长模型的池塘河蟹精准投饵方法，并且根据池塘的具体环境信息，以精准投饵为目的，通过基于GA-BP神经网络的精准投饵专家系统，解算出总投饵量。根据池塘河蟹实际分布密度和水质参数，确定池塘各区域的饵料分配系数，将总投饵量科学分配到池塘各个区域。通过食台观测各食台分配到的总饵料量和河蟹摄食后的剩余饵料量，修正各区域饵料分配量，实现河蟹养殖精准投饵的目的。

本发明的技术方案为一种基于河蟹生长模型的池塘河蟹精准投饵方法，包括以下步骤：(a)：通过定期池塘河蟹捕捞称重与水质测量，获取河蟹的规格重量与养殖环境参数，进而对相关数据进行处理分析，建立河蟹生长模型。

(b):基于河蟹生长模型，设计专家系统，根据实际河蟹养殖密度与养殖面积得出当前河蟹总重量预测值，结合专家养殖经验给出经验投饵量，根据河蟹不同的生长阶段给出不同的投喂率，综合上述投饵因素，得出总投饵量。

(c):根据池塘河蟹实际分布密度和水质参数，确定池塘各区域的饵料分配系数，将总投饵量科学分配到池塘各个区域。

(d):在池塘多个代表性水域设置监测食台，通过食台观测各食台分配到的总饵料量和河蟹摄食后的剩余饵料量，确定该区域剩余饵料反馈系数，根据各个区域的剩余饵料反馈系数反馈更新池塘河蟹生长模型，调整池塘总投饵量及区域饵料分配系数，修正各区域饵料分配量，实现河蟹养殖精准投饵的目的。

2.对于所述步骤(a)的详细描述为：选取河蟹月增重变化为参考序列，选取温度，溶解氧含量，pH值等环境因素为比较序列。数据先经过归一化处理，统一到近似范围内，重点关注其变化趋势。计算灰色关联度系数，形成关联序列。将关联度最大的环境因子引入模型，拟合得到更加符合河蟹生长增重规律的生长模型，并计算出河蟹现阶段体重。河蟹现阶段体重计算方法为：

式中：G(g)表示河蟹现阶段体重，var为环境因子参数，t(月)表示当前河蟹月龄，k为瞬时生长率，p为校准参数，m为河蟹体重极限参数，c为常系数。

3.对于所述步骤(b)的详细描述为：由步骤(a)建立河蟹生长规律，并根据实际养殖中河蟹养殖密度与养殖面积，得出河蟹总重量预测值，通过计算得出经验投饵量。河蟹总重量预测值计算方法为：

Z＝G*D*S*10^-3

式中：Z(kg)为河蟹总重量预测值，D(只/hm²)为养殖密度，G(g)表示河蟹现阶段体重，S(hm²)为河蟹养殖面积。

经验投饵量计算方法为：

F＝(O-Z)*C′

式中：F(kg)为经验投饵量，O(kg)为预计产出量，Z(kg)为河蟹总重量预测值，C′为饲料系数。

构建基于GA-BP神经网络的河蟹养殖精准投饵专家系统，获取不同的水温、pH值、溶解氧含量等环境参数并进行无量纲化处理，根据最优参数对BP神经网络进行赋值，确定BP神经网络的隐含层结点个数，通过GA-BP神经网络计算出环境影响因子R。

总投饵量计算方法为：

H＝F*R*L

式中：H(kg)为河蟹总投喂量，F(kg)为经验投饵量，L为投喂率，R为环境影响因子。4.对于所述步骤(c)的详细描述为：根据池塘河蟹实际分布密度和水质参数，确定池塘各区域的饵料分配系数，将总投饵量科学分配到池塘各个区域。

各个子区域分配到的投饵密度计算方法为：

ρ(x,y)＝k(x,y)*H/S(x,y)

式中：ρ(x,y)(kg/m²)为子区域投饵密度，k(x,y)为子区域饵料分配系数，H(kg)为河蟹总投饵量，S(x,y)为子区域面积。

子区域饵料分配系数计算方法为：

式中：k(x,y)为子区域饵料分配系数，ρ_h(x,y)为河蟹分布密度，S(x,y)为子区域面积，c_d(x,y)为子区域水质参数系数。

专家系统通过上述河蟹精准投饵模型决策出每个子区域的投喂量，由于风向、昼夜、池塘深度的因素，导致池塘水质参数不一致，故投饵量需结合分配系数，从而得出池塘各子区域的饵料分配密度。

5.对于所述步骤(d)的详细描述为：投喂饵料后，在池塘多个代表性水域(离岸不同距离、不同位置、不同水深、不同水温、不同溶解氧区域)设置监测食台，通过食台观测本食台分配到的总饵料量和河蟹摄食后的剩余饵料量，确定该区域剩余饵料反馈系数，根据各个区域的剩余饵料反馈系数及阈值反馈更新池塘河蟹生长模型，调整池塘总投饵量及池塘区域饵料分配系数，修正各区域饵料分配密度，实现饵料精准投喂。

剩余饵料反馈系数c_f计算方法为：

式中：m_r为食台剩余饵料量，m_t为食台分配到的总饵料量。

修正分配系数计算方法为：

k′(x,y)＝[1-(c_f-c_f0)]k(x,y)

式中：k′(x,y)为修正分配系数，k(x,y)为修正前分配系数，c_f为剩余饵料反馈系数，c_f0为剩余饵料反馈系数阈值。

附图说明

图1池塘区域划分示意图；

图2投饵密度分配图；

图3河蟹养殖精准投饵专家系统界面；

图4为本发明方法流程图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步描述。

如图1-4所示，本发明提出一种基于河蟹生长模型的池塘河蟹精准投饵方法，用于解决河蟹养殖过程中投饵量的精确确定及精准分配问题。需要特别指出，该方法通过在传统水产作物模型基础上，加入环境因子进行改进，对河蟹生长模型进行优化并拟合，得出更加符合河蟹生长规律的生长模型。利用GA-BP神经网络解算出最佳环境影响因子数值。结合河蟹生长期投喂率得出总投饵量。根据池塘河蟹实际分布密度和水质参数，确定池塘各区域的饵料分配系数，将总投饵量科学分配到池塘各个区域。在池塘多个代表性水域设置监测食台，通过食台观测本食台分配到的总饵料量和河蟹摄食后的剩余饵料量，确定该区域剩余饵料反馈系数，根据各个区域的剩余饵料反馈系数反馈更新池塘河蟹生长模型，调整池塘总投饵量及池塘区域饵料分配系数，修正各区域饵料分配量，实现河蟹养殖精准投饵的目的。下面就设备的安装以及实施方式具体阐述。

1、投饵船设备的安装

在作业船中部安装投饵设备及控制柜，内含作业船控制板以及4G模块。GPS导航设备(包括移动站与基站)用于定位和船速的测定，在控制柜的底部没入水中位置安装水质水温监测装置。明轮电机采用的是48V电源供电，分布于作业船中部两侧，水平位置相同。在导航船前部连杆位置安装3个水下摄像设备，设备间相距为1m，并在摄像设备间安装2个水下辅助照明装置，用于拍摄水下图像。

2、变量投饵装置

料仓位于自动投饵装置主体上部，料仓下部连接饵料引流槽，饵料通过振动下料电机送往分料斗。其中料仓与分料斗呈漏斗型料仓设计可装载120kg的饵料，可供蟹塘撒料使用。为了实现精准投饵，该自动投饵装置有以下功能：

1)投饵装置料仓下料流量可控：料仓底部装有振动电机。振动电机工作时，偏心连杆带动饵料托盘，饵料下落。通过控制振动下料电机的转速的大小，即可调整下料速度的快慢。通过称重装置称量饵料重量作为反馈，调节振动电机转速。

2)投饵装置抛料器抛幅可调：饵料通过分料斗被运输到拨料片，抛盘电机工作，将饵料抛撒出去，且抛料角度可调。通过控制抛盘电机的转速的大小，即可调整抛幅的大小。抛幅最大可达12m。

3)投饵装置剩余饵料重量可测：料仓下装有称重压力传感器，可实时获取料仓内剩余饵料的重量，方便渔民及时补充饵料。

投饵装置使用蓄电池直流供电。其控制器与主控模块通过通信模块相连，实时反馈抛盘电机转动速度、振动电机转动速度、剩余饵料重量等信息。

3、河蟹生长模型的构建

首先通过定期池塘河蟹捕捞称重与水质测量，获取河蟹的重量与养殖环境参数。选取河蟹月增重变化为参考序列，选取温度，溶解氧含量，pH值等环境因素为比较序列。为了减少数据绝对值的差距，保证结果的可靠性，数据需要经过归一化处理。进而计算灰色关联度系数：

式中，x₀(k)为参考序列，x_i(k)为比较序列。ρ为可调分辨系数，取值为(0，1)，一般取值为0.5。

按照关联度均值进行降序排列，得出环境因子对参考序列的影响程度，为下一步优化生长模型做准备。

在河蟹养殖的过程中，诸如温度、溶解氧含量、pH值都会对河蟹的生长态势产生影响，而传统的生长模型没有考虑到这一点。故本发明通过灰色关联度分析法得出与河蟹生长关联度最大的环境因子，顺序为温度、溶解氧含量、pH值。关联度占比最高的环境因子是温度，数值为0.784。其余环境因子也有一定影响，溶解氧含量和pH值的关联度分别为0.629，0.604。将温度引入传统模型，在优化模型的过程中，分别以线性(linear)和指数(exp)的方式进行引入。通过Gompertz(linear)模型在线性改进模型中的R²为0.997，优于传统模型。Logistic(exp)在线性改进模型中的R²为0.999，同样优于传统模型且在所有模型中有着最高的拟合度。

4、精准投饵预测模型的构建

为了给投饵船提供饵料抛幅和流量控制的依据，提高作业效率，本发明基于GA-BP神经网络算法，提出一种结合河蟹生长模型和投喂率获取投饵量的方法。

首先，选取Logistic(exp)模型模拟河蟹生长规律，并根据实际养殖中河蟹养殖密度与养殖面积，得出河蟹总重量，通过计算得出经验投饵量。

河蟹生长计算方法为：

式中：G(g)表示河蟹现阶段体重，var为环境因子参数，t(月)表示当前河蟹月龄。

河蟹总重量预测值：

Z＝G*D*S*10^-3

式中：Z(kg)为河蟹总重量预测值，D(只/hm²)为养殖密度，G(g)表示河蟹现阶段体重，S(hm²)为河蟹养殖面积。

经验投饵量计算方法为：

F＝(O-Z)*C′

式中：F(kg)为经验投饵量，O(kg)为预计产出量，Z(kg)为河蟹总重量预测值，C′为饲料系数，颗粒饲料常取2.2，冰鲜杂鱼常取5。

本发明提出基于GA-BP神经网络的河蟹养殖精准投饵专家系统，获取不同的水温、pH值、溶解氧含量等环境参数并进行无量纲化处理，使用GA算法对输入的数据进行选择、交叉、变异操作，计算适应度，选取最优个体。判断GA算法优化结果是否符合条件，若不满足，则再次返回上一步，选取新个体。根据最优参数对BP神经网络进行赋值，确定BP神经网络的隐含层结点个数：

式中，d为隐含层神经元个数，l为输出层节点分数，n为输入层节点个数，α为1到10之间的常数，通过计算得到隐含层神经元个数d＝5。

神经网络经过正向传递后，得到实际输出，与期望输出必然是有一定误差的，为了进一步缩小误差，本发明采用梯度下降法来更新参数，最终得到环境影响因子R。

通过查询河蟹生长阶段数据，即可获取河蟹投喂率。综上总投饵量计算公式为：

H＝F*R*L

式中：H(kg)为河蟹总投饵量，F为经验投饵量，L为投喂率，R为环境影响因子。

5、池塘饵料密度分布信息获取

利用水下摄像机以及图像识别技术，对河蟹进行识别，定位和分割，获取河蟹的数量和活动情况，通过投饵船的定位系统，确定河蟹的位置信息。将池塘区域化，建立坐标系，根据池塘河蟹实际分布密度和水质参数，确定池塘各区域的饵料分配系数，将总投饵量科学分配到池塘各个区域。

各个子区域分配到的投饵密度计算方法为：

ρ(x,y)＝k(x,y)*H/S(x,y)

式中：ρ(x,y)(kg/m²)为子区域投饵密度，k(x,y)为子区域饵料分配系数，H(kg)为河蟹总投饵量，S(x,y)为子区域面积。

子区域饵料分配系数计算方法为：

式中：k(x,y)为子区域饵料分配系数，ρ_h(x,y)为河蟹分布密度，S(x,y)为子区域面积，c_d(x,y)为子区域水质参数系数。

专家系统通过上述河蟹精准投饵模型决策出每个子区域的投喂量，由于风向、昼夜、池塘深度的因素，导致池塘水质参数不一致，故投饵量需结合分配系数，从而得出池塘各子区域的饵料分配密度。

基于Qt平台开发的河蟹精准投饵专家系统界面如图3所示，在专家系统界面填写河蟹基本信息，如养殖面积、放养规格、放养密度、放养时间以及当前生长阶段。填写环境参数，如水温、酸碱度、溶解氧含量等，程序运行后，饵料密度分布信息传输到投饵船和移动终端实施投饵。投喂饵料后，在池塘多个代表性水域(离岸不同距离、不同位置、不同水深、不同水温、不同溶解氧区域)设置监测食台，通过食台观测本食台分配到的总饵料量和河蟹摄食后的剩余饵料量，确定该区域剩余饵料反馈系数c_f，根据各个区域的剩余饵料反馈系数及阈值c_f0反馈更新池塘河蟹生长模型，调整池塘总投饵量及区域饵料分配系数，修正各区域饵料分配密度，实现饵料精准投喂。剩余饵料反馈系数c_f计算方法为：

式中：m_r为食台剩余饵料量，m_t为食台分配到的总饵料量。

修正分配系数计算方法为：

k′(x,y)＝[1-(c_f-c_f0)]k(x,y)

式中：k′(x,y)为修正分配系数，k(x,y)为修正前分配系数，c_f为剩余饵料反馈系数，c_f0为剩余饵料反馈系数阈值。

在理想情况下，剩余饵料反馈系数为零则说明食台饵料清空，全部被河蟹摄食。但在实际投饵作业中，食台饵料清空则意味着饵料有可能投喂偏少，河蟹没有充分摄食，不利于河蟹育肥增重。故在修正分配系数时，需要设置剩余饵料反馈系数阈值，一般取c_f0为10％，保证食台剩余饵料在一个适当的范围内。

综上，本发明公开了一种基于河蟹生长模型的池塘河蟹精准投饵方法。利用灰色关联度分析法，确定对河蟹生长发育影响最大的环境因子。从线性和指数两个角度对河蟹生长模型进行优化并拟合，得出最贴近实际河蟹生长发育规律的模型，并构建基于GA-BP神经网络的精准投饵专家系统。第一步，通过输入水温、溶解氧含量、pH值等环境参数，经过GA-BP神经网络训练，推算出最佳环境影响因子数值。第二步，根据河蟹生长模型、河蟹养殖密度、河蟹养殖面积得出经验投饵量，结合河蟹生长期投喂率得出本次池塘总投饵量。第三步，根据池塘河蟹实际分布密度和水质参数，确定池塘各区域的饵料分配系数，将总投饵量科学分配到池塘各个区域。第四步，在池塘多个代表性水域设置监测食台，通过食台观测各食台分配到的总饵料量和河蟹摄食后的剩余饵料量，确定该区域剩余饵料反馈系数，根据各个区域的剩余饵料反馈系数反馈更新池塘河蟹生长模型，调整池塘总投饵量及池塘区域饵料分配系数，修正各区域饵料分配量，实现河蟹养殖精准投饵的目的。该方法可根据环境参数的变化及河蟹实际摄食情况实时调整投饵量，使得投喂更加精准，有利于河蟹的生长发育，提高产量，培养高规格河蟹，提高养殖效益。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种基于河蟹生长模型的池塘河蟹精准投饵方法，其特征在于，主要包括如下步骤：

(a)：通过定期池塘河蟹捕捞称重与水质测量，获取河蟹的规格重量与养殖环境参数，进而对相关数据进行处理分析，建立河蟹生长模型；

(b):基于河蟹生长模型，设计专家系统，根据实际河蟹养殖密度与养殖面积得出当前河蟹总重量预测值，结合专家养殖经验给出经验投饵量，根据河蟹不同的生长阶段给出不同的投喂率，综合上述投饵因素，得出总投饵量；

(c):根据池塘河蟹实际分布密度和水质参数，确定池塘各区域的饵料分配系数，将总投饵量科学分配到池塘各个区域；

(d):在池塘多个代表性水域设置监测食台，通过食台观测各食台分配到的总饵料量和河蟹摄食后的剩余饵料量，确定该区域剩余饵料反馈系数，根据各个区域的剩余饵料反馈系数反馈更新池塘河蟹生长模型，调整池塘总投饵量及区域饵料分配系数，修正各区域饵料分配量，实现河蟹养殖精准投饵的目的。

2.根据权利要求1所述的一种基于河蟹生长模型的池塘河蟹精准投饵方法，其特征在于，所述步骤(a)的详细描述为：选取河蟹月增重变化为参考序列，选取温度，溶解氧含量，pH值等环境因素为比较序列；数据先经过归一化处理，统一到近似范围内，重点关注其变化趋势，计算灰色关联度系数，形成关联序列；将关联度最大的环境因子引入模型，拟合得到更加符合河蟹生长增重规律的生长模型，并计算出河蟹现阶段体重，河蟹现阶段体重计算方法为：

式中：G表示河蟹现阶段体重，var为环境因子参数，t表示当前河蟹月龄，k为瞬时生长率，p为校准参数，m为河蟹体重极限参数，c为常系数。

3.根据权利要求1所述的一种基于河蟹生长模型的池塘河蟹精准投饵方法，其特征在于，所述步骤(b)的详细描述为：由步骤(a)建立河蟹生长规律，并根据实际养殖中河蟹养殖密度与养殖面积，得出河蟹总重量预测值，通过计算得出经验投饵量，河蟹总重量预测值计算方法为：

Z＝G*D*S*10^-3

式中：Z为河蟹总重量预测值，D为养殖密度，G表示河蟹现阶段体重，S为河蟹养殖面积；

经验投饵量计算方法为：

F＝(O-Z)*C′

式中：F为经验投饵量，O为预计产出量，Z为河蟹总重量预测值，C′为饲料系数；

构建基于GA-BP神经网络的河蟹养殖精准投饵专家系统，获取不同的水温、pH值、溶解氧含量等环境参数并进行无量纲化处理，根据最优参数对BP神经网络进行赋值，确定BP神经网络的隐含层结点个数，通过GA-BP神经网络计算出环境影响因子R；

总投饵量计算方法为：

H＝F*R*L

式中：H为河蟹总投喂量，F为经验投饵量，L为投喂率，R为环境影响因子。

4.根据权利要求1所述的一种基于河蟹生长模型的池塘河蟹精准投饵方法，其特征在于，所述步骤(c)的详细描述为：根据池塘河蟹实际分布密度和水质参数，确定池塘各区域的饵料分配系数，将总投饵量科学分配到池塘各个区域；

各个子区域分配到的投饵密度计算方法为：

ρ(x,y)＝k(x,y)*H/S(x,y)

式中：ρ(x,y)为子区域投饵密度，k(x,y)为子区域饵料分配系数，H为河蟹总投饵量，S(x,y)为子区域面积；

子区域饵料分配系数计算方法为：

式中：k(x,y)为子区域饵料分配系数，ρ_h(x,y)为河蟹分布密度，S(x,y)为子区域面积，c_d(x,y)为子区域水质参数系数；

专家系统通过上述河蟹精准投饵模型决策出每个子区域的投喂量，由于风向、昼夜、池塘深度的因素，导致池塘水质参数不一致，故投饵量需结合分配系数，从而得出池塘各子区域的饵料分配密度。

5.根据权利要求1所述的一种基于河蟹生长模型的池塘河蟹精准投饵方法，其特征在于，所述步骤(d)的详细描述为：投喂饵料后，在池塘多个代表性水域(离岸不同距离、不同位置、不同水深、不同水温、不同溶解氧区域)设置监测食台，通过食台观测本食台分配到的总饵料量和河蟹摄食后的剩余饵料量，确定该区域剩余饵料反馈系数，根据各个区域的剩余饵料反馈系数及阈值反馈更新池塘河蟹生长模型，调整池塘总投饵量及区域饵料分配系数，修正各区域饵料分配密度，实现饵料精准投喂；

剩余饵料反馈系数c_f计算方法为：

式中：m_r为食台剩余饵料量，m_t为食台分配到的总饵料量；

修正分配系数计算方法为：

k′(x,y)＝[1-(c_f-c_f0)]k(x,y)

式中：k′(x,y)为修正分配系数，k(x,y)为修正前分配系数，c_f为剩余饵料反馈系数，c_f0为剩余饵料反馈系数阈值。

Images