CN114136906A - 一种基于高光谱鱼肉品质检测的智能渔场调控方法与系统 - Google Patents
一种基于高光谱鱼肉品质检测的智能渔场调控方法与系统 Download PDFInfo
- Publication number
- CN114136906A CN114136906A CN202111452584.2A CN202111452584A CN114136906A CN 114136906 A CN114136906 A CN 114136906A CN 202111452584 A CN202111452584 A CN 202111452584A CN 114136906 A CN114136906 A CN 114136906A
- Authority
- CN
- China
- Prior art keywords
- hyperspectral
- fish
- data
- quality
- regulation
- 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
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 235000013372 meat Nutrition 0.000 title claims abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 36
- 238000009360 aquaculture Methods 0.000 claims abstract description 16
- 244000144974 aquaculture Species 0.000 claims abstract description 16
- 230000001276 controlling effect Effects 0.000 claims abstract description 7
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 6
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 6
- 230000001105 regulatory effect Effects 0.000 claims abstract description 6
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 238000009395 breeding Methods 0.000 abstract description 2
- 230000001488 breeding effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 241001217936 Epinephelus lanceolatus Species 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012843 least square support vector machine Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000005276 aerator Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Economics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开一种基于高光谱鱼肉品质检测的智能渔场调控方法及系统，包括：(1)采集鱼肉的高光谱数据，建立光谱数据与指标真实值之间的模型，指标包括脂肪、蛋白质和水分；(2)建立不同养殖环境与投喂方式下的鱼肉高光谱数据库；(3)以水产最佳养殖环境数据为依据，进行水质环境调控。本申请通过使用高光谱技术获取不同水质环境下养殖出的水产品品质，通过比较品质得到最佳的养殖环境，以此作为依旧应用于实际养殖中。
Description
技术领域
本发明涉及渔场综合调控，尤其是涉及一种基于高光谱鱼肉品质监测智能渔场综合调控设备与系统。
背景技术
我国是一个水产养殖历史悠久且发展迅速的养殖大国。从春秋战国范蠡流传下来的《养鱼经》到现在已经经过了数千年的发展。如今，我国水产养殖业蓬勃发展，据统计2015年全国水产品总量达6699.65万吨，而水产养殖产量占到73.7％、养殖面积达到846万公顷。
水产养殖产量在这些年来得到了迅猛发展，规模不断扩大，加上先进的养殖技术，产量不断提高，养殖方式也逐渐由传统的粗放型饲养，向精养转变并且日趋向高密度养殖方向发展。但是水产养殖业还存在许多问题，养殖环境特别是水体环境直接影响水产品质量。不良的水体环境会造成养殖的产品生长缓慢，经济效益不高；恶劣的水体环境甚至会造成水产品大量死亡，养殖户将会面临无法承受的损失。如何快速准确地实现水质调控是困扰养殖人员的一个难题。同时，随着人民对于高品质水产品的需求越来越大，如何养殖高品质水产品仍是一个尚待解决的问题。
近年来，物联网技术、互联网+、人工智能快速发展，这为实现高品质水产智能化养殖提供了技术支持。因此，一种智能渔场综合调控设备与系统的提出具有重要意义。
发明内容
针对现有技术存在的问题，本申请提供一种基于高光谱鱼肉品质检测的智能渔场调控方法与系统，通过使用高光谱技术获取不同水质环境下养殖出的水产品品质，通过比较品质得到最佳的养殖环境，以此作为依旧应用于实际养殖中。
一种基于高光谱鱼肉品质检测的智能渔场调控方法，包括：
(1)采集鱼肉的高光谱数据，建立光谱数据与指标真实值之间的模型，指标包括脂肪、蛋白质和水分；
(2)建立不同养殖环境与投喂方式下的鱼肉高光谱数据库；
(3)以水产最佳养殖环境数据为依据，进行水质环境调控。
在步骤(1)中，以同一类水产品鱼肉作为样本，同时采集多个样本的高光谱数据。
作为优选的，在步骤(1)中，釆用的是900-1700nm的167个波段，相机像素为167*320，镜头与样本距离为50cm；样本置于处于暗环境的移动平台上，以速度1.5米每秒的获取数据。
作为优选的，以多个样本的平均光谱数据作为自变量，鱼肉品质指标作为因变量，采用最小二乘支持向量机建立自变量与因变量的相关性模型。
作为优选的，以水质指标PH、溶解氧、氨氮作为调控指标，采集不同水质条件下水产品的高光谱数据。
作为优选的，以投喂频率与投喂量为指标，采集不同投喂条件下水产品的高光谱数据。
一种基于高光谱鱼肉品质检测的智能渔场调控系统，包括：
高光谱仪，用于采集鱼肉的高光谱数据；
高光谱水产品质数据库，储存有不同养殖环境与投喂方式下的鱼肉高光谱数；
水质调控装置，用于实时获取水质信息。
作为优选的，所述的水质调控装置包括PH、溶解氧、氨氮传感器，将获取的数据通过GPRS模块与服务器通讯。
附图说明
图1为智能渔场调控系统结构图；
图2为样本的平均原始吸收光度光谱曲线图。
具体实施方式
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，本发明并不限于下面公开的具体实施例的限制。
本发明是通过使用高光谱技术获取不同水质环境下养殖出的水产品品质，通过比较品质得到最佳的养殖环境，以此作为依旧应用于实际养殖中。
如图1所示的智能渔场调控系统，包括：高光谱仪，用于采集鱼肉的高光谱数据；高光谱水产品质数据库，储存有不同养殖环境与投喂方式下的鱼肉高光谱数；水质调控装置，用于实时获取水质信息。
水质调控装置包括PH、溶解氧、氨氮传感器，将获取的数据通过GPRS模块与服务器通讯。
本实施例的系统主要以高光谱成像系统检测为前提，由水质调控系统构成。其基本实现原理为：
(1)高光谱成像系统检测水产品质，建立光谱数据与指标真实值之间的模型，指标包括脂肪、蛋白质、水分。
(2)建立不同养殖环境与投喂方式下的鱼肉高光谱数据库。
(3)养殖人员以水产最佳养殖环境数据为依据，进行水质环境调控。
具体实现方式：
(1)建立高光谱与品质之间的模型。
1.样本准备：以珍珠龙胆石斑鱼作为样本，选取100条健康且肥瘦不一的鱼，剔除鱼鳞。
2.高光谱数据获取：釆用的是900-1700nm的167个波段，相机像素为167*320(光谱维*空间维)，镜头与样本距离为50cm。样本置于处于暗环境的移动平台上，以速度1.5米每秒的获取数据，如图2所示。
3.真实值检测：以国标方法获取样本脂肪、蛋白质、水分数据。
4.建立模型与预测：提取100个样本的平均光谱数据作为自变量，鱼肉品质指标作为因变量(包括脂肪、蛋白质、水分)，采用最小二乘支持向量机建立自变量与因变量的相关性模型。由结果可知，这三个指标的模型较为理想，可以适用于下一步的水产品质检测。
表1不同指标的最小二乘支持向量机模型结果
(Rc：建模集相关系数，Rcv：交互验证集相关系数，Rp：预测集相关系数，RMSEC：建模集均方根误差，RMSECV：交互验证均方根误差，RMSEP：预测均方根误差)
(2)建立不同养殖环境与投喂方式下的鱼肉高光谱数据库。
以水质指标PH、溶解氧、氨氮作为调控指标，投喂时，投喂频率与投喂量为指标。
其中，PH范围设为6、7、8、9，溶解氧为4、5、6、7mg/L，氨氮浓度为0.6、0.8、1.0、1.2mg/L，投喂频率1-4次每天4个梯度，40、60、80、100％饱食。用中心复核实验设计和响应面法分析对珍珠龙胆石斑鱼的影响以及PH、溶解氧、氨氮3因素的交互作用，得到不同水质条件下水产品的高光谱数据，再以控制变量的方法获取得到不同投喂条件下水产品的高光谱数据。两者结合，并根据建立的模型，可以得到不同条件下，对应的水产品质。
(3)渔场综合调控。
水质监测设备，包括PH、溶解氧、氨氮传感器，将获取的数据通过GPRS模块与上位机通信。用户可在浏览实时水质信息。养殖人员可在用户端输入理想的水产品品质指标数据，根据高光谱水产品质数据库获得合适的养殖方式数据，这个数据作为依据，包括水质指标与投喂方式，其通过GPRS传输至现场的节点，通过与获取的水质信息比对，控制养殖池塘进水泵、排水泵和增氧机开关，直至检测到的数据与理想的水质数据一致；另外，通过获取的投喂数据控制投喂机开关时间完成合理投喂。
以上所述仅为本发明的较佳实施举例，并不用于限制本发明，凡在本发明精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于高光谱鱼肉品质检测的智能渔场调控方法，其特征在于，包括：
(1)采集鱼肉的高光谱数据，建立光谱数据与指标真实值之间的模型，指标包括脂肪、蛋白质和水分；
(2)建立不同养殖环境与投喂方式下的鱼肉高光谱数据库；
(3)以水产最佳养殖环境数据为依据，进行水质环境调控。
2.如权利要求1所述的基于高光谱鱼肉品质检测的智能渔场调控方法，其特征在于，在步骤(1)中，以同一类水产品鱼肉作为样本，同时采集多个样本的高光谱数据。
3.如权利要求2所述的基于高光谱鱼肉品质检测的智能渔场调控方法，其特征在于，在步骤(1)中，釆用的是900-1700nm的167个波段，相机像素为167*320，镜头与样本距离为50cm；样本置于处于暗环境的移动平台上，以速度1.5米每秒的获取数据。
4.如权利要求3所述的基于高光谱鱼肉品质检测的智能渔场调控方法，其特征在于，以多个样本的平均光谱数据作为自变量，鱼肉品质指标作为因变量，采用最小二乘支持向量机建立自变量与因变量的相关性模型。
5.如权利要求1所述的基于高光谱鱼肉品质检测的智能渔场调控方法，其特征在于，以水质指标PH、溶解氧、氨氮作为调控指标，采集不同水质条件下水产品的高光谱数据。
6.如权利要求5所述的基于高光谱鱼肉品质检测的智能渔场调控方法，其特征在于，以投喂频率与投喂量为指标，采集不同投喂条件下水产品的高光谱数据。
7.一种基于高光谱鱼肉品质检测的智能渔场调控系统，其特征在于，包括：
高光谱仪，用于采集鱼肉的高光谱数据；
高光谱水产品质数据库，储存有不同养殖环境与投喂方式下的鱼肉高光谱数；
水质调控装置，用于实时获取水质信息。
8.如权利要求7所述的基于高光谱鱼肉品质检测的智能渔场调控系统，其特征在于，所述的水质调控装置包括PH、溶解氧、氨氮传感器，将获取的数据通过GPRS模块与服务器通讯。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111452584.2A CN114136906A (zh) | 2021-12-01 | 2021-12-01 | 一种基于高光谱鱼肉品质检测的智能渔场调控方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111452584.2A CN114136906A (zh) | 2021-12-01 | 2021-12-01 | 一种基于高光谱鱼肉品质检测的智能渔场调控方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114136906A true CN114136906A (zh) | 2022-03-04 |
Family
ID=80784100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111452584.2A Pending CN114136906A (zh) | 2021-12-01 | 2021-12-01 | 一种基于高光谱鱼肉品质检测的智能渔场调控方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114136906A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105210947A (zh) * | 2015-10-16 | 2016-01-06 | 中国农业大学 | 一种改善和增进观赏鱼类体征品质的调控方法 |
| CN110476839A (zh) * | 2019-07-24 | 2019-11-22 | 中国农业大学 | 一种基于鱼类生长的优化调控方法及系统 |
| CN110910067A (zh) * | 2019-11-25 | 2020-03-24 | 南京师范大学 | 一种结合深度学习与Q-learning的活鱼运输水质智能调控方法和系统 |
| CN111713440A (zh) * | 2020-04-13 | 2020-09-29 | 浙江大学 | 基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法 |
-
2021
- 2021-12-01 CN CN202111452584.2A patent/CN114136906A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105210947A (zh) * | 2015-10-16 | 2016-01-06 | 中国农业大学 | 一种改善和增进观赏鱼类体征品质的调控方法 |
| CN110476839A (zh) * | 2019-07-24 | 2019-11-22 | 中国农业大学 | 一种基于鱼类生长的优化调控方法及系统 |
| CN110910067A (zh) * | 2019-11-25 | 2020-03-24 | 南京师范大学 | 一种结合深度学习与Q-learning的活鱼运输水质智能调控方法和系统 |
| CN111713440A (zh) * | 2020-04-13 | 2020-09-29 | 浙江大学 | 基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法 |
Non-Patent Citations (4)
| Title |
|---|
| 上海水产学院: "鱼类学与海水鱼类养殖", 31 August 1982, 农业出版社, pages: 256 - 267 * |
| 孔洁: "水产品品质改善营养学调控技术试验示范", no. 05, pages 38 - 39 * |
| 王吉桥 等: "大菱鲆养殖理论与技术", 30 April 2006, 海洋出版社, pages: 3 - 27 * |
| 苏建;罗煜;焦晓磊;吴俊;: "池塘生态养殖技术对鲫鱼肌肉品质的影响", vol. 38, no. 04, pages 22 - 25 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110476839A (zh) | 一种基于鱼类生长的优化调控方法及系统 | |
| CN113711843B (zh) | 一种食用菌生长参数寻优的系统和方法 | |
| CN110163138B (zh) | 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法 | |
| CN101692037A (zh) | 高光谱图像和独立分量分析植物叶面叶绿素分布的方法 | |
| CN111751376A (zh) | 一种基于冠层图像特征衍生的水稻氮素营养估算方法 | |
| Cevallos et al. | Vision-based analysis on leaves of tomato crops for classifying nutrient deficiency using convolutional neural networks | |
| CN107830891B (zh) | 基于水产养殖水质ph值多参量数据采集装置的数据处理方法 | |
| CN109827957A (zh) | 一种基于计算机视觉的水稻叶片spad值估测方法及系统 | |
| CN114140695B (zh) | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 | |
| CN107944413A (zh) | 基于光谱指数排序法的水生植被遥感分类阈值计算方法 | |
| CN110440969A (zh) | 一种虾夷扇贝活力快速评价方法 | |
| CN114136906A (zh) | 一种基于高光谱鱼肉品质检测的智能渔场调控方法与系统 | |
| CN109308464A (zh) | 一种基于数码相机图像的水稻穗子识别方法 | |
| CN117788196A (zh) | 一种基于智能估算模型的作物成熟度评价系统 | |
| CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 | |
| Qian et al. | Development and application of crop monitoring system for detecting chlorophyll content of tomato seedlings | |
| Shi et al. | Nondestructive diagnostics of magnesium deficiency based on distribution features of chlorophyll concentrations map on cucumber leaf | |
| CN111426645A (zh) | 一种快速测定植株不同器官氮含量的方法 | |
| Ji et al. | Apple color automatic grading method based on machine vision | |
| CN113963239B (zh) | 一种智能化检测油茶果实成熟度的方法 | |
| CN110118735B (zh) | 一种检测香梨公母的高光谱成像检测方法及装置 | |
| Zhou et al. | Hyperspectral imaging technology for detection of moisture content of tomato leaves | |
| AU2021101996A4 (en) | Nutrient deficiency stress detection and prediction in corn fields from aerial images using machine learning | |
| CN110352832A (zh) | 基于Spark的MLR模型红富士苹果树精准灌溉方法 | |
| CN113516635B (zh) | 鱼菜共生系统及基于鱼类行为的蔬菜氮元素需求估算方法 |
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 |