CN114296487A - 一种养殖池盐度参数智能调控方法及系统 - Google Patents
一种养殖池盐度参数智能调控方法及系统 Download PDFInfo
- Publication number
- CN114296487A CN114296487A CN202210214028.XA CN202210214028A CN114296487A CN 114296487 A CN114296487 A CN 114296487A CN 202210214028 A CN202210214028 A CN 202210214028A CN 114296487 A CN114296487 A CN 114296487A
- Authority
- CN
- China
- Prior art keywords
- salinity
- sequence
- mat
- parameter
- value
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明提供了一种养殖池盐度参数智能调控方法及系统,在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子,分别获取各个格子内的盐度参数及鱼的数量,将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个不同时刻对应的盐度参数矩阵,计算得到盐度过渡序列,根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控,由此实现了将养殖池水体进行多区域分割并在连续时间上对水体的各区域的参数变化进行检测,快速精准化自动化调节水体的盐浓度的变化,防止了养殖池中的澳洲墨瑞鳕鱼因盐浓度变化过大而产生伤亡的有益效果。
Description
技术领域
本发明属于物性数据处理与智能控制领域,具体涉及一种养殖池盐度参数智能调控方法及系统。
背景技术
池体内部各部分的水的盐浓度的变化是非线性的,由于流体的运动具有时空多变性,导致低浓度的溶液与高浓度的溶液在同一容器中的互相渗透运通的非可控性增大,因而导致对池水的盐浓度的监测与自动化控制的参数化控制技术难度极大。盐度参数智能调控,是将池水体积进行矩阵化分割,分割得到空间上的多部分的参数数据,进而记录多个时刻的矩阵化参数数据,由此得到时空上线性的矩阵化参数数据用以自动控制水体的盐浓度参数变化的技术。申请号为CN201610607927.0的专利文献提供了一种自动化水体分层采样器及其应用,虽然可对液体进行不同深度分层取样,但不足以对水体中各部分的溶液浓度参数进行空间上的分割;申请号为CN200710070791.5的专利文献提供了基于电化学传感器的水体环境污染监测系统,尽管具有自动化实时监测大量数据的优点,但仍不能在连续时空上对水体的各部分的参数变化进行线性的监控。
发明内容
本发明的目的在于提出一种养殖池盐度参数智能调控方法及系统,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为了实现上述目的,根据本发明的一方面,提供一种养殖池盐度参数智能调控方法,所述方法包括以下步骤:
S100,在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子;
S200,分别获取各个格子内的盐度参数和鱼的数量;
S300,将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个不同时刻对应的盐度参数矩阵,由此得到多个盐度参数矩阵;
S400,根据各个盐度参数矩阵,计算得到盐度过渡序列;
S500,根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控。
进一步地,所述初始盐浓度为盐度数据集中最小的盐度值,所述目标盐浓度为盐度数据集中最大的盐浓度值,其中,盐度数据集是根据盐度传感器实时采集养殖池中的盐度获取得到,盐度数据集为按照多个不同时间采集的各个盐度的数值构成的集合,盐度传感器为KA/PG-300数字型盐度传感器或者DDM200Y工业在线盐度计。
优选地,盐度数据集至少包括最小值和最大值两个盐度值,其中,盐度值的最小值可直接设置为0.5g/L,盐度值的最大值可直接设置为24g/L。
优选地,在S200中,分别获取各个格子内的盐度参数的方法为:通过设置在各个格子中心位置的KA/PG-300数字型盐度传感器或者DDM200Y工业在线盐度计采集的盐度值。
优选地,盐度数据集至少包括最小值和最大值两个盐度值,其中,盐度值的最小值为通过盐度传感器为通过KA/PG-300数字型盐度传感器或者DDM200Y工业在线盐度计获取海水样品的盐度,盐度值的最大值通过KA/PG-300数字型盐度传感器或者DDM200Y工业在线盐度计获取淡水样品的盐度。
进一步地,在S100中,在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子的方法为:在养殖池表面以获取养殖池轮廓的最大内接矩形作为监测区域,将监测区域划分为若干个格子;其中,每个格子为矩形,每个格子面积均等,由此将监测区域划分为若干个格子,监测区域划即为各个格子组成的矩阵,其中矩阵的行的数量等于格子的行的数量,矩阵的列的数量等于格子的列的数量,各个格子即为矩阵中的各个元素。优选地,格子的大小为将养殖池轮廓的最大内接矩形进行等面积划分为4个、16个或64个矩形格子的大小。
进一步地,在S300中,将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个(连续,间隔均等)不同时刻对应的盐度参数矩阵,由此得到多个盐度参数矩阵的方法为:获取一个盐度参数矩阵的方法为:将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,盐度参数矩阵中的各个元素对应于格子在监测区域中的行列顺序,将监测区域内各个格子组成的矩阵其中矩阵的行的数量记为n、其中矩阵的列的数量记为m,其中矩阵的行的序号记为i、其中矩阵的列的序号记为j,i∈[1,n],j∈[1,m],监测区域内各个格子组成的矩阵为n×m的矩阵,将监测区域内各个格子组成的矩阵中行序号为i、列序号为j的格子对应的盐度参数记为sal(i,j),将监测区域内各个格子组成的矩阵中行序号为i、列序号为j的格子对应的鱼的数量记为num(i,j),将监测区域内各个格子组成的矩阵记为Mat,Mat中行序号为i、列序号为j的元素为Mat(i,j),Mat中行序号为i 的行记为Mat(i,),Mat中列序号为j的列记为Mat(,j),Mat(i,j)由其对应的盐度参数即sal(i,j)及其对应的鱼的数量即num(i,j)构成,其中,盐度参数矩阵中的一个元素称为一个参数对(Mat(i,j)即为一个参数对,一个参数对由其对应的盐度参数及其对应的鱼的数量构成,当一个参数对被用于计算时将一个参数对转化为一个数值,并进行去量纲化处理);
获取多个盐度参数矩阵的方法为:(监测区域内各个格子内的盐度参数与鱼的数量随着时间的变化而改变,监测区域内各个格子组成的矩阵亦随着时间的变化而改变,监测区域内各个格子组成的矩阵的行的数量与列的数量保持固定,监测区域内各个格子组成的矩阵的行的序号与列的序号保持固定,依据获取一个盐度参数矩阵的方法,)在T个时刻中记录各个时刻对应的监测区域内各个格子组成的矩阵的数值,T大于0且T小于等于Tmp,T为时刻的数量,(可优选地,T取60,T个时刻的间隔相等,T个时刻的间隔为60分钟)在T个时刻中各个时刻的序号为t,t∈[1,T],序号为t的时刻对应的监测区域内各个格子组成的矩阵记为Mat_t,行序号为i、列序号为j的元素为Mat_t(i,j),Mat_t中行序号为i 的行记为Mat_t(i,),Mat_t中列序号为j的列记为Mat_t(,j),Mat_t(i,j)由其对应的盐度参数记作sal_t(i,j)及其对应的鱼的数量记作num_t(i,j)构成,由此获取T个时刻分别对应的各个盐度参数矩阵,由此得到多个盐度参数矩阵,Tmp为表示一段时间的变量, Tmp预设为[100,500]小时。
其中,参数对的数值的计算方法为:将其对应的盐度参数的平方根的数值除以其对应的鱼的数量增加1的平方根的数值所得的不取余数的商即为参数对的数值,即参数对Mat_t(i,j)的数值的计算方法为Mat_t(i,j)=sqrt(sal_t(i,j))/sqrt(num_t(i,j)+1),由此将一个参数对转化为一个数值,其中,函数sqrt()为取平方根的函数。
进一步地,在S400中,根据各个盐度参数矩阵,计算得到盐度过渡序列的方法为:
将T个时刻分别对应的各个盐度参数矩阵组成的序列记为Matseq,T为时刻的数量,序列Matseq中共有T×n×m个元素,在T个时刻中各个时刻的序号为t,设置变量t∈[1,T],Tmp为表示一段时间的变量,序号为t的时刻对应的监测区域内各个格子组成的矩阵记为Mat_t,由此,根据各个盐度参数矩阵构建两个路径序列,分别为切向路径序列和法向路径序列:
其中,切向路径序列为一个由T*m个元素构成的数组,记切向序列为Seq1,记切向路径序列中元素的序号为tj,tj∈[1, T*m],切向序列中序号为tj的元素记为Seq1(tj),得到切向路径序列的具体方法为:
S501-1,设置变量t1的初始值为1,t1为在切向路径序列计算过程中用于标记切向路径序列的计算步骤与进行赋值的变量,设置变量j的初始值为0;以m为除数,以tj为被除数;
S501-2,使用m对tj进行整除,获取其商为t1`,获取其余数为j`;
S501-3,将j`的数值赋值给j;若是j`的数值大于0则将t1`的数值增加1后赋值给t1,若是j`的数值小于等于0则将t1`的数值赋值给t1;转到S501-4;
S501-4,判断t1的数值是否少于等于0,若是则选取Matseq中序号为1的元素作为Mat_t1;判断t1的数值是否属于[1,T),若是则选取Matseq中序号为t1的元素作为Mat_t1;判断t1的数值是否大于等于T,若是则选取Matseq中序号为T的元素作为Mat_t1;得到Mat_t1,转到S501-5;
S501-5,获取Mat_t1中列序号为j的列作为Mat_t1(,j),把Mat_t1(,j)作为切向序列中序号为tj的元素Seq1(tj);输出得到切向路径序列;
其中,法向路径序列为一个由T*n个元素构成的数组,记法向序列为Seq2,记法向路径序列中元素的序号为ti,ti∈[1, T*n],法向序列中序号为ti的元素记为Seq2(ti),得到法向路径序列的具体方法为:
S502-1,设置变量t2的初始值为1,t2为在法向路径序列计算过程中用于标记法向路径序列的计算步骤与进行赋值的变量,设置变量i的初始值为0;以n为除数,以ti为被除数;
S502-2,使用n对ti进行整除,获取其商为t2`,获取其余数为i`;
S502-3,将i`的数值赋值给i;若是i`的数值大于0则将t2`的数值增加1后赋值给t2,若是i`的数值小于等于0则将t2`的数值赋值给t2;转到S502-4;
S502-4,判断t2的数值是否少于等于0,若是则选取Matseq中序号为1的元素作为Mat_t2;判断t2的数值是否属于[1,T),若是则选取Matseq中序号为t2的元素作为Mat_t2;判断t2的数值是否大于等于T,若是则选取Matseq中序号为T的元素作为Mat_t2;得到Mat_t2,转到S502-5;
S502-5,获取Mat_t2中行序号为i的行作为Mat_t2(i,),把Mat_t2(i,)作为法向序列中序号为ti的元素Seq2(ti);输出得到法向路径序列;
进而,根据切向路径序列和法向路径序列,得到盐度过渡序列:记盐度过渡序列为Seqiat,盐度过渡序列为一个由T个元素构成的序列,Seqiat中元素的序号同样为t,Seqiat中序号为t的元素为Seqiat(t),Seqiat(t)的计算公式为如下,
由此得到盐度过渡序列,即为Seqiat=[Seqiat(t),t∈[1,T]];e是自然对数的底数;
其中,计算切向路径序列和法向路径序列的有益效果为,衡量在养殖池的水平方向和垂直方向上的盐度与鱼群密度的变化分布趋势,进而使得盐度过渡序列能够在T个时间点上反映出养殖池总体的盐度变化和鱼群在池内的游动方向的变化趋势,更好地反应养殖池的盐度过渡变化概率波动。
进一步地,在S500中,根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控的具体方法为:
S601,记初始盐浓度为Saltb,记目标盐浓度为Salte,记从初始盐浓度至目标盐浓度的中位数为Saltm,或者令Saltm为Saltb和Salte的平均值;
S602,设置变量t的值为1;以盐度计获取当前养殖池的池水的盐浓度并将其记录为Salt_t,其中,在Mat_t中行序号为i、列序号为j的元素即Mat_t(i,j)处对应的当前养殖池的池水的盐浓度记为Salt_t(i,j),在Mat_t中行序号为i-1、列序号为j-1的元素即Mat_t(i-1,j-1)处对应的当前养殖池的池水的盐浓度记为Salt_t(i-1,j-1),i-1表示i的数值减少1,j-1表示j的数值减少1;开始计时,随着计时数的增加,t的数值增加至Tmp;开始计时,随着计时数的增加,t的数值增加至Tmp;
其中,所述盐度计为KA/PG-300数字型盐度传感器或者DDM200Y工业在线盐度计。
S603,获取时刻t对应的盐度参数矩阵作Mat_t;将t的数值赋值给T;
S604,获取当前T个时刻内的各个时刻对应的盐度参数矩阵,并计算获取当前T个时刻内的盐度过渡序列;记盐度过渡序列为Seqiat,盐度过渡序列中元素的数量同为T,Seqiat中序号为t的元素为Seqiat(t);
S605,获取当前时刻t的盐度参数矩阵为Mat_t;计算当前时刻t的盐度参数与上一个时刻的盐度参数的差距并记其为Salt_gap(t),Salt_gap(t)的计算公式为,
其中,Salt_(t-1)(i,j)表示时刻t-1的盐度参数矩阵即Mat_(t-1)中行序号为i列序号为j处的盐度参数,Mat_(t-1)表示t-1时刻的盐度参数矩阵,t-1时刻为t时刻的上一个时刻;
S606,判断t是否大于1,若是则向养殖池中加入盐并转到S607,若否则转到S608;其中,优选地,向养殖池中加入盐具体为每次加盐提高养殖池盐度0.5g/L,例如,每次加入500-1000g盐;
S607,获取t时刻的上一个时刻t-1的养殖池的池水的盐浓度并将其作为Salt_(t-1);获取t时刻的上一个时刻t-1的盐度参数的差距作Salt_gap(t-1);获取Seqiat中序号为t的元素Seqiat(t)的数值;判断是否满足约束条件Salt_gap(t)/Salt_gap(t-1)>Seqiat(t),若是则暂停t的计时,停止向养殖池中加入盐,并向养殖池中加入淡水,直至养殖池的池水的盐浓度恢复至Salt_(t-1)后,恢复t的计时;转到步骤S608;
S608,向养殖池中继续加入盐;判断养殖池的池水的盐浓度是否大于等于目标盐浓度,若是则将Tmp的值更新为t+1作为输出并结束程序,若否则将t的数值增加1并转到S603。
由此,得到Tmp的具体时间,通过根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控的具体方法,实现了对养殖池盐度的调控实现高灵敏度的监控,快速更新养殖池盐度的过渡时间,防止了养殖池中的澳洲墨瑞鳕鱼因盐浓度变化过大而产生伤亡,避免了养殖过程中的鱼苗损失。
本发明还提供了一种养殖池盐度参数智能调控系统,所述一种养殖池盐度参数智能调控系统包括:处理器、存储器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所述养殖池盐度参数智能调控方法中的步骤以此控制盐度参数智能调控,所述一种养殖池盐度参数智能调控系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中,可运行的系统可包括,但不仅限于,处理器、存储器、服务器集群,所述处理器执行所述计算机程序运行在以下系统的单元中:
区域划分单元,用于获取淡水池的盐浓度作为初始盐浓度,获取咸水池的盐浓度作为目标盐浓度;在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子;
盐度参数获取单元,用于分别获取各个格子内的盐度参数;
鱼数量获取单元,用于分别获取各个格子内的鱼的数量;
盐度参数矩阵获取单元,用于将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个不同时刻对应的盐度参数矩阵,由此得到多个盐度参数矩阵;
盐度过渡序列计算单元,用于根据各个盐度参数矩阵,计算得到盐度过渡序列;
盐度参数智能调控单元,用于根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控。
本发明的有益效果为:本发明提供了一种养殖池盐度参数智能调控方法及系统,在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子,分别获取各个格子内的盐度参数及鱼的数量, 将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个不同时刻对应的盐度参数矩阵,计算得到盐度过渡序列,根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控,由此实现了将养殖池水体进行多区域分割并在连续时间上对水体的各区域的参数变化进行检测,快速精准化自动化调节水体的盐浓度的变化,防止了养殖池中的澳洲墨瑞鳕鱼因盐浓度变化过大而产生伤亡的有益效果。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本发明的上述以及其他特征将更加明显,本发明附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为一种养殖池盐度参数智能调控方法的流程图;
图2所示为一种养殖池盐度参数智能调控系统的系统结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种养殖池盐度参数智能调控方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种养殖池盐度参数智能调控方法及系统。
本发明提出一种养殖池盐度参数智能调控方法,其中具体包括:从数据库中获取从多个不同的淡水湖中分别检测到的各个盐浓度数值作为淡水盐度数据集,从数据库中获取从多个不同的咸水湖中分别检测到的各个盐浓度数值作为咸水盐度数据集,将淡水盐度数据集与咸水盐度数据集融合成为盐度数据集,在Python语言环境下采用聚类算法对盐度数据集进行分类,其中聚类算法可包括k-means算法、DBSCAN算法以及OPTICS算法,将盐度数据集分为两个部分,进而分别计算两个部分中每一个部分包含有的盐浓度数值的算术平均值,由此在得到的两个算术平均值中将数值较大的一个作为高位值并将数值较小的一个作为低位值,将低位值与高位值分别作为数据存储于数据库中,低位值设置为初始盐浓度,高位值设置为目标盐浓度。
所述一种养殖池盐度参数智能调控方法,其中还包括:将澳洲墨瑞鳕鱼置于养殖池内,养殖池可根据养殖池的水的盐浓度分为淡水池状态和咸水池状态两种状态,淡水池状态的养殖池中的盐浓度对应为低位值,咸水池状态的养殖池中的盐浓度对应为高位值,盐浓度的单位为g/L,可优选地,低位值可直接设置为0.5 g/L,高位值可直接设置为24 g/L,两种状态间可以通过改变盐浓度相互转化,往淡水池状态的养殖池中加入盐可转化为咸水池,往咸水池状态的养殖池中加入纯水可转化为淡水池状态,两种状态间的相互转化在Tmp个时刻内完成,所述方法包括以下步骤:
S100,获取淡水池状态的养殖池中的盐浓度作为初始盐浓度,获取咸水池状态的养殖池中的盐浓度作为目标盐浓度;在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子;
S200,分别获取各个格子内的盐度参数和鱼的数量;
S300,将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个不同时刻对应的盐度参数矩阵,由此得到多个盐度参数矩阵;
S400,根据各个盐度参数矩阵,计算得到盐度过渡序列;
S500,根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控。
其中,由于墨瑞鳕鱼的养殖过程中时常需要在咸水和淡水进行转换,在墨瑞鳕鱼的养殖池里的海盐溶解过快的时候,盐度过高,由于鱼体的应激反应,养殖池里的溶解氧的消耗速度增加,计算溶解氧的变化梯度,溶解氧的梯度变化超过阈值的时候,往养殖池注入淡水以降低盐度;本身含盐量高,溶氧就减少,鱼体耗氧量也增加;多次计算以后,根据历史的大数据把溶解氧控制在阈值变化区间内能够最大化的提高鱼的存活率。
进一步地,在S100中,在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子的方法为:其中,每个格子为矩形,每个格子面积均等,由此将监测区域划分为若干个格子,监测区域划即为各个格子组成的矩阵,其中矩阵的行的数量等于格子的行的数量,矩阵的列的数量等于格子的列的数量,各个格子即为矩阵中的各个元素。
优选地,在S200中,分别获取各个格子内的盐度参数的方法为:通过设置在各个格子中心位置的KA/PG-300数字型盐度传感器或者DDM200Y工业在线盐度计采集的盐度值。
优选地,在S200中,分别获取各个格子内的鱼的数量的方法为:在水面上方或池塘内壁设置摄像头,摄像头获取水面图像或者水体图像,通过多目标检测算法对水面图像或者水体图像进行目标检测获取各个格子内的鱼的数量,所述多目标检测算法包括YOLO算法、Faster RCNN算法、SSD算法、FSAF算法和FCOS算法中任意一种算法。
优选地,在S200中,分别获取各个格子内的鱼的数量的方法为:通过以下文献[1]-[5]中的任意一种方法获取各个格子内的鱼的数量:
[1]李庆忠, 李宜兵, 牛炯. 基于改进YOLO和迁移学习的水下鱼类目标实时检测[J]. 模式识别与人工智能, 2019, 32(3):11;
[2]Barreiros M , Dantas D , Silva L , et al. Zebrafish tracking usingYOLOv2 and Kalman filter[J]. Scientific Reports;
[3]李光昊、张莹、刘义飞、莫浩铭. 基于YOLOv3的南海典型鱼类水下实时监测研究[J]. 现代计算机, 2020(27):5;
[4]孔祥欣. 面向水产养殖监控的多运动鱼体目标检测算法研究[D]. 燕山大学;
[5]ED Mohamed, Fadl A , Anas O , et al. MSR-YOLO: Method to EnhanceFish Detection and Tracking in Fish Farms[J]. Procedia Computer Science,2020, 170:539-546。
进一步地,在S300中,将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个(连续,间隔均等)不同时刻对应的盐度参数矩阵,由此得到多个盐度参数矩阵的方法为:获取一个盐度参数矩阵的方法为:将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,盐度参数矩阵中的各个元素对应于格子在监测区域中的行列顺序,将监测区域内各个格子组成的矩阵其中矩阵的行的数量记为n、其中矩阵的列的数量记为m,其中矩阵的行的序号记为i、其中矩阵的列的序号记为j,i∈[1,n],j∈[1,m],监测区域内各个格子组成的矩阵为n×m的矩阵,将监测区域内各个格子组成的矩阵中行序号为i、列序号为j的格子对应的盐度参数记为sal(i,j),将监测区域内各个格子组成的矩阵中行序号为i、列序号为j的格子对应的鱼的数量记为num(i,j),将监测区域内各个格子组成的矩阵记为Mat,Mat中行序号为i、列序号为j的元素为Mat(i,j),Mat中行序号为i 的行记为Mat(i,),Mat中列序号为j的列记为Mat(,j),Mat(i,j)由其对应的盐度参数即sal(i,j)及其对应的鱼的数量即num(i,j)构成,其中,盐度参数矩阵中的一个元素称为一个参数对(Mat(i,j)即为一个参数对,一个参数对由其对应的盐度参数及其对应的鱼的数量构成);
获取多个盐度参数矩阵的方法为:监测区域内各个格子内的盐度参数与鱼的数量随着时间的变化而改变,监测区域内各个格子组成的矩阵亦随着时间的变化而改变,监测区域内各个格子组成的矩阵的行的数量与列的数量保持固定,监测区域内各个格子组成的矩阵的行的序号与列的序号保持固定,依据获取一个盐度参数矩阵的方法,在T个时刻中记录各个时刻对应的监测区域内各个格子组成的矩阵的数值,T大于0且T小于等于Tmp,可优选地,T取60,T个时刻的间隔相等,T个时刻的间隔为60分钟,在T个时刻中各个时刻的序号为t,t∈[1,T],序号为t的时刻对应的监测区域内各个格子组成的矩阵记为Mat_t,行序号为i、列序号为j的元素为Mat_t(i,j),Mat_t中行序号为i 的行记为Mat_t(i,),Mat_t中列序号为j的列记为Mat_t(,j),Mat_t(i,j)由其对应的盐度参数记作sal_t(i,j)及其对应的鱼的数量记作num_t(i,j)构成,由此获取T个时刻分别对应的各个盐度参数矩阵,由此得到多个盐度参数矩阵;
其中,参数对的数值的计算方法为:将其对应的盐度参数的平方根的数值除以其对应的鱼的数量增加1的平方根的数值所得的不取余数的商即为参数对的数值,有Mat_t(i,j)=sqrt(sal_t(i,j))/sqrt(num_t(i,j)+1),其中,函数sqrt()为取平方根的函数。
进一步地,在S400中,根据各个盐度参数矩阵,计算得到盐度过渡序列的方法为:
将T个时刻分别对应的各个盐度参数矩阵组成的序列记为Matseq,T为时刻的数量,序列Matseq中共有T×n×m个元素,在T个时刻中各个时刻的序号为t,设置变量t∈[1,T],Tmp为表示一段时间的变量,序号为t的时刻对应的监测区域内各个格子组成的矩阵记为Mat_t,由此,根据各个盐度参数矩阵构建两个路径序列,分别为切向路径序列和法向路径序列:
其中,切向路径序列为一个由T*m个元素构成的数组,记切向序列为Seq1,记切向路径序列中元素的序号为tj,tj∈[1, T*m],切向序列中序号为tj的元素记为Seq1(tj),得到切向路径序列的具体方法为:
S501-1,设置变量t1的初始值为1,t1为在切向路径序列计算过程中用于标记切向路径序列的计算步骤与进行赋值的变量,设置变量j的初始值为0;以m为除数,以tj为被除数;
S501-2,使用m对tj进行整除,获取其商为t1`,获取其余数为j`;
S501-3,将j`的数值赋值给j;若是j`的数值大于0则将t1`的数值增加1后赋值给t1,若是j`的数值小于等于0则将t1`的数值赋值给t1;转到S501-4;
S501-4,判断t1的数值是否少于等于0,若是则选取Matseq中序号为1的元素作为Mat_t1;判断t1的数值是否属于[1,T),若是则选取Matseq中序号为t1的元素作为Mat_t1;判断t1的数值是否大于等于T,若是则选取Matseq中序号为T的元素作为Mat_t1;得到Mat_t1,转到S501-5;
S501-5,获取Mat_t1中列序号为j的列作为Mat_t1(,j),把Mat_t1(,j)作为切向序列中序号为tj的元素Seq1(tj);输出得到切向路径序列;
其中,法向路径序列为一个由T*n个元素构成的数组,记法向序列为Seq2,记法向路径序列中元素的序号为ti,ti∈[1, T*n],法向序列中序号为ti的元素记为Seq2(ti),得到法向路径序列的具体方法为:
S502-1,设置变量t2的初始值为1,t2为在法向路径序列计算过程中用于标记法向路径序列的计算步骤与进行赋值的变量,设置变量i的初始值为0;以n为除数,以ti为被除数;
S502-2,使用n对ti进行整除,获取其商为t2`,获取其余数为i`;
S502-3,将i`的数值赋值给i;若是i`的数值大于0则将t2`的数值增加1后赋值给t2,若是i`的数值小于等于0则将t2`的数值赋值给t2;转到S502-4;
S502-4,判断t2的数值是否少于等于0,若是则选取Matseq中序号为1的元素作为Mat_t2;判断t2的数值是否属于[1,T),若是则选取Matseq中序号为t2的元素作为Mat_t2;判断t2的数值是否大于等于T,若是则选取Matseq中序号为T的元素作为Mat_t2;得到Mat_t2,转到S502-5;
S502-5,获取Mat_t2中行序号为i的行作为Mat_t2(i,),把Mat_t2(i,)作为法向序列中序号为ti的元素Seq2(ti);输出得到法向路径序列;
进而,根据切向路径序列和法向路径序列,得到盐度过渡序列:记盐度过渡序列为Seqiat,盐度过渡序列为一个由T个元素构成的序列,Seqiat中元素的序号同样为t,Seqiat中序号为t的元素为Seqiat(t),Seqiat(t)的计算公式为如下,
由此得到盐度过渡序列,即为Seqiat=[Seqiat(t),t∈[1,T]];
其中,计算切向路径序列和法向路径序列的有益效果为,衡量在养殖池的水平方向和垂直方向上的盐度与鱼群密度的变化分布趋势,进而使得盐度过渡序列能够在T个时间点上反映出养殖池总体的盐度变化和鱼群在池内的游动方向的变化趋势,更好地反应养殖池的盐度过渡变化概率波动。
进一步地,在S500中,根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控的具体方法为:
S601,记初始盐浓度为Saltb,记目标盐浓度为Salte,记从初始盐浓度至目标盐浓度的中位数为Saltm;
S602,设置变量t的值为1;以盐度计获取当前养殖池的池水的盐浓度并将其记录为Salt_t,其中,在Mat_t中行序号为i、列序号为j的元素即Mat_t(i,j)处对应的当前养殖池的池水的盐浓度记为Salt_t(i,j),在Mat_t中行序号为i-1、列序号为j-1的元素即Mat_t(i-1,j-1)处对应的当前养殖池的池水的盐浓度记为Salt_t(i-1,j-1),i-1表示i的数值减少1,j-1表示j的数值减少1;开始计时,随着计时数的增加,t的数值增加至Tmp;
S603,在盐度过渡序列中获取时刻t对应的盐度参数矩阵作Mat_t;将t的数值赋值给T;
S604,获取当前T个时刻内的各个时刻对应的盐度参数矩阵,并计算获取当前T个时刻内的盐度过渡序列;记盐度过渡序列为Seqiat,盐度过渡序列中元素的数量同为T,Seqiat中序号为t的元素为Seqiat(t);
S605,获取当前时刻t的盐度参数矩阵为Mat_t;计算当前时刻t的盐度参数与上一个时刻的盐度参数的差距并记其为Salt_gap(t),Salt_gap(t)的计算公式为,
其中,Salt_(t-1)(i,j)表示时刻t-1的盐度参数矩阵即Mat_(t-1)中行序号为i列序号为j处的盐度参数,Mat_(t-1)表示t-1时刻的盐度参数矩阵,t-1时刻为t时刻的上一个时刻;
S606,判断t是否大于1,若是则向养殖池中加入盐并转到S607,若否则转到S608;
S607,获取t时刻的上一个时刻t-1的养殖池的池水的盐浓度并将其作为Salt_(t-1);获取t时刻的上一个时刻t-1的盐度参数的差距作Salt_gap(t-1);获取Seqiat中序号为t的元素Seqiat(t)的数值;判断是否满足约束条件Salt_gap(t)/Salt_gap(t-1)>Seqiat(t),若是则暂停t的计时,停止向养殖池中加入盐,并向养殖池中加入淡水,直至养殖池的池水的盐浓度恢复至Salt_(t-1)后,恢复t的计时;转到S608;
S608,向养殖池中继续加入盐;判断养殖池的池水的盐浓度是否大于等于目标盐浓度,若是则将t的值增加1的数值作为Tmp的数值输出并结束程序,若否则将t的数值增加1并转到S603;
由此,得到Tmp的具体时间,通过根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控的具体方法,实现了对养殖池盐度的调控实现高灵敏度的监控,快速更新养殖池盐度的过渡时间,防止了养殖池中的澳洲墨瑞鳕鱼因盐浓度变化过大而产生伤亡,避免了养殖过程中的鱼苗损失。
所述一种养殖池盐度参数智能调控系统包括:处理器、存储器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上述一种养殖池盐度参数智能调控方法实施例中的步骤,所述一种养殖池盐度参数智能调控系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中,可运行的系统可包括,但不仅限于,处理器、存储器、服务器集群。
本发明的实施例提供的一种养殖池盐度参数智能调控系统,如图2所示,该实施例的一种养殖池盐度参数智能调控系统包括:处理器、存储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上述一种养殖池盐度参数智能调控方法实施例中的步骤用于控制养殖池的盐度参数智能调控,所述处理器执行所述计算机程序运行在以下系统的单元中:
区域划分单元,用于获取淡水池的盐浓度作为初始盐浓度,获取咸水池的盐浓度作为目标盐浓度;在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子;
盐度参数获取单元,用于分别获取各个格子内的盐度参数;
鱼数量获取单元,用于分别获取各个格子内的鱼的数量;
盐度参数矩阵获取单元,用于将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个不同时刻对应的盐度参数矩阵,由此得到多个盐度参数矩阵;
盐度过渡序列计算单元,用于根据各个盐度参数矩阵,计算得到盐度过渡序列;
盐度参数智能调控单元,用于根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控。
所述一种养殖池盐度参数智能调控系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中。所述一种养殖池盐度参数智能调控系统包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种养殖池盐度参数智能调控方法及系统的示例,并不构成对一种养殖池盐度参数智能调控方法及系统的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种养殖池盐度参数智能调控系统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)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立元器件门电路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,所述处理器是所述一种养殖池盐度参数智能调控系统的控制中心,利用各种接口和线路连接整个一种养殖池盐度参数智能调控系统的各个分区域。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种养殖池盐度参数智能调控方法及系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明提供了一种养殖池盐度参数智能调控方法及系统,在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子,分别获取各个格子内的盐度参数及鱼的数量, 将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个不同时刻对应的盐度参数矩阵,计算得到盐度过渡序列,根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控,由此实现了将养殖池水体进行多区域分割并在连续时间上对水体的各区域的参数变化进行检测,快速精准化自动化调节水体的盐浓度的变化,防止了养殖池中的澳洲墨瑞鳕鱼因盐浓度变化过大而产生伤亡的有益效果。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (7)
1.一种养殖池盐度参数智能调控方法,其特征在于,所述方法包括以下步骤:
S100,在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子;
S200,分别获取各个格子内的盐度参数和鱼的数量;
S300,将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个不同时刻对应的盐度参数矩阵,由此得到多个盐度参数矩阵;
S400,根据各个盐度参数矩阵,计算得到盐度过渡序列;
S500,根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控。
2.根据权利要求1所述的一种养殖池盐度参数智能调控方法,其特征在于,所述初始盐浓度为盐度数据集中最小的盐度值,所述目标盐浓度为盐度数据集中最大的盐度值,其中,盐度数据集是根据盐度传感器实时采集养殖池中的盐度获取得到,盐度数据集为按照多个不同时间采集的各个盐度的数值构成的集合,盐度传感器为KA/PG-300数字型盐度传感器或者DDM200Y工业在线盐度计。
3.根据权利要求1所述的一种养殖池盐度参数智能调控方法,其特征在于,在S100中,在养殖池表面获取内接面积最大的矩形区域作为监测区域,将监测区域划分为若干个格子的方法为:在养殖池表面以获取养殖池轮廓的最大内接矩形作为监测区域,将监测区域划分为若干个格子;其中,每个格子为矩形,每个格子面积均等,由此将监测区域划分为若干个格子,监测区域划即为各个格子组成的矩阵,其中矩阵的行的数量等于格子的行的数量,矩阵的列的数量等于格子的列的数量,各个格子即为矩阵中的各个元素。
4.根据权利要求3所述的一种养殖池盐度参数智能调控方法,其特征在于,在S300中,将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,记录多个不同时刻对应的盐度参数矩阵,由此得到多个盐度参数矩阵的方法为:
获取一个盐度参数矩阵的方法为:将一个时刻对应的监测区域内各格子内的盐度参数及鱼的数量作为该个时刻对应的盐度参数矩阵,盐度参数矩阵中的各个元素对应于格子在监测区域中的行列顺序,盐度参数矩阵的行的数量记为n、盐度参数矩阵的列的数量记为m,其中行的序号记为i、列的序号记为j,i∈[1,n],j∈[1,m],盐度参数矩阵为n×m的矩阵,将盐度参数矩阵中行序号为i、列序号为j的格子对应的盐度参数记为sal(i,j),将盐度参数矩阵中行序号为i、列序号为j的格子对应的鱼的数量记为num(i,j),将盐度参数矩阵记为Mat,Mat中行序号为i、列序号为j的元素为Mat(i,j),Mat中行序号为i 的行记为Mat(i,),Mat中列序号为j的列记为Mat(,j),Mat(i,j)由其对应的盐度参数即sal(i,j)及其对应的鱼的数量即num(i,j)构成,其中,盐度参数矩阵中的一个元素称为一个参数对,Mat(i,j)即为一个参数对,一个参数对由其对应的盐度参数及其对应的鱼的数量构成。
5.根据权利要求4所述的一种养殖池盐度参数智能调控方法,其特征在于,在S400中,根据各个盐度参数矩阵,计算得到盐度过渡序列的方法为:
将T个时刻分别对应的各个盐度参数矩阵组成的序列记为Matseq,T为时刻的数量,序列Matseq中共有T×n×m个元素,在T个时刻中各个时刻的序号为t,设置变量t∈[1,T],Tmp为表示一段时间的变量,序号为t的时刻对应的监测区域内各个格子组成的矩阵记为Mat_t,由此,根据各个盐度参数矩阵构建两个路径序列,分别为切向路径序列和法向路径序列:
其中,切向路径序列为一个由T*m个元素构成的数组,记切向序列为Seq1,记切向路径序列中元素的序号为tj,tj∈[1, T*m],切向序列中序号为tj的元素记为Seq1(tj),得到切向路径序列的具体方法为:
S501-1,设置变量t1的初始值为1,t1为在切向路径序列计算过程中用于标记切向路径序列的计算步骤与进行赋值的变量,设置变量j的初始值为0;以m为除数,以tj为被除数;
S501-2,使用m对tj进行整除,获取其商为t1`,获取其余数为j`;
S501-3,将j`的数值赋值给j;若是j`的数值大于0则将t1`的数值增加1后赋值给t1,若是j`的数值小于等于0则将t1`的数值赋值给t1;转到S501-4;
S501-4,判断t1的数值是否少于等于0,若是则选取Matseq中序号为1的元素作为Mat_t1;判断t1的数值是否属于[1,T),若是则选取Matseq中序号为t1的元素作为Mat_t1;判断t1的数值是否大于等于T,若是则选取Matseq中序号为T的元素作为Mat_t1;得到Mat_t1,转到S501-5;
S501-5,获取Mat_t1中列序号为j的列作为Mat_t1(,j),把Mat_t1(,j)作为切向序列中序号为tj的元素Seq1(tj);输出得到切向路径序列;
其中,法向路径序列为一个由T*n个元素构成的数组,记法向序列为Seq2,记法向路径序列中元素的序号为ti,ti∈[1, T*n],法向序列中序号为ti的元素记为Seq2(ti),得到法向路径序列的具体方法为:
S502-1,设置变量t2的初始值为1,t2为在法向路径序列计算过程中用于标记法向路径序列的计算步骤与进行赋值的变量,设置变量i的初始值为0;以n为除数,以ti为被除数;
S502-2,使用n对ti进行整除,获取其商为t2`,获取其余数为i`;
S502-3,将i`的数值赋值给i;若是i`的数值大于0则将t2`的数值增加1后赋值给t2,若是i`的数值小于等于0则将t2`的数值赋值给t2;转到S502-4;
S502-4,判断t2的数值是否少于等于0,若是则选取Matseq中序号为1的元素作为Mat_t2;判断t2的数值是否属于[1,T),若是则选取Matseq中序号为t2的元素作为Mat_t2;判断t2的数值是否大于等于T,若是则选取Matseq中序号为T的元素作为Mat_t2;得到Mat_t2,转到S502-5;
S502-5,获取Mat_t2中行序号为i的行作为Mat_t2(i,),把Mat_t2(i,)作为法向序列中序号为ti的元素Seq2(ti);输出得到法向路径序列;
进而,根据切向路径序列和法向路径序列,得到盐度过渡序列:记盐度过渡序列为Seqiat,盐度过渡序列为一个由T个元素构成的序列,Seqiat中元素的序号同样为t,Seqiat中序号为t的元素为Seqiat(t),Seqiat(t)的计算公式为如下,
由此得到盐度过渡序列,即为Seqiat=[Seqiat(t),t∈[1,T]]。
6.根据权利要求5所述的一种养殖池盐度参数智能调控方法,其特征在于,在S500中,根据盐度过渡序列对养殖池进行从初始盐浓度至目标盐浓度的盐度参数智能调控的具体方法为:
S601,记初始盐浓度为Saltb,记目标盐浓度为Salte,记从初始盐浓度至目标盐浓度的中位数为Saltm,或者令Saltm为Saltb和Salte的平均值;
S602,设置变量t的值为1;以盐度计获取当前养殖池的池水的盐浓度并将其记录为Salt_t,其中,在Mat_t中行序号为i、列序号为j的元素即Mat_t(i,j)处对应的当前养殖池的池水的盐浓度记为Salt_t(i,j),在Mat_t中行序号为i-1、列序号为j-1的元素即Mat_t(i-1,j-1)处对应的当前养殖池的池水的盐浓度记为Salt_t(i-1,j-1),i-1表示i的数值减少1,j-1表示j的数值减少1;开始计时,随着计时数的增加,t的数值增加至Tmp;
S603,获取时刻t对应的盐度参数矩阵作Mat_t;将t的数值赋值给T;
S604,获取当前T个时刻内的各个时刻对应的盐度参数矩阵,并计算获取当前T个时刻内的盐度过渡序列;记盐度过渡序列为Seqiat,盐度过渡序列中元素的数量同为T,Seqiat中序号为t的元素为Seqiat(t);
S605,获取当前时刻t的盐度参数矩阵为Mat_t;计算当前时刻t的盐度参数与上一个时刻的盐度参数的差距并记其为Salt_gap(t),Salt_gap(t)的计算公式为,
其中,Salt_(t-1)(i,j)表示时刻t-1的盐度参数矩阵即Mat_(t-1)中行序号为i列序号为j处的盐度参数,Mat_(t-1)表示t-1时刻的盐度参数矩阵,t-1时刻为t时刻的上一个时刻;
S606,判断t是否大于1,若是则向养殖池中加入盐并转到S607,若否则转到S608;
S607,获取t时刻的上一个时刻t-1的养殖池的池水的盐浓度并将其作为Salt_(t-1);获取t时刻的上一个时刻t-1的盐度参数的差距作Salt_gap(t-1);获取Seqiat中序号为t的元素Seqiat(t)的数值;判断是否满足约束条件Salt_gap(t)/Salt_gap(t-1)>Seqiat(t),若是则暂停t的计时,停止向养殖池中加入盐,并向养殖池中加入淡水,直至养殖池的池水的盐浓度恢复至Salt_(t-1)后,恢复t的计时;转到步骤S608;
S608,向养殖池中继续加入盐;判断养殖池的池水的盐浓度是否大于等于目标盐浓度,若是则将Tmp的值更新为t+1作为输出并结束程序,若否则将t的数值增加1并转到S603。
7.一种养殖池盐度参数智能调控系统,其特征在于,所述一种养殖池盐度参数智能调控系统包括:处理器、存储器及存储在所述存储器中并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权利要求1至4中任一项的一种养殖池盐度参数智能调控方法中的步骤,所述一种养殖池盐度参数智能调控系统运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心的计算设备中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210214028.XA CN114296487B (zh) | 2022-03-07 | 2022-03-07 | 一种养殖池盐度参数智能调控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210214028.XA CN114296487B (zh) | 2022-03-07 | 2022-03-07 | 一种养殖池盐度参数智能调控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114296487A true CN114296487A (zh) | 2022-04-08 |
CN114296487B CN114296487B (zh) | 2022-05-17 |
Family
ID=80978456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210214028.XA Active CN114296487B (zh) | 2022-03-07 | 2022-03-07 | 一种养殖池盐度参数智能调控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114296487B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115202421A (zh) * | 2022-09-14 | 2022-10-18 | 广东省农业科学院动物科学研究所 | 一种智能养殖环境控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006285517A (ja) * | 2005-03-31 | 2006-10-19 | Intec Web & Genome Informatics Corp | 生命情報解析装置、生命情報解析方法および生命情報解析プログラム |
WO2009114733A2 (en) * | 2008-03-13 | 2009-09-17 | Ceres, Inc. | Nucleotide sequences and corresponding polypeptides conferring modulated growth rate and biomass in plants grown in saline and oxidative conditions |
WO2014145757A2 (en) * | 2013-03-15 | 2014-09-18 | Pentair Water Pool And Spa, Inc. | Method for regulating energy consumption in aquaculture systems |
CN105210970A (zh) * | 2015-10-08 | 2016-01-06 | 宁波大学 | 一种水体盐度可自动控制和调整的养鱼装置 |
CN205018090U (zh) * | 2015-10-08 | 2016-02-10 | 宁波大学 | 一种自动控制水体盐度的养鱼装置 |
CN109006652A (zh) * | 2018-09-29 | 2018-12-18 | 广西壮族自治区水产科学研究院 | 一种基于物联网的罗非鱼制种育苗系统及方法 |
CN112655612A (zh) * | 2020-12-18 | 2021-04-16 | 广东省农业科学院动物科学研究所 | 一种全生活史增殖移植热带海参种群的方法 |
-
2022
- 2022-03-07 CN CN202210214028.XA patent/CN114296487B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006285517A (ja) * | 2005-03-31 | 2006-10-19 | Intec Web & Genome Informatics Corp | 生命情報解析装置、生命情報解析方法および生命情報解析プログラム |
WO2009114733A2 (en) * | 2008-03-13 | 2009-09-17 | Ceres, Inc. | Nucleotide sequences and corresponding polypeptides conferring modulated growth rate and biomass in plants grown in saline and oxidative conditions |
WO2014145757A2 (en) * | 2013-03-15 | 2014-09-18 | Pentair Water Pool And Spa, Inc. | Method for regulating energy consumption in aquaculture systems |
CN105210970A (zh) * | 2015-10-08 | 2016-01-06 | 宁波大学 | 一种水体盐度可自动控制和调整的养鱼装置 |
CN205018090U (zh) * | 2015-10-08 | 2016-02-10 | 宁波大学 | 一种自动控制水体盐度的养鱼装置 |
CN109006652A (zh) * | 2018-09-29 | 2018-12-18 | 广西壮族自治区水产科学研究院 | 一种基于物联网的罗非鱼制种育苗系统及方法 |
CN112655612A (zh) * | 2020-12-18 | 2021-04-16 | 广东省农业科学院动物科学研究所 | 一种全生活史增殖移植热带海参种群的方法 |
Non-Patent Citations (2)
Title |
---|
吴慧芳,等: "盐度调节方式对培养海水养殖生物絮凝系统的影响", 《水产科学》 * |
张沛,等: "花鲈瘦素基因的克隆及低盐度条件下调控表达分析", 《大连海洋大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115202421A (zh) * | 2022-09-14 | 2022-10-18 | 广东省农业科学院动物科学研究所 | 一种智能养殖环境控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114296487B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Recent advances of deep learning algorithms for aquacultural machine vision systems with emphasis on fish | |
Gladju et al. | Applications of data mining and machine learning framework in aquaculture and fisheries: A review | |
Fdez-Riverola et al. | CBR based system for forecasting red tides | |
CN114296487B (zh) | 一种养殖池盐度参数智能调控方法及系统 | |
CN117084200A (zh) | 应用大数据分析的水产养殖投药控制系统 | |
Zamani et al. | Forecasting water quality variable using deep learning and weighted averaging ensemble models | |
Hu et al. | Detection of residual feed in aquaculture using YOLO and Mask RCNN | |
CN117236016B (zh) | 一种基于bim的水中生态系统构建方法和系统 | |
Liu et al. | A robust underwater multiclass fish-school tracking algorithm | |
CN111079888A (zh) | 一种基于混合qpso-de寻优预测水质溶氧方法及系统 | |
CN117434235A (zh) | 基于水质监测的水华预警方法、装置、设备及介质 | |
CN117635361A (zh) | 一种基于集成学习的金枪鱼渔场预测方法及系统 | |
Palconit et al. | Multi-gene genetic programming of iot water quality index monitoring from fuzzified model for Oreochromis niloticus recirculating aquaculture system | |
CN109255200B (zh) | 一种养殖水体氨氮的软测量方法及装置 | |
CN115240793A (zh) | 一种生物活性炭的水产养殖水体处理方法及系统 | |
CN115202421A (zh) | 一种智能养殖环境控制方法及系统 | |
CN115759346A (zh) | 一种基于ao算法的碳排放量预测方法、装置及设备 | |
EP4008179A1 (en) | Method and system for determining biomass of aquatic animals | |
Amin et al. | Comparative Analysis of Data Driven Prediction Modeling Strategies for Aquaculture Healthcare | |
Wang et al. | Aggregation process of two disaster-causing jellyfish species, Nemopilema nomurai and Aurelia coerulea, at the intake area of a nuclear power cooling-water system in Eastern Liaodong Bay, China | |
CN117215218B (zh) | 一种鱼类循环水养殖池的动态排污的控制方法 | |
Gladju et al. | Potential applications of data mining in aquaculture | |
Xie et al. | Multifactor prediction of sea water quality based on improved K-LSTM | |
Fu et al. | Prediction of fishing vessel operation mode based on Stacking model fusion | |
CN116740767B (zh) | 一种基于机器视觉的鱼饲料投放方法 |
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 |