CN114364107A - 水产养殖光照控制方法、装置、设备及存储介质 - Google Patents

Abstract

本发明属于照明控制技术领域，公开了一种水产养殖光照控制方法、装置、设备及存储介质。该方法包括：在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型；根据所述待照水产类型确定对应的最优光照模型；根据生产信息确定预期养殖回报信息；根据所述预期养殖回报信息和最优光照模型得到光照控制参数；根据所述光照控制参数调整光照系统。通过上述方式，实现了根据用户的生产计划，自动生成光照方案，以避免固定照明手段造成的电能浪费，节约了养殖产业的生产成本，提高了养殖效率。

Description

水产养殖光照控制方法、装置、设备及存储介质

技术领域

本发明涉及照明控制技术领域，尤其涉及一种水产养殖光照控制方法、装置、设备及存储介质。

背景技术

随着农业自动化的不断发展，科学养殖的技术也慢慢普及开来，水产养殖业又是养殖业当中非常重要的一部分，自此自动化控温、定时投喂以及智能补氧技术应运而生，共同支撑着智能化水产养殖。

在实际生产过程中，农业工作者往往把重点都放在控温、控粮上，而光照的规律往往被养殖者忽略，然而自然光往往不能达到最佳的养殖效果，尤其是在室内养殖时，人工水产养殖的光照控制尤其重要，但目前为了让水产达到比较好的养殖效果，都是持续的用人工补光进行照射，这种方式虽然能得到不错的水产品质，但是没有限度的进行光照补充往往会造成大量的电能浪费，因此并不能根据养殖者所期望的养殖结果进行合理的光照控制。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种水产养殖光照控制方法、装置、设备及存储介质，旨在解决现有技术无法根据养殖者所期望的养殖结果进行合理的光照控制的技术问题。

为实现上述目的，本发明提供了一种水产养殖光照控制方法，所述方法包括以下步骤:

在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型；

根据所述待照水产类型确定对应的最优光照模型；

根据生产信息确定预期养殖回报信息；

根据所述预期养殖回报信息和最优光照模型得到光照控制参数；

根据所述光照控制参数调整光照系统。

可选的，所述根据所述预期养殖回报信息和最优光照模型得到光照控制参数，包括：

从生产信息系统中实时获取饵料价格和用电价格；

根据所述饵料价格、用电价格和预期养殖回报输入最优光照模型，得到目标光照周期和目标光照强度；

根据所述目标光照强度和目标光照周期得到光照控制参数。

可选的，所述根据所述饵料价格、用电价格和预期养殖回报输入最优光照模型，得到目标光照周期和目标光照强度之前，包括：

获取采样光照周期、采样光照强度、采样用电价格、采样饵料价格和采样饵料用量；

根据所述采样光照周期和采样光照强度带入预设养殖收益模型，得到对应的采样光照总收益；

根据采样光照周期、采样光照强度和采样用电价格得到对应的采样用电成本；

根据所述采样饵料价格和采样饵料用量得到对应的采样饵料总成本；

根据所述采样光照总收益、采样用电成本和采样饵料总成本得到采样养殖回报；

将所述采样养殖回报、采样光照周期、采样光照强度、采样饵料价格以及采样用电价格带入预设初始最优光照模型训练，得到最优光照模型。

可选的，所述将所述采样养殖回报、采样光照周期、采样光照强度、采样饵料价格以及采样用电价格带入预设初始最优光照模型训练，得到最优光照模型之前，还包括：

获取历史生产信息，根据所述历史生产信息确定饵料价格标签、用电价格标签、养殖回报标签、光照周期标签和光照强度标签；

根据所述饵料价格标签、用电价格标签和养殖回报标签定义输入层节点；

根据所述光照周期标签和光照强度标签定义输出层节点；

根据所述输入层节点和输出层节点生成初始最优光照模型。

可选的，所述根据所述待照水产类型确定对应的最优光照模型，包括：

将所述待照水产类型发送至云端数据中心，以使所述云端数据中心根据所述待照水产类型查询预设水产类型-模型对应关系映射表，得到对应的最优光照模型，并反馈所述最优光照模型。

可选的，所述根据所述预期养殖回报信息和最优光照模型得到光照控制参数之后，还包括：

根据所述光照控制参数确定预期水产品质；

根据所述预期水产品质生产提示信息；

根据所述提示信息完成预期水产品质提示。

可选的，所述根据所述光照控制参数调整光照系统，包括：

根据所述光照控制参数确定目标光照强度差值；

根据所述目标光照强度差值确定当前亮度变化率，所述当前亮度变化率与目标光照强度差值成反比；

根据所述当前亮度变化率调整光照系统。

此外，为实现上述目的，本发明还提出一种水产养殖光照控制装置，所述水产养殖光照控制装置包括：

处理模块，用于在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型；

所述处理模块，还用于根据所述待照水产类型确定对应的最优光照模型；

所述处理模块，还用于根据生产信息确定预期养殖回报信息；

所述处理模块，还用于根据所述预期养殖回报信息和最优光照模型得到光照控制参数；

控制模块，用于根据所述光照控制参数调整光照系统。

此外，为实现上述目的，本发明还提出一种水产养殖光照控制设备，所述水产养殖光照控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的水产养殖光照控制程序，所述水产养殖光照控制程序配置为实现如上文所述的水产养殖光照控制方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有水产养殖光照控制程序，所述水产养殖光照控制程序被处理器执行时实现如上文所述的水产养殖光照控制方法的步骤。

本发明在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型；根据所述待照水产类型确定对应的最优光照模型；根据生产信息确定预期养殖回报信息；根据所述预期养殖回报信息和最优光照模型得到光照控制参数；根据所述光照控制参数调整光照系统。通过上述方式，实现了根据用户的生产计划，自动生成光照方案，以避免固定照明手段造成的电能浪费，节约了养殖产业的生产成本，提高了养殖效率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的水产养殖光照控制设备的结构示意图；

图2为本发明水产养殖光照控制方法第一实施例的流程示意图；

图3为本发明水产养殖光照控制方法第二实施例的流程示意图；

图4为本发明水产养殖光照控制装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的水产养殖光照控制设备结构示意图。

如图1所示，该水产养殖光照控制设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对水产养殖光照控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及水产养殖光照控制程序。

在图1所示的水产养殖光照控制设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明水产养殖光照控制设备中的处理器1001、存储器1005可以设置在水产养殖光照控制设备中，所述水产养殖光照控制设备通过处理器1001调用存储器1005中存储的水产养殖光照控制程序，并执行本发明实施例提供的水产养殖光照控制方法。

本发明实施例提供了一种水产养殖光照控制方法，参照图2，图2为本发明一种水产养殖光照控制方法第一实施例的流程示意图。

本实施例中，所述水产养殖光照控制方法包括以下步骤：

步骤S10：在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型。

需要说明的是，本实施例的执行主体为灯光控制系统，所述灯光控制系统可以为智能照明设备，也可以为与照明设备相连接的智能控制设备，还可以为其他与智能照明设备功能相同或者相似的其他系统，本实施例对此不加以限定。

可以理解的是，本实施例应用于水产养殖的照明控制环节，由于在养殖过程中不同的光照强度和不同的光照周期会影响水产品质，例如：鱼类的营养或者肉质，进一步会影响到其在市场中的价值。因此合理的光照将会提高鱼类的活动时间、活动强度以及饵料转化率等等，因此本实施例提出使用提前训练好的神经网络模型，根据养殖者预期的收益进行合理的光照分配，避免了固定照明手段造成的电能浪费，节约了养殖产业的生产成本，提高了养殖效率。

需要说明的是，生产信息系统即为养殖企业的生产计划系统，例如：ERP系统（企业生产管理系统），其中会记载生产计划、物料成本以及流程管理等信息，本实施例中灯光控制系统可以直接从生产信息系统中，根据自身生产场所的编号获取当前场所的生产信息，根据当前场所的生产信息，可以确定照明系统工作场地中所养殖的水产是什么类型，例如：某种鱼类，由于不同的鱼类或者水产对光的需求不相同，因此需要根据待照水产类型进行进一步的判断，所述待照水产即为待照明系统照射的水产类型。

步骤S20：根据所述待照水产类型确定对应的最优光照模型。

需要说明的是，由于不同水产品种受光照的影响程度不同，因此基于不同类型水产品种的采样数据所训练出来的模型是有一定差异的，在模型训练时就需要根据采样数据对应的水产类型与模型间建立索引，按一一对应的关系进行存储，如此在实际应用过程中，只需根据待照水产类型从存储空间中找到对应的最优光照模型即可。

在本实施例中，所述根据所述待照水产类型确定对应的最优光照模型都不皱，还可以包括：将所述待照水产类型发送至云端数据中心，以使所述云端数据中心根据所述待照水产类型查询预设水产类型-模型对应关系映射表，得到对应的最优光照模型，并反馈所述最优光照模型。

具体的，本实施例优选使用云端数据中心进行模型存储，所述云端数据中心为水产养殖企业或者第三方的云端服务器，由于水产的种类十分丰富，如果在终端进行存储的话，将会十分耗费存储资源，因此可以根据预设水产类型-模型对应关系映射表对最优光照模型进行查找。

步骤S30：根据生产信息确定预期养殖回报信息。

需要说明的是，根据生产信息中的生产计划可以确定该场景（例如：这片鱼塘）中，预计产量是多少，目前该品种的市场价、期望水产品质、该品种预期市场价格以及预期损耗率等等，根据这些生产计划信息，可以对该场景的养殖回报作一个预估，即为预期养殖回报。

步骤S40：根据所述预期养殖回报信息和最优光照模型得到光照控制参数。

可以理解的是，所述最优光照模型优选神经网络模型，所述光照控制参数主要为光照周期和光照强度，还可以为其他的光照信息，例如：光谱范围或者照明等类型（LED、惰性气体大灯等），本实施例对此不加以限定，仅仅以光照周期和光照强度为例加以说明。

具体的，模型训练过程为，根据采样光照周期和采样光照强度情况下生产得到的采样水产品质，再根据采样水产品质和采样生产计划信息计算出采样预期养殖回报，例如：根据采样水产品质结合采样生产信息中当前水产品质的价格，可以得到总回报率，再计算从中所产生的采总样成本，即可得到采样养殖回报数据，根据采样养殖回报、采样光照周期和采样光照强度对神经网络模型进行训练即可，该方式的优势在于训练过程简单，信息采集方便，但有时候各种成本是波动的，仅仅根据采样养殖回报、采样光照周期和采样光照强度在固定光照计划的模式中在节约电能的方向上有较大提升，但其预测得到的光照控制参数与实际情况中最优的光照控制参数存在误差。

步骤S50：根据所述光照控制参数调整光照系统。

可以理解的是，得到光照控制参数后即可根据光照控制参数对当前的光照系统进行调节，根据其中光照周期控制光照系统的启停，根据光照强度控制光照系统的照明功率，由于光照周期和光照强度是影响光照系统用电量最直接的参数，因此从节约用电量的角度出发只需要对这两者进行调节就行，其他的光照光谱类型、照射角度以及发光波长等等，由于这些参数的调节对发电量的影响有限因此，本实施例对上述参数的控制不加以限定。

在本实施例中，根据所述光照控制参数确定目标光照强度差值；根据所述目标光照强度差值确定当前亮度变化率，所述当前亮度变化率与目标光照强度差值成反比；根据所述当前亮度变化率调整光照系统。

需要说明的是，水产对光的亮度需要一个适应的过程，如果像正常灯光开关或者变化时在亮度上发生突变，会给水产造成一定的损伤，因此在光照强度变化跨度越大时，需要越缓慢的变化过程，让水产能够慢慢适应，例如：在自然环境下，天亮的过程可能会持续若干小时，因此目标光照强度差值越大，亮度的变化率就应当越小，以保证水产能缓慢适应。

在本实施例中，根据所述光照控制参数确定预期水产品质；根据所述预期水产品质生产提示信息；根据所述提示信息完成预期水产品质提示。

可以理解的是，在其他变量都稳定的情况下光照控制参数和不同水产的品质存在不同的对应关系，例如：一般鱼类的品质（鱼的重量、肉质、蛋白质含量等）会随着光照的强度增加先升高后降低，鱼类的品质也会随着光照与黑暗的比例增长先升高后降低，因此可以根据采样光照强度和采样鱼类品质进行建立特征坐标系，拟合出预设养殖收益模型，根据所述预设养殖收益模型就可以预测出根据当前光照参数条件下最终会获得的预期水产品质，以供养殖者进行确定，判断品质是否满足生产要求。

本实施例在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型；根据所述待照水产类型确定对应的最优光照模型；根据生产信息确定预期养殖回报信息；根据所述预期养殖回报信息和最优光照模型得到光照控制参数；根据所述光照控制参数调整光照系统。通过上述方式，实现了根据用户的生产计划，自动生成光照方案，以避免固定照明手段造成的电能浪费，节约了养殖产业的生产成本，提高了养殖效率。

参考图3，图3为本发明一种水产养殖光照控制方法第二实施例的流程示意图。

基于上述第一实施例，本实施例水产养殖光照控制方法在所述步骤S40，还包括：

步骤S41：从生产信息系统中实时获取饵料价格和用电价格。

需要说明的是，为了让光照控制参数的预测更加准确，可以加入成本的因素进行模型的训练，这是因为在电价发生变化时，不同的光照周期和光照强度之间用电成本的差异是显著的，光照参数与用电价格和预期收益之间有明显的关联性，而不同的光照控制参数会导致水产的饵料转化率发生变化，因此光照控制参数与饵料成本、饵料价格之间也有明显的联系，将其作为采样数据对模型进行训练，可以根据饵料价格和用电价格进行更为合理控制，例如：在用电价格高的时候，可以合理的调低光照强度或者缩短周期以保证预期收益不会更低。

步骤S42：根据所述饵料价格、用电价格和预期养殖回报输入最优光照模型，得到目标光照周期和目标光照强度。

需要说明的是，饵料价格、用电价格和预期养殖回报均可以从生产信息系统中直接获取，输入训练好的最优光照模型即可得到目标光照周期和目标光照强度，根据目标光照周期和目标光照强度得到光照控制参数。

在本实施例中，提出一种优选的最优光照模型训练方案，例如：获取采样光照周期、采样光照强度、采样用电价格、采样饵料价格和采样饵料用量；根据所述采样光照周期和采样光照强度带入预设养殖收益模型，得到对应的采样光照总收益；根据采样光照周期、采样光照强度和采样用电价格得到对应的采样用电成本；根据所述采样饵料价格和采样饵料用量得到对应的采样饵料总成本；根据所述采样光照总收益、采样用电成本和采样饵料总成本得到采样养殖回报；将所述采样养殖回报、采样光照周期、采样光照强度、采样饵料价格以及采样用电价格带入预设初始最优光照模型训练，得到最优光照模型。

具体的，采样光照周期、采样光照强度则是预先设置好的，采样用电价格、采样饵料价格和采样饵料用量均可以直接从设定好的采样光照周期、采样光照强度对应的历史生产信息中得到。根据采样光照周期、采样光照强度、采样用电价格、采样饵料价格和采样饵料用量即可以计算出其他的采样参数，例如：根据所述采样光照周期和采样光照强度带入预设养殖收益模型，得到对应的采样光照总收益，此外，根据采样光照周期、采样光照强度和采样用电价格可以得到对应的采样用电成本，根据所述采样饵料价格和采样饵料用量得到对应的采样饵料总成本，根据所述采样光照总收益、采样用电成本和采样饵料总成本得到采样养殖回报，其中可能会存在一些其他的固定成本，也可以将固定成本带入采样养殖回报=采样光照总收益-（用电成本+饵料总成本+固定成本），将准备好的采样数据（采样光照周期、采样光照强度、采样用电价格、采样饵料价格以及采样养殖回报）作为数据样本，对初始最优光照模型进行训练，在使用时只需将用电价格、饵料价格和养殖回报带入模型即可得到应当设置的光照控制参数（光照周期和光照强度）。

在本实施例中，获取历史生产信息，根据所述历史生产信息确定饵料价格标签、用电价格标签、养殖回报标签、光照周期标签和光照强度标签；根据所述饵料价格标签、用电价格标签和养殖回报标签定义输入层节点；根据所述光照周期标签和光照强度标签定义输出层节点；根据所述输入层节点和输出层节点生成初始最优光照模型。

具体的，在生成初始最优光照模型的过程中，需要先定义输出层节点和输出层节点，中间的隐藏层使用常规神经网络隐藏层模型定义即可，根据饵料价格标签、用电价格标签以及养殖回报标签定义3个输入层节点，在训练时将对应标签的数据输入即可，根据结果和对应的光照周期和光照强度对初始最优光照模型进行调整即可，根据所述光照周期标签和光照强度标签定义两个输出层节点，可以将多份样本轮流作为训练样本和测试样本进行训练，例如：将第一份经验样本作为测试样本，其余样本作为训练样本训练初始最优光照模型，下一步使用第二份经验样本作为测试样本，其余样本为训练样本，以此类推直至初始最优光照模型收敛。

步骤S43：根据所述目标光照强度和目标光照周期得到光照控制参数。

可以理解的是，得到光照控制参数后即可根据光照控制参数对当前的光照系统进行调节，根据其中光照周期控制光照系统的启停，根据光照强度控制光照系统的照明功率，由于光照周期和光照强度是影响光照系统用电量最直接的参数，因此从节约用电量的角度出发只需要对这两者进行调节就行，其他的光照光谱类型、照射角度以及发光波长等等，由于这些参数的调节对发电量的影响有限因此，本实施例对上述参数的控制不加以限定。

其中，由于实时饵料价格和用电价格进行光照调整可能导致光照控制的变化率过大，例如：光照周期是每天光照的亮与暗的比例，实时调节会导致光照周期发生紊乱，因此可以每隔一周或者两周确定一次光照强度，有利于水产生长的稳定。

本实施例从生产信息系统中实时获取饵料价格和用电价格；根据所述饵料价格、用电价格和预期养殖回报输入最优光照模型，得到目标光照周期和目标光照强度；根据所述目标光照强度和目标光照周期得到光照控制参数。通过上述方式，实现了根据波动的饵料价格和用电价格合理的调节光照控制参数，提高了养殖效率，让光照控制更加精细，避免了电能浪费。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有水产养殖光照控制程序，所述水产养殖光照控制程序被处理器执行时实现如上文所述的水产养殖光照控制方法的步骤。

参照图4，图4为本发明水产养殖光照控制装置第一实施例的结构框图。

如图4所示，本发明实施例提出的水产养殖光照控制装置包括：

处理模块10，用于在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型。

所述处理模块10，还用于根据所述待照水产类型确定对应的最优光照模型。

所述处理模块10，还用于根据生产信息确定预期养殖回报信息。

所述处理模块10，还用于根据所述预期养殖回报信息和最优光照模型得到光照控制参数。

控制模块20，用于根据所述光照控制参数调整光照系统。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

本实施例处理模块10在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型；处理模块10根据所述待照水产类型确定对应的最优光照模型；处理模块10根据生产信息确定预期养殖回报信息；处理模块10根据所述预期养殖回报信息和最优光照模型得到光照控制参数；控制模块20根据所述光照控制参数调整光照系统。通过上述方式，实现了根据用户的生产计划，自动生成光照方案，以避免固定照明手段造成的电能浪费，节约了养殖产业的生产成本，提高了养殖效率。

在一实施例中，所述处理模块10，还用于从生产信息系统中实时获取饵料价格和用电价格；

根据所述饵料价格、用电价格和预期养殖回报输入最优光照模型，得到目标光照周期和目标光照强度；

根据所述目标光照强度和目标光照周期得到光照控制参数。

在一实施例中，所述处理模块10，还用于获取采样光照周期、采样光照强度、采样用电价格、采样饵料价格和采样饵料用量；

根据所述采样光照周期和采样光照强度带入预设养殖收益模型，得到对应的采样光照总收益；

根据采样光照周期、采样光照强度和采样用电价格得到对应的采样用电成本；

根据所述采样饵料价格和采样饵料用量得到对应的采样饵料总成本；

根据所述采样光照总收益、采样用电成本和采样饵料总成本得到采样养殖回报；

将所述采样养殖回报、采样光照周期、采样光照强度、采样饵料价格以及采样用电价格带入预设初始最优光照模型训练，得到最优光照模型。

在一实施例中，所述处理模块10，还用于获取历史生产信息，根据所述历史生产信息确定饵料价格标签、用电价格标签、养殖回报标签、光照周期标签和光照强度标签；

根据所述饵料价格标签、用电价格标签和养殖回报标签定义输入层节点；

根据所述光照周期标签和光照强度标签定义输出层节点；

根据所述输入层节点和输出层节点生成初始最优光照模型。

在一实施例中，所述处理模块10，还用于将所述待照水产类型发送至云端数据中心，以使所述云端数据中心根据所述待照水产类型查询预设水产类型-模型对应关系映射表，得到对应的最优光照模型，并反馈所述最优光照模型。

在一实施例中，所述控制模块20，还用于根据所述光照控制参数确定预期水产品质；

根据所述预期水产品质生产提示信息；

根据所述提示信息完成预期水产品质提示。

在一实施例中，所述控制模块20，还用于根据所述光照控制参数确定目标光照强度差值；

根据所述目标光照强度差值确定当前亮度变化率，所述当前亮度变化率与目标光照强度差值成反比；

根据所述当前亮度变化率调整光照系统。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的水产养殖光照控制方法，此处不再赘述。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种水产养殖光照控制方法，其特征在于，所述水产养殖光照控制方法包括：

在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型；

根据所述待照水产类型确定对应的最优光照模型；

根据生产信息确定预期养殖回报信息；

根据所述预期养殖回报信息和最优光照模型得到光照控制参数；

根据所述光照控制参数调整光照系统。

2.如权利要求1所述的方法，其特征在于，所述根据所述预期养殖回报信息和最优光照模型得到光照控制参数，包括：

从生产信息系统中实时获取饵料价格和用电价格；

根据所述饵料价格、用电价格和预期养殖回报输入最优光照模型，得到目标光照周期和目标光照强度；

根据所述目标光照强度和目标光照周期得到光照控制参数。

3.如权利要求2所述的方法，其特征在于，所述根据所述饵料价格、用电价格和预期养殖回报输入最优光照模型，得到目标光照周期和目标光照强度之前，包括：

获取采样光照周期、采样光照强度、采样用电价格、采样饵料价格和采样饵料用量；

根据所述采样光照周期和采样光照强度带入预设养殖收益模型，得到对应的采样光照总收益；

根据采样光照周期、采样光照强度和采样用电价格得到对应的采样用电成本；

根据所述采样饵料价格和采样饵料用量得到对应的采样饵料总成本；

根据所述采样光照总收益、采样用电成本和采样饵料总成本得到采样养殖回报；

将所述采样养殖回报、采样光照周期、采样光照强度、采样饵料价格以及采样用电价格带入预设初始最优光照模型训练，得到最优光照模型。

4.如权利要求3所述的方法，其特征在于，所述将所述采样养殖回报、采样光照周期、采样光照强度、采样饵料价格以及采样用电价格带入预设初始最优光照模型训练，得到最优光照模型之前，还包括：

获取历史生产信息，根据所述历史生产信息确定饵料价格标签、用电价格标签、养殖回报标签、光照周期标签和光照强度标签；

根据所述饵料价格标签、用电价格标签和养殖回报标签定义输入层节点；

根据所述光照周期标签和光照强度标签定义输出层节点；

根据所述输入层节点和输出层节点生成初始最优光照模型。

5.如权利要求1所述的方法，其特征在于，所述根据所述待照水产类型确定对应的最优光照模型，包括：

将所述待照水产类型发送至云端数据中心，以使所述云端数据中心根据所述待照水产类型查询预设水产类型-模型对应关系映射表，得到对应的最优光照模型，并反馈所述最优光照模型。

6.如权利要求1所述的方法，其特征在于，所述根据所述预期养殖回报信息和最优光照模型得到光照控制参数之后，还包括：

根据所述光照控制参数确定预期水产品质；

根据所述预期水产品质生产提示信息；

根据所述提示信息完成预期水产品质提示。

7.如权利要求1~6中任一项所述的方法，其特征在于，所述根据所述光照控制参数调整光照系统，包括：

根据所述光照控制参数确定目标光照强度差值；

根据所述目标光照强度差值确定当前亮度变化率，所述当前亮度变化率与目标光照强度差值成反比；

根据所述当前亮度变化率调整光照系统。

8.一种水产养殖光照控制装置，其特征在于，所述水产养殖光照控制装置包括：

处理模块，用于在接收到生产信息系统发送的生产信息时，根据所述生产信息确定待照水产类型；

所述处理模块，还用于根据所述待照水产类型确定对应的最优光照模型；

所述处理模块，还用于根据生产信息确定预期养殖回报信息；

所述处理模块，还用于根据所述预期养殖回报信息和最优光照模型得到光照控制参数；

控制模块，用于根据所述光照控制参数调整光照系统。

9.一种水产养殖光照控制设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的水产养殖光照控制程序，所述水产养殖光照控制程序配置为实现如权利要求1至7中任一项所述的水产养殖光照控制方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有水产养殖光照控制程序，所述水产养殖光照控制程序被处理器执行时实现如权利要求1至7任一项所述的水产养殖光照控制方法的步骤。

Images