CN114467824B - 智能投饵船 - Google Patents
智能投饵船 Download PDFInfo
- Publication number
- CN114467824B CN114467824B CN202210213503.1A CN202210213503A CN114467824B CN 114467824 B CN114467824 B CN 114467824B CN 202210213503 A CN202210213503 A CN 202210213503A CN 114467824 B CN114467824 B CN 114467824B
- Authority
- CN
- China
- Prior art keywords
- fish
- feeding
- shoal
- parameters
- module
- 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
Links
- 238000005266 casting Methods 0.000 title claims abstract description 39
- 241000251468 Actinopterygii Species 0.000 claims abstract description 130
- 230000007613 environmental effect Effects 0.000 claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 210000003608 fece Anatomy 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 13
- 238000009360 aquaculture Methods 0.000 claims description 12
- 244000144974 aquaculture Species 0.000 claims description 12
- 238000009395 breeding Methods 0.000 claims description 10
- 230000001488 breeding effect Effects 0.000 claims description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 238000009313 farming Methods 0.000 claims description 4
- 235000003642 hunger Nutrition 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 235000019553 satiation Nutrition 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 230000037351 starvation Effects 0.000 claims 1
- 239000002699 waste material Substances 0.000 abstract description 5
- 241000252230 Ctenopharyngodon idella Species 0.000 description 23
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 241000238557 Decapoda Species 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000037406 food intake Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241000143060 Americamysis bahia Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000021050 feed intake Nutrition 0.000 description 1
- 238000012840 feeding operation Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/80—Feeding devices
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- 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
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Zoology (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Medical Informatics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Farming Of Fish And Shellfish (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种智能投饵船，包括综合数据库，记录养殖鱼群初始信息参数和环境参数；匹配模块，根据养殖鱼群初始信息参数对设定规则一进行匹配，获得鱼群当前重量；再结合环境参数对设定规则二进行匹配，获得投喂量；分析模块，用于获取目标区域摄食鱼群动态聚类特征参数，并以此判断鱼群动态聚类变化；和投喂模块，用于根据投喂量和鱼群动态聚类变化进行投喂。上述智能投饵船，通过使用匹配模块根据鱼群初始信息参数进行投喂量计算，使用分析模块结合环境参数对投喂量进行确定，形成了无需人工操作的无人化投喂，能够定时定量进行投喂，极大地增加了投饵的效率，且投喂均匀，可以根据水体及养殖对象情况及时调整投喂，减少了饵料的浪费。
Description
技术领域
本发明涉及养殖设备领域，特别是涉及一种智能投饵船。
背景技术
随着水产养殖业的迅猛发展，养殖个体的品质越来越受到人们的关注。而投喂作为养殖环节中最重要的过程之一，需要耗费大量的时间和劳动力，且在投喂过程中需要考虑到投饵均匀性、破碎率和精准性等因素，这是影响水产品健康和水质良性净化的关键指标之一。目前国内市场使用的自动投饵机可根据投料形式、动力来源、应用环境分为风送式投饵机、电力投饵机、池塘投饵机、网箱投饵机等，其中以池塘投饵机应用最为广泛。
传统投饵机相较于人工投喂有着解放养殖者劳动力、节省时间、减少饲料浪费、提高经济效益等优点。但近年来水产养殖占地资源已趋向饱和，工厂化养殖和大水面养殖逐步取代小面积水域养殖，在投喂环节也随之带来了投喂不均匀、无法做到精准定时定量、投喂过剩导致水体污染等问题，给养殖户带来不必要的经济损失，甚至影响养殖个体的品质，已成为水产养殖行业发展的瓶颈。
发明内容
基于此，有必要针对上述技术问题，提供一种能够定时定量进行投喂，且投喂均匀、可以根据水体及养殖对象情况及时调整投喂的智能投饵船。
一种智能投饵船，包括
综合数据库，记录养殖鱼群初始信息参数和环境参数；
匹配模块，根据养殖鱼群初始信息参数对设定规则一进行匹配，获得鱼群当前重量；再结合环境参数对设定规则二进行匹配，获得投喂量；
分析模块，用于获取目标区域摄食鱼群动态聚类特征参数，并以此判断鱼群动态聚类变化；和
投喂模块，用于根据投喂量和鱼群动态聚类变化进行投喂。
进一步的，所述鱼群初始参数包括养殖鱼群的放养规格、放养规模、放养密度和养殖天数。
进一步的，所述环境参数包括养殖水域的水温、溶氧量和酸碱度，根据该环境参数可获得环境影响因子。
进一步的，所述规则一包括根据鱼体放养规格、养殖天数和日增长率获得鱼体当前体重；根据鱼体当前体重、养殖规模和养殖密度获得鱼群当前重量。
进一步的，所述规则二包括根据鱼群当前重量、环境影响因子和摄食率获得投喂量。
进一步的，所述动态聚类特征参数包括摄食鱼群的密集度、数目和面积；当设定百分比的鱼体离开投喂区域时，判断目标区域鱼群的动态聚类变化从饥饿状态变为饱食状态。
进一步的，所述鱼群的动态聚类变化的判断还参照摄食鱼群的集群性、复杂性和动态多变性。
进一步的，还包括识别模块，用于识别目标区域残饵，并对残饵浓度进行判断；所述匹配模块可根据残饵浓度对投喂量进行变化。
进一步的，还包括太阳能模块和移动终端；所述太阳能模块用于转化太阳能为电能，从而为投饵船供电；所述移动终端用于接收投饵船数据和对投饵船进行远程控制。
进一步的，所述投喂模块包括料箱、坡板、外球面带座轴承、电机和偏心轮；所述料箱通过外球面带座轴承安装在投饵船上，且料箱可在外球面轴承带座上来回摆动；所述坡板倾斜固定在料箱内，且料箱侧壁坡板低端处开设有出料口，所述电机位于料箱的下方，所述偏心轮与电机转轴传动连接，且偏心轮表面与料箱底面的一端接触。
上述智能投饵船，通过使用匹配模块根据鱼群初始信息参数进行投喂量计算，使用分析模块结合环境参数对投喂量进行确定，形成了无需人工操作的无人化投喂，能够定时定量进行投喂，极大地增加了投饵的效率，且投喂均匀，可以根据水体及养殖对象情况及时调整投喂，减少了饵料的浪费。
附图说明
图1为投饵船模块示意图；
图2为投喂模块的结构示意图；
图3为联轴器的结构示意图；
图4为投喂量计算架构示意图；
图5为投喂量计算步骤示意图；
图6为残饵识别流程示意图；
图7为移动终端的架构示意图；
图8为专家系统模块架构示意图。
图中：100、综合数据库；200、匹配模块；300、分析模块；400、投喂模块；410、料箱；420、坡板；430、外球面带座轴承；440、电机；450、偏心轮。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，在一个实施例中，一种智能投饵船，包括综合数据库100、匹配模块200、分析模块300与投喂模块400。综合数据库100用于记录养殖鱼群初始信息参数和环境参数。匹配模块200用于根据养殖鱼群初始信息参数对设定规则一进行匹配，获得鱼群当前重量；再结合环境参数对设定规则二进行匹配，获得投喂量。分析模块300用于获取目标区域摄食鱼群动态聚类特征参数，并以此判断鱼群动态聚类变化。投喂模块400用于根据投喂量和鱼群动态聚类变化进行投喂。
在使用时，综合数据库100录入鱼群初始信息参数和环境参数，匹配模块200将鱼群初始信息参数录入设定好的规则一中进行匹配，得到与鱼群的当前重量，随后再将鱼群当前重量录入设定好的规则二中进行匹配，得到鱼群所需的投喂量。然后使用分析模块300对目标区域摄食鱼群的动态聚类特征进行获取分析，并判断鱼群的动态聚类变化，根据鱼群的动态聚类变化判断投喂量是否增加或减少，以使投喂量更准确。最后投喂模块400根据变化后的投喂量进行投喂。
上述智能投饵船，通过使用匹配模块200根据鱼群初始信息参数进行投喂量计算，使用分析模块300结合环境参数对投喂量进行确定，形成了无需人工操作的无人化投喂，能够定时定量进行投喂，极大地增加了投饵的效率，且投喂均匀，可以根据水体及养殖对象情况及时调整投喂，减少了饵料的浪费。
如图2所示，投喂模块400包括料箱410、坡板420、外球面带座轴承430、电机440和偏心轮450；料箱410通过外球面带座轴承430安装在投饵船上，且料箱410可在外球面带座轴承430上来回摆动；坡板420倾斜固定在料箱410内，且料箱410侧壁坡板420低端处开设有出料口，电机440位于料箱410的下方，偏心轮450与电机440转轴传动连接，且偏心轮450表面与料箱410底面的一端接触。使用时用于对料箱410进行推动，从而投料。
上述智能投饵船还包括太阳能模块，用于转化太阳能为电能，从而为投饵船供电。
如图3所示，上述电机440和偏心轮450通过可联轴器连接，采用联轴器可以应用于不同养殖动物模式投料机构的配套使用，机器运转时两轴不能分离，只有停止将联接拆开后，两轴才能分离。养殖模式为鱼类，联轴器一端用于联接适合鱼类抛料机构；当养殖模式变化时，将联轴器联接处的固定螺丝拆除，将其他类型的抛料机构运用相同的联接接口固定于联轴器上，实现更换不同的抛料机构。
如图4所示，在本实施例中，鱼群初始参数包括养殖鱼群的放养规格、放养规模、放养密度和养殖天数。其中放养规格包括鱼体的体重。放养规模包括鱼群中鱼体的数量。养殖天数根据放养时间和当前时间计算获得。
在本实施例中，环境参数包括养殖水域的水温、溶氧量和酸碱度，根据该环境参数可获得环境影响因子。具体的，由BP(back propagation)神经网络计算出环境影响因子，草鱼生长阶段对应的投喂率和草鱼的总重量确定草鱼的投喂量。投喂率是指投喂的饵料量占草鱼体重的百分比，投喂率主要取决于草鱼的生长阶段。根据养殖户多年的养殖经验，草鱼日均摄食率如表：
在本实施例中，规则一包括根据鱼体放养规格、养殖天数和日增长率获得鱼体当前体重；根据鱼体当前体重、养殖规模和养殖密度获得鱼群当前重量。
例如：通过阅读一些资料和实地走访养殖基地，获得某地区不同放养规格的草鱼在不同生长时间的体重变化，运用数学曲线拟合，得到草鱼的体重与放养规格和放养时间的关系，
Wt＝[W0(1/3)+t×DGC/100]3，
式中，Wt表示鱼体的终末体重(kg)，W0表示鱼体的初始体质量(kg)，t表示养殖天数，DGC表示日增长率。
DGC的计算公式：DGC＝100％×(Wt(1/3)-W0(1/3))/t，
t的计算公式如式：t＝当前日期-放养日期，
草鱼总重量计算公式如式：
T＝S×D×W，
式中，T(kg)为草鱼总重量，S(hm2)为养殖面积，D(条/hm2)为养殖密度。
在本实施例中，规则二包括根据鱼群当前重量、环境影响因子和摄食率获得投喂量。
投喂量计算公式如式：
L＝T×R×Q，
式中，L(kg)为草鱼投喂量，R为环境影响因子，Q为摄食率。
BP神经网络以养殖鱼塘的水温、酸碱度和溶氧量参数为输入量，以环境影响因子为输出量。草鱼的体重根据草鱼的放养规格、放养密度、放养规模、放养时间和当前时间通过草鱼生长模型计算，获得该地区不同放养规格的草鱼在不同生长时间的体重变化。运用数学曲线拟合，得到草鱼的体重与放养规格和放养时间的关系。投喂率根据草鱼的生长阶段确定。
如图5所示，用户输入养殖对象的信息，水质各项理化因子自动刷新采集上传打包至综合数据库100，进行规则一匹配，规则一匹配是对养殖对象的养殖规模、放养密度和放养规格进行规则匹配，若有匹配结果，得到正常情况下每日的饵料投喂量和饵料投喂配方。如果没有匹配结果，根据系统模型库中的饵料投喂模型进行计算确定投喂量。接着进行规则二匹配，规则二匹配是对养殖水域的水温、酸碱度、溶氧量、可见度等环境参数进行规则匹配，得到饵料投喂的注意事项和投喂建议。
在本实施例中，动态聚类特征参数包括摄食鱼群的密集度、数目和面积；当设定百分比的鱼体离开投喂区域时，判断目标区域鱼群的动态聚类变化从饥饿状态变为饱食状态。其中摄食鱼群的密集度、数目和面积通过CCD摄像机先探测鱼群，按一定时间间隔采集图片从而进行获取。然后利用动态聚类算法中k-means算法(k均值聚类算法)对鱼群的动态聚类分析，获得鱼群的摄食过程中的动态规律变化。鱼群的数目与鱼群的面积和摄食状态下鱼群数目的变化确定鱼群的饥饿程度。当鱼群处于饥饿时，鱼群聚集在投饵船附近，此时的鱼群面积变大、鱼群的数目增多。同理，鱼群处于温饱状态，鱼群会慢慢分散开，鱼群面积和数目相对变化。
鱼群未摄食时，处于分散状态，其摄像区域鱼群面积是较小；在投喂时，鱼群聚拢在投食区域，此时鱼群处于聚集状态，摄像区域鱼群面积相对增大。草鱼摄食以八成饱为宜，即CCD摄像机捕捉到有60％～70％的草鱼游入水中或慢慢的分散就可停止投喂。
在本实施例中，鱼群的动态聚类变化的判断还参照摄食鱼群的集群性、复杂性和动态多变性。其中，摄食鱼群的集群性解释为根据鱼群特性，无论在摄食还是平时状态都具有集群性。摄食时，鱼会蜂拥而至，彼此的间距非常紧密；未摄食状态，也会三五成群，然而彼此的间距相对较大。摄食鱼群的复杂性解释为摄食鱼群存在一定的复杂性。计算机视觉技术通常使用在监测鱼群的外观信息，不同的鱼具有不同的视觉能力、嗅觉能力、听觉能力、运动能力，基于这些方面的不同，在摄食时，鱼群就会聚集在时常落饵空间的不同位置。种类相同，特征不尽相同，摄食鱼群的复杂性增加。摄食鱼群的动态多变性解释为鱼群在摄食时是处于不停地运动状态，因为不停地运动导致鱼群位置具有多变性。当饵料被抛到水里后，饵料位置的不同便会引起鱼群位置的变动，当前的饵料被吃完，鱼群又会移到新的位置。
鱼群在摄食时集聚性特征比较明显，表现出来的聚类特性，可以为鱼群的投饵策略提供依据。
在本实施例中，还包括识别模块，用于识别目标区域残饵，并对残饵浓度进行判断；匹配模块200可根据残饵浓度对投喂量进行变化。
如图6所示，由于环境因素、鱼体自身等原因，如水温降低、鱼类摄食不佳等导致鱼类摄食量减少，养殖池内会有剩余的饵料存在，这就造成投喂系统缺乏现场养殖状况的反馈信息，智能投饵船不能及时获取残饵浓度、鱼类摄食需求等信息，在一定程度上影响了投喂系统的自动化程度。通过机器视觉识别残饵，进行图像预处理，分割出残饵和粪便图像，根据残饵和粪便在灰度分布和形状上的差异：残饵一般呈现椭圆形，轮廓平滑，颜色深，而粪便相对松散模糊，且轮廓形状不规范，颜色也较浅，并伴有很多毛刺。具体的残饵浓度根据残饵的平均灰度、周长平方面积比、凸壳面积比、对比度、逆差距和骨架数进行判断。
平均灰度：平均灰度是指轮廓区域内像素点的灰度平均值。残饵较为圆实、紧密度大、颜色深，而粪便松散模糊、颜色也较浅，统计残饵、粪便在平均灰度上的分布，可以得到残饵和粪便平均灰度。
周长平方面积比(C)：周长平方面积比用来表示物体圆形程度，图形为圆形时取最小值4，图形越不规则，取值越大，其公式为：
C＝L2/S，
式中，L为分割图像的轮廓上像素点个数，即轮廓周长m，S为分割图像轮廓区域内像素点总个数，即轮廓面积m2。
凸壳面积比：凸壳面积比为分割图像的凸壳面积与图像轮廓面积的比值。以图像轮廓对应坐标点作为平面点集，运用Graham扫描算法(凸包算法)生成凸壳，获得凸壳面积，即为凸壳轮廓内像素点个数。残饵图像轮廓呈椭圆形，接近凸多边形，其凸壳的面积和原图像面积相差不大；粪便轮廓为不规则形状，生成凸壳的面积相对于原图像有明显增大。
对比度：纹理特征是一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征。对比度反映图像的清晰度和纹理沟纹深浅的程度，纹理沟纹越深，其对比度越大，视觉效果越清晰。
逆差距：逆差距反映图像纹理的同质性，度量图像纹理局部的变化，其值越大，说明图像纹理区域间变化小，局部相对均匀。
骨架数：骨架数是指提取的分割图像骨架的分支个数。采用快速并行细化算法对分割图像提取骨架，获取骨架数。骨架是目标的重要拓扑描述，残饵图像呈椭圆形，轮廓边缘光滑，拓扑结构较为简单，提取的骨架数较少，而粪便形状不固定，并含有毛刺，拓扑较为复杂，骨架数相应也会较多。
把以上6个特征数据作为输入，采用ID3算法进行残饵和粪便的识别，残饵识别率达到99％以上，粪便识别率达到97％以上。避免水中过多残饵粪便在底部发酵，容易造成底部缺氧，还会污染环境。通过残饵和粪便的特征差异对残饵精准计数。残饵浓度的实时检测可以减少饵料的浪费，节约投饵成本，同时反映鱼类觅食状况是否良好。
在本实施例中，还包括检测模块，用于对养殖水域的水温、溶氧量和酸碱度进行检测。
除此之外，智能投饵船还包括移动终端，用于接收投饵船数据和对投饵船进行远程控制。
如图7所示，移动终端包括虾易通App、云端服务器和数字中控箱。
虾易通App：用于记录投喂数据、环境参数的平台，将每天的投喂数据实时反馈给用户，用户也可通过该模块直接下达投喂指令作用于投饵机。
云端服务器：用于接收和发出每天的投喂数据，环境参数。将数据打包发送至虾易通App，接收来自用户的命令并作用于匹配模块200。
数字中控箱：直接记录并测定每天的投喂数据，投喂情况，保障投饵机的指令正确。
上述智能投饵船通过对养殖生产进行远程控制，以太阳能为核心动能，配备CCD摄像机及北斗导航定位系统，采集鱼群摄食过程中的多幅图片，计算鱼群摄食规律，精确定位水产养殖动物的位置。结合虾易通APP对养殖环境的实时监测，如水质情况等相关数据，准确自动计算不同池塘中需要的饲料数量在投饵船进行投饵作业的过程中，对相关信息进行采集、处理、交互、显示和分析。用户通过该系统的监控客户端以可视化的界面观察智能投饵船的投饵信息，并且可对某一投饵参数进行历史数据查询和分析。虾易通APP对云端服务器请求数据，周期性调整每日的投喂次数与投喂量。
通过虾易通APP，智能投饵船船载终端将作业参数和位置信息通过网络实时共享到APP，用户通过查看APP便可以获得当前无人投饵船的作业信息。用户无须亲临投饵船作业现场，只需在有网络覆盖的地方均可以连接该APP。
如图8所示，其中移动终端还包括专家系统模块，该模块包括知识库、推理机、上述综合数据库100、模型库、人机交互界面、推理机解释机制。
知识库：用于存储和管理专家系统中的知识，包括草鱼养殖的不同阶段草鱼所需饵料量的知识、草鱼养殖专家的经验性知识。
综合数据库100：还用于记录系统的推理过程，包括：推理过程中的中间结论和最终结论。
推理机：模拟专家求解问题的过程，根据养殖户提供的初始信息结合知识库中知识，推理计算出最终结论供养殖户参考。
推理机解释器：专家系统在不同的推理阶段，向养殖户提供求解过程解释和求解状态的说明。
模型库：模型是对抽象的概念或事物以一定的形式进行描述，更加直观的揭示事物的规律和变化。
人机交互界面：养殖户与专家系统信息交互的入口。
本专家系统模块选用正向推理方式，养殖户提供其养殖数量、面积等鱼苗投放信息，专家系统根据用户提供的草鱼养殖参数结合养殖水域采集的水温、酸碱度、溶氧量等因素通过推理分析制定合适的投喂量。
上述投饵船还可将投喂模块400设置为可拆卸式，可通过更换不同投料口的投喂模块400对不同养殖群体进行投喂。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种智能投饵船，其特征在于，包括
综合数据库，记录养殖鱼群初始信息参数和环境参数，由BP神经网络计算出环境影响因子，运用数学曲线拟合，得到鱼群的体重与放养规格和放养时间的关系；
匹配模块，根据养殖鱼群初始信息参数对设定规则一进行匹配，获得鱼群当前重量；再结合环境参数对设定规则二进行匹配，由鱼群生长阶段对应的投喂率和鱼群的总重量获得鱼群的投喂量；
分析模块，用于获取目标区域摄食鱼群动态聚类特征参数，并以此判断鱼群动态聚类变化；所述动态聚类特征参数包括摄食鱼群的密集度、数目和面积；当设定百分比的鱼体离开投喂区域时，判断目标区域鱼群的动态聚类变化从饥饿状态变为饱食状态；当鱼群处于饥饿时，鱼群聚集在投饵船附近，此时的鱼群面积变大、鱼群的数目增多；同理，鱼群处于温饱状态，鱼群会慢慢分散开，鱼群面积和数目相对变化；和
投喂模块，用于根据投喂量和鱼群动态聚类变化进行投喂。
2.根据权利要求1所述的智能投饵船，其特征在于，所述鱼群初始参数包括养殖鱼群的放养规格、放养规模、放养密度和养殖天数。
3.根据权利要求2所述的智能投饵船，其特征在于，所述环境参数包括养殖水域的水温、溶氧量和酸碱度，根据该环境参数可获得环境影响因子。
4.根据权利要求3所述的智能投饵船，其特征在于，所述规则一包括根据鱼体放养规格、养殖天数和日增长率获得鱼体当前体重；根据鱼体当前体重、养殖规模和养殖密度获得鱼群当前重量。
5.根据权利要求4所述的智能投饵船，其特征在于，所述规则二包括根据鱼群当前重量、环境影响因子和摄食率获得投喂量。
6.根据权利要求5所述的智能投饵船，其特征在于，所述鱼群的动态聚类变化的判断还参照摄食鱼群的集群性、复杂性和动态多变性。
7.根据权利要求1所述的智能投饵船，其特征在于，还包括识别模块，用于识别目标区域残饵和粪便，并对残饵和粪便浓度进行判断，根据两者平均灰度、周长平方面积比、凸壳面积比、对比度、逆差距和骨架数进行判断，采用ID3算法进行残饵和粪便的识别；所述匹配模块可根据残饵浓度对投喂量进行变化。
8.根据权利要求1所述的智能投饵船，其特征在于，还包括太阳能模块和移动终端；所述太阳能模块用于转化太阳能为电能，从而为投饵船供电；所述移动终端用于接收投饵船数据和对投饵船进行远程控制。
9.根据权利要求1所述的智能投饵船，其特征在于，所述投喂模块包括料箱、坡板、外球面带座轴承、电机和偏心轮；所述料箱通过外球面带座轴承安装在投饵船上，且料箱可在外球面带座轴承上来回摆动；所述坡板倾斜固定在料箱内，且料箱侧壁坡板低端处开设有出料口，所述电机位于料箱的下方，所述偏心轮与电机转轴传动连接，且偏心轮表面与料箱底面的一端接触。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210213503.1A CN114467824B (zh) | 2022-03-04 | 2022-03-04 | 智能投饵船 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210213503.1A CN114467824B (zh) | 2022-03-04 | 2022-03-04 | 智能投饵船 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114467824A CN114467824A (zh) | 2022-05-13 |
| CN114467824B true CN114467824B (zh) | 2023-05-26 |
Family
ID=81485925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210213503.1A Active CN114467824B (zh) | 2022-03-04 | 2022-03-04 | 智能投饵船 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114467824B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114557308B (zh) * | 2022-03-11 | 2022-11-15 | 重庆工商大学 | 应用于循环水养殖的精准投喂系统及方法 |
| CN115119789A (zh) * | 2022-07-14 | 2022-09-30 | 江苏科技大学 | 一种自主学习投喂的无人养殖船系统及其实现方法 |
| CN115250986B (zh) * | 2022-07-26 | 2023-12-01 | 江苏中农物联网科技有限公司 | 基于机器视觉的鱼类养殖控制系统 |
| CN115720864B (zh) * | 2022-12-20 | 2024-06-04 | 武汉邻盛智能设备有限公司 | 一种基于因果推理的鱼类智能投喂方法 |
| CN116228455B (zh) * | 2023-05-10 | 2023-07-21 | 临沂大学 | 一种叶尔羌高原鳅流水养殖试验数据处理方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108450382B (zh) * | 2018-02-05 | 2019-06-25 | 浙江大学 | 一种基于深度学习的智能投饲系统 |
| KR20190129505A (ko) * | 2018-05-11 | 2019-11-20 | (주)영진글로지텍 | 양식장 관리 장치 |
| US11766030B2 (en) * | 2018-08-06 | 2023-09-26 | Northeastern University | Robotic aquaculture system and methods |
| JP6866983B2 (ja) * | 2019-03-13 | 2021-04-28 | パシフィックソフトウエア開発株式会社 | 給餌制御器及び給餌制御方法 |
| CN112136741A (zh) * | 2020-08-28 | 2020-12-29 | 盐城工学院 | 视觉面积精准喂食方法 |
| CN111903571A (zh) * | 2020-09-10 | 2020-11-10 | 宁波大学科学技术学院 | 一种基于水体流场特征的鱼类养殖投喂方法 |
| CN112381044A (zh) * | 2020-11-27 | 2021-02-19 | 中国农业大学 | 一种鱼类摄食状态的检测方法及装置 |
| CN113841650A (zh) * | 2021-10-15 | 2021-12-28 | 天津科技大学 | 一种室外养殖池塘智能投饵系统及其管控方法 |
-
2022
- 2022-03-04 CN CN202210213503.1A patent/CN114467824B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114467824A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114467824B (zh) | 智能投饵船 | |
| Wang et al. | Intelligent fish farm—the future of aquaculture | |
| Zhou et al. | Near infrared computer vision and neuro-fuzzy model-based feeding decision system for fish in aquaculture | |
| US20130206078A1 (en) | System and method for controlling feeding of farmed fish | |
| CN113841650A (zh) | 一种室外养殖池塘智能投饵系统及其管控方法 | |
| CN112243923A (zh) | 一种基于物联网的水产养殖系统及其控制方法 | |
| TWI661770B (zh) | 智慧深度學習農漁培養系統 | |
| CN112506120A (zh) | 一种基于物联网的智慧渔业管理系统 | |
| CN111838027A (zh) | 一种纯氧供应水产养殖系统及方法 | |
| CN116649236B (zh) | 一种奶牛养殖饲喂监控管理系统 | |
| CN110692548B (zh) | 具备太赫兹传感和通信功能的广域养殖机器人装置及方法 | |
| TW202209965A (zh) | 智慧水產投餵管理系統及投餵方法 | |
| Huang et al. | The prototype of a smart underwater surveillance system for shrimp farming | |
| CN107242176A (zh) | 一种网箱养殖系统 | |
| CN113854221B (zh) | 智能喂食控制系统 | |
| CN113040088A (zh) | 水产养殖精准增氧方法、终端设备及可读存储介质 | |
| Davis et al. | Feeding and fish husbandry | |
| CN115562407A (zh) | 一种水产养殖池 | |
| TWM578511U (zh) | Marine farming feed system | |
| CN114519538B (zh) | 一种有效控制营养物质循环利用的多营养层次养殖系统 | |
| CN113678783B (zh) | 一种基于多点pH统计的鱼池水质检测和调节系统 | |
| Athina et al. | Design and Implementation of An Intelligent IoT Based Solar Powered Aqua Harvester to Improve Blue Revolution | |
| Lin et al. | Application and Development of Shrimp Farming Intelligent Monitoring System on Edge Computing | |
| CN114946711A (zh) | 一种黄鳍金枪鱼深水网箱养殖方法 | |
| CN113966723A (zh) | 一种智能精准鱼饵投食系统 |
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 |