CN114557308A - 应用于循环水养殖的精准投喂系统及方法 - Google Patents

应用于循环水养殖的精准投喂系统及方法 Download PDF

Info

Publication number
CN114557308A
CN114557308A CN202210239204.5A CN202210239204A CN114557308A CN 114557308 A CN114557308 A CN 114557308A CN 202210239204 A CN202210239204 A CN 202210239204A CN 114557308 A CN114557308 A CN 114557308A
Authority
CN
China
Prior art keywords
feeding
amount
water surface
aggregation
trial
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
Application number
CN202210239204.5A
Other languages
English (en)
Other versions
CN114557308B (zh
Inventor
于歆
杨金汇
杨军超
周月明
郭智威
齐高相
申渝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Nanxiangtai Environmental Protection Technology Research Institute Co ltd
Chongqing Technology and Business University
Original Assignee
Chongqing Nanxiangtai Environmental Protection Technology Research Institute Co ltd
Chongqing Technology and Business University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Nanxiangtai Environmental Protection Technology Research Institute Co ltd, Chongqing Technology and Business University filed Critical Chongqing Nanxiangtai Environmental Protection Technology Research Institute Co ltd
Priority to CN202210239204.5A priority Critical patent/CN114557308B/zh
Publication of CN114557308A publication Critical patent/CN114557308A/zh
Application granted granted Critical
Publication of CN114557308B publication Critical patent/CN114557308B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K61/00—Culture of aquatic animals
    • A01K61/80—Feeding devices
    • 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

Abstract

本发明涉及投喂装置的技术领域，具体为一种应用于循环水养殖的精准投喂系统及方法，该方法包括以下内容：投喂步骤：获取投喂试探量，根据投喂试探量进行投喂；残饵分析步骤：实时分析投喂后的水面图像，根据水面图像判断水面是否存在残饵；聚集分析步骤：当水面不存在残饵时，分析水面图像生成养殖生物的聚集度，根据聚集度生成投喂量；投喂步骤还包括：根据投喂量进行投喂；重复残饵分析步骤和聚集分析步骤。采用本方案能够根据养殖生物的摄食强度控制投喂量进行喂食，以实现精准投喂，从而解决现有技术在循环水养殖中由于投喂不当导致养殖成本增加的技术问题。

Description

应用于循环水养殖的精准投喂系统及方法
技术领域
本发明涉及投喂装置的技术领域，具体为一种应用于循环水养殖的精准投喂系统及方法。
背景技术
在水产行业中，需对养殖生物进行投喂，现有投喂的投饵方式通常包括以下两种：一是人工投饵，主要依据养殖经验和习惯抛撒饵料，然后根据进食量控制饵量，采用这样的方式，不仅耗费大量人力，且劳动强度较大，随意性的抛撒，容易导致饵料的严重浪费，增加投喂成本。二是采用投饵机投饵，依靠经验控制投饵机定时定量投饵，这样虽然解决了投喂的人力问题，但是仍需要经验丰富的养殖人员，其次投喂装置的投喂点固定，不便移动。而不同养殖生物、不同生长阶段所需的食量不同，使得每次投喂量和投喂时长都不同，采用定时定量的投喂方式容易造成饵料的浪费。
在采用循环水养殖时，由于养殖空间有限，投喂方式不当，会导致水中残饵过多，污染水质，使得循环水的水处理设备消耗过大，造成能耗浪费，最终增加养殖成本，同时，一旦循环水的水处理效果不佳，极易影响养殖生物的生长，甚至导致养殖生物的死亡，增加养殖生物的损耗。
发明内容
本发明的目的之一在于提供一种应用于循环水养殖的精准投喂方法，以解决现有技术在循环水养殖中由于投喂不当导致养殖成本增加的技术问题。
本发明提供的基础方案一：应用于循环水养殖的精准投喂方法，包括以下内容：
投喂步骤：获取投喂试探量，根据投喂试探量进行投喂；
残饵分析步骤：实时分析投喂后的水面图像，根据水面图像判断水面是否存在残饵；
聚集分析步骤：当水面不存在残饵时，分析水面图像生成养殖生物的聚集度，根据聚集度生成投喂量；
投喂步骤还包括：根据投喂量进行投喂；
重复残饵分析步骤和聚集分析步骤。
基础方案一的有益效果：
投喂步骤的设置，根据投喂试探量或投喂量进行投喂，残饵分析步骤的设置，对投喂后的水面图像进行实时分析，水面图像用于反映水面的各种情况，例如水面的残饵量、养殖生物的聚集度等，通过对水面图像进行实时分析判断水面是否存在残饵。聚集分析步骤的设置，在水面不存在残饵时，即投喂的饵料被全部养殖生物进食后，分析当前水面养殖生物的聚集度，以此判断是否还需对养殖生物进行投喂，以及所需的投喂量。
采用本方案，通过聚集分析步骤得知养殖生物的聚集度，从而得知当前养殖生物的摄食强度，进而准确的确定投喂量；并结合残饵分析步骤精准判断是否继续投喂，以此根据养殖生物的摄食强度控制投喂量进行喂食，以实现精准投喂，从而解决现有技术在循环水养殖中由于投喂不当导致养殖成本增加的技术问题。
进一步，还包括以下内容：
根据投喂量进行投喂后，统计投喂试探量和投喂量生成实际投喂量，统计根据投喂试探量进行投喂后的实际投喂时长，判断实际投喂量是否大于预设的预计投喂总量或实际投喂时长是否大于预设的预计投喂时长，当实际投喂量大于预计投喂总量或实际投喂时长大于预计投喂时长时，不再重复残饵分析步骤和聚集分析步骤。
有益效果：为更好的管理养殖生物的投喂，通常在指定时间和时长内进行投喂，例如早上九点到十点、下午五点到六点等，同时为保证养殖生物的均匀进食，对每次投喂的投喂总量也有要求。
本方案采用少量多次的投喂原则，将一次投喂过程拆分为多次投喂节点，每次投喂节点根据投喂量进行投喂，在投喂后，判断本次投喂过程中的实际投喂量和实际投喂时长是否超过预设的预计投喂总量和预计投喂时长，从而判断是否结束当前投喂过程。在实际投喂量超过预计投喂总量或实际投喂时长超过预计投喂时长，停止残饵分析和聚集分析，即结束投喂。本方案通过控制整体投喂量和投喂时长，避免超时超量投喂。
进一步，聚集分析步骤，包括以下内容：
预设有聚集度检测模型，当水面不存在残饵时，获取水面图像输入聚集度检测模型，获取聚集度检测模型根据水面图像输出的聚集度，根据聚集度生成投喂量；
有益效果：聚集分析步骤通过聚集度检测模型对水面上养殖生物的聚集度进行检测，通过聚集度反映养殖生物在投喂后的摄食强度，以此生成继续投喂养殖生物的投喂量。
进一步，还包括以下内容：
获取历史投喂视频，根据历史投喂视频生成训练图像，将训练图像划分为测试集和训练集，标记训练集中养殖生物露头和水面表层养殖生物，根据标记后的训练集对预设的YOLO模型进行训练，根据测试集对训练后的YOLO模型进行优化获得聚集度检测模型。
有益效果：历史投喂视频为历史投喂过程中所采集的视频，提取历史投喂视频中的关键帧作为训练图像，将训练图像划分为测试集和训练集，通过训练集对YOLO模型进行训练，并通过测试集对训练后的YOLO模型进行优化，以此得到聚集度检测模型，用于水面养殖生物的聚集度分析。
进一步，获取投喂试探量，包括以下内容：
获取养殖生物的养殖信息，根据养殖信息和预设的试探投喂条件生成投喂试探量。
有益效果：养殖信息包括养殖生物的种类、数量、体型、重量等信息，根据养殖信息和试探投喂条件生成投喂试探量，试探投喂条件根据不同的养殖信息生成不同的投喂试探量，在既不浪费饵料的情况下又能使养殖生物察觉，从而进食，进而分析得知养殖生物的摄食强度。
本发明的目的之二在于提供一种应用于循环水养殖的精准投喂系统。
本发明提供基础方案二：应用于循环水养殖的精准投喂系统，包括：
投喂终端，用于获取投喂试探量，根据投喂试探量进行投喂；
服务器，用于获取投喂后的水面图像，实时分析水面图像判断水面是否存在残饵；还用于当水面不存在残饵时，分析水面图像生成养殖生物的聚集度，根据聚集度生成投喂量；
投喂终端还用于根据投喂量进行投喂。
基础方案二的有益效果：
投喂终端的设置，用于实现饵料的自动投喂，通过投喂试探量和投喂量控制投喂的饵料量。服务器的设置，对投喂后的水面图像进行实时分析，通过实时分析判断水面是否存在残饵，在水面不存在残饵时，即投喂的饵料被全部养殖生物进食后，进入下一次投喂。此时分析当前水面养殖生物的聚集度，以此判断是否还需对养殖生物进行投喂，以及所需的投喂量。
采用本方案，通过分析养殖生物的聚集度，得知当前养殖生物的摄食强度，从而准确的确定投喂量；并结合残饵分析精准判断是否继续投喂，以此根据养殖生物的摄食强度控制投喂量进行精准投喂，避免在循环水养殖中由于投喂不当导致养殖成本增加的情况。
进一步，服务器还用于投喂终端根据投喂量进行投喂后，统计投喂试探量和投喂量生成实际投喂量，统计根据投喂试探量进行投喂后的实际投喂时长；还用于判断实际投喂量是否大于预设的预计投喂总量或实际投喂时长是否大于预设的预计投喂时长，当实际投喂量大于预计投喂总量或实际投喂时长大于预计投喂时长时，结束投喂。
有益效果：本方案将一次投喂过程拆分为多次投喂节点，每次投喂节点根据投喂量进行投喂，在投喂后，通过服务器判断本次投喂过程中的实际投喂量和实际投喂时长是否超过预设的预计投喂总量和预计投喂时长，从而判断是否结束当前投喂过程。在实际投喂量超过预计投喂总量或实际投喂时长超过预计投喂时长，停止残饵分析和聚集分析，即结束投喂。本方案通过控制整体投喂量和投喂时长，避免超时超量投喂。
进一步，服务器包括：
聚集分析模块，预设有聚集度检测模型；聚集分析模块用于当水面不存在残饵时，获取水面图像输入聚集度检测模型，获取聚集度检测模型根据水面图像输出的聚集度。
有益效果：聚集分析模块的设置，通过聚集度检测模型对水面上养殖生物的聚集度进行检测，通过聚集度反映养殖生物在投喂后的摄食强度，以此生成继续投喂养殖生物的投喂量。
进一步，服务器还用于获取历史投喂视频，根据历史投喂视频生成训练图像，将训练图像划分为测试集和训练集，标记训练集中养殖生物露头和水面表层养殖生物，根据标记后的训练集对预设的YOLO模型进行训练，根据测试集对训练后的YOLO模型进行优化获得聚集度检测模型。
有益效果：历史投喂视频为历史投喂过程中所采集的视频，服务器用于提取历史投喂视频中的关键帧作为训练图像，将训练图像划分为测试集和训练集，通过训练集对YOLO模型进行训练，并通过测试集对训练后的YOLO模型进行优化，以此得到聚集度检测模型，用于水面养殖生物的聚集度分析。
进一步，服务器还用于获取养殖生物的养殖信息，根据养殖信息和预设的试探投喂条件生成投喂试探量。
有益效果：养殖信息包括养殖生物的种类、数量、体型、重量等信息，通过服务器根据养殖信息和试探投喂条件生成投喂试探量，试探投喂条件根据不同的养殖信息生成不同的投喂试探量，在既不浪费饵料的情况下又能使养殖生物察觉，从而进食，进而分析得知养殖生物的摄食强度。
附图说明
图1为本发明应用于循环水养殖的精准投喂方法实施例的流程图；
图2为本发明应用于循环水养殖的精准投喂方法实施例的每次投喂流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例
应用于循环水养殖的精准投喂方法，包括以下内容：
模型构建步骤：获取历史投喂视频，根据历史投喂视频进行关键帧提取获得训练图像，将训练图像随机划分为测试集和训练集。
标记训练集中的残饵，根据标记残饵后的训练集对预设的YOLO模型进行训练，根据测试集对训练后的YOLO模型进行优化获得残饵识别模型，存储残饵识别模块。
标记训练集中养殖生物露头和水面表层养殖生物，在本实施例中，养殖生物为鱼，则养殖生物露头为训练图像中的鱼露头，水面表层养殖生物为训练图像中的水面表层鱼。根据标记后的训练集对预设的YOLO模型进行训练，根据测试集对训练后的YOLO模型进行优化获得聚集度检测模型，存储聚集度检测模型。在本实施例中，YOLO模型选用YOLO V5模型。
如附图1所示，投喂步骤：获取投喂试探量，根据投喂试探量进行投喂。具体的，获取养殖生物的养殖信息，根据养殖信息和预设的试探投喂条件生成投喂试探量。养殖信息包括养殖生物的种类、数量、体型、重量等信息，在本实施例中，养殖信息为养殖生物的重量，则试探投喂条件为投喂试探量为养殖生物重量的百分之五，例如鱼群重量的百分之五。
投喂试探量用于试探养殖生物的进食表现，通过投喂试探量在既不浪费饵料的情况下使得养殖生物察觉以进行摄食，从而对养殖生物的摄食需求进行观察。
残饵分析步骤：实时分析投喂后的水面图像，根据水面图像判断水面是否存在残饵。具体的，获取投喂后的水面视频，对水面视频进行关键帧提取，提取后的视频帧即为投喂后的水面图像。调用预设的残饵识别模型，获取投喂后的水面图像输入残饵识别模型，获取残饵识别模型根据水面图像输出的残饵量，判断残饵量是否等于零，当残饵量为零时，判定水面不存在残饵，反之，则判定水面存在残饵。
聚集分析步骤：当水面不存在残饵时，分析水面图像生成养殖生物的聚集度，根据聚集度生成投喂量。具体的，当水面不存在残饵时，调用预设的聚集度检测模型，获取水面图像输入聚集度检测模型，获取聚集度检测模型根据水面图像输出的聚集度。
聚集度是养殖生物在水面聚集的表现，通过聚集度主观反映养殖生物的摄食需求，聚集度越高，则养殖生物整体的摄食需求越强，反之聚集度越低，则养殖生物整体的摄食需求越弱，通过聚集度的精准检测，量化养殖生物的聚集程度。
根据聚集度生成投喂量，具体根据以下公式计算投喂量：
Figure BDA0003543633070000061
式中，Fi为第i次投喂节点的投喂量；Vi为第i次投喂节点的聚集度；n为一次投喂过程中投喂节点的个数；b为常数，其取值范围为大于1，在本实施例中，b的取值优选为2。
投喂步骤还包括：根据投喂量进行投喂。
投喂判断步骤：根据投喂量进行投喂后，统计投喂试探量和投喂量生成实际投喂量，统计根据投喂试探量进行投喂后的实际投喂时长，判断实际投喂量是否大于预设的预计投喂总量或实际投喂时长是否大于预设的预计投喂时长，当实际投喂量不大于预计投喂总量且实际投喂时长不大于预计投喂时长时，重复残饵分析步骤和聚集分析步骤。反之，当实际投喂量大于预计投喂总量或实际投喂时长大于预计投喂时长时，不再重复残饵分析步骤和聚集分析步骤，结束投喂。
本方案将采用少量多次的投喂原则，将一次投喂过程拆分为多次投喂节点，每次投喂节点的投喂流程如图2所示，图中为Ti第i次投喂节点的投喂时长；Qi为第i次投喂节点时水面的残饵量；Vi为第i次投喂节点时水面养殖生物的聚集度，F0为投喂试探量，即常数α；Fi第i次投喂节点的投喂量，i的取值为1至n，n为一次投喂过程中投喂节点的个数；X为预计投喂时长；Y为预计投喂量。每次投喂节点根据投喂量进行投喂，使得养殖生物能够均匀持续进食。同时对总体的投喂量和投喂时长进行控制，避免超时超量投喂。
应用于循环水养殖的精准投喂系统，使用上述应用于循环水养殖的精准投喂方法，包括服务器、投喂终端和图像采集终端。
本方案将在指定时间开始投喂，将每次投喂过程拆分为多次投喂节点。服务器包括视频拆分模块、样本处理模块、模型训练模块、投喂计算模块、残饵分析模块、聚集分析模块和投喂判断模块。
视频拆分模块用于获取历史投喂视频，根据历史投喂视频进行关键帧提取获得训练图像。样本处理模块用于将训练图像随机划分为测试集和训练集，标记训练集中的残饵。模型训练模块用于根据标记残饵后的训练集对预设的YOLO模型进行训练，根据测试集对训练后的YOLO模型进行优化获得残饵识别模型，存储残饵识别模块。
样本处理模块还用于标记训练集中养殖生物露头和水面表层养殖生物，在本实施例中，养殖生物为鱼，则养殖生物露头为训练图像中的鱼露头，水面表层养殖生物为训练图像中的水面表层鱼。模型训练模块还用于根据标记后的训练集对预设的YOLO模型进行训练，根据测试集对训练后的YOLO模型进行优化获得聚集度检测模型，存储聚集度检测模型。在本实施例中，YOLO模型选用YOLO V5模型。
投喂计算模块用于获取养殖生物的养殖信息，根据养殖信息和预设的试探投喂条件生成投喂试探量。养殖信息包括养殖生物的种类、数量、体型、重量等信息，在本实施例中，养殖信息为养殖生物的重量，则试探投喂条件为投喂试探量为养殖生物重量的百分之五。
投喂终端用于获取投喂试探量，根据投喂试探量进行投喂。图像采集终端用于采集投喂后的水面视频，上传水面视频。
视频拆分模块还用于对水面视频进行关键帧提取，提取后的视频帧即为投喂后的水面图像。
残饵分析模块用于获取投喂后的水面图像，实时分析水面图像判断水面是否存在残饵。在本实施例中，残饵分析模块预设有残饵识别模型，残饵分析模块用于获取投喂后的水面图像输入残饵识别模型，获取残饵识别模型根据水面图像输出的残饵量，判断残饵量是否等于零，当残饵量为零时，判定水面不存在残饵，反之，则判定水面存在残饵。
聚集分析模块用于当水面不存在残饵时，分析水面图像生成养殖生物的聚集度。在本实施例中，聚集分析模块预设有聚集度检测模型，聚集分析模块用于当水面不存在残饵时，获取水面图像输入聚集度检测模型，获取聚集度检测模型根据水面图像输出的聚集度。
投喂计算模块还用于根据聚集度生成投喂量，具体的，根据以下公式计算投喂量，
Figure BDA0003543633070000081
式中，Fi为第i次投喂节点的投喂量；Vi为第i次投喂节点的聚集度；n为一次投喂过程中投喂节点的个数；b为常数，其取值范围为大于1，在本实施例中，b的取值优选为2。
投喂终端还用于根据投喂量进行投喂，投喂判断模块用于投喂终端根据投喂量进行投喂后，统计投喂试探量和投喂量生成实际投喂量，统计根据投喂试探量进行投喂后的实际投喂时长。投喂判断模块预设有预计投喂总量和预计投喂时长，预计投喂总量为一次投喂过程中所需投喂饵料的上限；预计投喂时长为一次投喂过程中所需投喂时长的上限。投喂判断模块还用于判断实际投喂量是否大于预计投喂总量或实际投喂时长是否大于预计投喂时长，当实际投喂量大于预计投喂总量或实际投喂时长大于预计投喂时长时，结束投喂，反之，则图像采集终端继续采集投喂后的水面视频，进行残饵分析、聚集度分析，直到实际投喂量大于预计投喂总量或实际投喂时长大于预计投喂时长。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (10)

1.应用于循环水养殖的精准投喂方法，其特征在于，包括以下内容：
投喂步骤：获取投喂试探量，根据投喂试探量进行投喂；
残饵分析步骤：实时分析投喂后的水面图像，根据水面图像判断水面是否存在残饵；
聚集分析步骤：当水面不存在残饵时，分析水面图像生成养殖生物的聚集度，根据聚集度生成投喂量；
投喂步骤还包括：根据投喂量进行投喂；
重复残饵分析步骤和聚集分析步骤。
2.根据权利要求1所述的应用于循环水养殖的精准投喂方法，其特征在于，还包括以下内容：
根据投喂量进行投喂后，统计投喂试探量和投喂量生成实际投喂量，统计根据投喂试探量进行投喂后的实际投喂时长，判断实际投喂量是否大于预设的预计投喂总量或实际投喂时长是否大于预设的预计投喂时长，当实际投喂量大于预计投喂总量或实际投喂时长大于预计投喂时长时，不再重复残饵分析步骤和聚集分析步骤。
3.根据权利要求1所述的应用于循环水养殖的精准投喂方法，其特征在于，聚集分析步骤，包括以下内容：
预设有聚集度检测模型，当水面不存在残饵时，获取水面图像输入聚集度检测模型，获取聚集度检测模型根据水面图像输出的聚集度，根据聚集度生成投喂量。
4.根据权利要求3所述的应用于循环水养殖的精准投喂方法，其特征在于，还包括以下内容：
获取历史投喂视频，根据历史投喂视频生成训练图像，将训练图像划分为测试集和训练集，标记训练集中养殖生物露头和水面表层养殖生物，根据标记后的训练集对预设的YOLO模型进行训练，根据测试集对训练后的YOLO模型进行优化获得聚集度检测模型。
5.根据权利要求1所述的应用于循环水养殖的精准投喂方法，其特征在于：获取投喂试探量，包括以下内容：
获取养殖生物的养殖信息，根据养殖信息和预设的试探投喂条件生成投喂试探量。
6.应用于循环水养殖的精准投喂系统，其特征在于，包括：
投喂终端，用于获取投喂试探量，根据投喂试探量进行投喂；
服务器，用于获取投喂后的水面图像，实时分析水面图像判断水面是否存在残饵；还用于当水面不存在残饵时，分析水面图像生成养殖生物的聚集度，根据聚集度生成投喂量；
投喂终端还用于根据投喂量进行投喂。
7.根据权利要求6所述的应用于循环水养殖的精准投喂系统，其特征在于：服务器还用于投喂终端根据投喂量进行投喂后，统计投喂试探量和投喂量生成实际投喂量，统计根据投喂试探量进行投喂后的实际投喂时长；还用于判断实际投喂量是否大于预设的预计投喂总量或实际投喂时长是否大于预设的预计投喂时长，当实际投喂量大于预计投喂总量或实际投喂时长大于预计投喂时长时，结束投喂。
8.根据权利要求6所述的应用于循环水养殖的精准投喂系统，其特征在于，服务器包括：
聚集分析模块，预设有聚集度检测模型；聚集分析模块用于当水面不存在残饵时，获取水面图像输入聚集度检测模型，获取聚集度检测模型根据水面图像输出的聚集度。
9.根据权利要求8所述的应用于循环水养殖的精准投喂系统，其特征在于：服务器还用于获取历史投喂视频，根据历史投喂视频生成训练图像，将训练图像划分为测试集和训练集，标记训练集中养殖生物露头和水面表层养殖生物，根据标记后的训练集对预设的YOLO模型进行训练，根据测试集对训练后的YOLO模型进行优化获得聚集度检测模型。
10.根据权利要求6所述的应用于循环水养殖的精准投喂系统，其特征在于：服务器还用于获取养殖生物的养殖信息，根据养殖信息和预设的试探投喂条件生成投喂试探量。
CN202210239204.5A 2022-03-11 2022-03-11 应用于循环水养殖的精准投喂系统及方法 Active CN114557308B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210239204.5A CN114557308B (zh) 2022-03-11 2022-03-11 应用于循环水养殖的精准投喂系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210239204.5A CN114557308B (zh) 2022-03-11 2022-03-11 应用于循环水养殖的精准投喂系统及方法

Publications (2)

Publication Number Publication Date
CN114557308A true CN114557308A (zh) 2022-05-31
CN114557308B CN114557308B (zh) 2022-11-15

Family

ID=81716872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210239204.5A Active CN114557308B (zh) 2022-03-11 2022-03-11 应用于循环水养殖的精准投喂系统及方法

Country Status (1)

Country Link
CN (1) CN114557308B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113615629A (zh) * 2021-03-19 2021-11-09 东营市阔海水产科技有限公司 水产养殖水质监控方法、终端设备及可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10313730A (ja) * 1997-05-15 1998-12-02 Hitachi Ltd 水棲生物用自動給餌装置
CN106707806A (zh) * 2016-11-14 2017-05-24 中国水产科学研究院渔业机械仪器研究所 一种智能渔人精准投喂系统
CN107422303A (zh) * 2017-05-24 2017-12-01 青岛越洋水处理设备工程有限公司 基于声波定位及图像采集的全自动投饵方法
CN110583550A (zh) * 2019-09-20 2019-12-20 重庆工商大学 基于目标检测与跟踪的鱼虾参养殖精准投喂系统及装置
WO2020046523A1 (en) * 2018-08-27 2020-03-05 Aquabyte, Inc. Optimal feeding based on signals in an aquaculture environment
CN111372060A (zh) * 2020-04-07 2020-07-03 北京海益同展信息科技有限公司 智能投饵方法、系统及巡检视觉装置
CN112352724A (zh) * 2020-11-13 2021-02-12 湖北海洋工程装备研究院有限公司 一种渔场饲料投喂方法及系统
CN112956440A (zh) * 2021-02-04 2021-06-15 成都通威水产科技有限公司 一种鱼塘精准投喂的方法及其控制系统
CN113317265A (zh) * 2021-05-28 2021-08-31 重庆工商大学 一种循环水养殖智能控制系统
CN113349111A (zh) * 2021-05-25 2021-09-07 中国农业大学 一种用于水产养殖物的动态投喂方法、系统和存储介质
CN114467824A (zh) * 2022-03-04 2022-05-13 上海海洋大学 智能投饵船

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10313730A (ja) * 1997-05-15 1998-12-02 Hitachi Ltd 水棲生物用自動給餌装置
CN106707806A (zh) * 2016-11-14 2017-05-24 中国水产科学研究院渔业机械仪器研究所 一种智能渔人精准投喂系统
CN107422303A (zh) * 2017-05-24 2017-12-01 青岛越洋水处理设备工程有限公司 基于声波定位及图像采集的全自动投饵方法
WO2020046523A1 (en) * 2018-08-27 2020-03-05 Aquabyte, Inc. Optimal feeding based on signals in an aquaculture environment
CN110583550A (zh) * 2019-09-20 2019-12-20 重庆工商大学 基于目标检测与跟踪的鱼虾参养殖精准投喂系统及装置
CN111372060A (zh) * 2020-04-07 2020-07-03 北京海益同展信息科技有限公司 智能投饵方法、系统及巡检视觉装置
CN112352724A (zh) * 2020-11-13 2021-02-12 湖北海洋工程装备研究院有限公司 一种渔场饲料投喂方法及系统
CN112956440A (zh) * 2021-02-04 2021-06-15 成都通威水产科技有限公司 一种鱼塘精准投喂的方法及其控制系统
CN113349111A (zh) * 2021-05-25 2021-09-07 中国农业大学 一种用于水产养殖物的动态投喂方法、系统和存储介质
CN113317265A (zh) * 2021-05-28 2021-08-31 重庆工商大学 一种循环水养殖智能控制系统
CN114467824A (zh) * 2022-03-04 2022-05-13 上海海洋大学 智能投饵船

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FUDI CHEN等: "《Design of an Intelligent Variable-Flow Recirculating》", 《APPLIED SCIENCES》 *
俞国燕等: "《水产养殖中鱼类投喂策略研究综述》", 《渔业现代化》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113615629A (zh) * 2021-03-19 2021-11-09 东营市阔海水产科技有限公司 水产养殖水质监控方法、终端设备及可读存储介质

Also Published As

Publication number Publication date
CN114557308B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
Viazzi et al. Automatic mass estimation of Jade perch Scortum barcoo by computer vision
CN111528143B (zh) 一种鱼群摄食行为量化方法、系统、装置和存储介质
CN110583550B (zh) 基于目标检测与跟踪的鱼虾参养殖精准投喂系统及装置
Hampton1 et al. Coalescence in the Lake Washington story: Interaction strengths in a planktonic food web
CN115067243B (zh) 一种基于物联网技术的渔业监测分析方法、系统及存储介质
de la Gándara et al. Tuna aquaculture in Europe
CN114557308B (zh) 应用于循环水养殖的精准投喂系统及方法
Stanley et al. Dispersal patterns, active behaviour, and flow environment during early life history of coastal cold water fishes
Lainez et al. Automated fingerlings counting using convolutional neural network
US20220335721A1 (en) Methods and systems for diagnosing disease, physiological changes, or other internal conditions in crustaceans through non-invasive means
Long et al. Automatic classification of cichlid behaviors using 3D convolutional residual networks
CN116432909B (zh) 一种用于评价水产诱食性效果的试验方法
Gamara et al. Artificial neural network-based decision support for shrimp feed type classification
CN109359624B (zh) 基于神经网络的蛋鸡采食行为的预测方法及预测装置
WO2023194319A1 (en) Methods and systems for determining a spatial feed insert distribution for feeding crustaceans
CN115486391A (zh) 一种珍珠龙胆石斑鱼精准投喂养殖方法
CN114419432B (zh) 一种鱼群摄食强度评估方法及装置
CN115100513A (zh) 基于计算机视觉识别的养殖对象进食量估算方法及系统
Chen et al. Feeding in the megalopae of the mud crab (Scylla paramamosain): mechanisms, plasticity, role of chelipeds and effect of prey density
Manoj et al. Precision aquaculture using iot & machine learning techniques
CN113284164A (zh) 虾群自动计数方法、装置、电子设备及存储介质
Alammar et al. An Intelligent Approach of the Fish Feeding System
Taparhudee et al. Weight estimation of Nile tilapia (Oreochromis niloticus Linn.) using image analysis with and without fins and tail
Fenkes et al. Body shape and robustness response to water flow during development of brown trout Salmo trutta parr
Vambeseth Morphometric relationships as computer vision parameters for growth development and sexual maturation status of Atlantic salmon (Salmo salar)

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