CN114627401B - 鱼塘管理系统、养殖设备控制方法、装置和计算机设备 - Google Patents

Abstract

本申请涉及一种鱼塘管理系统、养殖设备控制方法、装置、计算机设备和计算机可读存储介质。所述系统包括投喂设备和视觉分析设备；投喂设备用于根据获取到的第一投喂策略执行鱼食投喂；视觉分析设备用于在鱼食投喂过程中采集鱼塘影像，根据鱼塘影像识别出投喂结果，并根据投喂结果生成调整投喂策略，指示投喂设备按照调整投喂策略执行鱼食投喂。通过上述系统，可以解决传统养殖方式中依赖个人经验确定投喂量而导致的养殖效果不理想的问题。

Description

鱼塘管理系统、养殖设备控制方法、装置和计算机设备

技术领域

本申请涉及水产养殖技术领域，特别是涉及鱼塘管理系统、养殖设备控制方法、养殖设备控制装置、计算机设备和计算机可读存储介质。

背景技术

在鱼类养殖行业中，如何科学合理地控制鱼食的投喂，对于鱼的产量和质量而言是极其重要的环节。

然而，由于鱼类养殖行业属于传统行业，因此，鱼食投喂该环节主要是依赖于用户手动操作机械形态的投喂机，并根据用户个人经验调整投喂时间、投喂量等的投喂方式，可能由于不够科学合理的投喂方式导致养殖结果不佳。因此，传统的养殖方式存在着养殖效果不理想的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种鱼塘管理系统、一种养殖设备控制方法、一种养殖设备控制装置、一种计算机设备和一种计算机可读存储介质，以解决上述传统的养殖方式存在着养殖效果不理想的问题。

第一方面，本发明提供了一种鱼塘管理系统，包括：

投喂设备和视觉分析设备；

所述投喂设备，用于根据获取到的第一投喂策略执行鱼食投喂；

所述视觉分析设备，用于在鱼食投喂过程中采集鱼塘影像，根据所述鱼塘影像识别出投喂结果，并根据所述投喂结果生成调整投喂策略，指示所述投喂设备按照所述调整投喂策略执行鱼食投喂。

第二方面，本发明提供了一种养殖设备控制方法，包括：

在投喂设备根据获取到的第一投喂策略执行鱼食投喂的过程中采集鱼塘影像；

根据所述鱼塘影像识别出投喂结果；

根据所述投喂结果生成调整投喂策略，并指示所述投喂设备调整按照所述调整投喂策略执行鱼食投喂。

第三方面，本发明提供了一种养殖设备控制装置，包括：

拍摄模块，被配置为执行在投喂设备根据获取到的第一投喂策略执行鱼食投喂的过程中采集鱼塘影像；

识别模块，被配置为执行根据所述鱼塘影像识别出投喂结果；

指示模块，被配置为执行根据所述投喂结果生成调整投喂策略，并指示所述投喂设备调整按照所述调整投喂策略执行鱼食投喂。

第四方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第二方面的养殖设备控制方法。

第五方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述第二方面的养殖设备控制方法。

上述鱼塘管理系统、养殖设备控制方法、装置、计算机设备和计算机可读存储介质，投喂设备首先通过按照该第一投喂策略执行鱼食投喂，在投喂设备进行投喂的过程中，视觉分析设备拍摄鱼塘影像并根据鱼塘影像识别出投喂结果，基于该投喂结果生成调整投喂策略，指示投喂设备按照调整投喂策略执行鱼食投喂，从而动态地调整投喂设备的投喂策略，避免由于第一投喂策略不合理而导致投喂效果不理想的问题，解决了传统养殖方式中依赖个人经验确定投喂方式而导致的养殖效果不理想的问题。

附图说明

图1是一个实施例的一种塘管理系统的结构框图；

图2是另一个实施例的一种塘管理系统的结构框图；

图3是再一个实施例的一种塘管理系统的结构框图；

图4A是一个实施例的一种红外探测阵列的部署示意图；

图4B是一个实施例的一种红外探测阵列的示意图；

图5是一个实施例的一种养殖设备控制方法的流程示意图；

图6是一个实施例的一种养殖设备控制装置的结构框图；

图7是一个实施例的一种计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种鱼塘管理系统100，该鱼塘管理系统100包括投喂设备110和视觉分析设备120。

其中，投喂设备110可以为用于向鱼塘中投喂鱼食的设备。视觉分析设备120可以为具有图像采集功能、并具备对图像进行视觉分析的能力的设备。

投喂设备110，用于根据获取到的第一投喂策略执行鱼食投喂。

具体地，鱼塘管理系统100可以还包括与所述投喂设备110及所述视觉分析设备120通信的云计算服务器130。用户可以通过用户端在云计算服务器130上配置上述的第一投喂策略。在投喂设备110开始投喂前，云计算服务器130可以将第一投喂策略下发至投喂设备110。投喂设备110可以通过网络模块接收到云计算服务器130下发的第一投喂策略，并根据第一投喂策略向鱼塘投喂鱼食。

在一个实施例中，第一投喂策略还包括投喂时间、鱼品种、鱼食类型中的至少一个。例如，第一投喂策略可以包括有默认投喂时间点、鱼品种及相应的鱼食类型和初始投喂量等的参数。根据第一投喂策略，投喂设备110则可以在指定的投喂时间向某个鱼品种的鱼塘里投放指定鱼食类型和指定投喂量的鱼食。

实际应用中，投喂设备110还可以设置各种传感器，以检测出当前的季节、气压、温度等的实时环境参数，并结合实时环境参数，对第一投喂策略中的例如默认投放时间点、投放量等的第一投喂策略进行微调，并根据微调后的第一投喂策略相应的投喂方式进行投喂，以得到较佳的投喂结果。

视觉分析设备120，用于在鱼食投喂过程中采集鱼塘影像，根据鱼塘影像识别出投喂结果，并根据投喂结果生成调整投喂策略，指示投喂设备110按照调整投喂策略执行鱼食投喂。

例如，在投喂设备110按照第一投喂策略向鱼塘投喂鱼食的过程中，视觉分析设备120可以对鱼塘进行拍摄，得到可以反映鱼进食情况的图像和/或视频。视觉分析设备120可以从拍摄到的图像和/或视频中，识别出鱼群活跃程度、鱼群活跃时长、水面波动程度等信息，并根据上述信息推测出当前鱼进食的速度作为上述的投喂结果。，如果鱼进食鱼食的速度较快，则可以生成相应的调整投喂策略(例如，额外投喂3KG的鱼食)，并可以指示投喂设备110继续投喂3KG的鱼食，并继续对鱼塘进行拍摄。当在继续拍摄的过程中，识别出鱼进食鱼食的速度下降，则可以生成相应的另一个调整投喂策略(例如，额外投喂1KG的鱼食)，并指示投喂设备110再投喂1KG的鱼食，即，逐步减少投喂量。当视觉分析设备120识别出鱼进食的速度非常缓慢，即基本进食完毕后，则可以指示投喂设备110停止投喂。

由此，在投喂设备110根据第一投喂策略向鱼塘进行投喂的过程中，视觉分析设备120可以根据实时识别到的投喂结果控制投喂设备110按照调整后的投喂策略进行投喂，从而可以使得投喂设备110根据实际鱼进食的情况动态地调整投喂策略，避免了第一投喂策略不符合实际情况而导致的鱼养殖不合理不科学的问题。

在一个实施例中，视觉分析设备120还可以对鱼塘拍摄视频，并将拍摄的视频发送至鱼塘监控室的显示设备上，供用户在显示设备上观看投喂现场情况，用户可以根据投喂现场情况选择切换至人工操作模式，手动调整投喂设备110的投喂方式。

上述的鱼塘管理系统，投喂设备首先通过按照该第一投喂策略执行鱼食投喂，在投喂设备进行投喂的过程中，视觉分析设备拍摄鱼塘影像并根据鱼塘影像识别出投喂结果，基于该投喂结果生成调整投喂策略，指示投喂设备按照调整投喂策略执行鱼食投喂，从而动态地调整投喂设备的投喂策略，避免由于第一投喂策略不合理而导致投喂效果不理想的问题，解决了传统养殖方式中依赖个人经验确定投喂方式而导致的养殖效果不理想的问题。

在一个实施例中，如图1所示，鱼塘管理系统100还包括与所述投喂设备110及所述视觉分析设备120通信的云计算服务器130；

所述云计算服务器130，用于生成所述第一投喂策略，并将所述第一投喂策略发送至所述投喂设备110；

所述视觉分析设备120，用于将所述调整投喂策略上传至所述云计算服务器130；

所述云计算服务器130，还用于根据所述调整投喂策略生成第二投喂策略，所述投喂设备用于根据所述第二投喂策略执行鱼食投喂。

其中，云计算服务器130可以为具备大数据处理能力、基于大量学习样本进行机器学习能力且可以与远端进行通信的服务器或服务器集群。投喂设备110可以内置有网络模块，以通过网络模块与视觉分析设备120、云计算服务器130进行通信。实际应用中，可以根据不同的应用场景选择适配的网络模块的种类。投喂设备110还可以通过网络模块接收云计算服务器130的指令和转换设备控制指令。由此，投喂设备110、视觉分析设备120和云计算服务器130组成了基于物联网技术构建的鱼塘管理系统100。相对于云计算服务器130，投喂设备110和视觉分析设备被部署在接近数据源头的一侧，因此也被称为边缘端。

用户可以通过用户端在云计算服务器130上配置上述的第一投喂策略。在投喂设备110开始投喂前，云计算服务器130可以将第一投喂策略下发至投喂设备110。投喂设备110可以通过网络模块接收到云计算服务器130下发的第一投喂策略。

在投喂设备110投喂完毕后，视觉分析设备120可以将调整投喂策略上报至云计算服务器130，以供云计算服务器130根据调整投喂策略进行机器学习，以得到更合理的投喂策略。

例如，视觉分析设备120可以将指示投喂设备110所增加的投喂量上报至云计算服务器130，云计算服务器130可以根据所增加的投喂量和第一投喂策略中的初始投喂量之间的差异，作为学习样本，结合第一投喂策略中其他的如投喂时间、鱼品种及相应的鱼食类型的参数进行机器学习，以得到优化后的投喂量，从而生成上述的第二投喂策略。

上述的鱼塘管理系统，同时通过在每次投喂后由视觉分析设备上报调整投喂策略至云计算服务器，使得云计算服务器积累大量的调整投喂策略作为学习样本，并利用大量的学习样本进行投喂策略的训练，从而得到更合理更科学的第二投喂策略，改善养殖方式以得到更理想的养殖效果，解决了传统养殖方式中依赖个人经验确定投喂方式而导致的养殖效果不理想的问题。

在一个实施例中，如图2所示，鱼塘管理系统100可以还包括增氧设备140。增氧设备140可以内置有网络模块，以通过网络模块与视觉分析设备120、云计算服务器130进行通信。实际应用中，可以根据不同的应用场景选择适配的网络模块的种类。增氧设备140还可以通过网络模块接收云计算服务器130的指令和转换设备控制指令。由此，投喂设备110、视觉分析设备120、云计算服务器130和增氧设备140组成了基于物联网技术构建的鱼塘管理系统100。相对于云计算服务器130，增氧设备140被部署在接近数据源头的一侧，因此也被称为边缘端。

云计算服务器130，用于生成第一增氧参数，并将第一增氧参数发送至增氧设备140；增氧设备140，用于根据第一增氧参数，向鱼塘进行增氧。

具体地，用户可以首先在云计算服务器130配置增氧设备140的启动时间、启动时长等的第一增氧参数，第一增氧参数还可以包括鱼品种、通过传感器检测到的气压、温度、当前鱼塘含氧量、浑浊度等的实时环境参数。增氧设备140可以根据第一增氧参数向鱼塘进行增氧。

云计算服务器130，用于根据当前阶梯电价和增氧后对鱼塘进行检测得到的含氧量下降趋势中的至少一个，确定第二增氧参数，并将第二增氧参数下发至增氧设备140，供增氧设备140根据第二增氧参数向鱼塘进行增氧。

在增氧设备140向鱼塘进行增氧后，可以通过传感器检测出鱼塘中的当前鱼塘含氧量并上报至云计算服务器130，云计算服务器130可以根据增氧后的一段时间内的当前鱼塘含氧量的变化，计算出上述的含氧量下降趋势，根据含氧量下降趋势和当前的阶梯电价中的至少一个，通过以较低电价和较慢的含氧量下降趋势为目标设计的模型，得到优化后的增氧参数，即上述的第二增氧参数，然后将该第二增氧参数下发至增氧设备140，供增氧设备140在下一次增氧时按照第二增氧参数进行增氧。由此，增氧设备通过与云计算服务器进行通信得到第一增氧参数，基于第一增氧参数进行增氧后，根据增氧后鱼塘的含氧量下降趋势和阶梯电价两个维度得到优化的增氧参数，从而实现了在增氧效果和节能之间平衡的优化增氧方案。

在一个实施例中，鱼塘影像包括第一鱼塘影像和第二鱼塘影像，投喂结果包括第一进食速度和第二进食速度，调整投喂策略包括第一调整投喂量和第二调整投喂量，第一投喂策略包括初始投喂量。

其中，鱼塘影像可以包括鱼塘图像和/或鱼塘视频，即，视觉分析设备针对鱼塘拍摄得到的图像和/或视频。

视觉分析设备120，具体用于在投喂设备110按照初始投喂量进行投喂后拍摄第一鱼塘影像，并根据第一鱼塘影像确定所述第一进食速度；当第一进食速度高于预设的第一进食速度阈值时，根据所述第一进食速度生成第一调整投喂量，并指示投喂设备按照第一调整投喂量进行投喂。

例如，假设初始投喂量为5KG，因此，投喂设备110根据该初始投喂量，向鱼塘投喂5KG的鱼食。在投喂设备110投喂5KG鱼食后，视觉分析设备120拍摄鱼塘的水面的图像和/或视频，得到上述的第一鱼塘影像。视觉分析设备120可以对第一鱼塘影像进行识别，识别出鱼群活跃程度、鱼群活跃时长、水面波动程度等信息，根据上述信息推测出鱼群的进食速度，即上述的第一进食速度。当第一进食速度高于预设的第一进食速度阈值时，表明鱼群进食的速度较快，5KG的鱼食可能并不足够，根据第一进食速度该投喂结果可以相应生成第一调整投喂量，例如，进食速度较快时，第一调整投喂量可以为额外投喂3KG的鱼食。

视觉分析设备120，还具体用于在投喂设备110按照第一调整投喂量进行投喂后拍摄第二鱼塘影像，并根据第二鱼塘影像确定第二进食速度；当第二进食速度低于所述第一进食速度阈值时，根据所述第二进食速度生成第二调整投喂量，并指示投喂设备按照第二调整投喂量进行投喂；其中，第二调整投喂量小于第一调整投喂量。

在上述例子的基础上，在投喂设备110按照第一调整投喂量投喂3KG的鱼食后，视觉分析设备120继续拍摄鱼塘的水面的图像和/或视频，得到上述的第二鱼塘影像。视觉分析设备120可以对第二鱼塘影像进行识别，得到第二进食速度。当第二进食速度低于预设的第一进食速度阈值时，表明鱼群进食的速度下降，根据第二进食速度该投喂结果可以相应生成第二调整投喂量，例如，进食速度较慢时，第二调整投喂量可以为额外投喂1KG的鱼食。

在一个实施例中，视觉分析设备120还可以具体用于在投喂设备110按第二调整投喂量进行投喂后拍摄第三鱼塘影像，并相应识别出第三进食速度；当第三进食速度在预设的停止投喂速度范围内时，指示投喂设备110停止投喂。

在上述例子的基础上，在投喂设备110按照第二调整投喂量投喂1KG的鱼食后，视觉分析设备120继续拍摄鱼塘的水面的图像和/或视频，得到上述的第三鱼塘影像，并相应推测出鱼群的进食速度，作为第三进食速度。可以理解，当第三进食速度在预设的停止投喂速度范围内时，则可以指示投喂设备110停止投喂。

视觉分析设备120，还具体用于将第一调整投喂量和第二调整投喂量上传至云计算服务器130。

视觉分析设备120可以将第一调整投喂量和第二调整投喂量上传至云计算服务器130，供云计算服务器130根据第一调整投喂量和第二调整投喂量进行机器学习，得到优化的投喂量，以基于优化的投喂量得到更合理更科学的第二投喂策略。

上述的鱼塘管理系统，在投喂设备按照初始投喂量进行投喂后，视觉分析设备根据拍摄的鱼塘影像确定出鱼群的进食速度，并根据进食速度生成调整投喂量，从而动态地调整投喂设备的投喂量，避免由于初始投喂量不合理而导致投喂分量不足或过量的问题，同时在每次投喂后上报调整投喂量至云计算服务器，使得云计算服务器积累大量的学习样本，并利用大量的学习样本进行投喂策略的学习，从而得到更合理更科学的投喂策略，解决了传统养殖方式中依赖个人经验确定投喂策略而导致的养殖效果不理想的问题。

在一个实施例中，视觉分析设备120还具体用于根据第一鱼塘影像识别出鱼群活跃程度、鱼群活跃时长、水面波动程度中的至少一个，并根据鱼群活跃程度、鱼群活跃时长、水面波动程度中的至少一个确定第一进食速度。

具体地，视觉分析设备120可以从第一鱼塘影像识别出反映鱼群活动的图像特征，并基于鱼群活动的图像特征确定鱼群活跃程度。视觉分析设备120可以从第一鱼塘影像识别出反映鱼群活动的图像特征，并根据存在鱼群活动的图像特征的图像的帧数确定鱼群活跃时长。视觉分析设备120还可以从第一鱼塘影像中识别出反映水面波动的图像特征，根据该图像特征可以确定水面波动程度。视觉分析设备120可以根据上述的鱼群活跃程度、鱼群活跃时长、水面波动程度中的一个或多个，确定上述的第一进食速度。

同样地，对于第二鱼塘影像，视觉分析设备还可以确定出第二进食速度。在此不再赘述。

上述的鱼塘管理系统，通过视觉分析设备对鱼塘影像的识别，得到鱼群活跃程度、鱼群活跃时长、水面波动程度中的至少一个，并基于识别出的信息确定进食速度，可以得到较为准确的进食速度，从而可以更准确地生成合理的调整投喂策略，提升养殖质量。

在一个实施例中，云计算服务器130用于根据第一调整投喂量和第二调整投喂量调整初始投喂量，得到优化投喂量，并生成包括有优化投喂量的第二投喂策略。

具体地，云计算服务器130可以根据所增加的投喂量(即，第一调整投喂量和第二调整投喂量之和)和初始投喂量之间的差异，作为学习样本，结合第一投喂策略中其他的如投喂时间、鱼品种及相应的鱼食类型的参数进行机器学习，以得到优化后的投喂量，从而生成上述的第二投喂策略。

上述的鱼塘管理系统，通过由具备基于大量学习样本进行机器学习能力的云计算服务器收集在每次投喂后得到的调整投喂策略，使得云计算服务器积累大量的学习样本，并利用大量的学习样本进行投喂量该投喂策略的训练，从而得到更合理更科学的第二投喂策略。

在一个实施例中，云计算服务器130还用于根据检测到的增氧环境参数和增氧设备对鱼塘增氧后的增氧结果，获取当前增氧效率，并根据所述当前增氧效率调整所述第二增氧参数，得到第三增氧参数。

其中，当前增氧效率可以为增氧设备开始增氧后使得鱼塘达到目标含氧量所需的时长。

具体地，可以在鱼塘周边部署相应的传感器以检测出气压、温度、水温、日照时长、日照强度等的实时环境参数，作为上述的增氧环境参数。此外，可以检测增氧设备140在进行增氧后鱼塘的含氧量，作为上述的增氧结果。结合增氧环境参数和增氧结果，计算出增氧设备140在进行增氧的当前增氧效率。根据计算出的当前增氧效率，可以针对第二增氧参数进行调整，得到上述的第三增氧参数。例如，如果增氧设备140在水温较低的情况下进行增氧的增氧效率较低，则可以调整增氧时间点，以控制增氧设备140在水温较暖和的情况下进行增氧。

在一个实施例中，视觉分析设备120还可以对鱼塘拍摄视频，并将拍摄的视频发送至鱼塘监控室的显示设备上，供用户在显示设备上观看增氧现场情况，用户可以根据增氧现场情况选择切换至人工操作模式，手动调整增氧设备140的增氧方式。

上述的鱼塘管理系统，通过结合增氧环境参数和增氧结果确定当前增氧效率，并根据当前增氧效率对第二增氧参数进行进一步优化，得到第三增氧参数，提升了增氧效率，从而更科学合理地进行控制增氧设备进行增氧，解决了传统养殖方式中依赖个人经验进行增氧控制而导致的养殖效果不理想的问题。

在一个实施例中，视觉分析设备120设置有至少两个摄像头；

视觉分析设备120，还用于通过至少两个摄像头从不同角度采集影像以识别出鱼游动姿态；云计算服务器130用于根据鱼游动姿态识别鱼的健康状态，并根据健康状态得到健康鱼数量和非健康鱼数量，以统计健康鱼数量和非健康鱼数量之间的比例；当健康鱼数量和非健康鱼数量之间的比例低于预设的比例阈值时，指示报警设备向用户进行异常报警。

具体地，视觉分析设备120可以具有两个甚至多个的摄像头，以从不同角度采集图像和/或视频，并利用从不同角度采集的图像和/或视频识别出鱼游动姿态。视觉分析设备120可以将识别出的鱼游动姿态上传至云计算服务器130，云计算服务器130可以通过机器学习的方式，根据鱼游动姿态识别出鱼的健康状态。例如，如果某条鱼相对于水流横向移动，则该鱼有较高几率属于不健康的鱼。由此，通过对鱼群中各条鱼的游动姿态的识别，可以分辨出鱼群中鱼的健康状态，并根据识别出的健康状态进一步统计健康鱼数量和非健康鱼数量，根据健康鱼数量和非健康鱼数量之间的比例，可以推测出鱼塘是否存在异常情况。例如，如果健康鱼数量和非健康鱼数量之间的比例低于预设的比例阈值，表明当前可能存在导致鱼群大量生病的异常情况，因此可以指示报警设备向用户进行报警，以告知用户进行异常排除和处理。

上述的鱼塘管理系统，通过在视觉分析设备设置至少两个摄像头，以通过从不同角度采集影像识别出鱼游动姿态，并进一步利用鱼游动姿态得到鱼的健康状态，利用鱼的健康状态统计健康鱼数量和非健康鱼数量，从而可以基于健康鱼数量和非健康鱼数量的比例进行异常报警，从而用户可以及时地接收到异常信息，避免由于处理不及时导致影响养殖质量。

在一个实施例中，视觉分析设备120，还用于通过至少两个摄像头从不同角度采集影像以识别出鱼个体形状、鱼群规模、鱼群活动时长，并根据鱼个体形状、鱼群规模、鱼群活动时长、鱼游动姿态中的至少一种生成养殖质量信息。

具体地，视觉分析设备120可以利用两个甚至多个的摄像头，对鱼群中各条鱼从不同角度采集影像，以识别出鱼的如长度、厚度、宽度等个体形状。此外，还可以利用两个甚至多个的摄像头，识别出鱼塘中的鱼群规模、鱼群活动时长等。根据鱼个体形状、鱼群规模、鱼群活动时长、鱼游动姿态中的一种或多种，可以生成养殖质量信息，供用户用作调整养殖方式的参考信息。例如，经过一段时间的养殖后，鱼个体形状较小，且鱼群规模也较小，鱼群活动时长较短等，用户可以参考该信息推测出投喂量不足，并可以以此参考信息作为基础增加投喂量。

上述的鱼塘管理系统，通过在视觉分析设备设置至少两个摄像头，以从不同角度采集影像以识别出鱼个体形状、鱼群规模、鱼群活动时长，并基于上述识别出的信息生成供用户作为调整养殖方式的养殖质量信息，解决了传统养殖方式中依赖个人经验确定养殖方式而导致的养殖效果不理想的问题。

在一个实施例中，如图3所示，鱼塘管理系统100可以还包括水质监测设备150。水质监测设备150可以内置有网络模块，以通过网络模块与视觉分析设备120、云计算服务器130、增氧设备140进行通信。水质监测设备150还可以通过网络模块接收云计算服务器130的指令和转换设备控制指令。由此，投喂设备110、视觉分析设备120、云计算服务器130、增氧设备140和水质监测设备150组成了基于物联网技术构建的鱼塘管理系统100。相对于云计算服务器130，水质监测设备150被部署在接近数据源头的一侧，因此也被称为边缘端。

水质监测设备150，用于对鱼塘进行水质监测，得到水质监测值，并将水质监测值超过预设的水质监测报警阈值时进行水质报警。云计算服务器130，用于根据季节信息和/或养殖周期信息调整所述水质监测报警阈值。

具体地，水质监测设备150可以对鱼塘进行实时的水质监测，得到上述的水质监测值。如果水质监测值超过预设的水质监测报警阈值，则可以进行水质报警，同时还可以触发进行换水处理，例如，首先对鱼塘进行排水，然后再注水，以保证鱼塘的水质符合养殖要求。此外，云计算服务器130可以根据用户设定的季节信息和/或养殖周期信息动态调整水质监测报警阈值，并将调整后的水质监测报警阈值下发给水质监测设备150，以使得水质监测设备150可以根据季节和/或养殖周期进行相应的报警，避免因固定的水质监测报警阈值导致误报的问题。

在实际应用中，水质监测设备150可以与投喂设备110、增氧设备140进行联动，例如，水质监测设备150在检测到水质监测值超过预设的水质监测报警阈值时，可以发送指示投喂设备110停止投喂和/或增氧设备140停止增氧的信息，避免鱼塘换水后浪费了投喂的鱼食和/或增氧的耗费。

在一个实施例中，云计算服务器130还用于根据水质监测值、第二投喂策略、第二增氧参数、第三增氧参数中的至少一种和养殖质量信息，得到养殖参考信息。

具体地，云计算服务器130可以收集并积累大量的水质监测值、第二投喂策略、第二增氧参数、第三增氧参数、养殖质量信息等的数据，并对该数据进行大数据分析，以分析出水质监测值、投喂参数、增氧参数和养殖质量信息之间的关联关系，并基于该关联关系生成养殖参考信息。例如，建立养殖质量和养殖过程中的水质监测值、投喂参数、增氧参数的对应关系表，供用户参考以调整养殖方式，解决了传统养殖方式中依赖个人经验确定养殖方式而导致的养殖效果不理想的问题。

在一个实施例中，投喂设备110和增氧设备140均设置有网络模块，投喂设备110和增氧设备140通过网络模块与云计算服务器130进行网络通信；投喂设备110和增氧设备140在检测到弱网络信号时，暂停与云计算服务器130进行网络通信，并在检测到强网络信号时，恢复与云计算服务器130进行网络通信，并与云计算服务器130进行数据同步。

具体地，投喂设备110和增氧设备140可以通过物联网模块与云端130进行通信，利用作为边缘端的优势获取数据，并将数据传输至云端130进行机器学习、大数据分析等的处理。云端130可以在进行机器学习、大数据分析等的处理之后，向投喂设备110和增氧设备140发送相应的控制指令，使得投喂设备110和增氧设备140可以根据控制指令进行运作。

在弱网络的情况下，即使无法与云端130正常通信，边缘端可以基于边缘计算维持一定级别的本地实时AI运算，并自动执行控制逻辑，例如，上述实施例中的通过视觉分析设备120拍摄鱼塘图像、根据鱼塘图像得到投喂结果并指示投喂设备110调整投喂方式的方法。

在网络恢复的情况下，边缘端与云端130恢复通信，并与云端130进行数据同步，保证整个鱼塘管理系统100的正常运作，避免因云端130与边缘端的数据不一致导致系统运作异常的情况。

在一个实施例中，投喂设备110内置有鱼食计量器；鱼食计量器具有红外探测头；

鱼食计量器，用于通过红外探测头探测鱼食高度，并将鱼食高度发送至云计算服务器130；

云计算服务器130，用于根据鱼食高度和预设的投喂设备尺寸参数，确定投喂设备110的第一鱼食剩余量，并根据第一鱼食剩余量确定第一鱼食消耗速度；

云计算服务器130，用于根据第一鱼食剩余量和第一鱼食消耗速度确定累计鱼食投喂量，并根据累计鱼食投喂量预测鱼塘产量；

云计算服务器130，还用于将累计鱼食投喂量与获取到的鱼食进货量进行比对，并在比对结果存在异常时生成鱼食存量异常提示。

具体地，鱼食计量器可以通过红外探测头对投喂设备110中用于放置鱼食的鱼食存储腔进行红外探测，以探测到剩余的鱼食在鱼食存储腔中堆积的高度，作为上述的鱼食高度。然后，鱼食计量器可以与云计算服务器130进行通信，将鱼食高度的数据发送至云计算服务器130。云计算服务器130可以根据鱼食高度和预设的投喂设备尺寸参数(如鱼食存储腔的长、宽、高等的参数)，确定投喂设备110的鱼食剩余量，作为上述的第一鱼食剩余量。然后，根据第一鱼食剩余量，结合投喂的时长等的参数，计算出第一鱼食消耗速度。

云计算服务器130可以根据历史记录的鱼食剩余量和鱼食消耗速度，计算出累计鱼食投喂量。然后根据每次投喂后的累计鱼食投喂量，绘制出投喂相关数据的变化曲线图，并基于该变化曲线图，预测出鱼塘产量。

此外，云计算服务器130还可以将累计鱼食投喂量与在用户进货时所记录的鱼食进货量进行比对，得到比对结果，如果比对结果显示两者并不一致，即存在异常，则可以生成鱼食存量异常提示，以提示用户检查是否存在数据异常。例如，用户可以检查进货时所记录的鱼食进货量是否准确，以便确定是否存在记录错误、鱼食被盗等的问题。

在一个实施例中，鱼食计量器具有多个红外探测阵列，红外探测阵列由多个红外探测头组成；多个红外探测阵列部署在所述投喂设备内的各个边缘；鱼食计量器，用于通过多个所述红外探测阵列，分别探测到多个原始鱼食高度；云计算服务器，用于根据多个所述原始鱼食高度计算出所述鱼食高度。

具体地，鱼食计量器可以具有若干个红外探测阵列，每个红外探测阵列由多组红外探测头所组成。每组红外探测头之间按照一定的距离在红外探测阵列中间隔部署，以更精确探测出投喂设备110当前的鱼食剩余量。各个红外探测阵列可以均匀地部署在投喂设备内的各个边缘，以进行全方位的探测。

图4A示出了一个实施例的一种红外探测阵列的部署示意图。如图所示，投喂设备内置的鱼食计量器可以具有4个红外探测阵列，对称地部署在投喂设备110的鱼食存储腔内的4个边缘上。图4B示出了一个实施例的一种红外探测阵列的示意图。如图所示，每组红外探头主要包含用于发射红外线的红外发射器、用于接收红外线的红外接收管器和用于微调准确度的灵敏度调节器该三个器件。每组红外探测头之间按照间隔1.5厘米的距离在红外探测阵列中纵向排列。

需要说明的是，鱼食存储腔内的鱼食的表面并不平整，即表面的不同位置的鱼食高度并不相同。因此，在本实施例中在不同位置分别部署红外探测阵列以得到多组的原始鱼食高度，然后通过一定的算法根据多个的原始鱼食高度进行综合，得到平均后的鱼食高度，避免了基于单个鱼食高度计算鱼食剩余量导致鱼食剩余量不准确的问题，提升了鱼食剩余量的计算准确性。

上述的鱼塘管理系统，设置具有红外探测头的鱼食计量器以通过红外探测的方式得到鱼食剩余量的数据，以根据鱼食剩余量确定鱼食消耗速度，并通过与云计算服务器的通信进行数据同步，使得云计算服务器得到了鱼食剩余量和鱼食消耗速度的数据，以进一步确定累计鱼食投喂量，并根据累计鱼食投喂量预测出鱼塘产量，从而通过物联和云计算的方式自动地得到了有助于用户提高鱼类养殖效果的参考信息。

而且，通过将鱼食投喂相关的数据同步至云计算服务器，由云计算服务器基于相关的数据得到累计鱼食投喂量并将其与鱼食进货量进行比对，以在比对结果存在异常时提示用户进行检查，实现了对鱼食的智能化管理，避免了由于鱼食存量误报、鱼食被盗等的因素导致的经济损失。

在一个实施例中，所述鱼食计量器还具有鱼食摄像头；

鱼食摄像头，用于拍摄鱼食图像，并将鱼食图像发送至云计算服务器130；

云计算服务器130，用于识别鱼食图像的鱼食体积，并根据鱼食体积，得到第二鱼食剩余量；

云计算服务器130，用于根据第二鱼食剩余量确定第二鱼食消耗速度；

云计算服务器130，还用于根据第一鱼食剩余量、第二鱼食剩余量、第一鱼食消耗速度和第二鱼食消耗速度修正累计鱼食投喂量。

如图4A所示，鱼食计量器还可以具有鱼食摄像头，以对鱼食进行拍摄，得到上述的鱼食图像。云计算服务器130可以对鱼食图像进行识别，以识别出不规则堆积的鱼食的体积。例如，可以在投喂设备的鱼食存储腔内的不同位置设置鱼食摄像头，以从不同方向对鱼食进行拍摄，得到所堆积的不规则形状鱼食的形状参数，以推算出鱼食的形状并计算其体积，得到上述的鱼食体积。为了区分说明，基于鱼食图像得到鱼食剩余量，命名为第二鱼食剩余量。然后，根据第二鱼食剩余量，结合投喂的时长等的参数，计算出第二鱼食消耗速度。云计算服务器130可以在基于通过红外探测的方式所得到的第一鱼食剩余量和第一鱼食消耗速度的基础上，结合第二鱼食剩余量和第二鱼食消耗速度，得到更为准确的累计鱼食投喂量，从而，可以更准确地预测鱼塘产量。

需要补充说明的是，本发明可以应用于鱼塘养殖的应用场景中，目的是对传统的渔业养殖进行有效的智能化改造，解决传统人工操作方式下的各种弊端，比如鱼食投喂量不准确，增氧机启停时机和工作时长不准确，产量无法精确预评估，水质指标无法实时监测，养殖过程严重依赖养殖经验等。

经发明人的深入调查，目前中国有超过千万亩的鱼塘，绝大部分鱼塘的养殖都是中小企或者个体农户。鱼塘里最重要的养殖设备是投喂机和增氧机，这些工具目前都处于非常传统的机械形态，必须人工现场操作，运行模式单一且效率低下。常见的投喂机以定时器方式工作，无法得到投喂后的结果，无法积累数据并进行数据分析，更无法优化投喂的时间和投喂量。此外，天气、水温等因素都对投喂时间和投喂量有影响，常规的投喂机无法处理类似数据。增氧机与投喂机类似，简单工作模式下无法完成鱼塘生产状态的识别，无法根据数据和算法动态调整启停时间和工作时长，通常为了保证生产安全，都过量开启增氧机，势必会带来不小的资金浪费。此外，对鱼的生长状态的评估，目前也无法做很好的量化计算，通常是根据经验，观察鱼群规模，简单抽样少量个体进行评估，误差偏大，且个人依赖性较强。

总而言之，传统的鱼塘养殖需要解决的问题主要有以下几个方面：

一、鱼食投喂机和增氧机缺乏智能化赋能，不支持精细化管理；

二、水质监测不完备，缺乏水质和产量的大数据分析能力，不具备异常报警功能；

三、整个养殖流程无法有效监控和量化处理。

针对于鱼类养殖的上述问题，本发明利用多种物联网技术，通过图像、传感等技术手段采集数据，通过大数据分析优化控制参数，并通过成熟的物联网技术实现过程控制，达到降低养殖成本，量化养殖指标，提高养殖产量的目的。

在一个实施例中，如图5所示，提供了一种养殖设备控制方法，本实施例提供的养殖设备控制方法，可以应用于上述实施例中的视觉分析设备120，该养殖设备控制方法，包括以下步骤：

S502，在投喂设备根据获取到的第一投喂策略执行鱼食投喂的过程中采集鱼塘影像；

S504，根据所述鱼塘影像识别出投喂结果；

S506，根据所述投喂结果生成调整投喂策略；

S508，指示所述投喂设备调整按照所述调整投喂策略执行鱼食投喂。

由于视觉分析设备120的具体实现过程已经在前述实施例中详细说明，在此不再赘述。

上述的养殖设备控制方法中，投喂设备首先通过与云计算服务器通信得到第一投喂策略并按照该第一投喂策略执行鱼食投喂，在投喂设备进行投喂的过程中，视觉分析设备拍摄鱼塘影像并根据鱼塘影像识别出投喂结果，基于该投喂结果生成调整投喂策略，指示投喂设备按照调整投喂策略执行鱼食投喂，从而动态地调整投喂设备的投喂策略，避免由于第一投喂策略不合理而导致投喂效果不理想的问题，解决了传统养殖方式中依赖个人经验确定投喂方式而导致的养殖效果不理想的问题。

应该理解的是，虽然图5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图6所示，提供了一种养殖设备控制装置600，包括：

拍摄模块602，被配置为执行在投喂设备根据获取到的第一投喂策略执行鱼食投喂的过程中采集鱼塘影像；

识别模块604，被配置为执行根据所述鱼塘影像识别出投喂结果；

生成模块606，被配置为执行根据所述投喂结果生成调整投喂策略；

指示模块608，被配置为指示所述投喂设备调整按照所述调整投喂策略执行鱼食投喂。

关于养殖设备控制装置的具体限定可以参见上文中对于养殖设备控制方法的限定，在此不再赘述。上述养殖设备控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

上述提供的养殖设备控制装置可用于执行上述任意实施例提供的养殖设备控制方法，具备相应的功能和有益效果。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种空气传感器的室内定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

在投喂设备根据获取到的第一投喂策略执行鱼食投喂的过程中采集鱼塘影像；根据所述鱼塘影像识别出投喂结果；根据所述投喂结果生成调整投喂策略；指示所述投喂设备调整按照所述调整投喂策略执行鱼食投喂。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

在投喂设备根据获取到的第一投喂策略执行鱼食投喂的过程中采集鱼塘影像；根据所述鱼塘影像识别出投喂结果；根据所述投喂结果生成调整投喂策略；指示所述投喂设备调整按照所述调整投喂策略执行鱼食投喂。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种鱼塘管理系统，其特征在于，包括：

投喂设备和视觉分析设备；

所述投喂设备，用于根据获取到的第一投喂策略执行鱼食投喂；

所述视觉分析设备，用于在鱼食投喂过程中采集鱼塘影像，根据所述鱼塘影像识别出投喂结果，并根据所述投喂结果生成调整投喂策略，指示所述投喂设备按照所述调整投喂策略执行鱼食投喂；还包括与所述投喂设备及所述视觉分析设备通信的云计算服务器；

所述云计算服务器，用于生成所述第一投喂策略，并将所述第一投喂策略发送至所述投喂设备；

所述视觉分析设备，用于将所述调整投喂策略上传至所述云计算服务器；

所述云计算服务器，还用于根据所述调整投喂策略生成第二投喂策略，所述投喂设备用于根据所述第二投喂策略执行鱼食投喂；

还包括增氧设备：

所述云计算服务器，用于生成第一增氧参数，并将所述第一增氧参数发送至所述增氧设备；

所述增氧设备，用于根据所述第一增氧参数向鱼塘进行增氧；

所述云计算服务器，用于根据当前阶梯电价和增氧后对鱼塘进行检测得到的含氧量下降趋势中的至少一个确定第二增氧参数，并将所述第二增氧参数发送至所述增氧设备，供所述增氧设备根据所述第二增氧参数向鱼塘进行增氧；

所述鱼塘影像包括第一鱼塘影像和第二鱼塘影像，所述投喂结果包括第一进食速度和第二进食速度，所述调整投喂策略包括第一调整投喂量和第二调整投喂量，所述第一投喂策略包括初始投喂量；

所述视觉分析设备，用于在所述投喂设备按照所述初始投喂量进行投喂后拍摄所述第一鱼塘影像，并根据所述第一鱼塘影像确定所述第一进食速度；当所述第一进食速度高于预设的第一进食速度阈值时，根据所述第一进食速度生成所述第一调整投喂量，并指示所述投喂设备按照所述第一调整投喂量进行投喂；

所述视觉分析设备用于将指示所述投喂设备所增加的投喂量上报至所述云计算服务器，所述云计算服务器根据所增加的投喂量和所述第一投喂策略中的初始投喂量之间的差异，作为学习样本，结合所述第一投喂策略中投喂时间、鱼品种及相应的鱼食类型的参数进行机器学习，以得到优化后的投喂量，从而生成所述第二投喂策略；

所述视觉分析设备，还具体用于在所述投喂设备按照所述第一调整投喂量进行投喂后拍摄所述第二鱼塘影像，并根据所述第二鱼塘影像确定所述第二进食速度；当所述第二进食速度低于所述第一进食速度阈值时，根据所述第二进食速度生成所述第二调整投喂量，并指示所述投喂设备按照所述第二调整投喂量进行投喂；其中，所述第二调整投喂量小于所述第一调整投喂量；

所述云计算服务器，用于根据所述第一调整投喂量和所述第二调整投喂量调整所述初始投喂量，得到优化投喂量，并生成包括有所述优化投喂量的所述第二投喂策略；

所述投喂设备内置有鱼食计量器；所述鱼食计量器具有红外探测头和鱼食摄像头；

所述鱼食计量器，用于通过所述红外探测头探测鱼食高度，并将所述鱼食高度发送至所述云计算服务器；

所述云计算服务器，用于根据所述鱼食高度和预设的投喂设备尺寸参数，确定所述投喂设备的第一鱼食剩余量，并根据所述第一鱼食剩余量确定第一鱼食消耗速度；

所述云计算服务器，用于根据所述第一鱼食剩余量和所述第一鱼食消耗速度确定累计鱼食投喂量，并根据所述累计鱼食投喂量预测鱼塘产量；

所述云计算服务器，还用于将所述累计鱼食投喂量与获取到的鱼食进货量进行比对，并在比对结果存在异常时生成鱼食存量异常提示；

所述鱼食摄像头，用于拍摄鱼食图像，并将所述鱼食图像发送至所述云计算服务器；

所述云计算服务器，用于识别所述鱼食图像的鱼食体积，并根据所述鱼食体积，得到第二鱼食剩余量；

所述云计算服务器，用于根据所述第二鱼食剩余量确定第二鱼食消耗速度；

所述云计算服务器，还用于根据所述第一鱼食剩余量、所述第二鱼食剩余量、所述第一鱼食消耗速度和所述第二鱼食消耗速度修正所述累计鱼食投喂量。

2.根据权利要求1所述的鱼塘管理系统，其特征在于，所述云计算服务器，还用于根据检测到的增氧环境参数和所述增氧设备对鱼塘增氧后的增氧结果，获取当前增氧效率，并根据所述当前增氧效率调整所述第二增氧参数，得到第三增氧参数。

3.根据权利要求2所述的鱼塘管理系统，其特征在于，所述视觉分析设备设置有至少两个摄像头；

所述视觉分析设备，还用于通过所述至少两个摄像头从不同角度采集影像以识别出鱼游动姿态；

所述云计算服务器，用于根据所述鱼游动姿态识别鱼的健康状态，并根据所述健康状态得到健康鱼数量和非健康鱼数量，以统计所述健康鱼数量和所述非健康鱼数量之间的比例；当所述健康鱼数量和所述非健康鱼数量之间的比例低于预设的比例阈值时，指示报警设备向用户进行异常报警。

4.根据权利要求3所述的鱼塘管理系统，其特征在于，所述视觉分析设备，还用于通过所述至少两个摄像头从不同角度采集影像以识别出鱼个体形状、鱼群规模、鱼群活动时长，并根据所述鱼个体形状、所述鱼群规模、所述鱼群活动时长、所述鱼游动姿态中的至少一种生成养殖质量信息。

5.根据权利要求4所述的鱼塘管理系统，其特征在于，还包括水质监测设备；

所述水质监测设备，用于对鱼塘进行水质监测，得到水质监测值，并将所述水质监测值超过预设的水质监测报警阈值时进行水质报警；

所述云计算服务器，用于根据季节信息和/或养殖周期信息调整所述水质监测报警阈值。

6.根据权利要求5所述的鱼塘管理系统，其特征在于，所述云计算服务器，还用于根据所述水质监测值、所述第二投喂策略、所述第二增氧参数、所述第三增氧参数中的至少一种和所述养殖质量信息，得到养殖参考信息。

7.根据权利要求6所述的鱼塘管理系统，其特征在于，所述视觉分析设备，还具体用于根据所述第一鱼塘影像识别出鱼群活跃程度、鱼群活跃时长、水面波动程度中的至少一个，并根据所述鱼群活跃程度、所述鱼群活跃时长、所述水面波动程度中的至少一个确定所述第一进食速度。

8.根据权利要求7所述的鱼塘管理系统，其特征在于，所述第一投喂策略还包括投喂时间、鱼品种、鱼食类型中的至少一个。

9.一种基于权利要求1-8任一项所述的鱼塘管理系统的养殖设备控制装置，其特征在于，包括：

拍摄模块，被配置为执行在投喂设备根据获取到的第一投喂策略执行鱼食投喂的过程中采集鱼塘影像；

识别模块，被配置为执行根据所述鱼塘影像识别出投喂结果；

生成模块，被配置为执行根据所述投喂结果生成调整投喂策略；

指示模块，被配置为指示所述投喂设备调整按照所述调整投喂策略执行鱼食投喂。

10.一种基于权利要求9所述的养殖设备控制装置的控制方法，其特征在于，包括：

在投喂设备根据获取到的第一投喂策略执行鱼食投喂的过程中采集鱼塘影像；

根据所述鱼塘影像识别出投喂结果；

根据所述投喂结果生成调整投喂策略；

指示所述投喂设备调整按照所述调整投喂策略执行鱼食投喂。

11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求10所述的养殖设备控制装置的控制方法的步骤。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求10所述的养殖设备控制装置的控制方法的步骤。