CN114847209A - 一种基于多因子综合控制的鱼类智能投喂方法及系统 - Google Patents

Abstract

本发明涉及一种基于多因子综合控制的鱼类智能投喂方法及系统，该方法通过获取鱼群基础养殖信息和饲料营养成分信息以及设定投喂次数和投喂时间，采集养殖池的环境参数和鱼群的摄食行为数据，根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量，并根据所述当前饲料需求量以及所述溶氧量在设定的投喂时间确定第一投喂指令；在根据所述第一投喂指令投喂设定时间后，根据所述鱼群的摄食行为数据确定第二投喂指令；最后根据所述第一投喂指令和所述第二投喂指令向养殖池中的鱼群进行饲料投喂。本发明基于多因子综合控制融合了环境参数、数学模型和实时的鱼类摄食行为，使投喂更加科学，避免饲料浪费。

Description

一种基于多因子综合控制的鱼类智能投喂方法及系统

技术领域

本发明涉及智能养殖业技术领域，特别是涉及一种基于多因子综合控制的鱼类智能投喂方法及系统。

背景技术

随着我国人民物质生活水平的提高，水产品作为一种优质的高蛋白食品的同时也含有极其丰富的营养成分，越来越受到广大的消费者的青睐，水产养殖则是水产品的重要来源，这极大程度推动了水产养殖业的快速发展。目前我国的水产养殖主要的投喂方式仍然是人工投喂或传统的饲料机投喂，人工投喂虽然能在一定程度上控制残饵的剩余量，但是人工投喂存在劳动力成本高，投喂效率低、稳定性较差等问题，传统的投饵机投喂虽然能解决成本上的问题，但是由于其定时定量的特性很难控制投喂剩余的残饵以及投喂不足的问题。综上所述，水产养殖作为我国农业的至关重要的一环，现有的饲料投喂方式在很大程度上限制了水产养殖业的发展。

发明内容

本发明的目的是提供一种基于多因子综合控制的鱼类智能投喂方法及系统，能够实现智能化的精准投喂，降低养殖成本。

为实现上述目的，本发明提供了如下方案：

本发明提供了一种基于多因子综合控制的鱼类智能投喂方法，其特征在于，所述智能投喂方法包括：

获取鱼群基础养殖信息和饲料营养成分信息以及设定投喂次数和投喂时间；所述基础养殖信息包括鱼群的种类、初始放养规格及初始放养数量；所述投喂时间内的投喂次数为1；

采集养殖池的环境参数和鱼群的摄食行为数据；所述环境参数包括水体温度和溶氧量；

根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量；

根据所述当前饲料需求量以及所述溶氧量在设定的投喂时间确定第一投喂指令；

在根据所述第一投喂指令投喂设定时间后，根据所述鱼群的摄食行为数据确定第二投喂指令；所述第二投喂指令包括增加投喂量指令、减少投喂量指令和停止投喂指令；

根据所述第一投喂指令和所述第二投喂指令向养殖池中的鱼群进行饲料投喂。

可选地，所述根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量，具体包括：

根据鱼群种类、水体温度和鱼群种类对应的全周期生长数据，确定不同放养规格的鱼群在不同水体温度下生长规律；

根据鱼群的初始放养规格、生长天数和所述生长规律，确定鱼群的当前养殖规格；

根据鱼群的初始放养数量和当前死亡数量，确定鱼群的当前放养数量；

根据鱼群的当前放养数量和当前养殖规格，确定鱼群的当前养殖产量；

根据每条鱼在生长天数内预测的体重增长量，确定每条鱼需要的消化能，以及根据饲料营养成分信息确定饲料中含有的消化能，并基于鱼群的当前养殖产量，确定当前饲料需求量。

可选地，所述智能投喂方法还包括：

确定每次投喂后料仓中饲料的下降距离，根据所述下降距离计算每次的实际饲料投喂量，并根据所述实际饲料投喂量和所述环境参数修正所述当前饲料需求量。

可选地，所述在根据所述第一投喂指令投喂设定时间后，根据所述鱼群的摄食行为数据确定第二投喂指令，具体包括：

将鱼群非摄食状态下的水流扰动数据，作为第一阈值，将鱼群正常摄食状态下的水流扰动数据，作为第二阈值；

判断鱼群当前摄食状态下的水流扰动数据与所述第一阈值和第二阈值的大小关系；

当所述鱼群当前摄食状态下的水流扰动数据大于所述第二阈值时，发送增加投喂量指令；

当所述鱼群当前摄食状态下的水流扰动数据大于所述第一阈值但低于所述第二阈值时，发送减少投喂量指令，直至所述鱼群当前摄食状态下的水流扰动数据等于或低于所述第一阈值，发送停止投喂指令。

为实现上述目的，本发明还提供了如下方案：

一种基于多因子综合控制的鱼类智能投喂系统，所述智能投喂系统包括：数据采集装置、云服务器、投喂装置和客户端；

所述客户端，用于录入、存储鱼群基础养殖信息和饲料营养成分信息以及设定投喂次数和投喂时间；所述基础养殖信息包括鱼群的种类、初始放养规格及初始放养数量；所述投喂时间内的投喂次数为1；

所述数据采集装置，用于采集养殖池的环境参数和鱼群的摄食行为数据，并将所述环境参数和鱼群的摄食行为数据发送至所述云服务器；所述环境参数包括水体温度和溶氧量；

所述云服务器，分别与所述数据采集装置、所述客户端和所述投喂装置通信连接，所述云服务器包括：

饲料需求量确定单元，分别与所述数据采集装置和所述客户端通信连接，用于根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量；

第一投喂指令确定单元，分别与所述饲料需求量确定单元和所述投喂装置连接，用于根据所述当前饲料需求量以及所述溶氧量在设定的投喂时间向所述投喂装置发送第一投喂指令；

第二投喂指令确定单元，在所述投喂装置根据所述第一投喂指令投喂设定时间后根据所述鱼群的摄食行为数据确定第二投喂指令，并向所述投喂装置发送第二投喂指令；所述第二投喂指令包括增加投喂量指令、减少投喂量指令、和停止投喂指令；

所述投喂装置，分别与所述第一投喂指令确定单元和所述第二投喂指令确定单元通信连接，用于根据所述第一投喂指令和所述第二投喂指令向养殖池中的鱼群进行饲料投喂。

可选地，所述数据采集装置包括水质传感器探头、数据采集器以及鱼群摄食行为传感器；

所述水质传感器探头，用于采集养殖池水体温度和溶氧量，并通过所述数据采集器将所述养殖池水体温度和溶氧量发送至所述云服务器；

所述鱼群摄食行为传感器，用于采集鱼群非摄食状态和摄食状态下的水流扰动数据，并将所述水流扰动数据发送至所述云服务器。

可选地，所述饲料需求量确定单元，具体包括：

生长规律确定模块，用于根据鱼群种类、水体温度和鱼群种类对应的全周期生长数据，确定不同放养规格的鱼群在不同水体温度下生长规律；

当前养殖规格确定模块，用于根据鱼群的初始放养规格、生长天数和所述生长规律，确定鱼群的当前养殖规格；

当前放养数量确定模块，用于根据鱼群的初始放养数量和当前死亡数量，确定鱼群的当前放养数量；

当前养殖产量确定模块，用于根据鱼群的当前放养数量和当前养殖规格，确定鱼群的当前养殖产量；

当前饲料需求量确定模块，用于根据每条鱼在生长天数内预测的体重增长量，确定每条鱼需要的消化能，以及根据饲料营养成分信息确定饲料中含有的消化能，并基于鱼群的当前养殖产量，确定当前饲料需求量。

可选地，所述投喂装置包括：料仓、下料单元、撒料单元和投喂控制器；所述下料单元包括绞龙和第一电机；所述撒料单元包括离心撒料盘和第二电机；

所述投喂控制器，用于接收所述第一投喂指令和所述第二投喂指令，并根据所述第一投喂指令和第二投喂指令，控制所述下料单元和所述撒料单元运行；

所述绞龙，设置在所述料仓的出口，用于将料仓中的饲料输送到所述撒料单元上；

所述第一电机，分别与所述投喂控制器和所述绞龙连接，用于根据所述第一投喂指令和所述第二投喂指令，驱动所述绞龙工作；

所述离心撒料盘，设置在所述绞龙的下方，并与所述第二电机连接，用于向养殖池内撒饲料；

所述第二电机，分别与所述投喂控制器和所述离心撒料盘连接，用于根据所述第一投喂指令和所述第二投喂指令，驱动所述离心撒料盘转动。

可选地，所述投喂装置还包括激光传感器，位于所述料仓的顶部，用于确定每次投喂后料仓中饲料的下降距离，并将所述下降距离并发送给云服务器；

所述云服务器还包括：

修正单元，用于根据所述下降距离计算每次的实际饲料投喂量，并根据所述实际饲料投喂量和所述环境参数修正所述当前饲料需求量。

可选地，所述第二投喂指令确定单元，具体包括：

阈值确定模块，用于将鱼群非摄食状态下的水流扰动数据，作为第一阈值，将鱼群正常摄食状态下的水流扰动数据，作为第二阈值；

判断模块，用于判断鱼群当前摄食状态下的水流扰动数据与所述第一阈值和第二阈值的大小关系；

第二投喂指令确定模块，用于当所述鱼群当前摄食状态下的水流扰动数据大于所述第二阈值时，发送增加投喂量指令；用于当所述鱼群当前摄食状态下的水流扰动数据大于所述第一阈值但低于所述第二阈值时，发送减少投喂量指令，直至所述鱼群当前摄食状态下的水流扰动数据等于或低于所述第一阈值，发送停止投喂指令。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种基于多因子综合控制的鱼类智能投喂方法及系统，该方法通过获取鱼群基础养殖信息和饲料营养成分信息以及设定投喂次数和投喂时间，采集养殖池的环境参数和鱼群的摄食行为数据，根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量，并根据所述当前饲料需求量以及所述溶氧量在设定的投喂时间确定第一投喂指令；在根据所述第一投喂指令投喂设定时间后，根据所述鱼群的摄食行为数据确定第二投喂指令；最后根据所述第一投喂指令和所述第二投喂指令向养殖池中的鱼群进行饲料投喂。本发明基于多因子综合控制融合了环境参数、数学模型和实时的鱼类摄食行为，使投喂更加科学，避免饲料浪费。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于多因子综合控制的鱼类智能投喂方法的流程图；

图2为本发明一种基于多因子综合控制的鱼类智能投喂系统的模块结构示意图；

图3为本发明一种基于多因子综合控制的鱼类智能投喂系统的实体结构示意图。

符号说明：

客户端-1，数据采集装置-2，水质传感器探头-21，数据采集器-22，鱼群摄食行为传感器-23，云服务器-3，投喂装置-4，料仓-41，下料单元-42，撒料单元-43，投喂控制器-44，激光传感器-45，绞龙-421，撒料单元-43，离心撒料盘-431，养殖池-5。

具体实施方式

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、完整地描述，显然，所描述的实施例仅仅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。

本发明的目的是提供一种基于多因子综合控制的鱼类智能投喂方法及系统，能够实现智能化的精准投喂，降低养殖成本。通过将整个投喂过程进行逐级调控，通过综合鱼类生理需求、环境影响和鱼群实时摄食行为多种调控因子进行反馈调节，能在人工成本有效降低的基础上，科学合理的投喂饲料。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明的总体思想为：基于多因子综合控制的鱼类智能投喂方法，包括总控+微调+精调逐级控制，目标为达成投喂精准化、智能化，其中，总控表现在基于生物学特征的营养模型给出饲料需求量；微调表现为由特定养殖水体中的在线水质监测仪给出的实时溶氧和水温数据，对营养模型给出的饲料需求量进行调整；精调表现为根据鱼群摄食行为传感器给出的摄食行为数据进行精调。

如图1所示，本发明还提供了一种基于多因子综合控制的鱼类智能投喂方法，所述智能投喂方法包括：

S1：获取鱼群基础养殖信息和饲料营养成分信息以及设定投喂次数和投喂时间；所述基础养殖信息包括鱼群的种类、初始放养规格及初始放养数量；所述投喂时间内的投喂次数为1。

S2：采集养殖池的环境参数和鱼群的摄食行为数据；所述环境参数包括水体温度和溶氧量。

S3：根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量。

S4：根据所述当前饲料需求量以及所述溶氧量在设定的投喂时间确定第一投喂指令。

S5：在根据所述第一投喂指令投喂设定时间后，根据所述鱼群的摄食行为数据确定第二投喂指令；所述第二投喂指令包括增加投喂量指令、减少投喂量指令和停止投喂指令。

S6：根据所述第一投喂指令和所述第二投喂指令向养殖池中的鱼群进行饲料投喂。

具体地，步骤S3中，所述根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量，具体包括：

S31：根据鱼群种类、水体温度和鱼群种类对应的全周期生长数据，确定不同放养规格的鱼群在不同水体温度下生长规律。其中，包括对应的生长参数：热积温系数和生长指数，是用来计算鱼体生长规律的TGC生长模型中的两个系数。

S32：根据鱼群的初始放养规格或近期采样规格、生长天数和所述生长规律，确定鱼群的当前养殖规格。

S33：根据鱼群的初始放养数量和当前死亡数量，确定鱼群的当前放养数量。

S34：根据鱼群的当前放养数量和当前养殖规格，确定鱼群的当前养殖产量。

S35：根据每条鱼在生长天数内预测的体重增长量，确定每条鱼需要的消化能，以及根据饲料营养成分信息确定饲料中含有的消化能，并基于鱼群的当前养殖产量，确定当前饲料需求量。

进一步地，通过营养成分信息和对应的消化率可计算饲料中消化能的含量，其计算公式如下：

DE(kJ/g)＝23×CP(％)×ADCcp+39×CL(％)×ADCcl+17×CHO(％)×ADCcho (1)

其中，DE、CP、CL和CHO分别为饲料消化能、饲料蛋白质、脂肪和碳水化合物在饲料中占的比例，ADC为对应的表观消化率。

由于鱼类在不同生长阶段下的生长速率是可预测的，因此其对能量的需求存在一个满足其正常生理需求的量，鱼类在这个养殖周期内必须摄食等于或高于该能量水平的饲料才能在养殖周期结束后达到正常的规格，所以在实际生产过程中根据鱼类的生理需求进行科学合理的饲料投喂，既能够保证养殖对象能够正常生长，也避免了饲料的浪费。

具体地，为了计算不同生长阶段的鱼类消化能需求量，参考鱼类生物能量学相关理论，鱼类消化能可通过计算储积能(RE)、基础代谢能(HeE)、摄食热增能(HiE)及排泄能(UE+ZE)之和来估算。其中，储积能为鱼类从饲料中获取的转化为鱼体成分的能量，因此通过分析鱼体生长终末体能值可得；排泄能为鱼体从尿液和鳃中排出的氮所含的能量，摄食热增能为鱼类在摄食过程中消耗的能量，基础代谢能采用呼吸实验中的耗氧量来计算，各能量的计算公式如下所示：

RE(kJ/g)＝GEt-GE0 (2)

UE+ZE(kJ/g)＝24.9×(UN+ZN) (3)

HeE(kJ/g)＝(a+bT)×W0.8 (4)

HiE((kJ/g)＝IE-FE-RE-(UE+ZE)-HeE (5)

DEreq(kJ/g)＝RE+HeE+HiE+(UE+ZE) (6)

式中，IE为摄食能，FE为粪能，GEt和GE0分别为终末和初始鱼体能值，该能值等于鱼体成分中各组织的能值之和，UN和ZN分别为鱼体鳃和尿液排出的氮的含量，a、b为常数，T为水温，W为体重，DEreq则为鱼类的消化能需求，根据饲料的营养成分信息计算出饲料中所含有的消化能，系统将上述各个公式进行整合，得到一个基于鱼类生物能量学的饲料需求量计算模型，具体地，根据如下公式和参数进行建模：

饲料需求量(Feedreq)＝消化能需求量(DEreq)/饲料消化能含量(DE offeed)；(7)

得到上述公式(7)后，代入鱼体初始体重和养殖周期天数(放养天数) 以及水温就能预测出该养殖周期下的饲料需求量。

进一步地，所述智能投喂方法还包括：

S7：确定每次投喂后料仓中饲料的下降距离，根据所述下降距离计算每次的实际饲料投喂量，并根据所述实际饲料投喂量和所述环境参数修正所述当前饲料需求量。

具体地，步骤S5中，所述在所述投喂装置根据所述第一投喂指令投喂设定时间后，根据所述鱼群的摄食行为数据确定第二投喂指令，并向所述投喂装置发送第二投喂指令，具体包括：

S51：将鱼群非摄食状态下的水流扰动数据，作为第一阈值，将鱼群正常摄食状态下的水流扰动数据，作为第二阈值。

S52：判断鱼群当前摄食状态下的水流扰动数据与所述第一阈值和第二阈值的大小关系。

S53：当所述鱼群当前摄食状态下的水流扰动数据大于所述第二阈值时，发送增加投喂量指令。

S54：当所述鱼群当前摄食状态下的水流扰动数据大于所述第一阈值但低于所述第二阈值时，发送减少投喂量指令，直至所述鱼群当前摄食状态下的水流扰动数据等于或低于所述第一阈值，发送停止投喂指令。

如图2和图3所示，本发明一种基于多因子综合控制的鱼类智能投喂系统包括：客户端1、数据采集装置2、云服务器3和投喂装置4。

所述客户端1，用于录入、存储鱼群基础养殖信息和饲料营养成分信息以及设定投喂次数和投喂时间；所述基础养殖信息包括鱼群的种类、初始放养规格及初始放养数量；所述投喂时间内的投喂次数为1。其中，客户端中的基础养殖信息会不断更新，例如，在鱼群放入养殖池5放养一段时间后，鱼类的生长伴随着体重的增加，鱼群的规格会发生变化，用户会将近期采样的鱼群规格录入到客户端中；初始放养数量也会随着鱼群中出现鱼类死亡数量而更新，实现信息的更新，以保证后续使用数据的有效性和准确性。

所述数据采集装置2，用于采集养殖池5的环境参数和鱼群的摄食行为数据，并将所述环境参数和鱼群的摄食行为数据发送至所述云服务器3；所述环境参数包括水体温度和溶氧量。

进一步地，如图2所示，所述数据采集装置2包括水质传感器探头21、数据采集器22以及鱼群摄食行为传感器23。

所述水质传感器探头21，用于采集养殖池5水体温度和溶氧量，并通过所述数据采集器22将所述养殖池5的水体温度和溶氧量发送至所述云服务器 3；水质传感器探头21安装在养殖池5的水体中，且水质传感器探头21与数据采集器22的输入端相连。

所述鱼群摄食行为传感器23，用于采集鱼群非摄食状态和摄食状态下的水流扰动数据，并将所述水流扰动数据发送至所述云服务器3。具体地，水流扰动数据的获取通过在饲料投喂区固定浮体，使浮体不能离开投喂区，由于鱼类抢食会造成水纹波动，水纹波动会带动浮体上下浮动，浮体内部装有水平探测芯片和无线模块能监测水流浮动水平，获得水流扰动数据，并上传水流扰动数据至云服务器3。鱼群摄食行为传感器23的安装位置保证传感器可以监测到整个投饲区域，鱼群摄食行为传感器23装卸方便，可安装在水面的任意位置。

所述云服务器3，分别与所述数据采集装置2、所述客户端1和所述投喂装置4通信连接，所述云服务器3包括：

饲料需求量确定单元，分别与所述数据采集装置和所述客户端通信连接，用于根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量。

进一步地，所述饲料需求量确定单元，具体包括：

生长规律确定模块，用于根据鱼群种类、水体温度和鱼群种类对应的全周期生长数据，确定不同放养规格的鱼群在不同水体温度下生长规律。

当前养殖规格确定模块，用于根据鱼群的初始放养规格或近期采样规格、生长天数和所述生长规律，确定鱼群的当前养殖规格。

当前放养数量确定模块，用于根据鱼群的初始放养数量和当前死亡数量，确定鱼群的当前放养数量。

当前养殖产量确定模块，用于根据鱼群的当前放养数量和当前养殖规格，确定鱼群的当前养殖产量。

当前饲料需求量确定模块，用于根据每条鱼在生长天数内预测的体重增长量，确定每条鱼需要的消化能，以及根据饲料营养成分信息确定饲料中含有的消化能，并基于鱼群的当前养殖产量，确定当前饲料需求量。具体地，云服务器3计算得到当前饲料需求量之后，将当前饲料需求量发送给投喂装置4。

第一投喂指令确定单元，分别与所述饲料需求量确定单元和所述投喂装置连接，用于根据所述当前饲料需求量以及所述溶氧量在设定的投喂时间向所述投喂装置发送第一投喂指令。

第二投喂指令确定单元，在所述投喂装置根据所述第一投喂指令投喂设定时间后根据所述鱼群的摄食行为数据确定第二投喂指令，并向所述投喂装置发送第二投喂指令；所述第二投喂指令包括增加投喂量指令、减少投喂量指令、和停止投喂指令。

所述投喂装置4，分别与所述第一投喂指令确定单元和所述第二投喂指令确定单元通信连接，用于根据所述第一投喂指令和所述第二投喂指令向养殖池 5中的鱼群进行饲料投喂。投喂装置4安装在养殖池5的左上方。

具体地，如图2所示，所述投喂装置4包括：料仓41、下料单元42、撒料单元43和投喂控制器44；所述下料单元包括绞龙421和第一电机；所述撒料单元43包括离心撒料盘431和第二电机。

所述投喂控制器44，用于接收所述第一投喂指令和所述第二投喂指令，并根据所述第一投喂指令和第二投喂指令，控制所述下料单元42和所述撒料单元43运行。所述投喂控制器44根据云服务器3发送的投喂指令来具体控制相关机械装置动作，控制投喂量、投喂时间。

所述绞龙421，设置在所述料仓41的出口，用于将料仓41中的饲料输送到所述撒料单元43上。绞龙421每旋转一圈，料仓中会掉落固定数量的饲料。

所述第一电机，分别与所述投喂控制器44和所述绞龙41连接，用于根据所述第一投喂指令和所述第二投喂指令，驱动所述绞龙41工作，第一电机采用24v闭环减数直流电机，通过对第一电机的功率进行调整，进而调节绞龙 421的运行速率，实现对下料速度的精准调控。

所述离心撒料盘431，设置在所述绞龙421的下方，并与所述第二电机连接，用于向养殖池5内撒饲料，控制第二电机的转速，使得饲料可以均匀抛洒到养殖池5中。

所述第二电机，分别与所述投喂控制器44和所述离心撒料盘43连接，用于根据所述第一投喂指令和所述第二投喂指令，驱动所述离心撒料盘43转动。第二电机为24v直流电机，离心撒料盘431由第二电机控制，通过控制第二电机的转速可调节撒料距离，最远可达十米。

优选地，所述投喂装置4还包括激光传感器45，位于所述料仓41的顶部，用于确定每次投喂后料仓中饲料的下降距离，并将所述下降距离并发送给云服务器3。具体地，云服务器3根据料仓中饲料下降的距离以及料仓的横截面积，计算出投喂饲料的体积，体积*饲料密度约为每一次的饲料投喂重量，即实际饲料投喂量。

所述云服务器3还包括：

修正单元，用于根据所述下降距离计算每次的实际饲料投喂量，并根据所述实际饲料投喂量和所述环境参数修正所述当前饲料需求量。具体地，云服务器3结合此次投喂的环境参数和实际饲料投喂量对模型的参数进行修正；下次投喂开始时，系统会根据往次投喂的经验，考虑此时环境参数的影响，修正输出的当前饲料需求量，使当前饲料需求量的计算更符合实际。其中，环境参数中的溶氧量影响投喂行为，若溶氧量较低，则减少投喂量。

进一步地，所述第二投喂指令确定单元，具体包括：

阈值确定模块，用于将鱼群非摄食状态下的水流扰动数据，作为第一阈值，将鱼群正常摄食状态下的水流扰动数据，作为第二阈值；

判断模块，用于判断鱼群当前摄食状态下的水流扰动数据与所述第一阈值和第二阈值的大小关系；

第二投喂指令确定模块，用于当所述鱼群当前摄食状态下的水流扰动数据大于所述第二阈值时，发送增加投喂量指令；用于当所述鱼群当前摄食状态下的水流扰动数据大于所述第一阈值但低于所述第二阈值时，发送减少投喂量指令，直至所述鱼群当前摄食状态下的水流扰动数据等于或低于所述第一阈值，发送停止投喂指令。

进一步地，系统在用户设定的投喂时间下会自动下达命令给投喂控制器执行投喂操作，整个投喂过程分为总控+微调+精调的逐级调控过程。

具体地，系统在考虑当前养殖产量和过去一天中的水温变化情况后基于鱼类生物学能量模型会得到一个合理的饲料需求量，投喂控制器接收到云服务器开始工作的信号后会由在线水质监测设备实时反馈当前溶氧含量，根据当前溶氧水平对饲料需求量进行微调，若溶氧过低则根据参数减少投喂量；打开投喂装置的电源开关且鱼群摄食传感器开始工作，根据鱼类实时的摄食行为数据，对下料单元的下料速率进行精调，避免投喂速率过快造成饲料过度溶失及投喂速率过慢鱼群抢食受伤的现象；若鱼类没有提前停止摄食则在投喂该饲料需求量后关闭投喂装置的电源，若鱼类提前停止摄食，则反馈当前实际的摄食量和溶氧水平进行模型的修正。

进一步地，客户端1有苹果、安卓、web各种版本，可搭载各类包括手机、一体机在内的不同平台，方便用户随时随地进行各种操作。

具体实施例：

基于上述的系统进行养殖池的智能投喂，投喂方法包括如下步骤：

(1)用户在客户端上输入养殖池放养鱼类的品种、初始放养规格和初始放养数量，并添加投喂饲料的营养成分信息，如2021年4月1日放养10g/尾鲈鱼2000条，所使用饲料成分中蛋白质的量为45％、脂肪含量为8％、碳水化合物含量为20％。

(2)用户在客户端上设定该养殖池每日的投喂次数及具体的投喂时间，如每日2次投喂，投喂时间为当日7:00和18:00。

(3)系统根据数据采集器采集到的水温和溶氧数据计算出该日需要投喂的饲料量，并根据投喂装置的投喂速率转换为投喂时间，如当日上午根据平均水温28°和养殖产量1000kg计算需投喂饲料30kg，当前溶氧值为4.5mg/L，根据投喂经验需减少百分之10的投喂量，因此实际投喂27kg饲料。

(4)在实际投喂过程中，鱼群摄食传感器开始工作并监测鱼群活跃度并控制投喂装备的下料速率，料仓顶部的激光传感器开始工作，在判断已投喂 27kg饲料后，关闭投料装置电源。

(5)若在投喂饲料26kg时，鱼类活跃度降低至阈值或阈值以下表明摄食停止，摄食传感器提前向投喂装置发送停止投喂的指令，则将当次的实际饲料投喂量上传至服务器中。

(6)系统分析模型预测量与实际饲料投喂量量有差异的原因，结合环境参数溶氧修正模型。

(7)系统更新模型参数，准备进行下一次的投喂。

本发明的技术效果：

1、可实时采集养殖池鱼群摄食行为数据、养殖池内水体温度数据、水体溶氧数据，并将数据实时传送到云服务器中，云服务器通过分析整合这些数据，计算出在当前状态下对某一个养殖池的饲料投喂量，然后将结果反馈到投喂控制系统中，投喂控制系统根据反馈结果及鱼群实时的摄食行为进行针对性的投饲。

2、由于本发明所述的方法采用的数据分析基于模型，模型具有修正功能，随着时间的推移，积累更多反馈数据，模型通过积累这些数据不断的调整相应的参数，自我完善，使其判断结果更加精准、更加合理。

3、由于本发明采用多因子综合逐级调控的投喂方式，从投喂量的计算到具体投喂过程的实施，考虑了多种因素，并将其耦合利用，最终实现功能相当于培养一个具有丰富投饲经验的工人，会根据养殖品种的生长规律、营养需求、水体环境的变化控制投喂量，在投喂过程中也会实时观察鱼体的摄食情况控制投喂速率或提前停止投喂，实现真正意义上的智能投喂。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于多因子综合控制的鱼类智能投喂方法，其特征在于，所述智能投喂方法包括：

获取鱼群基础养殖信息和饲料营养成分信息以及设定投喂次数和投喂时间；所述基础养殖信息包括鱼群的种类、初始放养规格及初始放养数量；所述投喂时间内的投喂次数为1；

采集养殖池的环境参数和鱼群的摄食行为数据；所述环境参数包括水体温度和溶氧量；

根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量；

根据所述当前饲料需求量以及所述溶氧量在设定的投喂时间确定第一投喂指令；

在根据所述第一投喂指令投喂设定时间后，根据所述鱼群的摄食行为数据确定第二投喂指令；所述第二投喂指令包括增加投喂量指令、减少投喂量指令和停止投喂指令；

根据所述第一投喂指令和所述第二投喂指令向养殖池中的鱼群进行饲料投喂。

2.根据权利要求1所述的基于多因子综合控制的鱼类智能投喂方法，其特征在于，所述根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量，具体包括：

根据鱼群种类、水体温度和鱼群种类对应的全周期生长数据，确定不同放养规格的鱼群在不同水体温度下生长规律；

根据鱼群的初始放养规格、生长天数和所述生长规律，确定鱼群的当前养殖规格；

根据鱼群的初始放养数量和当前死亡数量，确定鱼群的当前放养数量；

根据鱼群的当前放养数量和当前养殖规格，确定鱼群的当前养殖产量；

根据每条鱼在生长天数内预测的体重增长量，确定每条鱼需要的消化能，以及根据饲料营养成分信息确定饲料中含有的消化能，并基于鱼群的当前养殖产量，确定当前饲料需求量。

3.根据权利要求1所述的基于多因子综合控制的鱼类智能投喂方法，其特征在于，所述智能投喂方法还包括：

确定每次投喂后料仓中饲料的下降距离，根据所述下降距离计算每次的实际饲料投喂量，并根据所述实际饲料投喂量和所述环境参数修正所述当前饲料需求量。

4.根据权利要求1所述的基于多因子综合控制的鱼类智能投喂方法，其特征在于，所述在根据所述第一投喂指令投喂设定时间后，根据所述鱼群的摄食行为数据确定第二投喂指令，具体包括：

将鱼群非摄食状态下的水流扰动数据，作为第一阈值，将鱼群正常摄食状态下的水流扰动数据，作为第二阈值；

判断鱼群当前摄食状态下的水流扰动数据与所述第一阈值和第二阈值的大小关系；

当所述鱼群当前摄食状态下的水流扰动数据大于所述第二阈值时，发送增加投喂量指令；

当所述鱼群当前摄食状态下的水流扰动数据大于所述第一阈值但低于所述第二阈值时，发送减少投喂量指令，直至所述鱼群当前摄食状态下的水流扰动数据等于或低于所述第一阈值，发送停止投喂指令。

5.一种基于多因子综合控制的鱼类智能投喂系统，其特征在于，所述智能投喂系统包括：数据采集装置、云服务器、投喂装置和客户端；

所述客户端，用于录入、存储鱼群基础养殖信息和饲料营养成分信息以及设定投喂次数和投喂时间；所述基础养殖信息包括鱼群的种类、初始放养规格及初始放养数量；所述投喂时间内的投喂次数为1；

所述数据采集装置，用于采集养殖池的环境参数和鱼群的摄食行为数据，并将所述环境参数和鱼群的摄食行为数据发送至所述云服务器；所述环境参数包括水体温度和溶氧量；

所述云服务器，分别与所述数据采集装置、所述客户端和所述投喂装置通信连接，所述云服务器包括：

饲料需求量确定单元，分别与所述数据采集装置和所述客户端通信连接，用于根据所述环境参数、所述基础养殖信息和所述饲料营养成分信息确定当前饲料需求量；

第一投喂指令确定单元，分别与所述饲料需求量确定单元和所述投喂装置连接，用于根据所述当前饲料需求量以及所述溶氧量在设定的投喂时间向所述投喂装置发送第一投喂指令；

第二投喂指令确定单元，在所述投喂装置根据所述第一投喂指令投喂设定时间后根据所述鱼群的摄食行为数据确定第二投喂指令，并向所述投喂装置发送第二投喂指令；所述第二投喂指令包括增加投喂量指令、减少投喂量指令、和停止投喂指令；

所述投喂装置，分别与所述第一投喂指令确定单元和所述第二投喂指令确定单元通信连接，用于根据所述第一投喂指令和所述第二投喂指令向养殖池中的鱼群进行饲料投喂。

6.根据权利要求5所述的基于多因子综合控制的鱼类智能投喂系统，其特征在于，所述数据采集装置包括水质传感器探头、数据采集器以及鱼群摄食行为传感器；

所述水质传感器探头，用于采集养殖池水体温度和溶氧量，并通过所述数据采集器将所述养殖池水体温度和溶氧量发送至所述云服务器；

所述鱼群摄食行为传感器，用于采集鱼群非摄食状态和摄食状态下的水流扰动数据，并将所述水流扰动数据发送至所述云服务器。

7.根据权利要求5所述的基于多因子综合控制的鱼类智能投喂系统，其特征在于，所述饲料需求量确定单元，具体包括：

生长规律确定模块，用于根据鱼群种类、水体温度和鱼群种类对应的全周期生长数据，确定不同放养规格的鱼群在不同水体温度下生长规律；

当前养殖规格确定模块，用于根据鱼群的初始放养规格、生长天数和所述生长规律，确定鱼群的当前养殖规格；

当前放养数量确定模块，用于根据鱼群的初始放养数量和当前死亡数量，确定鱼群的当前放养数量；

当前养殖产量确定模块，用于根据鱼群的当前放养数量和当前养殖规格，确定鱼群的当前养殖产量；

当前饲料需求量确定模块，用于根据每条鱼在生长天数内预测的体重增长量，确定每条鱼需要的消化能，以及根据饲料营养成分信息确定饲料中含有的消化能，并基于鱼群的当前养殖产量，确定当前饲料需求量。

8.根据权利要求5所述的基于多因子综合控制的鱼类智能投喂系统，其特征在于，所述投喂装置包括：料仓、下料单元、撒料单元和投喂控制器；所述下料单元包括绞龙和第一电机；所述撒料单元包括离心撒料盘和第二电机；

所述投喂控制器，用于接收所述第一投喂指令和所述第二投喂指令，并根据所述第一投喂指令和第二投喂指令，控制所述下料单元和所述撒料单元运行；

所述绞龙，设置在所述料仓的出口，用于将料仓中的饲料输送到所述撒料单元上；

所述第一电机，分别与所述投喂控制器和所述绞龙连接，用于根据所述第一投喂指令和所述第二投喂指令，驱动所述绞龙工作；

所述离心撒料盘，设置在所述绞龙的下方，并与所述第二电机连接，用于向养殖池内撒饲料；

所述第二电机，分别与所述投喂控制器和所述离心撒料盘连接，用于根据所述第一投喂指令和所述第二投喂指令，驱动所述离心撒料盘转动。

9.根据权利要求8所述的基于多因子综合控制的鱼类智能投喂系统，其特征在于，所述投喂装置还包括激光传感器，位于所述料仓的顶部，用于确定每次投喂后料仓中饲料的下降距离，并将所述下降距离并发送给云服务器；

所述云服务器还包括：

修正单元，用于根据所述下降距离计算每次的实际饲料投喂量，并根据所述实际饲料投喂量和所述环境参数修正所述当前饲料需求量。

10.根据权利要求6所述的基于多因子综合控制的鱼类智能投喂系统，其特征在于，所述第二投喂指令确定单元，具体包括：

阈值确定模块，用于将鱼群非摄食状态下的水流扰动数据，作为第一阈值，将鱼群正常摄食状态下的水流扰动数据，作为第二阈值；

判断模块，用于判断鱼群当前摄食状态下的水流扰动数据与所述第一阈值和第二阈值的大小关系；

第二投喂指令确定模块，用于当所述鱼群当前摄食状态下的水流扰动数据大于所述第二阈值时，发送增加投喂量指令；用于当所述鱼群当前摄食状态下的水流扰动数据大于所述第一阈值但低于所述第二阈值时，发送减少投喂量指令，直至所述鱼群当前摄食状态下的水流扰动数据等于或低于所述第一阈值，发送停止投喂指令。

Images