CN115034338B - 一种基于电数字数据处理的鳜鱼生长监测方法及系统 - Google Patents

一种基于电数字数据处理的鳜鱼生长监测方法及系统 Download PDF

Info

Publication number
CN115034338B
CN115034338B CN202210958079.3A CN202210958079A CN115034338B CN 115034338 B CN115034338 B CN 115034338B CN 202210958079 A CN202210958079 A CN 202210958079A CN 115034338 B CN115034338 B CN 115034338B
Authority
CN
China
Prior art keywords
net cage
culture
activity degree
feeding
mandarin fish
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
Application number
CN202210958079.3A
Other languages
English (en)
Other versions
CN115034338A (zh
Inventor
杨晓琴
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.)
Fuzhou Luhe Intellectual Property Services Co ltd
Original Assignee
Jiangsu Bro Information Technology Co ltd
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 Jiangsu Bro Information Technology Co ltd filed Critical Jiangsu Bro Information Technology Co ltd
Priority to CN202210958079.3A priority Critical patent/CN115034338B/zh
Publication of CN115034338A publication Critical patent/CN115034338A/zh
Application granted granted Critical
Publication of CN115034338B publication Critical patent/CN115034338B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A01K29/00—Other apparatus for animal husbandry
    • A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
    • 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
    • A01K61/10—Culture of aquatic animals of fish
    • 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
    • A01K61/60—Floating cultivation devices, e.g. rafts or floating fish-farms
    • 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
    • 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

  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Zoology (AREA)
  • Biophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电数字数据处理领域，具体涉及一种基于电数字数据处理的鳜鱼生长监测方法及系统。该方法通过养殖网箱不同位置出的水下探测仪获得活跃向量，根据养殖网箱中最近一次投喂的投饵量差异和活跃向量相似度获得养殖特征相似度。根据养殖特征相似度将养殖网箱分组，获得多个网箱组。根据网箱组内数据的熵值确定活跃程度权重，用于调整活跃程度。将调整后的活跃程度的平均值作为整体活跃程度。根据整体活跃程度判断是否需要投喂。本发明通过将养殖网箱分组并调整采集数据，获得参考性强的整体活跃程度用于控制投喂，实现科学高效的鳜鱼生长监测，便于控制养殖过程。

Description

一种基于电数字数据处理的鳜鱼生长监测方法及系统
技术领域
本发明涉及电数字数据处理技术领域，具体涉及一种基于电数字数据处理的鳜鱼生长监测方法及系统。
背景技术
鳜鱼属于淡水鱼，白天潜伏于水底，夜间四处活动觅食，且为肉食性鱼类，性情凶猛，终生以鱼类和其他水生动物为食。鳜鱼肉质细嫩味道鲜美，具有重要的经济价值，因此在人类社会被广泛养殖。
因为鳜鱼为肉食性鱼类，因此在养殖过程中需要准备小鱼小虾等活饵料供鳜鱼食用，具有一定的成本。为了保证投喂效率和控制投喂成本，需要进行科学高效的投喂养殖，以实现经济效益最大化。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于电数字数据处理的鳜鱼生长监测方法及系统，所采用的技术方案具体如下：
本发明提出了一种基于电数字数据处理的鳜鱼生长监测方法，所述方法包括：
在每个养殖网箱中的不同位置部署多个水下探测仪；根据所述水下探测仪获取预设采样时间下的鳜鱼活跃数据；以所有所述水下探测仪的所述鳜鱼活跃数据作为当前时刻的活跃向量；
获取每个所述养殖网箱最近一次投喂的投饵量；根据所述投饵量的差异和所述活跃向量的向量相似度获得所述养殖网箱之间的养殖特征相似度；根据所述养殖特征相似度将所述养殖网箱分组，获得多个网箱组；
以所述活跃向量的特征值作为活跃程度；根据所述投饵量的大小获得每个所述网箱组内的投饵量熵值，根据所述活跃程度的大小获得每个所述网箱组内的活跃程度熵值；根据所述投饵量熵值和所述活跃程度熵值获得每个网箱组的活跃程度权重；根据所述活跃程度权重调整所述网箱组中每个所述养殖网箱的所述活跃程度；以所述网箱组内调整后的所述活跃程度的平均值作为整体活跃程度；
根据所述整体活跃程度判断当前时刻是否需要投喂。
进一步地，所述根据所述投饵量的差异和所述活跃向量的向量相似度获得所述养殖网箱之间的养殖特征相似度包括：
根据养殖特征相似度公式获得所述养殖特征相似度；所述养殖特征相似度公式包括：
其中，为养殖网箱/>和养殖网箱/>之间的所述养殖特征相似度，/>为养殖网箱/>的所述活跃向量，/>为养殖网箱/>的所述活跃向量，/>为余弦相似度计算函数，为绝对值计算函数，/>养殖网箱/>的所述投饵量，/>养殖网箱/>的所述投饵量。
进一步地，所述根据所述养殖特征相似度将所述养殖网箱分组，获得多个网箱组包括：
根据所述养殖特征相似度获得样本距离；所述样本距离与所述养殖特征相似度呈反比例关系；根据所述样本距离利用密度聚类算法对所述养殖网箱进行分组，获得多个所述网箱组。
进一步地，所述根据所述投饵量的大小获得每个所述网箱组内的投饵量熵值，根据所述活跃程度的大小获得每个所述网箱组内的活跃程度熵值包括：
将所述网箱组内的所有所述投饵量和所述活跃程度进行归一化；
以所述活跃程度与所有活跃程度累加值的比值作为对应所述养殖网箱的样本活跃程度占比；以所述投饵量与所有投饵量累加值的比值作为对应所述养殖网箱的样本投饵量占比；
利用熵值计算公式获得所述投饵量熵值和所述活跃程度熵值，所述熵值计算公式为：
其中，为1对应的为投饵量，/>为2对应的为活跃程度；/>为所述投饵量熵值或所述活跃程度熵值；/>为预设拟合参数；/>为所述网箱组的个数；/>为第/>个所述养殖网箱的所述样本投饵量占比或者所述样本活跃程度占比。
进一步地，所述根根据所述投饵量熵值和所述活跃程度熵值获得每个网箱组的活跃程度权重包括：
根据活跃程度权重公式获得所述活跃程度权重；所述活跃程度权重公式包括：
其中，为所述活跃程度权重，/>为所述投饵量熵值，/>为所述活跃程度熵值。
进一步地，所述根据所述整体活跃程度判断是否当前时刻是否需要投喂包括：
若在预设观测时间段内所述整体活跃程度始终大于预设活跃阈值，则反馈需要投喂的预警信号。
进一步地，所述反馈需要投喂的预警信号包括：
在距离最近一次投喂时刻的预设缓冲时间段内不反馈所述预警信号。
本发明还提出了一种基于电数字数据处理的鳜鱼生长监测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现任意一项所述一种基于电数字数据处理的鳜鱼生长监测方法的步骤。
本发明具有如下有益效果：
1.本发明实施例通过水下检测仪数据获得每个网箱不同位置处的鳜鱼活跃数据，进而获得每个网箱的活跃向量。根据活跃向量和最近一次的投饵量对养殖网箱进行分类，将相同养殖特征的养殖网箱分为一组，将相同养殖特征的养殖网箱联合分析方便了后续数据分析且增加数据处理效率。
2.本发明实施例根据每个网箱组内养殖特征的熵量表示数据的稳定程度，即熵量越大表示数据越不稳定，因此根据熵量获得每个网箱组的活跃程度权重，利用活跃程度权重调整网箱组内的活跃程度大小，增加了网箱组内的数据参考性，实现根据整体活跃程度对鳜鱼生长的监测。
3.本发明实施例考虑到鳜鱼的生活习性：昼伏夜出，不喜群居。根据活跃程度判断是否需要投喂，即鳜鱼越活跃则说明鳜鱼越需要投喂，实现了对鳜鱼养殖过程中的控制。
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和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于电数字数据处理的鳜鱼生长监测方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于电数字数据处理的鳜鱼生长监测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于电数字数据处理的鳜鱼生长监测方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于电数字数据处理的鳜鱼生长监测方法流程图，该方法包括：
步骤S1：在每个养殖网箱中的不同位置部署多个水下探测仪；根据水下探测仪获取预设采样时间下的鳜鱼活跃数据；以所有水下探测仪的鳜鱼活跃数据作为当前时刻的活跃向量。
在大型鳜鱼养殖基地中，会将水塘分为多个养殖网箱，方便投喂和捕捞，养殖网箱属于静水培育，因此在网箱中鳜鱼不会受到外部因素的影响。基于鳜鱼的习性可知，鳜鱼白天潜伏与水底，活动量较小，而夜晚会因为觅食四处游动，因此在网箱中不同位置处的鳜鱼数量变化能够反应鳜鱼的饥饿状态，因此在养殖网箱中的不同位置可部署多个水下探测仪，用于观测鳜鱼的活跃情况。水下探测仪可采用红外探鱼器或者声呐检测仪等，因为鳜鱼体型较大，因此一条鳜鱼经过水下探测仪可获得一个数据，可统计预设采样时间下的数据作为对应水下探测仪的鳜鱼活跃数据。
在本发明实施例中，在三个不同位置设置水下探测仪，采样时间设置为15分钟，即统计15分钟内水下探测仪的数据作为鳜鱼活跃数据。
需要说明的是，在获取的鳜鱼活跃数据中，连续采样时刻的鳜鱼活跃数据不会产生较大的波动，如果产生了较大波动，可能为人或物经过养殖网箱使得鳜鱼受惊造成的活跃情况，可将波动数据剔除，以保证数据的准确性。
以所有水下探测仪的鳜鱼活跃数据作为当前时刻的活跃向量，该活跃向量中包含了多个不同位置的活跃特征。在本发明实施例中设置了三个水下探测仪，即三个鳜鱼活跃数据构成一个活跃向量。
步骤S2：获取每个养殖网箱最近一次投喂的投饵量；根据投饵量的差异和活跃向量的向量相似度获得养殖网箱之间的养殖特征相似度；根据养殖特征相似度将养殖网箱分组，获得多个网箱组。
鳜鱼的活跃数据可表示鳜鱼的饥饿情况，因此活跃数据为一个养殖特征。对于鳜鱼投喂来说，最近一次投喂的投饵量也会影响下一次的投喂时间，即最近一次投喂的投饵量越多，则投喂间隔时间越长。因此以养殖网箱的活跃向量和投饵量作为养殖特征。可根据养殖特征将养殖网箱分组，以便于后续分析和后续投喂工作。
根据投饵量的差异和活跃向量的向量相似度获得养殖网箱之间的养殖特征相似度包括：
根据养殖特征相似度公式获得养殖特征相似度；养殖特征相似度公式包括：
其中，为养殖网箱/>和养殖网箱/>之间的养殖特征相似度，/>为养殖网箱/>的活跃向量，/>为养殖网箱/>的活跃向量，/>为余弦相似度计算函数，/>为绝对值计算函数，/>养殖网箱/>的投饵量，/>养殖网箱/>的投饵量。
养殖特征相似度公式的分母为活跃向量之间的余弦相似度和模的差异，即相似度越大，差异越小，则养殖特征相似度越大，说明两个养殖网箱中的鳜鱼有相似的饥饿程度。分子为投饵量的差异，差异越小，说明养殖网箱中的鳜鱼生长周期相似，养殖特征相似度越大；反之，差异越大，说明两个养殖网箱中的鳜鱼生长周期有差异，体型不同，无法分为一组。
根据养殖特征相似度获得样本距离，样本距离与养殖特征相似度呈反比例关系。根据样本距离利用密度聚类算法对养殖网箱进行分组，获得多个网箱组。
在本发明实施例中，为了限定数据大小，样本距离设置为，其中/>为养殖特征相似度。在聚类过程中的聚类距离可根据鳜鱼养殖基地的规模和鳜鱼的养殖情况自行设定，在此不做限定。
步骤S3：以活跃向量的特征值作为活跃程度；根据投饵量的大小获得每个网箱组内的投饵量熵值，根据活跃程度的大小获得每个网箱组内的活跃程度熵值；根据投饵量熵值和活跃程度熵值获得每个网箱组的活跃程度权重；根据活跃程度权重调整网箱组中每个养殖网箱的活跃程度；以网箱组内调整后的活跃程度的平均值作为整体活跃程度。
因为活跃向量为一个向量形态，不便于分析，因此将活跃向量的特征值作为活跃程度进行后续分析。
在一个网箱组内包含多个养殖网箱，一个养殖网箱包含活跃程度和投饵量两个数据。对于同一个网箱组的数据而言，活跃程度较高且数据越稳定的数据样本更具有代表性对应的参考性越强。相似的，同组内投喂量较高且数据越稳定的养殖网箱对应的参考性强。
因此可使用熵权法获得网箱组的数据控制权重，具体包括：
将网箱组内的所有投饵量和活跃程度进行归一化。
以活跃程度与所有活跃程度累加值的比值作为对应养殖网箱的样本活跃程度占比；以投饵量与所有投饵量累加值的比值作为对应养殖网箱的样本投饵量占比。
利用熵值计算公式获得投饵量熵值和活跃程度熵值，熵值计算公式为：
其中，为1对应的为投饵量，/>为2对应的为活跃程度；/>为投饵量熵值或活跃程度熵值；/>为预设拟合参数；/>为网箱组的个数；/>为第/>个养殖网箱的样本投饵量占比或者样本活跃程度占比。
熵值表示了数据信息的混乱程度，熵值，说明当前网箱组内的数据信息越复杂，参考性较低，且进一步结合投饵量对参考性的影响获得活跃程度权重包括：
根据活跃程度权重公式获得活跃程度权重；活跃程度权重公式包括：
其中，为活跃程度权重，/>为投饵量熵值，/>为活跃程度熵值。
需要说明的是，根据同理可获得投饵量权重，/>和/>的和为1。即活跃程度熵值越大，则活跃程度数据参考性越低，活跃程度权重越小，对应的投饵量权重越大。
在本发明实施例中，归一化操作使用最大最小值归一化方法。
活跃程度权重的大小可表示每个网箱组的参考性，因此可根据活跃程度权重调整网箱组中每个养殖网箱的活跃程度，即将网箱组的活跃程度权重与每个养殖网箱的活跃程度相乘，以调整后的活跃程度的平均值作为该网箱组的整体活跃程度。
步骤S4：根据所述整体活跃程度判断当前时刻是否需要投喂。
每个网箱组在一个采样时刻下都会有一个整体活跃程度。可根据整体活跃程度判断当前时刻对应的网箱组是否需要投喂。若在预设观测时间段内整体活跃程度始终大于预设活跃阈值，则反馈需要投喂的预警信号。需要说明的是，活跃阈值可通过历史观测数据进行统计获得。
因为鳜鱼存在投喂周期，通常投喂周期为3到5天，在投喂周期中鳜鱼不会觉得饥饿，因此为了防止错误预警信号的频繁体型，设置缓冲时间段，在距离最近一次投喂时刻的预设缓冲时间段内不反馈预警信号。在本发明实施例中，缓冲时间段设置为两天。
需要说明的是，在进行网箱组分组时，可能会存在单个孤立样本为一组的情况。对于孤立样本可能为不同生长周期的鳜鱼或者其他养殖特征不匹配的情况。因此对于孤立样本的活跃阈值需要根据样本具体情况单独进行设置。
对于需要投喂的网箱组，可利用投喂设备进行针对性的投喂，控制了投喂成本，增加了投喂效率。
综上所述，本发明实施例通过养殖网箱不同位置出的水下探测仪获得活跃向量，根据养殖网箱中最近一次投喂的投饵量差异和活跃向量相似度获得养殖特征相似度。根据养殖特征相似度将养殖网箱分组，获得多个网箱组。根据网箱组内数据的熵值确定活跃程度权重，用于调整活跃程度。将调整后的活跃程度的平均值作为整体活跃程度。根据整体活跃程度判断是否需要投喂。本发明实施例通过将养殖网箱分组并调整采集数据，获得参考性强的整体活跃程度用于对鳜鱼生长状态的监测，并进一步根据整体活跃程度控制投喂，实现科学高效的鳜鱼养殖。
本发明还提出了一种基于电数字数据处理的鳜鱼生长监测系统，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现任意一项一种基于电数字数据处理的鳜鱼生长监测方法的步骤。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于电数字数据处理的鳜鱼生长监测方法，其特征在于，所述方法包括：
在每个养殖网箱中的不同位置部署多个水下探测仪；根据所述水下探测仪获取预设采样时间下的鳜鱼活跃数据；以所有所述水下探测仪的所述鳜鱼活跃数据作为当前时刻的活跃向量；
获取每个所述养殖网箱最近一次投喂的投饵量；根据所述投饵量的差异和所述活跃向量的向量相似度获得所述养殖网箱之间的养殖特征相似度；根据所述养殖特征相似度将所述养殖网箱分组，获得多个网箱组；
以所述活跃向量的特征值作为活跃程度；根据所述投饵量的大小获得每个所述网箱组内的投饵量熵值，根据所述活跃程度的大小获得每个所述网箱组内的活跃程度熵值；根据所述投饵量熵值和所述活跃程度熵值获得每个网箱组的活跃程度权重；根据所述活跃程度权重调整所述网箱组中每个所述养殖网箱的所述活跃程度；以所述网箱组内调整后的所述活跃程度的平均值作为整体活跃程度；
根据所述整体活跃程度判断当前时刻是否需要投喂。
2.根据权利要求1所述的一种基于电数字数据处理的鳜鱼生长监测方法，其特征在于，所述根据所述投饵量的差异和所述活跃向量的向量相似度获得所述养殖网箱之间的养殖特征相似度包括：
根据养殖特征相似度公式获得所述养殖特征相似度；所述养殖特征相似度公式包括：
其中，为养殖网箱/>和养殖网箱/>之间的所述养殖特征相似度，/>为养殖网箱/>的所述活跃向量，/>为养殖网箱/>的所述活跃向量，/>为余弦相似度计算函数，/>为绝对值计算函数，/>养殖网箱/>的所述投饵量，/>养殖网箱/>的所述投饵量。
3.根据权利要求1所述的一种基于电数字数据处理的鳜鱼生长监测方法，其特征在于，所述根据所述养殖特征相似度将所述养殖网箱分组，获得多个网箱组包括：
根据所述养殖特征相似度获得样本距离；所述样本距离与所述养殖特征相似度呈反比例关系；根据所述样本距离利用密度聚类算法对所述养殖网箱进行分组，获得多个所述网箱组。
4.根据权利要求1所述的一种基于电数字数据处理的鳜鱼生长监测方法，其特征在于，所述根据所述投饵量的大小获得每个所述网箱组内的投饵量熵值，根据所述活跃程度的大小获得每个所述网箱组内的活跃程度熵值包括：
将所述网箱组内的所有所述投饵量和所述活跃程度进行归一化；
以所述活跃程度与所有活跃程度累加值的比值作为对应所述养殖网箱的样本活跃程度占比；以所述投饵量与所有投饵量累加值的比值作为对应所述养殖网箱的样本投饵量占比；
利用熵值计算公式获得所述投饵量熵值和所述活跃程度熵值，所述熵值计算公式为：
其中，为1对应的为投饵量，/>为2对应的为活跃程度；/>为所述投饵量熵值或所述活跃程度熵值；/>为预设拟合参数；/>为所述网箱组的个数；/>为第/>个所述养殖网箱的所述样本投饵量占比或者所述样本活跃程度占比。
5.根据权利要求4所述的一种基于电数字数据处理的鳜鱼生长监测方法，其特征在于，所述根据所述投饵量熵值和所述活跃程度熵值获得每个网箱组的活跃程度权重包括：
根据活跃程度权重公式获得所述活跃程度权重；所述活跃程度权重公式包括：
其中，为所述活跃程度权重，/>为所述投饵量熵值，/>为所述活跃程度熵值。
6.根据权利要求1所述的一种基于电数字数据处理的鳜鱼生长监测方法，其特征在于，所述根据所述整体活跃程度判断当前时刻是否需要投喂包括：
若在预设观测时间段内所述整体活跃程度始终大于预设活跃阈值，则反馈需要投喂的预警信号。
7.根据权利要求6所述的一种基于电数字数据处理的鳜鱼生长监测方法，其特征在于，所述反馈需要投喂的预警信号包括：
在距离最近一次投喂时刻的预设缓冲时间段内不反馈所述预警信号。
8.一种基于电数字数据处理的鳜鱼生长监测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~7任意一项所述方法的步骤。
CN202210958079.3A 2022-08-11 2022-08-11 一种基于电数字数据处理的鳜鱼生长监测方法及系统 Active CN115034338B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210958079.3A CN115034338B (zh) 2022-08-11 2022-08-11 一种基于电数字数据处理的鳜鱼生长监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210958079.3A CN115034338B (zh) 2022-08-11 2022-08-11 一种基于电数字数据处理的鳜鱼生长监测方法及系统

Publications (2)

Publication Number Publication Date
CN115034338A CN115034338A (zh) 2022-09-09
CN115034338B true CN115034338B (zh) 2023-08-01

Family

ID=83131027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210958079.3A Active CN115034338B (zh) 2022-08-11 2022-08-11 一种基于电数字数据处理的鳜鱼生长监测方法及系统

Country Status (1)

Country Link
CN (1) CN115034338B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985670A (zh) * 2019-05-24 2020-11-24 中移(苏州)软件技术有限公司 一种水产养殖监控方法、装置及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8776075B2 (en) * 2010-10-29 2014-07-08 International Business Machines Corporation Energy consumption optimization in a data-processing system
CN105631538A (zh) * 2015-12-23 2016-06-01 北京奇虎科技有限公司 一种用户活跃度的预测方法、装置及其应用方法和系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985670A (zh) * 2019-05-24 2020-11-24 中移(苏州)软件技术有限公司 一种水产养殖监控方法、装置及存储介质

Also Published As

Publication number Publication date
CN115034338A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
Garthe Influence of hydrography, fishing activity, and colony location on summer seabird distribution in the south-eastern North Sea
Heibo et al. Latitudinal variation in life‐history traits in Eurasian perch
Winemiller et al. Why do most fish produce so many tiny offspring?
Bannerot et al. Using frequency distributions of catch per unit effort to measure fish-stock abundance
Bettoli et al. Piscivory in largemouth bass as a function of aquatic vegetation abundance
Ahrenstorff et al. The influence of littoral zone coarse woody habitat on home range size, spatial distribution, and feeding ecology of largemouth bass (Micropterus salmoides)
Raat Analysis of angling vulnerability of common carp, Cyprinus carp/0 L., in catch‐and‐release angling in ponds
van der Lee et al. Bioenergetics modelling of grass carp: Estimated individual consumption and population impacts in Great Lakes wetlands
Smalås et al. The trade‐off between fecundity and egg size in a polymorphic population of Arctic charr (Salvelinus alpinus (L.)) in Skogsfjordvatn, subarctic Norway
Haugen et al. Changes in selection and evolutionary responses in migratory brown trout following the construction of a fish ladder
Olsen et al. Estimates of survival of stream‐dwelling brown trout using
Cox et al. Assessing the effect of aquatic noise on fish behavior and physiology: a meta-analysis approach
CN115034338B (zh) 一种基于电数字数据处理的鳜鱼生长监测方法及系统
Burrough et al. Interspecific dominance amongst three species of coarse fish in Slapton Ley, Devon
Takahashi et al. Some evidence for different ecological pressures that constrain male and female body size
Kato et al. Foraging and breeding performance of Japanese cormorants in relation to prey type
Radchenko Abundance dynamics of pink salmon (Oncorhynchus gorbuscha) as a structured process determined by many factors
Makeche et al. Comparative study of growth rates, condition factors and natural mortality of Oreochromis niloticus fish from culture fisheries and capture fisheries at Lake Kariba, Zambia
Kuparinen et al. Northern pike commercial fisheries, stock assessment and aquaculture
Zalewski et al. Biomanipulation by ecotone management in a lowland reservoir
Brännäs Individual variation in distribution, activity and growth rate of Arctic charr kept in a three‐tank system
Huss et al. Growing through predation windows: effects on body size development in young fish
Proudfoot et al. Exploitation status of infralittoral abalone (Haliotis midae) and alikreukel (Turbo sarmaticus) in the southern section of the Eastern Cape coast, South Africa
Miller et al. Blue Catfish fisheries in Kansas: 50 years of research and management
ABBASI et al. Catch composition, length frequency and biomass of commercial carps in Zayandehrud dam, Isfahan Province, Iran

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240906

Address after: Room 57, Area A, 5th Floor, Global Plaza, No. 158 Wusi Road, Gudong Street, Gulou District, Fuzhou City, Fujian Province, 350000

Patentee after: Fuzhou Luhe Intellectual Property Services Co.,Ltd.

Country or region after: China

Address before: 226000 No.1, Xinglong Road, science and technology entrepreneurship Park, Huilong Town, Qidong City, Nantong City, Jiangsu Province

Patentee before: Jiangsu bro Information Technology Co.,Ltd.

Country or region before: China