CN115067243A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115067243A CN115067243A CN202210802919.7A CN202210802919A CN115067243A CN 115067243 A CN115067243 A CN 115067243A CN 202210802919 A CN202210802919 A CN 202210802919A CN 115067243 A CN115067243 A CN 115067243A
- Authority
- CN
- China
- Prior art keywords
- fishery
- sub
- area
- fish school
- fry
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000009395 breeding Methods 0.000 claims abstract description 205
- 230000001488 breeding effect Effects 0.000 claims abstract description 205
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 189
- 241000251468 Actinopterygii Species 0.000 claims abstract description 175
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000010835 comparative analysis Methods 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 claims description 54
- 238000004458 analytical method Methods 0.000 claims description 36
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 17
- 229910052760 oxygen Inorganic materials 0.000 claims description 17
- 239000001301 oxygen Substances 0.000 claims description 17
- 238000009360 aquaculture Methods 0.000 claims description 12
- 244000144974 aquaculture Species 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000008034 disappearance Effects 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims description 2
- 210000004392 genitalia Anatomy 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- A01K61/10—Culture of aquatic animals of fish
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/15—Fishing
-
- 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
本发明公开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,本发明通过对各渔业养殖子区域内各深度的水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数,分析各渔业养殖子区域的水环境因素符合比例系数,从而实现动态观测渔业养殖区域的水环境,提高渔业养殖区域水环境监测结果的精准性和科学性,同时获取各渔业养殖子区域对应的鱼群生态因素信息,得到待监测渔业养殖区域对应的鱼群生态因素符合比例系数,并综合分析待监测渔业养殖区域对应的鱼苗生长环境适宜指数,对比分析后进行对应的处理,从而能够采用量化数据对鱼苗生长情况进行高精度的评估,进一步体现渔业养殖的智能化监测水平。
Description
技术领域
本发明涉及渔业监测分析技术领域,涉及到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。
背景技术
随着社会经济的迅速发展与人民生活水平的提高,人们在对食用鱼类选择上不断加量。随着人们的消费需求日益旺盛,野生鱼类的产量远远不能满足大量的食用需求,在一定程度上刺激了渔业养殖业的迅速发展。近年来,人们开始人工养殖部分食用鱼类,以达到改善居民生活水平的目的。
目前,现有的渔业养殖监测方式主要为人工定时定点监测,大多采用单一水质传感器设置在固定检测点进行定时定点监测,这样无法实时动态观测渔业养殖区域的水环境,且无法实现对渔业养殖区域的水环境进行全方位的数据监测与分析,从而使得现有的渔业养殖监测方式存在一定的局限性和滞后性,进一步降低渔业养殖区域水环境监测结果的精准性和科学性,导致渔业养殖区域内鱼苗生存或生长受到间接性的影响。
现有的渔业养殖监测方式缺乏对渔业养殖区域内鱼苗生长情况进行有效地自动化监测,导致无法采用量化数据对鱼苗生长情况进行高精度的评估,从而使得养殖人员无法根据鱼苗生长情况进行针对性的处理,影响渔业养殖人员的社会经济效益,进一步无法促进渔业养殖业的可持续发展。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出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。
为实现上述目的,第一方面,本发明提供一种基于物联网技术的渔业监测分析方法,包括以下步骤:
步骤一、渔业养殖区域划分:将待监测渔业养殖区域按照立体网格化划分方式划分为若干体积相同的渔业养殖子区域,并将各渔业养殖子区域按照设定顺序依次编号为1,2,...,i,...,n;
步骤二、区域水环境参数监测:对各渔业养殖子区域内各深度的水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数;
步骤三、区域水环境参数分析:分析各渔业养殖子区域的水环境因素符合比例系数,若某渔业养殖子区域的水环境因素符合比例系数小于预设的渔业养殖区域水环境因素符合比例系数阈值,则进行预警提醒,若各渔业养殖子区域的水环境因素符合比例系数均大于或等于预设的渔业养殖区域水环境因素符合比例系数阈值,则执行步骤四;
步骤四、区域鱼群生态因素信息获取:对各渔业养殖子区域进行定时拍摄,获取各渔业养殖子区域对应的鱼群生态因素信息,其中鱼群生态因素信息包括鱼苗生长信息和鱼群活动信息;
步骤五、区域鱼群生态因素信息解析:对各渔业养殖子区域对应的鱼群生态因素信息进行解析,分析得到待监测渔业养殖区域对应的鱼群生态因素符合比例系数;
步骤六、鱼苗生长环境适宜指数分析:根据各渔业养殖子区域的水环境因素符合比例系数和待监测渔业养殖区域对应的鱼群生态因素符合比例系数,分析待监测渔业养殖区域对应的鱼苗生长环境适宜指数,对比分析后进行对应的处理。
优选地,所述步骤二中各渔业养殖子区域内各深度水体的水环境参数具体获得方式为;
将各渔业养殖子区域按照水体深度等数划分方式进行划分,得到各渔业养殖子区域内各深度水体,并对各渔业养殖子区域内各深度水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数,其中水环境参数包括温度、溶解氧含量、盐度、PH值和光照强度,将各渔业养殖子区域内各深度水体的水环境参数标记为aijw,w=w1或w2或w3或w4或w5,aijw1、aijw2、aijw3、aijw4、aijw5分别表示为第i个渔业养殖子区域内第j个深度水体的温度、溶解氧含量、盐度、PH值、光照强度,i=1,2,...,n,j=1,2,...,m。
优选地,所述步骤三中分析各渔业养殖子区域的水环境因素符合比例系数,具体分析方式为:
提取渔业养殖数据库中存储的待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数,将待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数标记为w′适;
将各渔业养殖子区域内各深度水体的水环境参数aijw和待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数w′适代入水环境因素符合比例系数分析公式得到各渔业养殖子区域的水环境因素符合比例系数ξi,其中μ表示为预设的渔业养殖水环境因素符合修正指数,δw=δw1,δw2,δw3,δw4,δw5,δw1、δw2、δw3、δw4、δw5分别表示为预设的渔业养殖水体中温度、溶解氧含量、盐度、PH值、光照强度对应的符合比例影响因子,m表示为水体深度划分数量,aijw=aijw1,aijw2,aijw3,aijw4,aijw5,w′适=w′适1,w′适2,w′适3,w′适4,w′适5,w′适1、w′适2、w′适3、w′适4、w′适5分别表示为待监测渔业养殖区域对应养殖鱼苗的适宜温度、适宜溶解氧含量、适宜盐度、适宜PH值和适宜光照强度,Δw″误差=Δw″误差1,Δw″误差2,Δw″误差3,Δw″误差4,Δw″误差5,Δw″误差1、Δw″误差2、Δw″误差3、Δw″误差4、Δw″误差5分别表示为预设的渔业养殖水体对应的允许温度误差值、允许溶解氧含量误差值、允许盐度误差值、允许PH值误差值和允许光照强度误差值,e表示为自然常数。
优选地,所述步骤四中各渔业养殖子区域对应的鱼群生态因素信息获取方式为;
通过水下摄像头对各渔业养殖子区域进行定时拍摄,采集各渔业养殖子区域在预设拍摄周期内各采集时刻的鱼群图像,得到各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的生长信息,其中各鱼苗的生长信息包括长度和体积;
通过水下摄像头对各渔业养殖子区域进行实时监测,获取各渔业养殖子区域内鱼群出现时间点和鱼群消失时间点,得到各渔业养殖子区域对应鱼群活动时间段,并提取各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群活动信息,其中鱼群活动信息包括鱼群形状轮廓、鱼群体积和鱼群鱼苗数量。
优选地,所述步骤五中对各渔业养殖子区域对应的鱼群生态因素信息进行解析,具体包括:
根据各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的生长信息,提取各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的长度和体积,分析得到待监测渔业养殖区域在预设拍摄周期内各采集时刻中的平均鱼苗长度和平均鱼苗体积,并依次标记为和其中r=1,2,...,u,r表示为预设拍摄周期内第r个采集时刻的编号;
解析得到待监测渔业养殖区域对应的鱼苗生长趋势影响权重指数其中表示为待监测渔业养殖区域对应的鱼苗生长趋势影响权重指数,γ1、γ2分别表示为预设的鱼苗长度和鱼苗体积对应的生长趋势影响因子,u表示为预设拍摄周期对应的采集时刻数量,和分别表示为待监测渔业养殖区域在预设拍摄周期内第r+1个采集时刻中的平均鱼苗长度和平均鱼苗体积。
优选地,所述步骤五中对各渔业养殖子区域对应的鱼群生态因素信息进行解析,具体还包括:
根据各渔业养殖子区域内鱼群出现时间点和鱼群消失时间点,得到各渔业养殖子区域对应鱼群活动时长,将其记为Ti;
提取各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群形状轮廓,将各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群形状轮廓与其前一相邻监测时间点的鱼群形状轮廓进行对比,得到各渔业养殖子区域在鱼群活动时间段内各监测时间点与其前一相邻监测时间点的鱼群形状轮廓重合度,将其记为φi s,s=2,3,...,d,s表示为第s个监测时间点;
同理,提取各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群体积和鱼群鱼苗数量,对比得到各渔业养殖子区域在鱼群活动时间段内各监测时间点与其前一相邻监测时间点的鱼群体积差值和鱼群鱼苗数量差值,并依次标记为Δxi s、Δyi s;
解析得到待监测渔业养殖区域对应的鱼苗生长活性影响权重指数其中λ1、λ2分别表示为预设的鱼群活动时长和鱼群活动信息对应的生长活性影响因子,n表示为渔业养殖子区域的数量,d表示为监测时间点总数量,Δφ允、Δx允、Δy允分别表示为预设的鱼群形状轮廓重合度允许偏差值、鱼群体积允许偏差值和鱼群鱼苗数量允许偏差值。
优选地,所述步骤五中待监测渔业养殖区域对应的鱼群生态因素符合比例系数分析公式为其中ψ总表示为待监测渔业养殖区域对应的鱼群生态因素符合比例系数,ε1、ε2分别表示为预设的鱼苗生长趋势和鱼苗生长活性对渔业养殖生态因素的符合修正因子。
优选地,所述步骤六中待监测渔业养殖区域对应的鱼苗生长环境适宜指数具体分析方式为:
将各渔业养殖子区域的水环境因素符合比例系数ξi和待监测渔业养殖区域对应的鱼群生态因素符合比例系数ψ总代入公式得到待监测渔业养殖区域对应的鱼苗生长环境适宜指数θ,其中χ表示为预设的鱼苗生长环境补偿影响因子。
第二方面,本发明还提供一种基于物联网技术的渔业监测分析系统,包括:
渔业养殖区域划分模块,用于将待监测渔业养殖区域按照立体网格化划分方式划分为若干体积相同的渔业养殖子区域;
渔业养殖数据库,用于存储待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数;
区域水环境参数监测模块,用于对各渔业养殖子区域内各深度的水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数;
区域水环境参数分析模块,用于分析各渔业养殖子区域的水环境因素符合比例系数,若某渔业养殖子区域的水环境因素符合比例系数小于预设的渔业养殖区域水环境因素符合比例系数阈值,则进行预警提醒,若各渔业养殖子区域的水环境因素符合比例系数均大于或等于预设的渔业养殖区域水环境因素符合比例系数阈值,则执行区域鱼群生态因素信息获取模块;
区域鱼群生态因素信息获取模块,用于对各渔业养殖子区域进行定时拍摄,获取各渔业养殖子区域对应的鱼群生态因素信息,其中鱼群生态因素信息包括鱼苗生长信息和鱼群活动信息;
区域鱼群生态因素信息解析模块,用于对各渔业养殖子区域对应的鱼群生态因素信息进行解析,分析得到待监测渔业养殖区域对应的鱼群生态因素符合比例系数;
鱼苗生长环境适宜指数分析模块,用于根据各渔业养殖子区域的水环境因素符合比例系数和待监测渔业养殖区域对应的鱼群生态因素符合比例系数,分析待监测渔业养殖区域对应的鱼苗生长环境适宜指数,对比分析后进行对应的处理。
第三方面,本发明还提供一种基于物联网技术的渔业监测分析存储介质,所述计算机存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现本发明所述的一种基于物联网技术的渔业监测分析方法。
相对于现有技术,本发明具有以下有益效果:
本发明通过对各渔业养殖子区域内各深度的水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数,分析各渔业养殖子区域的水环境因素符合比例系数,并与预设的渔业养殖区域水环境因素符合比例系数阈值进行对比,根据对比结果进行对应的处理,从而实现动态观测渔业养殖区域的水环境,并且实现对渔业养殖区域的水环境进行全方位的数据监测与分析,进而打破现有方式的局限性和滞后性,提高渔业养殖区域水环境监测结果的精准性和科学性,进一步确保渔业养殖区域内鱼苗生存或生长不受间接性的影响。
本发明通过对各渔业养殖子区域进行定时拍摄,获取各渔业养殖子区域对应的鱼群生态因素信息,分析得到待监测渔业养殖区域对应的鱼群生态因素符合比例系数,从而实现对渔业养殖区域内鱼苗生长情况进行有效地自动化监测,进一步体现渔业养殖的智能化监测水平,同时综合分析待监测渔业养殖区域对应的鱼苗生长环境适宜指数,对比分析后进行对应的处理,从而能够采用量化数据对鱼苗生长情况进行高精度的评估,确保养殖人员能够根据鱼苗生长情况进行针对性的处理,进一步给渔业养殖人员带来极大的社会经济效益,促进渔业养殖业的可持续发展,实现渔业养殖信息化管理。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明的方法流程示意图;
图2为本发明的系统模块连接图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明的第一方面提供一种基于物联网技术的渔业监测分析方法,包括如下步骤:
步骤一、渔业养殖区域划分:将待监测渔业养殖区域按照立体网格化划分方式划分为若干体积相同的渔业养殖子区域,并将各渔业养殖子区域按照设定顺序依次编号为1,2,...,i,...,n。
步骤二、区域水环境参数监测:对各渔业养殖子区域内各深度的水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数。
在上述实施例的基础上,所述步骤二中各渔业养殖子区域内各深度水体的水环境参数具体获得方式为;
将各渔业养殖子区域按照水体深度等数划分方式进行划分,得到各渔业养殖子区域内各深度水体,并对各渔业养殖子区域内各深度水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数,其中水环境参数包括温度、溶解氧含量、盐度、PH值和光照强度,将各渔业养殖子区域内各深度水体的水环境参数标记为aijw,w=w1或w2或w3或w4或w5,aijw1、aijw2、aijw3、aijw4、aijw5分别表示为第i个渔业养殖子区域内第j个深度水体的温度、溶解氧含量、盐度、PH值、光照强度,i=1,2,...,n,j=1,2,...,m。
作为本发明的一个具体实施例,所述将水体监测终端分别伸入各渔业养殖子区域内各深度水体中,通过水体监测终端上安装的温度传感器对各渔业养殖子区域内各深度水体的温度进行监测;通过水体监测终端上安装的溶解氧传感器对各渔业养殖子区域内各深度水体的溶解氧含量进行监测;通过水体监测终端上安装的盐度计对各渔业养殖子区域内各深度水体的盐度进行监测;通过水体监测终端上安装的PH传感器对各渔业养殖子区域内各深度水体的PH值进行监测,通过水体监测终端上安装的光照强度测试仪对各渔业养殖子区域内各深度水体的光照强度进行监测。
步骤三、区域水环境参数分析:分析各渔业养殖子区域的水环境因素符合比例系数,若某渔业养殖子区域的水环境因素符合比例系数小于预设的渔业养殖区域水环境因素符合比例系数阈值,则进行预警提醒,若各渔业养殖子区域的水环境因素符合比例系数均大于或等于预设的渔业养殖区域水环境因素符合比例系数阈值,则执行步骤四。
在上述实施例的基础上,所述步骤三中分析各渔业养殖子区域的水环境因素符合比例系数,具体分析方式为:
提取渔业养殖数据库中存储的待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数,将待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数标记为w′适;
将各渔业养殖子区域内各深度水体的水环境参数aijw和待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数w′适代入水环境因素符合比例系数分析公式得到各渔业养殖子区域的水环境因素符合比例系数ξi,其中μ表示为预设的渔业养殖水环境因素符合修正指数, 分别表示为预设的渔业养殖水体中温度、溶解氧含量、盐度、PH值、光照强度对应的符合比例影响因子,m表示为水体深度划分数量,aijw=aijw1,aijw2,aijw3,aijw4,aijw5,w′适=w′适1,w′适2,w′适3,w′适4,w′适5,w′适1、w′适2、w′适3、w′适4、w′适5分别表示为待监测渔业养殖区域对应养殖鱼苗的适宜温度、适宜溶解氧含量、适宜盐度、适宜PH值和适宜光照强度,Δw″误差=Δw″误差1,Δw″误差2,Δw″误差3,Δw″误差4,Δw″误差5,Δw″误差1、Δw″误差2、Δw″误差3、Δw″误差4、Δw″误差5分别表示为预设的渔业养殖水体对应的允许温度误差值、允许溶解氧含量误差值、允许盐度误差值、允许PH值误差值和允许光照强度误差值,e表示为自然常数。
需要说明的是,本发明通过对各渔业养殖子区域内各深度的水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数,分析各渔业养殖子区域的水环境因素符合比例系数,并与预设的渔业养殖区域水环境因素符合比例系数阈值进行对比,根据对比结果进行对应的处理,从而实现动态观测渔业养殖区域的水环境,并且实现对渔业养殖区域的水环境进行全方位的数据监测与分析,进而打破现有方式的局限性和滞后性,提高渔业养殖区域水环境监测结果的精准性和科学性,进一步确保渔业养殖区域内鱼苗生存或生长不受间接性的影响。
步骤四、区域鱼群生态因素信息获取:对各渔业养殖子区域进行定时拍摄,获取各渔业养殖子区域对应的鱼群生态因素信息,其中鱼群生态因素信息包括鱼苗生长信息和鱼群活动信息。
在上述实施例的基础上,所述步骤四中各渔业养殖子区域对应的鱼群生态因素信息获取方式为;
通过水下摄像头对各渔业养殖子区域进行定时拍摄,采集各渔业养殖子区域在预设拍摄周期内各采集时刻的鱼群图像,得到各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的生长信息,其中各鱼苗的生长信息包括长度和体积;
通过水下摄像头对各渔业养殖子区域进行实时监测,获取各渔业养殖子区域内鱼群出现时间点和鱼群消失时间点,得到各渔业养殖子区域对应鱼群活动时间段,并提取各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群活动信息,其中鱼群活动信息包括鱼群形状轮廓、鱼群体积和鱼群鱼苗数量。
作为本发明的一个具体实施例,所述各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的生长信息获取方式为:
根据各渔业养殖子区域在预设拍摄周期内各采集时刻的鱼群图像,生成各渔业养殖子区域在预设拍摄周期内各采集时刻的鱼群三维点云数据,对各渔业养殖子区域在预设拍摄周期内各采集时刻的鱼群三维点云数据进行去噪处理,并对各渔业养殖子区域在预设拍摄周期内各采集时刻对应去噪后的鱼群三维点云数据进行鱼苗三维特征数据提取,得到各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的生长信息。
步骤五、区域鱼群生态因素信息解析:对各渔业养殖子区域对应的鱼群生态因素信息进行解析,分析得到待监测渔业养殖区域对应的鱼群生态因素符合比例系数。
在上述实施例的基础上,所述步骤五中对各渔业养殖子区域对应的鱼群生态因素信息进行解析,具体包括:
根据各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的生长信息,提取各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的长度和体积,分析得到待监测渔业养殖区域在预设拍摄周期内各采集时刻中的平均鱼苗长度和平均鱼苗体积,并依次标记为和其中r=1,2,...,u,r表示为预设拍摄周期内第r个采集时刻的编号;
解析得到待监测渔业养殖区域对应的鱼苗生长趋势影响权重指数其中表示为待监测渔业养殖区域对应的鱼苗生长趋势影响权重指数,γ1、γ2分别表示为预设的鱼苗长度和鱼苗体积对应的生长趋势影响因子,u表示为预设拍摄周期对应的采集时刻数量,和分别表示为待监测渔业养殖区域在预设拍摄周期内第r+1个采集时刻中的平均鱼苗长度和平均鱼苗体积。
作为本发明的一个具体实施例,所述待监测渔业养殖区域在预设拍摄周期内各采集时刻中的平均鱼苗长度分析公式为其中n表示为渔业养殖子区域的数量,g表示为鱼苗总数量,Lirbf表示为第i个渔业养殖子区域在预设拍摄周期内第r个采集时刻中第f颗鱼苗的长度,f=1,2,...,g。
在上述实施例的基础上,所述步骤五中对各渔业养殖子区域对应的鱼群生态因素信息进行解析,具体还包括:
根据各渔业养殖子区域内鱼群出现时间点和鱼群消失时间点,得到各渔业养殖子区域对应鱼群活动时长,将其记为Ti;
提取各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群形状轮廓,将各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群形状轮廓与其前一相邻监测时间点的鱼群形状轮廓进行对比,得到各渔业养殖子区域在鱼群活动时间段内各监测时间点与其前一相邻监测时间点的鱼群形状轮廓重合度,将其记为φi s,s=2,3,...,d,s表示为第s个监测时间点;
同理,提取各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群体积和鱼群鱼苗数量,对比得到各渔业养殖子区域在鱼群活动时间段内各监测时间点与其前一相邻监测时间点的鱼群体积差值和鱼群鱼苗数量差值,并依次标记为Δxi s、Δyi s;
解析得到待监测渔业养殖区域对应的鱼苗生长活性影响权重指数其中λ1、λ2分别表示为预设的鱼群活动时长和鱼群活动信息对应的生长活性影响因子,n表示为渔业养殖子区域的数量,d表示为监测时间点总数量,Δφ允、Δx允、Δy允分别表示为预设的鱼群形状轮廓重合度允许偏差值、鱼群体积允许偏差值和鱼群鱼苗数量允许偏差值。
在上述实施例的基础上,所述步骤五中待监测渔业养殖区域对应的鱼群生态因素符合比例系数分析公式为其中ψ总表示为待监测渔业养殖区域对应的鱼群生态因素符合比例系数,ε1、ε2分别表示为预设的鱼苗生长趋势和鱼苗生长活性对渔业养殖生态因素的符合修正因子。
步骤六、鱼苗生长环境适宜指数分析:根据各渔业养殖子区域的水环境因素符合比例系数和待监测渔业养殖区域对应的鱼群生态因素符合比例系数,分析待监测渔业养殖区域对应的鱼苗生长环境适宜指数,对比分析后进行对应的处理。
在上述实施例的基础上,所述步骤六中待监测渔业养殖区域对应的鱼苗生长环境适宜指数具体分析方式为:
将各渔业养殖子区域的水环境因素符合比例系数ξi和待监测渔业养殖区域对应的鱼群生态因素符合比例系数ψ总代入公式得到待监测渔业养殖区域对应的鱼苗生长环境适宜指数θ,其中χ表示为预设的鱼苗生长环境补偿影响因子。
作为本发明的一个具体实施例,所述将待监测渔业养殖区域对应的鱼苗生长环境适宜指数与预设的鱼苗生长环境适宜指数阈值进行对比,若待监测渔业养殖区域对应的鱼苗生长环境适宜指数大于或等于预设的鱼苗生长环境适宜指数阈值,表明待监测渔业养殖区域符合鱼苗生长环境,若待监测渔业养殖区域对应的鱼苗生长环境适宜指数小于预设的鱼苗生长环境适宜指数阈值,表明待监测渔业养殖区域不符合鱼苗生长环境,则对待监测渔业养殖区域进行针对性处理。
需要说明的是,本发明通过对各渔业养殖子区域进行定时拍摄,获取各渔业养殖子区域对应的鱼群生态因素信息,分析得到待监测渔业养殖区域对应的鱼群生态因素符合比例系数,从而实现对渔业养殖区域内鱼苗生长情况进行有效地自动化监测,进一步体现渔业养殖的智能化监测水平,同时综合分析待监测渔业养殖区域对应的鱼苗生长环境适宜指数,对比分析后进行对应的处理,从而能够采用量化数据对鱼苗生长情况进行高精度的评估,确保养殖人员能够根据鱼苗生长情况进行针对性的处理,进一步给渔业养殖人员带来极大的社会经济效益,促进渔业养殖业的可持续发展,实现渔业养殖信息化管理。
请参阅图2所示,本发明的第二方面提供一种基于物联网技术的渔业监测分析系统,包括渔业养殖区域划分模块、渔业养殖数据库、区域水环境参数监测模块、区域水环境参数分析模块、区域鱼群生态因素信息获取模块、区域鱼群生态因素信息解析模块和鱼苗生长环境适宜指数分析模块;
所述渔业养殖区域划分模块与区域水环境参数监测模块连接,所述区域水环境参数分析模块分别与区域水环境参数监测模块、渔业养殖数据库和区域鱼群生态因素信息获取模块连接,所述区域鱼群生态因素信息解析模块与区域鱼群生态因素信息获取模块连接,所述鱼苗生长环境适宜指数分析模块分别与区域水环境参数分析模块和区域鱼群生态因素信息解析模块连接。
所述渔业养殖区域划分模块用于将待监测渔业养殖区域按照立体网格化划分方式划分为若干体积相同的渔业养殖子区域;
所述渔业养殖数据库用于存储待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数;
所述区域水环境参数监测模块用于对各渔业养殖子区域内各深度的水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数;
所述区域水环境参数分析模块用于分析各渔业养殖子区域的水环境因素符合比例系数,若某渔业养殖子区域的水环境因素符合比例系数小于预设的渔业养殖区域水环境因素符合比例系数阈值,则进行预警提醒,若各渔业养殖子区域的水环境因素符合比例系数均大于或等于预设的渔业养殖区域水环境因素符合比例系数阈值,则执行区域鱼群生态因素信息获取模块;
所述区域鱼群生态因素信息获取模块用于对各渔业养殖子区域进行定时拍摄,获取各渔业养殖子区域对应的鱼群生态因素信息,其中鱼群生态因素信息包括鱼苗生长信息和鱼群活动信息;
所述区域鱼群生态因素信息解析模块用于对各渔业养殖子区域对应的鱼群生态因素信息进行解析,分析得到待监测渔业养殖区域对应的鱼群生态因素符合比例系数;
所述鱼苗生长环境适宜指数分析模块用于根据各渔业养殖子区域的水环境因素符合比例系数和待监测渔业养殖区域对应的鱼群生态因素符合比例系数,分析待监测渔业养殖区域对应的鱼苗生长环境适宜指数,对比分析后进行对应的处理。
本发明的第三方面提供一种基于物联网技术的渔业监测分析存储介质,所述计算机存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现本发明所述的一种基于物联网技术的渔业监测分析方法。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于物联网技术的渔业监测分析方法,其特征在于,包括如下步骤:
步骤一、渔业养殖区域划分:将待监测渔业养殖区域按照立体网格化划分方式划分为若干体积相同的渔业养殖子区域,并将各渔业养殖子区域按照设定顺序依次编号为1,2,...,i,...,n;
步骤二、区域水环境参数监测:对各渔业养殖子区域内各深度的水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数;
步骤三、区域水环境参数分析:分析各渔业养殖子区域的水环境因素符合比例系数,若某渔业养殖子区域的水环境因素符合比例系数小于预设的渔业养殖区域水环境因素符合比例系数阈值,则进行预警提醒,若各渔业养殖子区域的水环境因素符合比例系数均大于或等于预设的渔业养殖区域水环境因素符合比例系数阈值,则执行步骤四;
步骤四、区域鱼群生态因素信息获取:对各渔业养殖子区域进行定时拍摄,获取各渔业养殖子区域对应的鱼群生态因素信息,其中鱼群生态因素信息包括鱼苗生长信息和鱼群活动信息;
步骤五、区域鱼群生态因素信息解析:对各渔业养殖子区域对应的鱼群生态因素信息进行解析,分析得到待监测渔业养殖区域对应的鱼群生态因素符合比例系数;
步骤六、鱼苗生长环境适宜指数分析:根据各渔业养殖子区域的水环境因素符合比例系数和待监测渔业养殖区域对应的鱼群生态因素符合比例系数,分析待监测渔业养殖区域对应的鱼苗生长环境适宜指数,对比分析后进行对应的处理。
2.根据权利要求1所述的一种基于物联网技术的渔业监测分析方法,其特征在于:所述步骤二中各渔业养殖子区域内各深度水体的水环境参数具体获得方式为;
将各渔业养殖子区域按照水体深度等数划分方式进行划分,得到各渔业养殖子区域内各深度水体,并对各渔业养殖子区域内各深度水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数,其中水环境参数包括温度、溶解氧含量、盐度、PH值和光照强度,将各渔业养殖子区域内各深度水体的水环境参数标记为aijw,w=w1或w2或w3或w4或w5,aijw1、aijw2、aijw3、aijw4、aijw5分别表示为第i个渔业养殖子区域内第j个深度水体的温度、溶解氧含量、盐度、PH值、光照强度,i=1,2,...,n,j=1,2,...,m。
3.根据权利要求2所述的一种基于物联网技术的渔业监测分析方法,其特征在于:所述步骤三中分析各渔业养殖子区域的水环境因素符合比例系数,具体分析方式为:
提取渔业养殖数据库中存储的待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数,将待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数标记为w′适;
将各渔业养殖子区域内各深度水体的水环境参数aijw和待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数w′适代入水环境因素符合比例系数分析公式得到各渔业养殖子区域的水环境因素符合比例系数ξi,其中μ表示为预设的渔业养殖水环境因素符合修正指数, 分别表示为预设的渔业养殖水体中温度、溶解氧含量、盐度、PH值、光照强度对应的符合比例影响因子,m表示为水体深度划分数量,aijw=aijw1,aijw2,aijw3,aijw4,aijw5,w′适=w′适1,w′适2,w′适3,w′适4,w′适5,w′适1、w′适2、w′适3、w′适4、w′适5分别表示为待监测渔业养殖区域对应养殖鱼苗的适宜温度、适宜溶解氧含量、适宜盐度、适宜PH值和适宜光照强度,Δw″误差=Δw″误差1,Δw″误差2,Δw″误差3,Δw″误差4,Δw″误差5,Δw″误差1、Δw″误差2、Δw″误差3、Δw″误差4、Δw″误差5分别表示为预设的渔业养殖水体对应的允许温度误差值、允许溶解氧含量误差值、允许盐度误差值、允许PH值误差值和允许光照强度误差值,e表示为自然常数。
4.根据权利要求1所述的一种基于物联网技术的渔业监测分析方法,其特征在于:所述步骤四中各渔业养殖子区域对应的鱼群生态因素信息获取方式为;
通过水下摄像头对各渔业养殖子区域进行定时拍摄,采集各渔业养殖子区域在预设拍摄周期内各采集时刻的鱼群图像,得到各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的生长信息,其中各鱼苗的生长信息包括长度和体积;
通过水下摄像头对各渔业养殖子区域进行实时监测,获取各渔业养殖子区域内鱼群出现时间点和鱼群消失时间点,得到各渔业养殖子区域对应鱼群活动时间段,并提取各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群活动信息,其中鱼群活动信息包括鱼群形状轮廓、鱼群体积和鱼群鱼苗数量。
5.根据权利要求4所述的一种基于物联网技术的渔业监测分析方法,其特征在于:所述步骤五中对各渔业养殖子区域对应的鱼群生态因素信息进行解析,具体包括:
根据各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的生长信息,提取各渔业养殖子区域在预设拍摄周期内各采集时刻中各鱼苗的长度和体积,分析得到待监测渔业养殖区域在预设拍摄周期内各采集时刻中的平均鱼苗长度和平均鱼苗体积,并依次标记为和其中r=1,2,...,u,r表示为预设拍摄周期内第r个采集时刻的编号;
6.根据权利要求5所述的一种基于物联网技术的渔业监测分析方法,其特征在于:所述步骤五中对各渔业养殖子区域对应的鱼群生态因素信息进行解析,具体还包括:
根据各渔业养殖子区域内鱼群出现时间点和鱼群消失时间点,得到各渔业养殖子区域对应鱼群活动时长,将其记为Ti;
提取各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群形状轮廓,将各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群形状轮廓与其前一相邻监测时间点的鱼群形状轮廓进行对比,得到各渔业养殖子区域在鱼群活动时间段内各监测时间点与其前一相邻监测时间点的鱼群形状轮廓重合度,将其记为φi s,s=2,3,...,d,s表示为第s个监测时间点;
同理,提取各渔业养殖子区域在鱼群活动时间段内各监测时间点的鱼群体积和鱼群鱼苗数量,对比得到各渔业养殖子区域在鱼群活动时间段内各监测时间点与其前一相邻监测时间点的鱼群体积差值和鱼群鱼苗数量差值,并依次标记为Δxi s、Δyi s;
9.一种基于物联网技术的渔业监测分析系统,其特征在于,包括:
渔业养殖区域划分模块,用于将待监测渔业养殖区域按照立体网格化划分方式划分为若干体积相同的渔业养殖子区域;
渔业养殖数据库,用于存储待监测渔业养殖区域对应养殖鱼苗的适宜水环境参数;
区域水环境参数监测模块,用于对各渔业养殖子区域内各深度的水体进行监测,得到各渔业养殖子区域内各深度水体的水环境参数;
区域水环境参数分析模块,用于分析各渔业养殖子区域的水环境因素符合比例系数,若某渔业养殖子区域的水环境因素符合比例系数小于预设的渔业养殖区域水环境因素符合比例系数阈值,则进行预警提醒,若各渔业养殖子区域的水环境因素符合比例系数均大于或等于预设的渔业养殖区域水环境因素符合比例系数阈值,则执行区域鱼群生态因素信息获取模块;
区域鱼群生态因素信息获取模块,用于对各渔业养殖子区域进行定时拍摄,获取各渔业养殖子区域对应的鱼群生态因素信息,其中鱼群生态因素信息包括鱼苗生长信息和鱼群活动信息;
区域鱼群生态因素信息解析模块,用于对各渔业养殖子区域对应的鱼群生态因素信息进行解析,分析得到待监测渔业养殖区域对应的鱼群生态因素符合比例系数;
鱼苗生长环境适宜指数分析模块,用于根据各渔业养殖子区域的水环境因素符合比例系数和待监测渔业养殖区域对应的鱼群生态因素符合比例系数,分析待监测渔业养殖区域对应的鱼苗生长环境适宜指数,对比分析后进行对应的处理。
10.一种基于物联网技术的渔业监测分析存储介质,其特征在于:所述计算机存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现上述权利要求1-8任一项所述的一种基于物联网技术的渔业监测分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210802919.7A CN115067243B (zh) | 2022-07-07 | 2022-07-07 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210802919.7A CN115067243B (zh) | 2022-07-07 | 2022-07-07 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115067243A true CN115067243A (zh) | 2022-09-20 |
CN115067243B CN115067243B (zh) | 2024-02-13 |
Family
ID=83257379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210802919.7A Active CN115067243B (zh) | 2022-07-07 | 2022-07-07 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115067243B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115616183A (zh) * | 2022-11-29 | 2023-01-17 | 深圳市猫头鹰智慧科技有限公司 | 水产养殖用水质监测预警系统 |
CN116307893A (zh) * | 2023-03-20 | 2023-06-23 | 广东海洋大学 | 基于数据分析的鱼类增殖放流水域适宜性评估系统 |
CN116384743A (zh) * | 2023-03-29 | 2023-07-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
CN116843493A (zh) * | 2023-07-03 | 2023-10-03 | 惠州可道科技股份有限公司 | 一种基于物联网的油茶林种植生态数字监测管理系统 |
CN117223666A (zh) * | 2023-09-15 | 2023-12-15 | 中国科学院水生生物研究所 | 一种水产养殖环境精准投喂智能系统开发平台及使用方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110032153A (zh) * | 2019-03-27 | 2019-07-19 | 陈小勇 | 一种基于物联网的智能化渔业养殖系统及使用方法 |
JP2019135986A (ja) * | 2018-02-13 | 2019-08-22 | 株式会社Aiハヤブサ | 人工知能による漁獲物識別システム、管理システム及び物流システム |
CN111127411A (zh) * | 2019-12-17 | 2020-05-08 | 北京深测科技有限公司 | 一种渔业养殖的监测控制方法 |
CN111624037A (zh) * | 2020-06-12 | 2020-09-04 | 顾晓东 | 一种基于大数据的水产养殖业水体环境智能监测系统 |
CN111657189A (zh) * | 2020-06-15 | 2020-09-15 | 张玉红 | 一种基于大数据的渔业水产养殖日常监测管理系统 |
CN112506120A (zh) * | 2020-12-02 | 2021-03-16 | 中国农业科学院农业信息研究所 | 一种基于物联网的智慧渔业管理系统 |
CN112578725A (zh) * | 2020-12-16 | 2021-03-30 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔业水上养殖设施安全预警系统及方法 |
CN112866644A (zh) * | 2021-01-09 | 2021-05-28 | 南京魏东电子商务有限公司 | 基于大数据和物联网协同作用的渔业养殖在线智能监测平台及云服务器 |
CN113109533A (zh) * | 2021-04-14 | 2021-07-13 | 武汉军轩天防科技有限公司 | 基于物联网和大数据分析的水体水质在线智能监测分析处理方法 |
JP2021166507A (ja) * | 2020-04-08 | 2021-10-21 | 上海海洋大学Shanghai Ocean University | 掃過面積に基づいて推定された漁業資源量の補正方法及びその応用 |
-
2022
- 2022-07-07 CN CN202210802919.7A patent/CN115067243B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019135986A (ja) * | 2018-02-13 | 2019-08-22 | 株式会社Aiハヤブサ | 人工知能による漁獲物識別システム、管理システム及び物流システム |
CN110032153A (zh) * | 2019-03-27 | 2019-07-19 | 陈小勇 | 一种基于物联网的智能化渔业养殖系统及使用方法 |
CN111127411A (zh) * | 2019-12-17 | 2020-05-08 | 北京深测科技有限公司 | 一种渔业养殖的监测控制方法 |
JP2021166507A (ja) * | 2020-04-08 | 2021-10-21 | 上海海洋大学Shanghai Ocean University | 掃過面積に基づいて推定された漁業資源量の補正方法及びその応用 |
CN111624037A (zh) * | 2020-06-12 | 2020-09-04 | 顾晓东 | 一种基于大数据的水产养殖业水体环境智能监测系统 |
CN111657189A (zh) * | 2020-06-15 | 2020-09-15 | 张玉红 | 一种基于大数据的渔业水产养殖日常监测管理系统 |
CN112506120A (zh) * | 2020-12-02 | 2021-03-16 | 中国农业科学院农业信息研究所 | 一种基于物联网的智慧渔业管理系统 |
CN112578725A (zh) * | 2020-12-16 | 2021-03-30 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔业水上养殖设施安全预警系统及方法 |
CN112866644A (zh) * | 2021-01-09 | 2021-05-28 | 南京魏东电子商务有限公司 | 基于大数据和物联网协同作用的渔业养殖在线智能监测平台及云服务器 |
CN113109533A (zh) * | 2021-04-14 | 2021-07-13 | 武汉军轩天防科技有限公司 | 基于物联网和大数据分析的水体水质在线智能监测分析处理方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115616183A (zh) * | 2022-11-29 | 2023-01-17 | 深圳市猫头鹰智慧科技有限公司 | 水产养殖用水质监测预警系统 |
CN115616183B (zh) * | 2022-11-29 | 2023-03-31 | 深圳市猫头鹰智慧科技有限公司 | 水产养殖用水质监测预警系统 |
CN116307893A (zh) * | 2023-03-20 | 2023-06-23 | 广东海洋大学 | 基于数据分析的鱼类增殖放流水域适宜性评估系统 |
CN116307893B (zh) * | 2023-03-20 | 2024-01-30 | 广东海洋大学 | 基于数据分析的鱼类增殖放流水域适宜性评估系统 |
CN116384743A (zh) * | 2023-03-29 | 2023-07-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
CN116384743B (zh) * | 2023-03-29 | 2024-01-19 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
CN116843493A (zh) * | 2023-07-03 | 2023-10-03 | 惠州可道科技股份有限公司 | 一种基于物联网的油茶林种植生态数字监测管理系统 |
CN116843493B (zh) * | 2023-07-03 | 2024-01-02 | 惠州可道科技股份有限公司 | 一种基于物联网的油茶林种植生态数字监测管理系统 |
CN117223666A (zh) * | 2023-09-15 | 2023-12-15 | 中国科学院水生生物研究所 | 一种水产养殖环境精准投喂智能系统开发平台及使用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115067243B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Heino | Patterns of functional biodiversity and function‐environment relationships in lake littoral macroinvertebrates | |
Möller et al. | Marine snow, zooplankton and thin layers: indications of a trophic link from small-scale sampling with the Video Plankton Recorder | |
CN109591982A (zh) | 一种无人监控水下养殖机器人 | |
Shaklee et al. | Analysis of fish stock structure and mixed-stock fisheries by the electrophoretic characterization of allelic isozymes | |
CN112526097A (zh) | 一种基于大数据分析的养殖水体环境智能监测管理系统 | |
Hawley et al. | Fine-scale behavioural differences distinguish resource use by ecomorphs in a closed ecosystem | |
Yasuda et al. | Identifying spawning events in the Japanese flounder Paralichthys olivaceus from depth time-series data | |
Jin et al. | Modeling the oceanographic impacts on the spatial distribution of common cephalopods during autumn in the Yellow Sea | |
Mooney et al. | Statolith morphometrics as a tool to distinguish among populations of three cubozoan species | |
Doyle et al. | A full life history synthesis of Arrowtooth Flounder ecology in the Gulf of Alaska: exposure and sensitivity to potential ecosystem change | |
Basedow et al. | Habitat selection by a marine copepod during the productive season in the Subarctic | |
Flynn et al. | Micronekton assemblages and bioregional setting of the Great Australian Bight: A temperate northern boundary current system | |
Zheng et al. | Geometric morphometric analysis of the Chinese mitten crab Eriocheir sinensis: A potential approach for geographical origin authentication | |
Chen et al. | Establishing an eyeball-weight relationship for Litopenaeus vannamei using machine vision technology | |
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 | |
Smith et al. | Modelling estuarine stocking density for crustaceans using net ecosystem metabolism | |
CN114419432B (zh) | 一种鱼群摄食强度评估方法及装置 | |
CN110738385A (zh) | 一种基于Ecospace模型的岛屿生态系统现状评估与发展预测方法 | |
Butler | Comparison of the early life history parameters of Pacific sardine and northern anchovy and implications for species interactions | |
Nothling et al. | The relationship between hatchling mass and egg volume in the Nile crocodile (Crocodylus niloticus): The productivity of eggs varies | |
McShane | Patch dynamics and effects of exploitation on abalone (Haliotis iris) populations | |
Yang et al. | Genetic evaluation of Chinese shrimp (Fenneropenaeus chinensis) stock enhancement in the Yellow Sea and Bohai Sea based on mitochondrial DNA control region | |
Shukla et al. | Studies on length-weight relationship of exotic fishes and their Gastrosomatic index from ranitalab, Rewa (MP) | |
Rezaei et al. | Morphological variability of the Aspius aspius taeniatus (Eichwald, 1831) in the southern Caspian Sea basin |
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 |
Effective date of registration: 20240325 Address after: No. 60, Group 17, Laowei Village, Liji Township, Guannan County, Lianyungang, Jiangsu Province, 223500 Patentee after: Song Dangjian Country or region after: China Address before: 430070 No. 73, Guanggu Chuangye street, Hongshan District, Wuhan City, Hubei Province Patentee before: Wuhan Daduoyu Fishing Tackle Co.,Ltd. Country or region before: China |
|
TR01 | Transfer of patent right |