CN115211410B - 一种小型养殖鱼池水下分级捕捞装置及方法 - Google Patents

一种小型养殖鱼池水下分级捕捞装置及方法 Download PDF

Info

Publication number
CN115211410B
CN115211410B CN202211048559.2A CN202211048559A CN115211410B CN 115211410 B CN115211410 B CN 115211410B CN 202211048559 A CN202211048559 A CN 202211048559A CN 115211410 B CN115211410 B CN 115211410B
Authority
CN
China
Prior art keywords
fish
fishing
culture
pond
sample set
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
CN202211048559.2A
Other languages
English (en)
Other versions
CN115211410A (zh
Inventor
邹志勇
吴清松
许丽佳
陈杰
饶勇
刘超
王玉超
赵永鹏
黄鹏
唐座亮
陈章
文华
查光
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.)
Sichuan Fusion Link Technology Co ltd
Sichuan Agricultural University
Original Assignee
Sichuan Fusion Link Technology Co ltd
Sichuan Agricultural 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 Sichuan Fusion Link Technology Co ltd, Sichuan Agricultural University filed Critical Sichuan Fusion Link Technology Co ltd
Priority to CN202211048559.2A priority Critical patent/CN115211410B/zh
Publication of CN115211410A publication Critical patent/CN115211410A/zh
Application granted granted Critical
Publication of CN115211410B publication Critical patent/CN115211410B/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; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K74/00—Other catching nets or the like
    • 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
    • A01K61/90—Sorting, grading, counting or marking live aquatic animals, e.g. sex determination
    • A01K61/95—Sorting, grading, counting or marking live aquatic animals, e.g. sex determination specially adapted for fish
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Tourism & Hospitality (AREA)
  • Zoology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mining & Mineral Resources (AREA)
  • Evolutionary Biology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)

Abstract

本发明公开了一种小型养殖鱼池水下分级捕捞装置及方法，捕捞装置包括捕捞箱，捕捞箱的下端从下至上依次设置有多级捕捞网，捕捞箱的上端设置有拦网，每级捕捞网和拦网的边沿均设置有牵拉绳，牵拉绳的两端分别固定在从动辊和主动辊上；驱动电机安装在捕捞箱上；捕捞箱上端的四个角上均设置有链条，四根链条均固定在称重装置上，称重装置设置在捕捞装置上。预测方法包括步骤S1‑S14。本发明设计的养殖鱼池水下分级捕捞装置具有重大的现实意义，能够根据鱼的大小不同高效进行分类捕捞的同时又能够极大程度减少对鱼体的伤害，对鱼的后期生产加工起到促进作用，同时每次捕捞完成后对鱼的生存活力指数进行预测，方便对鱼的养殖技术进行改进。

Description

一种小型养殖鱼池水下分级捕捞装置及方法
技术领域
本发明涉及鱼类养殖技术领域，具体涉及一种小型养殖鱼池水下分级捕捞装置及方法。
背景技术
在鱼养殖过程中，鱼的规格分选、成鱼捕捞是鱼类养殖生产的重要环节，由于不同鱼的规格及摄食能力不同，不同竞争力的鱼生长状态不同，同时在成鱼捕捞销售时，鱼体的大小也会存在较大的差异，故分级捕捞是水产养殖产业链的重要一环，不仅能够使竞争力小的鱼也能够更好的生长、提高饲料的利用率，同时成鱼分级能够使得产品的销售更加规范化。养殖鱼类捕捞分级大致可分为人工分级和机械分级两种，人工分级的方法效率十分低下，需要耗费大量的人力，由于主要靠人眼识别，难以达到规范分级标准，同时，鱼类长时间的高密度聚集会造成其缺氧损伤。机械分级易对鱼体造成损害，使鱼的死亡率增高，影响经济效益。同时鱼养殖过程中的存活率是养殖技术的关键，现有技术中没有能根据捕捞鱼的情况对养殖鱼池的存活率进行预测的方法，导致养殖技术无法更新和改进。
发明内容
针对现有技术的上述不足，本发明提供了一种实现鱼类分级捕捞以及存活率预测的小型养殖鱼池水下分级捕捞装置及方法。
为达到上述发明目的，本发明所采用的技术方案为：
提供一种小型养殖鱼池水下分级捕捞装置，其包括捕捞箱，捕捞箱的上端和下端均开口，捕捞箱的下端从下至上依次设置有多级捕捞网，每级捕捞网的目数从下至上依次增大，捕捞箱的上端设置有拦网，每级捕捞网和拦网的边沿均设置有牵拉绳，牵拉绳的两端分别固定在从动辊和主动辊上；从动辊和主动辊分别转动设置在捕捞箱的两端，主动辊和从动辊的转轴上均设置有驱动电机，驱动电机安装在捕捞箱上；捕捞网上设置的牵拉绳的长度大于捕捞网的长度，使得牵拉绳在捕捞网端部上设置便于鱼进入捕捞箱的间隙；捕捞箱上端的四个角上均设置有链条，四根链条均固定在称重装置上，称重装置设置在捕捞装置上。
提供一种利用上述小型养殖鱼池水下分级捕捞装置对养殖鱼池内鱼存活率进行预测的方法，其包括以下步骤：
S1：将目标鱼的饵料投放到分级捕捞装置内，驱动从动辊缠绕收起所有捕捞网，并使牵拉绳形成的间隙完全暴露；
S2：目标鱼经过饵料的诱惑，从捕捞箱的底部进入捕捞箱内，当捕捞箱内有足够的目标鱼后，驱动主动辊转动，牵拉绳牵拉对应目数的捕捞网封堵捕捞箱的下端，使目标鱼困在捕捞箱内，比目标鱼小的鱼类从捕捞网的孔洞跑出；
S3：捕捞装置将装有目标鱼的捕捞箱从水中拉出，称量此养殖鱼池捕捞出的鱼的重量S，
S4：分级捕捞装置每捕捞一个养殖鱼池均称量一次鱼的重量S，根据鱼的重量和此次捕捞时理想条件下鱼的重量s计算存活的条数h：h＝S/s；
S5：利用存活的条数h计算养殖鱼池的存活率SAI：
Figure BDA0003822975750000021
其中，I为鱼养殖的天数，N为起始放入养殖鱼池的鱼数量，k为理想条件下鱼全部死亡所需的天数；
S6：选取N个养殖鱼池中不同养殖天数的存活率以及水质参数作为鱼存活率预测的样本集，得到N个养殖鱼池的数据信息矩阵XN；
Figure BDA0003822975750000031
其中，x11、x21、···、xN1为N个养殖鱼池中的水质参数，x12、x22、···、xN2为N个养殖鱼池中第T1天捕捞的鱼的存活率，x13、x23、···、xN3为N个养殖鱼池中第T2天捕捞的鱼的存活率；x14、x24、···、xN4为N个养殖鱼池中第T3天捕捞的鱼的存活率，x15、x25、···、xN5为N个养殖鱼池中第T4天捕捞的鱼的存活率，x16、x26、···、xN6为N个养殖鱼池中第T5天捕捞的鱼的存活率；T5＞T4＞T3＞T2＞T1；
S7：在样本集的N个养殖鱼池中选择M个养殖鱼池作为训练样本集，N-M个养殖鱼池作为测试样本集，N＞M；得到训练样本集的数据信息矩阵XM、测试样本集的数据信息矩阵XN-M；
Figure BDA0003822975750000032
Figure BDA0003822975750000033
S8：建立鱼生存活力的指数信息y，在N个养殖鱼池中选择M个养殖鱼池的鱼生存活力指数信息作为训练样本集的鱼生存活力的向量信息yM，选择N-M个养殖鱼池的鱼生存活力指数信息作为测试样本集的鱼生存活力的向量信息yN-M；
Figure BDA0003822975750000034
Figure BDA0003822975750000035
S9：提取出每个养殖鱼池的数据信息矩阵，计算单位向量使θ达到最大，得到养殖鱼池中存活率、水质参数和鱼生存活力的指数信息之间相关的权重ω1；
X1＝[x11 x21…xM1]T
X2＝[x12 x22…xM2]T
X3＝[x13 x23…xM3]T
X4＝[x14 x24…xM4]T
X5＝[x15 x25…xM5]T
X6＝[x16 x26…xM6]T
t1＝X1ω11+X2ω12+…+X6ω16
Figure BDA0003822975750000041
其中，T为转置，θ为养殖鱼池数据信息矩阵权重的分值，t1为养殖鱼池的存活率、水质参数和鱼生存活力的指数信息之间带权重的线性组合，X为任一养殖鱼池的数据信息矩阵；
S10：建立鱼生存活力指数的PLSR回归模型：
Figure BDA0003822975750000042
Figure BDA0003822975750000043
其中，α为养殖鱼池的数据信息的回归系数向量；β是鱼生存活力的指数信息的回归系数向量，t1为养殖鱼池中存活率、水质参数和鱼生存活力的指数信息之间带权重的线性组合；
S11：以回归系数向量α和权重ω1建立鱼存活率的预测回归方程fi：
fi＝XMαω1
将数据信息矩阵XM代入预测回归方程fi中，计算出预测回归方程fi的系数，得到预测回归方程fi：
fi＝aX1+bX2+cX3+dX4+eX5+fX6
其中，a、b、c、d、e和f均为系数；
S12：将测试样本集的数据信息矩阵XN-M输入预测回归方程fi中，得到测试样本集中每个养殖鱼池预测的鱼的活力指数fN-M：
fN-M＝XN-Mαω1
S13：利用测试样本集计算预测的鱼的活力指数的决定系数R2和均方根误差RMSE：
Figure BDA0003822975750000051
Figure BDA0003822975750000052
/>
其中，yi为测试样本集中养殖鱼池鱼的真实生存活力指数，
Figure BDA0003822975750000053
为测试样本集鱼的真实生存活力指数的平均值，i为测试样本集中任一养殖鱼池；
S14：将决定系数R2和均方根误差RMSE分别与决定系数阈值R阈值和均方根误差阈值RMSE阈值进行比较：
若R2≥R阈值，且RMSE＜RMSE阈值，则判定求得的预测回归方程fi满足要求；否则，返回步骤S11，修正系数a、b、c、d、e和f，再利用测试样本集执行步骤S12-S14，直到求得的预测回归方程fi满足步骤S14的要求。
本发明的有益效果为：本发明设计的养殖鱼池水下分级捕捞装置具有重大的现实意义，能够根据鱼的大小不同高效进行分类捕捞的同时又能够极大程度减少对鱼体的伤害，能够促进渔业自动化发展，对鱼的后期生产加工起到促进作用，同时每次捕捞完成后对鱼的生存活力指数进行预测，对鱼生长环境进行监测，方便对鱼的养殖技术进行改进，促进鱼养殖技术的进步。
与传统人工分级捕捞相比，本发明提高了捕捞效率，同时采用水下分级，不会对鱼鳞刮伤损害，减小对鱼个体的损伤，与传统机械分级装置相比，采用柔性材质的分级网，能够保护鱼体，同时采用多层多级捕捞分级网，能够使得鱼苗分级更加精细化，无需捕捞后再次利用人工进行分级。不同渔期，可更换不同组网，调整相应网格大小，实现不同渔期鱼的定向捕捞，不同时段对鱼进行捕捞并记录鱼的存活率，输出生存活力指数，能够对养殖鱼池内的鱼种生存活力指数进行预测。
附图说明
图1为小型养殖鱼池水下分级捕捞装置的结构图。
图2为小型养殖鱼池水下分级捕捞装置的内部结构图。
其中，1、捕捞箱，2、链条，3、拦网，4、主动辊，5、驱动电机，6、牵拉绳，7、从动辊，8、捕捞网。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1和图2所示，本方案的小型养殖鱼池水下分级捕捞装置包括捕捞箱1，捕捞箱1的上端和下端均开口，捕捞箱1的下端从下至上依次设置有多级捕捞网8，每级捕捞网8的目数从下至上依次增大，捕捞箱1的上端设置有拦网3，每级捕捞网8和拦网3的边沿均设置有牵拉绳6，牵拉绳6的两端分别固定在从动辊7和主动辊4上；从动辊7和主动辊4分别转动设置在捕捞箱1的两端，主动辊4和从动辊7的转轴上均设置有驱动电机5，驱动电机5安装在捕捞箱1上；捕捞网8上设置的牵拉绳6的长度大于捕捞网8的长度，使得牵拉绳6在捕捞网8端部上设置便于鱼进入捕捞箱1的间隙；捕捞箱1上端的四个角上均设置有链条2，四根链条2均固定在称重装置上，称重装置设置在捕捞装置上。
多级捕捞网8主要分纵向三层，第一层主要驱动控制第一级捕捞网，第一级捕捞网在最上层采用40网目且网眼对角拉直长4厘米，主要用于捕捞分级小鲫鱼、大白条等小型鱼苗；第二层主要驱动控制第二级捕捞网，第二级捕捞网在中间层采用30网目且网眼对角拉直长8厘米，主要用于捕捞分级罗非鱼、大鲫鱼、鳊鱼等半成鱼；第三层主要驱动控制第三级捕捞网，第三级捕捞网在最下层采用18网目且网眼对角拉直长12厘米，主要用于捕捞分级青鱼、鲢鱼、草鱼等体长较长的成鱼。最上方为拦网3，用于捕捞作业完成后的收网工作，使得整个水下分级捕捞装置封闭。
利用上述小型养殖鱼池水下分级捕捞装置对养殖鱼池内鱼存活率进行预测的方法包括以下步骤：
S1：将目标鱼的饵料投放到分级捕捞装置内，驱动从动辊7缠绕收起所有捕捞网8，并使牵拉绳6形成的间隙完全暴露；
S2：目标鱼经过饵料的诱惑，从捕捞箱1的底部进入捕捞箱1内，当捕捞箱1内有足够的目标鱼后，驱动主动辊4转动，牵拉绳6牵拉对应目数的捕捞网8封堵捕捞箱1的下端，使目标鱼困在捕捞箱1内，比目标鱼小的鱼类从捕捞网8的孔洞跑出；
S3：捕捞装置将装有目标鱼的捕捞箱1从水中拉出，称量此养殖鱼池捕捞出的鱼的重量S，
S4：分级捕捞装置每捕捞一个养殖鱼池均称量一次鱼的重量S，根据鱼的重量和此次捕捞时理想条件下鱼的重量s计算存活的条数h：h＝S/s；
S5：利用存活的条数h计算养殖鱼池的存活率SAI：
Figure BDA0003822975750000081
其中，I为鱼养殖的天数，N为起始放入养殖鱼池的鱼数量，k为理想条件下鱼全部死亡所需的天数；
S6：选取N个养殖鱼池中不同养殖天数的存活率以及水质参数作为鱼存活率预测的样本集，得到N个养殖鱼池的数据信息矩阵XN；
Figure BDA0003822975750000082
其中，x11、x21、···、xN1为N个养殖鱼池中的水质参数，x12、x22、···、xN2为N个养殖鱼池中第T1天捕捞的鱼的存活率，x13、x23、···、xN3为N个养殖鱼池中第T2天捕捞的鱼的存活率；x14、x24、···、xN4为N个养殖鱼池中第T3天捕捞的鱼的存活率，x15、x25、···、xN5为N个养殖鱼池中第T4天捕捞的鱼的存活率，x16、x26、···、xN6为N个养殖鱼池中第T5天捕捞的鱼的存活率；T5＞T4＞T3＞T2＞T1；
S7：在样本集的N个养殖鱼池中选择M个养殖鱼池作为训练样本集，N-M个养殖鱼池作为测试样本集，N＞M；得到训练样本集的数据信息矩阵XM、测试样本集的数据信息矩阵XN-M；
Figure BDA0003822975750000083
Figure BDA0003822975750000091
S8：建立鱼生存活力的指数信息y，在N个养殖鱼池中选择M个养殖鱼池的鱼生存活力指数信息作为训练样本集的鱼生存活力的向量信息yM，选择N-M个养殖鱼池的鱼生存活力指数信息作为测试样本集的鱼生存活力的向量信息yN-M；
Figure BDA0003822975750000092
Figure BDA0003822975750000093
S9：提取出每个养殖鱼池的数据信息矩阵，计算单位向量使θ达到最大，得到养殖鱼池中存活率、水质参数和鱼生存活力的指数信息之间相关的权重ω1；
X1＝[x11 x21…xM1]T
X2＝[x12 x22…xM2]T
X3＝[x13 x23…xM3]T
X4＝[x14 x24…xM4]T
X5＝[x15 x25…xM5]T
X6＝[x16 x26…xM6]T
t1＝X1ω11+X2ω12+…+X6ω16
Figure BDA0003822975750000094
其中，T为转置，θ为养殖鱼池数据信息矩阵权重的分值，t1为养殖鱼池的存活率、水质参数和鱼生存活力的指数信息之间带权重的线性组合，X为任一养殖鱼池的数据信息矩阵；
S10：建立鱼生存活力指数的PLSR回归模型：
Figure BDA0003822975750000101
Figure BDA0003822975750000102
其中，α为养殖鱼池的数据信息的回归系数向量；β是鱼生存活力的指数信息的回归系数向量，t1为养殖鱼池中存活率、水质参数和鱼生存活力的指数信息之间带权重的线性组合；
S11：以回归系数向量α和权重ω1建立鱼存活率的预测回归方程fi：
fi＝XMαω1
将数据信息矩阵XM代入预测回归方程fi中，计算出预测回归方程fi的系数，得到预测回归方程fi：
fi＝aX1+bX2+cX3+dX4+eX5+fX6
其中，a、b、c、d、e和f均为系数；
S12：将测试样本集的数据信息矩阵XN-M输入预测回归方程fi中，得到测试样本集中每个养殖鱼池预测的鱼的活力指数fN-M：
fN-M＝XN-Mαω1
S13：利用测试样本集计算预测的鱼的活力指数的决定系数R2和均方根误差RMSE：
Figure BDA0003822975750000103
Figure BDA0003822975750000104
其中，yi为测试样本集中养殖鱼池鱼的真实生存活力指数，
Figure BDA0003822975750000105
为测试样本集鱼的真实生存活力指数的平均值，i为测试样本集中任一养殖鱼池；
S14：将决定系数R2和均方根误差RMSE分别与决定系数阈值R阈值和均方根误差阈值RMSE阈值进行比较：
若R2≥R阈值，且RMSE＜RMSE阈值，则判定求得的预测回归方程fi满足要求；否则，返回步骤S11，修正系数a、b、c、d、e和f，再利用测试样本集执行步骤S12-S14，直到求得的预测回归方程fi满足步骤S14的要求。
本发明设计的养殖鱼池水下分级捕捞装置具有重大的现实意义，能够根据鱼的大小不同高效进行分类捕捞的同时又能够极大程度减少对鱼体的伤害，能够促进渔业自动化发展，对鱼的后期生产加工起到促进作用，同时每次捕捞完成后对鱼的生存活力指数进行预测，对鱼生长环境进行监测，方便对鱼的养殖技术进行改进，促进鱼养殖技术的进步。
与传统人工分级捕捞相比，本发明提高了捕捞效率，同时采用水下分级，不会对鱼鳞刮伤损害，减小对鱼个体的损伤，与传统机械分级装置相比，采用柔性材质的分级网，能够保护鱼体，同时采用多层多级捕捞分级网，能够使得鱼苗分级更加精细化，无需捕捞后再次利用人工进行分级。不同渔期，可更换不同组网，调整相应网格大小，实现不同渔期鱼的定向捕捞，不同时段对鱼进行捕捞并记录鱼的存活率，输出生存活力指数，能够对养殖鱼池内的鱼种生存活力指数进行预测。

Claims (1)

1.一种利用小型养殖鱼池水下分级捕捞装置对养殖鱼池内鱼存活率进行预测的方法，所述小型养殖鱼池水下分级捕捞装置包括捕捞箱，所述捕捞箱的上端和下端均开口，所述捕捞箱的下端从下至上依次设置有多级捕捞网，每级捕捞网的目数从下至上依次增大，所述捕捞箱的上端设置有拦网，每级所述捕捞网和拦网的边沿均设置有牵拉绳，所述牵拉绳的两端分别固定在从动辊和主动辊上；
所述从动辊和主动辊分别转动设置在捕捞箱的两端，所述主动辊和从动辊的转轴上均设置有驱动电机，所述驱动电机安装在捕捞箱上；所述捕捞网上设置的牵拉绳的长度大于捕捞网的长度，使得牵拉绳在捕捞网端部上设置便于鱼进入捕捞箱的间隙；
所述捕捞箱上端的四个角上均设置有链条，四根所述链条均固定在称重装置上，所述称重装置设置在捕捞装置上；
其特征在于，包括以下步骤：
S1：将目标鱼的饵料投放到分级捕捞装置内，驱动从动辊缠绕收起所有捕捞网，并使牵拉绳形成的间隙完全暴露；
S2：目标鱼经过饵料的诱惑，从捕捞箱的底部进入捕捞箱内，当捕捞箱内有足够的目标鱼后，驱动主动辊转动，牵拉绳牵拉对应目数的捕捞网封堵捕捞箱的下端，使目标鱼困在捕捞箱内，比目标鱼小的鱼类从捕捞网的孔洞跑出；
S3：捕捞装置将装有目标鱼的捕捞箱从水中拉出，称量此养殖鱼池捕捞出的鱼的重量S，
S4：分级捕捞装置每捕捞一个养殖鱼池均称量一次鱼的重量S，根据鱼的重量和此次捕捞时理想条件下鱼的重量s计算存活的条数h：h＝S/s；
S5：利用存活的条数h计算养殖鱼池的存活率SAI：
Figure FDA0004184596370000021
其中，I为鱼养殖的天数，N为起始放入养殖鱼池的鱼数量，k为理想条件下鱼全部死亡所需的天数；
S6：选取N个养殖鱼池中不同养殖天数的存活率以及水质参数作为鱼存活率预测的样本集，得到N个养殖鱼池的数据信息矩阵XN；
Figure FDA0004184596370000022
其中，x11、x21、···、xN1为N个养殖鱼池中的水质参数，x12、x22、···、xN2为N个养殖鱼池中第T1天捕捞的鱼的存活率，x13、x23、···、xN3为N个养殖鱼池中第T2天捕捞的鱼的存活率；x14、x24、···、xN4为N个养殖鱼池中第T3天捕捞的鱼的存活率，x15、x25、···、xN5为N个养殖鱼池中第T4天捕捞的鱼的存活率，x16、x26、···、xN6为N个养殖鱼池中第T5天捕捞的鱼的存活率；T5＞T4＞T3＞T2＞T1；
S7：在样本集的N个养殖鱼池中选择M个养殖鱼池作为训练样本集，N-M个养殖鱼池作为测试样本集，N＞M；得到训练样本集的数据信息矩阵XM、测试样本集的数据信息矩阵XN-M；
Figure FDA0004184596370000023
Figure FDA0004184596370000024
S8：建立鱼生存活力的指数信息y，在N个养殖鱼池中选择M个养殖鱼池的鱼生存活力指数信息作为训练样本集的鱼生存活力的向量信息yM，选择N-M个养殖鱼池的鱼生存活力指数信息作为测试样本集的鱼生存活力的向量信息yN-M；
Figure FDA0004184596370000031
Figure FDA0004184596370000032
S9：提取出每个养殖鱼池的数据信息矩阵，计算单位向量使θ达到最大，得到养殖鱼池中存活率、水质参数和鱼生存活力的指数信息之间相关的权重ω1；
X1＝[x11 x21…xM1]T
X2＝[x12 x22…xM2]T
X3＝[x13 x23…xM3]T
X4＝[x14 x24…xM4]T
X5＝[x15 x25…xM5]T
X6＝[x16 x26…xM6]T
t1＝X1ω11+X2ω12+...+y6ω16
Figure FDA0004184596370000033
其中，T为转置，θ为养殖鱼池数据信息矩阵权重的分值，t1为养殖鱼池的存活率、水质参数和鱼生存活力的指数信息之间带权重的线性组合，X为任一养殖鱼池的数据信息矩阵；
S10：建立鱼生存活力指数的PLSR回归模型：
Figure FDA0004184596370000034
Figure FDA0004184596370000035
其中，α为养殖鱼池的数据信息的回归系数向量；β是鱼生存活力的指数信息的回归系数向量，
S11：以回归系数向量α和权重ω1建立鱼存活率的预测回归方程fi：
fi＝XMαω1
将数据信息矩阵XM代入预测回归方程fi中，计算出预测回归方程fi的系数，得到预测回归方程fi：
fi＝aX1+bX2+cX3+dX4+eX5+fX6
其中，a、b、c、d、e和f均为系数；
S12：将测试样本集的数据信息矩阵XN-M输入预测回归方程fi中，得到测试样本集中每个养殖鱼池预测的鱼的活力指数fN-M：
fN-M＝XN-Mαω1
S13：利用测试样本集计算预测的鱼的活力指数的决定系数R2和均方根误差RMSE：
Figure FDA0004184596370000041
Figure FDA0004184596370000042
其中，yi为测试样本集中养殖鱼池鱼的真实生存活力指数，
Figure FDA0004184596370000043
为测试样本集鱼的真实生存活力指数的平均值，i为测试样本集中任一养殖鱼池；
S14：将决定系数R2和均方根误差RMSE分别与决定系数阈值R阈值和均方根误差阈值RMSE阈值进行比较：
若R2≥R阈值，且RMSE＜RMSE阈值，则判定求得的预测回归方程fi满足要求；否则，返回步骤S11，修正系数a、b、c、d、e和f，再利用测试样本集执行步骤S12-S14，直到求得的预测回归方程fi满足步骤S14的要求。
CN202211048559.2A 2022-08-30 2022-08-30 一种小型养殖鱼池水下分级捕捞装置及方法 Active CN115211410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211048559.2A CN115211410B (zh) 2022-08-30 2022-08-30 一种小型养殖鱼池水下分级捕捞装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211048559.2A CN115211410B (zh) 2022-08-30 2022-08-30 一种小型养殖鱼池水下分级捕捞装置及方法

Publications (2)

Publication Number Publication Date
CN115211410A CN115211410A (zh) 2022-10-21
CN115211410B true CN115211410B (zh) 2023-06-02

Family

ID=83617293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211048559.2A Active CN115211410B (zh) 2022-08-30 2022-08-30 一种小型养殖鱼池水下分级捕捞装置及方法

Country Status (1)

Country Link
CN (1) CN115211410B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115644119B (zh) * 2022-11-17 2023-10-13 中国水产科学研究院渔业机械仪器研究所 一种封闭式养殖水舱内的鱼类分级聚捕及舱壁清洗装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN209436061U (zh) * 2018-12-12 2019-09-27 罗源县盛源生态农业专业合作社 一种分级鱼类捕捞网箱
CN112644652A (zh) * 2020-12-14 2021-04-13 大连海洋大学 自航式深远海渔场平台
CN113951196A (zh) * 2021-10-21 2022-01-21 浙江大学 一种基于机器视觉与环境动态耦合的智能投喂方法及装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201781855U (zh) * 2010-08-13 2011-04-06 上海海洋大学 可调式大黄鱼分级装置
CN102960278B (zh) * 2012-11-26 2014-09-03 浙江海洋学院 围网养殖用捕捞网箱
CN103155891B (zh) * 2013-03-21 2015-02-04 上海海洋大学 一种将生物絮凝技术与多营养级综合养殖模式相结合的南美白对虾养殖方法
CN104273079B (zh) * 2014-09-17 2016-06-01 成都佳美嘉科技有限公司 一种海鲜馆内的活鱼暂养池
CN106922593A (zh) * 2015-12-31 2017-07-07 天津市凯润淡水养殖有限公司 一种淡水养殖分级式自动捕捞养鱼池塘
US9901046B2 (en) * 2016-05-25 2018-02-27 Marine Agrifuture, LLC Anti-algae saline aquaculture systems and methods
CN206433602U (zh) * 2017-01-03 2017-08-25 青岛农业大学 一种海洋捕捞专用装置
CN206596539U (zh) * 2017-02-24 2017-10-31 江西省水产科学研究所 一种池塘拉网和拉网捕捞装置
CN106942086A (zh) * 2017-03-12 2017-07-14 朱永龙 一种环保型家禽养殖装置
CN107156072A (zh) * 2017-04-05 2017-09-15 柳州市柳南区钓乐园渔具店 一种小龙虾垂钓笼
CN107711662A (zh) * 2017-11-15 2018-02-23 李红光 一种筛鱼工具
CN208639373U (zh) * 2018-06-08 2019-03-26 尹传松 一种捕捞装置
CN209251413U (zh) * 2018-09-29 2019-08-16 绵阳市建秋农业科技有限公司 养鱼池
CN212014118U (zh) * 2020-05-06 2020-11-27 浙江海洋大学 一种水产养殖网箱

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN209436061U (zh) * 2018-12-12 2019-09-27 罗源县盛源生态农业专业合作社 一种分级鱼类捕捞网箱
CN112644652A (zh) * 2020-12-14 2021-04-13 大连海洋大学 自航式深远海渔场平台
CN113951196A (zh) * 2021-10-21 2022-01-21 浙江大学 一种基于机器视觉与环境动态耦合的智能投喂方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《基于全基因组分析技术的鱼类育种技术原理与应用》;石米娟;中国农业科技导报;第24卷(第2期);33-41 *

Also Published As

Publication number Publication date
CN115211410A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
Drengstig et al. Commercial land-based farming of European lobster (Homarus gammarus L.) in recirculating aquaculture system (RAS) using a single cage approach
CN115211410B (zh) 一种小型养殖鱼池水下分级捕捞装置及方法
Robertson Trophic interactions between the fish fauna and macrobenthos of an eelgrass community in Western Port, Victoria
Papandroulakis et al. Mesocosm: a reliable technology for larval rearing of Diplodus puntazzo and Diplodus sargus sargus
Holt The food resources of the ocean
CN103210863B (zh) 一种克氏原螯虾家系建立的方法
CN109122438B (zh) 一种紫海杂交扇贝底播增养殖方法
CN107509671B (zh) 利用篮子鱼清理珍珠贝及贝笼附着物的养殖方法和装置
Buentello et al. Tuna farming in Japan and Mexico
Hamasaki et al. Effect of temperature on larval survival, development and duration of six terrestrial hermit crab species under laboratory conditions
Strand et al. European aquaculture
CN216627166U (zh) 一种用于克氏原螯虾捕捞的筛选渔具
Bandara et al. Artificial evolution of behavioral and life history strategies of high-latitude copepods in response to bottom-up and top-down selection pressures
Gliwicz et al. Absence of predation eliminates coexistence: experience from the fish–zooplankton interface
Harrison et al. Methods for restoring damaged reefs using coral larval restoration
Ortega et al. Spain’s Atlantic bluefin tuna aquaculture
Heath et al. Is size grading important for farming the abalone Haliotis iris?
CN113728956B (zh) 一种六线鱼-海藻综合养殖网箱及养殖方法
CN110393164A (zh) 适合我国北方寒冷海区的文蛤大规格苗种三段式培育方法
CN112772559B (zh) 一种中华鳖受精卵孵化方法及其应用
Gibson et al. Culture studies of the Devils River minnow
CN216018546U (zh) 一种贝类个体生长追踪测定养殖装置
CN210538238U (zh) 一种底栖贝类苗种中间培育装置
CN110199925B (zh) 一种刀额新对虾速生品系的群体选育方法
Van Schalkwyk Assessment of yield traits between family groups of the cultured abalone (Haliotis midae) in South Africa

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