CN115293658A - 一种基于大数据的渔业资源规划方法及系统 - Google Patents
一种基于大数据的渔业资源规划方法及系统 Download PDFInfo
- Publication number
- CN115293658A CN115293658A CN202211220182.4A CN202211220182A CN115293658A CN 115293658 A CN115293658 A CN 115293658A CN 202211220182 A CN202211220182 A CN 202211220182A CN 115293658 A CN115293658 A CN 115293658A
- Authority
- CN
- China
- Prior art keywords
- information
- resource
- fishery
- image data
- distribution information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims abstract description 173
- 238000009826 distribution Methods 0.000 claims abstract description 136
- 241000195493 Cryptophyta Species 0.000 claims abstract description 93
- 241000251468 Actinopterygii Species 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 88
- 241000238424 Crustacea Species 0.000 claims abstract description 79
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 241001465754 Metazoa Species 0.000 claims description 58
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 5
- 241000894007 species Species 0.000 description 9
- 238000003860 storage Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 238000007667 floating Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 235000015170 shellfish Nutrition 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000014102 seafood Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Farming Of Fish And Shellfish (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的渔业资源规划方法及系统，通过获取海洋图像数据与海洋声呐探测数据进行资源分析，得到藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息。根据资源分布信息进一步分析出优选资源区域信息，通过优选资源区域信息进行渔业生产路线规划，能够得到合理高效的渔业生产路线，提高了渔业生产的效率。另外，本发明通过实时获取生产船舶航行路线信息，对航线进行偏差计算与二次路线分析，能够得到合理高效的修正路线信息，从而减少渔业生产中运输成本的消耗，提高了渔业生产的经济效益。
Description
技术领域
本发明涉及渔业资源领域，更具体的，涉及一种基于大数据的渔业资源规划方法及系统。
背景技术
海洋中有丰富的资源。在当今全球粮食、资源、能源供应紧张与人口迅速增长的矛盾日益突出的情况下，开发利用海洋中丰富的资源，已是历史发展的必然趋势。目前，人类开发利用的海洋资源，主要有海洋化学资源、海洋生物资源、海底矿产资源和海洋能源四类。海洋中有20多万种生物，其中动物18万种，包括16000多种鱼类。在远古时代，人类就已开始捕捞和采集海产品。现在，人类的海洋捕捞活动已从近海扩展到世界各个海域。渔具、渔船、探鱼技术的改进，大大提高了人类的海洋捕捞能力。
但是，因技术因素受制和规划能力不足等原因，当前渔业仍然存在着生产效率低下，生产成本大，渔业资源规划不合理等情况，因此，如何进行合理高效的渔业资源规划是当下亟需解决的重要难题。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于大数据的渔业资源规划。
本发明第一方面提供了一种基于大数据的渔业资源规划方法，包括：
获取海洋图像数据与海洋声呐探测数据；
通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息；
根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息；
获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息；
根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息。
本方案中，所述获取海洋图像数据与海洋声呐探测数据，之前包括：
获取海洋渔业总体生产区域信息；
根据海洋渔业总体生产区域信息，构建出基于三维地图模型的渔业生产地图模型；
根据生产区域面积信息，将渔业生产地图模型进行区域划分，得到多个渔业生产子区域。
本方案中，所述通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息具体为：
获取海洋图像数据中每个渔业生产子区域的海面图像数据；
将所述海面图像数据进行图像降噪、平滑预处理得到增强图像数据；
从大数据中获取藻类资源图像数据，将所述增强图像数据与藻类资源图像数据进行特征对比分析，得到藻类种类信息与藻类数量信息；
根据藻类种类信息与藻类数量信息进行综合区域分布分析，得到藻类资源分布信息。
本方案中，所述根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息，具体为：
获取海洋图像数据中的海底图像数据；
从大数据中获取海底动物资源图像数据；
将海底图像数据进行图像预处理与动物特征提取，得到海底动物识别特征；
将海底动物资源图像数据进行参考特征提取得到海底动物对比特征；
将海底动物识别特征与海底动物对比特征进行特征对比分析与识别，得到鱼类种类信息与甲壳动物种类信息。
本方案中，所述根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息，还包括：
根据海底动物识别特征与对应图像数据进行鱼类与甲壳类动物比例分析，得到海底动物比例信息；
在预设时间内，获取多次海洋声呐探测数据；
根据海洋声呐探测数据进行海洋动物数量分析并根据探测次数进行均值计算，得到海洋动物平均数量信息；
根据海洋动物平均数量信息与海底动物比例信息进行数量分析，得到鱼类数量信息与甲壳类数量信息；
根据鱼类种类信息、甲壳动物种类信息与鱼类数量信息、甲壳类数量信息分别进行综合分布分析，得到鱼类资源分布信息与甲壳类资源分布信息。
本方案中，所述获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息，具体为：
根据藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行计算分析，得到每个渔业生产子区域的海洋生态多样性指数；
根据海洋生态多样性指数，结合目标渔业捕捞信息进行计算分析得到每个渔业生产子区域的资源捕捞指数；
将资源捕捞指数与预设指数进行比较，筛选出资源捕捞指数大于预设指数所对应的渔业生产子区域作为优选资源区域，并得到优选资源区域信息。
本方案中，所述根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息，具体为：
根据优选资源区域中的资源捕捞指数进行数值大小排序，得到区域优选排序表；
获取目标渔业捕捞信息中的目标捕捞数量信息；
将优选资源区域信息与目标捕捞数量信息导入渔业生产地图模型，结合区域优选排序表进行路线规划分析，得到渔业生产规划路线信息。
本发明第二方面还提供了一种基于大数据的渔业资源规划系统，该系统包括：存储器、处理器，所述存储器中包括基于大数据的渔业资源规划方法程序，所述基于大数据的渔业资源规划方法程序被所述处理器执行时实现如下步骤：
获取海洋图像数据与海洋声呐探测数据；
通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息；
根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息；
获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息；
根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息。
本方案中，所述获取海洋图像数据与海洋声呐探测数据，之前包括：
获取海洋渔业总体生产区域信息；
根据海洋渔业总体生产区域信息，构建出基于三维地图模型的渔业生产地图模型；
根据生产区域面积信息，将渔业生产地图模型进行区域划分，得到多个渔业生产子区域。
本方案中，所述获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息，具体为：
根据藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行计算分析，得到每个渔业生产子区域的海洋生态多样性指数；
根据海洋生态多样性指数，结合目标渔业捕捞信息进行计算分析得到每个渔业生产子区域的资源捕捞指数；
将资源捕捞指数与预设指数进行比较，筛选出资源捕捞指数大于预设指数所对应的渔业生产子区域作为优选资源区域，并得到优选资源区域信息。
本发明公开了一种基于大数据的渔业资源规划方法及系统，通过获取海洋图像数据与海洋声呐探测数据进行资源分析，得到藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息。根据资源分布信息进一步分析出优选资源区域信息，通过优选资源区域信息进行渔业生产路线规划，能够得到合理高效的渔业生产路线，提高了渔业生产的效率。另外，本发明通过实时获取生产船舶航行路线信息，对航线进行偏差计算与二次路线分析，能够得到合理高效的修正路线信息，从而减少渔业生产中运输成本的消耗，提高了渔业生产的经济效益。
附图说明
图1示出了本发明一种基于大数据的渔业资源规划方法的流程图；
图2示出了本发明获取渔业生产子区域流程图；
图3示出了本发明获取优选资源区域信息流程图；
图4示出了本发明一种基于大数据的渔业资源规划系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于大数据的渔业资源规划方法的流程图。
如图1所示，本发明第一方面提供了一种基于大数据的渔业资源规划方法，包括：
S102，获取海洋图像数据与海洋声呐探测数据；
S104，通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息；
S106，根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息；
S108，获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息；
S110，根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息。
图2示出了本发明获取渔业生产子区域流程图。
根据本发明实施例，所述获取海洋图像数据与海洋声呐探测数据，之前包括：
S202，获取海洋渔业总体生产区域信息；
S204，根据海洋渔业总体生产区域信息，构建出基于三维地图模型的渔业生产地图模型；
S206，根据生产区域面积信息，将渔业生产地图模型进行区域划分，得到多个渔业生产子区域。
需要说明的是，所述海洋渔业总体生产区域信息包括生产区域面积信息和生产区域形状信息。所述将渔业生产地图模型进行区域划分中，具体为将渔业生产地图模型进行网格化平均划分，划分后的渔业生产子区域模型数量由生产区域面积大小决定，生产区域面积越大，划分后的渔业生产子区域数量越多。
根据本发明实施例，所述通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息具体为：
获取海洋图像数据中每个渔业生产子区域的海面图像数据；
将所述海面图像数据进行图像降噪、平滑预处理得到增强图像数据；
从大数据中获取藻类资源图像数据，将所述增强图像数据与藻类资源图像数据进行特征对比分析，得到藻类种类信息与藻类数量信息；
根据藻类种类信息与藻类数量信息进行综合区域分布分析，得到藻类资源分布信息。
需要说明的是，所述海洋图像数据为通过海洋漂浮装置获得，所述海洋漂浮装置拥有海面摄像装置与海底摄像装置。所述海洋图像数据包括海面图像数据与海底图像数据。所述获取海洋图像数据中的每个渔业生产子区域的海面图像数据中，每个渔业生产子区域对应独立的海面图像数据。所述得到藻类种类信息与藻类数量信息中，每个渔业生产子区域均有藻类种类信息与藻类数量信息。所述根据藻类种类信息与藻类数量信息进行综合区域分布分析具体为根据所有渔业生产子区域的藻类种类信息与藻类数量信息进行分析。
根据本发明实施例，所述根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息，具体为：
获取海洋图像数据中的海底图像数据；
从大数据中获取海底动物资源图像数据；
将海底图像数据进行图像预处理与动物特征提取，得到海底动物识别特征；
将海底动物资源图像数据进行参考特征提取得到海底动物对比特征；
将海底动物识别特征与海底动物对比特征进行特征对比分析与识别，得到鱼类种类信息与甲壳动物种类信息。
需要说明的是，所述海底动物资源图像数据包括海洋鱼类资源图像数据与甲壳类资源图像数据，所述鱼类与甲壳类均为海底动物类。
根据本发明实施例，所述根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息，还包括：
根据海底动物识别特征与对应图像数据进行鱼类与甲壳类动物比例分析，得到海底动物比例信息；
在预设时间内，获取多次海洋声呐探测数据；
根据海洋声呐探测数据进行海洋动物数量分析并根据探测次数进行均值计算，得到海洋动物平均数量信息；
根据海洋动物平均数量信息与海底动物比例信息进行数量分析，得到鱼类数量信息与甲壳类数量信息；
根据鱼类种类信息、甲壳动物种类信息与鱼类数量信息、甲壳类数量信息分别进行综合分布分析，得到鱼类资源分布信息与甲壳类资源分布信息。
需要说明的是，海底动物比例信息具体为鱼类与甲壳类动物的比例信息。所述鱼类资源分布信息包括鱼类种类信息与鱼类数量信息，所述壳类资源分布信息包括甲壳动物种类信息与甲壳类数量信息。所述海洋声呐探测数据为通过海底声呐探测装置获得。所述根据预设时间内，获取多次海洋声呐探测数据中，预设时间一般为1至2个月，所述多次具体为根据探测频率决定，所述探测频率一般为3天1次。
值得一提的是，每个渔业生产子区域都拥有独立的鱼类资源分布信息与甲壳类资源分布信息，通过分析每个生产子区域的资源分布情况，能够更加合理高效地规划与利用渔业资源。
图3示出了本发明获取优选资源区域信息流程图。
根据本发明实施例，所述获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息，具体为：
S302，根据藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行计算分析，得到每个渔业生产子区域的海洋生态多样性指数；
S304，根据海洋生态多样性指数，结合目标渔业捕捞信息进行计算分析得到每个渔业生产子区域的资源捕捞指数；
S306，将资源捕捞指数与预设指数进行比较，筛选出资源捕捞指数大于预设指数所对应的渔业生产子区域作为优选资源区域，并得到优选资源区域信息。
需要说明的是，所述目标渔业捕捞信息包括目标捕捞生物种类数信息和目标捕捞数量信息，所述目标捕捞生物包括鱼类，甲壳类，藻类等海洋经济生物。所述优选资源区域信息包括具体优选资源区域与优选资源区域数量信息。
另外，所述生态多样性指数的具体计算公式为：
其中，
为生态多样性指数，
为鱼类数量，
为甲壳类数量，
为鱼类种类
数，
为甲壳动物种类数，
为藻类种类数，
为藻类数量，M为生态多样性修正系数。
所述资源捕捞指数的具体计算公式为：
其中，
为资源捕捞指数，
为生态多样性指数，
为鱼类种类数，
为甲壳动
物种类数，
为藻类种类数，
为目标捕捞生物种类数。
值得一提的是，所述生态多样性指数能够反映渔业生产子区域的海洋生物多样性与生态修复能力，所述资源捕捞指数能够反映渔业生产子区域的资源量与适合捕捞程度。
根据本发明实施例，所述根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息，具体为：
根据优选资源区域中的资源捕捞指数进行数值大小排序，得到区域优选排序表；
获取目标渔业捕捞信息中的目标捕捞数量信息；
将优选资源区域信息与目标捕捞数量信息导入渔业生产地图模型，结合区域优选排序表进行路线规划分析，得到渔业生产规划路线信息。
需要说明的是，根据优选资源区域中的资源捕捞指数进行数值大小排序中具体为根据数值从大到小排序。所述渔业生产规划路线信息中，具体为结合区域优选排序表，优先选择资源捕捞指数值较大的优选资源区域进行路线规划，并根据目标捕捞数量信息确定选择优选资源区域的数量，目标捕捞数量越大，优选资源区域的数量则越大。
另外，所述渔业生产地图模型通过路线规划算法对导入的信息进行路线规划，所述算法包括但不限于Dijkstra算法、PRM算法、RRT算法等。
根据本发明实施例，所述根据渔业生产规划路线信息进行渔业生产捕捞，并实时获取生产船舶航行路线信息，还包括：
将实际航行路线信息与渔业生产规划路线信息进行路线偏差比较，若偏差距离大于预设距离，则获取当前生产船舶位置信息；
将所述位置信息导入渔业生产地图模型，渔业生产地图模型根据当前位置信息进行优选资源区域的范围搜索，得到预设海域内的优选资源区域；
将所述优选资源区域进行标记，得到检索资源区域；
根据所述检索资源区域进行二次路线规划，得到修正路线信息，根据修正路线信息进行航线修正。
需要说明的是，所述根据渔业生产规划路线信息进行渔业生产捕捞过程中，由于一些不可抗力的因素，常常会出现船舶偏航的情况，此时如果强行按照原路线进行航行修正，会导致生产运输成本进一步增加，本发明通过在偏航时实时获取生产船舶位置信息，并根据位置信息在预设海域内进行优选资源区域的搜索，将搜索结果中的优选资源区域进行标记得到检索资源区域，并根据检索资源区域得到二次规划路线，通过二次规划路线，能够合理地进行渔业生产路线的修正，减少了渔业生产中运输成本的消耗，提高了渔业生产的经济效益。
另外，所述预设距离一般为一个渔业生产子区域的最短连线距离。所述预设海域的大小具体为3至5个渔业生产子区域面积的大小。
图4示出了本发明一种基于大数据的渔业资源规划系统的框图。
本发明第二方面还提供了一种基于大数据的渔业资源规划系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于大数据的渔业资源规划方法程序，所述基于大数据的渔业资源规划方法程序被所述处理器执行时实现如下步骤：
获取海洋图像数据与海洋声呐探测数据；
通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息；
根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息；
获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息；
根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息。
根据本发明实施例，所述获取海洋图像数据与海洋声呐探测数据，之前包括：
获取海洋渔业总体生产区域信息；
根据海洋渔业总体生产区域信息，构建出基于三维地图模型的渔业生产地图模型；
根据生产区域面积信息，将渔业生产地图模型进行区域划分，得到多个渔业生产子区域。
需要说明的是，所述海洋渔业总体生产区域信息包括生产区域面积信息和生产区域形状信息。所述将渔业生产地图模型进行区域划分中，具体为将渔业生产地图模型进行网格化平均划分，划分后的渔业生产子区域模型数量由生产区域面积大小决定，生产区域面积越大，划分后的渔业生产子区域数量越多。
根据本发明实施例，所述通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息具体为：
获取海洋图像数据中每个渔业生产子区域的海面图像数据；
将所述海面图像数据进行图像降噪、平滑预处理得到增强图像数据；
从大数据中获取藻类资源图像数据，将所述增强图像数据与藻类资源图像数据进行特征对比分析，得到藻类种类信息与藻类数量信息；
根据藻类种类信息与藻类数量信息进行综合区域分布分析，得到藻类资源分布信息。
需要说明的是，所述海洋图像数据为通过海洋漂浮装置获得，所述海洋漂浮装置拥有海面摄像装置与海底摄像装置。所述海洋图像数据包括海面图像数据与海底图像数据。所述获取海洋图像数据中的每个渔业生产子区域的海面图像数据中，每个渔业生产子区域对应独立的海面图像数据。所述得到藻类种类信息与藻类数量信息中，每个渔业生产子区域均有藻类种类信息与藻类数量信息。所述根据藻类种类信息与藻类数量信息进行综合区域分布分析具体为根据所有渔业生产子区域的藻类种类信息与藻类数量信息进行分析。
根据本发明实施例，所述根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息，具体为：
获取海洋图像数据中的海底图像数据；
从大数据中获取海底动物资源图像数据；
将海底图像数据进行图像预处理与动物特征提取，得到海底动物识别特征；
将海底动物资源图像数据进行参考特征提取得到海底动物对比特征；
将海底动物识别特征与海底动物对比特征进行特征对比分析与识别，得到鱼类种类信息与甲壳动物种类信息。
需要说明的是，所述海底动物资源图像数据包括海洋鱼类资源图像数据与甲壳类资源图像数据，所述鱼类与甲壳类均为海底动物类。
根据本发明实施例，所述根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息，还包括：
根据海底动物识别特征与对应图像数据进行鱼类与甲壳类动物比例分析，得到海底动物比例信息；
在预设时间内，获取多次海洋声呐探测数据；
根据海洋声呐探测数据进行海洋动物数量分析并根据探测次数进行均值计算，得到海洋动物平均数量信息；
根据海洋动物平均数量信息与海底动物比例信息进行数量分析，得到鱼类数量信息与甲壳类数量信息；
根据鱼类种类信息、甲壳动物种类信息与鱼类数量信息、甲壳类数量信息分别进行综合分布分析，得到鱼类资源分布信息与甲壳类资源分布信息。
需要说明的是，海底动物比例信息具体为鱼类与甲壳类动物的比例信息。所述鱼类资源分布信息包括鱼类种类信息与鱼类数量信息，所述壳类资源分布信息包括甲壳动物种类信息与甲壳类数量信息。所述海洋声呐探测数据为通过海底声呐探测装置获得。所述根据预设时间内，获取多次海洋声呐探测数据中，预设时间一般为1至2个月，所述多次具体为根据探测频率决定，所述探测频率一般为3天1次。
值得一提的是，每个渔业生产子区域都拥有独立的鱼类资源分布信息与甲壳类资源分布信息，通过分析每个生产子区域的资源分布情况，能够更加合理高效地规划与利用渔业资源。
根据本发明实施例，所述获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息，具体为：
根据藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行计算分析，得到每个渔业生产子区域的海洋生态多样性指数；
根据海洋生态多样性指数，结合目标渔业捕捞信息进行计算分析得到每个渔业生产子区域的资源捕捞指数；
将资源捕捞指数与预设指数进行比较，筛选出资源捕捞指数大于预设指数所对应的渔业生产子区域作为优选资源区域，并得到优选资源区域信息。
需要说明的是，所述目标渔业捕捞信息包括目标捕捞生物种类数信息和目标捕捞数量信息，所述目标捕捞生物包括鱼类，甲壳类，藻类等海洋经济生物。所述优选资源区域信息包括具体优选资源区域与优选资源区域数量信息。
另外，所述生态多样性指数的具体计算公式为：
其中，
为生态多样性指数，
为鱼类数量，
为甲壳类数量，
为鱼类种类
数，
为甲壳动物种类数，
为藻类种类数，
为藻类数量，M为生态多样性修正系数。
所述资源捕捞指数的具体计算公式为：
其中，
为资源捕捞指数，
为生态多样性指数，
为鱼类种类数，
为甲壳动
物种类数，
为藻类种类数，
为目标捕捞生物种类数。
值得一提的是，所述生态多样性指数能够反映渔业生产子区域的海洋生物多样性与生态修复能力，所述资源捕捞指数能够反映渔业生产子区域的资源量与适合捕捞程度。
根据本发明实施例，所述根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息，具体为：
根据优选资源区域中的资源捕捞指数进行数值大小排序，得到区域优选排序表；
获取目标渔业捕捞信息中的目标捕捞数量信息；
将优选资源区域信息与目标捕捞数量信息导入渔业生产地图模型，结合区域优选排序表进行路线规划分析，得到渔业生产规划路线信息。
需要说明的是，根据优选资源区域中的资源捕捞指数进行数值大小排序中具体为根据数值从大到小排序。所述渔业生产规划路线信息中，具体为结合区域优选排序表，优先选择资源捕捞指数值较大的优选资源区域进行路线规划，并根据目标捕捞数量信息确定选择优选资源区域的数量，目标捕捞数量越大，优选资源区域的数量则越大。
另外，所述渔业生产地图模型通过路线规划算法对导入的信息进行路线规划，所述算法包括但不限于Dijkstra算法、PRM算法、RRT算法等。
根据本发明实施例，所述根据渔业生产规划路线信息进行渔业生产捕捞，并实时获取生产船舶航行路线信息，还包括：
将实际航行路线信息与渔业生产规划路线信息进行路线偏差比较，若偏差距离大于预设距离，则获取当前生产船舶位置信息；
将所述位置信息导入渔业生产地图模型，渔业生产地图模型根据当前位置信息进行优选资源区域的范围搜索，得到预设海域内的优选资源区域；
将所述优选资源区域进行标记，得到检索资源区域；
根据所述检索资源区域进行二次路线规划，得到修正路线信息，根据修正路线信息进行航线修正。
需要说明的是，所述根据渔业生产规划路线信息进行渔业生产捕捞过程中，由于一些不可抗力的因素，常常会出现船舶偏航的情况，此时如果强行按照原路线进行航行修正，会导致生产运输成本进一步增加，本发明通过在偏航时实时获取生产船舶位置信息，并根据位置信息在预设海域内进行优选资源区域的搜索，将搜索结果中的优选资源区域进行标记得到检索资源区域，并根据检索资源区域得到二次规划路线，通过二次规划路线，能够合理地进行渔业生产路线的修正，减少了渔业生产中运输成本的消耗，提高了渔业生产的经济效益。
另外，所述预设距离一般为一个渔业生产子区域的最短连线距离。所述预设海域的大小具体为3至5个渔业生产子区域面积的大小。
本发明公开了一种基于大数据的渔业资源规划方法及系统，通过获取海洋图像数据与海洋声呐探测数据进行资源分析，得到藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息。根据资源分布信息进一步分析出优选资源区域信息，通过优选资源区域信息进行渔业生产路线规划，能够得到合理高效的渔业生产路线，提高了渔业生产的效率。另外，本发明通过实时获取生产船舶航行路线信息，对航线进行偏差计算与二次路线分析，能够得到合理高效的修正路线信息，从而减少渔业生产中运输成本的消耗，提高了渔业生产的经济效益。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于大数据的渔业资源规划方法，其特征在于，包括：
获取海洋图像数据与海洋声呐探测数据；
通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息；
根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息；
获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息；
根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息。
2.根据权利要求1所述的一种基于大数据的渔业资源规划方法，其特征在于，所述获取海洋图像数据与海洋声呐探测数据，之前包括：
获取海洋渔业总体生产区域信息；
根据海洋渔业总体生产区域信息，构建出基于三维地图模型的渔业生产地图模型；
根据生产区域面积信息，将渔业生产地图模型进行区域划分，得到多个渔业生产子区域。
3.根据权利要求2所述的一种基于大数据的渔业资源规划方法，其特征在于，所述通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息具体为：
获取海洋图像数据中每个渔业生产子区域的海面图像数据；
将所述海面图像数据进行图像降噪、平滑预处理得到增强图像数据；
从大数据中获取藻类资源图像数据，将所述增强图像数据与藻类资源图像数据进行特征对比分析，得到藻类种类信息与藻类数量信息；
根据藻类种类信息与藻类数量信息进行综合区域分布分析，得到藻类资源分布信息。
4.根据权利要求3所述的一种基于大数据的渔业资源规划方法，其特征在于，所述根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息，具体为：
获取海洋图像数据中的海底图像数据；
从大数据中获取海底动物资源图像数据；
将海底图像数据进行图像预处理与动物特征提取，得到海底动物识别特征；
将海底动物资源图像数据进行参考特征提取得到海底动物对比特征；
将海底动物识别特征与海底动物对比特征进行特征对比分析与识别，得到鱼类种类信息与甲壳动物种类信息。
5.根据权利要求4所述的一种基于大数据的渔业资源规划方法，其特征在于，所述根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息，还包括：
根据海底动物识别特征与对应图像数据进行鱼类与甲壳类动物比例分析，得到海底动物比例信息；
在预设时间内，获取多次海洋声呐探测数据；
根据海洋声呐探测数据进行海洋动物数量分析并根据探测次数进行均值计算，得到海洋动物平均数量信息；
根据海洋动物平均数量信息与海底动物比例信息进行数量分析，得到鱼类数量信息与甲壳类数量信息；
根据鱼类种类信息、甲壳动物种类信息与鱼类数量信息、甲壳类数量信息分别进行综合分布分析，得到鱼类资源分布信息与甲壳类资源分布信息。
6.根据权利要求5所述的一种基于大数据的渔业资源规划方法，其特征在于，所述获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息，具体为：
根据藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行计算分析，得到每个渔业生产子区域的海洋生态多样性指数；
根据海洋生态多样性指数，结合目标渔业捕捞信息进行计算分析得到每个渔业生产子区域的资源捕捞指数；
将资源捕捞指数与预设指数进行比较，筛选出资源捕捞指数大于预设指数所对应的渔业生产子区域作为优选资源区域，并得到优选资源区域信息。
7.根据权利要求6所述的一种基于大数据的渔业资源规划方法，其特征在于，所述根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息，具体为：
根据优选资源区域中的资源捕捞指数进行数值大小排序，得到区域优选排序表；
获取目标渔业捕捞信息中的目标捕捞数量信息；
将优选资源区域信息与目标捕捞数量信息导入渔业生产地图模型，结合区域优选排序表进行路线规划分析，得到渔业生产规划路线信息。
8.一种基于大数据的渔业资源规划系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于大数据的渔业资源规划方法程序，所述基于大数据的渔业资源规划方法程序被所述处理器执行时实现如下步骤：
获取海洋图像数据与海洋声呐探测数据；
通过海洋图像数据进行藻类识别与资源分析，得到藻类资源分布信息；
根据海洋图像数据与海洋声呐探测数据进行综合资源分析，得到鱼类资源分布信息与甲壳类资源分布信息；
获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息；
根据优选资源区域信息进行渔业生产规划分析，得到渔业生产规划路线信息。
9.根据权利要求8所述的一种基于大数据的渔业资源规划系统，其特征在于，所述获取海洋图像数据与海洋声呐探测数据，之前包括：
获取海洋渔业总体生产区域信息；
根据海洋渔业总体生产区域信息，构建出基于三维地图模型的渔业生产地图模型；
根据生产区域面积信息，将渔业生产地图模型进行区域划分，得到多个渔业生产子区域。
10.根据权利要求8所述的一种基于大数据的渔业资源规划系统，其特征在于，所述获取目标渔业捕捞信息，根据目标渔业捕捞信息，结合藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行区域资源分析，得到优选资源区域信息，具体为：
根据藻类资源分布信息、鱼类资源分布信息与甲壳类资源分布信息进行计算分析，得到每个渔业生产子区域的海洋生态多样性指数；
根据海洋生态多样性指数，结合目标渔业捕捞信息进行计算分析得到每个渔业生产子区域的资源捕捞指数；
将资源捕捞指数与预设指数进行比较，筛选出资源捕捞指数大于预设指数所对应的渔业生产子区域作为优选资源区域，并得到优选资源区域信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211220182.4A CN115293658B (zh) | 2022-10-08 | 2022-10-08 | 一种基于大数据的渔业资源规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211220182.4A CN115293658B (zh) | 2022-10-08 | 2022-10-08 | 一种基于大数据的渔业资源规划方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115293658A true CN115293658A (zh) | 2022-11-04 |
| CN115293658B CN115293658B (zh) | 2023-03-24 |
Family
ID=83833278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211220182.4A Active CN115293658B (zh) | 2022-10-08 | 2022-10-08 | 一种基于大数据的渔业资源规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115293658B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115456490A (zh) * | 2022-11-14 | 2022-12-09 | 中国水产科学研究院南海水产研究所 | 一种基于地理信息的渔业资源数据分析方法及系统 |
| CN115496307A (zh) * | 2022-11-21 | 2022-12-20 | 中国水产科学研究院南海水产研究所 | 一种基于物联网通信的渔业船舶生产方法、系统及介质 |
| CN116090859A (zh) * | 2022-11-09 | 2023-05-09 | 中国水产科学研究院南海水产研究所 | 一种近海岛礁渔业水域生态健康评价方法及系统 |
| CN116429118A (zh) * | 2023-06-15 | 2023-07-14 | 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船安全生产监管方法及系统 |
| CN116562472A (zh) * | 2023-07-10 | 2023-08-08 | 中国水产科学研究院南海水产研究所 | 一种中上层海洋生物目标种类识别与分布预测方法及系统 |
| CN116562467A (zh) * | 2023-07-07 | 2023-08-08 | 中国水产科学研究院南海水产研究所 | 一种海洋鱼类目标种类识别及分布预测方法及系统 |
| CN116596163A (zh) * | 2023-07-05 | 2023-08-15 | 中国水产科学研究院南海水产研究所 | 一种基于图像探测的白姑鱼资源分布预测系统及方法 |
| CN117556980A (zh) * | 2024-01-11 | 2024-02-13 | 中国水产科学研究院南海水产研究所 | 一种无人投喂船路径规划分析方法、系统及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102833680A (zh) * | 2012-09-11 | 2012-12-19 | 中国水产科学研究院东海水产研究所 | 基于位置的海洋渔业信息服务方法 |
| CN113341407A (zh) * | 2021-06-02 | 2021-09-03 | 中国水产科学研究院南海水产研究所 | 一种基于雷达探测的渔业捕捞追踪系统及方法 |
| CN113409617A (zh) * | 2021-06-15 | 2021-09-17 | 中国水产科学研究院南海水产研究所 | 一种渔业船舶偏航预警系统及方法 |
| CN113689183A (zh) * | 2021-08-06 | 2021-11-23 | 浙江省海洋科学院(浙江省海洋技术服务中心) | 一种基于海洋生态评价的资源管理分析系统及方法 |
| CN114494837A (zh) * | 2022-01-06 | 2022-05-13 | 中国水产科学研究院南海水产研究所 | 一种渔业资源的密度智能识别方法及系统 |
| CN115100512A (zh) * | 2022-05-16 | 2022-09-23 | 中国水产科学研究院南海水产研究所 | 一种海洋经济物种的监测识别捕捞方法、系统及存储介质 |
-
2022
- 2022-10-08 CN CN202211220182.4A patent/CN115293658B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102833680A (zh) * | 2012-09-11 | 2012-12-19 | 中国水产科学研究院东海水产研究所 | 基于位置的海洋渔业信息服务方法 |
| CN113341407A (zh) * | 2021-06-02 | 2021-09-03 | 中国水产科学研究院南海水产研究所 | 一种基于雷达探测的渔业捕捞追踪系统及方法 |
| CN113409617A (zh) * | 2021-06-15 | 2021-09-17 | 中国水产科学研究院南海水产研究所 | 一种渔业船舶偏航预警系统及方法 |
| CN113689183A (zh) * | 2021-08-06 | 2021-11-23 | 浙江省海洋科学院(浙江省海洋技术服务中心) | 一种基于海洋生态评价的资源管理分析系统及方法 |
| CN114494837A (zh) * | 2022-01-06 | 2022-05-13 | 中国水产科学研究院南海水产研究所 | 一种渔业资源的密度智能识别方法及系统 |
| CN115100512A (zh) * | 2022-05-16 | 2022-09-23 | 中国水产科学研究院南海水产研究所 | 一种海洋经济物种的监测识别捕捞方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张靳等: "基于渔业生态足迹广东海洋渔业生态可持续利用评价", 《河北渔业》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116090859A (zh) * | 2022-11-09 | 2023-05-09 | 中国水产科学研究院南海水产研究所 | 一种近海岛礁渔业水域生态健康评价方法及系统 |
| CN116090859B (zh) * | 2022-11-09 | 2023-11-03 | 中国水产科学研究院南海水产研究所 | 一种近海岛礁渔业水域生态健康评价方法及系统 |
| CN115456490A (zh) * | 2022-11-14 | 2022-12-09 | 中国水产科学研究院南海水产研究所 | 一种基于地理信息的渔业资源数据分析方法及系统 |
| CN115496307A (zh) * | 2022-11-21 | 2022-12-20 | 中国水产科学研究院南海水产研究所 | 一种基于物联网通信的渔业船舶生产方法、系统及介质 |
| CN116429118A (zh) * | 2023-06-15 | 2023-07-14 | 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船安全生产监管方法及系统 |
| CN116429118B (zh) * | 2023-06-15 | 2023-10-27 | 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船安全生产监管方法及系统 |
| CN116596163A (zh) * | 2023-07-05 | 2023-08-15 | 中国水产科学研究院南海水产研究所 | 一种基于图像探测的白姑鱼资源分布预测系统及方法 |
| CN116596163B (zh) * | 2023-07-05 | 2024-02-20 | 中国水产科学研究院南海水产研究所 | 一种基于图像探测的白姑鱼资源分布预测系统及方法 |
| CN116562467A (zh) * | 2023-07-07 | 2023-08-08 | 中国水产科学研究院南海水产研究所 | 一种海洋鱼类目标种类识别及分布预测方法及系统 |
| CN116562467B (zh) * | 2023-07-07 | 2024-02-20 | 中国水产科学研究院南海水产研究所 | 一种海洋鱼类目标种类识别及分布预测方法及系统 |
| CN116562472A (zh) * | 2023-07-10 | 2023-08-08 | 中国水产科学研究院南海水产研究所 | 一种中上层海洋生物目标种类识别与分布预测方法及系统 |
| CN116562472B (zh) * | 2023-07-10 | 2024-01-09 | 中国水产科学研究院南海水产研究所 | 一种中上层海洋生物目标种类识别与分布预测方法及系统 |
| CN117556980A (zh) * | 2024-01-11 | 2024-02-13 | 中国水产科学研究院南海水产研究所 | 一种无人投喂船路径规划分析方法、系统及存储介质 |
| CN117556980B (zh) * | 2024-01-11 | 2024-03-22 | 中国水产科学研究院南海水产研究所 | 一种无人投喂船路径规划分析方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115293658B (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115293658B (zh) | 一种基于大数据的渔业资源规划方法及系统 | |
| Hay et al. | Zooplankton biomass and production in the North Sea during the autumn circulation experiment, October 1987–March 1988 | |
| Evans et al. | Australia state of the environment 2016: marine environment, independent report to the Australian Government Minister for the Environment and Energy | |
| Bastardie et al. | Reducing the fuel use intensity of fisheries: through efficient fishing techniques and recovered fish stocks | |
| Gillett | Marine fishery resources of the Pacific Islands | |
| CN115456490B (zh) | 一种基于地理信息的渔业资源数据分析方法及系统 | |
| CN113379137A (zh) | 渔船作业区域的建模与预测方法、系统、存储介质、终端 | |
| Brophy et al. | Otolith shape variation provides a marker of stock origin for north Atlantic bluefin tuna (Thunnus thynnus) | |
| CN115375043A (zh) | 一种基于物联网的渔港监管方法及系统 | |
| CN115797844A (zh) | 一种基于神经网络的鱼体鱼病检测方法及系统 | |
| Solonsky | Fish colonization and the effect of fishing activities on two artificial reefs in Monterey Bay, California | |
| Piet et al. | MARINE STRATEGY FRAMEWORK DIRECTIVE Task Group 3 Report Commercially exploited fish and shellfish | |
| CN115115863A (zh) | 水面多尺度目标检测方法、装置及系统和存储介质 | |
| Chicchon et al. | Semantic segmentation of fish and underwater environments using deep convolutional neural networks and learned active contours | |
| Riaz et al. | Spatial link between Adélie penguin foraging effort and krill swarm abundance and distribution | |
| Zhang et al. | Research on target detection and recognition algorithm of Eriocheir sinensis carapace | |
| Van Waerebeek et al. | A first checklist of cetaceans of Ghana, Gulf of Guinea, and a shore-based survey of interactions with coastal fisheries | |
| Dahal et al. | Performance of different classification models on national coral reef monitoring dataset | |
| Pineda et al. | Concentration and condition of American lobster postlarvae in small‐scale convergences | |
| Poussard et al. | Discriminating between high-and low-quality field depletion experiments through simulation analysis | |
| Fu et al. | Prediction of fishing vessel operation mode based on Stacking model fusion | |
| Li et al. | Sustainable development of antarctic krill environmental resources based on system dynamics | |
| Montcho et al. | Socio-economic characteristics of the fishing fleets operating in Benin, West Africa | |
| Ibnusina et al. | The zoning plan for coastal and small islands: an evaluation of its implementation on small-scaled fisheries in North Sulawesi Waters of Indonesia | |
| Xu et al. | Identifying optimal variables for machine-learning-based fish distribution modeling |
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 |