CN116185107A - 一种鱼类生长智能调控方法 - Google Patents
一种鱼类生长智能调控方法 Download PDFInfo
- Publication number
- CN116185107A CN116185107A CN202310140314.0A CN202310140314A CN116185107A CN 116185107 A CN116185107 A CN 116185107A CN 202310140314 A CN202310140314 A CN 202310140314A CN 116185107 A CN116185107 A CN 116185107A
- Authority
- CN
- China
- Prior art keywords
- fish
- sensor
- module
- regulation
- salinity
- 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.)
- Pending
Links
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 88
- 230000033228 biological regulation Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 22
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims abstract description 50
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 46
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 45
- 239000001301 oxygen Substances 0.000 claims abstract description 45
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 18
- 230000026267 regulation of growth Effects 0.000 claims abstract description 12
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 9
- GQPLMRYTRLFLPF-UHFFFAOYSA-N nitrous oxide Inorganic materials [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 58
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 claims description 41
- 230000005540 biological transmission Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 16
- 238000009360 aquaculture Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000002093 peripheral effect Effects 0.000 claims description 12
- 244000144974 aquaculture Species 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012843 least square support vector machine Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000012706 support-vector machine Methods 0.000 abstract description 4
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 abstract description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 241000252230 Ctenopharyngodon idella Species 0.000 description 19
- 241000252228 Ctenopharyngodon Species 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 241001596950 Larimichthys crocea Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000029219 regulation of pH Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种鱼类生长智能调控方法，通过多传感器无线水质监测模块监测出池塘内水质理化指标数据并传输至云平台，将获取到的数据放入支持向量机模型建立起特定生长率的预测模型，再基于该养殖鱼类特定生长率预测结果发出对应的控制指令集，使得执行调控模块控制对应的被控设备按接收到的控制指令集执行，实现池塘养殖的自动化和智能化。本发明建立起鱼类生长与温度、溶解氧、氨氮、亚硝氮、pH、盐度等理化因子相关性数学模型，然后根鱼体生长调控模型对不同阶段的执行机构进行控制，对控制结果进行评估和反馈，形成闭环控制系统，保证了水体环境的稳定，降低了资源的消耗，促进鱼的生长，缩短生长周期，大大提高了养殖效益。
Description
技术领域
本发明涉及水产养殖技术领域，特别涉及一种鱼类生长智能调控方法。
背景技术
水产养殖受到环境变化的影响较大，需要及时的收集相应的环境信息和养殖状态动态信息，以此实现环境的预测，并采取适当的措施保证养殖的环境，但目前生产者缺乏信息的实时采集技术和手段，大多靠手工采集的方式进行，采集成本高，数据准确性较差，维护困难。传感器数据的分析还处于单一数据的处理为主，水质理化指标没有进行融合分析，更没有与生物生长进行关联分析和建模，致使水质数据还是粗放的阈值控制，不能根据具体养殖生物进行多变量的协同控制。因此，水产养殖的智能化程度、养殖管理的信息化程度、智能装备、运行能耗、水资源循环利用、绿色高效等方面均存在不足，亟待开展技术装备提升、优化集成和模式示范，实现精准节能和智能控制。
发明内容
为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种鱼类生长智能调控方法，实现了鱼类健康生长的精准动态调控，保证了水体环境的稳定，降低了资源的消耗，提高了养殖的经济效益。
本发明的目的通过以下技术方案实现：
一种鱼类生长智能调控方法，基于鱼类生长智能调控系统，所述鱼类生长智能调控系统包括通信与数据无线传输模块、云端处理平台、执行调控模块和至少一个多传感器无线水质监测模块；所述执行调控模块通过通信与数据无线传输模块与云端处理平台相连接；所述多传感器无线水质监测模块通过通信与数据无线传输模块与云端处理平台相连接；
所述多传感器无线水质监测模块包括数据处理模块、模数转换模块、微处理器、图像采集模块、水温传感器、溶解氧传感器、氨氮传感器、亚硝氮传感器、pH传感器以及盐度传感器；
所述图像采集模块、水温传感器、溶解氧传感器、氨氮传感器、亚硝氮传感器、pH传感器以及盐度传感器分别与数据处理模块相连接；
所述数据处理模块、模数转换模块、微处理器依次连接；
所述执行调控模块包括至少一个池塘控制模块；所述池塘控制模块包括控制器、继电器组和被控设备，所述被控设备包括温度调节单元、溶解氧调节单元、氨氮调节单元、亚硝氮调节单元、pH调节单元、盐度调节单元；
所述温度调节单元、溶解氧调节单元、氨氮调节单元、亚硝氮调节单元、pH调节单元、盐度调节单元分别通过继电器组与控制其相连接；
所述鱼类生长智能调控方法包括以下步骤：
S1多传感器无线水质监测模块发送池塘内在n个历史采集时刻的温度、溶解氧、氨氮、亚硝氮、pH、盐度，并按量纲分别进行归一化处理；n大于等于1；
S2所述数据处理模块将采集的传感器数据进行降噪处理，得到处理后的监测数据的模拟信号；
S3所述模数转换模块将各个传感器输出的模拟信号转化为数字信号，并将数字信号传输到微处理器；
S4所述微处理器接收水温传感器发送的水温信息、溶解氧传感器发送的溶解氧信息、氨氮传感器发送的氨氮信息、亚硝氮传感器发送的亚硝氮信息、pH传感器发送的pH值、盐度传感器发送的盐度信息以及图像采集模块发送的鱼体图像信息，并将接收的温度、溶解氧、氨氮、亚硝氮、pH、盐度以及鱼体图像信息发送至云端处理平台；
S5所述云端处理平台接收多传感器无线水质监测模块发送池塘内在n个历史采集时刻的温度、溶解氧、氨氮、亚硝氮、pH、盐度以及鱼体图像信息，对接收的图像信息中的鱼的尺寸与设定的多个标准鱼图像信息进行一一对比，筛选出与接收的池塘内图像信息中鱼所处的尺寸相匹配的标准鱼图像信息，根据标准鱼图像信息中鱼的重量，计算每个图像中鱼的平均质量；
S6所述云端处理平台根据图像信息数据得到鱼体的特定生长率SGR；
S7所述云端处理平台利用最小二乘支持向量机建立特定生长率SGR的预测模型，模型方程具体为：
YSGR＝C0+aX1+bX2+cX3+dX4+eX5+fX6
其中，YSGR为鱼类的特定生长率；X1、X2、X3、X4、X5、X6分别为对应的温度、溶解氧、氨氮、亚硝氮、pH、盐度；C0、a、b、c、d、e、f均为常数；
当SGR值≤10％时，C0＝-0.1947，a＝0.0016，b＝0.0076，c＝0.38，d＝0.01，e＝0.021，f＝0.21；
当10％＜SGR值≤30％时，C0＝-0.3285，a＝0.0028，b＝0.0091，c＝0.27，d＝0.0076，e＝0.036，f＝0.25；
当SGR值＞30％时，C0＝-0.1563，a＝0.0021，b＝0.013，c＝0.22，d＝0.0034，e＝0.029，f＝0.36；
S8所述云端处理平台根据预测模型及池塘当前所养殖鱼类在当前时刻的温度、溶解氧、氨氮、亚硝氮、pH、盐度预测出当前所养殖鱼类特定生长率预测结果，再发出对应的控制指令集，使得执行调控模块控制对应的被控设备按接收到的控制指令集执行。
优选的，所述的鱼类生长智能调控方法，还包括以下步骤：
当多传感器无线水质监测模块检测到水产养殖池超过30℃或者低于8℃、溶氧量低于3mg/L或者高于8mg/L、PH低于5.5或者高于9、盐度高于5％的情况，所述的云端处理平台通过通信与数据无线传输模块对外设客户端和用户发出警告信号。
优选的，所述预测模型的预测均方根误差RMSEP＜0.05，预测决定系数R2＞0.95。
优选的，步骤S6所述云端处理平台根据图像信息数据得到鱼体的特定生长率SGR，具体为：
优选的，，步骤S2所述数据处理模块将采集的传感器数据进行降噪处理，具体为：
利用降噪随机滤波处理模型，通过多维回归算法降低噪声对所采集的数据干扰。
优选的，步骤S5所述计算每个图像中鱼的平均质量，具体为：
将多传感器无线水质监测模块采集的图像信息中的鱼重量进行量化，得到池塘内鱼的重量集合Mn(m1,m2,...,mk)，其中k为每个图像中鱼的数量，
为每个图像中鱼的平均质量。
优选的，所述通信与数据无线传输模块通过4G/NBIOT方式进行无线双向传输。
优选的，所述鱼类生长智能调控系统还包括外设客户端，所述外设客户端通过有线或无线网络与所述云端处理平台相连接。
优选的，所述池塘控制模块还包括监测显示屏。
优选的，步骤S3所述模数转换模块将各个传感器输出的模拟信号转化为数字信号，并将数字信号传输到微处理器，具体为：
将各个传感器输出的模拟信号转化为485数字信号，并将485数字信号传输到微处理器。
与现有技术相比，本发明具有以下优点和有益效果：
(1)本发明提供的一种鱼类生长智能调控方法，对池塘内的环境进行检测以及采集池塘内的图像信息，并将检测的环境参数以及图像信息处理，建立起鱼类生长与温度、溶解氧、氨氮、亚硝氮、pH、盐度等理化因子相关性数学模型，然后根鱼体生长调控模型对不同阶段的执行机构进行控制，对控制结果进行评估和反馈，形成闭环控制系统，保证了水体环境的稳定，降低了资源的消耗，促进鱼的生长，缩短生长周期，大大提高了养殖效益。
(2)本发明在验证了对氨氮与亚硝氮与特定生长率相关性后，引入氨氮与亚硝氮作为水质好坏的直接指标，进一步提高了调控效果。
附图说明
图1为本发明的实施例的鱼类生长智能调控系统的示意图。图中，各标号所示部件如下：1、数据处理模块，2、模数转换模块，3、微处理器，4、图像采集模块，5、水温传感器，6、溶解氧传感器，7、氨氮传感器，8、亚硝氮传感器，9、pH传感器，10、盐度传感器，11、电源模块，12、通信与数据无线传输模块，13、云端处理平台，14、执行调控模块，15、温度调节单元，16、溶解氧调节单元，17、氨氮调节单元，18、亚硝氮调节单元，19、pH调节单元，20、盐度调节单元，21、外设客户端。
图2为本发明实施例中氨氮含量对特定生长率的影响。
图3为本发明实施例中亚硝氮含量对特定生长率的影响。
具体实施方式
下面结合实施例，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
如图1所示，本发明的一种基于多传感器测量的鱼类生长智能调控系统，包括若干个多传感器无线水质监测模块、电源模块11、通信与数据无线传输模块12、云端处理平台13和执行调控模块14，所述电源模块11用于为系统中各个模块进行供电，所述多传感器无线水质监测模块与云端处理平台13通过通信与数据无线传输模块12相连接，所述执行调控模块14与云端处理平台13通过通信与数据无线传输模块12相连接。
所述多传感器无线水质监测模块设置在池塘的不同位置，用于监测池塘内水质理化指标数据并输出监测信号，包括数据处理模块1、模数转换模块2、微处理器3、图像采集模块4、水温传感器5、溶解氧传感器6、氨氮传感器7、亚硝氮传感器8、pH传感器9以及盐度传感器10。
所述数据处理模块1，用于将采集的传感器数据，利用降噪随机滤波处理模型，通过多维回归算法进一步降低噪声对所采集的数据干扰，得到高精度的监测数据的模拟信号；所述模数转换模块2直接进行485接口设计，将各个传感器输出的模拟信号转化为485数字信号，并将485数字信号传输到微处理器。
所述微处理器3用于接收水温传感器5发送的水温信息、溶解氧传感器6发送的溶解氧信息、氨氮传感器7发送的氨氮信息、亚硝氮传感器8发送的亚硝氮信息、pH传感器9发送的pH值、盐度传感器10发送的盐度信息以及图像采集模块4发送的草鱼图像信息，并将接收的温度、溶解氧、氨氮、亚硝氮、pH、盐度以及草鱼鱼体图像信息发送至云端处理平台13。
所述图像采集模块4和多个传感器可实时采集池塘内的草鱼鱼体成长图像信息、温度、溶解氧、氨氮、亚硝氮、pH和盐度。其中，引入氨氮与亚硝氮作为水质好坏的直接指标，其毒性与水产养殖池的pH值和温度密切相关。
所述通信与数据无线传输模块12通过4G/NBIOT方式进行无线双向传输，一方面接收云端处理平台水质模型控制需求，另一方面将被控设备设备控制状态、反馈信号传输给云端处理平台，实现无线智能调控。
所述的执行调控模块14包括控制器、继电器组、监测显示屏、被控设备，所述被控设备包括：温度调节单元15、溶解氧调节单元16、氨氮调节单元17、亚硝氮调节单元18、pH调节单元19、盐度调节单元20，所述温度调节单元15、溶解氧调节单元16、氨氮调节单元17、亚硝氮调节单元18、pH调节单元19、盐度调节单元20与继电器组相连，所述控制器分别控制温度调节单元15、溶解氧调节单元16、氨氮调节单元17、亚硝氮调节单元18、pH调节单元19、盐度调节单元20实现对水产养殖池的精确调节。
本实施例的所述鱼类生长智能调控方法包括以下步骤：
S1多传感器无线水质监测模块发送池塘内在n个历史采集时刻的温度、溶解氧、氨氮、亚硝氮、pH、盐度按量纲分别进行归一化处理。
S2所述模数转换模块将各个传感器输出的模拟信号转化为485数字信号，并将485数字信号传输到微处理器。
S3所述微处理器用于接收水温传感器发送的水温信息、溶解氧传感器发送的溶解氧信息、氨氮传感器发送的氨氮信息、亚硝氮传感器发送的亚硝氮信息、pH传感器发送的pH值、盐度传感器发送的盐度信息以及图像采集模块发送的草鱼图像信息，并将接收的温度、溶解氧、氨氮、亚硝氮、pH、盐度以及草鱼鱼体图像信息发送至云端处理平台。
S4所述云端处理平台接收多传感器无线水质监测模块发送池塘内在n个历史采集时刻的温度、溶解氧、氨氮、亚硝氮、pH、盐度以及草鱼鱼体图像信息，对接收的图像信息中的草鱼的尺寸与设定的多个标准草鱼图像信息进行一一对比，筛选出与接收的池塘内图像信息中草鱼所处的尺寸相匹配的标准草鱼图像信息，根据标准草鱼图像信息中草鱼的重量，将多传感器无线水质监测模块采集的图像信息中的草鱼重量进行量化，得到池塘内草鱼的重量集合Mn(m1,m2,...,mk)，其中k为每个图像中草鱼的数量，
为每个图像中草鱼的平均质量。
S5所述云端处理平台根据图像信息数据得到草鱼鱼体的特定生长率(SGR)，
其中，
表示测量周期末草鱼的平均质量，
表示测量周期初草鱼的平均质量；t表示一个测量周期的天数。具体地，测量周期的天数为7天。
S6所述云端处理平台利用最小二乘支持向量机(LS-SVM)建立特定生长率(SGR)的预测模型，模型方程具体为：
YSGR＝C0+aX1+bX2+cX3+dX4+eX5+fX6
其中，YSGR为草鱼的特定生长率；X1、X2、X3、X4、X5、X6分别为对应的温度、溶解氧、氨氮、亚硝氮、pH、盐度；C0、a、b、c、d、e、f均为常数；
当SGR值≤10％时，C0＝-0.1947，a＝0.0016，b＝0.0076，c＝0.38，d＝0.01，e＝0.021，f＝0.21；
当10％＜SGR值≤30％时，C0＝-0.3285，a＝0.0028，b＝0.0091，c＝0.27，d＝0.0076，e＝0.036，f＝0.25；
当SGR值＞30％时，C0＝-0.1563，a＝0.0021，b＝0.013，c＝0.22，d＝0.0034，e＝0.029，f＝0.36。
进一步地，支持向量机模型的预测均方根误差RMSEP＜0.05，预测决定系数R2＞0.95。具体的，本实施例中所建立的预测模型精度为预测均方根误差RMSEP＝1.8％，预测决定系数R2＝0.968。
S7所述的云端处理平台基于支持向量机模型根据池塘当前所养殖鱼类在当前时刻的温度、溶解氧、氨氮、亚硝氮、pH、盐度预测出养殖鱼类特定生长率预测结果，再基于该养殖鱼类特定生长率预测结果发出对应的控制指令集，使得执行调控模块控制对应的被控设备按接收到的控制指令集执行，实现池塘养殖的自动化和智能化。具体的，预设的养殖草鱼特定生长率预测结果与被控设备调控量的对应关系按照池塘中的草鱼进行设定。
同时，所述的云端处理平台通过获取的水质理化指标实时监测数据，检测到水产养殖池温度过高超过30℃或者过低低于8℃、溶氧量低于3mg/L或者高于8mg/L、PH低于5.5或者高于9、盐度高于5％的情况，会通过通信与数据无线传输模块对外设客户端和用户发出警告信号。具体的，草鱼水产养殖池氨氮含量低于1.0mg/L、亚硝氮含量高于0.15mg/L的情况会发出警告信号。
S8所述的执行调控模块根据云端处理平台优化计算结果或者外设客户端自主设定的参数对池塘进行控制，目标客户包括池塘管理人员，池塘安保人员，池塘维护人员，养殖工人等有关池塘养殖人员，外设客户端包括PC，笔记本，平板等外设，所述外设客户端通过有线或无线网络与所述端处理平台相连接。
本发明提供的一种基于多传感器测量的鱼类生长智能调控系统，对池塘内的环境进行检测以及采集池塘内的图像信息，并将检测的环境参数以及图像信息处理，建立起鱼类生长与温度、溶解氧、氨氮、亚硝氮、pH、盐度等理化因子相关性数学模型，然后根据鱼体生长调控模型对不同阶段的执行机构进行控制，对控制结果进行评估和反馈，形成闭环控制系统，保证了水体环境的稳定，降低了资源的消耗，促进鱼的生长，缩短生长周期，大大提高了养殖效益。
本实施例对氨氮与亚硝氮对特定生长率(大黄鱼和草鱼)的影响进行实验，结果如图2和3所示，可以看出氨氮与亚硝氮鱼对特定生长率(大黄鱼和草鱼)存在相关性，且不同种类鱼对水中氨氮及亚硝氮的耐受差异，需严格控制水体氨氮和亚硝氮的浓度范围。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (10)
1.一种鱼类生长智能调控方法，其特征在于，基于鱼类生长智能调控系统，所述鱼类生长智能调控系统包括通信与数据无线传输模块、云端处理平台、执行调控模块和至少一个多传感器无线水质监测模块；所述执行调控模块通过通信与数据无线传输模块与云端处理平台相连接；所述多传感器无线水质监测模块通过通信与数据无线传输模块与云端处理平台相连接；
所述多传感器无线水质监测模块包括数据处理模块、模数转换模块、微处理器、图像采集模块、水温传感器、溶解氧传感器、氨氮传感器、亚硝氮传感器、pH传感器以及盐度传感器；
所述图像采集模块、水温传感器、溶解氧传感器、氨氮传感器、亚硝氮传感器、pH传感器以及盐度传感器分别与数据处理模块相连接；
所述数据处理模块、模数转换模块、微处理器依次连接；
所述执行调控模块包括至少一个池塘控制模块；所述池塘控制模块包括控制器、继电器组和被控设备，所述被控设备包括温度调节单元、溶解氧调节单元、氨氮调节单元、亚硝氮调节单元、pH调节单元、盐度调节单元；
所述温度调节单元、溶解氧调节单元、氨氮调节单元、亚硝氮调节单元、pH调节单元、盐度调节单元分别通过继电器组与控制其相连接；
所述鱼类生长智能调控方法包括以下步骤：
S1多传感器无线水质监测模块发送池塘内在n个历史采集时刻的温度、溶解氧、氨氮、亚硝氮、pH、盐度，并按量纲分别进行归一化处理；n大于等于1；
S2所述数据处理模块将采集的传感器数据进行降噪处理，得到处理后的监测数据的模拟信号；
S3所述模数转换模块将各个传感器输出的模拟信号转化为数字信号，并将数字信号传输到微处理器；
S4所述微处理器接收水温传感器发送的水温信息、溶解氧传感器发送的溶解氧信息、氨氮传感器发送的氨氮信息、亚硝氮传感器发送的亚硝氮信息、pH传感器发送的pH值、盐度传感器发送的盐度信息以及图像采集模块发送的鱼体图像信息，并将接收的温度、溶解氧、氨氮、亚硝氮、pH、盐度以及鱼体图像信息发送至云端处理平台；
S5所述云端处理平台接收多传感器无线水质监测模块发送池塘内在n个历史采集时刻的温度、溶解氧、氨氮、亚硝氮、pH、盐度以及鱼体图像信息，对接收的图像信息中的鱼的尺寸与设定的多个标准鱼图像信息进行一一对比，筛选出与接收的池塘内图像信息中鱼所处的尺寸相匹配的标准鱼图像信息，根据标准鱼图像信息中鱼的重量，计算每个图像中鱼的平均质量；
S6所述云端处理平台根据图像信息数据得到鱼体的特定生长率SGR；
S7所述云端处理平台利用最小二乘支持向量机建立特定生长率SGR的预测模型，模型方程具体为：
YSGR＝C0+aX1+bX2+cX3+dX4+eX5+fX6
其中，YSGR为鱼类的特定生长率；X1、X2、X3、X4、X5、X6分别为对应的温度、溶解氧、氨氮、亚硝氮、pH、盐度；C0、a、b、c、d、e、f均为常数；
当SGR值≤10％时，C0＝-0.1947，a＝0.0016，b＝0.0076，c＝0.38，d＝0.01，e＝0.021，f＝0.21；
当10％＜SGR值≤30％时，C0＝-0.3285，a＝0.0028，b＝0.0091，c＝0.27，d＝0.0076，e＝0.036，f＝0.25；
当SGR值＞30％时，C0＝-0.1563，a＝0.0021，b＝0.013，c＝0.22，d＝0.0034，e＝0.029，f＝0.36；
S8所述云端处理平台根据预测模型及池塘当前所养殖鱼类在当前时刻的温度、溶解氧、氨氮、亚硝氮、pH、盐度预测出当前所养殖鱼类特定生长率预测结果，再发出对应的控制指令集，使得执行调控模块控制对应的被控设备按接收到的控制指令集执行。
2.根据权利要求1所述的鱼类生长智能调控方法，其特征在于，还包括以下步骤：
当多传感器无线水质监测模块检测到水产养殖池超过30℃或者低于8℃、溶氧量低于3mg/L或者高于8mg/L、PH低于5.5或者高于9、盐度高于5％的情况，所述的云端处理平台通过通信与数据无线传输模块对外设客户端和用户发出警告信号。
3.根据权利要求1所述的鱼类生长智能调控方法，其特征在于，所述预测模型的预测均方根误差RMSEP＜0.05，预测决定系数R2＞0.95。
4.根据权利要求1所述的鱼类生长智能调控方法，其特征在于，步骤S6所述云端处理平台根据图像信息数据得到鱼体的特定生长率SGR，具体为：
5.根据权利要求1所述的鱼类生长智能调控方法，其特征在于，步骤S2所述数据处理模块将采集的传感器数据进行降噪处理，具体为：
利用降噪随机滤波处理模型，通过多维回归算法降低噪声对所采集的数据干扰。
6.根据权利要求1所述的鱼类生长智能调控方法，其特征在于，步骤S5所述计算每个图像中鱼的平均质量，具体为：
将多传感器无线水质监测模块采集的图像信息中的鱼重量进行量化，得到池塘内鱼的重量集合Mn(m1,m2,...,mk)，其中k为每个图像中鱼的数量，
为每个图像中鱼的平均质量。
7.根据权利要求1所述的鱼类生长智能调控方法，其特征在于，所述通信与数据无线传输模块通过4G/NBIOT方式进行无线双向传输。
8.根据权利要求1所述的鱼类生长智能调控方法，其特征在于，所述鱼类生长智能调控系统还包括外设客户端，所述外设客户端通过有线或无线网络与所述云端处理平台相连接。
9.根据权利要求1所述的鱼类生长智能调控方法，其特征在于，所述池塘控制模块还包括监测显示屏。
10.根据权利要求1所述的鱼类生长智能调控方法，其特征在于，步骤S3所述模数转换模块将各个传感器输出的模拟信号转化为数字信号，并将数字信号传输到微处理器，具体为：
将各个传感器输出的模拟信号转化为485数字信号，并将485数字信号传输到微处理器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310140314.0A CN116185107A (zh) | 2023-02-21 | 2023-02-21 | 一种鱼类生长智能调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310140314.0A CN116185107A (zh) | 2023-02-21 | 2023-02-21 | 一种鱼类生长智能调控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116185107A true CN116185107A (zh) | 2023-05-30 |
Family
ID=86441901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310140314.0A Pending CN116185107A (zh) | 2023-02-21 | 2023-02-21 | 一种鱼类生长智能调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116185107A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117882663A (zh) * | 2024-03-14 | 2024-04-16 | 山东得和明兴生物科技有限公司 | 一种文蛤苗种自动化高密度培育系统和方法 |
-
2023
- 2023-02-21 CN CN202310140314.0A patent/CN116185107A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117882663A (zh) * | 2024-03-14 | 2024-04-16 | 山东得和明兴生物科技有限公司 | 一种文蛤苗种自动化高密度培育系统和方法 |
| CN117882663B (zh) * | 2024-03-14 | 2024-05-28 | 山东得和明兴生物科技有限公司 | 一种文蛤苗种自动化高密度培育系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105511346B (zh) | 一种用于深水网箱养殖的鱼类投饵量控制系统 | |
| CN203101933U (zh) | 基于物联网的水产养殖水质在线监控系统 | |
| KR20170032152A (ko) | 양어장의 급이 제어방법 및 그 장치 | |
| CN116185107A (zh) | 一种鱼类生长智能调控方法 | |
| CN102880156A (zh) | 一种鱼缸智能监控方法及其系统 | |
| CN115825368B (zh) | 基于物联网的水产养殖业的水质监测方法及系统 | |
| CN101995875A (zh) | 水产养殖远程自动化监控系统及其监控方法 | |
| CN203492583U (zh) | 一种预防南美白对虾养殖水体富营养化的视频监控装置 | |
| CN108106741A (zh) | 一种变周期海水温度采集和传输方法及系统 | |
| CN113126490A (zh) | 智能变频增氧控制方法及装置 | |
| CN105843147A (zh) | 一种智慧农业监控管理系统 | |
| CN204423134U (zh) | 一机整合多参数水产养殖远程监控系统 | |
| CN102654496B (zh) | 一种养殖池塘水体溶解氧的实时监控装置及方法 | |
| CN101706493A (zh) | 一种养殖池塘的水质在线监测方法及系统 | |
| CN106538448A (zh) | 基于网络的鱼缸控制系统 | |
| CN116301138B (zh) | 基于日光温室的农业大棚智能化监管系统 | |
| CN116360331A (zh) | 一种通用的自动化控制系统及控制方法 | |
| CN112034759A (zh) | 一种智能网箱养鱼监控系统 | |
| CN111309077A (zh) | 水产养殖检测管理系统 | |
| CN114326888A (zh) | 一种基于物联网水产养殖在线实时监控系统 | |
| TWM578511U (zh) | Marine farming feed system | |
| CN117223666A (zh) | 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 | |
| CN208061049U (zh) | 一种养殖场环境检测和调控装置 | |
| CN206556686U (zh) | 基于Zigbee技术的鱼塘水质监测系统 | |
| CN112666887A (zh) | 一种基于b/s架构的水产养殖控制系统 |
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 |