CN116307879A - 一种斑节对虾虾苗高效培育方法、系统及介质 - Google Patents
一种斑节对虾虾苗高效培育方法、系统及介质 Download PDFInfo
- Publication number
- CN116307879A CN116307879A CN202310221899.9A CN202310221899A CN116307879A CN 116307879 A CN116307879 A CN 116307879A CN 202310221899 A CN202310221899 A CN 202310221899A CN 116307879 A CN116307879 A CN 116307879A
- Authority
- CN
- China
- Prior art keywords
- penaeus monodon
- environmental factor
- cultivation
- factor data
- data
- 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
- 241000238552 Penaeus monodon Species 0.000 title claims abstract description 352
- 238000012364 cultivation method Methods 0.000 title claims description 10
- 201000010099 disease Diseases 0.000 claims abstract description 214
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 214
- 230000007613 environmental effect Effects 0.000 claims abstract description 162
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims description 56
- 238000011156 evaluation Methods 0.000 claims description 42
- 230000006399 behavior Effects 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 25
- 238000009395 breeding Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 230000001488 breeding effect Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 241001454429 Metapenaeus ensis Species 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 8
- 230000004083 survival effect Effects 0.000 abstract description 4
- 238000012258 culturing Methods 0.000 description 5
- 241000238557 Decapoda Species 0.000 description 4
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 206010059866 Drug resistance Diseases 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 241000238017 Astacoidea Species 0.000 description 1
- 208000035240 Disease Resistance Diseases 0.000 description 1
- 241000241034 Palaemon pugio Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012136 culture method Methods 0.000 description 1
- 208000010643 digestive system disease Diseases 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000011218 seed culture Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- A01K61/00—Culture of aquatic animals
- A01K61/50—Culture of aquatic animals of shellfish
- A01K61/59—Culture of aquatic animals of shellfish of crustaceans, e.g. lobsters or shrimps
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/10—Culture of aquatic animals of fish
- A01K61/13—Prevention or treatment of fish diseases
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Strategic Management (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Biodiversity & Conservation Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Zoology (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种斑节对虾虾苗高效培育方法、系统及介质，属斑节对虾养殖技术领域,本发明通过根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，并将相关的防治方案传输至远程斑节对虾培育监控终端。本发明通过对养殖区域中的环境因子数据进行评价，从而获取对应环境因子数据发生病害的权重信息，从而根据发生病害的权重信息以及预设时间之内斑节对虾的应激行为来判断是否发生病害，当确定已发生病害时，根据病害类型制定相关的防治方案。通过本方法能够对各种斑节对虾的病害进行识别，而且生成的斑节对虾的防治方案更加合理，进一步提高了斑节对虾在培育过程中的存活率。
Description
技术领域
本发明涉及斑节对虾养殖技术领域，尤其涉及一种斑节对虾虾苗高效培育方法、系统及介质。
背景技术
斑节对虾俗称草虾，是我国重要的优质经济虾类之一，该虾早已在福建、广东、广西、海南等多个省市区开展了人工养殖，取得了明显的经济效益和社会效益。斑节对虾具有生长快、个体大、适盐范围广、抗病力强的特点。斑节对虾近年来养殖面积逐年增加，苗种需求量倍增，提高苗种培育成活率尤为重要。然而，斑节对虾在养殖的过程中，会产生各种各样的病害，而每种病害往往对应着不同的环境因素。而养殖过程中产生的不同病害的环境因素是不一致的，如产生某种病害需要的温度是25摄氏度以及2mol/L的对应离子浓度，而产生某一种病害的温度数据是30摄氏度以及3mol/L的对应离子浓度。现有技术中，对于各种斑节对虾的病害监测以及防治效果差，不能及时发现斑节对虾的病害，往往发现后已经造成不可挽回的局面，造成了养殖用户巨大的经济损失。
发明内容
本发明克服了现有技术的不足，提供了一种斑节对虾虾苗高效培育方法、系统及介质。
为达上述目的，本发明采用的技术方案为：
本发明第一方面提供了一种斑节对虾虾苗高效培育方法，包括以下步骤：
通过大数据获取与斑节对虾培育相关的环境因子数据，并根据与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据；
通过大数据获取与斑节对虾病害相关的环境因子数据，对每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果；
获取评价结果中的异常环境因子数据，并根据评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息；
根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，并将相关的防治方案传输至远程斑节对虾培育监控终端。
进一步地，本发明的一个较佳实施例中，通过大数据获取与斑节对虾培育相关的环境因子数据，并根据与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据，具体包括以下步骤：
通过对斑节对虾培育设置关键词信息，并基于关键词信息构建检索标签，根据检索标签通过大数据网络进行检索，以获取与斑节对虾培育相关的环境因子数据；
根据与斑节对虾培育相关的环境因子数据对每一个斑节对虾养殖区域设置无线监测节点，并根据无线监测节点构建无线监测网络；
通过无线监测网络获取每一个斑节对虾养殖区域的环境因子数据，并通过对每一个斑节对虾养殖区域的环境因子数据进行离群点数据进行筛选；
剔除每一个斑节对虾养殖区域的环境因子数据中的离群点数据，根据每一斑节对虾养殖区域的环境因子数据生成每一个斑节对虾养殖区域在预设时间之内的环境因子数据。
进一步地，本发明的一个较佳实施例中，通过大数据获取与斑节对虾病害相关的环境因子数据，对每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果，具体包括以下步骤：
通过大数据获取与斑节对虾病害相关的环境因子数据，并确定评价的层次结构体系，将层次结构体系分为目标层、准则层以及方案层；
将与斑节对虾病害相关的环境因子数据输入到准则层中，并将每一个斑节对虾养殖区域在预设时间之内的环境因子数据输入到方案层中，预设若干个斑节对虾病害，并将斑节对虾病害输入到目标层中，生成评价指标体系；
根据准则层以及方案层组内的各因素进行相互比较，以预设定量标度进行相对重要性定量化，生成标度值，根据标度值构建判断矩阵；
通过方根法对判断矩阵进行归一化计算，得到特征向量，根据特征向量生成各个斑节对虾对应病害的权重向量信息，并将各个斑节对虾对应病害的权重向量信息作为评价结果输出。
进一步地，本发明的一个较佳实施例中，获取评价结果中的异常环境因子数据，并根据评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息，具体包括以下步骤：
获取评价结果的各个斑节对虾对应病害的权重向量信息，并将各个斑节对虾对应病害的权重向量信息与预设权重向量信息对比，得到偏差率，若偏差率大于偏差率，则获取当前评价结果对应的环境因子数据，并将环境因子数据作为异常环境因子数据；
采集预设时间之内异常环境因子数据对应的斑节对虾养殖区域的图像信息，并基于卷积神经网络构建斑节对虾行为识别模型，并获取大量斑节对虾的行为图像信息；
将大量斑节对虾的行为图像信息输入到斑节对虾行为识别模型中进行训练，以获取训练完成的斑节对虾行为识别模型，将预设时间之内异常环境因子数据对应的斑节对虾养殖区域的图像信息输入到训练完成的斑节对虾行为识别模型中进行识别，获取斑节对虾的行为信息；
若行为信息存在产生斑节对虾对应病害的应激性行为信息，则生成每一斑节对虾养殖区域的爆发病害数据信息，并将每一斑节对虾养殖区域的爆发病害数据信息进行输出。
进一步地，本发明的一个较佳实施例中，根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，具体包括以下步骤：
获取斑节对虾各病害的历史病害治理信息，并根据斑节对虾各病害的历史病害治理信息构建数据库，获取每一斑节对虾养殖区域的爆发病害数据信息，并通过大数据检索与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案；
将与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案输入到数据库中进行匹配，以获取匹配度大预设匹配度的相关的候选病害治理方案；
获取每一斑节对虾养殖区域的历史病害治理方案，并判断每一斑节对虾养殖区域的历史病害治理方案与匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内是否存在重合；
若每一斑节对虾养殖区域的历史病害治理方案与匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内存在重合，则将该治理方案从候选病害治理方案中剔除，以生成最终的候选病害治理方案。
进一步地，本发明的一个较佳实施例中，根据与斑节对虾培育相关的环境因子数据对每一个斑节对虾养殖区域设置无线监测节点，并根据无线监测节点构建无线监测网络，具体包括：
获取每一个斑节对虾养殖区域的规划图纸信息，基于规划图纸信息构建斑节对虾养殖区域的三维模型图，并获取当前待安装无线传感器的探测范围数据信息；
将斑节对虾养殖区域的三维模型图以及当前待安装无线传感器的探测范围数据信息输入到粒子群算法中进行无线监测点进行布点规划，以获取无线传感器的初始无线监测节点；
获取斑节对虾养殖区域的三维模型图中的热源设备所在位置，并判断热源设备所在位置的预设范围之内是否存在无线传感器；
若热源设备所在位置的预设范围之内存在无线传感器，则在热源设备的预设范围之外的位置重新布置无线传感器，并生成最终的无线监测节点，并根据最终的无线监测节点构建无线监测网络。
本发明第二方面提供了一种斑节对虾虾苗高效培育系统，该系统包括存储器以及处理器，该存储器中包含斑节对虾虾苗高效培育方法程序，斑节对虾虾苗高效培育方法程序被处理器执行时，实现如下步骤：
通过大数据获取与斑节对虾培育相关的环境因子数据，并根据与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据；
通过大数据获取与斑节对虾病害相关的环境因子数据，对每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果；
获取评价结果中的异常环境因子数据，并根据评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息；
根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，并将相关的防治方案传输至远程斑节对虾培育监控终端。
在本实施例中，通过大数据获取与斑节对虾培育相关的环境因子数据，并根据与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据，具体包括以下步骤：
通过对斑节对虾培育设置关键词信息，并基于关键词信息构建检索标签，根据检索标签通过大数据网络进行检索，以获取与斑节对虾培育相关的环境因子数据；
根据与斑节对虾培育相关的环境因子数据对每一个斑节对虾养殖区域设置无线监测节点，并根据无线监测节点构建无线监测网络；
通过无线监测网络获取每一个斑节对虾养殖区域的环境因子数据，并通过对每一个斑节对虾养殖区域的环境因子数据进行离群点数据进行筛选；
剔除每一个斑节对虾养殖区域的环境因子数据中的离群点数据，根据每一斑节对虾养殖区域的环境因子数据生成每一个斑节对虾养殖区域在预设时间之内的环境因子数据。
在本实施例中，根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，具体包括以下步骤：
获取斑节对虾各病害的历史病害治理信息，并根据斑节对虾各病害的历史病害治理信息构建数据库，获取每一斑节对虾养殖区域的爆发病害数据信息，并通过大数据检索与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案；
将与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案输入到数据库中进行匹配，以获取匹配度大预设匹配度的相关的候选病害治理方案；
获取每一斑节对虾养殖区域的历史病害治理方案，并判断每一斑节对虾养殖区域的历史病害治理方案与匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内是否存在重合；
若每一斑节对虾养殖区域的历史病害治理方案与匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内存在重合，则将该治理方案从候选病害治理方案中剔除，以生成最终的候选病害治理方案。
本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包含斑节对虾虾苗高效培育方法程序，斑节对虾虾苗高效培育方法程序被处理器执行时，实现任一项的一种斑节对虾虾苗高效培育方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
本发明通过大数据获取与斑节对虾培育相关的环境因子数据，并根据与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据；进一步通过大数据获取与斑节对虾病害相关的环境因子数据，对每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果；从而获取评价结果中的异常环境因子数据，并根据评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息；最后根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，并将相关的防治方案传输至远程斑节对虾培育监控终端。本发明通过对养殖区域中的环境因子数据进行评价，从而获取对应环境因子数据发生病害的权重信息，从而根据发生病害的权重信息以及预设时间之内斑节对虾的应激行为来判断是否发生病害，当确定已发生病害时，根据病害类型制定相关的防治方案。通过本方法能够对各种斑节对虾的病害进行识别，而且生成的斑节对虾的防治方案更加合理，进一步提高了斑节对虾在培育过程中的存活率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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实施例的附图。
图1示出了一种斑节对虾虾苗高效培育方法的整体方法流程图；
图2示出了一种斑节对虾虾苗高效培育方法的第一方法流程图；
图3示出了一种斑节对虾虾苗高效培育方法的第二方法流程图；
图4示出了一种斑节对虾虾苗高效培育系统的系统框图。
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。
如图1所示，本发明第一方面提供了一种斑节对虾虾苗高效培育方法，包括以下步骤：
S102:通过大数据获取与斑节对虾培育相关的环境因子数据，并根据与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据；
S104:通过大数据获取与斑节对虾病害相关的环境因子数据，对每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果；
S106:获取评价结果中的异常环境因子数据，并根据评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息；
S108:根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，并将相关的防治方案传输至远程斑节对虾培育监控终端。
需要说明的是，本发明通过对养殖区域中的环境因子数据进行评价，从而获取对应环境因子数据发生病害的权重信息，从而根据发生病害的权重信息以及预设时间之内斑节对虾的应激行为来判断是否发生病害，当确定已发生病害时，根据病害类型制定相关的防治方案。通过本方法能够对各种斑节对虾的病害进行识别，而且生成的斑节对虾的防治方案更加合理，进一步提高了斑节对虾在培育过程中的存活率。
需要说明的是，通过大数据获取与斑节对虾培育相关的环境因子数据，并根据与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据，具体为：
通过对斑节对虾培育设置关键词信息，并基于关键词信息构建检索标签，根据检索标签通过大数据网络进行检索，以获取与斑节对虾培育相关的环境因子数据；
根据与斑节对虾培育相关的环境因子数据对每一个斑节对虾养殖区域设置无线监测节点，并根据无线监测节点构建无线监测网络；
通过无线监测网络获取每一个斑节对虾养殖区域的环境因子数据，并通过对每一个斑节对虾养殖区域的环境因子数据进行离群点数据进行筛选；
剔除每一个斑节对虾养殖区域的环境因子数据中的离群点数据，根据每一斑节对虾养殖区域的环境因子数据生成每一个斑节对虾养殖区域在预设时间之内的环境因子数据。
需要说明的是，环境因子数据包括水体温度、水体盐度、环境温度、环境湿度等数据。其中，根据与斑节对虾培育相关的环境因子数据对每一个斑节对虾养殖区域设置无线监测节点，并根据无线监测节点构建无线监测网络，具体包括：
获取每一个斑节对虾养殖区域的规划图纸信息，基于规划图纸信息构建斑节对虾养殖区域的三维模型图，并获取当前待安装无线传感器的探测范围数据信息；
将斑节对虾养殖区域的三维模型图以及当前待安装无线传感器的探测范围数据信息输入到粒子群算法中进行无线监测点进行布点规划，以获取无线传感器的初始无线监测节点；
获取斑节对虾养殖区域的三维模型图中的热源设备所在位置，并判断热源设备所在位置的预设范围之内是否存在无线传感器；
若热源设备所在位置的预设范围之内存在无线传感器，则在热源设备的预设范围之外的位置重新布置无线传感器，并生成最终的无线监测节点，并根据最终的无线监测节点构建无线监测网络。
需要说明的是，热源设备为养殖用户在养殖区域中布设的加热设备，由于现有的无线传感器容易受到温度的影响，当越靠近热源设备时，相应位置的温度就会越高，通过本方法能够将无线传感器设置在热源设备的预设范围之内，使得无线传感器的布点更加合理。其中，斑节对虾养殖区域的三维模型图可以通过三维建模软件构建、AR技术构建等方式来完成。
进一步地，本发明的一个较佳实施例中，通过大数据获取与斑节对虾病害相关的环境因子数据，对每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果，具体包括以下步骤：
通过大数据获取与斑节对虾病害相关的环境因子数据，并确定评价的层次结构体系，将层次结构体系分为目标层、准则层以及方案层；
将与斑节对虾病害相关的环境因子数据输入到准则层中，并将每一个斑节对虾养殖区域在预设时间之内的环境因子数据输入到方案层中，预设若干个斑节对虾病害，并将斑节对虾病害输入到目标层中，生成评价指标体系；
根据准则层以及方案层组内的各因素进行相互比较，以预设定量标度进行相对重要性定量化，生成标度值，根据标度值构建判断矩阵；
通过方根法对判断矩阵进行归一化计算，得到特征向量，根据特征向量生成各个斑节对虾对应病害的权重向量信息，并将各个斑节对虾对应病害的权重向量信息作为评价结果输出。
需要说明的是，不同病害所对应的权重向量是不一致的，如产生某种病害需要的温度是25摄氏度以及2mol/L的对应离子浓度，而产生某一种病害的温度数据是30摄氏度以及3mol/L的对应离子浓度，通过层次分析法计算出当前环境因子数据对于某种病害的产生的权重向量信息，当权重向量信息越大时，说明产生某种病害的可能性就会越大。如肝脏白浊病，当环境因子数据中计算得到的肝脏白浊病权重向量信息越大，表明产生该类病害的可能性就会越大。
如图2所示，进一步地，本发明的一个较佳实施例中，获取评价结果中的异常环境因子数据，并根据评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息，具体包括以下步骤：
S202:获取评价结果的各个斑节对虾对应病害的权重向量信息，并将各个斑节对虾对应病害的权重向量信息与预设权重向量信息对比，得到偏差率，若偏差率大于偏差率，则获取当前评价结果对应的环境因子数据，并将环境因子数据作为异常环境因子数据；
S204:采集预设时间之内异常环境因子数据对应的斑节对虾养殖区域的图像信息，并基于卷积神经网络构建斑节对虾行为识别模型，并获取大量斑节对虾的行为图像信息；
S206:将大量斑节对虾的行为图像信息输入到斑节对虾行为识别模型中进行训练，以获取训练完成的斑节对虾行为识别模型，将预设时间之内异常环境因子数据对应的斑节对虾养殖区域的图像信息输入到训练完成的斑节对虾行为识别模型中进行识别，获取斑节对虾的行为信息；
S208:若行为信息存在产生斑节对虾对应病害的应激性行为信息，则生成每一斑节对虾养殖区域的爆发病害数据信息，并将每一斑节对虾养殖区域的爆发病害数据信息进行输出。
需要说明的是，当权重向量信息越大时，说明产生某种病害的可能性就会越大，但并不意味着一定会产生相应的病害；当斑节对虾还存在着一定的应激行为之时，如肝脏白浊病是由病毒原发感染的消化系统疾病。多见于糠虾期幼体及初期仔虾，发病的幼体、仔虾常浮于水面打转，行动迟缓。当有部分斑节对虾产生此类行为之时，说明该病害发生在初期。
如图3所示，进一步地，本发明的一个较佳实施例中，根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，具体包括以下步骤：
S302:获取斑节对虾各病害的历史病害治理信息，并根据斑节对虾各病害的历史病害治理信息构建数据库，获取每一斑节对虾养殖区域的爆发病害数据信息，并通过大数据检索与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案；
S304:将与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案输入到数据库中进行匹配，以获取匹配度大预设匹配度的相关的候选病害治理方案；
S306:获取每一斑节对虾养殖区域的历史病害治理方案，并判断每一斑节对虾养殖区域的历史病害治理方案与匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内是否存在重合；
S308:若每一斑节对虾养殖区域的历史病害治理方案与匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内存在重合，则将该治理方案从候选病害治理方案中剔除，以生成最终的候选病害治理方案。
需要说明的是，当每一斑节对虾养殖区域的历史病害治理方案与匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内存在重合，说明用户经常使用该类药物进行防治该病害，由于长期的使用该药物，对于该病害的病菌或者病毒而言，已经产生了抗药性。通过本方法能够进一步地筛选出已经产生抗药性的防治方案，进而提高更好的防治方案给用户，进而提高病害的防治效果。
如图4所示，本发明第二方面提供了一种斑节对虾虾苗高效培育系统，该系统包括存储器41以及处理器62，该存储器41中包含斑节对虾虾苗高效培育方法程序，斑节对虾虾苗高效培育方法程序被处理器62执行时，实现如下步骤：
通过大数据获取与斑节对虾培育相关的环境因子数据，并根据与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据；
通过大数据获取与斑节对虾病害相关的环境因子数据，对每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果；
获取评价结果中的异常环境因子数据，并根据评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息；
根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，并将相关的防治方案传输至远程斑节对虾培育监控终端。
在本实施例中，通过大数据获取与斑节对虾培育相关的环境因子数据，并根据与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据，具体包括以下步骤：
通过对斑节对虾培育设置关键词信息，并基于关键词信息构建检索标签，根据检索标签通过大数据网络进行检索，以获取与斑节对虾培育相关的环境因子数据；
根据与斑节对虾培育相关的环境因子数据对每一个斑节对虾养殖区域设置无线监测节点，并根据无线监测节点构建无线监测网络；
通过无线监测网络获取每一个斑节对虾养殖区域的环境因子数据，并通过对每一个斑节对虾养殖区域的环境因子数据进行离群点数据进行筛选；
剔除每一个斑节对虾养殖区域的环境因子数据中的离群点数据，根据每一斑节对虾养殖区域的环境因子数据生成每一个斑节对虾养殖区域在预设时间之内的环境因子数据。
在本实施例中，根据每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，具体包括以下步骤：
获取斑节对虾各病害的历史病害治理信息，并根据斑节对虾各病害的历史病害治理信息构建数据库，获取每一斑节对虾养殖区域的爆发病害数据信息，并通过大数据检索与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案；
将与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案输入到数据库中进行匹配，以获取匹配度大预设匹配度的相关的候选病害治理方案；
获取每一斑节对虾养殖区域的历史病害治理方案，并判断每一斑节对虾养殖区域的历史病害治理方案与匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内是否存在重合；
若每一斑节对虾养殖区域的历史病害治理方案与匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内存在重合，则将该治理方案从候选病害治理方案中剔除，以生成最终的候选病害治理方案。
本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包含斑节对虾虾苗高效培育方法程序，斑节对虾虾苗高效培育方法程序被处理器执行时，实现任一项的一种斑节对虾虾苗高效培育方法的步骤。
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，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权利要求的保护范围为准。
Claims (10)
1.一种斑节对虾虾苗高效培育方法，其特征在于，包括以下步骤：
通过大数据获取与斑节对虾培育相关的环境因子数据，并根据所述与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据；
通过大数据获取与斑节对虾病害相关的环境因子数据，对所述每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果；
获取评价结果中的异常环境因子数据，并根据所述评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息；
根据所述每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，并将所述相关的防治方案传输至远程斑节对虾培育监控终端。
2.根据权利要求1所述的一种斑节对虾虾苗高效培育方法，其特征在于，通过大数据获取与斑节对虾培育相关的环境因子数据，并根据所述与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据，具体包括以下步骤：
通过对斑节对虾培育设置关键词信息，并基于所述关键词信息构建检索标签，根据所述检索标签通过大数据网络进行检索，以获取与斑节对虾培育相关的环境因子数据；
根据所述与斑节对虾培育相关的环境因子数据对每一个斑节对虾养殖区域设置无线监测节点，并根据所述无线监测节点构建无线监测网络；
通过无线监测网络获取每一个斑节对虾养殖区域的环境因子数据，并通过对所述每一个斑节对虾养殖区域的环境因子数据进行离群点数据进行筛选；
剔除所述每一个斑节对虾养殖区域的环境因子数据中的离群点数据，根据每一斑节对虾养殖区域的环境因子数据生成每一个斑节对虾养殖区域在预设时间之内的环境因子数据。
3.根据权利要求1所述的一种斑节对虾虾苗高效培育方法，其特征在于，通过大数据获取与斑节对虾病害相关的环境因子数据，对所述每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果，具体包括以下步骤：
通过大数据获取与斑节对虾病害相关的环境因子数据，并确定评价的层次结构体系，将所述层次结构体系分为目标层、准则层以及方案层；
将所述与斑节对虾病害相关的环境因子数据输入到准则层中，并将所述每一个斑节对虾养殖区域在预设时间之内的环境因子数据输入到方案层中，预设若干个斑节对虾病害，并将所述斑节对虾病害输入到目标层中，生成评价指标体系；
根据所述准则层以及方案层组内的各因素进行相互比较，以预设定量标度进行相对重要性定量化，生成标度值，根据标度值构建判断矩阵；
通过方根法对所述判断矩阵进行归一化计算，得到特征向量，根据所述特征向量生成各个斑节对虾对应病害的权重向量信息，并将所述各个斑节对虾对应病害的权重向量信息作为评价结果输出。
4.根据权利要求1所述的一种斑节对虾虾苗高效培育方法，其特征在于，获取评价结果中的异常环境因子数据，并根据所述评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息，具体包括以下步骤：
获取评价结果的各个斑节对虾对应病害的权重向量信息，并将所述各个斑节对虾对应病害的权重向量信息与预设权重向量信息对比，得到偏差率，若所述偏差率大于偏差率，则获取当前评价结果对应的环境因子数据，并将所述环境因子数据作为异常环境因子数据；
采集预设时间之内异常环境因子数据对应的斑节对虾养殖区域的图像信息，并基于卷积神经网络构建斑节对虾行为识别模型，并获取大量斑节对虾的行为图像信息；
将所述大量斑节对虾的行为图像信息输入到斑节对虾行为识别模型中进行训练，以获取训练完成的斑节对虾行为识别模型，将所述预设时间之内异常环境因子数据对应的斑节对虾养殖区域的图像信息输入到所述训练完成的斑节对虾行为识别模型中进行识别，获取斑节对虾的行为信息；
若所述行为信息存在产生斑节对虾对应病害的应激性行为信息，则生成每一斑节对虾养殖区域的爆发病害数据信息，并将所述每一斑节对虾养殖区域的爆发病害数据信息进行输出。
5.根据权利要求1所述的一种斑节对虾虾苗高效培育方法，其特征在于，根据所述每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，具体包括以下步骤：
获取斑节对虾各病害的历史病害治理信息，并根据所述斑节对虾各病害的历史病害治理信息构建数据库，获取每一斑节对虾养殖区域的爆发病害数据信息，并通过大数据检索与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案；
将所述与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案输入到所述数据库中进行匹配，以获取匹配度大预设匹配度的相关的候选病害治理方案；
获取每一斑节对虾养殖区域的历史病害治理方案，并判断所述每一斑节对虾养殖区域的历史病害治理方案与所述匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内是否存在重合；
若每一斑节对虾养殖区域的历史病害治理方案与所述匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内存在重合，则将该治理方案从候选病害治理方案中剔除，以生成最终的候选病害治理方案。
6.根据权利要求2所述的一种斑节对虾虾苗高效培育方法，其特征在于，根据所述与斑节对虾培育相关的环境因子数据对每一个斑节对虾养殖区域设置无线监测节点，并根据所述无线监测节点构建无线监测网络，具体包括：
获取每一个斑节对虾养殖区域的规划图纸信息，基于所述规划图纸信息构建斑节对虾养殖区域的三维模型图，并获取当前待安装无线传感器的探测范围数据信息；
将所述斑节对虾养殖区域的三维模型图以及当前待安装无线传感器的探测范围数据信息输入到粒子群算法中进行无线监测点进行布点规划，以获取无线传感器的初始无线监测节点；
获取斑节对虾养殖区域的三维模型图中的热源设备所在位置，并判断热源设备所在位置的预设范围之内是否存在无线传感器；
若热源设备所在位置的预设范围之内存在无线传感器，则在热源设备的预设范围之外的位置重新布置无线传感器，并生成最终的无线监测节点，并根据所述最终的无线监测节点构建无线监测网络。
7.一种斑节对虾虾苗高效培育系统，其特征在于，所述系统包括存储器以及处理器，所述存储器中包含斑节对虾虾苗高效培育方法程序，所述斑节对虾虾苗高效培育方法程序被所述处理器执行时，实现如下步骤：
通过大数据获取与斑节对虾培育相关的环境因子数据，并根据所述与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据；
通过大数据获取与斑节对虾病害相关的环境因子数据，对所述每一个斑节对虾养殖区域在预设时间之内的环境因子数据以及与斑节对虾病害相关的环境因子数据进行评价，以获取评价结果；
获取评价结果中的异常环境因子数据，并根据所述评价结果中的异常环境因子数据进行预测，以获取每一斑节对虾养殖区域的爆发病害数据信息；
根据所述每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，并将所述相关的防治方案传输至远程斑节对虾培育监控终端。
8.根据权利要求7所述的一种斑节对虾虾苗高效培育系统，其特征在于，通过大数据获取与斑节对虾培育相关的环境因子数据，并根据所述与斑节对虾培育相关的环境因子数据对每一斑节对虾养殖区域进行数据采集，得到每一个斑节对虾养殖区域在预设时间之内的环境因子数据，具体包括以下步骤：
通过对斑节对虾培育设置关键词信息，并基于所述关键词信息构建检索标签，根据所述检索标签通过大数据网络进行检索，以获取与斑节对虾培育相关的环境因子数据；
根据所述与斑节对虾培育相关的环境因子数据对每一个斑节对虾养殖区域设置无线监测节点，并根据所述无线监测节点构建无线监测网络；
通过无线监测网络获取每一个斑节对虾养殖区域的环境因子数据，并通过对所述每一个斑节对虾养殖区域的环境因子数据进行离群点数据进行筛选；
剔除所述每一个斑节对虾养殖区域的环境因子数据中的离群点数据，根据每一斑节对虾养殖区域的环境因子数据生成每一个斑节对虾养殖区域在预设时间之内的环境因子数据。
9.根据权利要求7所述的一种斑节对虾虾苗高效培育系统，其特征在于，根据所述每一斑节对虾养殖区域的爆发病害数据信息制定相关的防治方案，具体包括以下步骤：
获取斑节对虾各病害的历史病害治理信息，并根据所述斑节对虾各病害的历史病害治理信息构建数据库，获取每一斑节对虾养殖区域的爆发病害数据信息，并通过大数据检索与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案；
将所述与每一斑节对虾养殖区域的爆发病害数据信息相关的病害治理方案输入到所述数据库中进行匹配，以获取匹配度大预设匹配度的相关的候选病害治理方案；
获取每一斑节对虾养殖区域的历史病害治理方案，并判断所述每一斑节对虾养殖区域的历史病害治理方案与所述匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内是否存在重合；
若每一斑节对虾养殖区域的历史病害治理方案与所述匹配度大预设匹配度的相关的候选病害治理方案在预定的时段之内存在重合，则将该治理方案从候选病害治理方案中剔除，以生成最终的候选病害治理方案。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包含斑节对虾虾苗高效培育方法程序，所述斑节对虾虾苗高效培育方法程序被处理器执行时，实现如权利要求1-6任一项所述的一种斑节对虾虾苗高效培育方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310221899.9A CN116307879A (zh) | 2023-03-08 | 2023-03-08 | 一种斑节对虾虾苗高效培育方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310221899.9A CN116307879A (zh) | 2023-03-08 | 2023-03-08 | 一种斑节对虾虾苗高效培育方法、系统及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116307879A true CN116307879A (zh) | 2023-06-23 |
Family
ID=86800850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310221899.9A Pending CN116307879A (zh) | 2023-03-08 | 2023-03-08 | 一种斑节对虾虾苗高效培育方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307879A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117084200A (zh) * | 2023-08-22 | 2023-11-21 | 盐城工业职业技术学院 | 应用大数据分析的水产养殖投药控制系统 |
-
2023
- 2023-03-08 CN CN202310221899.9A patent/CN116307879A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117084200A (zh) * | 2023-08-22 | 2023-11-21 | 盐城工业职业技术学院 | 应用大数据分析的水产养殖投药控制系统 |
| CN117084200B (zh) * | 2023-08-22 | 2024-01-19 | 盐城工业职业技术学院 | 应用大数据分析的水产养殖投药控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| de la Mata et al. | Insect outbreak shifts the direction of selection from fast to slow growth rates in the long-lived conifer Pinus ponderosa | |
| CN113095555B (zh) | 基于物联网的农作物病虫害监控方法、系统及存储介质 | |
| Oliveira-Santos et al. | Using conditional circular kernel density functions to test hypotheses on animal circadian activity | |
| Chen et al. | Feed intake prediction model for group fish using the MEA-BP neural network in intensive aquaculture | |
| CN111080464A (zh) | 一种池塘养殖水质关键因子预测方法及装置 | |
| CN111882138A (zh) | 基于时空融合的水质预测方法、装置、设备及存储介质 | |
| Chattopadhyay et al. | Fluctuating fortunes: genomes and habitat reconstructions reveal global climate-mediated changes in bats' genetic diversity | |
| CN116307879A (zh) | 一种斑节对虾虾苗高效培育方法、系统及介质 | |
| CN114493680B (zh) | 一种基于流刺网调查的渔业资源统计方法及系统 | |
| CN115879773A (zh) | 一种基于物联网的病虫害智能预警方法及系统 | |
| CN115660291A (zh) | 一种植物病害发生与潜在发生的识别评估方法及系统 | |
| CN115115126A (zh) | 基于知识图谱的农作物灾害损失及产量预测系统及方法 | |
| CN116192917A (zh) | 一种海洋牧场综合观测预报平台 | |
| CN111445065A (zh) | 用于数据中心制冷群控的能耗优化方法及系统 | |
| CN113435825B (zh) | 一种基于土传病害防治的智能管理方法、系统及存储介质 | |
| Wilcox et al. | Salmon subsidies predict territory size and habitat selection of an avian insectivore | |
| CN116957342B (zh) | 基于物联网的养殖场智能管理方法、系统及介质 | |
| CN117173400A (zh) | 一种荔枝虫害的低碳治理方案推荐方法及系统 | |
| CN109359624B (zh) | 基于神经网络的蛋鸡采食行为的预测方法及预测装置 | |
| Shipley et al. | Artificial reef placement: a red snapper, Lutjanus campechanus, ecosystem and fuzzy rule‐based model | |
| CN116523182A (zh) | 一种生态果园的构建和生产管理方法、系统及存储介质 | |
| Ma et al. | Growth and maturity heterogeneity of three croaker species in the East China Sea | |
| CN114492657A (zh) | 植物疾病分类方法、装置、电子设备及存储介质 | |
| CN115147837B (zh) | 一种基于光学图像识别的二点委夜蛾饲养方法及系统 | |
| CN117852724B (zh) | 一种林业有害生物的预测方法及系统 |
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 |