CN117406593A - 一种应用于渔业管理的智能数据处理方法和系统 - Google Patents

一种应用于渔业管理的智能数据处理方法和系统 Download PDF

Info

Publication number
CN117406593A
CN117406593A CN202311318635.1A CN202311318635A CN117406593A CN 117406593 A CN117406593 A CN 117406593A CN 202311318635 A CN202311318635 A CN 202311318635A CN 117406593 A CN117406593 A CN 117406593A
Authority
CN
China
Prior art keywords
data processing
module
intelligent data
management according
fishery management
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
Application number
CN202311318635.1A
Other languages
English (en)
Inventor
姚雪莲
章旭伟
汪艳芳
施安康
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.)
Jiangsu University of Technology
Original Assignee
Jiangsu University of Technology
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 Jiangsu University of Technology filed Critical Jiangsu University of Technology
Priority to CN202311318635.1A priority Critical patent/CN117406593A/zh
Publication of CN117406593A publication Critical patent/CN117406593A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18Status alarms
    • G08B21/182Level alarms, e.g. alarms responsive to variables exceeding a threshold

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Emergency Management (AREA)
  • Farming Of Fish And Shellfish (AREA)

Abstract

本发明属于渔业数据管理领域,具体是涉及一种应用于渔业管理的智能数据处理方法和系统,该方法首先利用传感器设备负责采集水位、水温、PH值和溶解氧等参数的数据。然后,数据经过处理器数据处理与分析模块进行实时处理和分析,生成对养殖环境的优化建议。这些优化建议会传输给控制系统模块,自动调整养殖环境中的相关参数。同时,系统通过设定的阈值和规则,监测养殖环境的异常情况,并在需要时发送警报和提醒信息给养殖人员,以便他们及时采取相应措施,优化养殖环境,提高水产养殖效率,并减少损失。

Description

一种应用于渔业管理的智能数据处理方法和系统
技术领域
本发明属于渔业数据管理领域,具体是涉及一种应用于渔业管理的智能数据处理方法和系统。
背景技术
渔业管理是确保水产资源可持续利用和保护海洋生态环境的重要任务。传统的渔业管理方法长期缺乏对于关键水质参数的监测,依赖人工经验对水产养殖的水质参数进行调控,缺乏实时性与准确性,存在效率低下、信息不准确等问题,因此需要一种新的智能数据处理方法和系统来提高渔业管理的效率和准确性。
发明内容
本发明提供一种应用于渔业管理的智能数据处理方法和系统。该方法和系统利用传感器、机器学习和人工智能技术,通过实时监测和分析水位、水温、PH值和溶解氧等参数,以优化养殖环境,提高水产养殖效率,并减少损失。
为了实现上述目的,本发明所采取的技术方案如下:一种应用于渔业管理的智能数据处理方法,包含以下步骤:
(1)传感器数据采集:安装传感器设备,实时监测水质参数,并将数据传输到数据处理系统;
(2)数据处理与分析:在数据处理系统中采用处理器,使用机器学习算法对所述传感器数据进行实时分析和处理,生成对养殖环境的优化建议;
(3)养殖环境优化控制:数据处理系统将所述优化建议传输至控制系统,自动调整养殖环境中的相关参数,确保最佳的养殖条件;
(4)预警与提醒功能:数据处理系统通过预设阈值和规则,监测养殖环境异常情况,并发送警报和提醒信息给养殖人员,以便及时采取措施。
进一步地,所述处理器设置有机器学习算法以及数据预测模型。
进一步地,步骤(1)中,所述水质参数为水位、水温、PH值和溶解氧。
进一步地,所述机器学习算法为线性插值法与均值平滑法。
进一步地,所述数据预测模型为径向基函数神经网络跟踪模型。
包含有一种应用于渔业管理的智能数据处理方法的系统,其组成部分有主控器模块、水位采集模块、温度模块、PH采集模块、含氧量采集模块、报警模块、电源模块、显示模块。
进一步地,所述报警模块采用蜂鸣器报警与短信报警。
进一步地,所述温度模块、报警模块、显示模块的工作电压均相同。
进一步地,所述温度模块采用DS18B20温度传感器,实时监测温度。
进一步地,所述显示模块采用LCD12864显示。
与现有技术相比,本发明具有如下的有益效果:
1.本发明提高养殖效率:通过实时监测和优化养殖环境,系统有效提高了水产养殖的效率,减少了养殖周期和死亡率。
2.本发明减少资源浪费:通过精确控制养殖环境参数,发现养殖环境的异常情况,并发送预警信息,提醒养殖人员采取相应措施,避免损失系统,并且对大量传感器数据的处理与分析,提供了养殖环境的优化建议,帮助养殖人员做出更科学的决策。
附图说明
图1为本发明智能数据处理方法流程图;
图2为本发明智能数据处理系统架构图;
图3为本发明径向基函数神经网络跟踪模型结构图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提出一种应用于渔业管理的智能数据处理方法,如图1所示,该方法首先利用传感器设备负责采集水位、水质、PH值和溶解氧等参数的数据。然后,数据经过处理器数据处理与分析模块进行实时处理和分析,生成对养殖环境的优化建议。这些优化建议会传输给控制系统模块,自动调整养殖环境中的相关参数。同时,系统通过设定的阈值和规则,监测养殖环境的异常情况,并在需要时发送警报和提醒信息给养殖人员,以便他们及时采取相应措施。
数据处理系统的学习算法及径向基函数神经网络跟踪模型具体算法如下:
(1)数据机器学习算法处理
采样数据集的质量和精度是水质精确预测的前提,然而在数据采样过程中,传感器设备老化或性能下降,数据传送过程中线路故障或受到干扰都可能造成数据的丢失或失真;水产养殖过程中,人工投喂饵料、增氧等干扰事件也引起监测到的水质数据异常波动。如果将此数据直接用于水质预测,将严重影响预测的可靠性,导致误判。因而在采样数据初始化过程中,对数据进行降噪和修复处理,消除干扰数据是非常重要的。对于缺失数据,采用线性插值法可修复时间间隔较小的缺失数据:
式中:xt和xt+j分别为t时刻和t+j时刻采样到的水质参数;xt+1为t+i时缺失的参数。
对于失真数据,由于水质数据是连续采样且顺序传回的,因此相邻时段采样的数据不会发生急剧突变。如果某一时刻采样数据变化范围大于或小于其前后监测值的10%,则认为该采样数据失真。可采用均值平滑法处理:
或/>式子中,/>和/>分别为相邻采样数据误差的阈值。
(2)如图3所示,径向基函数神经网络跟踪模型
设网络输入x为M维:x=[x1,x2,...,xM]T隐含层一共有K个节点,输出y为L维,输入输出的样本对长度为N,径向基网络隐含层节点的作用函数,取高斯基函数:
输入的采集数据向量向隐含层映射,隐含层节点j输出为:
式中:δ是隐含层节点的标准化常数,c是隐含层节点的高斯函数中心向量,cj=[cj1,cj2,...,cjM]TRBF网络的隐含层到输出层实现转换维度的线性映射,即输出层节点k输出为:
式中:ωjk为隐含层至输出层的调节权值;θk为输出层节点k的偏置。yk作为对相应输入信号的响应,根据不同背景作为重要调控变量输出到工作空间。
影响水产养殖环境最主要的四个因素:水位、水温、PH值和溶解氧,将由径向基函数神经网络跟踪模型输出提供最佳因素,然后设计对应模块:主控器模块、水位采模块、温度模块、PH采集模块、含氧量采集模块、报警模块、电源模块,显示模块;其系统总体框图如图2所示;
本申请主控器模块选用STC89C51为主控芯片,用5V电压对单片机进行供电,而温度模块、报警模块、显示模块的工作电压都是5V,把这些模块通过USB进行供电,减少了电路的复杂性。温度模块选用DS18B20温度传感器,它的最小可分辨温度为0.0625度,转换速度更快,不需要其他元件,减少电路的复杂性,电路中设置有电阻和三极管,利用水的导电性,通过电流的通断导致的单片机引脚输入的高低电平来判断水的位置。显示模块采用LCD12864显示,LCD12864的供电电压只有5V,方便供电,该显示器可以显示“水温”“氧含量”“PH”等汉字,而且该器件能够与单片机进行简单的进行连接。
水位采模块、温度模块、PH采集模块、含氧量采集模块的数据在显示模块显示出,数据处理系统将采集的数据传输到处理器,通过数据平滑、线性插值方法有效地修复了实验采样数据,在此基础上通过不同水层的水质因子采样数据分析,通过因素的相关性分析提出了动力学描述方法,定性地给出了水质参数的关联关系,最后运用径向基函数神经网络跟踪模型较好地跟踪并预测了水质各个参数的特征,最后根据特征分类完成预警和提醒。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种应用于渔业管理的智能数据处理方法,其特征在于,包含以下步骤:
(1)传感器数据采集:安装传感器设备,实时监测水质参数,并将数据传输到数据处理系统;
(2)数据处理与分析:在数据处理系统中,包含处理器,使用机器学习算法对所述传感器数据进行实时分析和处理,生成对养殖环境的优化建议;
(3)养殖环境优化控制:数据处理系统将所述优化建议传输至控制系统,自动调整养殖环境中的相关参数,确保最佳的养殖条件;
(4)预警与提醒功能:数据处理系统通过预设阈值和规则,监测养殖环境异常情况,并发送警报和提醒信息给养殖人员,以便及时采取措施。
2.根据权利要求1所述的一种应用于渔业管理的智能数据处理方法,其特征在于:所述处理器中设置有机器学习算法以及数据预测模型。
3.根据权利要求1所述的一种应用于渔业管理的智能数据处理方法,其特征在于:步骤(1)中,所述水质参数为水位、水温、PH值和溶解氧。
4.根据权利要求2所述的一种应用于渔业管理的智能数据处理方法,其特征在于:所述机器学习算法为线性插值法与均值平滑法。
5.根据权利要求2所述的一种应用于渔业管理的智能数据处理方法,其特征在于:所述数据预测模型为径向基函数神经网络跟踪模型。
6.包含有权利要求1-5任一项所述的一种应用于渔业管理的智能数据处理方法的系统,其特征在于:组成部分有水位采集模块、温度模块、PH采集模块、含氧量采集模块、报警模块、电源模块、显示模块。
7.根据权利要求6所述的一种应用于渔业管理的智能数据处理系统,其特征在于:所述报警模块采用蜂鸣器报警与短信报警。
8.根据权利要求6所述的一种应用于渔业管理的智能数据处理系统,其特征在于:所述温度模块、报警模块、显示模块的工作电压均相同。
9.根据权利要求8所述的一种应用于渔业管理的智能数据处理系统,其特征在于:所述温度模块采用DS18B20温度传感器,实时监测温度。
10.根据权利要求6所述的一种应用于渔业管理的智能数据处理系统,其特征在于:所述显示模块采用LCD12864显示。
CN202311318635.1A 2023-10-12 2023-10-12 一种应用于渔业管理的智能数据处理方法和系统 Pending CN117406593A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311318635.1A CN117406593A (zh) 2023-10-12 2023-10-12 一种应用于渔业管理的智能数据处理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311318635.1A CN117406593A (zh) 2023-10-12 2023-10-12 一种应用于渔业管理的智能数据处理方法和系统

Publications (1)

Publication Number Publication Date
CN117406593A true CN117406593A (zh) 2024-01-16

Family

ID=89493540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311318635.1A Pending CN117406593A (zh) 2023-10-12 2023-10-12 一种应用于渔业管理的智能数据处理方法和系统

Country Status (1)

Country Link
CN (1) CN117406593A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117592662A (zh) * 2024-01-17 2024-02-23 烟台大学 基于数据分析的生态渔业资源评估系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117592662A (zh) * 2024-01-17 2024-02-23 烟台大学 基于数据分析的生态渔业资源评估系统
CN117592662B (zh) * 2024-01-17 2024-04-05 烟台大学 基于数据分析的生态渔业资源评估系统

Similar Documents

Publication Publication Date Title
CN108898215B (zh) 一种基于二型模糊神经网络的污泥膨胀智能辨识方法
CN117406593A (zh) 一种应用于渔业管理的智能数据处理方法和系统
CN115456479B (zh) 一种基于物联网的智慧农业大棚环境监测系统
CN113158364A (zh) 循环泵轴承故障检测方法及系统
CN117391482B (zh) 一种基于大数据监测的大棚温度智能预警方法及系统
CN204653414U (zh) 一种南美白对虾工厂化育苗环境安全评估及预警装置
CN110045771B (zh) 一种鱼塘水质智能监测系统
CN111396248A (zh) 一种基于短期风向预测的风电机组智能偏航控制方法
CN115473331B (zh) 一种基于动态建模的数字孪生电网用电量监管系统
Rane et al. Design of an IoT based smart plant monitoring system
US20220243347A1 (en) Determination method and determination apparatus for conversion efficiency of hydrogen production by wind-solar hybrid electrolysis of water
CN110119165B (zh) 一种水产养殖池塘溶解氧检测装置
CN118313650A (zh) 一种基于大数据的智慧农业云平台监控系统
CN203324260U (zh) 基于物联网的南美白对虾养殖水质在线监测系统
Xia et al. Environmental factor assisted chlorophyll-a prediction and water quality eutrophication grade classification: A comparative analysis of multiple hybrid models based on a SVM
CN118096419A (zh) 一种环境变量监测与控制的农排终端系统及控制方法
CN116933628A (zh) 一种企业用电负荷监测方法和系统
CN117313920A (zh) 一种智能化葡萄种植环境监测系统
CN108133282A (zh) 一种铁皮石斛生长环境预测方法
CN111754033A (zh) 一种基于循环神经网络的非平稳时序数据预测方法
Pierre et al. Smart Crops Irrigation System with Low Energy Consumption
CN116702584A (zh) 一种用于养殖集装箱的水质监测系统
CN115545962A (zh) 一种基于多传感器系统的作物生长周期管控方法及系统
Kang et al. Research on forecasting method for effluent ammonia nitrogen concentration based on GRA-TCN
CN203324784U (zh) 多传感器信息融合的集约化水产福利养殖水质监控装置

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