CN117575368B - 一种基于物联网技术的水产种质资源管理方法及系统 - Google Patents

一种基于物联网技术的水产种质资源管理方法及系统 Download PDF

Info

Publication number
CN117575368B
CN117575368B CN202410053004.XA CN202410053004A CN117575368B CN 117575368 B CN117575368 B CN 117575368B CN 202410053004 A CN202410053004 A CN 202410053004A CN 117575368 B CN117575368 B CN 117575368B
Authority
CN
China
Prior art keywords
aquatic
germplasm
data
management
culture
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
CN202410053004.XA
Other languages
English (en)
Other versions
CN117575368A (zh
Inventor
姜松
王洁懿
周发林
杨其彬
史健志
黄建华
李运东
杨丽诗
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.)
Sanya Tropical Fisheries Research Institute
South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences
Original Assignee
Sanya Tropical Fisheries Research Institute
South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences
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 Sanya Tropical Fisheries Research Institute, South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences filed Critical Sanya Tropical Fisheries Research Institute
Priority to CN202410053004.XA priority Critical patent/CN117575368B/zh
Publication of CN117575368A publication Critical patent/CN117575368A/zh
Application granted granted Critical
Publication of CN117575368B publication Critical patent/CN117575368B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/15—Fishing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
    • 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)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (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

本发明公开了一种基于物联网技术的水产种质资源管理方法及系统，致力于提高水产种质资源管理的智能性和高效性。首先，利用大数据技术获取每个水产种质资源的生活习性数据；其次，通过生活习性相似性分析对每个水产种质资源进行分类，形成统一养殖管理方案；随后，实施养殖管理方案，评估资源的环境适应性，获得适应性数据；最后，根据适应性数据评估种质退化风险，调整养殖管理方案。本发明通过物联网、大数据和图像识别技术的有机结合，实现水产种质资源的智能管理，提高管理效率和资源可持续性。因此，本发明在水产种质资源管理领域具有重要的应用价值。

Description

一种基于物联网技术的水产种质资源管理方法及系统
技术领域
本发明涉及水产种质资源管理技术领域，特别涉及一种基于物联网技术的水产种质资源管理方法及系统。
背景技术
随着全球水产资源的不断开发和利用，水产种质资源的有效管理成为保障水产业可持续发展的关键。然而，在传统的水产资源管理中，缺乏对每个水产种质资源个体的细致了解，无法充分考虑其生活习性的差异性，导致养殖管理效率低下，种质资源容易面临退化风险。
目前，虽然物联网技术在农业领域得到广泛应用，但在水产种质资源管理方面的研究仍相对较少。传统管理方法无法充分整合多源数据，无法提供个体化的养殖管理方案。因此，有必要提出一种基于物联网技术的水产种质资源管理方法，通过大数据和图像识别等技术手段，全面了解每个水产种质资源的生活习性和环境适应性，以更智能、高效的方式进行养殖管理。
本发明通过应用物联网技术，结合大数据和图像识别技术，解决了传统水产种质资源管理中的诸多问题。通过实时数据采集、智能分类和适应性评估，提高了水产种质资源管理的科学性和实用性，为水产养殖业的可持续发展提供了新的途径。因此，本发明在水产种质资源管理领域具有显著的创新性和应用价值。
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物联网技术的水产种质资源管理方法及系统。
本发明第一方面提供了一种基于物联网技术的水产种质资源管理方法，包括：
获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据；
根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据；
根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案；
根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据；
根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整。
本方案中，所述获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据，具体为：
获取目标水产种质资源管理场所中待管理水产种质资源目录；
基于大数据技术在互联网中获取水产种质资源目录中每个水产种质资源的生活习性数据，所述生活习性数据包括适生环境数据、行为习性数据；
构建生活习性数据库，将每个水产种质资源所对应的生活习性数据导入所述生活习性数据库中进行存储。
本方案中，所述根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据，具体为：
对生活习性数据中的适生环境数据和行为习性数据进行关键特征提取，得到用于相似性分析的关键特征数据；
对关键特征数据中的每项关键特征进行预设相似性分析占比权重，得到关键特征权重数据；
计算待管理水产种质资源目录中每两个水产种质资源的关键特征数据中每项关键特征之间的曼哈顿距离，得到特征距离数据；
根据关键特征权重数据对所述特征距离数据进行距离权重计算，将进行权重计算后的特征距离数据进行累加处理，得到特征综合距离数据；
根据特征综合距离数据计算每两个水产种质资源的生活习性的相似性得分，得到相似性数据。
本方案中，所述根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案，具体为：
对所述相似性数据构建水产种质资源的生活习性相似性矩阵；
引入K均值聚类算法，预设相似性阈值，根据K均值聚类算法和相似性阈值对所述相似性矩阵进行分类操作，得到每个水产种质资源的生活习性分类结果；
基于物联网技术在目标水产种质资源管理场所中构建水产种质资源的养殖管理设备调控系统；
根据所述生活习性分类结果对水产种质资源进行分区养殖管理操作，得到分区养殖方案；
提取生活习性分类结果中每个类别所对应包含的水产种质资源，根据每个类别所对应包含的水产种质资源的生活习性数据，确定每类分类结果中的每个水产种质资源的适生环境数据；
计算每类分类结果中的水产种质资源的适生环境数据的平均值，根据所述平均值制定每类分类结果中的水产种质资源的养殖环境调控方案；
根据养殖管理设备调控系统和养殖管理设备调控系统对分区养殖方案中每个养殖区域进行同一养殖参数调控和管理，得到养殖管理方案。
本方案中，所述根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据，具体为：
根据所述养殖管理方案对水产种质资源进行实际养殖管理，基于摄像设备获取预设时间段内每个水产种质资源在养殖环境中的视频图像数据；
基于图像识别技术构建水产种质资源的行为识别模型，获取待管理水产种质资源目录中每个水产种质资源的历史行为标记数据集，将所述历史行为标记数据集导入行为识别模型中进行学习和训练；
提取所述视频图像数据的视频帧图像数据，将视频帧图像数据导入行为识别模型中对预设时间段内的水产种质资源的行为进行识别，得到行为数据；
根据预设时间段内的视频图像数据对水产种质资源的生长情况进行分析，得到生长情况数据；
根据所述行为数据评估水产种质资源的运动情况和进食情况，根据运动情况和进食情况、生长情况数据评估每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据。
本方案中，所述根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整，具体为：
基于互联网技术获取适应性数据对每个水产种质资源的种质退化影响情况数据，根据所述影响情况数据对每个水产种质资源的种质退化风险进行一次评估，得到种质退化风险数据；
根据所述退化风险数据对养殖管理方案进行养殖环境参数调整，并对所述种质退化风险数据进行重新评估，得到新评估数据；
通过种质退化风险数据与新评估数据进行对比，判断是否出现新的种质退化风险的水产种质资源，若出现，则对一次评估中种质退化风险大于预设值的水产种质资源进行单独养殖管理，并将养殖化境参数进行恢复为养殖管理方案调整前的参数值。
本发明第二方面还提供了一种基于物联网技术的水产种质资源管理系统，该系统包括：存储器、处理器，所述存储器中包括基于物联网技术的水产种质资源管理方法程序，所述基于物联网技术的水产种质资源管理方法程序被所述处理器执行时，实现如下步骤：
获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据；
根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据；
根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案；
根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据；
根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整。
本方案中，所述根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案，具体为：
对所述相似性数据构建水产种质资源的生活习性相似性矩阵；
引入K均值聚类算法，预设相似性阈值，根据K均值聚类算法和相似性阈值对所述相似性矩阵进行分类操作，得到每个水产种质资源的生活习性分类结果；
基于物联网技术在目标水产种质资源管理场所中构建水产种质资源的养殖管理设备调控系统；
根据所述生活习性分类结果对水产种质资源进行分区养殖管理操作，得到分区养殖方案；
提取生活习性分类结果中每个类别所对应包含的水产种质资源，根据每个类别所对应包含的水产种质资源的生活习性数据，确定每类分类结果中的每个水产种质资源的适生环境数据；
计算每类分类结果中的水产种质资源的适生环境数据的平均值，根据所述平均值制定每类分类结果中的水产种质资源的养殖环境调控方案；
根据养殖管理设备调控系统和养殖管理设备调控系统对分区养殖方案中每个养殖区域进行同一养殖参数调控和管理，得到养殖管理方案。
本方案中，所述根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据，具体为：
根据所述养殖管理方案对水产种质资源进行实际养殖管理，基于摄像设备获取预设时间段内每个水产种质资源在养殖环境中的视频图像数据；
基于图像识别技术构建水产种质资源的行为识别模型，获取待管理水产种质资源目录中每个水产种质资源的历史行为标记数据集，将所述历史行为标记数据集导入行为识别模型中进行学习和训练；
提取所述视频图像数据的视频帧图像数据，将视频帧图像数据导入行为识别模型中对预设时间段内的水产种质资源的行为进行识别，得到行为数据；
根据预设时间段内的视频图像数据对水产种质资源的生长情况进行分析，得到生长情况数据；
根据所述行为数据评估水产种质资源的运动情况和进食情况，根据运动情况和进食情况、生长情况数据评估每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据。
本方案中，所述根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整，具体为：
基于互联网技术获取适应性数据对每个水产种质资源的种质退化影响情况数据，根据所述影响情况数据对每个水产种质资源的种质退化风险进行一次评估，得到种质退化风险数据；
根据所述退化风险数据对养殖管理方案进行养殖环境参数调整，并对所述种质退化风险数据进行重新评估，得到新评估数据；
通过种质退化风险数据与新评估数据进行对比，判断是否出现新的种质退化风险的水产种质资源，若出现，则对一次评估中种质退化风险大于预设值的水产种质资源进行单独养殖管理，并将养殖化境参数进行恢复为养殖管理方案调整前的参数值。
本发明公开了一种基于物联网技术的水产种质资源管理方法及系统，致力于提高水产种质资源管理的智能性和效率。首先，利用大数据技术获取每个水产种质资源的生活习性数据；其次，通过生活习性相似性分析对每个水产种质资源进行分类，形成统一养殖管理方案；随后，实施养殖管理方案，评估资源的环境适应性，获得适应性数据；最后，根据适应性数据评估种质退化风险，调整养殖管理方案。本发明通过物联网、大数据和图像识别技术的有机结合，实现水产种质资源的智能管理，提高管理效率和资源可持续性。因此，本发明在水产种质资源管理领域具有重要的应用价值。
附图说明
图1示出了本发明一种基于物联网技术的水产种质资源管理方法的流程图；
图2示出了本发明得到相似性数据的流程图；
图3示出了本发明对养殖管理方案进行调整的流程图；
图4示出了本发明一种基于物联网技术的水产种质资源管理系统的框图。
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物联网技术的水产种质资源管理方法的流程图。
如图1所示，本发明第一方面提供了一种基于物联网技术的水产种质资源管理方法，包括：
S102，获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据；
S104，根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据；
S106，根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案；
S108，根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据；
S110，根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整。
需要说明的是，通过获取水产种质资源的生活习性数据，对生活习性数据进行相似性分析，并根据相似性数据对水产种质资源进行分类操作，同一类别的水产种质资源在生存环境、食物类型上具有相似性，通过分类结果对水产种质资源进行统一的养殖管理，能够将具有相似性生活习性的水产种质资源养殖在同一片水域中，并对该水域养殖参数能够统一调控，例如在饲料的投放上能够进行统一投放操作，大大降低了目标水产种质资源管理场所的所需的养殖管理场地资源，提高场地资源的利用率，大大提高一些有限的场地资源的管理场所的水产种质资源的管理能力；由于在实际水产种质养殖管理过程中，水产种质资源对养殖环境管理不适应的情况下，在多代繁殖过后会出现种质退化的情况，优良种质便不能够得到保留，通过对养殖方案进行实际养殖，并通过图像识别技术对实际养殖管理后的水产种质资源进行环境适应性判断，并评估种质退化的风险，根据退化风险进行养殖管理方案调整，避免了因养殖管理环境的不适对水产种质资源造成退化现象，并最大程度减小水产种质资源在实际养殖管理中的伤害。
根据本发明实施例，所述获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据，具体为：
获取目标水产种质资源管理场所中待管理水产种质资源目录；
基于大数据技术在互联网中获取水产种质资源目录中每个水产种质资源的生活习性数据，所述生活习性数据包括适生环境数据、行为习性数据；
构建生活习性数据库，将每个水产种质资源所对应的生活习性数据导入所述生活习性数据库中进行存储。
需要说明的是，构建生活习性数据库能够将生活习性数据按照规范的存储格式和存储序列进行存储，优化了后续数据分析的效率和条理性。
图2示出了本发明得到相似性数据的流程图。
根据本发明实施例，所述根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据，具体为：
S202，对生活习性数据中的适生环境数据和行为习性数据进行关键特征提取，得到用于相似性分析的关键特征数据；
S204，对关键特征数据中的每项关键特征进行预设相似性分析占比权重，得到关键特征权重数据；
S206，计算待管理水产种质资源目录中每两个水产种质资源的关键特征数据中每项关键特征之间的曼哈顿距离，得到特征距离数据；
S208，根据关键特征权重数据对所述特征距离数据进行距离权重计算，将进行权重计算后的特征距离数据进行累加处理，得到特征综合距离数据；
S210，根据特征综合距离数据计算每两个水产种质资源的生活习性的相似性得分，得到相似性数据。
需要说明的是，曼哈顿距离是一种直观且简单的距离度量方法，适用于对特征之间的差异进行较为准确的度量，通过计算关键特征之间的曼哈顿距离，可以更准确地评估两个水产种质资源在生活习性上的相似程度；所述关键特征数据包括环境温度、水质条件、饵料偏好、活动时间；所述特征综合距离数据为每两个水产种质资源的关键特征数据中每项特征数据之间的曼哈顿距离乘以相应的关键特征权重百分比再进行累加的到的综合距离数据，特征综合距离越小表示两个水产种质资源的关键特征之间的相似性越大。
根据本发明实施例，所述根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案，具体为：
对所述相似性数据构建水产种质资源的生活习性相似性矩阵；
引入K均值聚类算法，预设相似性阈值，根据K均值聚类算法和相似性阈值对所述相似性矩阵进行分类操作，得到每个水产种质资源的生活习性分类结果；
基于物联网技术在目标水产种质资源管理场所中构建水产种质资源的养殖管理设备调控系统；
根据所述生活习性分类结果对水产种质资源进行分区养殖管理操作，得到分区养殖方案；
提取生活习性分类结果中每个类别所对应包含的水产种质资源，根据每个类别所对应包含的水产种质资源的生活习性数据，确定每类分类结果中的每个水产种质资源的适生环境数据；
计算每类分类结果中的水产种质资源的适生环境数据的平均值，根据所述平均值制定每类分类结果中的水产种质资源的养殖环境调控方案；
根据养殖管理设备调控系统和养殖管理设备调控系统对分区养殖方案中每个养殖区域进行同一养殖参数调控和管理，得到养殖管理方案。
需要说明的是，通过构建相似性矩阵和利用K均值聚类算法对生活习性数据进行分类操作，能够提高分类的准确性；通过物联网技术构建养殖管理设备调控系统，能够对进行分区养殖管理后的养殖参数进行统一调控，大大节省了人力资源的耗费；所述分区养殖方案为将相同类别生活习性的水产种质资源在同一养殖环境中管理，并对相同类别下不同种类的水产种质资源在养殖环境中进行分隔，避免因不同种类之间的竞争和捕食。
根据本发明实施例，所述根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据，具体为：
根据所述养殖管理方案对水产种质资源进行实际养殖管理，基于摄像设备获取预设时间段内每个水产种质资源在养殖环境中的视频图像数据；
基于图像识别技术构建水产种质资源的行为识别模型，获取待管理水产种质资源目录中每个水产种质资源的历史行为标记数据集，将所述历史行为标记数据集导入行为识别模型中进行学习和训练；
提取所述视频图像数据的视频帧图像数据，将视频帧图像数据导入行为识别模型中对预设时间段内的水产种质资源的行为进行识别，得到行为数据；
根据预设时间段内的视频图像数据对水产种质资源的生长情况进行分析，得到生长情况数据；
根据所述行为数据评估水产种质资源的运动情况和进食情况，根据运动情况和进食情况、生长情况数据评估每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据。
需要说明的是，通过图像识别技术对实际养殖管理后的水产种质资源进行行为识别，并对识别的行为对水产种质资源进行适应性分析，实现了通过图像识别技术对水产种质资源进行行为和生长情况的实时监测和评估，从而全面了解其在统一养殖管理后的适应性，实时监测和评估有助于及时调整养殖环境，提高养殖效益，确保水产种质资源的健康和生长状况；所述运动情况包括运动速度、运动频率，所诉进食情况包括进食频率、觅食行为数据。
图3示出了本发明对养殖管理方案进行调整的流程图。
根据本发明实施例，所述根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整，具体为：
S302，基于互联网技术获取适应性数据对每个水产种质资源的种质退化影响情况数据，根据所述影响情况数据对每个水产种质资源的种质退化风险进行一次评估，得到种质退化风险数据；
S304，根据所述退化风险数据对养殖管理方案进行养殖环境参数调整，并对所述种质退化风险数据进行重新评估，得到新评估数据；
S306，通过种质退化风险数据与新评估数据进行对比，判断是否出现新的种质退化风险的水产种质资源，若出现，则对一次评估中种质退化风险大于预设值的水产种质资源进行单独养殖管理，并将养殖化境参数进行恢复为养殖管理方案调整前的参数值。
需要说明的是，通过适应性数据进行水产种质资源的种质退化风险评估，根据种质退化风险数据对养殖管理方案中的参数进行调整，由于是将相同类别的水产种质资源养殖在同一养殖水环境中，进行养殖环境参数调整后，可能会对没有种质退化风险的水产种质资源造成影响，因此需要对养殖环境参数调整后进行种质退化风险数据的重新评估，若重新评估后会对原本没有种质退化风险的水产种质资源造成影响，则将退化风险一次评估中存在种质退化风险的水产种质资源进行独立养殖管理，进而在最大程度保护种质资源的情况下实现统一的水产种质资源管理，保障了资源的最优利用，避免了全局养殖管理调整可能引发的资源浪费。
根据本发明实施例，还包括：
获取目标水产种质资源管理场所中每个养殖管理区域的饲料投放数据，所述饲料投放数据包括饲料类型、投放数量；
实时对每个养殖管理区域的水质进行监测，得到水质数据，根据饲料投放数据和水质数据进行联合分析，判断饲料投放对水质变化的影响，得到影响数据；
根据所述影响数据分析饲料投放数量对水质的影响程度；
获取每个养殖管理区域的每日饲料投放数量，基于决策树算法构建水质预测模型，将饲料投放数量数据、水质数据、影响数据、影响程度导入水质预测模型中进行学习和训练，并将影响程度数据作为水质预测模型的预测基础；
将每日饲料投放数量导入水质预测模型中，对未来预设时间点的水质进行预测，得到预测数据；
根据预测数据确定水质到达污染的时间节点，根据所述时间节点对每个养殖管理区域进行水质调控，得到水质调控方案，将水质调控方案对养殖管理方案进行补充操作。
需要说明的是，在现实情况下，水产种质资源对生活环境的不适应会造成种质退化的情况，另外，水产种质资源所生存的水质受到污染的情况下也会造成水产种质资源的种质退化现象，在目标水产种质资源管理场所中最大的水质污染来源就是饲料投放对水质的污染，通过分析饲料投放对水质造成的影响，对未来预设时间养殖管理区域的水质进行预测，并预测水质到达污染的时间节点，在该时间节点中对养殖管理区域进行水质处理，形成水质调控方案，能够大大减少因实验对水质检测带来的成本消耗，通过水质调控方案对养殖管理方案进行补充，充分考虑了多方面因素对种质退化造成的影响，使养殖管理方案能够应对更广泛的种质退化影响因素。
图4示出了本发明一种基于物联网技术的水产种质资源管理系统的框图。
本发明第二方面还提供了一种基于物联网技术的水产种质资源管理系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于物联网技术的水产种质资源管理方法程序，所述基于物联网技术的水产种质资源管理方法程序被所述处理器执行时，实现如下步骤：
获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据；
根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据；
根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案；
根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据；
根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整。
需要说明的是，通过获取水产种质资源的生活习性数据，对生活习性数据进行相似性分析，并根据相似性数据对水产种质资源进行分类操作，同一类别的水产种质资源在生存环境、食物类型上具有相似性，通过分类结果对水产种质资源进行统一的养殖管理，能够将具有相似性生活习性的水产种质资源养殖在同一片水域中，并对该水域养殖参数能够统一调控，例如在饲料的投放上能够进行统一投放操作，大大降低了目标水产种质资源管理场所的所需的养殖管理场地资源，提高场地资源的利用率，大大提高一些有限的场地资源的管理场所的水产种质资源的管理能力；由于在实际水产种质养殖管理过程中，水产种质资源对养殖环境管理不适应的情况下，在多代繁殖过后会出现种质退化的情况，优良种质便不能够得到保留，通过对养殖方案进行实际养殖，并通过图像识别技术对实际养殖管理后的水产种质资源进行环境适应性判断，并评估种质退化的风险，根据退化风险进行养殖管理方案调整，避免了因养殖管理环境的不适对水产种质资源造成退化现象，并最大程度减小水产种质资源在实际养殖管理中的伤害。
根据本发明实施例，所述获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据，具体为：
获取目标水产种质资源管理场所中待管理水产种质资源目录；
基于大数据技术在互联网中获取水产种质资源目录中每个水产种质资源的生活习性数据，所述生活习性数据包括适生环境数据、行为习性数据；
构建生活习性数据库，将每个水产种质资源所对应的生活习性数据导入所述生活习性数据库中进行存储。
需要说明的是，构建生活习性数据库能够将生活习性数据按照规范的存储格式和存储序列进行存储，优化了后续数据分析的效率和条理性。
根据本发明实施例，所述根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据，具体为：
对生活习性数据中的适生环境数据和行为习性数据进行关键特征提取，得到用于相似性分析的关键特征数据；
对关键特征数据中的每项关键特征进行预设相似性分析占比权重，得到关键特征权重数据；
计算待管理水产种质资源目录中每两个水产种质资源的关键特征数据中每项关键特征之间的曼哈顿距离，得到特征距离数据；
根据关键特征权重数据对所述特征距离数据进行距离权重计算，将进行权重计算后的特征距离数据进行累加处理，得到特征综合距离数据；
根据特征综合距离数据计算每两个水产种质资源的生活习性的相似性得分，得到相似性数据。
需要说明的是，曼哈顿距离是一种直观且简单的距离度量方法，适用于对特征之间的差异进行较为准确的度量，通过计算关键特征之间的曼哈顿距离，可以更准确地评估两个水产种质资源在生活习性上的相似程度；所述关键特征数据包括环境温度、水质条件、饵料偏好、活动时间；所述特征综合距离数据为每两个水产种质资源的关键特征数据中每项特征数据之间的曼哈顿距离乘以相应的关键特征权重百分比再进行累加的到的综合距离数据，特征综合距离越小表示两个水产种质资源的关键特征之间的相似性越大。
根据本发明实施例，所述根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案，具体为：
对所述相似性数据构建水产种质资源的生活习性相似性矩阵；
引入K均值聚类算法，预设相似性阈值，根据K均值聚类算法和相似性阈值对所述相似性矩阵进行分类操作，得到每个水产种质资源的生活习性分类结果；
基于物联网技术在目标水产种质资源管理场所中构建水产种质资源的养殖管理设备调控系统；
根据所述生活习性分类结果对水产种质资源进行分区养殖管理操作，得到分区养殖方案；
提取生活习性分类结果中每个类别所对应包含的水产种质资源，根据每个类别所对应包含的水产种质资源的生活习性数据，确定每类分类结果中的每个水产种质资源的适生环境数据；
计算每类分类结果中的水产种质资源的适生环境数据的平均值，根据所述平均值制定每类分类结果中的水产种质资源的养殖环境调控方案；
根据养殖管理设备调控系统和养殖管理设备调控系统对分区养殖方案中每个养殖区域进行同一养殖参数调控和管理，得到养殖管理方案。
需要说明的是，通过构建相似性矩阵和利用K均值聚类算法对生活习性数据进行分类操作，能够提高分类的准确性；通过物联网技术构建养殖管理设备调控系统，能够对进行分区养殖管理后的养殖参数进行统一调控，大大节省了人力资源的耗费；所述分区养殖方案为将相同类别生活习性的水产种质资源在同一养殖环境中管理，并对相同类别下不同种类的水产种质资源在养殖环境中进行分隔，避免因不同种类之间的竞争和捕食。
根据本发明实施例，所述根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据，具体为：
根据所述养殖管理方案对水产种质资源进行实际养殖管理，基于摄像设备获取预设时间段内每个水产种质资源在养殖环境中的视频图像数据；
基于图像识别技术构建水产种质资源的行为识别模型，获取待管理水产种质资源目录中每个水产种质资源的历史行为标记数据集，将所述历史行为标记数据集导入行为识别模型中进行学习和训练；
提取所述视频图像数据的视频帧图像数据，将视频帧图像数据导入行为识别模型中对预设时间段内的水产种质资源的行为进行识别，得到行为数据；
根据预设时间段内的视频图像数据对水产种质资源的生长情况进行分析，得到生长情况数据；
根据所述行为数据评估水产种质资源的运动情况和进食情况，根据运动情况和进食情况、生长情况数据评估每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据。
需要说明的是，通过图像识别技术对实际养殖管理后的水产种质资源进行行为识别，并对识别的行为对水产种质资源进行适应性分析，实现了通过图像识别技术对水产种质资源进行行为和生长情况的实时监测和评估，从而全面了解其在统一养殖管理后的适应性，实时监测和评估有助于及时调整养殖环境，提高养殖效益，确保水产种质资源的健康和生长状况；所述运动情况包括运动速度、运动频率，所诉进食情况包括进食频率、觅食行为数据。
根据本发明实施例，所述根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整，具体为：
基于互联网技术获取适应性数据对每个水产种质资源的种质退化影响情况数据，根据所述影响情况数据对每个水产种质资源的种质退化风险进行一次评估，得到种质退化风险数据；
根据所述退化风险数据对养殖管理方案进行养殖环境参数调整，并对所述种质退化风险数据进行重新评估，得到新评估数据；
通过种质退化风险数据与新评估数据进行对比，判断是否出现新的种质退化风险的水产种质资源，若出现，则对一次评估中种质退化风险大于预设值的水产种质资源进行单独养殖管理，并将养殖化境参数进行恢复为养殖管理方案调整前的参数值。
需要说明的是，通过适应性数据进行水产种质资源的种质退化风险评估，根据种质退化风险数据对养殖管理方案中的参数进行调整，由于是将相同类别的水产种质资源养殖在同一养殖水环境中，进行养殖环境参数调整后，可能会对没有种质退化风险的水产种质资源造成影响，因此需要对养殖环境参数调整后进行种质退化风险数据的重新评估，若重新评估后会对原本没有种质退化风险的水产种质资源造成影响，则将退化风险一次评估中存在种质退化风险的水产种质资源进行独立养殖管理，进而在最大程度保护种质资源的情况下实现统一的水产种质资源管理，保障了资源的最优利用，避免了全局养殖管理调整可能引发的资源浪费。
根据本发明实施例，还包括：
获取目标水产种质资源管理场所中每个养殖管理区域的饲料投放数据，所述饲料投放数据包括饲料类型、投放数量；
实时对每个养殖管理区域的水质进行监测，得到水质数据，根据饲料投放数据和水质数据进行联合分析，判断饲料投放对水质变化的影响，得到影响数据；
根据所述影响数据分析饲料投放数量对水质的影响程度；
获取每个养殖管理区域的每日饲料投放数量，基于决策树算法构建水质预测模型，将饲料投放数量数据、水质数据、影响数据、影响程度导入水质预测模型中进行学习和训练，并将影响程度数据作为水质预测模型的预测基础；
将每日饲料投放数量导入水质预测模型中，对未来预设时间点的水质进行预测，得到预测数据；
根据预测数据确定水质到达污染的时间节点，根据所述时间节点对每个养殖管理区域进行水质调控，得到水质调控方案，将水质调控方案对养殖管理方案进行补充操作。
需要说明的是，在现实情况下，水产种质资源对生活环境的不适应会造成种质退化的情况，另外，水产种质资源所生存的水质受到污染的情况下也会造成水产种质资源的种质退化现象，在目标水产种质资源管理场所中最大的水质污染来源就是饲料投放对水质的污染，通过分析饲料投放对水质造成的影响，对未来预设时间养殖管理区域的水质进行预测，并预测水质到达污染的时间节点，在该时间节点中对养殖管理区域进行水质处理，形成水质调控方案，能够大大减少因实验对水质检测带来的成本消耗，通过水质调控方案对养殖管理方案进行补充，充分考虑了多方面因素对种质退化造成的影响，使养殖管理方案能够应对更广泛的种质退化影响因素。
本发明公开了一种基于物联网技术的水产种质资源管理方法及系统，致力于提高水产种质资源管理的智能性和效率。首先，利用大数据技术获取每个水产种质资源的生活习性数据；其次，通过生活习性相似性分析对每个水产种质资源进行分类，形成统一养殖管理方案；随后，实施养殖管理方案，评估资源的环境适应性，获得适应性数据；最后，根据适应性数据评估种质退化风险，调整养殖管理方案。本发明通过物联网、大数据和图像识别技术的有机结合，实现水产种质资源的智能管理，提高管理效率和资源可持续性。因此，本发明在水产种质资源管理领域具有重要的应用价值。
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 (8)

1.一种基于物联网技术的水产种质资源管理方法，其特征在于，包括以下步骤：
获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据；
根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据；
根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案；
根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据；
根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整；
所述根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整，具体为：
基于互联网技术获取适应性数据对每个水产种质资源的种质退化影响情况数据，根据所述影响情况数据对每个水产种质资源的种质退化风险进行一次评估，得到种质退化风险数据；
根据所述退化风险数据对养殖管理方案进行养殖环境参数调整，并对所述种质退化风险数据进行重新评估，得到新评估数据；
通过种质退化风险数据与新评估数据进行对比，判断是否出现新的种质退化风险的水产种质资源，若出现，则对一次评估中种质退化风险大于预设值的水产种质资源进行单独养殖管理，并将养殖化境参数进行恢复为养殖管理方案调整前的参数值。
2.根据权利要求1所述的一种基于物联网技术的水产种质资源管理方法，其特征在于，所述获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据，具体为：
获取目标水产种质资源管理场所中待管理水产种质资源目录；
基于大数据技术在互联网中获取水产种质资源目录中每个水产种质资源的生活习性数据，所述生活习性数据包括适生环境数据、行为习性数据；
构建生活习性数据库，将每个水产种质资源所对应的生活习性数据导入所述生活习性数据库中进行存储。
3.根据权利要求2所述的一种基于物联网技术的水产种质资源管理方法，其特征在于，所述根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据，具体为：
对生活习性数据中的适生环境数据和行为习性数据进行关键特征提取，得到用于相似性分析的关键特征数据；
对关键特征数据中的每项关键特征进行预设相似性分析占比权重，得到关键特征权重数据；
计算待管理水产种质资源目录中每两个水产种质资源的关键特征数据中每项关键特征之间的曼哈顿距离，得到特征距离数据；
根据关键特征权重数据对所述特征距离数据进行距离权重计算，将进行权重计算后的特征距离数据进行累加处理，得到特征综合距离数据；
根据特征综合距离数据计算每两个水产种质资源的生活习性的相似性得分，得到相似性数据；
所述关键特征数据包括环境温度、水质条件、饵料偏好、活动时间。
4.根据权利要求1所述的一种基于物联网技术的水产种质资源管理方法，其特征在于，所述根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案，具体为：
对所述相似性数据构建水产种质资源的生活习性相似性矩阵；
引入K均值聚类算法，预设相似性阈值，根据K均值聚类算法和相似性阈值对所述相似性矩阵进行分类操作，得到每个水产种质资源的生活习性分类结果；
基于物联网技术在目标水产种质资源管理场所中构建水产种质资源的养殖管理设备调控系统；
根据所述生活习性分类结果对水产种质资源进行分区养殖管理操作，得到分区养殖方案；
提取生活习性分类结果中每个类别所对应包含的水产种质资源，根据每个类别所对应包含的水产种质资源的生活习性数据，确定每类分类结果中的每个水产种质资源的适生环境数据；
计算每类分类结果中的水产种质资源的适生环境数据的平均值，根据所述平均值制定每类分类结果中的水产种质资源的养殖环境调控方案；
根据养殖管理设备调控系统和养殖管理设备调控系统对分区养殖方案中每个养殖区域进行同一养殖参数调控和管理，得到养殖管理方案。
5.根据权利要求1所述的一种基于物联网技术的水产种质资源管理方法，其特征在于，所述根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据，具体为：
根据所述养殖管理方案对水产种质资源进行实际养殖管理，基于摄像设备获取预设时间段内每个水产种质资源在养殖环境中的视频图像数据；
基于图像识别技术构建水产种质资源的行为识别模型，获取待管理水产种质资源目录中每个水产种质资源的历史行为标记数据集，将所述历史行为标记数据集导入行为识别模型中进行学习和训练；
提取所述视频图像数据的视频帧图像数据，将视频帧图像数据导入行为识别模型中对预设时间段内的水产种质资源的行为进行识别，得到行为数据；
根据预设时间段内的视频图像数据对水产种质资源的生长情况进行分析，得到生长情况数据；
根据所述行为数据评估水产种质资源的运动情况和进食情况，根据运动情况和进食情况、生长情况数据评估每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据。
6.一种基于物联网技术的水产种质资源管理系统，其特征在于，所述基于物联网技术的水产种质资源管理系统包括储存器以及处理器，所述储存器包括基于物联网技术的水产种质资源管理方法程序，所述基于物联网技术的水产种质资源管理方法程序被所述处理器执行时，实现如下步骤：
获取待管理水产种质资源目录，基于大数据技术获取水产种质资源目录中每个水产种质资源的生活习性数据；
根据所述生活习性数据对所述每个水产种质资源的生活习性进行相似性分析，得到相似性数据；
根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案；
根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据；
根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整；
所述根据所述适应性数据评估种质退化风险，得到种质退化风险数据，根据所述种质退化风险数据对养殖管理方案进行调整，具体为：
基于互联网技术获取适应性数据对每个水产种质资源的种质退化影响情况数据，根据所述影响情况数据对每个水产种质资源的种质退化风险进行一次评估，得到种质退化风险数据；
根据所述退化风险数据对养殖管理方案进行养殖环境参数调整，并对所述种质退化风险数据进行重新评估，得到新评估数据；
通过种质退化风险数据与新评估数据进行对比，判断是否出现新的种质退化风险的水产种质资源，若出现，则对一次评估中种质退化风险大于预设值的水产种质资源进行单独养殖管理，并将养殖化境参数进行恢复为养殖管理方案调整前的参数值。
7.根据权利要求6所述的一种基于物联网技术的水产种质资源管理系统，其特征在于，所述根据所述相似性数据对水产种质资源进行分类操作，得到分类结果，根据分类结果对水产种质资源进行统一养殖管理，得到养殖管理方案，具体为：
对所述相似性数据构建水产种质资源的生活习性相似性矩阵；
引入K均值聚类算法，预设相似性阈值，根据K均值聚类算法和相似性阈值对所述相似性矩阵进行分类操作，得到每个水产种质资源的生活习性分类结果；
基于物联网技术在目标水产种质资源管理场所中构建水产种质资源的养殖管理设备调控系统；
根据所述生活习性分类结果对水产种质资源进行分区养殖管理操作，得到分区养殖方案；
提取生活习性分类结果中每个类别所对应包含的水产种质资源，根据每个类别所对应包含的水产种质资源的生活习性数据，确定每类分类结果中的每个水产种质资源的适生环境数据；
计算每类分类结果中的水产种质资源的适生环境数据的平均值，根据所述平均值制定每类分类结果中的水产种质资源的养殖环境调控方案；
根据养殖管理设备调控系统和养殖管理设备调控系统对分区养殖方案中每个养殖区域进行同一养殖参数调控和管理，得到养殖管理方案。
8.根据权利要求6所述的一种基于物联网技术的水产种质资源管理系统，其特征在于，所述根据所述养殖管理方案进行实际养殖，基于图像识别技术分析每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据，具体为：
根据所述养殖管理方案对水产种质资源进行实际养殖管理，基于摄像设备获取预设时间段内每个水产种质资源在养殖环境中的视频图像数据；
基于图像识别技术构建水产种质资源的行为识别模型，获取待管理水产种质资源目录中每个水产种质资源的历史行为标记数据集，将所述历史行为标记数据集导入行为识别模型中进行学习和训练；
提取所述视频图像数据的视频帧图像数据，将视频帧图像数据导入行为识别模型中对预设时间段内的水产种质资源的行为进行识别，得到行为数据；
根据预设时间段内的视频图像数据对水产种质资源的生长情况进行分析，得到生长情况数据；
根据所述行为数据评估水产种质资源的运动情况和进食情况，根据运动情况和进食情况、生长情况数据评估每个水产种质资源在统一养殖管理后的环境适应性，得到适应性数据。
CN202410053004.XA 2024-01-15 2024-01-15 一种基于物联网技术的水产种质资源管理方法及系统 Active CN117575368B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410053004.XA CN117575368B (zh) 2024-01-15 2024-01-15 一种基于物联网技术的水产种质资源管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410053004.XA CN117575368B (zh) 2024-01-15 2024-01-15 一种基于物联网技术的水产种质资源管理方法及系统

Publications (2)

Publication Number Publication Date
CN117575368A CN117575368A (zh) 2024-02-20
CN117575368B true CN117575368B (zh) 2024-05-03

Family

ID=89862710

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410053004.XA Active CN117575368B (zh) 2024-01-15 2024-01-15 一种基于物联网技术的水产种质资源管理方法及系统

Country Status (1)

Country Link
CN (1) CN117575368B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170033164A (ko) * 2015-09-16 2017-03-24 이도규 스마트 양식장 서버 및 그것을 이용한 양식장 관리 방법
CN111507295A (zh) * 2020-04-23 2020-08-07 广西壮族自治区水产科学研究院 一种水产养殖管理系统
WO2021242368A1 (en) * 2020-05-28 2021-12-02 X Development Llc Analysis and sorting in aquaculture
CN115793585A (zh) * 2022-12-07 2023-03-14 中国水产科学研究院南海水产研究所 一种基于对虾的养殖水质调控方法、系统及介质
CN116863322A (zh) * 2023-07-28 2023-10-10 江苏中水东泽农业发展股份有限公司 基于ai的鱼类繁殖用自适应光照方法、装置及存储介质
CN116935327A (zh) * 2023-09-07 2023-10-24 深圳市明心数智科技有限公司 基于ai视觉的水产养殖监控方法、装置、设备及存储介质
CN117350435A (zh) * 2023-10-30 2024-01-05 中国水产科学研究院南海水产研究所 一种对虾工厂化养殖设备管理方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202010012571U1 (de) * 2010-09-14 2011-12-16 Big Dutchman International Gmbh Fischsortiervorrichtung

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170033164A (ko) * 2015-09-16 2017-03-24 이도규 스마트 양식장 서버 및 그것을 이용한 양식장 관리 방법
CN111507295A (zh) * 2020-04-23 2020-08-07 广西壮族自治区水产科学研究院 一种水产养殖管理系统
WO2021242368A1 (en) * 2020-05-28 2021-12-02 X Development Llc Analysis and sorting in aquaculture
CN115793585A (zh) * 2022-12-07 2023-03-14 中国水产科学研究院南海水产研究所 一种基于对虾的养殖水质调控方法、系统及介质
CN116863322A (zh) * 2023-07-28 2023-10-10 江苏中水东泽农业发展股份有限公司 基于ai的鱼类繁殖用自适应光照方法、装置及存储介质
CN116935327A (zh) * 2023-09-07 2023-10-24 深圳市明心数智科技有限公司 基于ai视觉的水产养殖监控方法、装置、设备及存储介质
CN117350435A (zh) * 2023-10-30 2024-01-05 中国水产科学研究院南海水产研究所 一种对虾工厂化养殖设备管理方法及系统

Also Published As

Publication number Publication date
CN117575368A (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
Ratnayake et al. Tracking individual honeybees among wildflower clusters with computer vision-facilitated pollinator monitoring
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
CN114445785B (zh) 基于物联网的荔枝虫害监测预警方法、系统及存储介质
CN107622236B (zh) 基于蜂群与梯度提升决策树算法农作物病害诊断预警方法
CN114550108B (zh) 一种草地贪夜蛾的识别预警方法及系统
CN111008815A (zh) 一种农业种植资源信息实时智能采集系统及方法
CN113207511A (zh) 一种基于农药抗性监测的农药施用方法、系统及可读存储介质
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
CN117371604A (zh) 一种基于智能感知的农业生产预测方法及系统
CN116957342B (zh) 基于物联网的养殖场智能管理方法、系统及介质
CN117114749B (zh) 一种智能化猪冷冻精液管理方法及系统
CN117072338B (zh) 柴油发动机自适应喷油控制策略系统及优化方法
CN117575368B (zh) 一种基于物联网技术的水产种质资源管理方法及系统
CN117350435A (zh) 一种对虾工厂化养殖设备管理方法及系统
CN116993165A (zh) 一种儿童果蔬汁的安全性评价与风险预测方法及系统
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
CN116740645A (zh) 基于物联网的实蝇监测与综合防控方法、系统及存储介质
CN116307879A (zh) 一种斑节对虾虾苗高效培育方法、系统及介质
CN113408334B (zh) 一种小龙虾全链条数据采集与智能检测方法及装置
CN109242219B (zh) 蛋鸡采食行为的预测方法及蛋鸡采食行为的预测装置
CN111985968A (zh) 一种畜牧业评估方法及系统
CN116957169B (zh) 基于信息化的猪舍环境感知调控方法及系统
CN118383298A (zh) 一种基于光周期调控的鲫鱼增产繁殖方法及系统
CN118196623A (zh) 一种基于智能识别的荔枝龙眼食叶害虫防控方法及系统
CN117912645B (zh) 一种基于物联网的血液保存全流程监管方法及系统

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
GR01 Patent grant
GR01 Patent grant