CN117911191A - 一种基于物联网的升降式网箱锚泊装置管理方法及系统 - Google Patents
一种基于物联网的升降式网箱锚泊装置管理方法及系统 Download PDFInfo
- Publication number
- CN117911191A CN117911191A CN202410317099.1A CN202410317099A CN117911191A CN 117911191 A CN117911191 A CN 117911191A CN 202410317099 A CN202410317099 A CN 202410317099A CN 117911191 A CN117911191 A CN 117911191A
- Authority
- CN
- China
- Prior art keywords
- area
- anchoring
- optimal
- cultivation
- 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.)
- Granted
Links
- 238000004873 anchoring Methods 0.000 title claims abstract description 276
- 238000007726 management method Methods 0.000 title claims abstract description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 174
- 238000009434 installation Methods 0.000 claims abstract description 63
- 239000002245 particle Substances 0.000 claims abstract description 50
- 238000003066 decision tree Methods 0.000 claims abstract description 32
- 238000012216 screening Methods 0.000 claims abstract description 31
- 238000010845 search algorithm Methods 0.000 claims abstract description 18
- 238000009360 aquaculture Methods 0.000 claims abstract description 9
- 244000144974 aquaculture Species 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims description 61
- 230000004083 survival effect Effects 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 23
- 238000013337 sub-cultivation Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 230000008020 evaporation Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000013138 pruning Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 description 10
- 230000005611 electricity Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 241000143060 Americamysis bahia Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000012097 association analysis method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于物联网的升降式网箱锚泊装置管理方法及系统,属于水产养殖锚泊技术领域,获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,基于安装基准信息在二分搜索算法中对若干个历史养殖点进行搜索;获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,以构建决策树,进而筛选出第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,构建升降式网箱系泊于锚泊装置状态的三维模型,并在平稳天气和极端天气状态下对进行模拟养殖,得到最终锚泊安装点。本发明能够对升降式网箱锚泊装置的锚泊安装点位进行高效精准筛选,以提高对升降式网箱的锚泊性能。
Description
技术领域
本发明涉及水产养殖锚泊技术领域,尤其涉及一种基于物联网的升降式网箱锚泊装置管理方法及系统。
背景技术
升降式网箱是一种用于水产养殖的设施,可用于养殖海水中的鱼类、贝类、虾类等水生动物,网箱设计独特,可在水中根据养殖需求和环境情况进行自动升降,便于管理和养殖。升降式网箱在水中升降养殖时容易受到海浪和潮汐等水环境因素影响,以台风为典型代表等极端恶劣天气,通常会引起大浪急流等恶劣海况,破坏性能量主要汇聚于水面的波浪,不仅严重威胁传统水面漂浮网箱的整体安全,而且更是网箱中圈养生物致死的主因。故而需通过锚泊装置来对升降式网箱进行系泊,以提高养殖质量,但由于水域中的不同区域的波浪能量和水流特性存在差异,因此锚泊装置在某些点位进行安装锚泊可能会无法安全系泊升降式网箱,且使得升降式网箱难以到达安全水质点来避免波浪能量,从而导致升降式网箱受到高强度波浪能量的冲击,使得锚泊装置的系泊性能差,大幅度降低了升降式网箱的高质量养殖;因此,需要一种能够对升降式网箱锚泊装置进行安全、高效和精准的安装管理方法解决上述问题。
发明内容
本发明克服了现有技术的不足,提供了一种基于物联网的升降式网箱锚泊装置管理方法及系统。
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基于物联网的升降式网箱锚泊装置管理方法,包括以下步骤:
获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,计算所述安装基准信息所对应若干个环境要素的权重系数,基于若干个权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域;
获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,并通过海平面养殖条件约束划分根节点,以构建决策树,在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型;
构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,获取一类模拟数据和二类模拟数据,分析一类模拟数据和二类模拟数据,得到最终锚泊安装点;
获取预设时间段间隔内锚泊装置在最终锚泊安装点的第一图像数据以及第二图像数据,配准第一图像数据和第二图像数据,得到实际偏移幅度,分析所述实际偏移幅度与预估偏移幅度来增加锚固点数量,以提高锚泊稳定性。
进一步的,本发明的一个较佳的实施例中,所述获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,计算所述安装基准信息所对应若干个环境要素的权重系数,基于若干个权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域,具体包括以下步骤:
获取锚泊装置的安装基准信息,基于所述安装基准信息在大数据网络中进行检索,得到安装基准信息所对应的若干个环境要素;
引入熵权算法对所述若干个环境要素进行计算,通过若干个环境要素构建决策矩阵,基于决策矩阵提取出N个决策对象和N个决策指标,基于每个决策对象和每个决策指标计算出熵值,根据熵值计算出每个环境要素的权重系数;
获取水产品的目标养殖区域以及养殖日志记录,基于养殖日志记录提取出升降式网箱在所述目标养殖区域的若干个历史养殖点;
以每个历史养殖点为辐射中心点,基于辐射中心点将目标养殖区域辐射划分为若干个均匀的子养殖区域,并获取每个子养殖区域的历史环境数据,在熵权算法中对每个子养殖区域的历史环境数据进行计算,得到每个子养殖区域中历史环境数据的权重系数;
引入二分搜索算法,在二分搜索算法中将每个环境要素的权重系数进行由大到小的排序,以确定搜索范围,并计算出搜索范围的中间位置值,计算每个子养殖区域中历史环境数据的权重系数与中间位置值的欧氏距离,根据欧氏距离缩小每个子养殖区域的范围,得到搜索结果;
基于搜索结果对目标养殖区域的进行规划,得到升降式网箱的最佳养殖区域。
进一步的,本发明的一个较佳的实施例中,所述获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,并通过海平面养殖条件约束划分根节点,以构建决策树,在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型,具体包括以下步骤:
通过升降式网箱物联网技术对最佳养殖区域进行监测,获取最佳养殖区域的海平面水文数据;其中,所述海平面水文数据包括降水量、水蒸发量和潮汐水位;
预设海平面养殖条件,基于所述海平面水文数据生成根节点,并根据所述海平面养殖条件在根节点上对海平面水文数据进行划分,得到M个离散树分支,对每个离散树分支构建叶子节点;其中,所述海平面养殖条件包括光照度、温度、湿度、盐度和溶氧量;
将每个叶子节点与根节点连接,连接完成后,重复上述步骤对每个所述叶子节点进行递归处理和剪枝操作,直至满足预设决策树深度阈值,最终形成决策树,基于海平面养殖条件在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域;
获取第一最佳锚泊区域中最佳水质点深度的波浪能量数据,根据所述第一最佳锚泊区域中最佳水质点深度的波浪能量数据进行分析计算,以筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型。
进一步的,本发明的一个较佳的实施例中,所述获取第一最佳锚泊区域中最佳水质点深度的波浪能量数据,根据所述第一最佳锚泊区域中最佳水质点深度的波浪能量数据进行分析计算,以筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型,具体包括以下步骤:
获取第一最佳锚泊区域的水域深度值以及水产品的种类信息,基于所述水域深度值在大数据网络中进行检索,得到水质点运动幅度趋势图;
基于水产品的种类信息对所述水质点运动幅度趋势图进行分析,预设水产品养殖的最佳水质点深度;
通过雷达波浪测量仪对第一最佳锚泊区域中最佳水质点深度的波浪能量进行测量,以获取第一最佳锚泊区域中最佳水质点深度的波浪能量数据,构建波浪能量数据库,将所述第一最佳锚泊区域分割为若干个区域网格,基于波浪能量数据库提取出各区域网格中最佳水质点深度所对应的波浪能量幅度;
判断各区域网格中最佳水质点深度所对应的波浪能量幅度是否大于预设波浪能量幅度,若大于,则剔除大于预设波浪能量幅度的区域网格,根据波浪能量幅度将剩余的区域网格进行合并规整,得到第二最佳锚泊区域;
获取第二最佳锚泊区域中各区域网格的水流特性,引入蒙特卡洛模拟算法构建初始动态模型,并对第二最佳锚泊区域中各区域网格的水流特性进行随机抽样,得到若干个随机样本,将所述若干个随机样本逐一导入初始动态模型中进行模拟训练,生成若干个第二最佳锚泊区域中各区域网格的水域动态模型。
进一步的,本发明的一个较佳的实施例中,所述构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,获取一类模拟数据和二类模拟数据,分析一类模拟数据和二类模拟数据,得到最终锚泊安装点,具体包括以下步骤:
通过激光扫描仪获取升降式网箱系泊于锚泊装置状态的点云数据,并引入隐式表面重建算法将所述升降式网箱系泊于锚泊装置状态的点云数据转化为隐式函数,基于隐式函数重建三维模型,得到升降式网箱系泊于锚泊装置状态的三维模型;
预设模拟天气为平稳天气状态,同时预设间隔相同的若干个时间戳,基于平稳天气状态将所述升降式网箱系泊于锚泊装置状态的三维模型导入每个所述水域动态模型中的进行水产品养殖模拟,并记录各水域模型在平稳天气状态下每个时间戳所对应的水产品生存密度数据,定义为各水域模型的一类模拟数据;
模拟完成后,预设模拟天气为极端天气状态,基于极端天气状态在每个所述水域动态模型中对水产品养殖进行二次模拟,记录各水域模型在极端天气状态下每个时间戳所对应的水产品生存密度数据,定义为各水域模型的二类模拟数据;
构建面积图,将所述各水域模型的一类模拟数据和各水域模型的二类模拟数据逐一对应的导入面积图中进行拟合绘制,得到多个水产品生存密度面积图,剥离出每个水产品生存密度面积图中数据面积的重叠部分以及不重叠部分;
结合所述重叠部分与不重叠部分进行面积计算,得到多个面积占比率,若所述面积比率小于预设面积占比率,则说明水产品生存病死率幅度小,将小于预设面积占比率所对应的水域模型在第二最佳锚泊区域中的区域网格进行标记,并根据面积占比率对水域模型所对应的区域网格进行由小到大排序,提取最小面积占比率所对应的区域网格输出,得到最终锚泊安装点。
进一步的,本发明的一个较佳的实施例中,所述获取预设时间段间隔内锚泊装置在最终锚泊安装点的第一图像数据以及第二图像数据,配准第一图像数据和第二图像数据,得到实际偏移幅度,分析所述实际偏移幅度与预估偏移幅度来增加锚固点数量,以提高锚泊稳定性,具体包括以下步骤:
将锚泊装置安装于所述最终锚泊安装点,通过水下摄像头采集锚泊装置的实时图像,得到第一图像数据,间隔预设时间段后对锚泊装置的实时图像进行二次采集,得到第二图像数据;
构建平面配准区域,引入局部二值模式算法对所述第一图像数据和第二图像数据进行特征提取,得到第一特征向量和第二特征向量,根据所述第一特征向量和第二特征向量构建模型图,得到第一模型图以及第二模型图;
在平面配准区域中最大化所述第一特征向量和第二特征向量之间的互信息,基于互信息对第一模型图以及第二模型图进行配准;
配准完成后,提取出所述第一模型图与第二模型图之间未能配准的模型体积值,计算未能配准的模型体积值与预设体积值之间的欧氏距离,根据所述欧氏距离确定出第一模型图与第二模型图的实际偏移幅度;
获取锚泊装置与升降式网箱所受的水流冲击力,并获取锚泊装置与升降式网箱的重量总和,结合所述水流冲击力以及重量总和进行估算,得到预估偏移幅度;
判断实际偏移幅度是否大于预估偏移幅度,若大于,则说明锚泊装置与升降式网箱的重量无法承受水流冲击力,对锚泊装置增加锚固点数量以提高稳定性。
本发明第二方面提供了一种基于物联网的升降式网箱锚泊装置管理系统,所述一种基于物联网的升降式网箱锚泊装置管理系统包括存储器与处理器,所述存储器中储存一种基于物联网的升降式网箱锚泊装置管理方法程序,所述一种基于物联网的升降式网箱锚泊装置管理方法程序被所述处理器执行时,实现以下步骤:
获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,计算所述安装基准信息所对应若干个环境要素的权重系数,基于若干个权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域;
获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,并通过海平面养殖条件约束划分根节点,以构建决策树,在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型;
构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,获取一类模拟数据和二类模拟数据,分析一类模拟数据和二类模拟数据,得到最终锚泊安装点;
获取预设时间段间隔内锚泊装置在最终锚泊安装点的第一图像数据以及第二图像数据,配准第一图像数据和第二图像数据,得到实际偏移幅度,分析所述实际偏移幅度与预估偏移幅度来增加锚固点数量,以提高锚泊稳定性。
本发明解决了背景技术中存在的技术缺陷,本发明的有益技术效果在于:
获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,基于权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域;获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,以构建决策树,基于海平面养殖条件在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型;构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,得到最终锚泊安装点。本发明能够对升降式网箱锚泊装置的锚泊安装点位进行高效精准的筛选,以提高对升降式网箱的锚泊性能和养殖质量。
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示出了一种基于物联网的升降式网箱锚泊装置管理方法的第一方法流程图;
图2示出了一种基于物联网的升降式网箱锚泊装置管理方法的第二方法流程图;
图3示出了一种基于物联网的升降式网箱锚泊装置管理方法的第三方法流程图;
图4示出了一种基于物联网的升降式网箱锚泊装置管理系统的系统框架图。
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。
本发明第一方面提供了一种基于物联网的升降式网箱锚泊装置管理方法,如图1所示,包括以下步骤:
S102:获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,计算所述安装基准信息所对应若干个环境要素的权重系数,基于若干个权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域;
S104:获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,并通过海平面养殖条件约束划分根节点,以构建决策树,在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型;
S106:构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,获取一类模拟数据和二类模拟数据,分析一类模拟数据和二类模拟数据,得到最终锚泊安装点;
S108:获取预设时间段间隔内锚泊装置在最终锚泊安装点的第一图像数据以及第二图像数据,配准第一图像数据和第二图像数据,得到实际偏移幅度,分析所述实际偏移幅度与预估偏移幅度来增加锚固点数量,以提高锚泊稳定性。
进一步的,本发明的一个较佳的实施例中,所述获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,计算所述安装基准信息所对应若干个环境要素的权重系数,基于若干个权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域,具体包括以下步骤:
获取锚泊装置的安装基准信息,基于所述安装基准信息在大数据网络中进行检索,得到安装基准信息所对应的若干个环境要素;
引入熵权算法对所述若干个环境要素进行计算,通过若干个环境要素构建决策矩阵,基于决策矩阵提取出N个决策对象和N个决策指标,基于每个决策对象和每个决策指标计算出熵值,根据熵值计算出每个环境要素的权重系数;
获取水产品的目标养殖区域以及养殖日志记录,基于养殖日志记录提取出升降式网箱在所述目标养殖区域的若干个历史养殖点;
以每个历史养殖点为辐射中心点,基于辐射中心点将目标养殖区域辐射划分为若干个均匀的子养殖区域,并获取每个子养殖区域的历史环境数据,在熵权算法中对每个子养殖区域的历史环境数据进行计算,得到每个子养殖区域中历史环境数据的权重系数;
引入二分搜索算法,在二分搜索算法中将每个环境要素的权重系数进行由大到小的排序,以确定搜索范围,并计算出搜索范围的中间位置值,计算每个子养殖区域中历史环境数据的权重系数与中间位置值的欧氏距离,根据欧氏距离缩小每个子养殖区域的范围,得到搜索结果;
基于搜索结果对目标养殖区域的进行规划,得到升降式网箱的最佳养殖区域。
需要说明的是,锚泊装置的安装需根据所处水域的环境而决定,尽量安装于对锚泊装置影响较小的水域环境,可保障锚泊装置对升降式网箱的系泊稳定性,因此根据锚泊装置的安装基准信息获取所对应的若干个环境要素,接着通过熵权算法计算每个环境要素的权重,能够对目标养殖区域进一步的养殖区域筛选提供筛选标准依据,然后获取目标养殖区域的若干个历史养殖点,以每个历史养殖点位中心划分子养殖区域,根据每个环境要素的权重判断搜索出每个子养殖区域是否能够符合锚泊装置的安装环境要求,此处使用二分搜索算法能够大幅提升搜索判断进度,减少传统逐一运算比较的繁琐步骤,提高筛选速率;最后将符合锚泊装置的安装环境要求的子养殖区域在目标养殖区域的进行规划,升降式网箱的最佳养殖区域。本方法能够根据锚泊装置的安装环境要求对目标养殖区域进行筛选,从而为锚泊装置的基本可安装区域进行初步规划,提高锚泊装置的安装容错率。
进一步的,本发明的一个较佳的实施例中,所述获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,并通过海平面养殖条件约束划分根节点,以构建决策树,在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型,具体包括以下步骤:
通过升降式网箱物联网技术对最佳养殖区域进行监测,获取最佳养殖区域的海平面水文数据;其中,所述海平面水文数据包括降水量、水蒸发量和潮汐水位;
预设海平面养殖条件,基于所述海平面水文数据生成根节点,并根据所述海平面养殖条件在根节点上对海平面水文数据进行划分,得到M个离散树分支,对每个离散树分支构建叶子节点;其中,所述海平面养殖条件包括光照度、温度、湿度、盐度和溶氧量;
将每个叶子节点与根节点连接,连接完成后,重复上述步骤对每个所述叶子节点进行递归处理和剪枝操作,直至满足预设决策树深度阈值,最终形成决策树,基于海平面养殖条件在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域;
获取第一最佳锚泊区域中最佳水质点深度的波浪能量数据,根据所述第一最佳锚泊区域中最佳水质点深度的波浪能量数据进行分析计算,以筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型。
需要说明的是,由于升降式网箱能够根据养殖需求和海洋实际情况在海平面和海中进行上下升降操作,从而使升降式网箱内的水产品始终处于最为适宜的养殖环境条件,但在海域的不同海平面水域上的养殖条件存在差异,例如某些水域会被山体或者树木等遮挡物遮挡,导致阳光无法到达此处水域,进而使得养殖光照度不足,从而影响了最佳养殖区域的海平面水文数据不适宜水产品养殖,故而不能够将锚泊装置安装于此处;因此本方法首先通过最佳养殖区域的海平面水文数据构建决策树,运用决策树能够预测筛选出海平面养殖条件对海平面水文数据影响度较小或者不存在影响的锚泊装置安装区域,降低因海平面养殖条件导致升降式网箱处于海平面养殖出现质量差的问题,进一步提升安装点位的适配性和可靠性。
进一步的,本发明的一个较佳的实施例中,所述获取第一最佳锚泊区域中最佳水质点深度的波浪能量数据,根据所述第一最佳锚泊区域中最佳水质点深度的波浪能量数据进行分析计算,以筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型,如图2所示,具体包括以下步骤:
S202:获取第一最佳锚泊区域的水域深度值以及水产品的种类信息,基于所述水域深度值在大数据网络中进行检索,得到水质点运动幅度趋势图;
S204:基于水产品的种类信息对所述水质点运动幅度趋势图进行分析,预设水产品养殖的最佳水质点深度;
S206:通过雷达波浪测量仪对第一最佳锚泊区域中最佳水质点深度的波浪能量进行测量,以获取第一最佳锚泊区域中最佳水质点深度的波浪能量数据,构建波浪能量数据库,将所述第一最佳锚泊区域分割为若干个区域网格,基于波浪能量数据库提取出各区域网格中最佳水质点深度所对应的波浪能量幅度;
S208:判断各区域网格中最佳水质点深度所对应的波浪能量幅度是否大于预设波浪能量幅度,若大于,则剔除大于预设波浪能量幅度的区域网格,根据波浪能量幅度将剩余的区域网格进行合并规整,得到第二最佳锚泊区域;
S210:获取第二最佳锚泊区域中各区域网格的水流特性,引入蒙特卡洛模拟算法构建初始动态模型,并对第二最佳锚泊区域中各区域网格的水流特性进行随机抽样,得到若干个随机样本,将所述若干个随机样本逐一导入初始动态模型中进行模拟训练,生成若干个第二最佳锚泊区域中各区域网格的水域动态模型。
需要说明的是,考虑波浪能量随着水深的增加呈现衰减的趋势可见水质点运动幅度随水深增加呈现出衰减趋势,波浪能量也会随之降低,因此将水面的网箱沉降至水下一定深度以规避破坏性能量,是行之有效的方式之一;目前市面上存在多类安全性能更高可抵御超强台风的升降式网箱,但是这些升降式网箱在内部圈养水产品的安全保活方面尚无有效措施,然而在极端天气情况下,圈养水产生物因高密度聚集于有限养殖水体中无法发挥自身本能,只能被迫与养殖装备一同抵御波浪能量载荷,最终导致生物群体性损伤且最终死亡,造成严重的损失;因此,本方法能够通过将第一最佳锚泊区域划分为若干个区域网格,计算第一最佳锚泊区域中每个区域网格的最佳水质点深度处的波浪能量幅度是否大于预设波浪能量幅度,若大于,则说明区域网格内的最佳水质点深度处的波浪能量幅度存在较大冲击力,不适合供升降式网箱进行避险,故而不能将该区域网格纳入锚泊装置的安装区域;若小于,则说明区域网格内的最佳水质点深度处的波浪能量幅度平稳,可供升降式网箱内的水产品生物进行避险,则将该区域网格纳入锚泊装置的安装区域,提高了锚泊装置的锚泊安全性和稳定性,确保养殖质量,提升养殖安全系数。所述水流特性包括流速、流量、流径和流向;水域动态模型则能够实时反映出当前第二最佳锚泊区域的水域情况,为模拟养殖分析提供载体前提。
进一步的,本发明的一个较佳的实施例中,所述构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,获取一类模拟数据和二类模拟数据,分析一类模拟数据和二类模拟数据,得到最终锚泊安装点,如图3所示,具体包括以下步骤:
S302:通过激光扫描仪获取升降式网箱系泊于锚泊装置状态的点云数据,并引入隐式表面重建算法将所述升降式网箱系泊于锚泊装置状态的点云数据转化为隐式函数,基于隐式函数重建三维模型,得到升降式网箱系泊于锚泊装置状态的三维模型;
S304:预设模拟天气为平稳天气状态,同时预设间隔相同的若干个时间戳,基于平稳天气状态将所述升降式网箱系泊于锚泊装置状态的三维模型导入每个所述水域动态模型中的进行水产品养殖模拟,并记录各水域模型在平稳天气状态下每个时间戳所对应的水产品生存密度数据,定义为各水域模型的一类模拟数据;
S306:模拟完成后,预设模拟天气为极端天气状态,基于极端天气状态在每个所述水域动态模型中对水产品养殖进行二次模拟,记录各水域模型在极端天气状态下每个时间戳所对应的水产品生存密度数据,定义为各水域模型的二类模拟数据;
S308:构建面积图,将所述各水域模型的一类模拟数据和各水域模型的二类模拟数据逐一对应的导入面积图中进行拟合绘制,得到多个水产品生存密度面积图,剥离出每个水产品生存密度面积图中数据面积的重叠部分以及不重叠部分;
S310:结合所述重叠部分与不重叠部分进行面积计算,得到多个面积占比率,若所述面积比率小于预设面积占比率,则说明水产品生存病死率幅度小,将小于预设面积占比率所对应的水域模型在第二最佳锚泊区域中的区域网格进行标记,并根据面积占比率对水域模型所对应的区域网格进行由小到大排序,提取最小面积占比率所对应的区域网格输出,得到最终锚泊安装点。
需要说明的是,在第二最佳锚泊区域中筛选出最佳水质点的波浪能量符合要求的区域网格后,由于每个区域网格的养殖情况不同,且逐一实地进行养殖验证会浪费大量人力物力,降低选择锚泊装置安装点的速率,因此可通过构建升降式网箱系泊于锚泊装置状态的三维模型在各区域网格的水域动态模型中进行模拟养殖试验,进而代替人工实地验证的繁琐步骤,省时省力,且获取实验结果速率快,大幅度节省锚泊选择安装的时间成本;由于在极端天气情况下海洋波浪能量载荷急速增加,网箱内的水产生物因高密度聚集于有限养殖水体中无法发挥自身本能,导致群体性损伤和死亡,造成严重的损失;故而可通过模拟极端天气下的养殖存活情况作为当前网格区域的优劣筛选依据,且为了形成对照,则通过模拟平稳天气下养殖存活情况作为对照组;然后通过构建面积图分析两组数据的变化趋势,其中,面积图中的不重叠部分代表了此处时间戳下平稳天气与极端天气的养殖存活情况存在较大差异,故而可通过计算不重叠部分面积与重叠部分面积的占比率表示出病死率幅度,若所述面积比率大于预设面积占比率,则说明水产品生存病死率幅度大,故而该区域网格的水域环境不适宜水产品养殖,剔除该区域网格;若所述面积比率小于预设面积占比率,则说明水产品生存病死率幅度小,因此该区域网格的水域环境适宜水产品养殖,保留该区域网格;最终在提取出的区域网格在根据最小面积占比率筛选出最佳安装点。本发明能够通过平稳天气与极端天气下的模拟养殖试验数据对第二最佳锚泊区域进一步筛选,代替人工实地养殖获取数据的步骤,省时省力,提高选择锚泊装置安装点的速率和可靠性。
进一步的,本发明的一个较佳的实施例中,所述获取预设时间段间隔内锚泊装置在最终锚泊安装点的第一图像数据以及第二图像数据,配准第一图像数据和第二图像数据,得到实际偏移幅度,分析所述实际偏移幅度与预估偏移幅度来增加锚固点数量,以提高锚泊稳定性,具体包括以下步骤:
将锚泊装置安装于所述最终锚泊安装点,通过水下摄像头采集锚泊装置的实时图像,得到第一图像数据,间隔预设时间段后对锚泊装置的实时图像进行二次采集,得到第二图像数据;
构建平面配准区域,引入局部二值模式算法对所述第一图像数据和第二图像数据进行特征提取,得到第一特征向量和第二特征向量,根据所述第一特征向量和第二特征向量构建模型图,得到第一模型图以及第二模型图;
在平面配准区域中最大化所述第一特征向量和第二特征向量之间的互信息,基于互信息对第一模型图以及第二模型图进行配准;
配准完成后,提取出所述第一模型图与第二模型图之间未能配准的模型体积值,计算未能配准的模型体积值与预设体积值之间的欧氏距离,根据所述欧氏距离确定出第一模型图与第二模型图的实际偏移幅度;
获取锚泊装置与升降式网箱所受的水流冲击力,并获取锚泊装置与升降式网箱的重量总和,结合所述水流冲击力以及重量总和进行估算,得到预估偏移幅度;
判断实际偏移幅度是否大于预估偏移幅度,若大于,则说明锚泊装置与升降式网箱的重量无法承受水流冲击力,对锚泊装置增加锚固点数量以提高稳定性。
需要说明的是,由于锚泊装置安装于水中,而水流在某些时段会存在水流冲击力,若升降式网箱与锚泊装置相加的重量轻于水流冲击力时,则会使得锚泊装置和升降式网箱一同在水中出现随机偏移的现象,从而脱离原本的最佳锚泊点,可能会导致升降式网箱偏移至其他危险区域中,进而使养殖存活率大幅度下降;因此可通过对处于最终锚泊安装点的锚泊装置以及升降式网箱进行间隔预设时间段的分两次图像采集,根据每次所采集图像构建模型图,配准两次模型图后可直观体现出锚泊装置与升降式网箱的偏移程度,从而计算出实际偏移幅度,然后根据锚泊装置和升降式网箱相加的重量与当前二者所受的水流冲击力进行估算,得到预估偏移幅度,实际偏移幅度大于预估偏移幅度,则说明锚泊装置有升降式网箱未发生偏移,二者相加的重量不受水流冲击力影响,可无需做出调整;若实际偏移幅度大于预估偏移幅度,则水流冲击力使得锚泊装置与升降式网箱发生了偏移最佳锚泊安装点的现象,说明二者相加的重量较轻,故而需对锚泊装置增加一定的锚固点数量,以提高锚泊稳定性,避免出现水流冲击力导致升降式网箱和锚泊装置频繁偏移现象。
此外,所述一种基于物联网的升降式网箱锚泊装置管理方法,还包括以下步骤:
通过大数据网络获取在预设升降速率组合下对应的电量消耗率,采集当前升降式网箱在水下养殖的实际升降速率,通过灰色关联分析法计算所述实际升降速率与预设升降速率组合之间的关联度,得到多个关联度;
构建降序排列表,将多个所述关联度导入所述降序排列表中进行降序排列,排列完成后,提取出最大关联度对应的预设升降速率组合,根据与最大关联度对应的预设升降速率组合确定出当前升降式网箱在实际升降速率下的实际电量消耗率;
获取升降式网箱处于海平面至最佳水质点的升降行程距离,根据所述升降行程距离除以实际升降速率,得到实际升降时长,结合所述实际升降时长与实际电量消耗率进行计算,得到实际电量消耗量;
获取升降式网箱的剩余存储电量,判断所述剩余存储电量是否小于实际电量消耗量,若小于,则计算剩余存储电量与实际电量消耗量之间的偏差率,基于偏差率对升降式网箱的升降速率进行调整。
需要说明的是,由于市面上大部分升降式网箱通常搭载电池进行供电,提高了升降式网箱的工作性能和便携性;但电池供电的缺点是需频繁充电才能供升降式网箱长期运行,容易出现剩余电量难以支撑升降养殖任务的完成,大幅降低了养殖质量和效率,因此本方法通过计算出当前升降式网箱在实际升降速率下的实际电量消耗率,根据实际电量消耗率进一步计算出实际电量消耗量,最后根据剩余电量与实际电量消耗量进行比较分析,若剩余存储电量小于实际电量消耗量,则说明剩余电量无法完成整个实际升降行程,使得养殖任务进度停滞,因此可通过两者的偏差率调增升降速率,节省升降式网箱的用电速率,延长电量使用时长,以保障养殖任务的顺利进行。
此外,所述一种基于物联网的升降式网箱锚泊装置管理方法,还包括以下步骤:
获取升降式网箱中各工作机构在不同养殖环境组合条件的历史运行数据,引入深度学习网络构建运行数据预测模型,并将各子设备在不同加工环境组合条件的历史运行数据导入所述运行数据预测模型中进行训练,得到训练好的运行数据预测模型;
获取当前升降式网箱在水下养殖时的实时养殖环境,将所述实时养殖环境导入所述训练好的运行数据预测模型中,得到升降式网箱中各工作机构在实时养殖环境条件下的运行预测数据;
获取升降式网箱中各工作机构在预设时间段内的实际运行数据;计算所述升降式网箱中各工作机构在预设时间段内的实际运行数据与运行预测数据之间的差异,得到多个偏差值;
判断每个所述偏差值是否大于预设偏差值,若大于,则大于预设偏差值的偏差值所对应的工作机构进行故障标记。
需要说明的是,升降式网箱是由多个工作机构组成的,例如箱体、充气机构、注水机构和排水机构等,由于长期的运行,升降式网箱中的部分机构可能存在老化磨损等现象,从而导致升降式网箱的运行故障,降低了升降式网箱的升降质量和效率,因此,本方法通过升降式网箱各工作机构在不同养殖环境组合条件的历史运行数据预测出处于实时养殖环境条件下的运行预测数据,进而结合各工作机构的实际运行数据分析每个工作机构的运行性能,从而便可得知导致升降式网箱运行异常的工作机构,进而标记为故障状态,便于工作人员的及时维修,提高了升降式网箱的运行寿命,避免由于升降式网箱的故障因素使得水产品养殖出现误差和异常,提高水产品养殖质量,可靠性高。
本发明第二方面提供了一种基于物联网的升降式网箱锚泊装置管理系统,所述一种基于物联网的升降式网箱锚泊装置管理系统包括存储器41与处理器42,所述存储器41中储存一种基于物联网的升降式网箱锚泊装置管理方法程序,所述一种基于物联网的升降式网箱锚泊装置管理方法程序被所述处理器42执行时,如图4所示,实现以下步骤:
获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,计算所述安装基准信息所对应若干个环境要素的权重系数,基于若干个权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域;
获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,并通过海平面养殖条件约束划分根节点,以构建决策树,在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型;
构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,获取一类模拟数据和二类模拟数据,分析一类模拟数据和二类模拟数据,得到最终锚泊安装点;
获取预设时间段间隔内锚泊装置在最终锚泊安装点的第一图像数据以及第二图像数据,配准第一图像数据和第二图像数据,得到实际偏移幅度,分析所述实际偏移幅度与预估偏移幅度来增加锚固点数量,以提高锚泊稳定性。
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 (7)
1.一种基于物联网的升降式网箱锚泊装置管理方法,其特征在于,包括以下步骤:
获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,计算所述安装基准信息所对应若干个环境要素的权重系数,基于若干个权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域;
获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,并通过海平面养殖条件约束划分根节点,以构建决策树,在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型;
构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,获取一类模拟数据和二类模拟数据,分析一类模拟数据和二类模拟数据,得到最终锚泊安装点;
获取预设时间段间隔内锚泊装置在最终锚泊安装点的第一图像数据以及第二图像数据,配准第一图像数据和第二图像数据,得到实际偏移幅度,分析所述实际偏移幅度与预估偏移幅度来增加锚固点数量,以提高锚泊稳定性。
2.根据权利要求1所述的一种基于物联网的升降式网箱锚泊装置管理方法,其特征在于,所述获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,计算所述安装基准信息所对应若干个环境要素的权重系数,基于若干个权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域,具体包括以下步骤:
获取锚泊装置的安装基准信息,基于所述安装基准信息在大数据网络中进行检索,得到安装基准信息所对应的若干个环境要素;
引入熵权算法对所述若干个环境要素进行计算,通过若干个环境要素构建决策矩阵,基于决策矩阵提取出N个决策对象和N个决策指标,基于每个决策对象和每个决策指标计算出熵值,根据熵值计算出每个环境要素的权重系数;
获取水产品的目标养殖区域以及养殖日志记录,基于养殖日志记录提取出升降式网箱在所述目标养殖区域的若干个历史养殖点;
以每个历史养殖点为辐射中心点,基于辐射中心点将目标养殖区域辐射划分为若干个均匀的子养殖区域,并获取每个子养殖区域的历史环境数据,在熵权算法中对每个子养殖区域的历史环境数据进行计算,得到每个子养殖区域中历史环境数据的权重系数;
引入二分搜索算法,在二分搜索算法中将每个环境要素的权重系数进行由大到小的排序,以确定搜索范围,并计算出搜索范围的中间位置值,计算每个子养殖区域中历史环境数据的权重系数与中间位置值的欧氏距离,根据欧氏距离缩小每个子养殖区域的范围,得到搜索结果;
基于搜索结果对目标养殖区域的进行规划,得到升降式网箱的最佳养殖区域。
3.根据权利要求1所述的一种基于物联网的升降式网箱锚泊装置管理方法,其特征在于,所述获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,并通过海平面养殖条件约束划分根节点,以构建决策树,在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型,具体包括以下步骤:
通过升降式网箱物联网技术对最佳养殖区域进行监测,获取最佳养殖区域的海平面水文数据;其中,所述海平面水文数据包括降水量、水蒸发量和潮汐水位;
预设海平面养殖条件,基于所述海平面水文数据生成根节点,并根据所述海平面养殖条件在根节点上对海平面水文数据进行划分,得到M个离散树分支,对每个离散树分支构建叶子节点;其中,所述海平面养殖条件包括光照度、温度、湿度、盐度和溶氧量;
将每个叶子节点与根节点连接,连接完成后,重复上述步骤对每个所述叶子节点进行递归处理和剪枝操作,直至满足预设决策树深度阈值,最终形成决策树,基于海平面养殖条件在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域;
获取第一最佳锚泊区域中最佳水质点深度的波浪能量数据,根据所述第一最佳锚泊区域中最佳水质点深度的波浪能量数据进行分析计算,以筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型。
4.根据权利要求3所述的一种基于物联网的升降式网箱锚泊装置管理方法,其特征在于,所述获取第一最佳锚泊区域中最佳水质点深度的波浪能量数据,根据所述第一最佳锚泊区域中最佳水质点深度的波浪能量数据进行分析计算,以筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型,具体包括以下步骤:
获取第一最佳锚泊区域的水域深度值以及水产品的种类信息,基于所述水域深度值在大数据网络中进行检索,得到水质点运动幅度趋势图;
基于水产品的种类信息对所述水质点运动幅度趋势图进行分析,预设水产品养殖的最佳水质点深度;
通过雷达波浪测量仪对第一最佳锚泊区域中最佳水质点深度的波浪能量进行测量,以获取第一最佳锚泊区域中最佳水质点深度的波浪能量数据,构建波浪能量数据库,将所述第一最佳锚泊区域分割为若干个区域网格,基于波浪能量数据库提取出各区域网格中最佳水质点深度所对应的波浪能量幅度;
判断各区域网格中最佳水质点深度所对应的波浪能量幅度是否大于预设波浪能量幅度,若大于,则剔除大于预设波浪能量幅度的区域网格,根据波浪能量幅度将剩余的区域网格进行合并规整,得到第二最佳锚泊区域;
获取第二最佳锚泊区域中各区域网格的水流特性,引入蒙特卡洛模拟算法构建初始动态模型,并对第二最佳锚泊区域中各区域网格的水流特性进行随机抽样,得到若干个随机样本,将所述若干个随机样本逐一导入初始动态模型中进行模拟训练,生成若干个第二最佳锚泊区域中各区域网格的水域动态模型。
5.根据权利要求1所述的一种基于物联网的升降式网箱锚泊装置管理方法,其特征在于,所述构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,获取一类模拟数据和二类模拟数据,分析一类模拟数据和二类模拟数据,得到最终锚泊安装点,具体包括以下步骤:
通过激光扫描仪获取升降式网箱系泊于锚泊装置状态的点云数据,并引入隐式表面重建算法将所述升降式网箱系泊于锚泊装置状态的点云数据转化为隐式函数,基于隐式函数重建三维模型,得到升降式网箱系泊于锚泊装置状态的三维模型;
预设模拟天气为平稳天气状态,同时预设间隔相同的若干个时间戳,基于平稳天气状态将所述升降式网箱系泊于锚泊装置状态的三维模型导入每个所述水域动态模型中的进行水产品养殖模拟,并记录各水域模型在平稳天气状态下每个时间戳所对应的水产品生存密度数据,定义为各水域模型的一类模拟数据;
模拟完成后,预设模拟天气为极端天气状态,基于极端天气状态在每个所述水域动态模型中对水产品养殖进行二次模拟,记录各水域模型在极端天气状态下每个时间戳所对应的水产品生存密度数据,定义为各水域模型的二类模拟数据;
构建面积图,将所述各水域模型的一类模拟数据和各水域模型的二类模拟数据逐一对应的导入面积图中进行拟合绘制,得到多个水产品生存密度面积图,剥离出每个水产品生存密度面积图中数据面积的重叠部分以及不重叠部分;
结合所述重叠部分与不重叠部分进行面积计算,得到多个面积占比率,若所述面积比率小于预设面积占比率,则说明水产品生存病死率幅度小,将小于预设面积占比率所对应的水域模型在第二最佳锚泊区域中的区域网格进行标记,并根据面积占比率对水域模型所对应的区域网格进行由小到大排序,提取最小面积占比率所对应的区域网格输出,得到最终锚泊安装点。
6.根据权利要求1所述的一种基于物联网的升降式网箱锚泊装置管理方法,其特征在于,所述获取预设时间段间隔内锚泊装置在最终锚泊安装点的第一图像数据以及第二图像数据,配准第一图像数据和第二图像数据,得到实际偏移幅度,分析所述实际偏移幅度与预估偏移幅度来增加锚固点数量,以提高锚泊稳定性,具体包括以下步骤:
将锚泊装置安装于所述最终锚泊安装点,通过水下摄像头采集锚泊装置的实时图像,得到第一图像数据,间隔预设时间段后对锚泊装置的实时图像进行二次采集,得到第二图像数据;
构建平面配准区域,引入局部二值模式算法对所述第一图像数据和第二图像数据进行特征提取,得到第一特征向量和第二特征向量,根据所述第一特征向量和第二特征向量构建模型图,得到第一模型图以及第二模型图;
在平面配准区域中最大化所述第一特征向量和第二特征向量之间的互信息,基于互信息对第一模型图以及第二模型图进行配准;
配准完成后,提取出所述第一模型图与第二模型图之间未能配准的模型体积值,计算未能配准的模型体积值与预设体积值之间的欧氏距离,根据所述欧氏距离确定出第一模型图与第二模型图的实际偏移幅度;
获取锚泊装置与升降式网箱所受的水流冲击力,并获取锚泊装置与升降式网箱的重量总和,结合所述水流冲击力以及重量总和进行估算,得到预估偏移幅度;
判断实际偏移幅度是否大于预估偏移幅度,若大于,则说明锚泊装置与升降式网箱的重量无法承受水流冲击力,对锚泊装置增加锚固点数量以提高稳定性。
7.一种基于物联网的升降式网箱锚泊装置管理系统,其特征在于,所述一种基于物联网的升降式网箱锚泊装置管理系统包括存储器与处理器,所述存储器中储存一种基于物联网的升降式网箱锚泊装置管理方法程序,所述一种基于物联网的升降式网箱锚泊装置管理方法程序被所述处理器执行时,实现以下步骤:
获取锚泊装置的安装基准信息以及目标养殖区域的若干个历史养殖点,计算所述安装基准信息所对应若干个环境要素的权重系数,基于若干个权重系数在二分搜索算法中对若干个历史养殖点进行搜索,得到升降式网箱的最佳养殖区域;
获取最佳养殖区域的海平面水文数据,基于海平面水文数据生成根节点,并通过海平面养殖条件约束划分根节点,以构建决策树,在决策树中对最佳养殖区域进行预测并筛选,得到第一最佳锚泊区域,根据第一最佳锚泊区域中最佳水质点深度的波浪能量数据筛选出第二最佳锚泊区域,基于第二最佳锚泊区域的水流特性构建模型,得到若干个第二最佳锚泊区域中各区域网格的水域动态模型;
构建升降式网箱系泊于锚泊装置状态的三维模型,并基于所述三维模型在平稳天气状态下以及极端天气状态下对水产品进行模拟养殖,获取一类模拟数据和二类模拟数据,分析一类模拟数据和二类模拟数据,得到最终锚泊安装点;
获取预设时间段间隔内锚泊装置在最终锚泊安装点的第一图像数据以及第二图像数据,配准第一图像数据和第二图像数据,得到实际偏移幅度,分析所述实际偏移幅度与预估偏移幅度来增加锚固点数量,以提高锚泊稳定性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410317099.1A CN117911191B (zh) | 2024-03-20 | 2024-03-20 | 一种基于物联网的升降式网箱锚泊装置管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410317099.1A CN117911191B (zh) | 2024-03-20 | 2024-03-20 | 一种基于物联网的升降式网箱锚泊装置管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117911191A true CN117911191A (zh) | 2024-04-19 |
CN117911191B CN117911191B (zh) | 2024-05-31 |
Family
ID=90690932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410317099.1A Active CN117911191B (zh) | 2024-03-20 | 2024-03-20 | 一种基于物联网的升降式网箱锚泊装置管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911191B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004042875A (ja) * | 2002-07-15 | 2004-02-12 | Seizo Nakajima | ボート係留具 |
CN109430135A (zh) * | 2019-01-16 | 2019-03-08 | 黄鱼岛海洋渔业有限公司 | 一种用于海上浮网养殖的锚泊系统 |
CN112686944A (zh) * | 2020-12-29 | 2021-04-20 | 武汉理工大学 | 一种船舶锚泊面积计算方法及装置 |
CN112722156A (zh) * | 2021-01-18 | 2021-04-30 | 大连海事大学 | 一种基于决策树的智能船单锚泊锚位选择方法 |
CN112970645A (zh) * | 2021-04-13 | 2021-06-18 | 国家海洋技术中心 | 应用于波浪能供电的深远海网箱养殖自主运行管理系统 |
CN113460233A (zh) * | 2021-07-05 | 2021-10-01 | 大连船舶重工集团有限公司 | 一种船舶智能锚泊系统及其辅助决策方法 |
CN114223596A (zh) * | 2021-09-10 | 2022-03-25 | 中国水产科学研究院黄海水产研究所 | 深远海潜降式网箱多向锚泊系统、养殖单元及使用方法 |
CN116756977A (zh) * | 2023-06-21 | 2023-09-15 | 武汉理工大学 | 一种船舶最佳锚位选择方法、装置、电子设备及存储介质 |
-
2024
- 2024-03-20 CN CN202410317099.1A patent/CN117911191B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004042875A (ja) * | 2002-07-15 | 2004-02-12 | Seizo Nakajima | ボート係留具 |
CN109430135A (zh) * | 2019-01-16 | 2019-03-08 | 黄鱼岛海洋渔业有限公司 | 一种用于海上浮网养殖的锚泊系统 |
CN112686944A (zh) * | 2020-12-29 | 2021-04-20 | 武汉理工大学 | 一种船舶锚泊面积计算方法及装置 |
CN112722156A (zh) * | 2021-01-18 | 2021-04-30 | 大连海事大学 | 一种基于决策树的智能船单锚泊锚位选择方法 |
CN112970645A (zh) * | 2021-04-13 | 2021-06-18 | 国家海洋技术中心 | 应用于波浪能供电的深远海网箱养殖自主运行管理系统 |
CN113460233A (zh) * | 2021-07-05 | 2021-10-01 | 大连船舶重工集团有限公司 | 一种船舶智能锚泊系统及其辅助决策方法 |
CN114223596A (zh) * | 2021-09-10 | 2022-03-25 | 中国水产科学研究院黄海水产研究所 | 深远海潜降式网箱多向锚泊系统、养殖单元及使用方法 |
CN116756977A (zh) * | 2023-06-21 | 2023-09-15 | 武汉理工大学 | 一种船舶最佳锚位选择方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
陈徐均等: "水流作用下锚泊浮体平衡位置及姿态的求解方法", 《解放军理工大学学报(自然科学版)》, vol. 8, no. 4, 31 August 2007 (2007-08-31), pages 363 * |
魏凯等: "工程作业船舶定位锚泊系统设计分析", 《船舶物资与市场》, vol. 31, no. 12, 31 December 2023 (2023-12-31), pages 61 * |
Also Published As
Publication number | Publication date |
---|---|
CN117911191B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shimada et al. | Accuracy and characteristics of offshore wind speeds simulated by WRF | |
Morales-Márquez et al. | Numerical and remote techniques for operational beach management under storm group forcing | |
Syse | Investigating off-grid energy solutions for the salmon farming industry | |
CN116128099B (zh) | 一种基于人工智能的中国短期气候预测方法及系统 | |
CN117556197B (zh) | 一种基于人工智能的台风涡旋初始化方法 | |
CN114169445A (zh) | 基于cae和gan混合网络的日前光伏功率预测方法、装置与系统 | |
CN114493680B (zh) | 一种基于流刺网调查的渔业资源统计方法及系统 | |
CN116467933A (zh) | 基于深度学习的风暴潮增水预测方法及系统 | |
CN117911191B (zh) | 一种基于物联网的升降式网箱锚泊装置管理方法及系统 | |
Dinçer et al. | Enhancing wind turbine site selection through a novel wake penalty criterion | |
KR102408840B1 (ko) | 산림물지도를 활용한 산사태위험지도 개선을 위한 산림토양 수분포화 취약지역 탐색방법 및 시스템 | |
Zheng et al. | Establishment of wave climate datasets: Case study for the Maritime Silk Road | |
CN114896826B (zh) | 基于物理学结合残差注意力网络的行星边界层参数化方法 | |
CN111626468B (zh) | 一种基于有偏凸损失函数的光伏区间预测方法 | |
CN113536664B (zh) | 一种海上风电出力的电量平衡计算方法、装置及系统 | |
Dodson et al. | Long-distance communication can enable collective migration in a dynamic seascape | |
CN116680518B (zh) | 用于地表水环境的时空态势分析方法 | |
Linnane et al. | Northern Zone Rock Lobster (Jasus edwardsii) Fishery 2009/10 | |
KR102408845B1 (ko) | 산림물지도를 활용한 수원함양기능평가방법 및 시스템 | |
Dickson et al. | Wave Environment Characterization for Scaled Ocean Test Sites | |
Grecian | Factors influencing the marine spatial ecology of seabirds: implications for theory, conservation and management | |
Zhao et al. | An Integrated Fishery Meteorological Information Service Terminal Based on End-Side Deep Learning Technology | |
Heo | Efficient climate data analyses in decision making for the design and operation of land-based and ocean infrastructure systems | |
Bruss et al. | Design scenarios for coastal protection structures on the german baltic sea coast | |
Wood et al. | Variability in the dynamics of forage fish abundances in Chesapeake Bay: retrospective analysis, models and synthesis |
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 |