CN118169351B - 基于大数据的水产养殖水质监测方法及系统 - Google Patents
基于大数据的水产养殖水质监测方法及系统 Download PDFInfo
- Publication number
- CN118169351B CN118169351B CN202410595583.0A CN202410595583A CN118169351B CN 118169351 B CN118169351 B CN 118169351B CN 202410595583 A CN202410595583 A CN 202410595583A CN 118169351 B CN118169351 B CN 118169351B
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- path
- point
- sub
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 445
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 132
- 238000009360 aquaculture Methods 0.000 title claims abstract description 72
- 244000144974 aquaculture Species 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012795 verification Methods 0.000 claims abstract description 192
- 238000001514 detection method Methods 0.000 claims abstract description 89
- 238000010586 diagram Methods 0.000 claims abstract description 57
- 230000007480 spreading Effects 0.000 claims abstract description 45
- 238000003892 spreading Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000007704 transition Effects 0.000 claims description 103
- 230000002159 abnormal effect Effects 0.000 claims description 53
- 238000012216 screening Methods 0.000 claims description 24
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 6
- 238000002790 cross-validation Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 2
- 230000008859 change Effects 0.000 description 27
- 230000006870 function Effects 0.000 description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 9
- 229910052760 oxygen Inorganic materials 0.000 description 9
- 239000001301 oxygen Substances 0.000 description 9
- 238000013480 data collection Methods 0.000 description 8
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000013524 data verification Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241001465754 Metazoa Species 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
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Automation & Control Theory (AREA)
- Agronomy & Crop Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Measurement Of Radiation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于大数据的水产养殖水质监测方法及系统,基于GIS地理信息图获取与水产养殖区域对应的目标区域,对目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径;根据定制采集路径中的子监测点控制移动监测设备进行监测,得到与子监测点对应的实时监测数据;基于实时监测数据对相应定制采集路径进行动态更新,得到移动检测设备的交叉验证路径,根据交叉验证路径中的辅助验证数据对相应实时监测数据进行判断,得到真实监测数据;根据真实监测数据和实时监测数据对目标区域进行蔓延预测处理,生成水质展示图发送至监测端。
Description
技术领域
本发明涉及数据处理技术,尤其涉及一种基于大数据的水产养殖水质监测方法及系统。
背景技术
水产养殖是利用水域或滩涂养殖水产动植物的生产活动,一般指鱼类养殖(鱼的繁殖、饲养和放养),在鱼类养殖过程中,水域的水质条件对水产养殖是及其重要的,因此需要监测养殖区域内的水质数据,从而确保水产养殖的安全性。
在现有应用中,通常是通过浮标传感器或是人工乘船进行水域水质数据的采集,其中,浮标传感器容易被覆盖,需要多频次的进行检修,影响数据采集效率,并且人工乘船进行水质数据采集的方式,由于没有进行采集点的规划,从而当养殖区域较大时,传统的水质数据采集方式会对一些水域产生采集遗漏,从而对养殖区域产生一定的影响。
因此,如何针对实际的水产养殖区域进行水质数据采集路径的定制化设置,确保对水产养殖区域采集的水质数据的完整性、准确性,保证水产养殖区域的水质良好状态,成为亟需解决的问题。
发明内容
本发明实施例提供一种基于大数据的水产养殖水质监测方法及系统,可以针对实际的水产养殖区域进行水质数据采集路径的定制化设置,确保对水产养殖区域采集的水质数据的完整性、准确性,保证水产养殖区域的水质良好状态。
本发明实施例的第一方面,提供一种基于大数据的水产养殖水质监测方法,包括:
基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径;
根据所述定制采集路径中的子监测点控制移动监测设备进行监测,得到与所述子监测点对应的实时监测数据;
基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径,根据所述交叉验证路径中的辅助验证数据对相应所述实时监测数据进行判断,得到真实监测数据;
根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端。
可选地,在第一方面的一种可能实现方式中,所述基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径,包括:
基于GIS地理信息图获取与水产养殖区域对应的目标区域,根据预设间隔在所述目标区域处构建横向格栅和纵向格栅,生成与所述目标区域对应的多个格栅区域;
根据所述横向格栅和所述纵向格栅将所述目标区域划分为多个子区域,所述子区域具有对应的格栅区域;
获取所述格栅区域的中心点作为格栅中心点,依次横向连接所述格栅中心点,生成横向格栅路径,并依次纵向连接的格栅中心点,生成纵向格栅路径,将所述横向格栅路径和所述纵向格栅路径作为格栅路径;
基于所述格栅路径生成与移动检测设备对应的定制采集路径。
可选地,在第一方面的一种可能实现方式中, 所述基于所述格栅路径生成与移动检测设备对应的定制采集路径,包括:
获取所述子区域的区域中心点作为子监测点,确定所述子监测点与相应所述格栅中心点不一致时,将所述格栅路径中的格栅中心点替换为子监测点,生成初始采集路径,所述初始采集路径包括初始横向路径和初始纵向路径;
依次对所述初始横向路径中的子监测点进行间隔挑选,得到与相应所述移动检测设备对应横向定制路径;
删除所述横向定制路径中的子监测点,将其余的初始纵向路径作为相应所述移动检测设备对应的纵向定制路径;
根据所述横向定制路径和所述纵向定制路径得到与移动检测设备对应的定制采集路径。
可选地,在第一方面的一种可能实现方式中,所述基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径,包括:
依次对所述子监测点进行编号,基于各所述移动检测设备的定制采集路径确定与各所述移动检测设备对应的定制监测序列;
调取与所述实时监测数据对应数据种类的预设数据区间,确定所述数据种类的实时监测数据不处于相应所述预设数据区间时,将相应所述实时监测数据作为待验证数据,并将相应所述子监测点作为待验证点;
根据所述待验证点和相邻的所述子监测点确定辅助验证点,确定所述待验证点所处的定制监测序列作为第一监测序列,将其余的定制监测序列作为第二监测序列;
获取所述第二监测序列中不具有实时监测数据的子监测点作为待监测点,将所述辅助验证点作为圆心并基于预设半径确定辅助验证范围;
确定所述辅助验证范围内具有待监测点时,将处于辅助验证范围内的待监测点作为初筛监测点,并获取与所述辅助验证点距离最近的初筛监测点作为复筛监测点;
将相应所述辅助验证点加入至所述第二监测序列中复筛监测点的后部,得到所述移动检测设备的实际验证路径;
确定所述辅助验证范围内不具有待监测点时,将相应所述辅助验证点作为附加监测点,统计所述附加监测点得到附加验证路径;
将所述实际验证路径和所述附加验证路径组合,得到所述移动检测设备的交叉验证路径。
可选地,在第一方面的一种可能实现方式中,所述根据所述待验证点和相邻的所述子监测点确定辅助验证点,包括:
确定与所述待验证点相邻的子监测点作为子连接点,将所述待验证点与所述子连接点进行连线,得到多条辅助验证线;
获取所述实时监测数据不处于相应所述预设数据区间对应的数据种类作为异常种类,所述数据种类具有对应的预设辅助距离;
判断所述异常种类的数量等于1时,调取与所述异常种类对应的预设辅助距离作为定位辅助距离,以所述待验证点为起点并基于所述定位辅助距离在所述辅助验证线处确定辅助验证点;
判断所述异常种类的数量大于1时,调取与所述异常种类对应的预设辅助距离作为定位辅助距离;
选取最短的定位辅助距离作为实际定位距离,以所述待验证点为起点并基于所述实际定位距离在所述辅助验证线处确定辅助验证点。
可选地,在第一方面的一种可能实现方式中,所述根据所述交叉验证路径中的辅助验证数据对相应所述实时监测数据进行判断,得到真实监测数据,包括:
获取所述交叉验证路径中辅助验证点对应异常种类的辅助验证数据;
确定所述辅助验证数据均不处于相应所述预设数据区间时,将相应所述待验证点的待验证数据作为真实监测数据;
确定所述辅助验证数据均处于相应所述预设数据区间时,根据所述待验证点对应辅助验证数据的平均值,得到与所述待验证点对应的真实监测数据。
可选地,在第一方面的一种可能实现方式中,所述根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端,包括:
确定所述数据种类的实时监测数据处于相应所述预设数据区间时,将相应所述实时监测数据作为真实监测数据;
将所述目标区域内所述子监测点与相邻的子监测点进行连接,得到子监测点之间的预测连接线;
获取所述预测连接线两端对应子监测点的真实监测数据作为预测基准数据,选取最大的预测基准数据作为第一基准数据,并将其余的预测基准数据作为第二基准数据;
确定所述预测连接线中所述第一基准数据的子监测点沿着所述第二基准数据的子监测点的方向作为蔓延方向;
基于预设蔓延距离在所述预测连接线沿着所述蔓延方向上依次生成多个预测标记,根据所述预测标记将所述预测连接线划分为多个预测子线段;
获取所述预测子线段的数量作为计算数量,根据所述第一基准数据和所述第二基准数据的差值,得到预测差值,基于所述预测差值和所述计算数量的比值,得到基准蔓延值;
确定所述预测标记的数量作为预测数量,根据所述基准蔓延值和所述预测数量对所述第一基准数据进行依次求差,得到多个预测数据,并对所述预测数据进行降序排序,得到预测序列;
将所述预测序列中的预测数据沿着所述预测连接线的蔓延方向依次设置在相应所述预测标记处,生成水质展示图发送至监测端。
可选地,在第一方面的一种可能实现方式中,还包括:
获取相应所述数据种类对应水质展示图中预测数据不处于相应所述预设数据区间内的预测标记作为异常标记;
调取预设异常像素值对所述异常标记进行更新,得到水质监测图发送至监测端。
可选地,在第一方面的一种可能实现方式中,还包括:
确定所述目标区域中子监测点处相同数据种类的真实监测数据作为同类监测数据;
获取所述目标区域内任意两个相邻的子区域的同类监测数据,将最大的所述同类监测数据作为第一同类数据,将其余的所述同类监测数据作为第二同类数据;
根据所述第一同类数据和所述第二同类数据的差值,得到同类差值,基于所述同类差值和预设过渡表的比对,确定实际过渡距离,所述预设过渡表包括所述差值范围与预设过渡距离的对应关系;
确定所述相邻的子区域的公共边作为过渡边,基于所述实际过渡距离在所述过渡边的两侧,确定处于所述相邻的子区域内的过渡区域;
调取与所述第一同类数据对应的种类对照表,根据所述第一同类数据从所述种类对照表中确定第一像素值,基于所述第二同类数据从所述种类对照表中确定第二像素值,所述种类对照表包括同类数据范围与像素值对应的关系;
根据所述第一像素值和所述第二像素值的差值得到像素值差值,根据所述实际过渡距离和预设单位长度的比值,得到计算过渡数量,基于所述计算过渡数量确定实际过渡数量;
基于所述像素值差值和所述实际过渡数量的比值,得到递减像素值;
根据所述递减像素值依次对所述第一像素值进行求差计算,得到多个过渡像素值,对所述过渡像素值降序排序,生成过渡序列;
基于所述蔓延方向和所述预设单位长度对所述过渡区域进行划分得到多个过渡子区域;
根据蔓延方向依次填充所述过渡序列中的过渡像素值至所述过渡子区域中,生成与各所述数据种类对应的种类展示图。
本发明实施例的第二方面,提供一种基于大数据的水产养殖水质监测系统,包括:
生成模块,用于基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径;
监测模块,用于根据所述定制采集路径中的子监测点控制移动监测设备进行监测,得到与所述子监测点对应的实时监测数据;
更新模块,用于基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径,根据所述交叉验证路径中的辅助验证数据对相应所述实时监测数据进行判断,得到真实监测数据;
发送模块,用于根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端。
本发明实施例的第三方面,提供一种电子设备,包括:存储器、处理器以及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行本发明第一方面及第一方面各种可能涉及的所述方法。
本发明实施例的第四方面,提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能涉及的所述方法。
本发明的有益效果如下:
1、本发明可以针对实际的水产养殖区域进行水质数据采集路径的定制化设置,确保对水产养殖区域采集的水质数据的完整性、准确性,保证水产养殖区域的水质处于良好状态。并且,本发明可以对定制采集路径进行实时动态更新,使得其他移动检测设备对异常数据对应的区域进行水质数据采集,得到辅助验证数据,进而实现辅助验证,从而使监测到的水产养殖区域的水质数据更加精确,其次,本发明还可以对目标区域中的未进行数据监测的位置进行水质数据预测,并生成水质展示图发送给监测端,以便于监测人员对水质数据的直观查看,从而快速查看到目标区域内的水质情况。
2、本发明可以生成横向定制路径和纵向定制路径,以便于移动检测设备进行水质监测时,可以确保对水产养殖区域采集的水质数据的完整性、准确性。其中,本发明可以将区域中心点与格栅中心点进行比对,当两者不一致时,从而将格栅路径中的格栅中心点进行替换,以便于移动检测设备在实际数据采集过程中,可以实现对水产养殖区域的水质数据采集,符合实际情况,并且,本发明可以定制两个移动方向的采集路径,从而同时进行水质数据的监测,确保后续由于检测设备的故障,导致数据发生错误,进而可以提高所采集到的数据的准确性。
3、本发明可以对定制采集路径进行实时动态更新,使得其他移动检测设备对异常数据对应的监测区域进行采集,实现辅助验证,从而使监测到的水产养殖区域的水质数据更加精确。其中,本发明可以将第二监测序列中不具有实时监测数据的子监测点作为待监测点,从而可以减少移动检测设备不断进行返程监测的时间,进而可以提高对水产养殖区域的监测效率,本发明可以通过生成的交叉验证路径,实现对水产养殖区域的全覆盖监测,同时,还可以对出现异常数据的子监测点进行数据验证,提高数据的准确性。
附图说明
图1为本发明所提供的一种基于大数据的水产养殖水质监测方法的流程图;
图2为本发明所提供的一种格栅路径的示意图;
图3为本发明所提供的一种定制采集路径的示意图;
图4为本发明所提供的一种基于大数据的水产养殖水质监测系统的结构示意图;
图5为本发明提供的一种电子设备的硬件结构示意图。
具体实施方式
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
如图1所示,本发明提供一种基于大数据的水产养殖水质监测方法,包括:
S1,基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径。
需要说明的是,对水产养殖区域的传统监测方法通常是人员乘船随机对水产养殖区域的不同位置进行水质监测,没有确定的监测路径,进而,在对水产养殖区域进行监测时会出现区域监测遗漏,使得检测到的水质数据不全面或不准确。
因此,可以通过具有位置信息的GIS地理信息图获取到水产养殖区域对应的目标区域,以便于对目标区域进行处理,从而为每个检测设备定制化生成相应水质监测的采集路径,从而实现对水产养殖区域的区覆盖监测,同时使得采集监测到的数据更加准确。
可以理解的是,目标区域为水产养殖区域对应的区域,移动检测设备为可以进行移动的检测设备,比如,可移动检测的无人船,区域格栅处理为将目标区域进行格栅化,便于生成定制采集路径,从而使得采集装置进行水质数据的采集。
在一些实施例中,步骤S1中的(所述基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径),包括:
S11,基于GIS地理信息图获取与水产养殖区域对应的目标区域,根据预设间隔在所述目标区域处构建横向格栅和纵向格栅,生成与所述目标区域对应的多个格栅区域。
可以理解的是,预设间隔为人为预先设置的间隔距离,比如,4m,横向格栅为进行区域格栅划分的横向线段,纵向格栅为进行区域格栅划分的纵向的线段,格栅区域为横向格栅和纵向格栅相围的区域。
例如:如图2所示,对目标区域根据预设间隔进行格栅处理,从而得到多个格栅区域。
通过上述实施方式,本发明可以获取到与目标区域对应的格栅区域,以便于后续进行路径定制化确定。
S12,根据所述横向格栅和所述纵向格栅将所述目标区域划分为多个子区域,所述子区域具有对应的格栅区域。
需要说明的是,由于目标区域可以是不规则的形状,因此,格栅区域中可以存在水产养殖区域外的区域,但同时,目标区域划分后的子区域具有相对应的格栅区域。
可以理解的是,子区域为目标区域划分后的多个区域,并且,子区域具有一一对应的格栅区域。
S13,获取所述格栅区域的中心点作为格栅中心点,依次横向连接所述格栅中心点,生成横向格栅路径,并依次纵向连接的格栅中心点,生成纵向格栅路径,将所述横向格栅路径和所述纵向格栅路径作为格栅路径。
可以理解的是,格栅中心点为格栅区域的中心点,横向格栅路径为将格栅中心点进行横向连接后的线路,纵向格栅路径为将格栅中心点进行纵向连接后的线路,其中,格栅路径包含横向格栅路径和纵向格栅路径。
例如:如图2所示,将格栅中心点进行横向或纵向相连,从而得到横向格栅路径和纵向格栅路径。
通过上述实施方式,本发明可以获取到格栅路径,以便于后续根据格栅路径确定出移动检测设备的定制采集路径,从而对水产养殖区域进行全覆盖监测。
S14,基于所述格栅路径生成与移动检测设备对应的定制采集路径。
可以理解的是,定制采集路径为移动检测设备进行水质监测数据采集的路径。
通过上述实施方式,本发明可以定制化生成定制采集路径,以便于移动检测设备对水产养殖区域的水质数据进行采集。
在一些实施例中,步骤S14中的(所述基于所述格栅路径生成与移动检测设备对应的定制采集路径),包括:
S141,获取所述子区域的区域中心点作为子监测点,确定所述子监测点与相应所述格栅中心点不一致时,将所述格栅路径中的格栅中心点替换为子监测点,生成初始采集路径,所述初始采集路径包括初始横向路径和初始纵向路径。
需要说明的是,位于目标区域边缘处的格栅区域的中心点可以在目标区域外,因此,为了符合实际情况,对水产区域进行水质数据采集,防止后续生成的采集路径中含有目标区域外的子监测点,因此,可以对格栅路径中的格栅中心点的位置进行判断,从而使得生成的采集路径符合实际情况,以便于后续进行数据采集。
可以理解的是,可以通过在目标区域中建立坐标系,从而可以获取到每个子区域对应的纵坐标的最大值和最小值,以及横坐标的最大值和最小值,从而将可以获取到横纵坐标的中间值,得到每个子区域的区域中心点,进而可以与格栅中心点进行对比,从而确定出初始采集路径,便于后续定制化生成采集路径。
其中,初始横向路径为横向采集路径,初始纵向路径为纵向采集路径。
S142,依次对所述初始横向路径中的子监测点进行间隔挑选,得到与相应所述移动检测设备对应横向定制路径。
可以理解的是,为了提高对水产养殖区域水质的监测效率,可以采取两架无人船对目标区域进行水质监测,因此,可以对子监测点进行间隔挑选,使得两个移动检测设备进行交叉采集,实现提高监测效率的同时,还可以减少因移动检测设备的损坏造成获取到的水质数据错误的概率,从而提高采集数据点准确性。
不难理解的是,如图3所示,在对初始横向路径中进行间隔挑选子监测点时,可以依照从左至右的方向对同一行子监测点进行间隔挑选,同一行间隔挑选完毕之后,可以依照从下至上的方向对不同行的子监测点进行间隔挑选,从而可以将挑选后的子监测点进行顺序连接确定出横向定制路径,在此不做限定,也可以是从右到左,从上到下,编号1到25为子监测点的编号,比如,1可以代表1号子监测点,2可以代表2号子监测点。
其中,横向定制路径为进行横向采集数据的路径。
不难理解的是,可以将挑选后每行的子监测点依照从下至上的方向进行相连,得到横向定制路径,比如,5连接10,6连接11等。
S143,删除所述横向定制路径中的子监测点,将其余的初始纵向路径作为相应所述移动检测设备对应的纵向定制路径。
可以理解的是,将横向定制路径中的子监测点删除后,则会得到对应依照纵向进行采集的路径,从而使得后续移动检测设备可以通过纵向定制路径进行数据采集。
其中,纵向定制路径为进行纵向采集数据的路径。
不难理解的是,可以将删除后剩余的初始纵向路径可以按照从左至右进行每一列的连接,得到纵向定制路径。
值得一提的是,目标区域可以是不规则的,因此,对目标区域划分后得到的子监测点的分布也可以是不规则的,比如,在目标区域靠上的区域部分中的子监测点的数量可以多于目标区域靠下的区域部分中的子监测点的数量,因此,但,对于进行横向监测的无人船而言,依旧是在横向上进行间隔挑选后,随后将剩余的子监测点进行纵向连接,分配给另一个无人船,比如,将第一列剩余的子监测点进行连接,因此得到的纵向的路径可以不是严格垂直的路径,可以是倾斜的。
S144,根据所述横向定制路径和所述纵向定制路径得到与移动检测设备对应的定制采集路径。
可以理解的是,定制采集路径包括横向定制路径和纵向定制路径。
通过上述实施方式,本发明可以获取到定制采集路径,通过横向定制路径和纵向定制路径的相结合,使得后续移动检测设备进行交叉采集,从而实现对水产养殖区域的全覆盖采集,同时,可以提高采集到的数据的准确性。
S2,根据所述定制采集路径中的子监测点控制移动监测设备进行监测,得到与所述子监测点对应的实时监测数据。
可以理解的是,实时监测数据为实时检测到的水质数据,其中,实时监测数据可以是多维度的水质数据,比如,可以包含亚硝酸盐的含量,含氧量等。
通过上述实施,本发明可以获取到子监测点对应的实时监测数据,实现对水产养殖区域水质的实时监测。
S3,基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径,根据所述交叉验证路径中的辅助验证数据对相应所述实时监测数据进行判断,得到真实监测数据。
需要说明的是,移动检测设备可能会因为在移动过程中出现物体的阻挡,导致监测水质数据的传感器被覆盖,从而检测到的数据与水质实际数据可能发生偏差,因此,可以对定制采集路径进行实时动态更新,使得其他移动检测设备对异常数据对应的监测区域进行采集,实现辅助验证,从而使监测到的水产养殖区域的水质数据更加精确。
可以理解的是,交叉验证路径为根据实际监测数据对定制采集路径进行更新后的路径,以便于移动检测设备按照交叉验证路径进行水质数据的采集,实现对异常数据对应的子区域的数据验证,辅助验证数据为在辅助验证位置处采集到的数据,以便于对相应位置处的实时监测数据进行验证判断。
在一些实施例中,步骤S3中的(所述基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径),包括:
S301,依次对所述子监测点进行编号,基于各所述移动检测设备的定制采集路径确定与各所述移动检测设备对应的定制监测序列。
可以理解的是,本发明可以对子监测点进行编号,以便于后续根据子监测点的编号确定出对应定制采集路径的定制监测序列,进而便于后续对定制采集路径进行动态更新。
不难理解的是,对子监测点进行编号时,可以对所有的子监测点依照从右至左并从下至上的方向依次对各子监测点进行编号,使得每个子监测点都有一一对应的编号。
其中,定制监测序列为对定制采集路径中各子监测点编号进行顺序排列后的序列,比如,如图3所示,根据横向采集路径的得到其中的子监测点的编号为1、3、5、6、8、10、11、13、15、16、18、20、21、23、25,从而根据定制采集路径得到定制监测序列为(1,3,5,10,8,6,11,13,15,20,18,16,21,23,25),编号1到25为子监测点的编号,比如,1可以代表1号子监测点,2可以代表2号子监测点。
S302,调取与所述实时监测数据对应数据种类的预设数据区间,确定所述数据种类的实时监测数据不处于相应所述预设数据区间时,将相应所述实时监测数据作为待验证数据,并将相应所述子监测点作为待验证点。
可以理解的是,实时监测数据中包含着多种水质数据,比如,亚硝酸盐的含量,含氧量,PH值,并且,每种数据都具有合适的数据区间,使得水产能够正常存活,因此,可以将实时监测数据与预设数据区间进行对比判断,从而确定出需要进行数据验证的子监测点,以便于后续更新采集路径通过移动检测设备进行数据采集,确定出水产养殖区域的水质准确数据信息。
其中,数据种类为采集到的数据所对应的种类,比如,可以是亚硝酸盐含量、含氧量、PH等,预设数据区间为不同数据种类对应的标准数据区间,可以是人为根据实际环境预先设置的,比如,水产养殖的水质PH值的范围为(6.5,8.5),从而该数据种类的预设数据区间为(6.5,8.5)。
不难理解的是,例如,当移动检测设备在1、3、5、6、8、10号子监测点出检测到的PH数据为7,处于正常的预设数据区间内,当在13号处检测到的PH值为9时,则不处于预设数据区间内,因此,将PH值为9的实时监测数据作为待验证数据,并将13号对应的子监测点作为待验证点,以便于后续进行定制采集路径的更新,从而实现数据验证,提高水产养殖区域水质数据的准确性。
S303,根据所述待验证点和相邻的所述子监测点确定辅助验证点,确定所述待验证点所处的定制监测序列作为第一监测序列,将其余的定制监测序列作为第二监测序列。
可以理解的是,辅助验证点为可以进行辅助验证的位置点,以便于在辅助验证点进行水质数据采集从而对待验证点处的实时监测数据进行数据验证。
其中,待验证点可以是位于横向采集路径中的子监测点,也可以是位于纵向采集路径中的子监测点,进而,对应的定制监测序列也将不同,因此,可以将待验证点所处的定制监测序列作为第一监测序列,将其余的定制监测序列作为第二监测序列。
例如:当待验证点为13号子监测点,则可以将定制监测序列(1,3,5,10,8,6,11,13,15,20,18,16,20,21,23,25)作为第一监测序列,将不含13号子监测点的定制监测序列(24,19,14,9,4, 2,7,12,17,22)作为第二监测序列。
在一些实施例中,步骤S303中的(所述根据所述待验证点和相邻的所述子监测点确定辅助验证点),包括:
S3031,确定与所述待验证点相邻的子监测点作为子连接点,将所述待验证点与所述子连接点进行连线,得到多条辅助验证线。
可以理解的是,子连接点为待验证点相邻的子监测点,比如,当待验证点为13号子监测点时,则可以将相邻的14、18、12、8子监测点作为子连接点,辅助验证线为待验证点与子连接点间的连线。
S3032,获取所述实时监测数据不处于相应所述预设数据区间对应的数据种类作为异常种类,所述数据种类具有对应的预设辅助距离。
可以理解的是,当实时监测数据中的PH值不处于预设数据区间时,可以将PH这一数据种类作为异常种类,当实时监测数据中的亚硝酸盐含量不处于预设数据区间时,可以将亚硝酸盐含量这一数据种类作为异常种类,同样地,当实时监测数据中的含氧量处于相应预设数据区间时,则不将含氧量这一数据种类作为异常种类,并且后续在辅助验证点进行数据采集时,可以仅对异常种类的数据进行采集验证。
不难理解的是,每个数据种类可以具有对应的预设辅助距离,其中,预设辅助距离是人为预先设置的,比如,PH值的预设辅助距离可以为2m,亚硝酸盐含量的预设辅助距离可以为3m,以便于后续确定出相应的辅助验证点,从而进行数据采集及验证。
S3033,判断所述异常种类的数量等于1时,调取与所述异常种类对应的预设辅助距离作为定位辅助距离,以所述待验证点为起点并基于所述定位辅助距离在所述辅助验证线处确定辅助验证点。
可以理解的是,辅助验证点为进行辅助验证的采集位置点,当异常种类只有一个为PH时,则可以将该PH异常种类对应的预设辅助距离2m作为定位辅助距离,从而确定出辅助验证点。
通过上述实施方式,本发明可以得到辅助验证点,以便于后续对定制采集路径进行动态更新,实现移动检测设备在辅助验证点处进行数据采集,以便于对待验证点处的实时监测数据进行验证,确保采集到的水质数据的准确性。
S3034,判断所述异常种类的数量大于1时,调取与所述异常种类对应的预设辅助距离作为定位辅助距离。
可以理解的是,当异常种类的数量具有多个时,比如,PH值、亚硝酸盐含量的数据都出现异常时,则可以将分别对应的预设辅助距离2m、3m进行调取出,并将其作为定位辅助距离,以便于后续进行选取,从而确定出辅助验证点。
S3035,选取最短的定位辅助距离作为实际定位距离,以所述待验证点为起点并基于所述实际定位距离在所述辅助验证线处确定辅助验证点。
需要说明的是,当有多个异常种类时,此时具有多个定位辅助距离,选择距离最短的越接近异常的子监测点,因此,本发明会选择最短的定位辅助距离作为实际定位距离。
可以理解的是,本发明可以选取最短的定位辅助距离作为实际定位距离,以便于确定出的辅助验证点可以距离待验证点距离较近,从而使得采集到的数据可以更加真实的反映出待验证点出的真实水质数据,比如,当定位辅助距离包含2m,3m时,则可以将2m作为实际定位距离。
通过上述实施方式,本方面可以获取到辅助验证点,以便于后续对定制采集路径进行动态更新,从而使得移动检测设备可以在辅助验证点进行水质数据的采集,实现数据验证,确保水产养殖区域的水质数据的准确性。
S304,获取所述第二监测序列中不具有实时监测数据的子监测点作为待监测点,将所述辅助验证点作为圆心并基于预设半径确定辅助验证范围。
需要说明的是,当移动检测设备开始移动进行数据采集检测时,移动检测设备可以按照第二监测序列进行数据采集,则采集过的子监测点处将会具有相应的实时监测数据,因此,为了提高对水产养殖区域的监测效率,可以将第二监测序列中不具有实时监测数据的子监测点作为待监测点,从而便于后续对辅助验证点的位置进行判断,进而更新定制采集路径。
例如:当按照第二监测序列中的子监测点进行移动数据采集时,尚未移动到19子监测点处进行数据采集时,则可以将19,14,9,4, 2,7,12,17,22对应的子监测点作为待监测点,即,待监测点为无人船尚未进行监测的子监测点。
可以理解的是,预设半径为人为预先设置的,可以为3m,辅助验证范围为以辅助验证点为圆心及预设半径内的圆形区域。
通过上述实施方式,本发明可以获取到待监测点以及辅助验证范围,以便于后续可以选取出初筛监测点,从而对定制采集路径进行更新。
S305,确定所述辅助验证范围内具有待监测点时,将处于辅助验证范围内的待监测点作为初筛监测点,并获取与所述辅助验证点距离最近的初筛监测点作为复筛监测点。
可以理解的是,当14,12对应的待监测点均处于相同辅助验证点的辅助验证范围内时,则可以将14,12对应的待监测点作为初筛监测点,不难理解的是,当预设半径较大时,则对应的辅助验证范围内可以具有多个初筛监测点,从而可以将与辅助验证点距离最近的初筛监测点作为复筛监测点。
比如,当14、12对应的待监测点处于同一个辅助验证点的辅助验证范围内时,但14号对应的待监测点距离辅助验证点距离最近,因此,可以将14号对应的待监测点作为复筛监测点。
S306,将相应所述辅助验证点加入至所述第二监测序列中复筛监测点的后部,得到所述移动检测设备的实际验证路径。
可以理解的是,将辅助验证点加入至第二监测序列中复筛监测点的后部,从而得到具有辅助验证点的实际验证路径,以便于后续使得移动检测设备在复筛监测点处进行数据采集后,向辅助验证点的位置处进行数据采集,从而对待验证点处的实时监测数据进行验证,比如,该辅助验证点为A,则将A加入至19,14,A,9,4, 2,7,12,17,22中,使得后续再监测完14后,会区辅助验证点A处进行监测,再去9对应的子监测点。
其中,实际验证路径为加入辅助验证点的采集路径。
S307,确定所述辅助验证范围内不具有待监测点时,将相应所述辅助验证点作为附加监测点,统计所述附加监测点得到附加验证路径。
可以理解的是,当辅助验证范围内不具有待监测点时,则可以说明对应的辅助验证点不处于后续进行数据采集的路径中,因此,可以将相应辅助验证点作为附加监测点,以便于减少移动检测设备返回路径进行数据采集的时间,从而,统计出附加监测点得到附加验证路径,使得原路径采集监测完成后,按照附加验证路径对进行附加监测点处进行数据采集。
比如,横向间隔监测的无人船在20处监测出异常,但是另一个无人船已经从24监测到了7号,此时辅助验证点距离较远,则后续另一个无人船监测完毕后才会对较远的辅助验证点进行监测。
其中,附加验证路径为附加监测点对应的路径。
S308,将所述实际验证路径和所述附加验证路径组合,得到所述移动检测设备的交叉验证路径。
可以理解的是,交叉验证路径包括实际验证路径和附加验证路径,从而实现对水产养殖区域的全覆盖监测,同时,可以对出现异常数据的子监测点进行数据验证,提高数据的准确性。
不难理解的是,可以不存在附加验证路径,通过上述方式,当一个无人船监测出异常后,会由另一个无人船进行监测校验,因此对该无人船的路径进行动态更新,生成交叉验证路径。
在一些实施例中,步骤S3中的(所述根据所述交叉验证路径中的辅助验证数据对相应所述实时监测数据进行判断,得到真实监测数据),包括:
S309,获取所述交叉验证路径中辅助验证点对应异常种类的辅助验证数据。
可以理解的是,辅助验证数据为在交叉验证路径中辅助验证点处采集到对应异常种类的数据,比如,当异常种类为PH值时,则在交叉验证路径中辅助验证点处采集到的PH值为辅助验证数据,以便于对待验证点的实时监测数据进行验证。
S310,确定所述辅助验证数据均不处于相应所述预设数据区间时,将相应所述待验证点的待验证数据作为真实监测数据。
可以理解的是,当在多个辅助验证点检测到的辅助验证数据全都不处于相应预设数据区间时,则可以说明检测设备没有出现异常,在待验证点采集到的待验证数据为该区域的真实水质数据,从而,可以将待验证点的待验证数据作为真实监测数据。
例如:当获取到13号待验证点周围4个辅助验证点的PH值都不处于正常的预设数据区间时,则可以将13号待验证点的PH为9的待验证数据作为真实监测数据。
S311,确定所述辅助验证数据均处于相应所述预设数据区间时,根据所述待验证点对应辅助验证数据的平均值,得到与所述待验证点对应的真实监测数据。
可以理解的是,当在多个辅助验证点检测到的辅助验证数据全都处于相应预设数据区间时,则可以说明检测设备出现异常,该待验证点处的数据应在正常区间内,从而,可以将对应的多个辅助验证数据进行均值计算,比如,当待验证点对应的4个辅助验证点处的辅助验证数据PH值分别为6.8、7、7.2、7,则可以得到辅助验证数据的平均值为7,从而该待验证点对应的真实监测数据的PH值为7。
S4,根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端。
可以理解的是,可以通过对目标区域进行蔓延预测处理,预测出目标区域中未进行设备检测位置处的水质数据,从而生成水质展示图,使得人员可以直观查看到目标区域内的水质情况。
其中,水质展示图为显示出水质数据的图,监测端为监测水产养殖区域水质情况的人员的终端,可以为手机、电脑。
在一些实施例中,步骤S4中的(所述根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端),包括:
S41,确定所述数据种类的实时监测数据处于相应所述预设数据区间时,将相应所述实时监测数据作为真实监测数据。
通过上述实施方式,本发明可以获取到真实监测数据,从而以便于后续根据真实监测数据进行蔓延预测,从而进行水质数据的展示,便于人员的直观查看。
S42,将所述目标区域内所述子监测点与相邻的子监测点进行连接,得到子监测点之间的预测连接线。
可以理解的是,预测连接线为子监测点与相邻的子监测点间的连线。
通过上述实施方式,本发明可以获取到预测连接线,以便于后续在预测连接线上将预测数据进行展示。
S43,获取所述预测连接线两端对应子监测点的真实监测数据作为预测基准数据,选取最大的预测基准数据作为第一基准数据,并将其余的预测基准数据作为第二基准数据。
可以理解的是,预测连接线将两个子监测点进行连接,因此,可以获取到两端子监测点对应的真实监测数据,以便于对两端子监测点间的预测连接线上的数据进行预测。
其中,第一基准数据为最大的预测基准数据,第二基准数据为非最大的预测基准数据。
例如:当获取到预测连接线的两端的子监测点的预测基准数据分别为PH值为8.5,PH值为6.8,则第一基准数据为PH值为8.5,第二基准数据为PH值为6.8。
通过上述实施方式,本发明可以获取到第一基准数据和第二基准数据,以便于后续对预测连接线上的数据进行蔓延预测。
S44,确定所述预测连接线中所述第一基准数据的子监测点沿着所述第二基准数据的子监测点的方向作为蔓延方向。
可以理解的是,可以依据预测连接线两端不同的预测基准数据,确定出数据预测的方向,比如,从数据较大的一端向数据较小的一端进行预测,因此,可以得到蔓延方向为第一基准数据的子监测点指向第二基准数据的子监测点的方向。
S45,基于预设蔓延距离在所述预测连接线沿着所述蔓延方向上依次生成多个预测标记,根据所述预测标记将所述预测连接线划分为多个预测子线段。
可以理解的是,预设蔓延距离为人为预先设置的距离,预设标记为预先设置的进行显示的标记,可以为标记竖线段,预测子线段为将预测连接线划分后的线段。
例如:当预测连接线为4m,预设蔓延距离为1m时,则可以通过预设标记的标记竖线段对预测连接线进行标记划分,从而得到4个1m长的预测子线段。
通过上述实施方式,本发明可以获取到预测子线段,以便于后续计算出相关预测数据,从而进行展示。
S46,获取所述预测子线段的数量作为计算数量,根据所述第一基准数据和所述第二基准数据的差值,得到预测差值,基于所述预测差值和所述计算数量的比值,得到基准蔓延值。
可以理解的是,预测差值为一基准数据和所述第二基准数据的差值,基准蔓延值为预测差值和计算数量的比值。
例如:当预测子线段的数量为4,第一基准数据为8.5,第二基准数据为6.8时,则可以得到计算数量为4,预测差值为8.5-6.8=1.7,进而可以得到基准蔓延值为1.7/4=0.425。
通过上述实施方式,本发明可以获取到相应的基准蔓延值,以便于后续获取到相关的预测数据,进行预测数据的直观展示。
S47,确定所述预测标记的数量作为预测数量,根据所述基准蔓延值和所述预测数量对所述第一基准数据进行依次求差,得到多个预测数据,并对所述预测数据进行降序排序,得到预测序列。
可以理解的是,预测数据为经过作差处理获取到的相应位置出的水质数据,预测序列为将预测数据进行降序排序后的序列。
例如:当预测标记的数量为3,基准蔓延值为0.425,第一基准数据为8.5时,则可以得到3个预测数据分别为8.5-0.425=8.075,8.075-0.425=7.65,7.65-0.425=7.225,进而可以得到预测序列为(8.075,7.65,7.225)。
通过上述实施方式,本发明可以获取到预测序列,以便于将对应的预测数据展示在相应的预测标记处,便于人员查看。
S48,将所述预测序列中的预测数据沿着所述预测连接线的蔓延方向依次设置在相应所述预测标记处,生成水质展示图发送至监测端。
可以理解的是,当预测序列为(8.075,7.65,7.225)时,可以将预测序列中的预测数据按照蔓延方向依次设置在对应的预测标记处,以供人员可以直观查看到相应位置处的水质预测数据。
在对目标区域的水质进行检测时,当目标区域中出现水质数据异常时,进而对其余位置进行数据预测时,可能出现预测数据不处于相应预设数据区间内,因此,可以对相关异常数据进行突出展示,便于人员直观查看到水质出现异常的区域,从而及时采取相关措施,改善水质情况,因此,还包括:
A1,获取相应所述数据种类对应水质展示图中预测数据不处于相应所述预设数据区间内的预测标记作为异常标记。
可以理解的是,当水质展示图中的预测数据不处于相应预设数据区间内时,可以将该预测数据对应的预测标记作为异常标记,以便于后续对异常标记进行更新展示,使得人员可以直观查看到水质异常区域。
A2,调取预设异常像素值对所述异常标记进行更新,得到水质监测图发送至监测端。
可以理解的是,预设异常像素值为预先设置的像素值,可以为红色、橙色,以便于对异常区域进行突出展示。
其中,水质监测图为对异常标记进行更新后的水质展示图。
通过上述实施方式,本发明可以获取到水质监测图,以便于人员监测人员在监测端上快速查看到水质出现异常的区域,从而及时采取相关解决措施,改善水产养殖区域的水质情况,确保水产的正常养殖。
需要说明的是,本发明不仅可以在预测连接线上展示出预测数据,同时还可以根据不同子区域的真实监测数据直观展示出相邻子区域的数据变化,以便于人员直观查看到相邻子区域间的数据变化,因此,还包括:
B01,确定所述目标区域中子监测点处相同数据种类的真实监测数据作为同类监测数据。
可以理解的是,同类监测数据为同一数据种类的真实监测数据,比如,目标区域内所有子监测点处的PH值,含氧量等。
通过上述实施方式,本发明可以获取到对应的同类监测数据,以便于后续对相邻的子区域进行数据变化展示。
B02,获取所述目标区域内任意两个相邻的子区域的同类监测数据,将最大的所述同类监测数据作为第一同类数据,将其余的所述同类监测数据作为第二同类数据。
可以理解的是,当含有23号子监测点对应的子区域的同类监测数据为PH值为8.5,当含有22号子监测点对应的子区域的同类监测数据为PH值为7时,则可以将PH值为8.5的同类监测数据作为第一同类数据,PH值为7的同类监测数据作为第二同类数据。
B03,根据所述第一同类数据和所述第二同类数据的差值,得到同类差值,基于所述同类差值和预设过渡表的比对,确定实际过渡距离,所述预设过渡表包括所述差值范围与预设过渡距离的对应关系。
可以理解的是,同类差值为第一同类数据和第二同类数据的差值,预设过渡表为人为预先设置的,包括差值范围与预设过渡距离,其中,差值范围为人为依据实际情况预先设置的,可以为(0,0.5),(0.5,1)等,预设过渡距离为展示数据变化的过渡的距离,可以是人为预先设置的,比如,0.5m,1m,1.5m等,并且,差值范围与预设过渡距离是一一对应的,比如,当差值范围为(0,0.5)时,对应的预设过渡距离为0.5m,当差值范围为(0.5,1)时,对应的预设过渡距离为1m,当差值范围为(1,1.5)时,对应的预设过渡距离为1.5m。
其中,实际过渡距离为通过同类差值与预设过渡表比对后获取到的距离。
例如:当同类差值为1.5时,经过与预设过渡表进行比对,同类差值1.5处于差值范围为(1,1.5)内,从而得到实际过渡距离为1.5m。
B04,确定所述相邻的子区域的公共边作为过渡边,基于所述实际过渡距离在所述过渡边的两侧,确定处于所述相邻的子区域内的过渡区域。
可以理解的是,根据实际过渡距离在过渡边的两侧确定出过渡区域,以便于后续在过渡区域中直观展示数据变化。
B05,调取与所述第一同类数据对应的种类对照表,根据所述第一同类数据从所述种类对照表中确定第一像素值,基于所述第二同类数据从所述种类对照表中确定第二像素值,所述种类对照表包括同类数据范围与像素值对应的关系。
需要说明的是,不同种类数据具有对应的种类对照表,比如,PH值具有对应的PH值种类对照表,含氧量具有对应的含氧量种类对照表。
可以理解的是,种类对照表为人为预先设置的,包括同类数据范围和像素值,其中,同类数据范围为同类数据的数值范围,比如,当第一类数据为PH值对应的数据信息时,则在相应的种类对照表中的同类数据范围可以为(5.5,6.5),(6.5,7.5),(7.5,8.5),像素值可以是对应的蓝色,绿色。
并且,种类对照表中的同类数据范围与像素值是一一对应的,比如,当同类数据范围为(5.5,6.5)时,对应的像素值可以为黄色,当同类数据范围为(6.5,7.5)时,对应的像素值可以为绿色,当同类数据范围为(7.5,8.5)时,对应的像素值可以为蓝色。
因此,当第一同类数据为8.5时,则可以确定出对应的第一像素值为蓝色,当第二同类数据为7时,则可以确定出对应的第二像素值为绿色。
不难理解的是,第一像素值为第一同类数据对应的像素值,第二像素值为第二同类数据对应的像素值。
通过上述实施方式,本发明可以获取到对应的第一像素值和第二像素值,以便于后续在过渡区域中直观展示出相应的数据变化情况。
B06,根据所述第一像素值和所述第二像素值的差值得到像素值差值,根据所述实际过渡距离和预设单位长度的比值,得到计算过渡数量,基于所述计算过渡数量确定实际过渡数量。
可以理解的是,预设单位长度为人为预先设置的单位长度,计算过渡数量为实际过渡距离和预设单位长度的比值,比如,当实际过渡距离为1.5m,预设单位长度为0.5m时,则可以得到计算过渡数量为1.5/0.5=3。
不难理解的是,由于过渡边两侧都具有实际过渡距离长的区域,实际过渡数量为过渡区域中过渡数量,即,计算过渡数量的两倍,从而得到实际过渡数量为3×2=6。
B07,基于所述像素值差值和所述实际过渡数量的比值,得到递减像素值。
可以理解的是,当两端的颜色不一致时,为了可以直观反映出相邻子区域中同类数据数值的变化,可以获取到递减像素值,从而通过颜色的变化,展示出子区域的数据变化情况,其中,递减像素值为进行渐变的颜色。
B08,根据所述递减像素值依次对所述第一像素值进行求差计算,得到多个过渡像素值,对所述过渡像素值降序排序,生成过渡序列。
可以理解的是,过渡像素值为展示在过渡区域内的渐变像素值,过渡序列为将过渡像素值进行降序排序后的序列。
通过上述实施方式,本发明可以获取到过渡像素值以及过渡序列,以便于后续可以依据过渡序列将过渡像素值更新在过渡区域内,直观展示出相邻子区域的同一种类数据的变化情况。
B09,基于所述蔓延方向和所述预设单位长度对所述过渡区域进行划分得到多个过渡子区域。
可以理解的是,过渡子区域为对过渡区域进行划分后得到的区域,以便于将过渡像素值更新在对应的区域内。
B10,根据蔓延方向依次填充所述过渡序列中的过渡像素值至所述过渡子区域中,生成与各所述数据种类对应的种类展示图。
可以理解的是,种类展示图为具有过渡像素值的展示图,并且,每种数据种类都具有对应的种类展示图,以便人员通过对应的种类展示图直观查看到在目标区域中相应种类数据的数据变化情况,直观反映出目标区域的水质数据,通过上述方式数值不同的区域会以不同的渐变像素值进行变化显示,从而使得人员可以直观查看区域内数值变化。
获取历史的预设时间段内每种数据种类的种类展示图,对预设时间段按照预设数量进行分时间段的间隔处理得到多个间隔时间点,提取多个间隔时间点内每个时间点、每个格栅区域的每种数据种类的种类展示图,基于每个时间点的每种数据种类的种类展示图内的种类信息值生成相对应的种类数据变化函数。将种类数据变化函数内相邻时间点进行归类得到相对应的时间点组,计算每个时间点组所对应的子变化率,基于种类数据变化函数的子变化率进行计算,得到相应种类数据变化函数的预测变化率。
通过以下公式计算相对应的预测变化率,
其中,为预测变化率,为第个时间点的种类信息值,为第个时
间点的种类信息值,为时间点的上限值,为预设时间段的数量,为预设常数值,
为第个时间点的预设权重值。通过以上方式的计算,使得本发明能够综合考虑多个
时间段相应种类信息值的变化规律,并且对于越靠近当前时刻的时间值相对应的参考权重
越大,对于远离当前时刻的时间值相对应的参考权重越小,进而保障预测变化率的准确度。
在判断得到预测变化率后,计算每个时间点组的时间差值,根据种类数据变化函数内最后的一个时间点、时间差值进行预测函数的构建,得到相对应的预测函数段。在构建预测函数段时,可以将最后的一个时间点、时间差值看作是一个点,预测变化率为一个斜率,根据一个点和一个斜率构建相对应的预测函数段,对于预测函数段的构建方式本发明不再进行赘述。
其中,种类信息值为各数据种类对应的监测数值,可以是PH值、含氧量等各监测对应的数值。
获取预测函数段所对应的信息极值,如果判断信息极值不满足相应的水质要求,则对相应的格栅区域添加第一水质标签。
获取格栅区域的总数量,以及提取水质信息的格栅区域的计算数量,根据计算数量和总数量得到相对应的计算参与比值。确定添加第一水质标签的格栅区域的第一数量,根据计算参与比值对第一数量进行计算处理得到相对应的第二数量。获取每个格栅区域的基础面积,根据第二数量、基础面积相乘得到相对应的预测面积。
通过以下公式计算得到相对应的预测面积,
其中,为预测面积,为第一数量,为提取水质信息的格栅区域的计算
数量,为格栅区域的总数量,为面积偏移权重值,为每个格栅区域的基础面积。
调取每个数据种类所对应的约束条件,约束条件中可以具有相应数据种类所对应的约束极大值、约束极小值、约束极大斜率或约束极小斜率,约束极大值、约束极小值可以是面积值、含量值等等,对于约束极大值、约束极小值的种类本发明不做任何限定。
在判断所得到的预测面积、预测函数段的极值、预测函数段的斜率中的任意一个不满足所述约束条件时,则输出相对应数据种类的治理方案。
本发明在输出相对应数据种类的治理方案时,会确定每个格栅区域的种类信息值,并且计算相应种类信息值与最优值之间的差值,每一类别的种类信息具有预设的最优质。根据差值本发明能够得到所有格栅区域的水质情况,本发明计算每个格栅区域的基础面积与预测面积的比值,得到第一比例系数,基于第一比例系数以相应格栅区域为中心点得到相对应的治理区域,通过以下公式得到治理区域的面积,
其中,为每个不满足要求的格栅区域的治理区域的面积,为当前的种类
信息值,为最优值,为数值归一化值,为面积归一化值,为面积转换值。通过对
数值单位的进行归一化处理,通过对面积为单位的进行归一化处理,
进而的系数,通过对相应的系数进行面积转化,得到相对应增加的面积
值,最后得到总的治理区域的面积。在越大时,则证明相应格栅区域的水
质在相应的维度越差,所以此时相对应治理区域的面积就会被放大,并且越大,则证明
所存在水质问题的区域就越大,所以相对应治理区域的面积就会被放大。通过以上方案,能
够对用户进行水域治理的指导,使得其重点治理整片水域中的某一部分或多个部分,达到
有效水质处理的效果。
如图4所示,是本发明实施例提供的一种基于大数据的水产养殖水质监测系统的结构示意图,该基于大数据的水产养殖水质监测系统包括:
生成模块,用于基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径。
监测模块,用于根据所述定制采集路径中的子监测点控制移动监测设备进行监测,得到与所述子监测点对应的实时监测数据。
更新模块,用于基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径,根据所述交叉验证路径中的辅助验证数据对相应所述实时监测数据进行判断,得到真实监测数据。
发送模块,用于根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端。
如图5所示,是本发明实施例提供的一种电子设备的硬件结构示意图,该电子设备50包括:处理器51、存储器52和计算机程序;其中
存储器52,用于存储所述计算机程序,该存储器还可以是闪存(flash)。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器51,用于执行所述存储器存储的计算机程序,以实现上述方法中设备执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地,存储器52既可以是独立的,也可以跟处理器51集成在一起。
当所述存储器52是独立于处理器51之外的器件时,所述设备还可以包括:
总线53,用于连接所述存储器52和处理器51。
本发明还提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种基于大数据的水产养殖水质监测方法,其特征在于,包括:
基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径;
根据所述定制采集路径中的子监测点控制移动监测设备进行监测,得到与所述子监测点对应的实时监测数据;
基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径,根据所述交叉验证路径中的辅助验证数据对相应所述实时监测数据进行判断,得到真实监测数据;
根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端;
所述基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径,包括:
基于GIS地理信息图获取与水产养殖区域对应的目标区域,根据预设间隔在所述目标区域处构建横向格栅和纵向格栅,生成与所述目标区域对应的多个格栅区域;
根据所述横向格栅和所述纵向格栅将所述目标区域划分为多个子区域,所述子区域具有对应的格栅区域;
获取所述格栅区域的中心点作为格栅中心点,依次横向连接所述格栅中心点,生成横向格栅路径,并依次纵向连接的格栅中心点,生成纵向格栅路径,将所述横向格栅路径和所述纵向格栅路径作为格栅路径;
基于所述格栅路径生成与移动检测设备对应的定制采集路径;
所述基于所述格栅路径生成与移动检测设备对应的定制采集路径,包括:
获取所述子区域的区域中心点作为子监测点,确定所述子监测点与相应所述格栅中心点不一致时,将所述格栅路径中的格栅中心点替换为子监测点,生成初始采集路径,所述初始采集路径包括初始横向路径和初始纵向路径;
依次对所述初始横向路径中的子监测点进行间隔挑选,得到与相应所述移动检测设备对应横向定制路径;
删除所述横向定制路径中的子监测点,将其余的初始纵向路径作为相应所述移动检测设备对应的纵向定制路径;
根据所述横向定制路径和所述纵向定制路径得到与移动检测设备对应的定制采集路径;
所述基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径,包括:
依次对所述子监测点进行编号,基于各所述移动检测设备的定制采集路径确定与各所述移动检测设备对应的定制监测序列;
调取与所述实时监测数据对应数据种类的预设数据区间,确定所述数据种类的实时监测数据不处于相应所述预设数据区间时,将相应所述实时监测数据作为待验证数据,并将相应所述子监测点作为待验证点;
根据所述待验证点和相邻的所述子监测点确定辅助验证点,确定所述待验证点所处的定制监测序列作为第一监测序列,将其余的定制监测序列作为第二监测序列;
获取所述第二监测序列中不具有实时监测数据的子监测点作为待监测点,将所述辅助验证点作为圆心并基于预设半径确定辅助验证范围;
确定所述辅助验证范围内具有待监测点时,将处于辅助验证范围内的待监测点作为初筛监测点,并获取与所述辅助验证点距离最近的初筛监测点作为复筛监测点;
将相应所述辅助验证点加入至所述第二监测序列中复筛监测点的后部,得到所述移动检测设备的实际验证路径;
确定所述辅助验证范围内不具有待监测点时,将相应所述辅助验证点作为附加监测点,统计所述附加监测点得到附加验证路径;
将所述实际验证路径和所述附加验证路径组合,得到所述移动检测设备的交叉验证路径;
所述根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端,包括:
确定所述数据种类的实时监测数据处于相应所述预设数据区间时,将相应所述实时监测数据作为真实监测数据;
将所述目标区域内所述子监测点与相邻的子监测点进行连接,得到子监测点之间的预测连接线;
获取所述预测连接线两端对应子监测点的真实监测数据作为预测基准数据,选取最大的预测基准数据作为第一基准数据,并将其余的预测基准数据作为第二基准数据;
确定所述预测连接线中所述第一基准数据的子监测点沿着所述第二基准数据的子监测点的方向作为蔓延方向;
基于预设蔓延距离在所述预测连接线沿着所述蔓延方向上依次生成多个预测标记,根据所述预测标记将所述预测连接线划分为多个预测子线段;
获取所述预测子线段的数量作为计算数量,根据所述第一基准数据和所述第二基准数据的差值,得到预测差值,基于所述预测差值和所述计算数量的比值,得到基准蔓延值;
确定所述预测标记的数量作为预测数量,根据所述基准蔓延值和所述预测数量对所述第一基准数据进行依次求差,得到多个预测数据,并对所述预测数据进行降序排序,得到预测序列;
将所述预测序列中的预测数据沿着所述预测连接线的蔓延方向依次设置在相应所述预测标记处,生成水质展示图发送至监测端。
2.根据权利要求1所述的方法,其特征在于,
所述根据所述待验证点和相邻的所述子监测点确定辅助验证点,包括:
确定与所述待验证点相邻的子监测点作为子连接点,将所述待验证点与所述子连接点进行连线,得到多条辅助验证线;
获取所述实时监测数据不处于相应所述预设数据区间对应的数据种类作为异常种类,所述数据种类具有对应的预设辅助距离;
判断所述异常种类的数量等于1时,调取与所述异常种类对应的预设辅助距离作为定位辅助距离,以所述待验证点为起点并基于所述定位辅助距离在所述辅助验证线处确定辅助验证点;
判断所述异常种类的数量大于1时,调取与所述异常种类对应的预设辅助距离作为定位辅助距离;
选取最短的定位辅助距离作为实际定位距离,以所述待验证点为起点并基于所述实际定位距离在所述辅助验证线处确定辅助验证点。
3.根据权利要求2所述的方法,其特征在于,
所述根据所述交叉验证路径中的辅助验证数据对相应所述实时监测数据进行判断,得到真实监测数据,包括:
获取所述交叉验证路径中辅助验证点对应异常种类的辅助验证数据;
确定所述辅助验证数据均不处于相应所述预设数据区间时,将相应所述待验证点的待验证数据作为真实监测数据;
确定所述辅助验证数据均处于相应所述预设数据区间时,根据所述待验证点对应辅助验证数据的平均值,得到与所述待验证点对应的真实监测数据。
4.根据权利要求1所述的方法,其特征在于,还包括:
获取相应所述数据种类对应水质展示图中预测数据不处于相应所述预设数据区间内的预测标记作为异常标记;
调取预设异常像素值对所述异常标记进行更新,得到水质监测图发送至监测端。
5.根据权利要求4所述的方法,其特征在于,还包括:
确定所述目标区域中子监测点处相同数据种类的真实监测数据作为同类监测数据;
获取所述目标区域内任意两个相邻的子区域的同类监测数据,将最大的所述同类监测数据作为第一同类数据,将其余的所述同类监测数据作为第二同类数据;
根据所述第一同类数据和所述第二同类数据的差值,得到同类差值,基于所述同类差值和预设过渡表的比对,确定实际过渡距离,所述预设过渡表包括所述差值范围与预设过渡距离的对应关系;
确定所述相邻的子区域的公共边作为过渡边,基于所述实际过渡距离在所述过渡边的两侧,确定处于所述相邻的子区域内的过渡区域;
调取与所述第一同类数据对应的种类对照表,根据所述第一同类数据从所述种类对照表中确定第一像素值,基于所述第二同类数据从所述种类对照表中确定第二像素值,所述种类对照表包括同类数据范围与像素值对应的关系;
根据所述第一像素值和所述第二像素值的差值得到像素值差值,根据所述实际过渡距离和预设单位长度的比值,得到计算过渡数量,基于所述计算过渡数量确定实际过渡数量;
基于所述像素值差值和所述实际过渡数量的比值,得到递减像素值;
根据所述递减像素值依次对所述第一像素值进行求差计算,得到多个过渡像素值,对所述过渡像素值降序排序,生成过渡序列;
基于所述蔓延方向和所述预设单位长度对所述过渡区域进行划分得到多个过渡子区域;
根据蔓延方向依次填充所述过渡序列中的过渡像素值至所述过渡子区域中,生成与各所述数据种类对应的种类展示图。
6.一种基于大数据的水产养殖水质监测系统,其特征在于,包括:
生成模块,用于基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径;
监测模块,用于根据所述定制采集路径中的子监测点控制移动监测设备进行监测,得到与所述子监测点对应的实时监测数据;
更新模块,用于基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径,根据所述交叉验证路径中的辅助验证数据对相应所述实时监测数据进行判断,得到真实监测数据;
发送模块,用于根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端;
所述基于GIS地理信息图获取与水产养殖区域对应的目标区域,对所述目标区域进行区域格栅处理,生成与移动检测设备对应的定制采集路径,包括:
基于GIS地理信息图获取与水产养殖区域对应的目标区域,根据预设间隔在所述目标区域处构建横向格栅和纵向格栅,生成与所述目标区域对应的多个格栅区域;
根据所述横向格栅和所述纵向格栅将所述目标区域划分为多个子区域,所述子区域具有对应的格栅区域;
获取所述格栅区域的中心点作为格栅中心点,依次横向连接所述格栅中心点,生成横向格栅路径,并依次纵向连接的格栅中心点,生成纵向格栅路径,将所述横向格栅路径和所述纵向格栅路径作为格栅路径;
基于所述格栅路径生成与移动检测设备对应的定制采集路径;
所述基于所述格栅路径生成与移动检测设备对应的定制采集路径,包括:
获取所述子区域的区域中心点作为子监测点,确定所述子监测点与相应所述格栅中心点不一致时,将所述格栅路径中的格栅中心点替换为子监测点,生成初始采集路径,所述初始采集路径包括初始横向路径和初始纵向路径;
依次对所述初始横向路径中的子监测点进行间隔挑选,得到与相应所述移动检测设备对应横向定制路径;
删除所述横向定制路径中的子监测点,将其余的初始纵向路径作为相应所述移动检测设备对应的纵向定制路径;
根据所述横向定制路径和所述纵向定制路径得到与移动检测设备对应的定制采集路径;
所述基于所述实时监测数据对相应所述定制采集路径进行动态更新,得到所述移动检测设备的交叉验证路径,包括:
依次对所述子监测点进行编号,基于各所述移动检测设备的定制采集路径确定与各所述移动检测设备对应的定制监测序列;
调取与所述实时监测数据对应数据种类的预设数据区间,确定所述数据种类的实时监测数据不处于相应所述预设数据区间时,将相应所述实时监测数据作为待验证数据,并将相应所述子监测点作为待验证点;
根据所述待验证点和相邻的所述子监测点确定辅助验证点,确定所述待验证点所处的定制监测序列作为第一监测序列,将其余的定制监测序列作为第二监测序列;
获取所述第二监测序列中不具有实时监测数据的子监测点作为待监测点,将所述辅助验证点作为圆心并基于预设半径确定辅助验证范围;
确定所述辅助验证范围内具有待监测点时,将处于辅助验证范围内的待监测点作为初筛监测点,并获取与所述辅助验证点距离最近的初筛监测点作为复筛监测点;
将相应所述辅助验证点加入至所述第二监测序列中复筛监测点的后部,得到所述移动检测设备的实际验证路径;
确定所述辅助验证范围内不具有待监测点时,将相应所述辅助验证点作为附加监测点,统计所述附加监测点得到附加验证路径;
将所述实际验证路径和所述附加验证路径组合,得到所述移动检测设备的交叉验证路径;
所述根据所述真实监测数据和所述实时监测数据对所述目标区域进行蔓延预测处理,生成水质展示图发送至监测端,包括:
确定所述数据种类的实时监测数据处于相应所述预设数据区间时,将相应所述实时监测数据作为真实监测数据;
将所述目标区域内所述子监测点与相邻的子监测点进行连接,得到子监测点之间的预测连接线;
获取所述预测连接线两端对应子监测点的真实监测数据作为预测基准数据,选取最大的预测基准数据作为第一基准数据,并将其余的预测基准数据作为第二基准数据;
确定所述预测连接线中所述第一基准数据的子监测点沿着所述第二基准数据的子监测点的方向作为蔓延方向;
基于预设蔓延距离在所述预测连接线沿着所述蔓延方向上依次生成多个预测标记,根据所述预测标记将所述预测连接线划分为多个预测子线段;
获取所述预测子线段的数量作为计算数量,根据所述第一基准数据和所述第二基准数据的差值,得到预测差值,基于所述预测差值和所述计算数量的比值,得到基准蔓延值;
确定所述预测标记的数量作为预测数量,根据所述基准蔓延值和所述预测数量对所述第一基准数据进行依次求差,得到多个预测数据,并对所述预测数据进行降序排序,得到预测序列;
将所述预测序列中的预测数据沿着所述预测连接线的蔓延方向依次设置在相应所述预测标记处,生成水质展示图发送至监测端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410595583.0A CN118169351B (zh) | 2024-05-14 | 2024-05-14 | 基于大数据的水产养殖水质监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410595583.0A CN118169351B (zh) | 2024-05-14 | 2024-05-14 | 基于大数据的水产养殖水质监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118169351A CN118169351A (zh) | 2024-06-11 |
CN118169351B true CN118169351B (zh) | 2024-09-03 |
Family
ID=91351039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410595583.0A Active CN118169351B (zh) | 2024-05-14 | 2024-05-14 | 基于大数据的水产养殖水质监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118169351B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102802229A (zh) * | 2012-08-28 | 2012-11-28 | 重庆电子工程职业学院 | 在水环境中无线传感器网络的qos路由长寿路径的确定方法 |
CN107403034A (zh) * | 2017-06-28 | 2017-11-28 | 西交利物浦大学 | 水质污染扩散预警可视化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112896437A (zh) * | 2019-11-25 | 2021-06-04 | 邱文博 | 一种环境监控与处理方法 |
US20240272134A1 (en) * | 2022-01-10 | 2024-08-15 | Jiangsu University | Suspended self-balancing self-cruising online water quality monitoring device, online water quality monitoring method, and online water quality assessment method |
CN115435845A (zh) * | 2022-10-21 | 2022-12-06 | 江苏大学 | 一种基于无人船和集成学习的智能广域水质监测分析系统、方法及水质分析方法 |
-
2024
- 2024-05-14 CN CN202410595583.0A patent/CN118169351B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102802229A (zh) * | 2012-08-28 | 2012-11-28 | 重庆电子工程职业学院 | 在水环境中无线传感器网络的qos路由长寿路径的确定方法 |
CN107403034A (zh) * | 2017-06-28 | 2017-11-28 | 西交利物浦大学 | 水质污染扩散预警可视化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118169351A (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111460990B (zh) | 一种基于大数据的高寒牧区草原虫害监测预警系统及方法 | |
US20120050278A1 (en) | Image display apparatus and image display method | |
JP2007310463A (ja) | 圃場管理支援方法及びシステム | |
CN115660429B (zh) | 适用于水泥智能制造的数据处理方法及装置 | |
JP4958049B2 (ja) | 都市緑化の生物多様性向上効果予測システム | |
EP4064182A1 (en) | Information processing device, information processing method, and program | |
Deleon et al. | Use of a geographic information system to produce pest monitoring maps for south Texas cotton and sorghum land managers | |
CN108021948A (zh) | 一种病虫害的巡检方法及装置 | |
CN118169351B (zh) | 基于大数据的水产养殖水质监测方法及系统 | |
CN115508357A (zh) | 一种基于区域生态系统多样性研究的监测系统 | |
CN113436295B (zh) | 活体养殖监控轨迹绘制方法、装置、设备及存储介质 | |
CN113011220A (zh) | 穗数识别方法、装置、存储介质及处理器 | |
KR100785350B1 (ko) | 양식장 모니터링 방법 및 그 시스템 | |
JP2008003855A (ja) | 樹木伐採指示装置及び樹木伐採指示方法 | |
CN113807128B (zh) | 一种缺苗标记方法、装置、计算机设备和存储介质 | |
CN116686535A (zh) | 基于数据分析的无人驾驶收割机控制方法及系统 | |
CN117132891A (zh) | 一种玉米苗情苗势获取方法及系统 | |
KR19990078286A (ko) | 최대 이론수량의 자동계산장치 및 최대 이론수량의 자동 계산을 컴퓨터에 실행시키기 위한 프로그램을 기억한 컴퓨터 판독 가능한 기록매체 | |
JP2022105923A (ja) | 情報処理装置、情報処理方法 | |
CN114067038A (zh) | 图像处理方法、装置及电子设备 | |
JP7163117B2 (ja) | プロセス監視支援装置、プロセス監視支援システム、プロセス監視支援方法及びプロセス監視支援プログラム | |
CN112733582A (zh) | 农作物产量的确定方法及装置、非易失性存储介质 | |
CN116309789A (zh) | 适用于林业保护的树木枯落物碳储量数据处理方法 | |
AU2021277762B2 (en) | Water level measurement method based on deep convolutional network and random field | |
CN118153784B (zh) | 基于多源数据的农产品信息自动更新方法及系统 |
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 |