一种基于生长模型与声呐反馈的智能投饲系统及方法
文献发布时间:2023-06-19 09:32:16
技术领域
本发明涉及一种智能投饲系统及方法,具体涉及一种基于生长模型与声呐反馈的智能投饲系统及方法。
背景技术
在我国大水体水产养殖中,饲料成本占总的养殖成本60%以上。保证饲料的精准投喂对于控制成本具有关键作用。目前,大水体养殖鱼类的饲料投喂基本采用传统投饵机投喂。传统的投饵机仅具备定时和定量的功能,而鱼的摄食量会受自身和外界因素的影响,因此摄食量是变动。定量投喂会导致投喂不足或投喂过量,会影响鱼的福利。而且,投喂量的确定高度依赖于工人的养殖经验和素质,存在投喂量判定不准确、人工成本高的问题。大水体水产养殖投饲不精准易导致出鱼规格不整齐、饲料浪费大、水质污染的问题。
随着集约化养殖的发展,许多先进技术逐渐被运用到水产养殖中。机器视觉来检测鱼的摄食状态成为研究的热点。单纯依靠机器视觉所获得的信息片面有缺陷,而多信息融合技术对网络传输速度和处理速度要求较高,出现分析决策滞后的问题,不能实时的进行反馈和决策。另外,对于养殖鱼类,最大摄食率往往超过最佳摄食率,单纯通过摄食状态反馈来进行投喂容易导致投喂过量,这种方式并不经济。现阶段利用机器视觉方法进行水产养殖投饲反馈时,易光照条件、水体的通透性等因素的影响,而仅靠投饲反馈容易造成鱼过量投喂。
发明内容
本发明所要解决的技术问题是现阶段利用机器视觉方法进行水产养殖投饲反馈时,易光照条件、水体的通透性等因素影响的问题,以及仅靠投饲反馈容易造成鱼过量投喂的问题,目的在于提供一种基于生长模型与声呐反馈的智能投饲系统及方法,解决上述背景技术中遇到的问题。
本发明通过下述技术方案实现:
一种基于生长模型与声呐反馈的智能投饲系统,包括数据采集模块、存储模块、鱼探仪、投喂控制处理器、风送投饵机;
所述数据采集模块用于采集被投喂群体所在水体的水质参数、气象参数及声呐回波强度数据;
所述鱼探仪采用低于四个波束的简单声呐检测鱼鳔回波数量,可反应鱼变多或鱼变少的相对结果,根据回波数量进行定级,级别越低,投喂速率越慢,级别越高,投喂速率越快;所述鱼探仪采用高频声呐采集鱼的实时影像,基于MaskRcnn神经网络算法对鱼的数量和规格进行评估获得被投喂群体平均规格数据;
所述存储模块用于存储生长模型、投喂预测模型、水质参数、环境参数、饲料投喂重量参数;
所述生长模型是根据特定养殖品种的生长数据,建立适合不同生长规律及适用的生长模型;所述投喂预测模型是根据特定养殖品种的投喂经验数据,建立的饲料投喂量与水温、投喂量与溶氧以及投喂量与天气因素之间的数学模型关系;所述天气因素包括降雨量、大气压、光照强度;
所述投喂控制处理器用于:在养殖对象投喂前,主动获取水质参数、气象参数、鱼体规格参数,并根据生长模型与投喂预测模型,结合投喂次数,确定每餐基础投喂量;根据每餐基础投喂量对被投喂群体进行投饲,投喂过程中,鱼探仪利用回波数量获取投饲区鱼的数量级别表征鱼的摄食强度,每隔5s确定一次回波数量级别,从而确定投饵机的投喂速率和投喂量;
所述风送投饵机用于根据投喂控制处理器的控制来对所述被投喂群体进行投喂。
本发明工作原理:本发明通过根据生长模型与投喂预测模型和被投喂群体平均规格数据确定每餐基础投喂量,再结合声呐系统反馈的摄食图像,按照投喂控制处理器的控制和处理,在每餐基础投喂量基础上根据被投喂群体摄食规律特征实时调整投喂速率和投喂量,从而实现合理准确的投饲管理。
进一步地,一种基于生长模型与声呐反馈的智能投饲系统,所述数据采集模块包括:称重传感器、水温传感器、溶氧传感器、气象传感器;
称重传感器安装在风送投饵机内,实时监测料仓重量;水温传感器和溶氧传感器安装于投饲区水面以下20-50cm;
所述称重传感器用于获得每餐投喂量、投喂时间,并传输至所述投喂控制处理器;
所述水温传感器用于获得投饲区水面以下区域的水温,并传输至所述投喂控制处理器;
所述溶氧传感器用于获得投饲区水面以下区域的溶氧,并传输至所述投喂控制处理器;
所述气象传感器用于获得降雨量、大气压、光照强度、风向、湿度,并传输至所述投喂控制处理器。
进一步地,一种基于生长模型与声呐反馈的智能投饲系统,所述被投喂群体平均规格数据是所述声呐系统采用高频声呐采集鱼的实时影像,基于MaskRcnn神经网络算法得出的鱼的平均规格数据。
进一步地,一种基于生长模型与声呐反馈的智能投饲系统,还包括使用鱼探仪获取被投喂群体摄食规律特征;所述被投喂群体摄食规律特征包括被投喂群体的数量和被投喂群体的摄食强度。
一种基于生长模型与声呐反馈的智能投饲方法,包括如下步骤:
S1:建立被投喂群体的生长模型与投喂预测模型;
S2:饲料投喂前通过声呐系统获取被投喂群体平均规格数据;
S3:根据生长模型、投喂预测模型和被投喂群体平均规格数据制定当日的投喂量,并结合投喂次数,确定每餐基础投喂量;
S4:根据每餐基础投喂量对被投喂群体进行投饲,同时利用声纳系统检测被投喂群体摄食过程中鱼鳔回波数量;
S5:对所述鱼的回波数量进行基于给定算法的分析处理,对摄食对象的数量进行定级;
S6:根据被投喂群体的聚集数量制定投喂决策;
S7:根据投喂决策,控制对所述被投喂群体的投喂速率及投喂量。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,所述S4中,声纳系统检测被投喂群体摄食过程中的鱼鳔回波数量,检测频率为5秒一次。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,所述S1具体包括:
采集被投喂群体的水质参数和环境参数,对所述水质参数、环境参数与鱼的摄食量进行分析,得到影响投喂量的主因,根据影响投喂量的主因获得生长模型与投喂预测模型;
所述环境参数包括气象参数,水质参数包括养殖投喂对象的水中水温、氨氮、溶氧。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,其特征在于,所述S2中被投喂群体平均规格数据是所述鱼探仪采用高频声呐采集鱼的实时影像,基于MaskRcnn神经网络算法对鱼的数量和规格进行评估。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,所述S5中被投喂群体的多少具体划分为五个等级,分别是:少、比较少、一般、多、非常多;对应的摄食强度分别为:弱、比较弱、一般、强、非常强;所述弱为一级,比较弱为二级,一般为三级,强为四级,非常强为五级。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,其特征在于,所述S6具体包括:
根据被投喂群体数量参数绘制随时间变化的曲线,再根据曲线来判定投喂速度:若随着时间推移,被投喂群体的数量增加,则提高投喂的速度;若随着时间推移,被投喂群体的数量减少,则降低投喂速度;
当每餐基础投喂量已经投完,被投喂群体的数量为三级及以上,则增加投喂量,直至被投喂群体的数量为一级及以下,则停止投喂;
当每餐基础投喂量未投完,被投喂群体的数量已降为一级及以下,则停止投喂。
被投喂群体的摄食强度的评估是通过声呐系统每隔5s发出一次信号,转化成摄食图像,将摄食图像经过算法分析处理,提取被投喂群体的数量和被投喂群体的摄食强度作为被投喂群体摄食规律的特征参数。将被投喂群体的摄食强度划分为5个等级(弱、比较弱、一般、强、非常强),根据特征参数绘制随时间变化的曲线。若随着时间推移,摄食强度增加,则提高投喂的速度;随着时间推移,摄食强度减少,则降低投喂速度。当餐次的基础投喂量已经投完,被投喂群体的摄食强度≥3级,则增加投喂量,直至投喂强度将至≤1时,停止投喂。当餐次的基础投喂量未投完,被投喂群体的摄食强度已降至≤1,则停止投喂。
本发明与现有技术相比,具有如下的优点和有益效果:
1、本发明不受光照条件、水体的通透性等因素影响,只需要通过建立特定养殖对象的生长模型,并根据鱼的基础投喂量和声呐成像技术,就能实现特定养殖对象的精准投喂,不易造成鱼的过量投喂。
2、本发明在大量养殖数据的基础上建立生长模型并存储在云服务器上,通过声呐系统获取鱼的规格,得出特定鱼的投喂基础数据。投喂过程中,声呐装置获取的鱼的成像数量,通过模糊控制,控制投饵机的投喂量和投喂速度。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为实施例的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
本实施例中的被投喂群体是鱼。
如图1所示,一种基于生长模型与声呐反馈的智能投饲系统,包括数据采集模块、存储模块、鱼探仪、投喂控制处理器、风送投饵机;
所述数据采集模块用于采集被投喂群体所在水体的水质参数、气象参数及声呐回波强度数据;
所述鱼探仪采用低于四个波束的简单声呐检测鱼鳔回波数量,可反应鱼变多或鱼变少的相对结果,根据回波数量进行定级,级别越低,投喂速率越慢,级别越高,投喂速率越快;所述鱼探仪采用高频声呐采集鱼的实时影像,基于MaskRcnn神经网络算法对鱼的数量和规格进行评估获得被投喂群体平均规格数据;
所述存储模块用于存储生长模型、投喂预测模型、水质参数、环境参数、饲料投喂重量参数;
所述生长模型是根据特定养殖品种的生长数据,建立适合不同生长规律及适用的生长模型;所述投喂预测模型是根据特定养殖品种的投喂经验数据,建立的饲料投喂量与水温、投喂量与溶氧以及投喂量与天气因素之间的数学模型关系;所述天气因素包括降雨量、大气压、光照强度;
所述投喂控制处理器用于:在养殖对象投喂前,主动获取水质参数、气象参数、鱼体规格参数,并根据生长模型与投喂预测模型,结合投喂次数,确定每餐基础投喂量;根据每餐基础投喂量对被投喂群体进行投饲,投喂过程中,鱼探仪利用回波数量获取投饲区鱼的数量级别表征鱼的摄食强度,每隔5s确定一次回波数量级别,从而确定投饵机的投喂速率和投喂量;
所述风送投饵机用于根据投喂控制处理器的控制来对所述被投喂群体进行投喂。
本发明通过根据生长模型与投喂预测模型和被投喂群体平均规格数据确定每餐基础投喂量,再结合声呐系统反馈的摄食图像,按照投喂控制处理器的控制和处理,在每餐基础投喂量基础上根据被投喂群体摄食规律特征实时调整投喂速率和投喂量,从而实现合理准确的投饲管理。
进一步地,一种基于生长模型与声呐反馈的智能投饲系统,所述数据采集模块包括:称重传感器、水温传感器、溶氧传感器、气象传感器;
称重传感器安装在风送投饵机内,实时监测料仓重量;水温传感器和溶氧传感器安装于投饲区水面以下20-50cm;
所述称重传感器用于获得每餐投喂量、投喂时间,并传输至所述投喂控制处理器;
所述水温传感器用于获得投饲区水面以下区域的水温,并传输至所述投喂控制处理器;
所述溶氧传感器用于获得投饲区水面以下区域的溶氧,并传输至所述投喂控制处理器;
所述气象传感器用于获得降雨量、大气压、光照强度、风向、湿度,并传输至所述投喂控制处理器。
进一步地,一种基于生长模型与声呐反馈的智能投饲系统,所述被投喂群体平均规格数据是所述声呐系统采用高频声呐采集鱼的实时影像,基于MaskRcnn神经网络算法得出的鱼的平均规格数据。
进一步地,一种基于生长模型与声呐反馈的智能投饲系统,还包括使用鱼探仪获取被投喂群体摄食规律特征;所述被投喂群体摄食规律特征包括被投喂群体的数量和被投喂群体的摄食强度。
一种基于生长模型与声呐反馈的智能投饲方法,包括如下步骤:
S1:建立被投喂群体的生长模型与投喂预测模型;
S2:饲料投喂前通过声呐系统获取被投喂群体平均规格数据;
S3:根据生长模型、投喂预测模型和被投喂群体平均规格数据制定当日的投喂量,并结合投喂次数,确定每餐基础投喂量;
S4:根据每餐基础投喂量对被投喂群体进行投饲,同时利用声纳系统检测被投喂群体摄食过程中鱼鳔回波数量;
S5:对所述鱼的回波数量进行基于给定算法的分析处理,对摄食对象的数量进行定级;
S6:根据被投喂群体的聚集数量制定投喂决策;
S7:根据投喂决策,控制对所述被投喂群体的投喂速率及投喂量。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,所述S4中,声纳系统检测被投喂群体摄食过程中的鱼鳔回波数量,检测频率为5秒一次。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,所述S1具体包括:
采集被投喂群体的水质参数和环境参数,对所述水质参数、环境参数与鱼的摄食量进行分析,得到影响投喂量的主因,根据影响投喂量的主因获得生长模型与投喂预测模型;
所述环境参数包括气象参数,水质参数包括养殖投喂对象的水中水温、氨氮、溶氧。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,其特征在于,所述S2中被投喂群体平均规格数据是所述鱼探仪采用高频声呐采集鱼的实时影像,基于MaskRcnn神经网络算法对鱼的数量和规格进行评估。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,所述S5中被投喂群体的多少具体划分为五个等级,分别是:少、比较少、一般、多、非常多;对应的摄食强度分别为:弱、比较弱、一般、强、非常强;所述弱为一级,比较弱为二级,一般为三级,强为四级,非常强为五级。
进一步地,一种基于生长模型与声呐反馈的智能投饲方法,其特征在于,所述S6具体包括:
根据被投喂群体数量参数绘制随时间变化的曲线,再根据曲线来判定投喂速度:若随着时间推移,被投喂群体的数量增加,则提高投喂的速度;若随着时间推移,被投喂群体的数量减少,则降低投喂速度;
当每餐基础投喂量已经投完,被投喂群体的数量为三级及以上,则增加投喂量,直至被投喂群体的数量为一级及以下,则停止投喂;
当每餐基础投喂量未投完,被投喂群体的数量已降为一级及以下,则停止投喂。
被投喂群体的摄食强度的评估是通过声呐系统每隔5s发出一次信号,转化成摄食图像,将摄食图像经过算法分析处理,提取被投喂群体的数量和被投喂群体的摄食强度作为被投喂群体摄食规律的特征参数。将被投喂群体的摄食强度划分为5个等级(弱、比较弱、一般、强、非常强),根据特征参数绘制随时间变化的曲线。若随着时间推移,摄食强度增加,则提高投喂的速度;随着时间推移,摄食强度减少,则降低投喂速度。当餐次的基础投喂量已经投完,被投喂群体的摄食强度≥3级,则增加投喂量,直至投喂强度将至≤1时,停止投喂。当餐次的基础投喂量未投完,被投喂群体的摄食强度已降至≤1,则停止投喂。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
- 一种基于生长模型与声呐反馈的智能投饲系统及方法
- 一种基于游泳型鱼类行为特征反馈的智能投饲系统