一种水族宠物饲养智能管理系统

技术领域

本发明涉及水族宠物饲养技术领域，具体为一种水族宠物饲养智能管理系统。

背景技术

水生动物是指主要在水中生活的动物，其中一些体型相对较小的热带鱼类以及龟类可以当做宠物进行饲养，申请号为201610303760.9的发明公开了一种智能水族缸及智能饲养管理系统，通过喂食器定时释放食物，使得水族动物进食规律，鱼类养成良好的进食习惯，进而促进水族的生长。

上述的管理系统是针对水族宠物的饮食来进行智能化的健康管理，但无法对整个水族环境生态系统进行全方面的饲养协调管理；因此，不满足现有的需求，对此我们提出了一种水族宠物饲养智能管理系统。

发明内容

本发明的目的在于提供一种水族宠物饲养智能管理系统，通过水族箱内部的各类传感器来进行数据的采集，对宠物的健康状况及饲养环境实时评估，实现宠物疾病自动诊断并生成治疗方案，帮助鱼友解决宠物饲养数据的诸多问题，如饲养环境评估及改善，宠物健康状况的实时掌控、宠物或饲养环境异常提供解决方案，出差后无法照料宠物等各类问题，可以解决现有技术中的问题。

为实现上述目的，本发明提供如下技术方案：一种水族宠物饲养智能管理系统，其特征在于，所述水族宠物饲养智能管理系统包括数据采集层、储存管理层、业务逻辑层、展示应用层和水族箱，数据采集层、储存管理层、业务逻辑层、展示应用层和水族箱之间相互交互，所述数据采集层包括网络数据、历史文档、监测数据和日志数据，所述储存管理层括养殖要素库、鱼病信息库、信息库、系统管理库以及MySQL关系型数据库，其中，鱼病信息库智用于收集鱼类病变的信息数据，信息库用于收集除鱼病外的饲养数据以及鱼类信息数据，所述业务逻辑层包括应用服务接口、数据处理、数据管理、统计业务、水质分析、数据展板、养殖要素分析和MapReduce，所述展示应用层包括数据查询、数据管理和数据分析；

所述水族箱内部的ESP32S开发板外接除氯传感器、PH传感器、浊度传感器、ORP传感器、温控传感器以及加热装置、制氧装置、投喂电机装置、投药装置、净水装置，照明设备和多路继电器；

水族宠物饲养智能管理系统读取数据库中存入的过去一周的手动投喂数据，将早中晚的投喂时间数据取出平均值，作为自动执行投喂的时间段，当每天到达指定时段的时候由管理系统发出投喂命令，由控制饲料投喂的执行结构执行对应功能，启动对应饲料投喂电机进行定量投喂；

自动执行的投喂建议时间为：早7:10，中午12:15，晚18:25，投喂量为鱼种放养量×净增重倍数×饲料系数；

鱼净增重倍数为4～5，饲料系数为2～2.5；

PHP读取执行数据处理后由array转为json以接口的形式输出给展示应用层的同时并将执行数据反馈给ESP32中对应的控制模块，命令执行后返回给服务端一条执行状态，如果该操作执行成功，计数器+1并存入数据库，如果执行失败，返回对应错误号，并重新回滚调用PHP中的回调函数，再次执行该命令，直至执行成功为止；

自动投喂程序默认执行周期为7天，执行周期的选值包括7天、15天、30天，执行至截止日期，该程序结束运行，并提示用户校正数据后，在客户端手动重启自动投喂功能，与此同时，根据数据库中记录宠物鱼相关的成长数据及宠物品种，返回建议设置的参数：如已经饲养的天数，不同成长阶段的水质要求，鱼粮投喂量的调整；

关于数据校正：随着宠物成长时间的推进，宠物鱼的成长指标会发生变化，所需环境指标也会随之发生变化，那么就需要对自动化程序的参数做出对应调整；

建议参数：首先回到相应的数据库中去检索是否存在可提供参考的数据如果存在则将数据读出并将参数压入数组$array后转成json发送给客户端展示，数据库中没有推荐参数则调用搜索引擎的接口获取专业数据并将数据压入数组，以json的形式输出给前端，并注明数据来源起到提示参考的作用；

数据库中预存参考数据作为PH值对比判断的标准值，如PH值预存标准参考数据是6.5～8.5，也就是当接收到传感器传来的数据不符合这一区间程序将被判断该项数据为false，程序进入该分支语句后调用数据校验程序，再次激活数据检测函数，并向传感器发出检测数据的命令，传感器接收命令后，再次将此时的数据传给服务端，服务端核对数据后，若结果依然false，则执行换水的相关函数，激活水族箱对应供能模块，水泵启动工作，执行并完成换水投药的相关工作；

PH：6.5～8.5，总碱度大于1mg当量/L

淡水中溶解氧饱和含量仅8-10ml/L，不到空气中含氧量的1/20，这表明淡水养殖水体的鱼类呼吸条件较差，据不完全统计，由于直接、间接缺氧致死的鱼类约占养殖鱼类死亡总数量的60％，因此溶氧是单数养殖的一项重要的水质指标；溶解氧饱和含量随温度，含盐量升高而下降；

淡水养殖水体溶氧范围在0.3-2.0ppm时不适于鱼生长；3.0-4.9PPm时，鱼可生存，但不充分；而溶氧大于5.0ppm时适于鱼类生存；

PH值与水中各个元素标准含量单位值相差近千倍；需要将各要素值转化到【0，1】区间范围内，对数据进行转化，这样可以减少不同要素取值范围差异过大而导致小数值数据价值被忽略的情况，这样可以减少不同要素取值范围差异过大而导致小数值数据价值被忽略的情况，使网络数据具有良好的拟合性；经过转化后的每一个特征值对于结果影响效果基本相同，减少了由于数据尺度差异带来的数据倾斜，对数据的转化处理可以提高数据接收速度；数据转化公式为：

num和X分别为转化前和转化后的值，num

优选的，所述数据采集层，用于，

获取水温、PH值、化学需氧量、活性磷酸盐等水产养殖环境要素数据，据不同传感器测量要素特定的频率信号，并将其转化为对应的信息形式传输给服务器接口，通过水下传感器等检测设备获取的数据时本文进行数据挖掘和研究的主要数据来源监控视频数据流则通过协议传输至服务器进行回调解析获取，包括通过各解析器解析的网络、文档数据，这些数据是构成水生生物养殖大数据信息平台的数据基础。

优选的，所述储存管理层，包括，

饲养相关数据存储模块总体由关系数据库和分布式数据库构成，通过添加新节点扩充数据库以灵活扩容，并且HDFS进行分布式存储，数据检索采用HBase与HDFS结合的方式；

数据存储层分为一级和二级数据管理层，二级数据管理层以用户为单位进行存储，根据用户提供个性化数据存储业务，每个个体的数据来源对应用户并提供对应的信息服务，所有用户的数据通过整合重组和清洗转换构成数据中心，数据中心涵盖公共历史数据、集成和共享数据。

优选的，所述业务逻辑层：

该模块为顶层和数据层的业务处理模块，是整个平台的核心部分，用于实现业务逻辑和童工分布式计算框架，用户通过调用对应的业务接口，获取相应的检索、统计、分析、公式管理等服务。

优选的，还包括：宠物识别模块，用于采集水族宠物的目标图像，并根据所述目标图像进行分析，同时，基于分析结果建立水族宠物识别模型，具体包括：

图像采集单元，用于采集所述水族宠物的第一目标图像；

图像处理单元，用于：

读取所述第一目标图像，确定所述水族宠物在所述第一目标图像中的目标位置，同时，确定所述水族宠物在所述第一目标图像中的轮廓点；

根据所述目标位置以及所述轮廓点对所述第一目标图像进行拆分，确定所述水族宠物的第二目标图像；

获取所述第二目标图像的图像高频噪声以及所述第二目标图像的图像低频噪声，同时，基于所述图像高频噪声对所述第二目标图像进行第一去噪处理，并基于所述图像低频噪声对所述第二目标图像进行第二去噪处理；

基于所述第一去噪处理以及所述第二去噪处理生成第三目标图像；

图像读取单元，用于：

对所述第三目标图像进行读取，确定所述第三目标图像中所述水族宠物的特征点，并根据所述水族宠物的特征点在所述第三目标图像中进行标记，同时，根据标记结果构建所述水族宠物的三维立体网络；

在所述三维立体网络中确定所述特征点之间的连接关系，并根据所述特征点之间的连接关系确定所述特征点在所述三维立体网络中的特征向量，同时，根据所述特征点在所述三维立体网络中的特征向量确定所述水族宠物的外形特征；

模型建立单元，用于基于所述水族宠物的外形特征获取所述水族宠物的深度信息，同时，根据所述深度信息构建对所述水族宠物的进行识别的水族宠物识别模型；

宠物识别追踪单元，用于根据所述水族宠物识别模型对水族缸内的水族宠物进行识别追踪，确定所述水族缸内每个水族宠物的生活数据，同时，根据每个水族宠物对所述生活数据进行编号；

监控单元，用于基于编号结果将每个水族宠物对应的生活数据传输至所述应用展示层进行展示。

优选的，所述展示应用层：

该模块通过调取不同的业务处理接口，获取对应数据分析、查询结构，首先用户可根据筛选条件、需求进行水产相关信息检索，检索结果将以丰富的可视化展现形式进行展示，另外平台对检索、热点信息进行统计展示，同时提供水质评价、要素分析等分析服务，从数据挖掘的角度提供科学的预测、评价和建议。

优选的，所述数据层则采取MySQL与HDFS相结合hbase模式进行数据库存储；

业务流程设计：数据导入，系统为注册用户提供个人数据上传，数据提交方式为form表单，系统通过相对应的内容处理对应的字段，通过流程控制语句对数据进行审核、重复清理、数据项规范后存入数据库；

导入业务流程有两个关键点：数据清洗，对解析成功的数据进行类型审核和清洗操作；数据检查，格式检查剔除不符合规范项，识别统一缺失数据项；

数据分析，用户可通过设置输入、输出项和历史数据获得要素分析模型并保存，以保存的模型会保存到模型管理模块，方便以后的使用。

优选的，所述数据分析流程步骤包括：

S1：算法|模型选择、编辑：用户可以选择已有的算法规则或添加新规则，算法选择、编辑包括算法选择，参数设定，公式编辑等，若已有算法不能满足需求，则用户进行规则添加，审核通过经过训练则添加的算法会出现在已有算法规则中；

S2：数据训练：在用户算法规则编辑步骤中对输入的类别、学习率等参数进行提交之后，系统将调取HDFS中数据行进网络训练，在达到精度之后，保存模型；

S3：结果输出：用户选择模型|算法并上传待分析数据集，通过已有模型|公式运转，最终输出对应结果。

优选的，所述数据清洗：

以自动投喂功能为例，过去一周的时间为一个周期，取同一时段的数值相加除以7，获取各项平均值作为记录数据更新至周期记录的数据库表，该库表参数可作为自动执行的执行参数，并保留这7天的数据，清洗删除日常记录数据库表中在此之前8-14天的数据，也就是删除上上周的数据，此程序固定一周执行一次，每次投喂剂量为固定最小值，随着成长周期的增加，单次投喂剂量成指数倍增加由PHP流程控制语句以参数循环递增的方式控制。

优选的，所述数据清洗内容包括对数据集的记录属性的清洗和对数据集中重复记录的清洗。

优选的，所述数据清洗步骤包括分析数据特点、制定清洗规则和检验清洗效果。

优选的，还包括：水族缸灰尘监控模块，用于对水族缸的灰尘量进行监控，并当水族缸的灰尘量达到基准灰尘量时，进行灰尘清除，具体包括：

灰尘监控评估单元，用于实时监测所述水族缸内的灰尘量，并将所述水族缸内的灰尘量与基准灰尘量进行比较，判断所述水族缸内是否需要进行灰尘清除；

其中，当所述水族缸内的灰尘量等于或小于所述基准灰尘量时，则判定所述水族缸内不需要进行灰尘清除；

否则，则判定所述水族缸内需要进行灰尘清除；

第一计算单元，用于当所述水族缸内的灰尘需要进行清除时，获取所述水族缸内的灰尘量以及所述水族缸的体积，并基于所述水族缸内的灰尘量以及所述水族缸的体积计算对所述水族缸内灰尘进行吸附的吸附评估模型；

其中，Q表示所述水族缸内灰尘进行吸附的吸附评估模型；v表示所述水族缸的体积；m表示所述水族缸内的灰尘量；C

吸附量估计单元，用于基于所述吸附评估模型以及所述水族缸内的灰尘量评估对所述水族缸内的灰尘进行吸附的吸附量；

第二计算单元，用于基于对所述水族缸内灰尘的吸附量计算对所述水族缸内进行灰尘吸附的速度；

其中，φ表示对所述水族缸内进行灰尘吸附的速度；P表示在所述水族缸内进行吸附操作时的吸附功率；S表示对所述水族缸内灰尘的吸附量；t表示吸附时间；h表示所述水族缸内的深度；

灰尘吸附单元，用于基于所述水族缸内的灰尘进行吸附的吸附量以及对所述水族缸内进行灰尘吸附的速度，生成灰尘吸附指令，并基于吸附指令控制吸附装置对所述水族缸内的灰尘进行吸附；

所述灰尘监控评估单元，还用于实时监控吸附后所述水族缸内的灰尘量，并当吸附后所述水族缸内的灰尘量小于所述基准灰尘量时，停止吸附工作。

与现有技术相比，本发明的有益效果是：

1、本发明，利用水族设备智能化与数据应用技术相结合的方法，让水族宠物的饲养变得更简单、更科学、更省时、更省力、更省心、更省钱，并且大大减轻饲养难度和由此带来的时间成本，很好的解决了水族箱的水质问题，不会因为对数据掌控的不清晰而造成水资源的浪费，更不会因为水质质量问题造成宠物疾病或死亡，该系统可为用户所饲养的宠物进行有针对性数据反馈，可直接或间接进行最优的环境的部署；

2、本发明，通过水族箱内部的各类传感器来进行数据的采集，对宠物的健康状况及饲养环境实时评估，实现宠物疾病自动诊断并生成治疗方案，帮助鱼友解决宠物饲养数据的诸多问题，如饲养环境评估及改善，宠物健康状况的实时掌控、宠物或饲养环境异常提供解决方案，出差后无法照料宠物等各类问题；

3、本发明，服务端将采集到的数据进行甄别清洗处理，整理并重新存入有效数据，按照用户习惯，主要是以采集到的数据参数为依据，推算宠物饲养自动化的程序，管理系统接入搜索引擎API作为参考资料辅助填充数据资料，通过无线传输模块集中控制各个宠物饲养装置进行智能饲养，从而形成信息化、无线化、智能化的智慧饲养管理服务平台。

4、通过获取第二目标图像，有利于对水族宠物进行分析时提供便利，通过对第二目标图像进行去噪处理，从而使得对水族宠物的外形特征分析更加精准，通过构建水族宠物识别模型，极大的提高了对水族宠物识别的效率并提高对水族宠物管理的便利性以及精准性。

5、通过确定吸附评估模型，从而有利于准确衡量对水族缸内的灰尘进行吸附的吸附量，通过确定对水族缸内进行灰尘吸附的速度并基于吸附量生成吸附指令，并通过控制吸附装置实现对水族缸内的灰尘进行准确而吸附通过对清除后的水族缸内的灰尘量继续进行监控，从而确定对灰尘清除的准确性，本方案有利增加对水族缸内灰尘量的精确限制，从而有利于水族缸内环境的清洁，保障水族宠物的生活环境。

附图说明

图1为本发明的系统框架结构示意图；

图2为本发明的系统清洗流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供以下技术方案：

一种水族宠物饲养智能管理系统，水族宠物饲养智能管理系统包括数据采集层、储存管理层、业务逻辑层、展示应用层和水族箱，数据采集层包括网络数据、历史文档、监测数据和日志数据，储存管理层括养殖要素库、鱼病信息库、信息库、系统管理库以及MySQL关系型数据库，业务逻辑层包括应用服务接口、数据处理、数据管理、统计业务、水质分析、数据展板、养殖要素分析和MapReduce，展示应用层包括数据查询、数据管理和数据分析；

水族箱内部的ESP32S开发板需要外接除氯传感器、PH传感器、浊度传感器、ORP传感器、温控传感器，以及加热装置、制氧装置、投喂电机装置、投药装置、净水装置，照明设备和多路继电器；

水族宠物饲养智能管理系统读取数据库中存入的过去一周的手动投喂数据，将早中晚的投喂时间数据取出平均值，作为自动执行投喂的时间段，当每天到达指定时段的时候由管理系统发出投喂命令，由控制饲料投喂的执行结构执行对应功能，启动对应饲料投喂电机进行定量投喂；

自动投喂时段以一周为例：

周一早8：00，中午11：30，晚上18：30，

周二早7：00，中午12：00，晚上18：40，

周三早6：18，中午12：03，晚上19：40，

周四早7：23，中午12：20，晚上18：20，

周五早7：12，中午13：00，晚上19：02，

周六早7：18，中午14：21，晚上19：00，

周日早7：00，中午12：00，晚上18：00，

自动执行的投喂建议时间为：早7:10，中午12:15，晚18:25，投喂量为鱼种放养量×净增重倍数×饲料系数；

鱼净增重倍数一般为4～5，饲料系数一般为2～2.5；

PHP读取执行数据处理后由array转为json以接口的形式输出给展示应用层的同时并将执行数据反馈给ESP32中对应的控制模块，命令执行后返回给服务端一条执行状态，如果该操作执行成功，计数器+1并存入数据库，如果执行失败，返回对应错误号，并重新回滚调用PHP中的回调函数，再次执行该命令，直至执行成功为止；

自动投喂程序默认执行周期为7天，执行周期的选值包括7天、15天、30天，执行至截止日期，该程序结束运行，并提示用户校正数据后，可在客户端手动重启自动投喂功能，与此同时，根据数据库中记录宠物鱼相关的成长数据及宠物品种，返回建议设置的参数：如已经饲养的天数，不同成长阶段的水质要求，鱼粮投喂量的调整；

关于数据校正：随着宠物成长时间的推进，宠物鱼的成长指标会发生变化，所需环境指标也会随之发生变化，那么就需要对自动化程序的参数做出对应调整；

建议参数：首先回到相应的数据库中去检索是否存在可提供参考的数据如果存在则将数据读出并将参数压入数组$array后转成json发送给客户端展示，数据库中没有推荐参数则调用搜索引擎的接口获取专业数据并将数据压入数组，以json的形式输出给前端，并注明数据来源起到提示参考的作用；

数据库中预存参考数据作为PH值对比判断的标准值，如PH值预存标准参考数据是6.5～8.5，也就是当接收到传感器传来的数据不符合这一区间程序将被判断该项数据为false，程序进入该分支语句后调用数据校验程序，再次激活数据检测函数，并向传感器发出检测数据的命令，传感器接收命令后，再次将此时的数据传给服务端，服务端核对数据后，若结果依然false，则执行换水的相关函数，激活水族箱对应供能模块，水泵启动工作，执行并完成换水投药的相关工作；

PH：6.5～8.5，总碱度大于1mg当量/L

淡水中溶解氧饱和含量仅8-10ml/L，不到空气中含氧量的1/20，这表明淡水养殖水体的鱼类呼吸条件较差，据不完全统计，由于直接、间接缺氧致死的鱼类约占养殖鱼类死亡总数量的60％，因此溶氧是单数养殖的一项重要的水质指标；溶解氧饱和含量随温度，含盐量升高而下降；

淡水养殖水体溶氧范围在0.3-2.0ppm时不适于鱼生长；3.0-4.9PPm时，鱼可生存，但不充分；而溶氧大于5.0ppm时适于鱼类生存；

PH值与水中各个元素标准含量单位值相差近千倍；需要将各要素值转化到【0，1】区间范围内，对数据进行转化，这样可以减少不同要素取值范围差异过大而导致小数值数据价值被忽略的情况，这样可以减少不同要素取值范围差异过大而导致小数值数据价值被忽略的情况，使网络数据具有良好的拟合性；经过转化后的每一个特征值对于结果影响效果基本相同，减少了由于数据尺度差异带来的数据倾斜，对数据的转化处理可以提高数据接收速度；数据转化公式为：

/>

num和X分别为转化前和转化后的值，num

精度分析：召回率是度量多少样本被正确地划分为正例样本，本例中正例为适宜进行水生生物饲养的I类及Ⅱ类水质。所以召回率为实际为I类、Ⅱ类水质类别的分类结果正确或虽然分类错误但向上兼容的样本数与I类、Ⅱ类样本总数之比；

其中$correct为被正确地划分为正例的样本个数；$wrong被错误划分为负例的样本个数；$right为正例个数；

选取不同的三组数据集，每个数据集大小分别为200Mb、500Mb和1Gb，作为测试数据，分类正确率和召回率如表格表所示：

在数据集大小相同的情况下，并行算法的水质分类结果正确率和召回率与传统算法基本一致，说明分布式算法让你更具有良好的水质分类能力。

加速比分析：

加速比是衡量并行算法性能的常用性能指标，为在实现相同任务前提下，单个计算节点(单处理器)运行消耗时间T

S＝T

通过验证根据淡水水质标准建立对应的水质评估模型的平均分类正确率和召回率分别为94.76％和96.23％，该方法可以保证分类准确率的前提下提高学习效率，同时算法加速比结果显示，随着计算节点的增加，运行效率有显著提升，说明该分布式算法针对数据量大的数据集具有更好的加速比，适用于大批量样子样本数据分析的场景。

数据采集层，用于获取水温、PH值、化学需氧量、活性磷酸盐等水产养殖环境要素数据，根据不同传感器测量要素特定的频率信号，并将其转化为对应的信息形式传输给服务器接口，通过水下传感器等检测设备获取的数据时本文进行数据挖掘和研究的主要数据来源监控视频数据流则通过协议传输至服务器进行回调解析获取，包括通过各解析器解析的网络、文档数据，这些数据是构成水生生物养殖大数据信息平台的数据基础。

储存管理层，包括，饲养相关数据存储模块总体由关系数据库和分布式数据库构成，该方法可以通过添加新节点来扩充数据库以灵活扩容，并且HDFS进行分布式存储，数据检索采用HBase与HDFS结合的方式；

数据存储层分为一级和二级数据管理层，二级数据管理层以用户为单位进行存储，根据用户提供个性化数据存储业务，每个个体的数据来源对应用户并提供对应的信息服务，所有用户的数据通过整合重组和清洗转换构成数据中心，数据中心涵盖公共历史数据、集成和共享数据。

业务逻辑层：该模块为顶层和数据层的业务处理模块，是整个平台的核心部分，用于实现业务逻辑和童工分布式计算框架，用户通过调用对应的业务接口，获取相应的检索、统计、分析、公式管理等服务。

展示应用层：该模块通过调取不同的业务处理接口，获取对应数据分析、查询结构，首先用户可根据筛选条件、需求进行水产相关信息检索，检索结果将以丰富的可视化展现形式进行展示，另外平台对检索、热点信息进行统计展示，同时提供水质评价、要素分析等分析服务，从数据挖掘的角度提供科学的预测、评价和建议。

数据层则采取MySQL与HDFS相结合hbase模式进行数据库存储；

业务流程设计：数据导入，系统为注册用户提供个人数据上传，数据提交方式为form表单，系统通过相对应的内容处理对应的字段，通过流程控制语句对数据进行审核、重复清理、数据项规范后存入数据库；

导入业务流程有两个关键点：数据清洗，对解析成功的数据进行类型审核和清洗操作；数据检查，格式检查剔除不符合规范项，识别统一缺失数据项；

数据分析，用户可通过设置输入、输出项和历史数据获得要素分析模型并保存，以保存的模型会保存到模型管理模块，方便以后的使用。

数据分析流程步骤包括：

S1：算法|模型选择、编辑：用户可以选择已有的算法规则或添加新规则，算法选择、编辑包括算法选择，参数设定，公式编辑等，若已有算法不能满足需求，则用户进行规则添加，审核通过经过训练则添加的算法会出现在已有算法规则中；

S2：数据训练：在用户算法规则编辑步骤中对输入的类别、学习率等参数进行提交之后，系统将调取HDFS中数据行进网络训练，在达到精度之后，保存模型；

S3：结果输出：用户选择模型|算法并上传待分析数据集，通过已有模型|公式运转，最终输出对应结果；

饲养要素分析模型，利用Echarts作为可视化工具，搭建可视化平台，数据准备阶段通过变短获取属性信息，获取上传数据解析经过离散化和简约处理，得到网络结构参数，上传数据的归一化和系统预设的网络参数上传至HDFS文件系统，调用分布式BP训练方法，方法从HDFS读取数据并进行训练，Map函数经预设迭代次数后，权值变量随之更新，并以键值对的形式保存，经过Combine函数处理后，Reudce进行全局权值该变量计算，计算结果后反馈给HDFS，直到权值变量小于预定值，模型训练完成，保存分析模型；

水质评价模型首先要确定分析要素并上传待分类水质样本数据，然后根据已选要素读取系统预设水质样本为训练样本，归一化训练样本和待分类水质样本上传至HDFS文件系统，公国读取HDFS中训练样本数据，运转获得水质分类模型；待分类水质样本数据代入模型，最终输出水质分类结果；

存储表中的时间戳为HBase基本元素之一，针对用户数据的每一次修改，便会创建一个新的时间戳，用于标记数据，同一条记录中修改记录的时间戳必须大于等于之前的，否则就不会生效，检测区饲养环境要素表中设有两个类族检测区信息和环境要素，检测区信息列对应着检测区名称、采集时间成员，环境要素列对应磷浓度(P)、镉浓度(Cd)、汞浓度(Hg)、砷浓度(As)、温度(Temp)、溶氧量(Do)、镍含量(Ni)、氢离子浓度指数(PH)等成员；

饲养要素相关数据的存储，由于其要素种类多，很难在开始就确定所有字段，后续会频繁出现需要添加字段的情况；且饲养要素传输受网络客观因素影响，可能会出现数据不全，数据缺失等问题，传统关系型数据库会储存这些NULL，造成数据单元的浪费；针对这两个问题，饲养要素数据不能简单用传统关系型数据库存储，而是选择可以满足动态添加字段、列式存储的HBase数据库，且HBase数据库的检索效率不会随着数据量的增加而降低。

请参阅图2，本发明提供以下技术方案：

数据清洗：以自动投喂功能为例，过去一周的时间为一个周期，取同一时段的数值相加除以7，获取各项平均值作为记录数据更新至周期记录的数据库表，该库表参数可作为自动执行的执行参数，并保留这7天的数据，清洗删除日常记录数据库表中在此之前8-14天的数据，也就是删除上上周的数据，此程序固定一周执行一次，每次投喂剂量为固定最小值，随着成长周期的增加，单次投喂剂量成指数倍增加由PHP流程控制语句以参数循环递增的方式控制。

数据清洗内容包括对数据集的记录属性的清洗和对数据集中重复记录的清洗；

对记录属性的清洗首先主要是对数据集中异常属性的识别。通常统计学的方法在异常属性的识别中广为使用，其核心思想是先统计每个属性字段值的平均值以及标准差，依据此为每一个属性设置一个置信区间，根据属性值是否在置信区间内来判断属性是否异常，其次基于距离的聚类算法，可以根据属性值距聚类中心的距离来判断属性是否异常。

对数据集中重复记录的清洗主要是为了识别并取出数据集中相似、重复的对象，因为大量重复记录的生成往往产生与不同系统的集成时，首先要判断两条数据是否相似或相同，上述DIT算法基本能很好的解决此类问题。

数据清洗步骤包括分析数据特点、制定清洗规则和检验清洗效果；

分析数据特点，该节的主要任务是归纳和总结数据特点，为清洗规则的指定奠定依据，同时可通过人工分析或者变质数据分析程序来分析样本数据。通过这一步，能够得知数据源中可能存在哪些具体数据质量问题，为下一步制定清洗规则提供依据；

指定清洗规则，不一致数据的检测和处理、空值的检测和处理、相似/重复记录的检测和处理以及非法值的检测和处理四种；

检验清洗效果，这是清洗工作检阅性的一步，根据生成的清洗报告，查看数据清洗情况，找出清洗过程中存在的问题，对程序不能处理的问题进行人工处理，评估清洗效果，对不满足清洗要求的规则和算法进行改进和优化。然后根据需要，再次进行清洗，直到满足要求；

主要重复记录清洗算法：

重复记录，就是指两条数据的每一个字段都完全相同，相似记录，指两条数据不完全相同，但在某些字段上他们的值存在相似；

DIT算法不需要任何规则也不需要人员干预。在DIT算法中，SIM代表相似度，PR代表记录的比重，算法步骤如下：

步骤一：给R2的PR值赋值为1，R2为窗口中最后一条记录；

步骤二：计算R1的PR，PRR1＝SIMR1，R2xPRR2，并执行下列操作：

1)如果R1是某个数据集的代表性数据，那么慢用R1的新PR重新计算数据集R2中的每一条数据；

2)删除所有从R1到R2中PR大于阈值的记录；

3)在R1剩余的记录中，选择一个代表性数据，如果还存在任何记录，根据这个新的代表性数据更新其他记录的PR值；

4)如果R1不是某个数据集的代表性数据，而且如果它的PR在数据集R2中更高，那么将R1移入R2中并且更新R1的PR；

5)如果R1第一次证明与某条记录相似的话，将R1移入R2中，并在R2中记录它的PR值。

如果表征两条记录为彼此重复的预设阈值0.7，且记录R1与R2相似度大于0.7，那么说明R1是R2的重复记录，同时会申城数据集{R2，R1}；然后，把数据集中的每一条记录与一个值PR相联系；这个值的大小代表他能够找到另一条相似数据的能力；如果R2＝1，且PRR1＝SIMR1，R2*PRR2，PRR1大于阈值那么将生成数据集{(R2，1)，(R1，PRR1)}；假设有另一条记录与R与R1相似，如果R的PR大于阈值，那么PRR＝SIMR1，R*PRR1会根据R1在数据集中PRR1重新计算，R同样会移入到R1移入的数据集中；否则，R会成为这个数据集的代表性数据；如果R1与R2完全相同，那么SIMR2，R1＝1，PRR2＝1会有这样的结果；

PRR1＝SIMR1，R2*PRR2＝1*1＝1，PRR1＞0.7

所以，这证明R1是R2的重复记录。如果R1与R2只有一半相同，那么

SIMR1，R2＝0.5，PRR2＝1

因此，

PRR1＝SIMR1，R2*PRR2＝0.5*1＝0.5，PRR1＜0.7

所以R1不会被认为是R2的重复记录。如果

SIMR1，R2＝0.9，PRR2＝1

那么

PRR1＝SIMR1，R2*PRR2＝0.5*1＝0.5，PRR1＞0.7

这时说明R1是R2的重复记录。现在如果R与R1完全相同，那么

PRR1＝SIMR1，R*PRR2＝1*0.9＝0.9＝PRR1

所以，在记录完全相同的情况下，PR值是不变的。但是如果SIMR1，R＝0.8，那么

PRR＝SIMR1，R*PRR1＝0.9*0.9＝0.72

由于PRR>0.7，说明R是包含R1，R2的数据集的一条重复记录。反之，如果

PRR1，R2＝0.8，PRR2＝1

那么

PRR1＝SIMR1，R2*PRR2＝0.8>0.7

所以，R1是R2的除服记录。现在如果SIMR1，R＝0.8*0.8，那么

PRR＝SIMR1，R2*PRR1＝0.8*0.8＝0.64<0.7

所以这时R就被认为不是包含R2的数据集中的一条重复记录；为了使R被认为是已投案重复记录，那么需要SIMR1，R>0.87。

这里得出的结论是，由于R1与R2相背离，R需要与R1更加相似才能成为包含有R2的数据集中的一条记录，这种方法没有直接比较R2与R，我们也立刻能得到一个R2与R匹配近似值；如果R2与R没有任何相同之处，那么我们会得到一个接近于0或者可以忽略的值。

通过上述的方式来实现数据的清洗筛选，和检索数据可靠性的比对，从而侦测判断水族箱的各项数据是否异常，异常后再去调用对应函数以预存的标准指数为参考，执行与之对应的命令。另外当宠物鱼生病后，鱼缸环境及宠物状态等各项数据与数据库中预存的解决方案进行近似度的对比，从而可以较为精准的匹配并反馈对应治疗方案。如果数据库中不存在对应的解决方案同样可以通过以上方式进行最佳方案的采集。

常规数据采集由侦测端(传感器+ESP32wifi模组)在固定时段发送数据，具体发送时间通过程序参数设置。默认预设参数采集时段为每天8:00，12:00，20:00，这些时段将数据传送给服务端并存入数据库。如果在该时段服务端接收的某项数据为NULL，则由服务端发起请求再次校准数据。当传感器或服务器接收数据异常时将返回错误号并报警通知。

本实施例提供了一种水族宠物饲养智能管理系统，还包括：宠物识别模块，用于采集水族宠物的目标图像，并根据所述目标图像进行分析，同时，基于分析结果建立水族宠物识别模型，具体包括：

图像采集单元，用于采集所述水族宠物的第一目标图像；

图像处理单元，用于：

读取所述第一目标图像，确定所述水族宠物在所述第一目标图像中的目标位置，同时，确定所述水族宠物在所述第一目标图像中的轮廓点；

根据所述目标位置以及所述轮廓点对所述第一目标图像进行拆分，确定所述水族宠物的第二目标图像；

获取所述第二目标图像的图像高频噪声以及所述第二目标图像的图像低频噪声，同时，基于所述图像高频噪声对所述第二目标图像进行第一去噪处理，并基于所述图像低频噪声对所述第二目标图像进行第二去噪处理；

基于所述第一去噪处理以及所述第二去噪处理生成第三目标图像；

图像读取单元，用于：

对所述第三目标图像进行读取，确定所述第三目标图像中所述水族宠物的特征点，并根据所述水族宠物的特征点在所述第三目标图像中进行标记，同时，根据标记结果构建所述水族宠物的三维立体网络；

在所述三维立体网络中确定所述特征点之间的连接关系，并根据所述特征点之间的连接关系确定所述特征点在所述三维立体网络中的特征向量，同时，根据所述特征点在所述三维立体网络中的特征向量确定所述水族宠物的外形特征；

模型建立单元，用于基于所述水族宠物的外形特征获取所述水族宠物的深度信息，同时，根据所述深度信息构建对所述水族宠物的进行识别的水族宠物识别模型；

宠物识别追踪单元，用于根据所述水族宠物识别模型对水族缸内的水族宠物进行识别追踪，确定所述水族缸内每个水族宠物的生活数据，同时，根据每个水族宠物对所述生活数据进行编号；

监控单元，用于基于编号结果将每个水族宠物对应的生活数据传输至所述应用展示层进行展示。

该实施例中，第一目标图像可以是对水族缸中的水族宠物进行采集的图像。

该实施例中，目标位置可以是水族宠物在第一目标图像的位置。

该实施例中，轮廓点可以是水族宠物在第一目标图像的轮廓像素点。

该实施例中，根据目标位置以及轮廓点对第一目标图像进行拆分是为了保证对第一目标图像进行拆分时的精准性。

该实施例中，第二目标图像可以是第一目标图像中只包含水族宠物的图像(即将第一目标图像中除水族宠物部分外的部分去掉)。

该实施例中，第一去噪处理可以是用来对第二目标图像中的高频噪声进行去噪，第二去噪处理可以是用来对第二目标图像中的低频噪声进行去噪处理。

该实施例中，第三目标图像可以是将第二目标图像进行去噪后的图像。

该实施例中，特征点例如可以是水族宠物的身形、面部轮廓(如眼睛、鼻子)等表征水族宠物形态特征的点。

该实施例中，三维立体网络可以是通过水族宠物的特征点进行立体化，从而构建三维立体网络。

该实施例中，深度信息可以是基于特征点在三维立体网络中的特征向量所表示的水族宠物可见表面的几何分布。

该实施例中，生活数据可以是对应水族宠物的活动、饮食等日常数据。

该实施例中，水族宠物识别模型可以是对水族宠物进行识别的模型，通过该水族宠物识别模型还可以统计水族缸内水族宠物的数量以及追踪水族缸内水族宠物当前所在位置。

上述技术方案的工作原理是：通过将第一目标图像进行拆分，从而确定第二目标图像，并对第二目标图像进行去噪处理，从而确定第三目标图像，通过对第三目标图像中的特征点进行提取，并构建三维立体网络，从而可以确定水族宠物的特征向量，进而确定水族宠物的外形特征，从而构建水族宠物识别模型，实现对水族缸内的水族宠物的识别追踪。

上述技术方案的有利效果是：通过获取第二目标图像，有利于对水族宠物进行分析时提供便利，通过对第二目标图像进行去噪处理，从而使得对水族宠物的外形特征分析更加精准，通过构建水族宠物识别模型，极大的提高了对水族宠物识别的效率并提高对水族宠物管理的便利性以及精准性。

本实施例提供了一种水族宠物饲养智能管理系统，还包括：水族缸灰尘监控模块，用于对水族缸的灰尘量进行监控，并当水族缸的灰尘量达到基准灰尘量时，进行灰尘清除，具体包括：

灰尘监控评估单元，用于实时监测所述水族缸内的灰尘量，并将所述水族缸内的灰尘量与基准灰尘量进行比较，判断所述水族缸内是否需要进行灰尘清除；

其中，当所述水族缸内的灰尘量等于或小于所述基准灰尘量时，则判定所述水族缸内不需要进行灰尘清除；

否则，则判定所述水族缸内需要进行灰尘清除；

第一计算单元，用于当所述水族缸内的灰尘需要进行清除时，获取所述水族缸内的灰尘量以及所述水族缸的体积，并基于所述水族缸内的灰尘量以及所述水族缸的体积计算对所述水族缸内灰尘进行吸附的吸附评估模型；

其中，Q表示所述水族缸内灰尘进行吸附的吸附评估模型；v表示所述水族缸的体积；m表示所述水族缸内的灰尘量；C

吸附量估计单元，用于基于所述吸附评估模型以及所述水族缸内的灰尘量评估对所述水族缸内的灰尘进行吸附的吸附量；

第二计算单元，用于基于对所述水族缸内灰尘的吸附量计算对所述水族缸内进行灰尘吸附的速度；

其中，φ表示对所述水族缸内进行灰尘吸附的速度；P表示在所述水族缸内进行吸附操作时的吸附功率；S表示对所述水族缸内灰尘的吸附量；t表示吸附时间；h表示所述水族缸内的深度；

灰尘吸附单元，用于基于所述水族缸内的灰尘进行吸附的吸附量以及对所述水族缸内进行灰尘吸附的速度，生成灰尘吸附指令，并基于吸附指令控制吸附装置对所述水族缸内的灰尘进行吸附；

所述灰尘监控评估单元，还用于实时监控吸附后所述水族缸内的灰尘量，并当吸附后所述水族缸内的灰尘量小于所述基准灰尘量时，停止吸附工作。

该实施例中，基准灰尘量可以是根据水族缸内所承受的最大灰尘量设定的，用来衡量是否需要对水族缸内的灰尘进行清除。

该实施例中，吸附评估模型可以是通过水族缸内的当前的灰尘量、基准灰尘量等进行综合分析，确定对水族缸内的灰尘进行吸附操作时的吸附量。

该实施例中，第一经验常数、第二经验常数均为在多次实验过程中确定的常数值。

该实施例中，吸附指令可以是用来控制吸附装置对水族缸内的灰尘进行吸附的指令

上述技术方案的工作原理是：通过对水族缸的灰尘量进行监控，并当水族缸的灰尘量达到基准灰尘量时，进行灰尘清除，同时，通过对清除后的水族缸内的灰尘量继续进行监控，从而确定灰尘清除的精度。准确性。

上述技术方案的有益效果是：通过确定吸附评估模型，从而有利于准确衡量对水族缸内的灰尘进行吸附的吸附量，通过确定对水族缸内进行灰尘吸附的速度并基于吸附量生成吸附指令，并通过控制吸附装置实现对水族缸内的灰尘进行准确而吸附通过对清除后的水族缸内的灰尘量继续进行监控，从而确定对灰尘清除的准确性，本方案有利增加对水族缸内灰尘量的精确限制，从而有利于水族缸内环境的清洁，保障水族宠物的生活环境。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。