[发明专利]一种基于鱼类生长的优化调控方法及系统

权利要求书

1.一种基于鱼类生长的优化调控方法，其特征在于，包括：

S1，采集水产养殖系统中的多项水质环境数据变量和鱼类图像；

S2，对所述鱼类图像进行分析处理，得到鱼类健康生长指标；

S3，根据所述鱼类健康生长指标，确定所述多项水质环境数据变量中影响鱼类生长的多项关键水质环境数据变量；

S4，将确定的所述多项关键水质环境数据变量和鱼类健康生长指标输入训练后的预测调控模型中，输出对应的调控量，并根据所述调控量对所述水产养殖系统中的水质进行调控；

其中，所述S1还包括：

采集水产养殖系统中同一时间段内的氧流量和水泵流量；

相应的，所述S4具体包括：

将确定的所述多项关键水质环境数据变量、水产养殖系统中同一时间段内的氧流量、水泵流量和鱼类健康生长指标输入训练后的预测调控模型中，输出氧流量和水泵流量的调控量；

所述预测调控模型为深度卷积神经网络模型，所述S4之前还包括通过如下方式对所述深度卷积神经网络模型进行训练：

将训练集中不同时间段的多项关键水质环境数据变量、鱼类健康生长指标、氧流量和水泵流量输入构建的深度卷积神经网络模型中，输出对应的每一时间段的氧流量和水泵流量的调控量，其中，在训练集中，与鱼类健康生长指标对应的氧流量和水泵流量的调控量已知；

分别计算深度卷积神经网络模型输出的对应每一时间段的氧流量的调控量和已知的氧流量的调控量之间的第一损失函数，以及计算深度卷积神经网络模型输出的水泵流量的调控量和已知的水泵流量的调控量之间的第二损失函数；

调整所述深度卷积神经网络模型的参数，使得所述第一损失函数和所述第二损失函数均满足收敛条件。

2.根据权利要求1所述的优化调控方法，其特征在于，所述S2具体包括：

S21，利用基于Canny算子的边缘检测方法提取所述鱼类图像中每条鱼的边界轮廓；

S22，基于提取的每条鱼的边界轮廓，获取每条鱼的生长状态信息，并根据每条鱼的生长状态信息，得到每条鱼的健康生长指标，进而得到所述水产养殖系统中鱼类健康生长指标。

3.根据权利要求2所述的优化调控方法，其特征在于，所述S1还包括：

获取所述水产养殖系统中的鱼类养殖密度和鱼类生长日龄；

所述S22中每条鱼的生长状态信息包括鱼体长、鱼体高和鱼体面积；相应的，所述S22中根据每条鱼的生长状态信息，得到每条鱼的健康生长指标，进而得到所述水产养殖系统中鱼类健康生长指标具体包括：

a、根据每条鱼的鱼体长、鱼体高的鱼体面积，计算得到鱼体质量；

b、根据每条鱼的所述鱼体质量、鱼体长、水产养殖系统的鱼类养殖密度和鱼类生长日龄，计算得到每条鱼的健康生长指标X₀＝f(W,L,ρ,T)，其中，X₀为每条鱼的健康生长指标，W为鱼体质量，L为鱼体长，ρ为养殖密度，T为鱼的生长日龄；

c、将每条鱼的健康生长指标的均值作为水产养殖系统中鱼类健康生长指标。

4.根据权利要求1所述的优化调控方法，其特征在于，所述S3具体包括：

计算每一项水质环境数据变量与所述鱼类健康生长指标之间的关联度，选取关联度靠前的多项水质环境数据变量作为影响鱼类生长的多项关键水质环境数据变量。

5.根据权利要求4所述的优化调控方法，其特征在于，每一项所述水质环境数据变量包括采集的预定时间段内的多个时间点的水质环境数据变量序列。