[发明专利]一种基于神经网络模型的鲟鱼孵化方法及系统

说明书

本发明公开了一种基于神经网络模型的鲟鱼孵化方法及系统，涉及鲟鱼养殖领域，旨在解决现阶段鲟鱼孵化条件控制不精细的问题，通过多个经验样本收集不同鲟鱼鱼卵的最佳孵化率，并且根据多个经验样本提供的数据，以鲟鱼鱼卵种类、鱼卵总数量、和孵化率为输入层，以温度、水流速度、溶解氧浓度、光照强度和平均孵化时长为输出层，构建神经网络，经过训练直至收敛得到神经网络模型，养殖人员通过输入鲟鱼鱼卵种类、鱼卵总数量、和理想孵化率即可得到最佳的孵化条件，此系统也能辅助控制孵化条件，保证高效率孵化，智能孵化。

技术领域

本发明涉及一种基于神经网络模型的鲟鱼孵化方法及系统，属于鲟鱼养殖领域。

背景技术

鲟鱼为典型的杂食性鱼类，具有生长速度快、适应能力强、病害少、经济价值高等优点，其肉厚骨软，味道鲜美，营养丰富，肉和卵的蛋白质含量极高，是高级营养品，另外其皮可制成优质特种皮革，鱼鳔和脊索还可制成鱼胶，可以说鲟鱼的全身都是宝，经济价值极高。鲟鱼的养殖过程中存在以下问题：

现阶段鲟鱼的孵化采用孵化池集体孵化，其孵化条件大致控制在合适孵化的范围内，孵化条件的控制不精细，针对不用种类的鲟鱼鱼卵的孵化，也未必是最佳的孵化条件，因此需要一种方法和系统随时能够根据实际情况得出不同种类的鲟鱼鱼卵的最佳孵化率以及其孵化条件，使鱼卵能在最佳的条件下进行孵化，保证孵化的效率。

发明内容

本发明的目的在于提供一种基于神经网络模型的鲟鱼孵化方法及系统，以解决上述背景中提出的现阶段鲟鱼的孵化采用孵化池集体孵化，其孵化条件大致控制在合适孵化的范围内，孵化条件的控制不精细，针对不用种类的鲟鱼鱼卵的孵化，也未必是最佳的孵化条件的问题。

为实现上述目的，本发明提供如下方案：

一种基于神经网络模型的鲟鱼孵化方法，包括以下步骤：

步骤一、孵化前数据采集，包括鲟鱼鱼卵的种类、鱼卵总数量、所在孵化池的温度、水流速度、溶解氧浓度和光照强度；

步骤二、孵化后数据采集，包括单条鲟鱼孵化所用的时间、平均孵化时长、孵化率；

步骤三、通过步骤一和步骤二中采集和统计得到的数据构建多个经验样本，单个所述经验样本对应单个孵化池的数据，所述经验样本包括对应的孵化池中鲟鱼鱼卵种类、鲟鱼鱼卵的总数量、培养温度、水流速度、溶解氧浓度、光照强度、总孵化率和该孵化池单条鲟鱼孵化所用的平均时长，随机选取部分经验样本，以鲟鱼鱼卵种类、鱼卵总数量、和孵化率为输入层，以温度、水流速度、溶解氧浓度、光照强度和平均孵化时长为输出层，构建神经网络初始模型；

步骤四、选取剩余的经验样本为训练样本，对所述神经网络初始模型进行训练直至收敛，得对应的品种的鲟鱼鱼卵孵化的神经网络模型；

步骤五、从所有经验样本中选出各种鲟鱼鱼卵的最大的孵化率，并分别作为下一孵化相同品种鲟鱼鱼卵时的理想孵化率；

步骤六、在孵化下一批次鲟鱼鱼卵时，选取与步骤一中品种相同的鲟鱼鱼卵进行孵化；

在孵化时，记录该对应品种的孵化池内的鲟鱼鱼卵种类和鱼卵总数量，将鲟鱼鱼卵种类、鱼卵总数量和理想孵化率输入至所述神经网络模型，输出得到该品种的鲟鱼鱼卵孵化对应的温度、水流速度、溶解氧浓度、光照强度和平均孵化时长；

步骤七、按照步骤六中得到的该品种的鲟鱼鱼卵孵化对应的温度、水流速度、溶解氧浓度、光照强度和平均孵化时长，对该品种鱼卵所在的孵化池进行条件控制和监控，保证孵化率。

作为优选的，所述步骤一还包括：标记孵化池并记录孵化池内的鱼卵种类和数量，保证同一孵化池内的鱼卵种类相同，孵化同种鱼卵的多个孵化池设置不同的温度、水流速度、溶解氧浓度和光照强度以形成多个样本数据，记录每个孵化池的条件数据并保证恒定条件下进行孵化。