基于YOLOv5s-Mask和梯度回归的对虾投饵量预测系统设计

<正>在传统的凡纳滨对虾养殖过程中,需要根据养殖经验确定投喂量,容易导致饲料过剩或不足的问题。为解决这一问题,研究者建立预测模型预测投喂量,主要使用BP神经网络预测模型对水产养殖投饵量进行预测(杨加庆,2018;陆天辰,2020)。近年来,随着计算机深度学习的发展,相关模型具有更强的数据挖掘和泛化能力。何津民(2022)提出IPSO-CNN-LSTM-ATTN对虾投饵量预测模型,改善了BP神经网络过拟合和稳定性差的问题,然而该类模型训练数据来自养殖记录,这需要人工长期进行记录。     

基于粒子群优化BP神经网络的水产养殖水温及pH预测模型

针对养殖水质、水温及p H预测准确性低的问题,提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值,然后对得到的数据进行预处理,修复异常数据信息,再以当前时间的多个水质参数作为输入,下个时间点的水温、p H作为输出,建立养殖水质预测模型,最后利用采集的水质数据在BP神经网络中进行训练,并通过实验检验水质预测模型的可行性和预测性能。与支持向量回归(SVR)和传统BP神经网络相比,基于粒子群优化的BP神经网络在预测水温方面,均方根误差(RMSE)下降幅度分别为64.4%和86.7%;在预测p H方面,RMSE下降幅度分别为11.1%和78.9%。研究表明,基于粒子群优化的BP神经网络养殖水质预测模型具有灵活简便、预测精度高、易于实现的特点,同时具有很好的预测能力。     

基于粒子群的模糊神经网络养殖池塘溶氧预测研究

溶氧是水产养殖中的一项重要指标,与水产品生长有着十分密切的关系。为准确预测养殖池塘的溶氧量,降低水产养殖风险,提出基于小波包分析和粒子群算法优化模糊神经网络的组合预测模型。首先使用小波包变换对采集的原始信号进行消噪处理,然后将处理后的逼近信号分为训练数据和测试数据,利用训练数据对模糊神经网络进行训练,并使用粒子群算法对网络参数进行优化,最后利用测试数据进行溶氧预测并检验预测模型的性能。通过对比试验,分别证明了粒子群算法和小波包变换的有效性:预测溶氧值时,基于小波包变换,粒子群算法与BP算法相比,误差指标均方根误差(RMSE)、平均相对误差均值(MAPE)和平均绝对误差(MAE)分别降低了22.75、3.97和22.86个百分点;基于粒子群算法,有小波包变换和无小波包变换相比,3项指标分别降低了16.82、3.36和16.65个百分点。研究表明:小波包分析和粒子群算法可提高预测精度,该组合模型可对溶氧进行有效预测。     

基于栈式自编码BP神经网络预测水体亚硝态氮浓度模型

亚硝态氮对于水产养殖动物具有毒性，对于其含量的及时监控非常重要。基于光谱法和电极法设计的亚硝态氮传感器价格昂贵，难以大面积推广，因此急需研发一种能快速预测养殖水体亚硝态氮的模型。实验通过实验室构建的水质在线检测系统测定水体中温度、pH、溶解氧、氧化还原电位4个参数，同时用α-萘胺比色法测定水体中亚硝态氮的浓度，从4种参数中选取与亚硝态氮浓度相关的参数作为预测模型的关联变量。水质参数数据及亚硝态氮浓度数据分别经预处理后作为原始数据用于SAE神经网络的训练，训练方法采用无监督逐层贪婪训练法，用学习到的特征监督训练SAE-BP神经网络，利用反向传播算法(BP)优化模型。训练得到结构为4-5-4-3-1的SAE-BP神经网络模型，建立的神经网络模型对实验数据预测的拟合优度R²为0.95，预测结果的均方根误差RMSEP为0.099 71。研究表明，亚硝态氮预测模型可以较为精准地预测水体中亚硝态氮的浓度。本模型将为开发在线快速监测养殖水体亚硝态氮浓度提供新的思路。     

基于模糊神经网络的池塘溶解氧预测模型

在分析了池塘溶解氧影响因素的基础上，利用模糊神经网络良好的非线性逼近能力建立了池塘溶解氧的模糊神经网络预测模型。神经网络模型如采用常规的BP或其它梯度算法，常导致训练时间较长且易陷入局部极小点，本实验采用快速的粒子群优化算法对模糊神经网络进行训练，收敛速度明显加快。实验结果表明采用该方法预报溶解氧的预测精度较常规BP递推算法的预测精度明显提高，所采用的模型能对溶解氧进行可靠的预测，该方法为研制开发智能水质检测仪以及工厂化养殖工作奠定了基础，对实际生产具有一定的指导意义。     

栉孔扇贝夏季大规模死亡的神经网络预测模型

根据2002年和2003年对山东荣成桑沟湾栉孔扇贝养殖海区的水温、盐度、pH、氨氮浓度、亚硝氮浓度等环境因子和扇贝血清中的蛋白浓度、酸性磷酸酶活力、碱性磷酸酶活力、超氧化物歧化酶活力和过氧化氢酶活力等免疫学指标及栉孔扇贝养殖密度和死亡率的监测数据,运用人工神经网络(artificial neurd network,ANN)的原理和误差反相传播(back propagefion,BP)网络的方法,利用MATLAB软件初步建立养殖栉孔扇贝夏季大规模死亡的BP人工神经网络预测模型.预测模型经过300次的学习训练,误差平方和由67.46下降至0.009 1.该预测模型对未参与模型构建的样本预测的结果与实际监测结果的符合率达到87.5%.首次将人工神经网络与水产动物病害死亡的预测相结合,建立的预测模型具有对数据适应能力强,可适时学习,预测结果准确等突出优点,为水产养殖动物病害死亡程度的预测提供了一个新的研究方法.     

基于L-M神经网络优化算法的池塘水色判别系统的初步建立

为了将水产养殖水色判别传统技术经验转化为可以量化的数字技术,采用基于L-M神经网络优化算法和计算机图像处理技术的方法,建立了一个水色判别的水产养殖专家系统。通过实例预测,该系统判别误差率1%。该系统训练后的神经网络模型,能实现对养殖池塘水质的预测。系统的开发和使用对实现水产健康养殖、智能控制和计算机管理具有一定实用价值.     

栉孔扇贝夏季大规模死亡的神经网络（ANN）预测模型

根据2002和2003年对山东荣成桑沟湾栉孔扇贝养殖海区的水温、盐度、pH、氨氮浓度、亚硝氮浓度等环境因子和扇贝血清中的蛋白浓度、酸性磷酸酶活力、碱性磷酸酶活力、超氧化物歧化酶活力和过氧化氢酶活力等免疫学指标及栉孔扇贝养殖密度和死亡率的监测数据，运用人工神经网络（ANN）的原理和误差反相传播（BP）网络的方法，利用MATLAB软件初步建立养殖栉孔扇贝夏季大规模死亡的BP人工神经网络预测模型。预测模型经过300次的学习训练，误差平方和由67.46下降至0.0091。该预测模型对未参与模型构建的样本预测的结果与实际监测结果的符合率达到87.5％。本研究首次将人工神经网络与水产动物病害死亡的预测相结合，建立的预测模型具有对数据适应能力强，可适时学习，预测结果准确等突出优点，为水产养殖动物病害死亡程度的预测提供了一个新的研究方法。     

基于SSA- LSTM模型的黄鳝池溶氧预测研究

溶氧含量是影响黄鳝养殖的重要因素，为提高黄鳝池溶氧浓度的预测精度，提出一种基于麻雀搜索算法(SSA)和长短期记忆神经网络(LSTM)的黄鳝池溶氧浓度预测模型，即利用SSA算法优化LSTM模型的超参数后，对循环水黄鳝养殖池的溶氧浓度进行预测。结果显示：基于SSA-LSTM模型的预测准确率为96.77%,相较于对照模型LSTM、门控循环单元(GRU)、粒子群算法-长短期记忆神经网络(PSO-LSTM)分别提升了2.09%、3.34%、0.55%。该模型其他指标均方误差(E_MSE)、平均绝对误差(E_MAE)、均方根误差(E_RMSE)分别为0.67、0.53、0.81,相较于对照模型也有明显下降。研究表明，利用SSA-LSTM模型预测黄鳝池溶氧浓度具有良好的准确性和鲁棒性，可以为黄鳝养殖中水质参数精准调控提供依据。     

养殖水体水质的神经网络预测模型研究

以池塘养殖水体常规水质指标作为训练样本，在分析传统水质预测模型的基础上，构建神经网络水质预测模型。运用改进的BP算法对在线监测的水质指标进行分析、分类和预测，确定水质指标与其影响因子间的非线性关系，研究养殖水体水质指数变化梯度和分布规律，同时对水质状况进行模糊判别，为养殖生产提供预警控制，并对不同情况下的输出结果做出了比较。结果表明：该网络具有较好的泛化能力，预测平均误差在3％以内，实现了水质指标的准确预测和判别，收敛速度快，具有较好的实用性和较高的预测精度，基本满足环境管理的需要。     

Research of dissolved oxygen prediction in recirculating aquaculture systems based on deep belief network

Recirculating aquaculture has received more and more attention because of its high efficiency of treatment and recycling of aquaculture wastewater. The content of dissolved oxygen is an important indicator of control in recirculating aquaculture, its content and dynamic changes have great impact on the healthy growth of fish. However, changes of dissolved oxygen content are affected by many factors, and there is an obvious time lag between control regulation and effects of dissolved oxygen. To ensure the aquaculture production safety, it is necessary to predict the dissolved oxygen content in advance. The prediction model based on deep belief network has been proposed in this paper to realize the dissolved oxygen content prediction. A variational mode decomposition (VMD) data processing method has been adopted to evaluate the original data space, it takes the data which has been decomposed by the VMD as the input of deep belief network (DBN) to realize the prediction. The VMD method can effectively separate and denoise the raw data, highlight the relations among data features, and effectively improve the quality of the neural network input. The proposed model can quickly and accurately predict the dissolved oxygen content in time series, and the prediction performance meets the needs of actual production. When compared with bagging, AdaBoost, decision tree and convolutional neural network, the VMD-DBN model produces higher prediction accuracy and stability.     

BP神经网络在太湖不同湖区叶绿素a浓度短期预测的应用初探

摘要：人工神经网络具有强大的非线性能力,能对复杂的水环境系统中非线性行为进行准确有效地预测。本文选择太湖的梅梁湾和湖心区两个典型湖区为研究对象,分别设置4个和2个采样点。通过对其2006-2008年三年的常规水质监测参数进行主成分分析,选择合适的输入因子及最优的网络参数,建立优化的BP网络模型,以实现叶绿素a浓度的月预测。结果表明,梅梁湾湖区和湖心区的预测值与实测值的平均相对误差分别为71%和39%,两者预测精度均较低,原因与太湖的水动力条件、水文气象及藻型生态系统等因素有关。     

福建省水产养殖病害监测现状及建议

根据2002—2011年福建省水产养殖病害测报结果,总结分析了福建省主要水产养殖病害发生情况和流行特点,结果表明,福建省水产养殖病害发病周期长、范围广,且病害种数逐年增多;回顾近10年测报工作,福建省水产养殖病害监测在建立测报网络、提高测报队伍素质、强化病害测报工作机制和测报防治结合等方面取得了一定成效;针对目前水产养殖病害监测存在经费缺乏、测报队伍不稳定、基层技术力量薄弱和监测、诊断手段落后等问题,提出相关对策与建议。     

水产养殖水体遥感动态监测及其应用

以安徽省巢湖市为实验区,以国产高分一号(GF-1)和资源三号(ZY-3)高分辨率遥感影像为数据源,以NDWI和纹理特征作为分类特征,联合随机森林、支持向量机和BP神经网络3种分类方法,发展了一种集成分类模型,用于提取养殖水体信息,并进行阴影剔除和形态学处理。结果表明,该集成分类模型适用于提取养殖水体信息,总体精度为97.4%,Kappa系数为0.87,漏分误差为3.7%,错分误差为6.4%,相比单个模型精度明显提高;针对GF-1影像的增强阴影水体指数,对山体阴影和城市建筑阴影的剔除效果明显,较大程度上避免了阴影对水体提取的干扰;实验区养殖水体的遥感动态监测应用发现, 2016年相比2013年水产养殖面积增加6.9%。该研究理论与技术成果的应用,有助于及时掌握养殖水体的时空分布及动态变化,快速提升中国渔业管理的信息化和科学化水平。     

养殖水质在线监控的系统集成技术

应用多参数水质传感器、PAC场控制器、IEEE802．15．4无线传感器网络、CAN现场通信网络等技术进行系统设计，创建低成本、高效率、性能匀称、可扩充系统的水产养殖水质测试和水质调控的集成系统。认为推广普及规范化的水质监控手段，对促进水产养殖的科技进步和产业升级，实现水产养殖业增长方式转变有积极的意义。指出在现阶段发展我国的“数字化”养殖水质监控系统时，要注意现场设备的数字化、智能化、多功能化、网络化，开发低价位性能可靠的数字化水质传感器，提高信息的共享性和发挥养殖水质数据的应用价值。     

Agglomeration externalities and technical efficiency: An empirical application to the pond aquaculture of Pangas and Tilapia in Bangladesh

This article analyzes the effects of agglomeration externalities on productivity and efficiency by applying a stochastic production frontier model with a technical inefficiency model to the aquaculture industry. Agglomeration externalities refer to the costs and benefits to firms from clustering. Agglomeration studies within aquaculture have focused on the intensive salmon industry, whereas this study focuses on low-technology, extensive pond aquaculture, representing most farmers in the developing world and using Bangladesh as an empirical case. The results show that there is a positive externality effect of regional industry size on the production possibility frontier and a negative effect on technical efficiency. Farm density enhances efficiency and the farm proximity to output markets decreases efficiency. Thus, policies aimed at increasing aquaculture pond production in developing countries should consider farm locations and their access to input and output markets, all of which affect farm productivity and efficiency.     

水产养殖病害测报概况及展望

水产养殖病害是水产养殖生产发展和养殖水产品质量安全的主要制约因素,准确的病害测报对疫病防控工作至关重要。文章从我国水产养殖病害测报工作的开展历程、测报依据、测报工作内容、测报体系与信息化建设等方面进行综述,对病害测报工作中存在的问题提出了建议,并作了病害测报的前景展望。