排序方式: 共有23条查询结果,搜索用时 0 毫秒
11.
针对水产养殖规模化和集约化发展需要,设计一套适用于标准化池塘养殖场的生产自动管控系统,采用太阳能水质浮标和岸基式水质浮标对池塘水质进行在线监测,借助气象站对养殖场区域的天气情况进行自动监测,通过布置在养殖区域的控制柜实现对增氧机和投饲机等设备的远程集中控制,通过高清摄像机和光纤网络构建视频监控系统实现养殖过程的可视化监管。所有监测仪器和控制设备通过有线或无线网络接入养殖场监控中心,采用监控计算机及专用软件对监测数据和设备运行状态进行集中监控,实现养殖生产的集成管理,提升管理水平和生产效率。 相似文献
12.
目前水产养殖常用的投饲方法是定时定量投喂,往往导致投饲不足或过量。通过监测养殖对象摄食状态为投饲控制提供有效反馈信息,能够根据养殖对象食欲实时调整投饲量,满足摄食需求并减少饲料浪费。声学方法由于其固有的物理特性可以在浑浊水体中测量养殖对象摄食状态。本文介绍了残余饲料检测、鱼群空间分布监测和摄食声音监测这3种基于声学方法的投饲反馈技术,总结了近30年来国内外研究进展,对不同反馈技术的特点和问题进行了分析,并提出声学方法需要与其他反馈技术和投饲量预估方法结合使用,以满足复杂养殖条件下精准投饲要求。 相似文献
13.
14.
基于光流法的鱼群摄食状态细粒度分类算法 总被引:1,自引:1,他引:0
对鱼群摄食状态的细粒度分类有利于更精细地描述鱼群的摄食行为。该研究基于工厂化的循环养殖池环境提出了一种利用光流法进行特征提取的鱼群摄食状态细粒度分类算法。算法对鱼群的巡游视频进行摄食状态分类,首先通过光流法提取视频内鱼群的帧间运动特征,其次构建了一个帧间运动特征分类网络对该特征进行细粒度分类,最后基于投票策略确定视频的最终类别。试验结果表明,该研究算法在投票阈值设置为50%的情况下,视频准确率达98.7%;在投票阈值设置为80%的情况下,视频准确率为91.4%。在不同的投票阈值设置下,该算法的视频准确率始终保持在90%以上,说明其分类鲁棒性较强。相较于实验室养殖环境,基于工厂化养殖环境对鱼群的摄食状态所展开的算法研究实际应用性更强,可为精细描述鱼群摄食行为,实现精准投饵自动控制提供参考。 相似文献
15.
16.
实现饵料的自动投喂是自动化水产养殖的重点,对鱼群的摄食强度进行识别能够为精准投饵提供参考。目前大多数关于鱼群摄食强度的研究都是基于循环养殖池或者自制鱼缸中,并不适用于开放式养殖池塘。基于实际环境,采用水上观测方式建立了鱼群摄食强度视频数据集,并提出了一种基于改进长期卷积循环网络(LRCN)的鱼群摄食强度分类模型,将注意力机制SE模块嵌入卷积神经网络中,通过SE-CNN网络提取视频帧的特征,输入至双层GRU网络中,最后通过全连接分类层得出视频类别。提出的SE-LRCN模型实现了对鱼群摄食视频的强度三分类。试验结果表明,本文提出的模型分类准确率达到97%,F1值达到94.8%,与改进前的LRCN模型相比,准确率提高12个百分点,F1值提高12.4个百分点。研究模型可以更精细地识别鱼群的摄食强度,为自动化精准投饵提供参考。 相似文献
17.
18.
涡旋式流化砂床生物滤器的设计与研究 总被引:1,自引:0,他引:1
流化砂床滤器的进水方式对其运行具有重要影响,试制了一种新型涡旋式流化砂床滤器,该滤器改变传统流化砂床布水方法,通过创造旋转上升水流带动砂床上浮从而使砂床膨胀,布水均匀,运行平稳且杜绝传统砂床中的砂粒堵塞出水孔板现象等优点.采用4#、5#石英砂进行水力特性实验,结果表明,砂床初始厚度应>40 cm,且膨胀系数控制在50%~150%之间时有最佳运行效果;当膨胀率在50%~200%之间时,4#砂、5#砂的上升流速范围分别为0.0422~0.110 m/s和0.0360~0.0580m/s.试验表明该滤器可显著改善进水方式,布水均匀,有利于砂床膨化. 相似文献
19.
基于水下机器视觉的大西洋鲑摄食行为分类 总被引:6,自引:6,他引:0
根据鱼群摄食行为状态进行水产养殖精准投喂控制,是有效提高饵料利用率降低水体污染的关键技术。目前,大多数基于机器视觉的鱼类摄食行为研究都是在实验室对真实养殖环境进行模拟并采用水上摄像机获取数据,由于光照条件和养殖环境的影响,该数据无法反映大西洋鲑在实际生产状况下的摄食行为,因此应用范围有限。为解决此问题,该研究提出一种基于真实工厂化养殖环境的鱼类摄食行为分类算法。该算法使用水下观测方式并采用视频序列作为样本,首先利用变分自动编码器对视频序列样本进行逐帧编码以产生所有帧对应的高斯均值和方差向量,分别联立所有均值和方差向量得到均值特征矩阵和方差特征矩阵。然后将特征矩阵输入到卷积神经网络中,实现对鱼群的摄食行为分类。试验结果表明,在真实的工厂化养殖环境下,该研究所提出的方法综合准确率达到了89%,与已有的基于单张图像的鱼类摄食行为分类方法相比,综合准确率提高了14个百分点,召回率提高了15个百分点。研究结果可为基于鱼类摄食行为的鱼饵精准投喂控制提供参考。 相似文献
20.
围绕水产养殖水下目标精准识别的产业发展需求,针对小样本目标识别精度低、模型算法场景适应能力差等问题,提出一种基于改进循环对抗网络(Cycle constraint adversarial network, CycleGAN)样本扩增和注意力增强迁移学习的小样本养殖鱼类识别方法。利用水下采样装备收集实际养殖场景和可控养殖场景大黄鱼图像,并以可控场景图像作为辅助样本集。利用CycleGAN为基础框架实现辅助样本到实际养殖场景图像的迁移,并提出一种基于最大平均差异(Maximum mean discrepancy, MMD)的迁移模型损失函数优化方法。在迁移学习阶段使用ResNet50为基础框架,并引入SK-Net(Selective kernel network)注意力机制优化模型对不同感受野目标的感知能力,提升模型对无约束鱼类目标的识别精度。试验结果表明,本文方法有效提升了小样本鱼类目标的识别能力,鱼类识别召回率达到94.33%,平均精度均值达到96.67%,为鱼类行为跟踪和表型测量提供了有效的技术支撑。 相似文献