CN116520740A - 一种基于ai识别的水产养殖监控*** - Google Patents

Abstract

本发明公开了一种基于AI识别的水产养殖监控***，具体涉及水产养殖监控技术领域，通过建立的养殖健康系数判断养殖水池是否合格，对不合格的按照排序表逐一判断净化设备是否合格，若净化设备不合格说明是由净化设备造成养殖健康系数下降，则针对性地对净化设备进行切换，若净化设备合格，则通过养殖健康系数和养殖健康系数阈值结合获得校正系数，通过校正系数调整养殖密度可以实现更加科学和合理的养殖管理，避免因养殖密度过高导致水质恶化和养殖生物的健康问题，合理的养殖密度可以使养殖水池中的每一条鱼都有足够的空间和养分，从而促进其生长和发育。同时，保持水质清洁，可以有效预防水生生物疾病和死亡率的增加，从而提高养殖效益。

Description

一种基于AI识别的水产养殖监控***

技术领域

本发明涉及水产养殖监控技术领域，更具体地说，本发明涉及一种基于AI识别的水产养殖监控***。

背景技术

传统的养殖方法通常依赖经验和直觉来决定养殖密度，容易受到主观因素和环境变化的影响，导致养殖效果的不稳定性和不可预测性。此外，传统的养殖方法缺乏实时监测和控制机制，无法及时发现和解决养殖过程中出现的问题，如水质污染。这些问题会导致养殖效益下降、成本增加和环境污染等严重后果。

在传统方法中，养殖密度常常过高或过低，导致浪费饲料、增加疾病传播风险、降低鱼体生长速度和品质等问题。同时，传统方法难以准确掌握水质状况和鱼群体量变化，无法根据实时数据进行调整和优化，造成资源浪费和损失。

此外，传统方法对于设备故障的应对也比较被动，缺乏有效的预警机制和备用设备的准备，导致故障的修复时间延长，进一步影响养殖效益和鱼群健康。传统方法对养殖场的人员要求较高，需要具备较为丰富的经验和知识，对新手养殖人员的培训成本也较高。

因此，基于AI识别的养殖改进方法具有更好的实时监测、自动调整和准确预测等优势，可以提高养殖效益和经济效益，同时减少资源浪费和环境污染等问题。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种基于AI识别的水产养殖监控***以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于AI识别的水产养殖监控***，包括采集模块、对比模块、监测模块、切换模块、调节模块，各个模块之间通过信号连接；

采集模块采集养殖水池的环境参数和鱼情参数，通过环境参数和鱼情参数通过归一化处理建立养殖健康系数，生成采集信号发送至对比模块；

对比模块将养殖健康系数和养殖健康系数阈值进行比较，判断养殖水池是否合格，生成对比信号发送至监测模块；

监测模块确定养殖水池不合格后，根据优先处理排序表逐一获取各个需改善养殖水池的设备状态参数，根据设备状态参数通过归一化处理建立净化设备故障系数，通过净化设备故障系数和净化设备故障系数阈值进行比较，判断净化设备是否合格，若合格则生成合格信号发送至切换模块，若不合格则生成不合格信号发送至调节模块；

切换模块将备用净化设备切换替换掉主要净化设备；

调节模块获取养殖水池的当前养殖密度，之后根据养殖健康系数和养殖健康系数阈值获得校正系数，通过校正系数获得调整后养殖密度，调整后养殖密度用于替换当前养殖密度。

在一个优选的实施方式中，采集模块的具体运行过程包括：

环境参数包括水中溶解氧含量偏差值和水体温度浮动离散值；

鱼情参数包括平均日增重；

将水中溶解氧含量偏差值标记为RJY，将水体温度浮动离散值标记为WFD；将平均日增重标记为RZZ；

将环境参数和鱼情参数通过归一化处理建立养殖健康系数，表达式如下：式中，J为养殖健康系数，k1、k2、k3分别为水中溶解氧含量偏差值、水体温度浮动离散值、平均日增重的比例系数，且k1＞k3＞k2＞0；

采集模块生成采集信号发送至对比模块。

在一个优选的实施方式中，对比模块的具体运行过程包括：

设置养殖健康系数阈值，将养殖健康系数阈值标记为H1，获取养殖健康系数后，将养殖健康系数和养殖健康系数阈值进行比较，若养殖健康系数大于养殖健康系数阈值，对该养殖水池标记为优质的养殖水池；若养殖健康系数小于养殖健康系数阈值，对该养殖水池标记为需改善养殖水池，根据养殖健康系数对各个养殖水池从小到大排序，生成优先处理排序表；

对比模块生成对比信号发送至监测模块。

在一个优选的实施方式中，监测模块的具体运行过程包括：

根据优先处理排序表逐一获取各个需改善养殖水池的设备状态参数；

设备状态参数包括净化设备控制软件故障频率，净化设备异常停机频率；

将净化设备控制软件故障频率标记为GZL、净化设备异常停机频率标记为TJL；

将设备状态参数通过归一化处理建立净化设备故障系数，表达式如下：式中，Q为净化设备故障系数，α、β分别为净化设备控制软件故障频率，净化设备异常停机频率的比例系数，且β＞α＞0；

设置净化设备故障系数阈值，获取净化设备故障系数后，将净化设备故障系数和净化设备故障系数阈值进行比较，若净化设备故障系数大于净化设备故障系数，标记为不合格净化设备，若不合格则生成不合格信号发送至调节模块，发出预警信号，提示相关人员到场处理；若净化设备故障系数大于净化设备故障系数阈值，标记为合格净化设备，若合格则生成合格信号发送至切换模块。

在一个优选的实施方式中，切换模块的具体运行过程包括：

每个养殖水池配备有两套净化设备，一套为主要净化设备，另一套为备用净化设备，当主要净化设备的净化设备故障系数大于净化设备故障系数时，切换使用备用净化设备，待主要净化设备维护好后由备用净化设备切换到主要净化设备进行净化。

在一个优选的实施方式中，调节模块的具体运行过程包括：

若净化设备故障系数大于净化设备故障系数阈值，通过采集模块中的养殖健康系数获得校正系数，具体内容如下：

通过养殖健康系数和养殖健康系数阈值获得校正系数：式中，E为校正系数；

获取该养殖水池的当前养殖密度，将当前养殖密度标记为G1；则调整后养殖密度为G2＝G1×E，式中，G2为调整后养殖密度，调整后养殖密度用于替换当前养殖密度。

在上述技术方案中，本发明提供的技术效果和优点：

1.本申请通过采集环境参数和鱼情参数建立养殖健康系数，养殖健康系数结合养殖健康系数阈值判断养殖水池的整体好坏，对养殖健康系数小于养殖健康系数阈值的养殖水池进行单独的排序，方便后续进行针对性的调整，避免养殖水池环境进一步恶化，提升养殖环境，使其快速达到优质的养殖水池标准，提高养殖效益。

2.本申请首先，分析净化设备是否合格是保证水质健康的关键。不合格的净化设备可能无法有效去除污染物，导致水质污染严重，而良好的净化设备能够保证水质的健康和稳定，为养殖生物提供一个健康的生存环境。若净化设备不合格说明是由净化设备造成养殖健康系数下降，则针对性地对净化设备进行切换，若净化设备合格，则通过养殖健康系数和养殖健康系数阈值结合获得校正系数，通过校正系数调整养殖密度可以实现更加科学和合理的养殖管理，避免因养殖密度过高导致水质恶化和养殖生物的健康问题，合理的养殖密度可以使养殖水池中的每一条鱼都有足够的空间和养分，从而促进其生长和发育。同时，保持水质清洁，可以有效预防水生生物疾病和死亡率的增加，从而提高养殖效益。

附图说明

图1为本发明一种基于AI识别的水产养殖监控***的结构示意图。

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。

实施例1

本发明一种基于AI识别的水产养殖监控***。

如图1所示，本实施例所述一种智能家电控制***，包括采集模块、对比模块、监测模块、切换模块、调节模块，各个模块之间通过信号连接；

采集模块采集养殖水池的环境参数和鱼情参数，通过环境参数和鱼情参数通过归一化处理建立养殖健康系数，生成采集信号发送至对比模块；

对比模块将养殖健康系数和养殖健康系数阈值进行比较，判断养殖水池是否合格，生成对比信号发送至监测模块；

监测模块确定养殖水池不合格后，根据优先处理排序表逐一获取各个需改善养殖水池的设备状态参数，根据设备状态参数通过归一化处理建立净化设备故障系数，通过净化设备故障系数和净化设备故障系数阈值进行比较，判断净化设备是否合格，若合格则生成合格信号发送至切换模块，若不合格则生成不合格信号发送至调节模块；

切换模块将备用净化设备切换替换掉主要净化设备；

调节模块获取养殖水池的当前养殖密度，之后根据养殖健康系数和养殖健康系数阈值获得校正系数，通过校正系数获得调整后养殖密度，调整后养殖密度用于替换当前养殖密度。

采集模块的具体运行过程包括：

建立养殖健康系数的主要目的是综合评估养殖***的整体健康状况，以及监测养殖环境和鱼群健康状况的变化趋势。在养殖过程中，环境参数和鱼情参数是重要的监测指标，但单独使用这些参数往往难以全面反映养殖***的健康状况；例如，环境参数虽然可以反映水体中的溶解氧指标，但该指标的变化往往受到养殖密度、饲料种类、养殖方式等多种因素的影响，单独使用环境参数难以全面评估养殖***的健康状况。同样的，鱼情参数可以反映养殖密度、生长速度等指标，但这些参数也受到饲料种类、水质等因素的影响，单独使用也难以全面评估养殖***的健康状况；因此，综合使用环境参数和鱼情参数，通过建立养殖健康系数，可以更全面、客观地评估养殖***的健康状况，并及时发现养殖环境和鱼群健康状况的变化趋势，采取相应的措施进行调整和管理，从而提高养殖效益和养殖品质。

环境参数包括水中溶解氧含量偏差值和水体温度浮动离散值；

鱼情参数包括平均日增重；

将水中溶解氧含量偏差值标记为RJY，将水体温度浮动离散值标记为WFD；将平均日增重标记为RZZ；

水中溶解氧含量是指水体中溶解氧分子的质量或体积浓度，水体中溶解氧的含量计算方法根据检测方法不同而有所不同，一般情况下都是根据溶解氧的质量或体积浓度来计算。其中，溶解氧质量浓度一般以毫克每升(mg/L)为单位表示，溶解氧体积浓度一般以毫升每升(mL/L)为单位表示。计算公式如下：溶解氧质量浓度(mg/L)＝采样体积(L)×氧气溶解量(mg/L)；溶解氧体积浓度(mL/L)＝采样体积(L)×氧气溶解量(mL/L)；对于采集水中溶解氧含量的设备，可以选择传感器式溶解氧仪，传感器式溶解氧仪可常驻养殖池中，可以实现对水中溶解氧含量的实时监测；AI识别通过信号处理和特征提取算法，从数据中提取与溶解氧含量相关的特征，采用机器学***均值，将当前养殖水池的水中溶解氧含量平均值与初始养殖水池的水中溶解氧含量基准值相减，得到溶解氧含量偏差值；例如，初始养殖水池的水中溶解氧含量为7.5mg/L，当前养殖水池在一定时间间隔内连续采集的水中溶解氧含量平均值为6.8mg/L，则溶解氧含量偏差值为7.5-6.8＝0.7mg/L。如果溶解氧含量偏差值超过设定的阈值，就需要考虑进行养殖池水质调整；溶解氧含量偏差值越小说明当前养殖水池的水中溶解氧含量与初始养殖水池的水中溶解氧含量相差较小，水质状况相对稳定。这通常是良好的养殖水质状况，表明养殖池中的溶解氧含量得到了良好的控制和维持，有利于养殖生物的生长和健康；在养殖水池内增设测量溶解氧含量传感器，在溶解氧含量传感器传输测量的数据时，通过AI识别数据并采集，从而获取实时的水中溶解氧含量；

水体温度离散程度是指在养殖期间内，水体温度的变化程度的离散程度，具体来说可以通过设置温度传感器获得数据，通过AI识别数据并采集，AI通过计算水体温度的标准差或方差来得出。标准差反映数据的离散程度，数值越大表示水体温度变化越大，离散程度越高；反之数值越小表示水体温度变化越小，离散程度越低。温度浮动离散程度值可以用于评估水体稳定性，如果离散程度较高，则说明水体温度波动较大，会对养殖生物造成一定的压力，

假设某养殖水池在一段时间内(比如一天)记录了5个水温数值，分别为20℃，21℃，20.5℃，22℃，20.8℃。则计算该水域水温的浮动离散程度可以按照以下步骤进行：

1.计算平均值：将这五个水温数值相加，再除以5，得到平均值(即温度的平均值)。

平均值＝(20+21+20.5+22+20.8)/5＝20.86℃

2.计算每个数值与平均值的差：将每个数值减去平均值，得到每个数值与平均值的差。

差值1＝20-20.86＝-0.86

差值2＝21-20.86＝0.14

差值3＝20.5-20.86＝-0.36

差值4＝22-20.86＝1.14

差值5＝20.8-20.86＝-0.06

3.计算差值的平方：将每个差值取平方，得到差值的平方。

平方1＝(-0.86)^2＝0.74

平方2＝(0.14)^2＝0.02

平方3＝(-0.36)^2＝0.13

平方4＝(1.14)^2＝1.30

平方5＝(-0.06)^2＝0.00

4.计算平方和：将所有差值的平方相加，得到平方和。

平方和＝0.74+0.02+0.13+1.30+0.00＝2.19

5.计算离散程度值：将平方和除以(N-1)，其中N是样本数，即记录的水温数值个数。

离散程度值＝平方和/(N-1)＝2.19/(5-1)＝0.55，

因此，该水域在这一天的温度浮动离散程度值为0.55；

通过AI图像识别技术对养殖池中的鱼群数量和平均重量进行估算，得到鱼群总体体量的近似值，具体来说，可以通过在养殖池中放置摄像头，并使用计算机视觉算法进行鱼群图像分析，计算出鱼的数量和平均大小，计算鱼群总体体量的公式为：鱼群总体体量＝鱼的数量×鱼的平均重量，为了准确地计算鱼群总体体量，需要采集以下参数：1.鱼群图像：通过摄像头拍摄到的养殖池中的鱼群图像。2.鱼的平均重量：可以通过随机抽取一定数量的鱼并称重，再求出平均值来获得。3.鱼的数量：可以通过AI算法对鱼群推向进行分析，识别出鱼的数量。鱼群的平均日增重，计算公式如下：平均日增重＝(鱼群总体量－初始体重)/生长时间，其中，鱼群总体重指的是在养殖过程中采集到的鱼群总重量，初始体重指的是养殖开始时鱼群的平均体重，生活时间指的是从养殖开始到采集时的时间；平均日增重是评估鱼生长状态和养殖效益的重要指标之一，一般来说，平均日增重越大，说明鱼类生长速度越快，养殖效益越高，反之则说明鱼类生长速度较慢，养殖效益不理想；

将环境参数和鱼情参数通过归一化处理建立养殖健康系数，表达式如下：

式中，J为养殖健康系数，k1、k2、k3分别为水中溶解氧含量偏差值、水体温度浮动离散值、平均日增重的比例系数，且k1＞k3＞k2＞0；

采集模块生成采集信号发送至对比模块；

水中溶解氧含量偏差值用于体现评估水体中生物生存的适宜程度，水中溶解氧含量偏差值越大说明当前养殖水池的水质环境远远比初始养殖水池的水质环境差，因此水中溶解氧含量偏差值和养殖健康系数呈反比关系；

水体温度浮动离散值用于体现水体的稳定性和变化程度，如果水体温度浮动离散值越大，说明水体的温度变化很剧烈，水体的稳定性较差，对水体生物和生态环境产生不利影响，如果水体温度浮动离散值越小，说明水体的温度变化相对较平稳，水体的稳定性较好，水生生物和生态环境相对较为适宜；

平均日增重用于体现水产动物生长速度的重要指标，平均日增重越大说明水体生物生长条件越好。

对比模块的具体运行过程包括：

设置养殖健康系数阈值，将养殖健康系数阈值标记为H1，获取养殖健康系数后，将养殖健康系数和养殖健康系数阈值进行比较，若养殖健康系数大于养殖健康系数阈值，对该养殖水池标记为优质的养殖水池；若养殖健康系数小于养殖健康系数阈值，对该养殖水池标记为需改善养殖水池，根据养殖健康系数对各个养殖水池从小到大排序，生成优先处理排序表；

对比模块生成对比信号发送至监测模块。

本申请通过采集环境参数和鱼情参数建立养殖健康系数，养殖健康系数结合养殖健康系数阈值判断养殖水池的整体好坏，对养殖健康系数小于养殖健康系数阈值的养殖水池进行单独的排序，方便后续进行针对性的调整，避免养殖水池环境进一步恶化，提升养殖环境，使其快速达到优质的养殖水池标准，提高养殖效益。

监测模块的具体运行过程包括：

根据优先处理排序表逐一获取各个需改善养殖水池的设备状态参数；

设备状态参数包括净化设备控制软件故障频率，净化设备异常停机频率；

将净化设备控制软件故障频率标记为GZL、净化设备异常停机频率标记为TJL；

其中，净化设备控制软件故障频率是指控制净化设备的软件在运行过程中出现故障的频率，净化设备控制软件通常由硬件净化设备和软件程序组成，软件程序包括了各种算法、控制逻辑和界面等，如果水产养殖水质净化设备的控制软件故障频率较高，可能会导致以下问题：水质不稳定：水质净化设备的控制软件如果频繁出现故障，可能导致净化设备无法正常工作，影响水质的稳定性和净化效果。养殖效果下降：水产养殖水质净化设备的控制软件如果出现故障，可能会导致养殖环境的恶化，影响养殖效果和养殖健康系数。维修成本增加：软件故障的修复和维护成本较高，如果频率较高，将增加企业的运营成本。因此，水产养殖水质净化设备的控制软件故障频率应该控制在合理范围内。AI识别通过对净化设备控制软件故障发出的数据信号进行识别，获得净化设备控制软件故障频率；

净化设备异常停机频率是指净化设备在使用过程中因为各种原因而非计划停机的次数，净化设备异常停机频率是一个重要的净化设备运行指标，可以反映净化设备的可靠性和稳定性，高净化设备异常停机频率会影响净化设备的净化能力和净化稳定性，进而影响到整个净化流程的效率和能力，通过在净化设备上加装监控运行状态传感器，在净化设备异常停机时监控运行状态传感器发出信号，AI识别对信号进行识别，从而分析净化设备的异常停机频率；

将设备状态参数通过归一化处理建立净化设备故障系数，表达式如下：式中，Q为净化设备故障系数，α、β分别为净化设备控制软件故障频率，净化设备异常停机频率的比例系数，且β＞α＞0；

设置净化设备故障系数阈值，获取净化设备故障系数后，将净化设备故障系数和净化设备故障系数阈值进行比较，若净化设备故障系数大于净化设备故障系数，标记为不合格净化设备，若不合格则生成不合格信号发送至调节模块，发出预警信号，提示相关人员到场处理；若净化设备故障系数大于净化设备故障系数阈值，标记为合格净化设备，若合格则生成合格信号发送至切换模块；

切换模块的具体运行过程包括：

每个养殖水池配备有两套净化设备，一套为主要净化设备，另一套为备用净化设备，当主要净化设备的净化设备故障系数大于净化设备故障系数时，切换使用备用净化设备，待主要净化设备维护好后由备用净化设备切换到主要净化设备进行净化。

调节模块的具体运行过程包括：

若净化设备故障系数大于净化设备故障系数阈值，通过采集模块中的养殖健康系数获得校正系数，具体内容如下：

通过养殖健康系数和养殖健康系数阈值获得校正系数：式中，E为校正系数；

获取该养殖水池的当前养殖密度，将当前养殖密度标记为G1；则调整后养殖密度为G2＝G1×E，式中，G2为调整后养殖密度，调整后养殖密度用于替换当前养殖密度；

其中，养殖密度是指在水体中饲养的水生动物的数量与水体面积或水体容积之比。具体的计算方法取决于养殖的水生动物种类、养殖水体类型、养殖方式等因素。以下是常见的水产养殖密度计算方法：

鱼类养殖密度计算方法：

鱼类养殖密度的计算可以采用体积法或重量法。一般来说，体积法比较简单，可以按照以下公式计算：

养殖密度＝鱼群总容积(kg)÷水池容积(m³)

例如，如果一养殖水池容积为1000立方米，鱼类总重量为100立方米，则养殖密度为500÷1000×100％＝10％。

通过在水下设置多个摄像头，用于构建三维模型，通过AI算法计算出鱼群的总体积；

在进行水产养殖时，为了避免过度密度养殖而导致鱼群病变的发生和养殖效益的降低，需要根据实际情况和养殖种类选用合适的密度进行养殖。

本申请发明首先，分析净化设备是否合格是保证水质健康的关键。不合格的净化设备可能无法有效去除污染物，导致水质污染严重，而良好的净化设备能够保证水质的健康和稳定，为养殖生物提供一个健康的生存环境。若净化设备不合格说明是由净化设备造成养殖健康系数下降，则针对性地对净化设备进行切换，若净化设备合格，则通过养殖健康系数和养殖健康系数阈值结合获得校正系数，通过校正系数调整养殖密度可以实现更加科学和合理的养殖管理，避免因养殖密度过高导致水质恶化和养殖生物的健康问题，合理的养殖密度可以使养殖水池中的每一条鱼都有足够的空间和养分，从而促进其生长和发育。同时，保持水质清洁，可以有效预防水生生物疾病和死亡率的增加，从而提高养殖效益。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)，或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-onlymemory，ROM)、随机存取存储器(randomaccessmemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于AI识别的水产养殖监控***，其特征在于，包括采集模块、对比模块、监测模块、切换模块、调节模块，各个模块之间通过信号连接；

采集模块采集养殖水池的环境参数和鱼情参数，通过环境参数和鱼情参数通过归一化处理建立养殖健康系数，生成采集信号发送至对比模块；

对比模块将养殖健康系数和养殖健康系数阈值进行比较，判断养殖水池是否合格，生成对比信号发送至监测模块；

监测模块确定养殖水池不合格后，根据优先处理排序表逐一获取各个需改善养殖水池的设备状态参数，根据设备状态参数通过归一化处理建立净化设备故障系数，通过净化设备故障系数和净化设备故障系数阈值进行比较，判断净化设备是否合格，若合格则生成合格信号发送至切换模块，若不合格则生成不合格信号发送至调节模块；

切换模块将备用净化设备切换替换掉主要净化设备；

调节模块获取养殖水池的当前养殖密度，之后根据养殖健康系数和养殖健康系数阈值获得校正系数，通过校正系数获得调整后养殖密度，调整后养殖密度用于替换当前养殖密度。

2.根据权利要求1所述的一种基于AI识别的水产养殖监控***，其特征在于：采集模块的具体运行过程包括：

环境参数包括水中溶解氧含量偏差值和水体温度浮动离散值；

鱼情参数包括平均日增重；

将水中溶解氧含量偏差值标记为RJY，将水体温度浮动离散值标记为WFD；将平均日增重标记为RZZ；

将环境参数和鱼情参数通过归一化处理建立养殖健康系数，表达式如下：

式中，J为养殖健康系数，k1、k2、k3分别为水中溶解氧含量偏差值、水体温度浮动离散值、平均日增重的比例系数，且k1＞k3＞k2＞0；

采集模块生成采集信号发送至对比模块。

3.根据权利要求2所述的一种基于AI识别的水产养殖监控***，其特征在于：对比模块的具体运行过程包括：

设置养殖健康系数阈值，将养殖健康系数阈值标记为H1，获取养殖健康系数后，将养殖健康系数和养殖健康系数阈值进行比较，若养殖健康系数大于养殖健康系数阈值，对该养殖水池标记为优质的养殖水池；若养殖健康系数小于养殖健康系数阈值，对该养殖水池标记为需改善养殖水池，根据养殖健康系数对各个养殖水池从小到大排序，生成优先处理排序表；

对比模块生成对比信号发送至监测模块。

4.根据权利要求3所述的一种基于AI识别的水产养殖监控***，其特征在于：监测模块的具体运行过程包括：

根据优先处理排序表逐一获取各个需改善养殖水池的设备状态参数；

设备状态参数包括净化设备控制软件故障频率，净化设备异常停机频率；

将净化设备控制软件故障频率标记为GZL、净化设备异常停机频率标记为TJL；

将设备状态参数通过归一化处理建立净化设备故障系数，表达式如下：式中，Q为净化设备故障系数，α、β分别为净化设备控制软件故障频率，净化设备异常停机频率的比例系数，且β＞α＞0；

设置净化设备故障系数阈值，获取净化设备故障系数后，将净化设备故障系数和净化设备故障系数阈值进行比较，若净化设备故障系数大于净化设备故障系数，标记为不合格净化设备，若不合格则生成不合格信号发送至调节模块，发出预警信号，提示相关人员到场处理；若净化设备故障系数大于净化设备故障系数阈值，标记为合格净化设备，若合格则生成合格信号发送至切换模块。

5.根据权利要求4所述的一种基于AI识别的水产养殖监控***，其特征在于：切换模块的具体运行过程包括：

每个养殖水池配备有两套净化设备，一套为主要净化设备，另一套为备用净化设备，当主要净化设备的净化设备故障系数大于净化设备故障系数时，切换使用备用净化设备，待主要净化设备维护好后由备用净化设备切换到主要净化设备进行净化。

6.根据权利要求4所述的一种基于AI识别的水产养殖监控***，其特征在于：调节模块的具体运行过程包括：

若净化设备故障系数大于净化设备故障系数阈值，通过采集模块中的养殖健康系数获得校正系数，具体内容如下：

通过养殖健康系数和养殖健康系数阈值获得校正系数：式中，E为校正系数；

获取该养殖水池的当前养殖密度，将当前养殖密度标记为G1；则调整后养殖密度为G2＝G1×E，式中，G2为调整后养殖密度，调整后养殖密度用于替换当前养殖密度。