基于小波降噪和LSTM的海参养殖氨氮预测

海参具有极高的营养价值和药用价值,水质环境对其产量有一定的影响。为了更好地调控水质,尽可能使海参生长在最佳状态,采用改进的小波降噪方法处理数据,建立长短期记忆(LSTM)神经网络模型对海参养殖环境中的氨氮浓度进行预测。实验分别采用多影响因素作为模型的输入,氨氮浓度作为输出,建立氨氮浓度与各水质因子之间的关系模型,实现氨氮浓度预测。实验结果表明,改进的小波降噪方法有效减少了噪声,LSTM神经网络模型在海参养殖水质预测中效果显著。所提方法为海参养殖下一步水质调控提供了参考数据,进而可提高海参养殖的质量和产量。     

水产养殖物联网平台的研究与设计

针对近年来水产养殖的需求和复杂的养殖环境,提出将物联网技术应用于水产养殖的环境监测,实现养殖环境的自动监控和控制,有效降低损失风险。首先设计平台框架,其次设计水产养殖物联网信息服务、水产养殖水质信息采集与监测、水产养殖环境控制与自动投喂、水产养殖视频监控等系统,最后阐述水产养殖水质预警的设计。     

面向海参养殖的物理信息融合系统

国际海参养殖业一直采用传统的人工生产方式,存在工艺落后、效率低下的严重问题,无法满足迅速增长的市场需求.针对这一问题,将CPS 思想引入水产领域,详细分析了CPS 的理论特点和实际意义,并根据CPS 体系结构设计了一种海参养殖的物理信息融合系统,包括环境监测子系统、信息处理传输子系统、过程控制子系统和远程决策控制中心等4 部分.针对物理与信息过程交互的特点,采用自动机理论对物理过程建模并加以验证,以确保整体系统组构的可靠性.该系统的主要部分已经完成部署,实际观测数据表明,其能够有效完成海参养殖的监控功能.系统还具有良好的扩展性,通过与领域专家的深入合作,还可将该系统推广到更广泛的水环境应用领域.     

基于双目视觉的水下海参尺寸自动测量方法

水下捕捞机器人在进行海参捕捞作业时,需要对海参进行精选分级。然而光视觉系统在水中的折射现象严重影响了海参尺寸的精确测量。因此,利用水下双目标定方法,求解水下相机模型参数,消除水下光线折射造成的图像失真,并在此基础上,提出了一种水下海参自动检测与尺寸测量方法。在左目矫正图像上,利用预先训练的YOLOv3海参检测模型,进行海参自动检测和感兴趣区域定位,并利用双目矫正图像构建当前水下场景深度信息。利用融合颜色和场景深度信息的高斯模型,构建新颖的GrabCut-RGBD图像分割方法,在感兴趣区域上分割二维海参目标。利用凸包与旋转卡壳算法,在海参目标图像上寻找最佳尺寸测量点,通过三角测量获取最佳测量点三维坐标,实现海参尺寸的自动测量。实验结果表明,所提方法在0.5～1.5 m范围内平均误差为1.65%,能较好地实现海参尺寸的水下测量。     

基于云服务的水产养殖水质监测系统

为实现对水产养殖中的水质数据实时采集和水质评价及预测,设计了一种基于云服务的水产养殖水质检测系统,采用LoRa时分多址(TDMA)无线技术实现水产养殖中水质信息的多点采集、GPRS无线通信技术和中间件技术实现水质信息的可靠传输和高效处理云服务对数据进行存储和网站管理,智能化程度高、效率高、成本低、能够有效提高对水域环境的监测效率。实验测试表明,PH酸碱度采集数据误差能控制在0.1。     

基于物联网的水产养殖水质实时监测系统

为了实现水产养殖水质的实时监测和信息化管控,以ZigBee、GPRS、智能水质监测传感器等物联网核心技术为手段,设计了一套水产养殖水质实时监测系统,能实时采集水产养殖用水的水位、溶解氧、PH值、温度、视频等参数,并进行分析、展示和反馈控制,从而解决了水产养殖业水质实时监测和管理问题.     

基于物联网和3G技术的智能水产养殖环境监测系统的设计与应用

为了解决传统水产养殖的弊端,本文提出了一种利用物联网技术和3G技术设计实现集智能传感、自动组网、实时处理、机械管理于一体的智能水产养殖环境监测系统设计方案,可以实现对养殖区域水质的溶解氧、pH值、盐度、浊度、氨氮等参数的实时监测.实现了水产养殖的机械化、自动化、智能化和节能化.     

基于视觉感知的海生物吸纳式水下机器人目标捕获控制

针对近海水产养殖环境下海生物目标的机器捕捞,设计了一款海生物吸纳式水下机器人.该水下机器人可以采取手动遥控吸取和视觉伺服控制吸取方式完成对海生物目标的机器捕捞.为了实现基于视觉感知的目标捕获控制,在摄像机平面坐标系上建立了水下机器人和目标之间的运动学关系,并在此基础上提出了自适应递归神经网络控制器.通过设计递归神经网络估计和补偿外界环境干扰,利用S面函数使水下机器人快速到达期望位置并保持稳定,结合递归神经网络和系统动力学模型设计鲁棒函数进一步提高非线性系统在视觉控制中的可靠性和稳定性.最后,在近海自然养殖条件下对海生物进行视觉跟踪控制实验,实现了对海生物目标的主动吸取控制,验证了该控制器的功能.     

大型水族箱智能控制系统设计

文章的目的是实现一种智能化的水族箱控制系统,拥有数据监测、自动净水换水、温度控制以及自动增氧等功能.利用单片机以及传感器技术,结合手机app实现智能化的水族箱管理功能.该系统可以支持多种鱼类养殖,让非专业人士也可以轻松的养殖对环境要求较高的观赏鱼,具有一定的实用价值.     

智能水产养殖管理系统中的物联网关键技术研究

随着5G技术的推进,接入网络的设备将越来越多,5G能为物联网的规模化发展提供更好的支撑,物联网技术及其应用将会深入到人们生活的各个方面。在传统的农业领域尤其是养殖业,养殖人员通常靠自己的经验来判断水库里的水质环境,需要随时防范安全事故的发生,一旦判断错误,将会造成较大的损失。在农业方面,物联网的感知层可以解决水产养殖中的水温、光照、溶氧量、氨氮量、pH值等的监测,也可用于动态图像视频的监控。这为水产养殖提供了科学的管理依据,大大减轻传统养殖的负担,使水产养殖精细化、科学化、智能化。     

基于ZigBee的大水域水质环境监测系统设计

为了提高工厂化水产养殖的智能化水平,提出了基于Zig Bee协议的无线传感器网络（WSNs）的水质监测系统方案。设计了主要水质参数溶解氧、pH值、氨氮传感器的变送器电路,实现了对溶解氧、pH值、温度、氨氮含量等多参数的采集、处理,并通过无线网络传给终端节点,终端节点通过RS—232串口将数据传送给监测中心。测试表明：该系统实时性好,测量误差小,满足大水域水质监测需求。     

水产养殖智能监控网络系统的设计与实现

为了提高水产养殖的工厂化水平,提出基于Profibus现场总线网络控制的智能监控系统。采用现场总线、PLC、传感器、计算机技术对养殖池的溶氧量、pH值、温度、水位等主要环境参数进行自动检测和控制,开发人机界面和数据库系统,实现养殖数据的实时采集、动态监测和处理。经实际应用证明,该系统运行稳定可靠,易于扩展,有效提高了水产养殖的自动化水平和产品品质。     

一种海上养殖网箱的无人巡检方法研究

针对海上养殖网箱人工巡检的成本高、风险大的问题,以海上河鲀养殖网箱监测为应用背景,提出了一种无人化网箱巡检的新方法,该方法利用无人机俯视观测法,并结合日常网箱养殖状态信息,可高效地完成基础养殖数据采集任务。在无人机拍摄的视频数据基础上,提取关键帧,利用卷积神经网络HED(Holistically-nested edge detection )进行边缘检测作为图像预处理,起到降低图像冗余信息,得到清晰网箱边缘信息的作用,在此基础上将边缘图二值化并提取目标区域,提出了相应的自适应阈值选取规则,最后根据改进的Tamura纹理特征对网箱养殖区进行数据有效性的判断。该方法结合深度学习方法与传统图像检测技术,具有较强的环境自适应性和较高的准确性。最终以大连天正实业有限公司大李家红鳍东方鲀养殖场的养殖网箱作为实验对象,海上河豚养殖网箱提取的准确度为97%,信息的有效性判断准确度为97.1。     

基于立体视觉的水下三维测量系统研究

随着我国海洋战略的提出,对于海洋观测技术和装备的需求日趋迫切。针对现有水下成像系统无法实现精确三维测量这一难题,该文提出了一种基于双目立体视觉原理的水下三维测量系统研究方法,并对其可行性进行了验证。针对水下成像过程存在的水体界面折射问题,该文提出了相应的相机成像模型及系统参数标定方法,建立了防水深度达 30 m 的双目水下测量及照明装置,并在水池、近海条件下进行了实地测试。实验结果显示,在水体条件较好的情况下,系统观测距离可达 8 m 以上,有效测量距离为 0.5～4.5 m,在 0.5 m 和 4.5 m 距离处的测量误差分别为 2 mm 和 20 mm。实验验证了 水下双目成像模型、立体标定、测量模型等方法的有效性和精确性,可为水下检修作业等海洋工程行业提供一种有效的三维测量技术手段。     

海洋牧场多参数智能监测系统设计与实现

针对南海水产养殖业特点,设计了一种海洋牧场多参数智能监测系统.选取温度、pH值和浊度作为监测对象,利用单片机收集水下传感器数据,通过低频信号发射模块传输数据,通过ZigBee技术自动组网实现水上数据远程传输,上位机利用LabVIEW图形化编程实现对海水生态参数的实时监测,并提供远程访问功能.外场测试证明:系统具有灵活性好、功耗低、成本低等特点,可以较好地用于海洋牧场水质监测,全面提升海洋牧场的科学化监管和告警等管理.     

一种水下运动物体三维轨迹视觉测量方法

针对海洋工程中采用的设备深海悬垂法安装过程,采用多摄像头视频运动分析方 法计算水下三维运动轨迹可用于指导海洋工程的结构安装和分析设备水下运动特征。水下视频 和图像的处理获取面临着诸多挑战,首先由于水下环境悬浮物和颗粒较多,光在水下发生了散 射,使水下图像发生了退化;其次水下视频运动分析遇到的一个主要障碍是光线的折射引起的 图像误差。由于光在水、玻璃、空气不同介质间发生折射,光路发生弯曲,陆地上的摄像机成 像模型在水中不再适用,需要提出新的水下摄像机成像模型。本文引入带光线折射的水下摄像 机成像模型,研究水下摄像机的内参数和外参数标定方法,利用固定布置的 3 个水下摄像机拍 摄的目标水下运动视频来计算水下目标的轨迹。该方法适用于水池环境下水下物体大范围运动, 可以得到较为精确的轨迹,并得到了实验验证。     

基于MEC-BP神经网络在水产养殖水质预测中的应用

溶解氧作为水产养殖中最为重要且最容易控制的水质参数,其关系到养殖的成败,如果能精确掌握溶解氧的变化规律,可大大降低养殖风险,增加养殖成功率。本文综合考虑相关水质参数,建立BP神经网络水质预测模型,并在此基础上,构建基于思维进化算法(Mind Evolutionary Computation,MEC)的BP神经网络水质预测模型,通过对广西茅尾海海域的水质历史数据进行仿真实验,结果表明,思维进化BP神经网络预测值的精确度和准确度要高于BP神经网络。因此,将该算法应用于水产养殖水质预测是可行的。