人工智能在漁業(yè)生產(chǎn)中的研究與應(yīng)用

人工智能在漁業(yè)生產(chǎn)中的研究與應(yīng)用主要內(nèi)容人工智能與現(xiàn)代漁業(yè)智能漁業(yè)關(guān)鍵技術(shù)研究智能漁業(yè)典型應(yīng)用3200多年前的殷代“貞其雨、在圃漁”公元前460年（春秋戰(zhàn)國(guó)）--范蠡.《養(yǎng)魚經(jīng)》公元前206～（三國(guó)）--稻田養(yǎng)魚公元618～（唐朝）--混和養(yǎng)魚公元1368～（明朝）--魚池建設(shè)、魚種搭配、餌料投喂、魚病防治、?；鶟O業(yè)公元1644～（清朝）--魚苗生產(chǎn)、運(yùn)輸?shù)?958年—人工繁殖成功1960年—八字精養(yǎng)法—混養(yǎng)1978年（獲獎(jiǎng)）—增氧機(jī)發(fā)明80年代—顆粒飼料應(yīng)用2000年，循環(huán)水養(yǎng)殖2010年，物聯(lián)網(wǎng)技術(shù)2019年，深遠(yuǎn)海養(yǎng)殖平臺(tái)“深藍(lán)一號(hào)”人工智能與現(xiàn)代漁業(yè)對(duì)保障國(guó)家食物安全發(fā)揮了重大作用世界第一

發(fā)展迅速世界水產(chǎn)品總產(chǎn)量6663萬噸35%65%中國(guó)其他國(guó)家數(shù)據(jù)來源：FAO[2014]1/3動(dòng)物蛋白數(shù)據(jù)來源：中國(guó)統(tǒng)計(jì)年鑒單位：萬噸人工智能與現(xiàn)代漁業(yè)人工智能與現(xiàn)代漁業(yè)勞動(dòng)生產(chǎn)率低人工智能與現(xiàn)代漁業(yè)勞動(dòng)力成本大幅提升、老齡化嚴(yán)重誰來養(yǎng)魚？勞動(dòng)力成本占70%勞動(dòng)力年齡50-60歲

農(nóng)村老齡化有加大趨勢(shì)敢問水產(chǎn)路在何方？資源節(jié)約產(chǎn)出高效環(huán)境友好產(chǎn)品安全·

裝備化數(shù)字化網(wǎng)絡(luò)化智能化無人化轉(zhuǎn)型升級(jí)人工智能與現(xiàn)代漁業(yè)現(xiàn)代漁業(yè)需要智能信息化技術(shù)的支撐·養(yǎng)殖環(huán)境信息的全面感知·養(yǎng)殖個(gè)體行為的實(shí)時(shí)監(jiān)測(cè)與量化分析·裝備工作狀態(tài)的實(shí)施監(jiān)控·現(xiàn)場(chǎng)作業(yè)的智能自動(dòng)化操作人工智能與現(xiàn)代漁業(yè)人工智能與現(xiàn)代漁業(yè)主要內(nèi)容人工智能與現(xiàn)代漁業(yè)智能漁業(yè)關(guān)鍵技術(shù)研究智能漁業(yè)典型應(yīng)用智能漁業(yè)關(guān)鍵技術(shù)研究利用人工智能技術(shù)、物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)技術(shù)，通過數(shù)據(jù)采集，數(shù)據(jù)傳輸，數(shù)據(jù)處理和自動(dòng)控制來實(shí)現(xiàn)的漁業(yè)智能生產(chǎn)。數(shù)據(jù)傳輸數(shù)據(jù)處理作業(yè)控制數(shù)據(jù)采集利用傳感技術(shù)采集環(huán)境信息和魚類生長(zhǎng)信息利用5G實(shí)現(xiàn)作物及環(huán)境信息傳輸?shù)教幚砟K基于智能算法對(duì)接受到數(shù)據(jù)進(jìn)行分析與處理利用對(duì)處理后的農(nóng)業(yè)數(shù)據(jù)進(jìn)行智能裝備自主作業(yè)智能漁業(yè)關(guān)鍵技術(shù)研究水產(chǎn)養(yǎng)殖信息的快速全方位獲取是實(shí)現(xiàn)水、餌、裝備高效管理和精準(zhǔn)作業(yè)的前提和基礎(chǔ)。低成本、靈活、精度高、點(diǎn)測(cè)量、效率低、成本高無人機(jī)主動(dòng)、高效、載荷有限、作業(yè)面積有限地面衛(wèi)星遙感效率高、覆蓋廣周期性限制、云霧影響大、分辨率低智能漁業(yè)關(guān)鍵技術(shù)研究水產(chǎn)養(yǎng)殖水質(zhì)傳感器精度受多重因素影響，通過構(gòu)建溫度、鹽度、溶解氧、pH、氨氮等多參數(shù)的智能補(bǔ)償與校正算法，提高檢測(cè)精度。智能漁業(yè)關(guān)鍵技術(shù)研究Zigbee

+

NBIoT

+5G+北斗技術(shù)智能漁業(yè)關(guān)鍵技術(shù)研究DecomposingmaterialsLow

dissolvedoxygen

(cool)·養(yǎng)殖水質(zhì)實(shí)時(shí)在線預(yù)測(cè)、預(yù)警與智能控制模型High

dissolvedoxygen

(warm)養(yǎng)殖水質(zhì)時(shí)空預(yù)測(cè)模型從水質(zhì)監(jiān)測(cè)記錄中提取歷史水質(zhì)參數(shù)時(shí)間數(shù)據(jù)，預(yù)設(shè)多個(gè)傳感器采集的當(dāng)前水質(zhì)參數(shù)空間數(shù)據(jù)。基于深度學(xué)習(xí)的方法構(gòu)建網(wǎng)絡(luò)預(yù)測(cè)模型，實(shí)現(xiàn)養(yǎng)殖水質(zhì)的時(shí)空預(yù)測(cè)。16增氧量增氧時(shí)間水溫溶解氧嵌入式終端云端預(yù)測(cè)溶氧智能控制系統(tǒng)傳感器控制柜增氧養(yǎng)殖水體環(huán)境數(shù)據(jù)上傳指令下發(fā)預(yù)測(cè)控制模型量化水產(chǎn)養(yǎng)殖水體環(huán)境中水質(zhì)數(shù)據(jù)的關(guān)鍵指標(biāo)，融合實(shí)時(shí)水質(zhì)數(shù)據(jù)和智能控制策略，構(gòu)建了基于嵌入式控制算法的智能增氧控制系統(tǒng)。數(shù)據(jù)分段數(shù)據(jù)預(yù)處理發(fā)現(xiàn)故障循環(huán)水養(yǎng)殖設(shè)備故障診斷模型加速度傳感器測(cè)電機(jī)振動(dòng)信號(hào)判斷類型基于數(shù)據(jù)驅(qū)動(dòng)的診斷模型從原始振動(dòng)數(shù)據(jù)中提取判別和不變特征，通過該模型獲得循環(huán)數(shù)養(yǎng)殖設(shè)備故障診斷結(jié)果，故障分類準(zhǔn)確率高，可以及時(shí)發(fā)現(xiàn)故障，提高了養(yǎng)殖生產(chǎn)的安全系數(shù)。專家知識(shí)庫 故障診斷實(shí)時(shí)數(shù)據(jù)水下圖像清晰化研究構(gòu)建基于深度學(xué)習(xí)的水下圖像增強(qiáng)模型，實(shí)現(xiàn)海洋漁業(yè)圖像顏色校正、霧化去除、噪聲去除及紋理細(xì)節(jié)恢復(fù)，為后期海洋漁業(yè)目標(biāo)檢測(cè)、識(shí)

別、疾病判斷等提供幫助。光氧脅迫下魚類行為模型結(jié)合不同光照、溶氧濃度，融合實(shí)時(shí)水質(zhì)數(shù)據(jù)和魚類行為知識(shí)庫，構(gòu)建了基于魚類行為和環(huán)境指標(biāo)的養(yǎng)殖水質(zhì)調(diào)控模型。魚類異常行為分析模型21不同軌跡代表的行為；與最適宜環(huán)境相比，不同行為的變化；通過計(jì)算機(jī)視覺相關(guān)方法獲取三文魚的游泳速度、軌跡等指標(biāo)，并根據(jù)這些指標(biāo)，研究不同光照強(qiáng)度、光色條件下，分析三文魚的異常行為。魚類生物量估測(cè)模型單目視頻雙目視頻單雙目視頻信息獲取

生物量估測(cè)長(zhǎng)度重量應(yīng)用投喂量調(diào)節(jié)養(yǎng)殖密度監(jiān)控時(shí)間密度建立養(yǎng)殖魚類目標(biāo)檢測(cè)計(jì)數(shù)數(shù)據(jù)集，構(gòu)建基于深度學(xué)習(xí)的魚類計(jì)數(shù)模型，結(jié)合雙目視覺與魚類體長(zhǎng)-重量預(yù)測(cè)模型，構(gòu)建基于三維重建的魚類重量估測(cè)模型，實(shí)現(xiàn)養(yǎng)殖環(huán)境下魚類生物量的估測(cè)。基于魚類行為分析的餌料投喂模型數(shù)據(jù)采集數(shù)據(jù)處理分析模型構(gòu)建魚類正常狀態(tài)數(shù)據(jù)魚類攝食數(shù)據(jù)圖像分割速度聚集程度殘餌量多種數(shù)據(jù)量化值網(wǎng)絡(luò)參數(shù)與優(yōu)化模型準(zhǔn)確率構(gòu)建魚類實(shí)際需求的餌料投喂模型模型復(fù)雜度魚類飽食數(shù)據(jù)建立魚類攝食數(shù)據(jù)集，通過魚類運(yùn)動(dòng)速度、聚集程度和殘餌檢測(cè)等量化魚類實(shí)際攝食需求，進(jìn)而衡量魚類投喂程度，構(gòu)建基于魚類實(shí)際需求的餌料投喂模型，實(shí)現(xiàn)魚類的精準(zhǔn)化投喂。水產(chǎn)物聯(lián)網(wǎng)云平臺(tái)分析整理從終端上傳的養(yǎng)殖數(shù)據(jù)，并在云端部署深度學(xué)習(xí)模型，建立平臺(tái)數(shù)據(jù)庫和專家知識(shí)庫，結(jié)合前端vue框架進(jìn)行可視化，構(gòu)建以養(yǎng)殖數(shù)據(jù)管理分析為中心的水產(chǎn)養(yǎng)殖云服務(wù)平臺(tái)。水下機(jī)器人運(yùn)動(dòng)姿態(tài)控制通過路徑規(guī)劃設(shè)定期望路徑，融合多傳感器完成水下機(jī)器人的實(shí)時(shí)定位，完成路徑的跟蹤控制，從而達(dá)到網(wǎng)衣自動(dòng)巡檢。定位時(shí)融合IMU、DVL、GPS和深度傳感器輸出速度、位置、姿態(tài)信息，同時(shí)確定網(wǎng)衣破損位置，便于后期維護(hù)。水下機(jī)器人運(yùn)動(dòng)姿態(tài)控制模型26運(yùn)動(dòng)姿態(tài)控制模型姿態(tài)角的控制與分析對(duì)水下機(jī)器人航線角進(jìn)行控制，為水下機(jī)器人進(jìn)行圍網(wǎng)清洗與巡檢、實(shí)時(shí)動(dòng)態(tài)水質(zhì)檢測(cè)等任務(wù)做基礎(chǔ)的運(yùn)動(dòng)控制工作?；谒聶C(jī)器人的網(wǎng)衣檢測(cè)27·實(shí)現(xiàn)基于成像尺寸變化的水下單目視覺測(cè)距，通過以下步驟獲得水下機(jī)器人和網(wǎng)衣的相對(duì)距離，結(jié)合水深傳感器和運(yùn)動(dòng)路線獲取機(jī)器人的大體定位?；谒聶C(jī)器人的網(wǎng)衣檢測(cè)28主要內(nèi)容人工智能與現(xiàn)代漁業(yè)智能漁業(yè)關(guān)鍵技術(shù)研究智能漁業(yè)典型應(yīng)用30陸基工廠化循環(huán)水養(yǎng)殖智能化測(cè)控31池塘養(yǎng)殖智能化測(cè)控大圍網(wǎng)智能養(yǎng)殖系統(tǒng)大圍網(wǎng)智能養(yǎng)殖系統(tǒng)智能網(wǎng)箱養(yǎng)殖系統(tǒng)

“海洋漁場(chǎng)1號(hào)”直徑110米、周長(zhǎng)346m、高69米，養(yǎng)殖水體25萬立方米抗12級(jí)臺(tái)風(fēng)