基于鱼类生长预测模型的养殖系统、方法及养殖设备与流程

本发明涉及智慧养殖，具体涉及一种基于鱼类生长预测模型的养殖系统、方法及养殖设备。

背景技术：

1、水产养殖业作为我国农业经济的重要组成部分，近年来呈现出规模化、集约化的发展趋势。然而，传统淡水池塘养殖模式仍以人工巡塘、经验判断为主要管理手段，面临诸多技术瓶颈。

2、在水质监测方面，养殖人员通常采用定时取样、实验室检测的方式获取水质参数，存在监测频率低、响应滞后的局限性，难以实时掌握水质变化动态；

3、在风险预警方面，由于缺乏连续性的数据积累与智能分析能力，无法对水质恶化趋势进行预判，往往在鱼类已出现缺氧浮头、氨氮中毒等症状后才采取措施，错失最佳调控时机；

4、在日常管理方面，饲料投喂量主要依赖经验设定，缺乏基于鱼群摄食状态与水体环境因子的动态调整机制，容易造成饲料浪费与水质污染。

5、随着物联网、云计算与人工智能技术的快速发展，水产养殖智能化升级成为行业趋势。现有技术中已出现部分水质监测设备，能够实现溶解氧、ph值等基本参数的在线采集，但在多参数协同监测、预警模型精准度、控制系统联动能力等方面仍存在不足。具体而言，现有的水质监测系统多局限于单参数阈值报警，未能建立水质参数与鱼类生长状态之间的定量关联模型；在控制层面，监测系统与增氧机、投料机等设备的联动控制逻辑较为简单，通常采用固定阈值触发方式，缺乏基于环境动态变化的自适应调节能力，导致增氧机频繁启停或投喂策略与实际需求不匹配等问题。此外，现有系统多针对单一池塘设计，在多池塘集群化管理、数据溯源与决策支持方面的功能较为薄弱，难以满足规模化养殖场对全流程信息化管理的需求。

技术实现思路

1、针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种基于鱼类生长预测模型的养殖系统、方法及养殖设备，有效的解决了现有的水产养殖不能基于鱼群生长进行动态调节以及现有的系统不适用多池塘集群化管理的问题。

2、本发明解决技术问题的技术方案是，一种基于鱼类生长预测模型的养殖系统，应用于鱼类养殖设备，包括：水质传感器阵列，被配置为部署于养殖池塘中，用于实时采集水质参数数据；数据采集模块，与所述水质传感器阵列通信连接，被配置为执行以下步骤：在预设采集周期到达时，获取所述水质传感器阵列采集的水质参数数据；基于所述水质参数数据、预设的水质阈值范围及预设的水质评估模型，对所述水质参数数据进行异常检测与等级判定，得到水质评估结果；基于所述水质评估结果、当前养殖状态信息及预设的智能调控模型，生成对应的设备控制指令；将所述设备控制指令发送至目标养殖设备，以使所述目标养殖设备执行对应的调控操作。

3、在一些实施例中，所述水质传感器阵列包括：溶解氧传感器，用于采集养殖水体中的溶解氧浓度数据；ph传感器，用于采集养殖水体的酸碱度数据；水温传感器，用于采集养殖水体的温度数据；氨氮传感器，用于采集养殖水体中的氨氮浓度数据；亚硝酸盐传感器，用于采集养殖水体中的亚硝酸盐浓度数据。

4、在一些实施例中，基于所述水质参数数据、预设的水质阈值范围及预设的水质评估模型，对所述水质参数数据进行异常检测与等级判定，得到水质评估结果，包括：判断各水质参数是否超出对应的安全阈值范围；若任一水质参数超出安全阈值范围，则根据超出的幅度确定风险等级，所述风险等级包括低风险、中风险和高风险；根据各水质参数的超标情况生成综合水质评估结果。

5、在一些实施例中，基于所述水质评估结果、当前养殖状态信息及预设的智能调控模型，生成对应的设备控制指令，包括：当所述水质评估结果指示溶解氧浓度低于第一预设阈值时，生成增氧机启动指令；当所述水质评估结果指示溶解氧浓度高于第二预设阈值时，生成增氧机关闭指令；当所述水质评估结果指示氨氮浓度高于第三预设阈值时，生成水泵启动指令或换水指令；当所述水质评估结果指示ph值偏离正常范围时，生成ph调节装置启动指令。

6、在一些实施例中，所述智能调控模型包括鱼类生长周期预测模型、投喂优化模型和增氧机节能控制模型。

7、在一些实施例中，所述鱼类生长周期预测模型基于以下公式建立：

8、

9、其中，为特定生长率，为最适环境下的最大特定生长率，为水温适宜度函数，为实测水温，为溶解氧适宜度函数，为实测溶解氧浓度，为ph适宜度函数，为实测酸碱度，为非离子氨抑制函数，为实测非离子氨浓度，为亚硝酸盐抑制函数，为实测亚硝酸盐浓度。

10、在一些实施例中，所述水温适宜度函数采用高斯型函数：

11、

12、其中，为最适生长温度，为温度耐受宽度，和为生存温度界限。

13、在一些实施例中，所述溶解氧适宜度函数采用米氏函数修正形式：

14、

15、其中，为维持生长的最低溶氧，为半饱和常数。

16、在一些实施例中，基于所述投喂优化模型生成投喂计划，包括：根据鱼群总生物量、当前水温及水质胁迫系数计算基础投喂率；根据鱼群实时摄食活跃度对基础投喂率进行动态修正；根据修正后的投喂率确定单餐投喂量。

17、在一些实施例中，所述投喂优化模型的基础投喂率计算公式为：

18、

19、其中，为基础日投喂率，为鱼群平均体重，为水温，、、为与鱼种相关的经验参数。

20、在一些实施例中，所述投喂优化模型的摄食活跃度指数计算公式为：

21、

22、其中，为摄食活跃度指数，为实时摄食活跃特征值，和分别为养殖周期内记录的历史最大和最小特征值。

23、在一些实施例中，基于所述增氧机节能控制模型生成增氧机控制指令，包括：根据溶解氧动态方程预测未来时段的溶解氧变化趋势；采用死区增量式pi控制器计算增氧机的目标运行频率；根据所述目标运行频率生成变频控制指令。

24、在一些实施例中，所述溶解氧动态方程为：

25、

26、其中，为当前溶解氧浓度，为饱和溶解氧浓度，为与增氧机频率相关的氧传质系数，为鱼群呼吸耗氧率，为底泥耗氧率。

27、在一些实施例中，所述增氧机频率与功耗的关系满足：

28、

29、其中，为频率对应的功率，为额定功率，为额定频率。

30、在一些实施例中，所述增氧机节能控制算法的频率增量计算公式为：

31、

32、其中，为第时刻的溶解氧偏差，为死区阈值，和分别为比例系数和积分系数。

33、在一些实施例中，还包括数据溯源模块，被配置为：采集并存储鱼苗投放记录、水质历史数据、投喂记录、用药记录及捕捞产量数据；根据所述存储的数据生成养殖全流程电子档案；基于所述电子档案进行大数据分析，生成养殖优化建议。

34、在一些实施例中，还包括能耗分析模块，被配置为：统计各养殖设备的运行时长和能耗数据；识别高耗能时段和高耗能设备；生成能耗优化策略并推送至用户终端。

35、本技术实施例第二方面，提供了一种智慧水产养殖管控方法，应用于本技术实施例第一方面所述的智慧水产养殖管控系统中的数据采集模块，所述管控方法包括：在预设采集周期到达时，获取水质传感器阵列采集的水质参数数据；基于所述水质参数数据、预设的水质阈值范围及预设的水质评估模型，对所述水质参数数据进行异常检测与等级判定，得到水质评估结果；基于所述水质评估结果、当前养殖状态信息及预设的智能调控模型，生成对应的设备控制指令；将所述设备控制指令发送至目标养殖设备，以使所述目标养殖设备执行对应的调控操作。

36、在一些实施例中，所述管控方法还包括：根据鱼类生长周期预测模型，结合实时水质参数预测鱼体体重增长趋势；在预测结果达到预设上市规格时，生成上市提醒信息。

37、在一些实施例中，所述管控方法还包括：根据投喂优化模型，结合鱼群摄食活跃度动态调整投喂策略；在检测到鱼群饱食信号时，自动停止投喂操作。

38、在一些实施例中，所述管控方法还包括：根据增氧机节能控制模型，采用变频调速方式控制增氧机运行；在溶解氧浓度处于目标区间时，通过pi控制器缓慢调节运行频率以降低能耗。

39、本发明的有益效果为：

40、本发明通过部署于养殖池塘中的水质传感器阵列实时采集水质参数数据，并基于智能调控模型生成设备控制指令，实现了养殖水质的全天候感知与智能分析。

41、本发明能够联动增氧机、水泵、投料机、投药机等设备，从发现问题到解决问题形成全养殖流程闭环管理，有效解决了传统养殖模式下监测频率低、响应滞后、预警不精准的问题。

42、本发明中鱼类生长周期预测模型综合考虑水温、溶解氧、ph值、氨氮及亚硝酸盐等多因素对鱼类生长的影响，实现了生长周期的科学预测。投喂优化模型结合鱼群实时摄食活跃度动态调整投喂量，显著提高了饲料转化率。