基于数学孪生的网箱网衣破损检测方法、装置及存储介质与流程

1.本发明涉及水产养殖工程和海洋工程防灾减灾技术领域，尤其涉及基于数学孪生技术的网箱网衣破损检测方法、装置及存储介质。


背景技术：

2.网衣(或称渔网)是渔业养殖设施的重要组成部分，作为一种复杂的柔性结构，在海况恶劣的深远海环境中极易发生破坏，若未及时发现，会对水产养殖业造成经济损失，因此网衣破损检测是发展深远海渔业养殖的关键技术之一。
3.目前，检测渔网破损的方法主要是工作人员潜入水中进行人工检查，此外，国内外学者主要提出了三种相对较新的方法：一是埋线探测法，该方法通过金属导线的通断检测网衣的破损，当网衣破损时，金属线会与海水形成闭合回路，触动警报装置，并报告网箱编号及网衣编号；二是声呐检测法，该方法的工作原理是当网衣系统发生破损有鱼群逃逸时，网箱内外的声波图像会有明显差异；三是图像分析法，该方法是将水下摄像机安装在auv/rov上进行图像采集，检测网衣是否发生破损。
4.人工检查这种方法劳动强度大且效率低下；埋线探测法需要在网衣周围安装金属线，这会增加网衣的负荷，容易造成疲劳损伤，从而缩短网衣使用寿命；声呐检测法无法确定破损位置及其破损程度，同时如果有鱼群围绕网箱周围游动，声呐也会检测出破损状况，导致检测结果的不准确；图像分析法对摄像头的像素质量以及水体浑浊程度有极高的要求，不易判断处在浑浊水质中的网衣是否破损。


技术实现要素：

5.为了实现渔网的实时破损监测且节约人力成本、提高检测效率、克服网衣自身或环境干扰的限制，本发明的发明目的是提供基于数学孪生技术的网箱网衣破损检测方法、装置及存储介质。
6.为此，本发明提供了以下技术方案：
7.一方面，本发明提供了一种基于数字孪生技术的网箱网衣破损检测方法，包括：
8.获取渔网的纲绳上安装的拉力传感器检测出的拉力数据；
9.将所述拉力数据输入预先构建的网衣数字孪生体，得到网衣数字孪生体输出的网衣破损识别结果；
10.其中，预先构建网衣数字孪生体包括：
11.根据待检测网箱网衣的尺寸建立等效网衣数值模型，并模拟渔网完整和破损时的动态响应；
12.根据渔网所处环境，结合多种波浪范围以及预先设计的不同海况环境下发生的网衣破损情况，利用所述网衣数值模型进行纲绳的拉力仿真模拟，得到仿真数据集；
13.建立人工神经网络破损识别模型并利用所述仿真数据集对所述人工神经网络破损识别模型进行网衣破损识别训练；
14.训练好的人工神经网络破损识别模型构成网衣数字孪生体。
15.进一步地，所述人工神经网络模型使用bp神经网络。
16.进一步地，所述bp神经网络的结构数设置为3层，包括输入层、隐藏层和输出层，隐藏层神经元个数设置为9个。
17.进一步地，利用所述仿真数据集对所述人工神经网络破损识别模型进行网衣破损识别训练，包括：
18.采用误差反向传播的训练方法，将有效波高hs、谱峰周期tp以及横纲竖纲的拉力值这4个值作为输入，将网衣完整状态以及破损状态作为输出。
19.进一步地，渔网的纲绳上安装的拉力传感器，包括：分别在网衣的横向纲绳和纵向纲绳上每间隔一根纲绳，布置一个拉力传感器。
20.进一步地，所述拉力传感器的量程范围为10-1000n。
21.进一步地，还包括：在网箱迎浪侧安装波潮仪采集波浪参数，将所述波浪参数实时输入到所述网衣数字孪生体，所述网衣数字孪生体根据所述波浪参数和所述拉力数据判断网衣是否发生破损。
22.又一方面，本发明还提供了一种基于数字孪生技术的网箱网衣破损检测装置，包括：
23.网衣数字孪生体构建单元，用于预先构建网衣数字孪生体；
24.拉力检测单元，用于获取渔网的纲绳上安装的拉力传感器检测出的拉力数据；
25.网衣破损识别单元，用于将所述拉力检测单元检测出的拉力数据输入所述网衣数字孪生体构建单元构建的网衣数字孪生体，得到网衣数字孪生体输出的网衣破损识别结果；
26.其中，所述网衣数字孪生体构建单元包括：
27.网衣数值模型建立子单元，用于根据待检测网箱网衣的尺寸建立等效网衣数值模型，并模拟渔网完整和破损时的动态响应；
28.模拟仿真子单元，用于根据渔网所处环境，结合多种波浪范围以及预先设计的不同海况环境下发生的网衣破损情况，利用所述网衣数值模型进行纲绳的拉力仿真模拟，得到仿真数据集；
29.训练子单元，用于建立人工神经网络破损识别模型并利用所述仿真数据集对所述人工神经网络破损识别模型进行网衣破损识别训练；训练好的人工神经网络破损识别模型构成网衣数字孪生体。
30.又一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机指令集，计算机指令集被处理器执行时实现上述基于数学孪生技术的网箱网衣破损检测方法。
31.本发明的优点和积极效果：
32.(1)本发明可用于复杂海况下平面渔网的破损检测，可对渔网进行实时监测，根据拉力传感数据快速判断渔网是否发生破损，且可根据拉力传感数据评估破损程度，判断破损位置；
33.(2)本发明利用安装在渔网纲绳上的拉力传感器对渔网进行实时监测，传感器不会增加渔网的负荷而影响渔网使用寿命，传感器受水质的影响很小，受到渔网本身以及环
境因素的干扰较小；
34.(3)本发明计算效率高，可在输入传感数据以及海况参数后，1秒钟内输出渔网的状态，判断渔网是否发生破损，可及时发现渔网破损位置，并做出警报，以便及时做出补救措施，降低因渔网破损带来的经济损失。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
36.图1为本发明实施例中一种基于数学孪生技术的网箱网衣破损检测方法的流程图；
37.图2为本发明实施例中一种柔性渔网破损检测的神经网络结构图。
具体实施方式
38.为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
39.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
40.本发明提供了一种基于数学孪生技术的网箱网衣破损检测方法，该方法是利用数值模拟和人工神经网络相结合的方法来开发用于网衣破损检测的数字孪生体，识别模型可根据环境参数和传感数据进行快速破损识别。首先利用渔网的等效数值模型模拟渔网的完整和破损的情况来获取大量的仿真传感数据，然后将这些数据用于人工神经网络的训练，人工神经网络可根据不同的仿真传感信号进行网衣是否发生破损的识别，最后，根据现实的传感数据，识别模型可以迅速识别网衣是否发生破损。
41.如图1所示，其示出了本发明实施例中一种基于数字孪生技术的网箱网衣破损检测方法的整体框架，包括构建阶段和实时监测阶段。在构建阶段，建立数字孪生体，首先建立网衣数值模型并考虑各种波浪条件模拟获得数值传感器信号，其次建立人工神经网络算法进行网衣破损识别训练，最后由仿真数据训练得到的人工神经网络破损识别模型构成了网衣的数字孪生体。在实时监测阶段，根据网衣物理实体产生的实时传感数据，数字孪生体可以快速识别网衣是否发生破损。
42.一、网衣数值模拟
43.根据所要检测网箱网衣的尺寸建立等效网衣数值模型，并模拟渔网完整和破损时的动态响应。根据渔网所在环境，选择合适的波浪范围进行仿真模拟，收集纲绳的拉力仿真数据集作为训练人工神经网络的训练集。在用于检测之前，先设计出渔网在不同海况环境下可能发生的破损情形，并进行仿真模拟，由此获得大量的仿真传感数据是网衣检测关键技术的第一步。
44.二、数字孪生体
45.采用人工神经网络的方法来建立用于网衣破损识别的数字孪生体。人工神经网络模型使用bp神经网络。人工神经网络采用误差反向传播的训练方法，将有效波高hs、谱峰周期tp以及横纲竖纲的拉力值这4个值作为输入，将网衣完整状态以及破损状态作为输出，分别标记为(1,0)，(0,1)。有文献指出，有一层神经元数量有限的隐藏层的神经网络即可逼近任何函数，所以神经网络的结构数设置为3层，隐藏层神经元个数可根据公式m＝2n 1来确定，所以设置为9个，神经网络结构如图2所示。在相同环境下，网衣的完整状态和破损状态所得到的拉力传感数据具有差别，利用由基于人工神经网络开发得到的数字孪生体可以很好地对其进行分类，因此可以构建出能进行网衣破损识别的数字孪生模型。利用大量仿真数据训练获得识别模型是网衣检测关键技术的第二步。
46.三、实时监测
47.采用拉力传感器对网箱网衣纲绳上的拉力进行实时监测，通过大量研究分析，网衣所受的波流荷载会传递到纲绳上，因此本发明提供的方法只需在渔网的纲绳上安装拉力传感器。为了减少传感器的使用数量，同时保障测量精度，在具体实施中，可以分别在网衣的横向纲绳和纵向纲绳上每间隔一根纲绳，布置一个传感器，从而形成拉力传感数据监测网络。根据纲绳的间距大小，传感器的量程范围可选用10-1000n；另外在网箱迎浪侧安装波潮仪采集波浪参数，将收集的波波和波浪周期实时输入到数字孪生体，数字孪生体将会根据波浪参数和传感器拉力数据快速判断网衣是否发生破损。
48.基于数字孪生技术的检测方法只需要在渔网的纲绳上安装拉力传感器就可以对渔网进行实时监测。安装在纲绳上的传感器不会增加渔网的负荷而减少渔网寿命，与摄像机相比，水质对传感器的影响也较小，传感器能代替人工对渔网进行高效监测。
49.为了便于理解，下面以一具体实例对上述一种基于数字孪生技术的网衣破损检测新方法进行具体说明。
50.首先在波浪试验水槽中进行物理模型试验，用于破损检测的渔网尺寸为宽0.76m，高0.76m，网线直径为3mm，网孔大小为20mm*20mm。针对该渔网进行等效数值模拟，选择合适的环境条件，根据模型比尺1:10进行缩放，即有效波高(hs)为0.1m，0.2m，0.3m，谱峰周期(tp)为1.0s，2.0s，3.0s，训练样本数据由有效波高和谱峰周期两两组合得到的9组海况组成，采集仿真拉力传感数据并训练人工神经网络得到用于网衣破损检测的数字孪生体。
51.波浪水槽制造有效波高hs为0.1-0.3m，谱峰周期tp为1.0s-3.0s范围内的波浪，收集拉力传感数据，将数据输入到数字孪生体，经过测试分析，该数字孪生识别模型根据传感器数据识别网衣是否破损的平均准确率为94％以上，这可认为数字孪生技术能准确检测到渔网的损坏，可以作为网衣破损检测的一种新方法。
52.对应上述实施例中的一种基于数字孪生技术的网箱网衣破损检测方法，本发明还
提供了一种基于数字孪生技术的网箱网衣破损检测装置，该装置包括：
53.网衣数字孪生体构建单元，用于预先构建网衣数字孪生体；
54.拉力检测单元，用于获取渔网的纲绳上安装的拉力传感器检测出的拉力数据；
55.网衣破损识别单元，用于将所述拉力检测单元检测出的拉力数据输入所述网衣数字孪生体构建单元构建的网衣数字孪生体，得到网衣数字孪生体输出的网衣破损识别结果；
56.其中，所述网衣数字孪生体构建单元包括：
57.网衣数值模型建立子单元，用于根据待检测网箱网衣的尺寸建立等效网衣数值模型，并模拟渔网完整和破损时的动态响应；
58.模拟仿真子单元，用于根据渔网所处环境，结合多种波浪范围以及预先设计的不同海况环境下发生的网衣破损情况，利用所述网衣数值模型进行纲绳的拉力仿真模拟，得到仿真数据集；
59.训练子单元，用于建立人工神经网络破损识别模型并利用所述仿真数据集对所述人工神经网络破损识别模型进行网衣破损识别训练；训练好的人工神经网络破损识别模型构成网衣数字孪生体。
60.对于本发明实施例的一种基于数字孪生技术的网箱网衣破损检测装置而言，由于其与上面实施例中的一种基于数字孪生技术的网箱网衣破损检测方法相对应，所以描述的比较简单，相关相似之处请参见上面实施例中一种基于数字孪生技术的网箱网衣破损检测方法部分的说明即可，此处不再详述。
61.本发明实施例还公开了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机指令集，计算机指令集被处理器执行时实现如上文任一实施例所提供的基于数学孪生技术的网箱网衣破损检测方法。
62.在本发明所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
63.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
64.另外，在本发明各个实施例中的各功能单元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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
65.所述集成的单元如果以软件功能单元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，本发明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全部或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(可为个人计算机、服务器或者网络设备等)执行本发明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、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
66.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。