本發(fā)明涉及水產養(yǎng)殖與水培農業(yè)監(jiān)控，特別是涉及一種青蝦與水培韭菜協(xié)同生態(tài)養(yǎng)殖環(huán)境監(jiān)控方法及系統(tǒng)。

背景技術：

1、近年來，水產養(yǎng)殖業(yè)和水培農業(yè)逐漸受到重視，尤其是青蝦養(yǎng)殖與水培作物的結合，提高了資源的利用效率，形成了協(xié)同生態(tài)養(yǎng)殖模式?，F(xiàn)有的技術主要集中在各個養(yǎng)殖模式的單獨監(jiān)控與管理上，例如水質監(jiān)測、營養(yǎng)供給和病害防治等方面，缺乏針對青蝦與水培韭菜協(xié)同生態(tài)系統(tǒng)的綜合監(jiān)控方法。

2、在已有的文獻和專利中，例如公開號為cn112293319a的發(fā)明專利中，提出了調節(jié)水體的水域生態(tài)環(huán)境的沼蝦養(yǎng)殖方法，但未考慮水培作物的生長需求；而在cn115989796b的發(fā)明專利中，雖提到水培作物的營養(yǎng)監(jiān)測，但該方案主要集中在氮營養(yǎng)的調控，雖然已經考慮了水體中的氮濃度影響，但對其他可能對生長產生重要影響的參數(shù)(如溫度、ph、氧含量等)的監(jiān)測和調節(jié)考慮較少，從而可能影響整體養(yǎng)殖效率。

3、綜上，現(xiàn)有技術無法有效整合水產養(yǎng)殖與水培農業(yè)的監(jiān)控需求，導致資源浪費與生態(tài)失衡。因此，亟需一種新型的協(xié)同生態(tài)養(yǎng)殖環(huán)境監(jiān)控方法，能夠同時滿足青蝦和水培韭菜的生長需求，并有效監(jiān)測和控制養(yǎng)殖環(huán)境。

技術實現(xiàn)思路

1、為了克服現(xiàn)有技術的不足，本發(fā)明的目的是提供一種青蝦與水培韭菜協(xié)同生態(tài)養(yǎng)殖環(huán)境監(jiān)控方法及系統(tǒng)，不僅有助于提升青蝦與水培韭菜的聯(lián)合養(yǎng)殖效果，還有助于推動生態(tài)農業(yè)向智能化、可持續(xù)化方向發(fā)展。通過科學的監(jiān)控與管理，能夠實現(xiàn)更高效的資源利用和經濟收益，同時有效保護環(huán)境。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種青蝦與水培韭菜協(xié)同生態(tài)養(yǎng)殖環(huán)境監(jiān)控方法，包括：

4、通過部署在目標水體中的傳感器陣列實時采集多源傳感數(shù)據(jù)；所述多源傳感數(shù)據(jù)包括：溫度數(shù)據(jù)、ph值數(shù)據(jù)、溶解氧數(shù)據(jù)及氨氮濃度數(shù)據(jù)；

5、對所述多源傳感數(shù)據(jù)進行數(shù)據(jù)清洗，得到清洗后的預處理數(shù)據(jù)；

6、基于所述預處理數(shù)據(jù)，結合預設的青蝦生長階段信息及韭菜生物量歷史數(shù)據(jù)，利用機器學習算法建立多變量生長模型，動態(tài)輸出營養(yǎng)需求及環(huán)境耐受的閾值；所述營養(yǎng)需求及環(huán)境耐受的閾值包括：韭菜需求閾值、青蝦耐受閾值、青蝦呼吸需求閾值和青蝦生長最佳溫度區(qū)間；

7、根據(jù)所述營養(yǎng)需求及環(huán)境耐受的閾值調控所述目標水體的水體環(huán)境。

8、優(yōu)選地，對所述多源傳感數(shù)據(jù)進行數(shù)據(jù)清洗，得到清洗后的預處理數(shù)據(jù)，包括：

9、對所述溫度數(shù)據(jù)、所述ph值數(shù)據(jù)、所述溶解氧數(shù)據(jù)和所述氨氮濃度數(shù)據(jù)進行歸一化處理，以使得所有數(shù)據(jù)縮放到相同的范圍，得到歸一化數(shù)據(jù)；

10、基于傳感器的可靠性評分的插值方法，對所述歸一化數(shù)據(jù)進行數(shù)據(jù)對齊，得到對齊數(shù)據(jù)；

11、按照預設的采集周期對所述對齊數(shù)據(jù)進行分組；每個數(shù)據(jù)組包含相應時間段內的所有所述溫度數(shù)據(jù)、所述ph值數(shù)據(jù)、所述溶解氧數(shù)據(jù)和所述氨氮濃度數(shù)據(jù)；

12、依次計算當前數(shù)據(jù)組與前一個數(shù)據(jù)組之間的綜合差異系數(shù)；

13、判斷綜合差異系數(shù)的值是否在預設的范圍內；如果綜合差異系數(shù)不在預設范圍內，則將相應的數(shù)據(jù)組去除；

14、如果綜合差異系數(shù)的值在預設范圍內，則將相應的數(shù)據(jù)組保留，直到遍歷完所有數(shù)據(jù)組，得到清洗后的預處理數(shù)據(jù)。

15、優(yōu)選地，所述綜合差異系數(shù)的計算公式為：

16、

17、其中，cdr(x,y)為綜合差異系數(shù)，表示當前數(shù)據(jù)組x與前一個數(shù)據(jù)組y之間的相對差異；n為傳感器的數(shù)量，n＝4；cov(xi,yi)為當前數(shù)據(jù)組x中第i個傳感器和前一個數(shù)據(jù)組y中第i個傳感器之間的協(xié)方差，反映兩個傳感器數(shù)據(jù)間的線性關系，var(xi)為當前數(shù)據(jù)組中第i個傳感器數(shù)據(jù)的方差，反映數(shù)據(jù)的離散程度；var(yi)表示前一個數(shù)據(jù)組中第i個傳感器數(shù)據(jù)的方差；∈為一個小的常數(shù)，∈＝0.001，用于避免除以0的情況。

18、優(yōu)選地，基于傳感器的可靠性評分的插值方法的公式為：

19、

20、其中，yt*為對齊后在時間點t的對齊數(shù)據(jù)，yi(t)為在時間點t由第i個傳感器提供的原始數(shù)據(jù)，n為參與插值的傳感器數(shù)量，wi為針對第i個傳感器的插值權重。

21、優(yōu)選地，插值權重wi的計算公式為：其中，reliabilityi為第i個傳感器的的可靠性評分，reliabilityi＝α·completenessi+β·accuracyi+γ·stabilityi，其中，completenessi為數(shù)據(jù)完整性評分，表示傳感器在預定周期內成功收集數(shù)據(jù)的比例，取值范圍為[0,1]，accuracyi為數(shù)據(jù)準確性評分，表示傳感器輸出數(shù)據(jù)與真實值之間的偏差程度，偏差程度通過誤差率計算方式得到，取值范圍為[0,1]，stabilityi為數(shù)據(jù)穩(wěn)定性評分，表示傳感器輸出數(shù)據(jù)在不同采集周期內的波動程度，波動程度通過方差計算得到，取值范圍為[0,1]，α、β和γ分別為完整性、準確性和穩(wěn)定性在綜合評分中的權重系數(shù)；tj為第i個傳感器最近一次采集的時間，σ為控制對時間的平滑度的常數(shù)。

22、優(yōu)選地，所述多變量生長模型的訓練過程包括：

23、獲取預設的歷史樣本下的多源傳感數(shù)據(jù)數(shù)據(jù)集、青蝦生長階段信息數(shù)據(jù)集及韭菜生物量歷史數(shù)據(jù)集；

24、創(chuàng)建標簽數(shù)據(jù)；所述標簽數(shù)據(jù)包含韭菜需求閾值、青蝦耐受閾值、青蝦呼吸需求閾值和青蝦生長最佳溫度區(qū)間

25、構建初始深度學習模型；

26、根據(jù)所述多源傳感數(shù)據(jù)數(shù)據(jù)集、所述青蝦生長階段信息數(shù)據(jù)集、所述韭菜生物量歷史數(shù)據(jù)集和所述標簽數(shù)據(jù)對所述初始深度學習模型進行訓練，得到訓練好的所述多變量生長模型。

27、優(yōu)選地，所述初始深度學習模型為cnn+lstm網絡結構。

28、優(yōu)選地，根據(jù)所述營養(yǎng)需求及環(huán)境耐受的閾值調控所述目標水體的水體環(huán)境，包括：

29、當氨氮濃度數(shù)據(jù)低于韭菜需求閾值時，啟動微生物反應器投加有機氮；當氨氮濃度高于青蝦耐受閾值時，激活水體循環(huán)凈化模塊；

30、根據(jù)溶解氧數(shù)據(jù)與青蝦呼吸需求閾值的差值，控制增氧機或納米氣泡發(fā)生器調節(jié)溶解氧濃度；

31、結合ph值數(shù)據(jù)與預設閾值，投加緩沖劑穩(wěn)定ph值，根據(jù)溫度數(shù)據(jù)與青蝦生長最佳區(qū)間，聯(lián)動太陽能溫控裝置調節(jié)水溫。

32、優(yōu)選地，根據(jù)所述營養(yǎng)需求及環(huán)境耐受的閾值調控所述目標水體的水體環(huán)境，還包括：

33、當所述多源傳感數(shù)據(jù)觸發(fā)預設應急條件時，執(zhí)行青蝦生存保障操作，同時基于攝像頭和光譜儀采集的生物量數(shù)據(jù)優(yōu)化所述多變量生長模型的參數(shù)權重。

34、一種青蝦與水培韭菜協(xié)同生態(tài)養(yǎng)殖環(huán)境監(jiān)控系統(tǒng)，包括：

35、數(shù)據(jù)采集單元，用于通過部署在目標水體中的傳感器陣列實時采集多源傳感數(shù)據(jù)；所述多源傳感數(shù)據(jù)包括：溫度數(shù)據(jù)、ph值數(shù)據(jù)、溶解氧數(shù)據(jù)及氨氮濃度數(shù)據(jù)；

36、數(shù)據(jù)清洗單元，用于對所述多源傳感數(shù)據(jù)進行數(shù)據(jù)清洗，得到清洗后的預處理數(shù)據(jù)；

37、模型預測單元，用于基于所述預處理數(shù)據(jù)，結合預設的青蝦生長階段信息及韭菜生物量歷史數(shù)據(jù)，利用機器學習算法建立多變量生長模型，動態(tài)輸出營養(yǎng)需求及環(huán)境耐受的閾值；所述營養(yǎng)需求及環(huán)境耐受的閾值包括：韭菜需求閾值、青蝦耐受閾值、青蝦呼吸需求閾值和青蝦生長最佳溫度區(qū)間；

38、水體調控單元，用于根據(jù)所述營養(yǎng)需求及環(huán)境耐受的閾值調控所述目標水體的水體環(huán)境。

39、根據(jù)本發(fā)明提供的具體實施例，本發(fā)明公開了以下技術效果：

40、本發(fā)明提供了一種青蝦與水培韭菜協(xié)同生態(tài)養(yǎng)殖環(huán)境監(jiān)控方法及系統(tǒng)，方法包括：通過部署在目標水體中的傳感器陣列實時采集多源傳感數(shù)據(jù)；所述多源傳感數(shù)據(jù)包括：溫度數(shù)據(jù)、ph值數(shù)據(jù)、溶解氧數(shù)據(jù)及氨氮濃度數(shù)據(jù)；對所述多源傳感數(shù)據(jù)進行數(shù)據(jù)清洗，得到清洗后的預處理數(shù)據(jù)；基于所述預處理數(shù)據(jù)，結合預設的青蝦生長階段信息及韭菜生物量歷史數(shù)據(jù)，利用機器學習算法建立多變量生長模型，動態(tài)輸出營養(yǎng)需求及環(huán)境耐受的閾值；所述營養(yǎng)需求及環(huán)境耐受的閾值包括：韭菜需求閾值、青蝦耐受閾值、青蝦呼吸需求閾值和青蝦生長最佳溫度區(qū)間；根據(jù)所述營養(yǎng)需求及環(huán)境耐受的閾值調控所述目標水體的水體環(huán)境。不僅有助于提升青蝦與水培韭菜的聯(lián)合養(yǎng)殖效果，還有助于推動生態(tài)農業(yè)向智能化、可持續(xù)化方向發(fā)展。通過科學的監(jiān)控與管理，能夠實現(xiàn)更高效的資源利用和經濟收益，同時有效保護環(huán)境。