【技术实现步骤摘要】
水产品无水保活个体应激水平无损动态监测方法及系统
本专利技术涉及保活运输智能监测
,更具体地,涉及水产品无水保活个体应激水平无损动态监测方法及系统。
技术介绍
目前,活体水产品的应激反应强弱是影响保活运输存活率关键因素之一。无水保活运输作为一种新兴的运输方式,其低温诱导休眠或麻醉诱导休眠的方法,在保活运输过程中更容易使个体产生较为剧烈的生理应激反应。水产品生理应激反应主要通过对活体水产品个体的血糖浓度、皮质醇浓度等关键生理指标的采集与生化检测进行评价,或是通过对活体水产品个体的行为特征的分析进行评价。相较于后者,关键生理指标的采集与生化检测是无水保活运输过程中个体应激反应水平最为常用的检测手段,但是存在明显的滞后性和误差。水产品在无水保活运输过程中始终保持相对稳定的“休眠”状态,影响水产品无水保活运输过程中个体应激反应水平的因素主要包括外部微环境关键参数和水产品自身生理状态。然而,如何在优化控制外部微环境关键参数条件下,实现对水产品无水保活个体应激水平的无损动态监测仍旧存在理论和技术上的空白。因此,现亟需提供一种水产品无水保活个体应激水平无损动态监测方法及系统。
技术实现思路
为克服上述问题或者至少部分地解决上述问题,本专利技术实施例提供了一种水产品无水保活个体应激水平无损动态监测方法及系统。第一方面,本专利技术实施例提供了一种水产品无水保活个体应激水平无损动态监测方法,包括:采集水产品无水保活运输过程中的关键微环境参数以及水产品个体体表粘液的特征应激信号;基 ...
【技术保护点】
1.一种水产品无水保活个体应激水平无损动态监测方法,其特征在于,包括:/n采集水产品无水保活运输过程中的关键微环境参数以及水产品个体体表粘液的特征应激信号;/n基于所述特征应激信号,确定所述水产品个体的关键应激指标浓度,基于所述关键微环境参数,计算所述水产品个体的应激校正因子;/n获取采集时刻所述水产品个体的成活率,并将所述成活率、所述关键应激指标浓度以及所述应激校正因子,输入至无水保活运输个体应激水平无损动态预测模型,确定所述水产品个体的应激水平。/n
【技术特征摘要】
1.一种水产品无水保活个体应激水平无损动态监测方法,其特征在于,包括:
采集水产品无水保活运输过程中的关键微环境参数以及水产品个体体表粘液的特征应激信号;
基于所述特征应激信号,确定所述水产品个体的关键应激指标浓度,基于所述关键微环境参数,计算所述水产品个体的应激校正因子;
获取采集时刻所述水产品个体的成活率,并将所述成活率、所述关键应激指标浓度以及所述应激校正因子,输入至无水保活运输个体应激水平无损动态预测模型,确定所述水产品个体的应激水平。
2.根据权利要求1所述的水产品无水保活个体应激水平无损动态监测方法,其特征在于,所述基于所述特征应激信号,确定所述水产品个体的关键应激指标浓度,具体包括:
将所述特征应激信号输入至浓度预测模型,得到由所述浓度预测模型输出的所述关键应激指标浓度;
所述浓度预测模型用于表征水产品个体体表粘液的特征应激信号与水产品个体的关键应激指标浓度之间的对应关系。
3.根据权利要求2所述的水产品无水保活个体应激水平无损动态监测方法,其特征在于,所述浓度预测模型具体通过如下方法构建:
获取水产品无水保活运输过程中水产品个体样本体表粘液的特征应激信号样本、正常状态下所述水产品个体样本体表粘液的特征信号样本以及水产品无水保活包装的干扰特征信号样本;
对所述特征应激信号样本、所述特征信号样本以及所述干扰特征信号样本分别采样,得到特征应激信号样本矩阵、特征信号样本矩阵以及干扰特征信号样本矩阵,所述特征应激信号样本矩阵、所述特征信号样本矩阵以及所述干扰特征信号样本矩阵中的元素数量相同;
分别确定所述特征应激信号样本矩阵中的每一元素与所述特征信号样本矩阵以及所述干扰特征信号样本矩阵中的对应元素之间的欧氏距离,基于所述欧氏距离,构建误差校正矩阵;
基于所述误差校正矩阵、所述特征应激信号样本矩阵以及所述特征信号样本矩阵,确定所述特征应激信号样本矩阵与所述水产品个体样本的关键应激指标浓度之间的样本对应关系,并将所述样本对应关系作为所述对应关系。
4.根据权利要求3所述的水产品无水保活个体应激水平无损动态监测方法,其特征在于,所述基于所述欧氏距离,构建误差校正矩阵,具体包括:
通过如下公式确定所述误差校正矩阵:
其中,A为所述误差校正矩阵,PAO为所述特征应激信号样本矩阵,D1为所述特征应激信号样本矩阵中的每一元素与所述特征信号样本矩阵中的对应元素之间的欧氏距离构成的第一欧氏距离矩阵,D2为所述特征应激信号样本矩阵中的每一元素与所述干扰特征信号样本矩阵中的对应元素之间的欧氏距离构成的第二欧氏距离矩阵。
5.根据权利要求3所述的水产品无水保活个体应激水平无损动态监测方法,其特征在于,所述基于所述误差校正矩阵、所述特征应激信号样本矩阵以及所述特征信号样本矩阵,确定所述特征应激信号样本矩阵与所述水产品个体样本的关键应激指标浓度之间的样本对应关系,具体包括:
通过如下公式确定所述样本对应关系:
其中,y为所述水产品个体样本的关键应激指标浓度,λ、ε均为常数,A为所述误差校正矩阵...
【专利技术属性】
技术研发人员:张小栓,王文胜,冯欢欢,徐进超,张健,曲立,何琼,雷汉,
申请(专利权)人:中国农业大学,北京信息科技大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。