水产养殖投喂方法、终端设备及可读存储介质技术

本申请涉及水产养殖技术领域，具体涉及一种水产养殖投喂方法、终端设备及可读存储介质，其中，上述方法包括获取水产经济动物图像；分别检测水产经济动物图像中水产经济动物个体的体长；根据水产经济动物个体的体长选配目标饲料的粒径。本申请实施例提供的水产养殖投喂方法、终端设备及可读存储介质，利用机器视觉识别养殖池中水产经济动物的体长，进而根据体长选配适当粒径的饲料，改变了传统养殖业依靠经验人工投喂的情况，实现了水产养殖的精准投喂，解决了目前水产养殖领域难以精准选配饲料粒径的技术问题。料粒径的技术问题。料粒径的技术问题。

【技术实现步骤摘要】
水产养殖投喂方法、终端设备及可读存储介质


[0001]本申请涉及水产养殖
，具体涉及一种水产养殖投喂方法、终端设备及可读存储介质。

技术介绍

[0002]在水产养殖过程中，饲料投喂、换水及增氧是三个比较重要的环节。对于饲料投喂，现有的饲料在配方和组成等方面发展较为成熟，能够满足水产经济动物各个生长阶段的营养需要。除了饲料的营养及配方以外，饲料的粒径及饲料的投喂量也是养殖中的关键点。饲料粒径过大或过小，饲料投喂量不足或过量投喂，都会给水产经济动物健康生长造成影响。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种水产养殖投喂方法、终端设备及可读存储介质，以解决目前水产养殖领域难以精准选配饲料粒径的技术问题。
[0004]根据第一方面，本申请实施例提供了一种水产养殖投喂方法，包括：获取水产经济动物图像；分别检测所述水产经济动物图像中水产经济动物个体的体长；根据所述水产经济动物个体的体长选配目标饲料的粒径。
[0005]结合第一方面，在本申请的一些实施例中，所述分别检测所述水产经济动物图像中水产经济动物个体的体长的步骤，包括：根据预设的机器学习模型识别所述水产经济动物图像中的水产经济动物个体；分别检测所述水产经济动物个体的体长。
[0006]结合第一方面，在本申请的一些实施例中，所述根据所述水产经济动物个体的体长选配目标饲料的粒径的步骤，包括：根据所述水产经济动物个体的体长对所述水产经济动物个体进行分类；分别统计各个分类中水产经济动物个体的数量；根据各个分类中水产经济动物个体的数量计算目标比例；根据所述目标比例选配所述目标饲料的粒径。
[0007]结合第一方面，在本申请的一些实施例中，在所述根据所述水产经济动物个体的体长选配目标饲料的粒径的步骤之后，所述水产养殖投喂方法还包括：当根据预设投喂量投喂所述目标饲料后，获取实际进食时长；当实际进食时长小于预设进食时长时，补充投喂所述目标饲料；所述预设进食时长为与所述预设投喂量相对应的进食时长。
[0008]结合第一方面，在本申请的一些实施例中，当实际进食时长小于预设进食时长时，所述水产养殖投喂方法还包括：根据补充投喂量，更新所述预设投喂量。
[0009]结合第一方面，在本申请的一些实施例中，所述水产养殖投喂方法还包括：当实际进食时长大于预设进食时长时，根据实际进食时长与预设进食时长之差，更新所述预设投喂量。
[0010]结合第一方面，在本申请的一些实施例中，所述获取实际进食时长的步骤，包括：获取初始投喂时间；根据所述初始投喂时间和预设进食时长，计算第一观测时间；当到达所述第一观测时间后，根据预设的时间间隔获取水体图像序列；根据另一预设的机器学习模
型逐一识别水体图像中的饲料；所述水体图像为所述水体图像序列中的图像；当在任一水体图像中未识别到饲料时，根据所述初始投喂时间和所述任一水体图像对应的采集时间，计算所述实际进食时长。
[0011]根据第二方面，本申请实施例提供了一种终端设备，包括：输入单元，用于获取水产经济动物图像；体长检测单元，用于分别检测所述水产经济动物图像中水产经济动物个体的体长；饲料选配单元，用于根据所述水产经济动物个体的体长选配目标饲料的粒径。
[0012]根据第三方面，本申请实施例提供了另一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或第一方面任一实施方式所述方法的步骤。
[0013]根据第四方面，本申请实施例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存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面任一实施方式所述方法的步骤。
[0014]本申请实施例提供的水产养殖投喂方法、终端设备及可读存储介质，利用机器视觉识别养殖池中水产经济动物的体长，进而根据体长选配适当粒径的饲料，改变了传统养殖业依靠经验人工投喂的情况，实现了水产养殖的精准投喂，解决了目前水产养殖领域难以精准选配饲料粒径的技术问题。
附图说明
[0015]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
[0016]图1是本申请实施例提供的水产养殖投喂方法的一个具体示例的实现流程示意图；
[0017]图2是本申请实施例提供的水产养殖投喂方法的另一具体示例的实现流程示意图；
[0018]图3是本申请实施例提供的终端设备的一个具体示例的示意图；
[0019]图4是本申请实施例提供的终端设备的另一个具体示例的示意图。
具体实施方式
[0020]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0021]为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
[0022]本申请实施例提供了一种水产养殖投喂方法，如图1所示，该方法可以包括以下步骤：
[0023]步骤S101：获取水产经济动物图像。
[0024]步骤S102：分别检测水产经济动物图像中水产经济动物个体的体长。
[0025]在一具体实施方式中，可以通过预设的机器学习模型识别水产经济动物图像中的水产经济动物个体，进而检测各个水产经济动物个体的体长。神经网络和深度学习等机器学习模型，已经广泛应用于人工智能的各个领域，其最常见的应用场景即分类。水产经济动物个体识别的本质也是分类问题。采用现有的机器学习模型并加以训练，能够实现对水产经济动物个体，例如对虾、鱼类、蟹类等个体的有效识别。
[0026]步骤S103：根据水产经济动物个体的体长选配目标饲料的粒径。
[0027]在实际的水产养殖中，对于同一养殖池中同时投放的鱼苗、虾苗或蟹苗，经过一段生长时间后，体长会存在差异。不同的体长对应不同的生长阶段，其所需要的饲料粒径也是不同的。以对虾养殖为例，对虾进食时需要抱住饲料颗粒，进而进食。不同体长的对虾能够恰好抱住的饲料粒径是不同的。为了使同一养殖池中不同体长的对虾都能够进食适当粒径的饲料颗粒，可以通过以下几个子步骤实现步骤S103的过程：
[0028]步骤S1031：根据水产经济动物个体的体长对水产经济动物个体进行分类。
[0029]步骤S1032：分别统计各个分类中水产经济动物个体的数量。
[0030]步骤S1033：根据各个分类中水产经济动物个体的数量计算目标比例。
[0031]步骤S1034：根据目标比例选配目标饲料的粒径。可以按照计算所得的目标比例，选择对应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水产养殖投喂方法，其特征在于，包括：获取水产经济动物图像；分别检测所述水产经济动物图像中水产经济动物个体的体长；根据所述水产经济动物个体的体长选配目标饲料的粒径。2.根据权利要求1所述的水产养殖投喂方法，其特征在于，所述分别检测所述水产经济动物图像中水产经济动物个体的体长的步骤，包括：根据预设的机器学习模型识别所述水产经济动物图像中的水产经济动物个体；分别检测所述水产经济动物个体的体长。3.根据权利要求1所述的水产养殖投喂方法，其特征在于，所述根据所述水产经济动物个体的体长选配目标饲料的粒径的步骤，包括：根据所述水产经济动物个体的体长对所述水产经济动物个体进行分类；分别统计各个分类中水产经济动物个体的数量；根据各个分类中水产经济动物个体的数量计算目标比例；根据所述目标比例选配所述目标饲料的粒径。4.根据权利要求1～3中任一项所述的水产养殖投喂方法，其特征在于，在所述根据所述水产经济动物个体的体长选配目标饲料的粒径的步骤之后，所述水产养殖投喂方法还包括：当根据预设投喂量投喂所述目标饲料后，获取实际进食时长；当实际进食时长小于预设进食时长时，补充投喂所述目标饲料；所述预设进食时长为与所述预设投喂量相对应的进食时长。5.根据权利要求4所述的水产养殖投喂方法，其特征在于，当实际进食时长小于预设进食时长时，所述水产养殖投喂方法还包括：根据补充投喂量，更新所述预...

【专利技术属性】
技术研发人员：白雪松，刘阳，贾志龙，赵军西，
申请(专利权)人：东营市阔海水产科技有限公司，
类型：发明
国别省市：