一种基于多源数据融合的水产养殖监测方法及系统技术方案

本发明专利技术公开了一种基于多源数据融合的水产养殖监测方法及系统，该方法包括：采集水产养殖环境的多源数据，得到初始环境数据；对所述初始环境数据进行校准和融合，得到最终环境数据；获取水产作物养殖数据，并结合所述最终环境数据构建联盟区块链；从所述联盟区块链中下载水产作物养殖数据和最终环境数据，并输入至预训练的分析模型进行分析判断，得到分析结果。该系统包括：获取模块、融合模块、上传模块和分析模块。通过使用本发明专利技术，能够综合各类数据采集器，全方位采集水产养殖环境的数据并进行数据的信息校准和融合，实现水产养殖环境状况的分析与判断。本发明专利技术可广泛应用于数据监测领域。领域。领域。

【技术实现步骤摘要】
一种基于多源数据融合的水产养殖监测方法及系统


[0001]本专利技术涉及数据监测领域，尤其涉及一种基于多源数据融合的水产养殖监测方法及系统。

技术介绍

[0002]传统水产养殖依赖于水产养殖专家到现场去调查采集养殖环境的相关信息，再根据采集到的数据给出分析判断以及决策。虽然随着信息技术的爆炸式发展，互联网的渗透颠覆了传统的水产养殖监测方式，但现有的水产养殖监测方式获取数据来源通常较为单一，往往无法全面反映水产养殖作物的养殖状态及其养殖环境的具体情况，导致水产养殖环境管理的效果不佳，水产养殖业的灾害频发，因此亟需一种能够将多源数据进行整合的水产养殖监测方法。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的是提供一种基于多源数据融合的水产养殖监测方法及系统，能够综合各类数据采集器，全方位采集水产养殖环境的数据并进行数据的信息校准和融合，实现水产养殖环境状况的分析与判断。
[0004]本专利技术所采用的第一技术方案是：一种基于多源数据融合的水产养殖监测方法，包括以下步骤：
[0005]采集水产养殖环境的多源数据，得到初始环境数据；
[0006]对所述初始环境数据进行校准和融合，得到最终环境数据；
[0007]获取水产作物养殖数据，并结合所述最终环境数据构建联盟区块链；
[0008]从所述联盟区块链中下载水产作物养殖数据和最终环境数据，并输入至预训练的分析模型进行分析判断，得到分析结果。
[0009]进一步，所述对所述初始环境数据进行校准和融合，得到最终环境数据一步骤，其具体包括：
[0010]对所述初始环境数据中的同一参数进行校准，剔除非线性系统误差，得到校准后的数据；
[0011]对所述校准后的数据的进行加权融合处理，得到最终环境输数据。
[0012]通过该优选步骤，对初始环境数据进行校准和融合，能够得到更为精确的环境数据，有利于后续模型的分析判断。
[0013]进一步，所述对所述初始环境数据中的同一参数进行校准，剔除非线性系统误差，得到校准后的数据这一步骤，其具体包括：
[0014]基于注意力模块、CNN神经网络和LSTM神经网络搭建模型并训练，得到校准模型；
[0015]将初始环境数据输入至所述校准模型；
[0016]对所述初始环境数据进行特征提取并学习特征相关性和构建时间关系；
[0017]根据所述特征相关性和时间关系输出预测，得到校准后的数据。
[0018]通过该优选步骤，构建模型对同一传感器的数据进行校准，能够剔除非线性系统误差。
[0019]进一步，所述加权融合的公式表示如下：
[0020][0021]其中，是时刻j的估计融合值，α
i
表示融合权重，W
k
是在k时刻处传感器的最优权重，v
j
是在时刻j的传感器的观测值和状态估计值之和。
[0022]进一步，所述获取水产作物养殖数据，并结合所述最终环境数据构建联盟区块链这一步骤，其具体包括：
[0023]获取水产作物养殖数据构建养殖链；
[0024]以放苗前水产作物幼苗的来源和检测分析报告作为养殖链的起始位，将养殖过程中饲料使用记录和水产作物生长情况进行上链；
[0025]根据最终环境数据构建环境链；
[0026]以放苗前水产养殖环境的环境数据作为环境链的起始位，将最终环境数据进行上链；
[0027]整合养殖链和环境链，得到联盟区块链。
[0028]通过该优选步骤，构建区块链保存数据，能够保持数据的完整性，同时方便后续的数据溯源。
[0029]进一步，所述从所述联盟区块链中下载水产作物养殖数据和最终环境数据，并输入至预训练的分析模型进行分析判断，得到分析结果这一步骤之前，还包括：
[0030]基于transformer网络和SVM分类器构建分析模型；
[0031]获取训练用养殖数据和对应的环境数据并输入至分析模型进行训练；
[0032]对训练用养殖数据和对应的环境数据进行特征选择，并输出预测标签；
[0033]基于预测标签和真实标签对分析模型进行调参，得到预训练的分析模型。
[0034]进一步，还包括：
[0035]将水产作物养殖数据、最终环境数据和分析结果进行展示。
[0036]通过该优选步骤，将分析结果与数据一同展示，方便用户全方位获取该养殖信息。
[0037]本专利技术所采用的第二技术方案是：一种基于多源数据融合的水产养殖监测方法系统，包括：
[0038]获取模块，用于采集水产养殖环境的多源数据，得到初始环境数据；
[0039]融合模块，用于对所述初始环境数据进行校准和融合，得到最终环境数据；
[0040]上传模块，用于获取水产作物养殖数据，并结合所述最终环境数据构建联盟区块链；
[0041]分析模块，用于从所述联盟区块链中下载水产作物养殖数据和最终环境数据，并输入至预训练的分析模型进行分析判断，得到分析结果。
[0042]本专利技术方法及系统的有益效果是：本专利技术综合应用多类型的数据采集以全方位采集水产养殖环境的数据，使得数据来源更广泛更准确；通过数据校准融合处理以提高输入数据的准确性，进而得到更为准确的分析判断结果。
附图说明
[0043]图1是本专利技术一种基于多源数据融合的水产养殖监测方法的步骤流程图；
[0044]图2是本专利技术具体实施例对同一类型传感器进行校准融合处理的示意图；
[0045]图3是本专利技术具体实施例校准模型的结构示意图；
[0046]图4是本专利技术具体实施例分析模型的结构示意图；
[0047]图5是本专利技术一种基于多源数据融合的水产养殖监测系统的结构框图。
具体实施方式
[0048]下面结合附图和具体实施例对本专利技术做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0049]如图1所示，本专利技术提供了一种基于多源数据融合的水产养殖监测方法，该方法包括以下步骤：
[0050]S1、采集水产养殖环境的多源数据，得到初始环境数据；
[0051]S1.1、构建多传感器布设方案；
[0052]所述多传感器布设方案包括天基类数据采集器、空基类数据采集和地基类数据采集；
[0053]所述天基类天基类数据采集器的数据采集，通过卫星遥感技术实现。利用遥感的方法估算水体污染的参数，以监测水质变化情况，同时遥感通过在不同的电磁谱段内周期性地收集地表信息，以监测养殖环境中地表环境的变化情况遥感通过在不同的电磁谱段内周期性地收集地表信息，为精准水产养殖业所需空间变异参数的快速、准确、动态获取提供了重要的技术手段。
[0054]所述空基类数据采集的数据采集，通过高光谱技术与无人机实现。主要指无人机平台本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据融合的水产养殖监测方法，其特征在于，包括以下步骤：采集水产养殖环境的多源数据，得到初始环境数据；对所述初始环境数据进行校准和融合，得到最终环境数据；获取水产作物养殖数据，并结合所述最终环境数据构建联盟区块链；从所述联盟区块链中下载水产作物养殖数据和最终环境数据，并输入至预训练的分析模型进行分析判断，得到分析结果。2.根据权利要求1所述一种基于多源数据融合的水产养殖监测方法，其特征在于，所述采集水产养殖环境的多源数据，得到初始环境数据这一步骤，其具体包括：构建多传感器布设方案；所述多传感器布设方案包括天基类数据采集器、空基类数据采集和地基类数据采集；基于所述布设方案采集水产养殖环境的多源数据，得到初始环境数据。3.根据权利要求2所述一种基于多源数据融合的水产养殖监测方法，其特征在于，所述对所述初始环境数据进行校准和融合，得到最终环境数据一步骤，其具体包括：对所述初始环境数据中的同一参数进行校准，剔除非线性系统误差，得到校准后的数据；对所述校准后的数据的进行加权融合处理，得到最终环境输数据。4.根据权利要求3所述一种基于多源数据融合的水产养殖监测方法，其特征在于，所述对所述初始环境数据中的同一参数进行校准，剔除非线性系统误差，得到校准后的数据这一步骤，其具体包括：基于注意力模块、CNN神经网络和LSTM神经网络搭建模型并训练，得到校准模型；将初始环境数据输入至所述校准模型；对所述初始环境数据进行特征提取并学习特征相关性和构建时间关系；根据所述特征相关性和时间关系输出预测，得到校准后的数据。5.根据权利要求3所述一种基于多源数据融合的水产养殖监测方法，其特征在于，所述加权融合的公式表示如下：其中，是时刻j的估计融合值，α
i
表示融合权重，W
k
是...

【专利技术属性】
技术研发人员：王卓薇，阮柱康，程良伦，肖文博，江晓琦，黄春光，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：