System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及称重,特别是涉及一种称重抄网。
技术介绍
1、现有技术中通常是将鱼从抄网中取出后再放入称重工具中进行称重,操作比较繁琐。为此,申请公布号为cn108371153a的中国专利公开了一种可夜用的称重抄网,该称重抄网的网圈内部安装有压力传感器,基于该压力传感器可以直接获得鱼的重量,不用再利用其他的称重工具对鱼进行称重。但是,称重抄网中鱼的活性往往使鱼的称重结果误差较大,如何提高使用称重抄网对鱼称重的准确性,是亟待解决的问题。
技术实现思路
1、针对上述技术问题,本专利技术采用的技术方案为:一种称重抄网,所述称重抄网包括目标抄网和目标称重模块,所述目标称重模块包括处理器和存储有计算机程序的存储器,所述计算机程序被处理器执行时,实现以下步骤:
2、s100,获取目标抄网的网圈半径r和网兜深度h。
3、s200,获取目标鱼在目标抄网中的第一重量序列w,w=(wei1,wei2,…,weie,…,weim),weie为目标时间段中第e个采样时刻采样得到的目标抄网中目标鱼的重量,e的取值范围为1到m,m为目标时间段内对目标抄网中目标鱼的重量进行采样的次数。
4、s300,将目标称重序列[r,h,w]输入经训练的目标神经网络模型,得到[r,h,w]对应的转折采样次数n。
5、s400,获取目标占比k,k=n/m。
6、s500,如果k0<k≤1,则进入s600;k0为预设的第一占比阈值,k0≥0.5。
7、s
8、本专利技术的有益效果至少包括:
9、本专利技术将由目标抄网的网圈半径、网兜深度和目标鱼在目标抄网中的第一重量序列w构成的目标称重序列作为经训练的目标神经网络模型的输入,将经训练的目标神经网络模型的输出作为目标称重序列对应的转折采样次数n;本专利技术获取了该转折采样次数n与目标时间段内对目标抄网中目标鱼的重量进行采样的次数的比值,并根据该比值来确定是否根据目标时间段中后m-n次采样得到的目标抄网中目标鱼的重量来获取目标鱼的目标重量;本专利技术中k0≥0.5,如果k0<k≤1,说明目标鱼在目标抄网中较为活跃,目标鱼从进入目标抄网开始的时刻至相对稳定的时刻之间时间段较长,该时间段中目标鱼处于不稳定的状态的时间占比也较大,w中与目标鱼的真实重量相差较大的元素也较多,相较于直接将w中所有元素的均值作为目标鱼的目标重量的技术方案,本专利技术在k0<k≤1的情况下选择根据目标时间段中后m-n次采样得到的目标抄网中目标鱼的重量来获取目标鱼的目标重量,可以避免由于目标鱼前期在目标抄网中较为活跃导致的获取的目标鱼的目标重量与目标鱼的真实重量偏差较大的问题,提高了使用称重抄网获取的鱼的重量的准确性。
10、上述说明仅是本专利技术技术方案的概述,为了能够更清楚了解本专利技术的技术手段,可依照说明书的内容予以实施,并且为了让本专利技术的上述以及其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
本文档来自技高网...【技术保护点】
1.一种称重抄网,其特征在于,所述称重抄网包括目标抄网和目标称重模块,所述目标称重模块包括处理器和存储有计算机程序的存储器,所述计算机程序被处理器执行时,实现以下步骤:
2.根据权利要求1所述的称重抄网,其特征在于,S600包括:
3.根据权利要求1所述的称重抄网,其特征在于,所述目标神经网络模型的获取过程包括:
4.根据权利要求3所述的称重抄网,其特征在于,在S040之后还包括:
5.根据权利要求4所述的称重抄网,其特征在于,k1≥0.9。
6.根据权利要求1所述的称重抄网,其特征在于,S500还包括:如果0<k≤k0,则进入S700;
7.根据权利要求1所述的称重抄网,其特征在于,所述目标时间段的起始时刻为目标鱼进入目标抄网的时刻,所述目标时间段的时长为预设时长。
【技术特征摘要】
1.一种称重抄网,其特征在于,所述称重抄网包括目标抄网和目标称重模块,所述目标称重模块包括处理器和存储有计算机程序的存储器,所述计算机程序被处理器执行时,实现以下步骤:
2.根据权利要求1所述的称重抄网,其特征在于,s600包括:
3.根据权利要求1所述的称重抄网,其特征在于,所述目标神经网络模型的获取过程包括:
4.根据权利要求3所述的称...
【专利技术属性】
技术研发人员:周旭涛,
申请(专利权)人:北京捷世智通科技股份有限公司,
类型:发明
国别省市:
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。