【技术实现步骤摘要】
本申请涉及水产养殖，尤其涉及一种基于机器学习的水产养殖方法、装置及存储介质。
技术介绍
1、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。因此，如何通过机器学习的方法制定合适的水产养殖策略，提高水产养殖产业的经济性成为了目前亟待解决的技术问题。
技术实现思路
1、本申请提供了一种基于机器学习的水产养殖方法、装置及存储介质，通过机器学习的方法制定合适的水产养殖策略，提高水产养殖产业的经济性。
2、第一方面，本申请提供了一种基于机器学习的水产养殖方法，所述方法包括：
3、通过预设图像采集装置，获取目标水域的实时图像；
4、基于预设机器学习算法以及死鱼数量现状、含氧量现状或投料现状，确定当前养殖现状；
5、基于所述当前养殖现状，确定对应的水产养殖策略。
6、进一步地，基于预设机器学习算法以及死鱼数量现状、含氧量现状或投料现状，确定当前养殖现状之前，包括：
7、预先确定死鱼图像特征，基于所述预设机器学习算法对所述实时图像中的所述死鱼图像特征进行检测，确定所述死鱼图像特征的数量；
8、根据所述死鱼图像特征的数量，确定所述死鱼数量现状。
10、基于所述实时图像，确定距离所述目标水域的水平面预设范围内存在的当前鱼群数量；
11、基于预设鱼群数量阈值与所述当前鱼群数量的关系，确定所述含氧量现状。
12、进一步地，基于所述当前养殖现状，确定对应的水产养殖策略，包括：
13、基于所述实时图像，确定预设投料区域的当前鱼群数量；
14、在所述当前鱼群数量小于或等于第一鱼群数量阈值时，停止投料；
15、在所述当前鱼群数量大于所述第一鱼群数量阈值且小于第二鱼群数量阈值时，投放第一数量的鱼料；
16、在所述当前鱼群数量大于或等于第二鱼群数量阈值且小于或等于第三鱼群数量阈值时，投放第二数量的鱼料；
17、在所述当前鱼群数量大于所述第三鱼群数量阈值时，投放第三数量的鱼料。
18、进一步地，基于所述当前养殖现状，确定对应的水产养殖策略，包括：
19、从所述实时图像中，提取所述目标水域中的目标鱼群图像轮廓特征；
20、基于鱼群图像轮廓特征与单体重量的对应关系与所述目标鱼群图像轮廓特征，估算所述目标鱼群图像轮廓特征对应的单只鱼的重量，其中，所述对应关系预先保存在预设鱼群种类数据库中。
21、进一步地，基于所述当前养殖现状，确定对应的水产养殖策略，包括：
22、通过所述实时图像提取鱼群的局部特征；
23、将所述局部特征与预设鱼群疾病数据库中各病变特征进行匹配；
24、在所述局部特征与任一所述病变特征相匹配的情况下，基于所述预设鱼群疾病数据库确定所述局部特征对应的鱼群疾病。
25、进一步地，通过预设图像采集装置，获取目标水域的实时图像之后，包括：
26、读取所述实时图像中各像素点的坐标和灰度值；
27、遍历所述实时图像，通过图像降噪算法对各所述像素点进行计算，得到降噪后的降噪像素点；
28、通过所述降噪像素点替换所述实时图像中各像素点，得到降噪图像；
29、遍历所述降噪图像，通过图像增强算法对所述降噪像素点进行计算，得到增强后的增强像素点；
30、基于所述增强像素点替换原有像素值，生成增强图像。
31、进一步地，基于所述当前养殖现状，确定对应的水产养殖策略之前，包括：
32、通过所述预设机器学习算法对所述实时图像中的水域微生物进行检测，生成检测结果；
33、在所述检测结果大于预设微生物含量阈值的情况下，确定所述当前养殖现状为微生物超标。
34、第二方面，本申请还提供了一种基于机器学习的水产养殖装置，所述装置包括：
35、实时图像获取模块，用于通过预设图像采集装置，获取目标水域的实时图像；
36、当前养殖现状确定模块，用于基于预设机器学习算法以及死鱼数量现状、含氧量现状或投料现状，确定当前养殖现状；
37、水产养殖策略确定模块，用于基于所述当前养殖现状，确定对应的水产养殖策略。
38、第三方面，本申请还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使所述处理器实现如上述的基于机器学习的水产养殖方法。
39、本申请公开了一种基于机器学习的水产养殖方法、装置及存储介质，所述基于机器学习的水产养殖方法包括通过预设图像采集装置，获取目标水域的实时图像；基于预设机器学习算法以及死鱼数量现状、含氧量现状或投料现状，确定当前养殖现状；基于所述当前养殖现状，确定对应的水产养殖策略。通过上述方式，本申请根据图像采集装置获取到的实时图像，结合机器学习算法和死鱼数量现状、含氧量现状或投料现状确定当前养殖现状，确定该当前养殖现状对应的水产养殖策略，通过机器学习的方法制定合适的水产养殖策略，提高了水产养殖产业的经济性。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的水产养殖方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述基于预设机器学习算法以及死鱼数量现状、含氧量现状或投料现状，确定当前养殖现状之前，包括：
3.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述基于预设机器学习算法以及死鱼数量现状、含氧量现状或投料现状，确定当前养殖现状之前，包括：
4.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述基于所述当前养殖现状，确定对应的水产养殖策略，包括：
5.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述基于所述当前养殖现状，确定对应的水产养殖策略，包括：
6.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述基于所述当前养殖现状，确定对应的水产养殖策略，包括：
7.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述通过预设图像采集装置，获取目标水域的实时图像之后，包括：
8.根据权利要求1至7中所述的基于机器学习的水
9.一种基于机器学习的水产养殖装置，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，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使所述处理器实现如权利要求1至8中任一项所述的基于机器学习的水产养殖方法。
...【技术特征摘要】
1.一种基于机器学习的水产养殖方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述基于预设机器学习算法以及死鱼数量现状、含氧量现状或投料现状，确定当前养殖现状之前，包括：
3.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述基于预设机器学习算法以及死鱼数量现状、含氧量现状或投料现状，确定当前养殖现状之前，包括：
4.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述基于所述当前养殖现状，确定对应的水产养殖策略，包括：
5.根据权利要求1所述的基于机器学习的水产养殖方法，其特征在于，所述基于所述当前养殖现状，确定对应的水产养殖策略，包括：
<...
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。