【技术实现步骤摘要】
本专利技术涉及水产养殖，具体涉及一种基于多模态数据融合的水产养殖病害预测方法。
技术介绍
1、在鱼类养殖的寄生虫病害预警领域，现有技术主要依赖三类方法，但这些方法均存在显著局限性。首先，传统的人工巡查与显微诊断方式要求养殖人员通过显微镜观察鱼体或水体样本识别病原体，该方式不仅检测效率低下——单样本检测耗时超过30分钟，且巡检周期通常长达48小时以上，导致实时预警能力严重不足；同时高度依赖专业人员的经验，据农业农村部渔技平台统计，人工误检率可达25%-40%，难以满足千吨级规模化养殖场的监测需求。其次，基于传统机器学习模型（如支持向量机或随机森林）的方法虽能利用结构化水质参数（如温度、盐度、ph值）进行建模，但仅支持数值型变量输入，完全无法处理养殖日志中“摄食减少”、“水色发白”等文本类非结构化信息，造成环境特征覆盖率不足60%；此外，此类模型对水质波动敏感，跨养殖场应用时准确率衰减达35%以上，泛化能力薄弱。最后，针对单病原体设计的专项模型需为每种寄生虫独立构建预测系统，不仅导致运维成本增加300%，更因模型间割裂而无法实现多病原体并发...
【技术保护点】
1.一种基于多模态数据融合的水产养殖病害预测方法，其特征在于，包括步骤：
2.如权利要求1所述的一种基于多模态数据融合的水产养殖病害预测方法，其特征在于，所述S1步骤中，所述结构化数据包括温度、盐度、pH值、溶解氧、亚硝酸盐浓度、硅酸盐浓度中的至少三种水质参数，所述非结构化文本数据包括养殖日志、现场描述和专家记录中的至少一种。
3.如权利要求1所述的一种基于多模态数据融合的水产养殖病害预测方法，其特征在于，所述S1步骤中，所述结构化数据通过CSV或Excel格式输入，且包含连续变量和离散分类变量。
4.如权利要求1所述的一种基于多模...
【技术特征摘要】
1.一种基于多模态数据融合的水产养殖病害预测方法，其特征在于，包括步骤：
2.如权利要求1所述的一种基于多模态数据融合的水产养殖病害预测方法，其特征在于，所述s1步骤中，所述结构化数据包括温度、盐度、ph值、溶解氧、亚硝酸盐浓度、硅酸盐浓度中的至少三种水质参数，所述非结构化文本数据包括养殖日志、现场描述和专家记录中的至少一种。
3.如权利要求1所述的一种基于多模态数据融合的水产养殖病害预测方法，其特征在于，所述s1步骤中，所述结构化数据通过csv或excel格式输入，且包含连续变量和离散分类变量。
4.如权利要求1所述的一种基于多模态数据融合的水产养殖病害预测方法，其特征在于，所述s3步骤中，所述提取cls标记的语义向量具体为：将非结构化文本数据输入bert编...
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。