一种循环水养殖溶解氧预测控制方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及一种循环水养殖溶解氧预测控制方法、装置、设备及介质，属于水产养殖技术领域。先构建训练数据集，并利用训练数据集对初始溶解氧预测模型进行训练，得到训练好的溶解氧预测模型，然后基于训练好的溶解氧预测模型构建推理引擎，并将推理引擎部署在边缘计算端，最后以实时水质数据作为输入，利用推理引擎预测得到未来时刻的溶解氧含量，通过将训练好的溶解氧预测模型部署到边缘计算端，能够实现对溶解氧含量的实时、快速、精准预测。精准预测。精准预测。

【技术实现步骤摘要】
一种循环水养殖溶解氧预测控制方法、装置、设备及介质


[0001]本专利技术涉及水产养殖
，尤其涉及一种基于边缘计算的循环水养殖溶解氧预测控制方法、装置、设备及介质。

技术介绍

[0002]随着水产养殖业的快速发展，对养殖过程中的水质参数进行全面自动化监控和处理研究，在优化养殖管理、降低养殖风险、提高经济效益等方面具有重要意义。溶解氧是影响水产养殖系统中生物生存的重要水质指标，因此，在养殖水体中实现溶解氧含量的实时预测和控制尤为重要。
[0003]现有的水产养殖管理控制方式主要分为纯人工养殖和自动控制系统两种。
[0004]纯人工养殖为传统的养殖方式。在投料、增氧机控制、水温调节、定时巡检、分鱼等各个养殖环节都必须要人工参与。对于水产养殖中增氧机的控制，纯人工养殖需要根据经验来控制增氧机的开启及增氧时间的长短。若没有准确判断增氧时机或增氧不足，就可能出现水体中溶解氧不足造成养殖生物死亡。此外，有些工厂化养殖为方便管理，采取24小时增氧的方式，这会造成大量资源浪费，增加养殖成本。
[0005]自动控制系统基于传感器和电控系统，解决了人工养殖设备管理不及时、不合理的问题。该系统以单片机为核心，配置各种功能的外围元器件。水产养殖增氧机的自动控制通过传感器采集溶解氧数据并进行处理，判定当前采集的溶解氧是否超过阈值，从而操作增氧机的开启。但这种简单的自动控制开关，在低于阈值之后再去控制，可能会对养殖生物的健康造成一定的影响。
[0006]随着深度学习技术的发展，越来越多的人工智能方法用于水产养殖领域，但养殖水体中溶解氧含量易受温度、pH、氨氮以及人类活动等多种因素的影响，且具有非线性、不稳定、时变性等特点，利用传统的深度学习模型预测溶解氧存在推理速度慢、精度低等问题，且由于存在模型计算速度、网络传输速度、场景条件等限制，将数据传输到云端模型，经计算后再将结果返回的方式，不能满足实时性要求。
[0007]基于此，亟需一种能够实时准确预测溶解氧含量的方法。

技术实现思路

[0008]本专利技术的目的是提供一种循环水养殖溶解氧预测控制方法、装置、设备及介质，将训练好的溶解氧预测模型部署到边缘计算端，能够实现对溶解氧含量的实时、快速、精准预测。
[0009]为实现上述目的，本专利技术提供了如下方案：一种循环水养殖溶解氧预测控制方法，所述预测控制方法包括：构建训练数据集，并利用所述训练数据集对初始溶解氧预测模型进行训练，得到训练好的溶解氧预测模型；基于所述训练好的溶解氧预测模型构建推理引擎，并将所述推理引擎部署在边缘
计算端；以实时水质数据作为输入，利用所述推理引擎预测得到未来时刻的溶解氧含量；所述水质数据包括水产养殖环境中的水体溶解氧含量、水温、pH值、浊度、电导率、空气温度、盐度、大气压强、氨氮浓度和叶绿素浓度。
[0010]一种循环水养殖溶解氧预测控制装置，所述预测控制装置包括数据采集与控制模块和边缘计算模块；所述数据采集与控制模块和所述边缘计算模块通信连接；所述数据采集与控制模块包括水质多参数传感器，所述水质多参数传感器用于采集水质数据；所述边缘计算模块用于执行上述的预测控制方法，得到未来时刻的溶解氧含量。
[0011]一种循环水养殖溶解氧预测控制设备，包括：处理器；以及存储器，其中存储计算机可读程序指令，其中，在所述计算机可读程序指令被所述处理器运行时执行上述的预测控制方法。
[0012]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述预测控制方法的步骤。
[0013]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术用于提供一种循环水养殖溶解氧预测控制方法、装置、设备及介质，先构建训练数据集，并利用训练数据集对初始溶解氧预测模型进行训练，得到训练好的溶解氧预测模型，然后基于训练好的溶解氧预测模型构建推理引擎，并将推理引擎部署在边缘计算端，最后以实时水质数据作为输入，利用推理引擎预测得到未来时刻的溶解氧含量，通过将训练好的溶解氧预测模型部署到边缘计算端，能够实现对溶解氧含量的实时、快速、精准预测。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本专利技术实施例1所提供的预测控制方法的方法流程图；图2为本专利技术实施例1所提供的Transformer网络模型的结构示意图；图3为本专利技术实施例2所提供的预测控制装置的结构示意图；图4为本专利技术实施例2所提供的预测控制装置的连接示意图；图5为本专利技术实施例2所提供的预测控制装置的交互流程示意图；图6为本专利技术实施例3所提供的电子设备的实体结构示意图。
[0016]符号说明：1
‑
数据采集与控制模块；2
‑
边缘计算模块；3
‑
智能控制模块；4
‑
处理器；5
‑
存储器；6
‑
通信总线；7
‑
通信接口；11
‑
水质多参数传感器；12
‑
STM32核心控制器；21
‑
Jeston Nano开发板；31
‑
变频器；32
‑
增氧机。
具体实施方式
[0017]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]本专利技术的目的是提供一种循环水养殖溶解氧预测控制方法、装置、设备及介质，研究了一种全新的水产养殖车间溶解氧预测控制增氧方式，将训练好的溶解氧预测模型部署到边缘计算端，能够实现对溶解氧含量的实时、快速、精准预测。通过将部署在边缘计算端的训练好的溶解氧预测模型与模糊PID控制算法模型相结合，从而达到对水产养殖水体中的溶解氧含量边实时预测边动态控制的效果，实现对溶解氧的实时、快速、精准控制，避免资源浪费，保证了溶解氧含量的稳定性和水产养殖中养殖生物的安全性，提高了养殖效益。
[0019]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0020]边缘计算的出现为传统深度学习模型无法实时预测溶解氧含量的问题提供了解决方案，本实施例用于提供一种基于边缘计算的循环水养殖溶解氧预测控制方法，将训练好的溶解氧预测模型直接部署在边缘设备中，边缘设备接收到实时水质数据后可以直接计算出未来时刻的溶解氧含量的预测结果，满足实时性要求，实现了对溶解氧含量的实时、快速、精准预测。
[0021]如图1所示，本实施例的预测控制方法包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种循环水养殖溶解氧预测控制方法，其特征在于，所述预测控制方法包括：构建训练数据集，并利用所述训练数据集对初始溶解氧预测模型进行训练，得到训练好的溶解氧预测模型；基于所述训练好的溶解氧预测模型构建推理引擎，并将所述推理引擎部署在边缘计算端；以实时水质数据作为输入，利用所述推理引擎预测得到未来时刻的溶解氧含量；所述水质数据包括水产养殖环境中的水体溶解氧含量、水温、pH值、浊度、电导率、空气温度、盐度、大气压强、氨氮浓度和叶绿素浓度。2.根据权利要求1所述的预测控制方法，其特征在于，所述构建训练数据集具体包括：获取多个历史水质数据和每一所述历史水质数据对应的未来时刻的溶解氧含量；对所述历史水质数据进行预处理，得到预处理后水质数据；利用随机森林算法对所述预处理后水质数据进行降维处理，得到每一所述历史水质数据的降维后特征；以每一所述历史水质数据的降维后特征作为样本，并以所述历史水质数据对应的未来时刻的溶解氧含量作为样本标签，构建训练数据集。3.根据权利要求1所述的预测控制方法，其特征在于，所述基于所述训练好的溶解氧预测模型构建推理引擎，并将所述推理引擎部署在边缘计算端具体包括：对所述训练好的溶解氧预测模型进行优化，得到优化后模型；基于所述优化后模型构建推理引擎，并将所述推理引擎以序列化流图的形式部署在边缘计算端；通过反序列化所述序列化流图以启动所述推理引擎。4.根据权利要求3所述的预测控制方法，其特征在于，所述对所述训练好的溶解氧预测模型进行优化包括：利用TensorRT对所述训练好的溶解氧预测模型进行优化，具体包括：对网络层进行垂直和水平整合，缩短数据通道；采用FP16进行量化加速，代替单精度浮点数；优化前向计算中的激活函数、Layer Normalization以及SoftMax。5.根据权利要求1所述的预测控制方法，其特征在于，在得到未来时刻的溶解氧含量后，所述预测控制方法还包括：计算所述未来时刻的溶解氧含量与溶解氧含量理想值的误差和误差变化率；所述溶解氧含量理想值由所述水产养殖环境中的生物养殖密度、生物生长阶段以及所处生长季节、当前所处生长时段和水温信息所确定；以所述误差和所述误差变化率作为输入，利用训练好的模糊PID控制算法模型得到增氧控制量；根据所述增氧控制量对所述水产养殖环境中的溶解氧含量进行实时调控。6.根据权利要求5所述的预测...

【专利技术属性】
技术研发人员：位耀光，张玉玲，安冬，李道亮，刘金存，张佳龙，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：