【技术实现步骤摘要】
本申请涉及生物环境，例如涉及一种基于神经网络的生物环境预警方法、装置、设备和介质。
技术介绍
1、生物生存的环境例包括陆上环境和水下环境，不同环境中可能存在不利于生物生长的因素，例如在本土鱼类生存的水下环境可能存在本土鱼类的天敌，导致影响本土鱼类的生长和繁衍。因此，需要对生物环境进行检测，在生物环境存在危险时报警。
2、现有技术例如cn112712008a公开了将模式生物对应的游动序列分为训练集和测试集，使用训练集训练3d卷积神经网络，得到识别模型。提取水下生物的游动特征，根据游动特征判断水质是否存在异常，捕获生物在不同水质中的生物性状，形成水环境预警系统。将水下视频输入水环境预警系统，对水质进行分类和预警。该现有技术在生物环境样本不足，即水下视频不足时不能准确地检测生物环境是否存在危险，导致不能发出报警信息。
3、现有技术例如cn115272035a公开了采集水环境数据，对水环境数据中的超标数据进行标记，得到危险数据，对危险数据进行分类处理。该现有技术没有使用基于神经网络的生物环境检测模型，对生物环境的分类准确度不高，导致在生物环境存在危险时，无法发出报警信息。
4、综上所述，现有的生物环境预警方法存在生物环境样本不足和/或在生物环境存在危险时，无法发出报警信息的问题。
技术实现思路
1、本申请目的在于：提供一种基于神经网络的生物环境预警方法、装置、设备和介质，其能够解决现有的生物环境预警方法存在生物环境样本不足和/或在生物环境存在危险时，无法
2、本申请提供了一种基于神经网络的生物环境预警方法，包括：
3、获取生物活动区域，根据所述生物活动区域采集生物环境样本，得到生物环境样本集；
4、对所述生物环境样本集进行随机过采样，得到过采样样本集；
5、对所述过采样样本集进行插值运算，得到补充样本集；
6、将所述补充样本集和所述生物环境样本集组合，得到组合样本集；
7、将所述组合样本集输入生物环境检测模型进行环境检测，得到生物环境；
8、将所述生物环境与预设环境数据库进行匹配，若所述预设环境数据库中存在所述生物环境，则发出报警信息。
9、优选地，所述对所述生物环境样本集进行随机过采样，得到过采样样本集，包括：
10、获取过采样比例，根据所述过采样比例计算第一阈值；
11、从所述生物环境样本集中随机复制所述第一阈值个所述生物环境样本，得到所述过采样样本集。
12、优选地，所述根据所述过采样比例计算第一阈值，包括：
13、通过以下公式计算所述第一阈值：
14、q＝[r×n]；
15、其中，q为所述第一阈值，r为所述过采样比例，n为所述生物环境样本集的生物环境样本总数，[]为取整运算。
16、优选地，所述对所述生物环境样本集进行随机过采样，得到过采样样本集之后，还包括：
17、根据以下公式对所述过采样样本集中第二阈值个过采样样本进行特征变换：
18、yi＝xi×(g-xi)；
19、其中，yi为第i个已变换样本，xi为所述过采样样本集中的第i个所述过采样样本，g为像素值阈值；
20、将每个所述已变换样本替换对应的所述过采样样本，更新所述过采样样本集。
21、优选地，所述将所述组合样本集输入生物环境检测模型进行环境检测之前，还包括：
22、获取训练样本集，将所述训练样本集输入待训练alexnet神经网络，计算损失函数值；
23、根据所述损失函数值进行反向传播，更新所述待训练alexnet神经网络的网络参数；
24、检测训练次数是否大于或等于训练次数阈值，若是，则停止训练，得到所述生物环境检测模型。
25、优选地，所述对所述过采样样本集进行插值运算，得到补充样本集，包括：
26、通过以下公式对所述过采样样本集进行双线性插值运算，得到所述补充样本集：
27、xk＝(1-w)×xi+w×xj；
28、其中，w为插值权重，xi为第i个所述过采样样本，xj为第j个所述过采样样本，xk为第k个补充样本。
29、优选地，所述根据所述生物活动区域采集生物环境样本，得到生物环境样本集，包括：
30、测量所述生物活动区域的区域参数，所述区域参数包括活动区域体积和活动区域氧气含量；
31、在所述活动区域体积范围内采集所述生物环境样本，并对每个所述生物环境样本分配与所述活动区域氧气含量对应的标签，得到所述生物环境样本集。
32、本申请还提供一种基于神经网络的生物环境预警装置，包括：
33、生物环境样本采集模块，用于获取生物活动区域，根据所述生物活动区域采集生物环境样本，得到生物环境样本集；
34、随机过采样模块，用于对所述生物环境样本集进行随机过采样，得到过采样样本集；
35、插值运算模块，用于对所述过采样样本集进行插值运算，得到补充样本集；
36、组合模块，用于将所述补充样本集和所述生物环境样本集组合，得到组合样本集；
37、环境检测模块，用于将所述组合样本集输入生物环境检测模型进行环境检测，得到生物环境；
38、报警模块，用于将所述生物环境与预设环境数据库进行匹配，若所述预设环境数据库中存在所述生物环境，则发出报警信息。
39、本申请还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的基于神经网络的生物环境预警方法。
40、本申请还提供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任一项所述的一种基于神经网络的生物环境预警方法。
41、本申请的一种基于神经网络的生物环境预警方法，包括获取生物活动区域，根据生物活动区域采集生物环境样本，得到生物环境样本集。对生物环境样本集进行随机过采样，得到过采样样本集。对过采样样本集进行插值运算，得到补充样本集。将补充样本集和生物环境样本集组合，得到组合样本集。将组合样本集输入生物环境检测模型进行环境检测，得到生物环境。将生物环境与预设环境数据库进行匹配，若预设环境数据库中存在生物环境，则发出报警信息。上述方法通过随机过采样和插值运算得到的补充样本可以作为生物环境样本集的补充，增加生物环境样本的数量。通过基于神经网络的生物环境检测模型可以较为准确地进行环境检测，当生物环境存在危险时，发出报警信息。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的生物环境预警方法，其特征在于，包括：
2.根据权利要求1所述的基于神经网络的生物环境预警方法，其特征在于，所述对所述生物环境样本集进行随机过采样，得到过采样样本集，包括：
3.根据权利要求2所述的基于神经网络的生物环境预警方法，其特征在于，所述根据所述过采样比例计算第一阈值，包括：
4.根据权利要求2所述的基于神经网络的生物环境预警方法，其特征在于，所述对所述生物环境样本集进行随机过采样，得到过采样样本集之后，还包括：
5.根据权利要求1所述的基于神经网络的生物环境预警方法，其特征在于，所述将所述组合样本集输入生物环境检测模型进行环境检测之前，还包括：
6.根据权利要求4所述的基于神经网络的生物环境预警方法，其特征在于，所述对所述过采样样本集进行插值运算，得到补充样本集，包括：
7.根据权利要求1所述的基于神经网络的生物环境预警方法，其特征在于，所述根据所述生物活动区域采集生物环境样本，得到生物环境样本集，包括：
8.一种基于神经网络的生物环境预警装置，其特征在于，包括：p>
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于神经网络的生物环境预警方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于神经网络的生物环境预警方法的步骤。
...【技术特征摘要】
1.一种基于神经网络的生物环境预警方法，其特征在于，包括：
2.根据权利要求1所述的基于神经网络的生物环境预警方法，其特征在于，所述对所述生物环境样本集进行随机过采样，得到过采样样本集，包括：
3.根据权利要求2所述的基于神经网络的生物环境预警方法，其特征在于，所述根据所述过采样比例计算第一阈值，包括：
4.根据权利要求2所述的基于神经网络的生物环境预警方法，其特征在于，所述对所述生物环境样本集进行随机过采样，得到过采样样本集之后，还包括：
5.根据权利要求1所述的基于神经网络的生物环境预警方法，其特征在于，所述将所述组合样本集输入生物环境检测模型进行环境检测之前，还包括：
6.根据权利要求4所述的基于神经网络的生物...
【专利技术属性】
技术研发人员：吴浩坤，冯启宇，
申请(专利权)人：广东开拓生物科技有限公司，
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。