【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于深度聚类分析的虾群健康状况评估方法。
技术介绍
1、随着生物资产管理需求的日益增长，如何实现对生物群体健康状况的高效、准确、实时评估成为一个亟待解决的问题，特别是在面对复杂的环境变化和各种内外部因素影响时，如何通过自动化技术精确监控并评估生物群体的健康状态，是实现精细化管理和优化资源配置的重要挑战。
2、公开号为cn117636146a的专利文献公开了一种虾类活体资产盘点智能识别评估系统及方法，该方法包括：在各种光照条件下捕获得到虾类影像；通过微型生物体型识别与计数算法对虾类活动图像进行处理和识别，实现对虾类形状、大小、颜色、种类以及数量信息的准确识别；根据虾类形状、大小、颜色、种类、数量信息以及环境参数进行虾类活体资产的评估；在虾类健康状况或数量出现异常时向用户发出警报；对虾类信息和虾类活体资产评估结果进行整合、分析和存储。
3、由此可见，所述虾类活体资产盘点智能识别评估方法存在以下问题：该方法依赖于在各种光照条件下捕获虾类影像，光照的变化影响影像质量，从而导致识别误差或不准确的评估结果，在低光或强光环境下，图像处理的准确性受到显著影响，导致数据偏差；该方法在评估虾类活体资产时，依赖于环境参数，如水质、温度等，导致评估结果受环境变化的影响较大，特别是在极端环境条件下难以获得稳定和一致的评估结果。
技术实现思路
1、为此，本专利技术提供一种基于深度聚类分析的虾群健康状况评估方法，用以通过深度聚类分析克服现有技术中由于环
2、为实现上述目的，本专利技术提供一种基于深度聚类分析的虾群健康状况评估方法，包括：
3、监测基于预设网格步长构建的监测区域内各待评估网格中虾群的实时密度、实时饱和度以及实时活跃度；
4、根据所述实时密度确定若干虾群分散网格；
5、根据预设确定时长内的所述虾群分散网格的所述实时饱和度确定若干临时网格；
6、根据任意相邻两个所述临时网格的所述实时活跃度和所述实时密度确定若干非虾群异常网格；
7、根据所述非虾群异常网格的所述实时密度和所述实时饱和度确定实际虾群健康指数；
8、根据预设聚类分析模型、各待评估网格的所述实时密度、所述实时饱和度以及所述实时活跃度确定理想虾群健康指数；
9、根据所述理想虾群健康指数和所述实际虾群健康指数调整所述预设网格步长；
10、根据基于所述网格步长确定实际虾群健康指数，形成虾群健康评估值。
11、进一步地，所述根据任意相邻两个所述临时网格的所述实时活跃度和所述实时密度确定若干非虾群异常网格包括：
12、计算两个所述实时密度的差值，形成密度变化值；
13、计算两个所述实时活跃度的差值，形成活跃度变化值；
14、根据所述密度变化值和所述活跃度变化值确定变化一致度；
15、根据所述变化一致度和所述实时密度确定若干虾群异常网格；
16、从全部所述待评估网格排除所述虾群异常网格，以确定若干所述非虾群异常网格。
17、进一步地，所述根据所述密度变化值和所述活跃度变化值确定变化一致度包括：
18、根据预设绘制时长内的所述密度变化值绘制密度变化曲线；
19、根据所述预设绘制时长内的所述活跃度变化值绘制活跃度变化曲线；
20、计算所述密度变化曲线和所述活跃度变化曲线的余弦相似度，形成变化一致度。
21、进一步地，所述根据所述变化一致度和所述实时密度确定若干虾群异常网格包括：
22、在所述变化一致度小于预设一致度阈值时，判定所述相邻的两个临时网格为差异网格，形成若干差异网格；
23、根据所述差异网格的所述实时密度确定若干虾群异常网格。
24、进一步地，所述根据所述差异网格的所述实时密度确定若干虾群异常网格包括：
25、计算任意相邻的两个所述差异网格的所述实时密度的差值的标准差，形成差异密度波动值；
26、在所述差异密度波动值大于预设差异波动阈值时，判定所述差异网格为所述虾群异常网格，形成若干虾群异常网格。
27、进一步地，所述根据所述非虾群异常网格的所述实时密度和所述实时饱和度确定实际虾群健康指数包括：
28、对所述实时密度进行标准化处理，形成标准密度；
29、对所述实时饱和度进行标准化处理，形成标准饱和度；
30、对所述标准密度、所述标准饱和度、预设密度权重以及预设饱和度权重进行加权求和，形成实际虾群健康指数。
31、进一步地，所述根据所述理想虾群健康指数和所述实际虾群健康指数调整所述预设网格步长包括：
32、计算所述理想虾群健康指数和所述实际虾群健康指数的相对偏差，形成指数偏差；
33、根据所述指数偏差调整所述预设网格步长。
34、进一步地，所述根据所述指数偏差调整所述预设网格步长包括：
35、计算预设调整时长内所述指数偏差的标准差，形成偏差波动值；
36、在所述偏差波动值大于预设偏差波动值阈值时，根据偏差波动值和预设偏差波动值阈值的相对偏差以及预设调整系数减小所述预设网格步长。
37、进一步地，所述根据所述实时密度确定若干虾群分散网格包括：
38、在所述实时密度小于预设密度阈值时，判定所述待评估网格为虾群分散网格，形成若干虾群分散网格。
39、进一步地，所述根据所述虾群分散网格的所述实时饱和度确定若干临时网格包括：
40、计算所述实时饱和度的标准差，形成饱和度波动值；
41、在所述饱和度波动值大于预设饱和度波动值阈值时，判定所述虾群分散网格为所述临时网格，形成若干临时网格。
42、与现有技术相比，本专利技术的有益效果在于，通过结合实时密度、饱和度和活跃度等生理与行为数据，能够精准地监测并评估虾群的健康状况，通过逐级排除异常网格，筛选出更具代表性的网格，避免了因环境波动或测量误差导致的评估偏差，不仅实现了对虾群健康状况的动态监控，还通过理想健康指数与实际健康指数的对比，自动调整网格步长，从而提高了健康评估的精度和可靠性，此外，基于深度聚类分析的自适应模型能够处理复杂、多变的监测数据，具有良好的鲁棒性和灵活性，有效解决了由于环境参数不稳定导致健康评估结果不准确的问题。
43、进一步地，通过计算相邻网格的密度和活跃度差异，结合变化一致度的判断，可以准确识别出不符合健康标准的非虾群异常网格。这种方法能够有效排除异常数据，确保健康评估的准确性。
44、进一步地，通过计算密度和活跃度变化曲线的余弦相似度，可以有效地识别出变化同步性较差的异常情况，通过动态对比密度与活跃度的变化，能够更敏锐地捕捉到潜在的异常状况，为虾群健康监测提供更高的可靠性和响应速度。
45、进一步地，通过对变化一致度的本文档来自技高网...
【技术保护点】
1.一种基于深度聚类分析的虾群健康状况评估方法，其特征在于，包括：
2.根据权利要求1所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据任意相邻两个所述临时网格的所述实时活跃度和所述实时密度确定若干非虾群异常网格包括：
3.根据权利要求2所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述密度变化值和所述活跃度变化值确定变化一致度包括：
4.根据权利要求3所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述变化一致度和所述实时密度确定若干虾群异常网格包括：
5.根据权利要求4所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述差异网格的所述实时密度确定若干虾群异常网格包括：
6.根据权利要求5所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述非虾群异常网格的所述实时密度和所述实时饱和度确定实际虾群健康指数包括：
7.根据权利要求6所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述理想虾群健康指数和所述
8.根据权利要求7所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述指数偏差调整所述预设网格步长包括：
9.根据权利要求8所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述实时密度确定若干虾群分散网格包括：
10.根据权利要求9所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述虾群分散网格的所述实时饱和度确定若干临时网格包括：
...【技术特征摘要】
1.一种基于深度聚类分析的虾群健康状况评估方法，其特征在于，包括：
2.根据权利要求1所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据任意相邻两个所述临时网格的所述实时活跃度和所述实时密度确定若干非虾群异常网格包括：
3.根据权利要求2所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述密度变化值和所述活跃度变化值确定变化一致度包括：
4.根据权利要求3所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述变化一致度和所述实时密度确定若干虾群异常网格包括：
5.根据权利要求4所述的基于深度聚类分析的虾群健康状况评估方法，其特征在于，所述根据所述差异网格的所述实时密度确定若干虾群异常网格包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：黄灼，黄锡雄，邢雁，刘琰，
申请(专利权)人：广州机智云物联网科技有限公司，
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。