[發明專利]一種基于邊緣計算的養殖管理方法及系統

在審

• 申請號: 202211460055.1
• 申請日: 2022-11-17
• 公開（公告）號: CN115857314A
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 茍偉;張發興;楊燕
• 申請（專利權）人: 四川德立凱軟件有限公司
• 主分類號: G05B11/42
• 分類號: G05B11/42
• 代理公司: 四川和創智慧專利代理有限公司 51350
• 代理人: 江錦利

1.一種基于邊緣計算的養殖管理方法，用于水產養殖管理，其特征在于，包括：

依據養殖生物的種類和該種類所需的參考環境數據，構建第一訓練集，并通過對所述第一訓練集進行訓練，獲得訓練好的第一環境監測模型；

優化所述第一環境監測模型，獲得第二環境監測模型，并部署所述第二環境監測模型至邊緣計算終端；

獲取環境參數，并利用所述環境參數和所述參考環境數據，確定誤差數據和誤差變化率；其中，所述環境參數，包括水質參數、氣象參數以及時令信息；

將所述誤差變化率和所述誤差數據作為預設的PID控制模型的輸入數據，獲得數據參數調控數據，并依據所述參數調控數據，輸出調控管理方案。

2.根據權利要求1所述的方法，其特征在于，所述依據養殖生物的種類和該種類所需的參考環境數據，構建第一訓練集，并通過對所述第一訓練集進行訓練，獲得訓練好的第一環境監測模型，包括：

依據預設的線性擬合模型，利用模糊聚類算法對所述第一訓練集進行聚類得到聚類中心；

將所述第一訓練集作為樣本集構建T-S模糊模型；

利用所述聚類中心對所述T-S模糊模型的參數進行辨識得到第一環境監測模型。

3.根據權利要求2所述的方法，其特征在于，所述聚類中心算法，包括：

其中，更新隸屬矩陣為：

其中，所述模糊聚類算法的代價函數為：

其中，/

公式中，u_i表示第i個聚類中心點，u_ij為隸屬度矩陣，m為模糊系數，J_m(U,k)為目標的最小化函數，k為聚類類別個數，c為聚類中心個數，n為樣本個數，u_ij為樣本x_j對聚類中心u_i的隸屬度，U為隸屬度矩陣。

4.根據權利要求1所述的方法，其特征在于，所述優化所述第一環境監測模型，獲得第二環境監測模型，并部署所述第二環境監測模型至邊緣計算終端，包括：

依據所述第一環境監測模型中的權重關系進行剪枝，獲得剪枝后的網絡；

通過對所述剪枝后的網絡進行微調，恢復損失的性能；

重復所述依據所述第一環境監測模型中的權重關系進行剪枝，獲得剪枝后的網絡的步驟，直到其精度達到預設的閾值，獲得第二環境監測模型；

部署所述第二環境監測模型至邊緣計算終端。

5.根據權利要求1或4所述的方法，其特征在于，所述部署所述第二環境監測模型至邊緣計算終端，包括：

依據所述第二環境監測模型構建推理引擎；

將所述推理引擎以序列化流圖的形式部署在邊緣計算端；其中，通過反序列化所述序列化流圖以啟動所述推理引擎。

6.根據權利要求1所述的方法，其特征在于，所述誤差變化率包括實時誤差變化率和歷史誤差變化率；所述誤差數據包括歷史誤差數據和實時誤差數據；所述將所述誤差變化率和所述誤差數據作為預設的PID控制模型的輸入數據，獲得數據參數調控數據，還包括：

獲取多個歷史誤差變化率和歷史變化數據構建第二訓練集；

通過對所述第二訓練集進行模糊化處理，得到模糊化結果；

依據所述模糊化結果和預設的模糊規則確定模糊參數增量的隸屬度，其中，所述模糊參數增量為所述PID控制模型的模糊參數的增量，所述模糊參數包括比例系數、積分系數和微分系數；

對所述模糊參數增量的隸屬度進行解模糊處理，獲得所述模糊數增量的參量值；

依據所述參量值對所述參數進行迭代優化，直至所述PID控制模型的評價指標達到預設要求，得到訓練好的所述PID控制模型；

將所述實時誤差變化率和所述實時誤差數據作為所述PID控制模型的輸入數據，獲得數據參數調控數據。