[發(fā)明專利]一種基于邊緣計(jì)算的養(yǎng)殖管理方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211460055.1
• 申請日: 2022-11-17
• 公開（公告）號: CN115857314A
• 公開（公告）日: 2023-03-28
• 發(fā)明（設(shè)計(jì)）人: 茍偉;張發(fā)興;楊燕
• 申請（專利權(quán)）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(chuàng)智慧專利代理有限公司 51350
• 代理人: 江錦利

本申請?zhí)峁┝艘环N基于邊緣計(jì)算的養(yǎng)殖管理方法及系統(tǒng)，包括依據(jù)養(yǎng)殖生物的種類和該種類所需的參考環(huán)境數(shù)據(jù)，構(gòu)建第一訓(xùn)練集，并通過對第一訓(xùn)練集進(jìn)行訓(xùn)練，獲得訓(xùn)練好的第一環(huán)境監(jiān)測模型；優(yōu)化第一環(huán)境監(jiān)測模型，獲得第二環(huán)境監(jiān)測模型，并部署第二環(huán)境監(jiān)測模型至邊緣計(jì)算終端；獲取環(huán)境參數(shù)，并利用環(huán)境參數(shù)和參考環(huán)境數(shù)據(jù)，確定誤差數(shù)據(jù)和誤差變化率；將誤差變化率和誤差數(shù)據(jù)作為預(yù)設(shè)的PID控制模型的輸入數(shù)據(jù)，獲得數(shù)據(jù)參數(shù)調(diào)控?cái)?shù)據(jù)，并依據(jù)參數(shù)調(diào)控?cái)?shù)據(jù)，輸出調(diào)控管理方案。通過上述實(shí)施例，使得本申請的監(jiān)測能夠更快、更準(zhǔn)，為水產(chǎn)養(yǎng)殖提供更優(yōu)秀的管理。

技術(shù)領(lǐng)域

本申請涉及養(yǎng)殖管理技術(shù)領(lǐng)域，特別是一種基于邊緣計(jì)算的養(yǎng)殖管理方法及系統(tǒng)。

背景技術(shù)

隨著數(shù)字化的發(fā)展，養(yǎng)殖行業(yè)也能依靠數(shù)據(jù)實(shí)現(xiàn)更精細(xì)化的管理，對于養(yǎng)殖系統(tǒng)其環(huán)境因?qū)τ陴B(yǎng)殖具有最為重要的影響，養(yǎng)殖系統(tǒng)特別是水產(chǎn)養(yǎng)殖還和時令相關(guān)然而，目前水產(chǎn)養(yǎng)殖管理方法和系統(tǒng)偏向于數(shù)據(jù)管理，通過數(shù)據(jù)調(diào)節(jié)系統(tǒng)，一般沒有考慮到時令關(guān)系以及養(yǎng)殖物種，例如，不同水產(chǎn)在產(chǎn)卵期對環(huán)境有不同的特殊需求(光照、溫度等)，而每種水產(chǎn)物種對環(huán)境要求是不同的，因而需要一種更先進(jìn)的養(yǎng)殖管理方法和系統(tǒng)。

發(fā)明內(nèi)容

鑒于所述問題，提出了本申請以便提供克服所述問題或者至少部分地解決所述問題的一種基于邊緣計(jì)算的養(yǎng)殖管理方法及系統(tǒng)。

本申請公開了一種基于邊緣計(jì)算的養(yǎng)殖管理方法，用于水產(chǎn)養(yǎng)殖管理，包括：

依據(jù)養(yǎng)殖生物的種類和該種類所需的參考環(huán)境數(shù)據(jù)，構(gòu)建第一訓(xùn)練集，并通過對所述第一訓(xùn)練集進(jìn)行訓(xùn)練，獲得訓(xùn)練好的第一環(huán)境監(jiān)測模型；

優(yōu)化所述第一環(huán)境監(jiān)測模型，獲得第二環(huán)境監(jiān)測模型，并部署所述第二環(huán)境監(jiān)測模型至邊緣計(jì)算終端；

獲取環(huán)境參數(shù)，并利用所述環(huán)境參數(shù)和所述參考環(huán)境數(shù)據(jù)，確定誤差數(shù)據(jù)和誤差變化率；其中，所述環(huán)境參數(shù)，包括水質(zhì)參數(shù)、氣象參數(shù)以及時令信息；

將所述誤差變化率和所述誤差數(shù)據(jù)作為預(yù)設(shè)的PID控制模型的輸入數(shù)據(jù)，獲得數(shù)據(jù)參數(shù)調(diào)控?cái)?shù)據(jù)，并依據(jù)所述參數(shù)調(diào)控?cái)?shù)據(jù)，輸出調(diào)控管理方案。

進(jìn)一步的，所述依據(jù)養(yǎng)殖生物的種類和該種類所需的參考環(huán)境數(shù)據(jù)，構(gòu)建第一訓(xùn)練集，并通過對所述第一訓(xùn)練集進(jìn)行訓(xùn)練，獲得訓(xùn)練好的第一環(huán)境監(jiān)測模型，包括：

依據(jù)預(yù)設(shè)的線性擬合模型，利用模糊聚類算法對所述第一訓(xùn)練集進(jìn)行聚類得到聚類中心；

將所述第一訓(xùn)練集作為樣本集構(gòu)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(shù)進(jìn)行辨識得到第一環(huán)境監(jiān)測模型。

進(jìn)一步的，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(shù)為：

其中，/

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

進(jìn)一步的，所述優(yōu)化所述第一環(huán)境監(jiān)測模型，獲得第二環(huán)境監(jiān)測模型，并部署所述第二環(huán)境監(jiān)測模型至邊緣計(jì)算終端，包括：

依據(jù)所述第一環(huán)境監(jiān)測模型中的權(quán)重關(guān)系進(jìn)行剪枝，獲得剪枝后的網(wǎng)絡(luò)；

通過對所述剪枝后的網(wǎng)絡(luò)進(jìn)行微調(diào)，恢復(fù)損失的性能；