一种鱼类存活率预测方法及装置与流程
本发明涉及水产品检测技术领域，特别涉及一种鱼类存活率预测方法及装置。
背景技术：
随着人们生活水平的提高，鱼类因富含蛋白质等人类所需重要营养物质而普遍存在于人们的餐桌上。这要求市场保证充足的供应量，但是不同种类的鱼其对生存环境有一定的要求，所以主要供应来源于沿海城市和其他养殖户，在大部分地区难以做到现卖现捞，这就需要将鱼类进行大量运输和在销售点的暂存，但是无论是在运输中，还是在暂养中，鱼类因为环境的改变极易发生死亡，所以需要对其存活的状态进行监测，以便及时销售或处理，降低经济成本，提高营养价值和运输效率。
目前，关于生物存活率的方法主要集中于利用数据预测模型，如人工神经网络、时间序列等方法进行预测，但模型的构建需要大量的基础数据作为训练样本，并且对于不同环境的适应性差，往往环境发生改变时，需要重新建立模型，且预测模型的精度决定了获取到的存活率的准确性。为了得到较高精度的模型需要采集多种类型的数据进行综合分析，成本高，操作复杂。
技术实现要素：
本发明为解决传统技术成本高，操作复杂的缺陷，提供一种鱼类存活率预测方法及装置。
一方面，本发明提供一种鱼类存活率预测方法，包括：
s1，采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列；
s2，根据预设时间范围内鱼类存活率的时间序列，计算预设时间范围内的鱼类参考存活率；
s3，根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列，分析获取预设时间范围内鱼类的存活率调整系数；
s4，根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数，建立鱼类动态存活率模型。
其中，所述s1中，所述采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列包括：
按时间顺序采集鱼类贮藏环境中同时刻的温度、鱼类血糖和鱼类存活率数据，构成温度、鱼类血糖和鱼类存活率各自的时间序列。
其中，所述s2中，所述根据预设时间范围内鱼类存活率的时间序列，计算预设时间范围内的鱼类参考存活率具体包括：
利用下式计算鱼类参考存活率：
其中，
其中，所述s3中，所述根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列，分析获取预设时间范围内鱼类的存活率调整系数具体包括：
s31，根据预设时间范围内鱼类血糖的时间序列，计算预设时间范围内血糖波动值的时间序列；
s32，根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列，获取最佳温阶序列；
s33，根据预设时间范围内最佳温阶序列以及温度的时间序列，计算预设时间范围内鱼类的存活率调整系数。
其中，所述s31中，所述根据预设时间范围内鱼类血糖的时间序列，计算预设时间范围内血糖波动值的时间序列具体包括：
利用下式计算预设时间范围内各时刻的血糖波动值，整合为血糖波动值的时间序列；
式中，s是预设时间范围内血糖值的标准差，
其中，所述s32中，所述根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列，获取最佳温阶序列具体包括：
根据预设公差d将温度的时间序列划分为m个温度区间，并将m个温度区间内温度的时间序列和血糖波动值的时间序列按照时间顺序排列构成温度-血糖波动值的时间序列；
获取各温度区间内血糖波动的最小值，并利用所述温度-血糖波动值的时间序列，将与血糖波动的最小值对应的温度作为该区间的最佳温度to；
将m个区间的最佳温度进行整合构成最佳温阶序列t0(j)(j＝1,2,3...m)。
其中，所述s33中，所述根据预设时间范围内最佳温阶序列以及温度的时间序列，计算预设时间范围内鱼类的存活率调整系数具体包括：
根据预设时间范围内最佳温阶序列以及温度的时间序列，利用下式计算鱼类的存活率调整系数；
式中，n是预设时间范围内采集的温度值的个数，tr(j)表示预设时间范围内第j个实际环境温度值，t0(j)是tr(j)对应的温度区间内的最佳温度值，sr是鱼类的存活率调整系数。
其中，所述s4中，所述鱼类动态存活率模型为：
式中，
另一方面，本发明还提供一种鱼类存活率预测装置，包括：
采集模块，用于采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列；
第一计算模块，用于根据预设时间范围内鱼类存活率的时间序列，计算预设时间范围内的鱼类参考存活率；
第二计算模块，用于根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列，分析获取预设时间范围内鱼类的存活率调整系数；
数据处理模块，用于根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数，建立鱼类动态存活率模型，并获取预设时间范围内鱼类动态存活率。
其中，鱼类存活率预测装置还包括：
人机交互模块，用于预先设置时间范围，并显示采集模块采集的数据以及数据处理模块获取的动态存活率；
数据传输模块，用于利用无线传输技术将采集模块采集的数据以及数据处理模块获取的动态存活率传输到移动设备或pc端；
供电模块，用于为鱼类存活率预测装置供电。
本发明提供的鱼类存活率预测方法及装置，利用鱼类贮藏环境中温度和血糖变化来获取动态存活率模型，对鱼类存活率的状态进行监测，以便及时销售或处理，提高了经济效益。与传统生物存活率预测采用人工神经网络构建需要大量的基础数据作为训练样本，成本高，操作复杂相比，本发明降低了模型计算的难度和操作难度，实现存活率的快速获取，降低了时间成本，提高了工作效率。
附图说明
图1为根据本发明实施例提供的鱼类存活率预测方法步骤流程示意图；
图2为根据本发明实施例提供的鱼类存活率预测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一模块实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
图1为根据本发明实施例提供的鱼类存活率预测方法步骤流程示意图，如图1所示，本实施例提供的鱼类存活率预测方法包括：
s1，采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列；
具体地，由于市场需求和不同鱼类对环境的要求不一致导致不同鱼类的贮藏环境不同，或者同一种鱼类的实际贮藏环境不一样，其存活率也会出现差异。本实施例按照时间顺序获取各时刻贮藏环境的温度、鱼类血糖及存活率构建鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列。
s2，根据预设时间范围内鱼类存活率的时间序列，计算预设时间范围内的鱼类参考存活率；
对预设时间范围内鱼类存活率的时间序列进行处理，获取预设时间范围内的鱼类参考存活率。本实施例中，对预设时间范围内的时间序列中各个时刻的鱼类存活率求平均值，获得鱼类参考存活率。
s3，根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列，分析获取预设时间范围内鱼类的存活率调整系数；
选取与鱼类的存活率有关的鱼类血糖的时间序列和温度的时间序列，进行分析处理，获取预设时间范围内鱼类的存活率调整系数。将鱼类的存活率与鱼类血糖和环境温度相联系，提高了预测方法的泛化能力和预测精度。
s4，根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数，建立鱼类动态存活率模型。
利用上述步骤获得的鱼类参考存活率以及鱼类的存活率调整系数，建立鱼类动态存活率模型，得到不同时刻鱼类的动态存活率，能够对鱼类存活率的状态进行监测，以便及时销售或处理，提高了经济效益。
本发明实施例提供的鱼类存活率预测方法，利用鱼类贮藏环境中温度和血糖变化来获取动态存活率模型，对鱼类存活率的状态进行监测，以便及时销售或处理，提高了经济效益。与传统生物存活率预测采用人工神经网络构建需要大量的基础数据作为训练样本，成本高，操作复杂相比，本发明降低了模型计算的难度和操作难度，实现存活率的快速获取，降低了时间成本，提高了工作效率。
在本发明的一个优选实施例中，采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列包括：
按照时间顺序采集鱼类贮藏环境中同时刻的温度、鱼类血糖和鱼类存活率数据，构成温度、鱼类血糖和鱼类存活率各自的时间序列。
具体地，采集鱼类贮藏环境中同时刻的温度、鱼类血糖和鱼类存活率数据，构成温度、鱼类血糖和鱼类存活率各自的时间序列，分别对应温度变化时间序列ti(i＝1,2,...,t)，血糖的变化时间序列xi(i＝1,2,...,t)，鱼的存活率yi(i＝1,2,...,t)。将鱼类存活率看作鱼类贮藏环境中温度变化和血糖变化多因素复合作用的结果，提高了鱼类存活率预测预测方法的泛化能力和预测精度。
在本发明的一个优选实施例中，根据预设时间范围内鱼类存活率的时间序列，计算预设时间范围内的鱼类参考存活率具体包括：
利用下式计算鱼类参考存活率：
其中，
在本发明的一个优选实施例中，根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列，分析获取预设时间范围内鱼类的存活率调整系数具体包括：
s31，根据预设时间范围内鱼类血糖的时间序列，计算预设时间范围内血糖波动值的时间序列；
具体地，利用下式计算预设时间范围内各时刻的血糖波动值，整合为血糖波动值的时间序列；
式中，s是预设时间范围内血糖值的标准差，
s32，根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列，获取最佳温阶序列；
进一步地，根据预设公差d将温度的时间序列划分为m个温度区间，并将m个温度区间内温度的时间序列和血糖波动值的时间序列按照时间顺序排列构成温度-血糖波动值的时间序列；
获取各温度区间内血糖波动的最小值，并利用所述温度-血糖波动值的时间序列，将与血糖波动的最小值对应的温度作为该区间的最佳温度to；
将m个区间的最佳温度进行整合构成最佳温阶序列t0(j)(j＝1,2,3...m)。
s33，根据预设时间范围内最佳温阶序列以及温度的时间序列，计算预设时间范围内鱼类的存活率调整系数。
由于存活率的大小易受到温度的影响，而温度的大小受到环境的影响会产生较大的波动，因此根据预设时间范围内的最佳温阶序列以及温度的时间序列，得到存活率的调整系数。利用下式计算调整系数：
式中，n是预设时间范围内采集的温度值的个数，tr(j)表示预设时间范围内第j个实际环境温度值，t0(j)是tr(j)对应的温度区间内的最佳温度值，sr是鱼类的存活率调整系数。
本实施例利用鱼类贮藏环境中温度和血糖变化来获取鱼类的存活率调整系数，为建立鱼类动态存活率模型做准备。
在本发明的一个优选实施例中，鱼类动态存活率模型为：
式中，
根据s2中计算获得的鱼类参考存活率和s3中计算获得的鱼类存活率调整系数，鱼类动态存活率模型的变量为s1采集的鱼类贮藏环境中的温度和鱼类血糖数据，因此，通过鱼类动态存活率模型可以动态地获得预设时间范围内各个时刻的鱼类存活率。
本实施例利用鱼类贮藏环境中温度和血糖变化来获取动态存活率模型，对鱼类存活率的状态进行监测，以便及时销售或处理，提高了经济效益。与传统生物存活率预测采用人工神经网络构建需要大量的基础数据作为训练样本，成本高，操作复杂相比，本发明降低了模型计算的难度和操作难度，实现存活率的快速获取，降低了时间成本，提高了工作效率。
图2为根据本发明实施例提供的鱼类存活率预测装置的结构示意图，如图2所示，该装置包括采集模块201、第一计算模块202、第二计算模块203和数据处理模块204，其中：
采集模块201用于采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列；
第一计算模块202用于根据预设时间范围内鱼类存活率的时间序列，计算预设时间范围内的鱼类参考存活率；
第二计算模块203用于根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列，分析获取预设时间范围内鱼类的存活率调整系数；
数据处理模块204用于根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数，建立鱼类动态存活率模型，并获取预设时间范围内鱼类动态存活率。
本发明提供的鱼类存活率预测装置，利用鱼类贮藏环境中温度和血糖变化来获取动态存活率模型，对鱼类存活率的状态进行监测，以便及时销售或处理，提高了经济效益。与传统生物存活率预测采用人工神经网络构建需要大量的基础数据作为训练样本，成本高，操作复杂相比，本发明降低了模型计算的难度和操作难度，实现存活率的快速获取，降低了时间成本，提高了工作效率。
在本发明的一个优选实施例中，鱼类存活率预测装置还包括：
人机交互模块，用于预先设置时间范围，并显示采集模块采集的数据以及数据处理模块获取的动态存活率；
通过人机交互模块，能够预先设置任意时间范围，为满足不同的监测要求，通过自由的预设时间范围，对不同精度需求的鱼类存活率进行获取；上述鱼类存活率预测方法均针对采集的预设时间范围内的温度、鱼类血糖值及鱼类存活率数据进行处理。
数据传输模块，用于利用无线传输技术将采集模块采集的数据以及数据处理模块获取的动态存活率传输到移动设备或pc端；
其中，本实施例中无线传输技术包括gprs、wifi、蓝牙。数据传输模块将采集模块采集的数据以及数据处理模块获取的动态存活率传输到移动设备或pc端，以供人们在移动设备或pc端查看数据。
供电模块，用于为鱼类存活率预测装置供电。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然能够对前述各个实施例所记载的技术方案进行修改，或者对其中模块技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各个实施例技术方案的精神和范围。
- 还没有人留言评论。精彩留言会获得点赞！