一种基于神经网络的洄游类鱼群丰度信息获取方法及装置与流程

本发明涉及海洋渔业研究，尤其涉及一种基于神经网络的洄游类鱼群丰度信息获取方法及装置。

背景技术：

1、渔场预报和鱼群侦察是海洋捕捞的重要环节，对于鱼群移动较为迅速的渔业，渔场预报以及鱼群侦察较难实现，例如，金枪鱼是大洋性洄游鱼类，洄游速度快、路线长、范围大，其鱼群侦察较为困难。发明人发现海洋渔场的海气参数和洄游类鱼群丰度信息高度相关，通过研究海气参数及其变化趋势可有效预测其鱼群丰度信息。随着人工智能技术的普及和远洋捕鱼产业的发展，利用人工智能实现预测海洋渔场鱼群丰度信息将成为提升远洋探鱼产业效率的主要方式。

2、利用海洋卫星获取海洋渔场的海洋环境参数并对其进行有监督的离散化处理后采用蚁群算法中的antminer方法训练后，可得到一系列渔场判别规则，将实时或现场的海洋环境参数代入渔场判别规则后即可得到渔场预报数据和其分布图，但该蚁群算法具有参数调节困难，易限于局部最优预测，并且对于全局的预测也存在预测准确性和效率不高的问题。

3、另外，对离散化处理后的海洋环境数据，可建立贝叶斯网络结构图和贝叶斯网络中节点之间的条件概率表，选取最优学习算法得到的贝叶斯网络结构图来计算渔场的后验概率分布公式，根据得到的后验概率分布公式对渔场进行预报。但其贝叶斯算法高度依赖先验知识如历史的海洋环境参数的准确性和全面性，以及对于相关变量的处理则会出现预测的准确性和效率不高的问题。

4、上述两种方法的预测精度和准确度都无法满足商用标准；因此，需要提供一种改进的鱼群丰度检测技术，以解决上述问题。

技术实现思路

1、本申请的目的之一是提供一种基于神经网络的洄游类鱼群丰度信息获取方法及装置，以解决上述背景技术中提出的问题。

2、根据本发明一方面的一个实施例，提供了一种基于神经网络的洄游鱼群丰度信息获取方法，所述方法用于预测海洋渔场洄游类鱼群丰度信息，所述方法包括：

3、获取多组不同时间的海洋渔场的时间信息、位置信息、海气参数及对应的洄游类鱼群丰度信息历史数据；

4、将所述海洋渔场的时间信息，位置信息和海气参数数据作为样本数据分为多批，分批次输入神经网络模型，用于训练所述神经网络模型获得洄游类鱼群丰度信息计算器；其中，所述神经网络模型的隐藏层的激活函数前设置有批量归一化层，用于对神经元处理后的整个批次的数据进行批量归一化处理，再传输给激活函数执行后续处理；

5、实时获取指定海洋渔场的当前的位置信息，时间信息和海气参数信息，输入洄游类鱼群丰度信息计算器，通过计算获取海洋渔场当前的洄游类鱼群丰度信息；

6、在授权的接收终端可视化显示指定海洋渔场当前的洄游类鱼群丰度信息。

7、优选的，其洄游类鱼群丰度信息计算器包括至少两个神经网络隐藏层。

8、优选的，其洄游类鱼群丰度信息计算器在所述神经网络模型的前一神经网络层的输出端与后一神经网络层的第i个输出端之间建立残差连接，用于将前一神经网络层的输出直接与所述后一神经网络层的第i个输出进行相加操作。

9、优选的，获取洄游类鱼群丰度信息计算器训练所述神经网络模型包括根据设定概率在训练过程中随机选择隐藏层中部分神经元的连接进行非永久切断操作。

10、优选的，所述设定概率为0.2。

11、优选的，所述海气参数信息包括：洋流信息，盐度平均值、盐度偏差、海表温度、融合风场u分量、融合风场v分量、海表高度、有效波高及叶绿素α浓度；所述洋流信息包括：洋流u分量、洋流v分量、加入地转偏向力后的洋流u分量、加入地转偏向力后的洋流v分量洋流。

12、优选的，所述洄游类鱼群丰度信息包括：是否有鱼、鱼产品量及鱼保留量。

13、根据本发明一方面的一个实施例，提供了一种基于神经网络的洄游鱼群丰度信息获取装置，所述装置用于预测海洋渔场洄游类鱼群丰度信息，所述装置包括：

14、第一单元，训练数据获取单元用于获取训练数据，用于获取多组不同时间的海洋渔场的时间信息、位置信息、海气参数及对应的洄游类鱼群丰度信息历史数据；

15、第二单元，鱼群丰度信息计算器生成单元用于生成鱼群丰度计算器，用于将所述海洋渔场的位置信息，时间信息，海气参数数据作为样本数据分为多批，分批次输入神经网络模型，用于训练所述神经网络模型获得洄游类鱼群丰度信息计算器；其中，所述神经网络模型的隐藏层的激活函数前设置有批量归一化层，用于对神经元处理后的整个批次的数据进行批量归一化处理，再传输给激活函数执行后续处理；

16、第三单元，用于实时获取指定海洋渔场的当前的位置信息，时间信息和海气参数信息，输入洄游类鱼群丰度信息计算器，获取海洋渔场当前的洄游类鱼群丰度信息；

17、第四单元，用于在授权的接收终端可视化显示指定海洋渔场当前的洄游类鱼群丰度信息。

18、优选的，在所述第二单元的前一神经网络层的输出端与后一神经网络层的输出端之间建立残差连接，用于将输出层的输出直接与所述第一个隐藏层的输出进行相加操作。

19、优选的，训练所述神经网络模型包括：根据设定概率在训练过程中随机选择隐藏层中部分神经元的连接进行非永久切断操作。

20、优选的，所述设定概率为0.2。

21、根据本发明另一方面的一个实施例，提供了一种电子设备，所述电子设备包括：

22、至少一个处理器；以及

23、与所述至少一个处理器通信连接的存储器；其中，

24、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前文所述的方法。

25、根据本发明另一方面的一个实施例，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如前文所述的方法。

26、本发明的有益效果：

27、本申请采用时间信息、位置信息、海气参数等参数基于神经网络训练洄游类鱼群丰度信息获取装置，利用该装置可根据实时获得的卫星遥感数据计算其渔场洄游类鱼群丰度信息，尤其是金枪鱼丰度信息，提高了渔场探鱼的实时性，从而提高洄游类鱼，尤其是金枪鱼围网渔业的效率。

28、另外，通过对神经网络模型的改造加快了模型收敛速度，克服了过拟合问题，提升洄游类鱼群丰度信息获取装置对鱼群进行检测的精度和准确度。本申请实现了准确、实时的洄游鱼群丰度检测，且实现成本低，易于商用推广。

技术特征：

1.一种基于神经网络的洄游鱼群丰度信息获取方法，其特征在于，所述方法用于预测海洋渔场洄游类鱼群丰度信息，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述海气参数信息包括至少一种下述信息：洋流信息、盐度平均值，盐度偏差，海表温度，融合风场信息，海表高度，有效波高及叶绿素α浓度等。

3.根据权利要求1所述的方法，其特征在于，其洄游类鱼群风度信息计算器包含至少两个神经网络隐藏层。

4.根据权利要求1所述的方法，其特征在于，其获得洄游类鱼群丰度信息计算器还包括在所述神经网络模型的前一层神经网络的输出端与后一层神经网络的第i个输出端之间建立残差连接，用于将输出层的输出直接与所述第i个隐藏层的输出进行相加操作。

5.根据权利要求1所述的方法，其特征在于，其获得洄游类鱼群丰度信息计算器还包括根据设定概率在训练过程中随机选择隐藏层中部分神经元的连接进行非永久切断操作。

6.根据权利要求5所述的方法，其特征在于，所述设定概率为0.2。

7.根据权利要求1所述的方法，其特征在于，所述洄游类鱼群丰度信息包括：是否有鱼、鱼产品量及鱼保留量。

8.一种基于神经网络的洄游鱼群丰度信息获取装置，其特征在于，所述装置用于预测海洋渔场洄游类鱼群丰度信息，所述装置包括：

9.根据权利要求8所述的装置，其特征在于，在所述第二单元的前一神经网络层的输出端与后一神经网络层的输出端之间建立残差连接，用于将输出层的输出直接与所述第一个隐藏层的输出进行相加操作。

10.根据权利要求9所述的装置，其特征在于，训练所述神经网络模型包括：根据设定概率在训练过程中随机选择隐藏层中部分神经元的连接进行非永久切断操作。

11.根据权利要求10所述的装置，其特征在于，所述设定概率为0.2。

技术总结
本发明提供了一种基于神经网络的洄游类鱼群丰度信息获取方法及装置，所述方法包括：获取多组不同时间的海洋渔场的时间信息、位置信息、海气参数及对应的洄游类鱼群丰度信息历史数据；将所述历史数据作为样本训练神经网络模型，获得洄游类鱼群丰度信息获取装置；其中，所述神经网络模型的隐藏层的激活函数前设置有批量归一化层；实时获取指定海洋渔场的当前的位置信息，时间信息和海气参数信息，输入洄游类鱼群丰度信息获取装置，获取海洋渔场当前的洄游类鱼群丰度信息；在授权的接收终端可视化显示指定海洋渔场当前的洄游类鱼群丰度信息。本申请实现了准确、实时的洄游鱼群丰度检测，且实现成本低，易于商用推广。

技术研发人员：朱永汉
受保护的技术使用者：深圳北斗航天科技有限公司
技术研发日：
技术公布日：2024/2/8