共查询到10条相似文献，搜索用时 31 毫秒
1.
人工智能在水产养殖中研究应用分析与未来展望 总被引：1，自引：0，他引：1
中国水产养殖的生产模式已由粗放型向集约型转变，生产结构不断调整升级，生产水平不断提高。但较低的劳动生产率、生产效率和资源利用率，低质量的水产品以及缺乏安全保障等问题都严重制约中国水产养殖业的快速发展。利用现代信息技术，研究智能设备来实现精确、自动化和智能化的水产养殖，提高渔业生产力和资源利用率是解决上述矛盾的主要途径。水产养殖中的人工智能是研究利用计算机实现水产养殖的过程，也就是利用机器和计算机监视水下生物的生长，进行问题判断、讨论和分析，提出养殖相关决策，完成自动化养殖。为深入了解人工智能技术在水产养殖中的研究发展现状，本文从水产养殖的生命信息获取、水产生物生长调控与决策、鱼类疾病预测与诊断、水产养殖环境感知与调控，以及水产养殖水下机器人5个具体方面入手，结合生产中面临的实际问题，分析了人工智能在水产养殖中的研究应用现状和技术特点；阐述了人工智能应用的主要技术手段和原理，总结了近年来人工智能技术在水产养殖中的最新应用研究进展，分析了当前人工智能技术在水产养殖发展中面临的主要问题和挑战，并提出了推动水产养殖转型的主要建议，以期为加速推进中国渔业数字化、精准化和智慧化提供参考。 相似文献
2.
水产养殖大数据技术研究进展与发展趋势分析 总被引：4，自引：0，他引：4
水产养殖对象特殊、环境复杂、影响因素众多,精准地监测、检测和优化控制极其困难。大数据技术结合数学模型,把水产养殖产生的大量数据加以处理和分析,并将有用的结果以直观的形式呈现给生产者与决策者,是解决上述难题的根本途径。本文主要对水产养殖大数据技术研究进展与发展趋势进行了深入剖析,提出了水产养殖业大数据技术的总体架构;分析了水产养殖大数据的来源和获取手段,重点总结了几种水产养殖大数据分析技术的研究进展和现有水产养殖大数据平台及其提供的应用服务;最后针对水产养殖与大数据技术结合过程所面临的困难与挑战,从实现全面感知、全产业链数据智能分析与自动决策、水产养殖大数据标准体系建设等方面提出水产养殖大数据技术的发展方向。数据是根本,分析是核心,利用大数据技术提高水产养殖综合生产力和效益是最终目的,应深度挖掘现实需求,整合水产养殖全产业链数据,加强基础理论和核心关键技术研究,从而推进大数据技术与水产养殖产业的深度融合,支撑我国水产养殖业彻底转型升级。 相似文献
3.
4.
5.
6.
虽然我国水产养殖行业经过长期的发展,养殖技术已经有了大幅度的提升。但是,在先进的水产养殖技术推广和应用的过程中仍然存在不少问题。这就要求水产养殖管理部门必须采取积极有效的措施,加大先进水产养殖技术应用推广力度,在促进先进水产养殖技术推广效率全面提升的同时,为我国水产养殖产业的长期稳定发展奠定良好的基础。 相似文献
7.
水产养殖水质环境无线监测系统设计与实现 总被引：2，自引：0，他引：2
针对目前水产养殖环境监测手段及监测设备基础薄弱、相对落后的现状,应用无线传感技术、嵌入式计算技术、微机电技术(MEMS)、分布式信息处理技术及无线通信网络技术于一体的无线传感器网络,为水产养殖环境提供数字化、网络化、智能化的实时动态监测系统。该系统不仅能够对水产养殖环境的主要检测指标(水温、PH值、溶氧量、浊度、氨氮等)进行实时监测,还能够对检测指标进行数据融合和挖掘,以建立水产养殖环境检测指标历史数据库,实现监测数据的本地或远程、实时、动态显示和分析,为水产养殖过程中有效提高水资源利用率、改善养殖环境质量、降低污染物的排放等提供了一种重要技术手段和科学依据。 相似文献
8.
为应用深度学习和遥感影像实现养殖水体信息的快速提取,以成都平原为研究区,以Sentinel 2A和高分6号多光谱影像为数据源,基于国产开源深度学习平台PaddlePaddle训练Deeplabv3+语义分割模型,构建遥感影像的水体语义分割模型,用于提取成都平原养殖水体信息。Deeplabv3+方法的总体精度和Kappa系数分别达到94.14%和0.88,均高于归一化差分水体指数法和最大似然监督分类法;模型对阴影和建筑物等误分为水体的抑制效果较好,而对小面积和细小线状水体信息的提取则受影像分辨率影响,效果无明显改进;成都平原2018年和2020年养殖水体面积分别为22.3 khm2和28.6 khm2,其验证区青白江区、新津县和广汉市养殖水体面积的泛化提取结果验证误差均≤±10%。该研究结果可为应用深度学习平台建立遥感影像的水体语义分割模型及提取水产养殖水体信息提供参考。 相似文献
9.