人工智能在水产养殖中研究应用分析与未来展望
发布时间：2021-07-23 12:13
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。
【文章来源】：智慧农业(中英文). 2020,2(03)
【文章页数】：20 页
【部分图文】：
基于机器学习的水产养殖环境因子预测流程
随着物联网、大数据、人工智能等新一代信息技术的不断进步，在水产养殖中利用机器替代人工成为可能[3]。其中，农业物联网技术可感知和传输养殖场信息，实现智能装备的互联；大数据与云计算技术完成信息的存储、分析和处理，实现养殖信息的数字化，人工智能技术作为智能化养殖中最重要的一部分，通过模拟人类的思维和智能行为，学习物联网和大数据提供的海量信息，对产生的问题进行分析和判断，最终完成决策任务，实现养殖场精准作业。物联网、大数据和人工智能三者相辅相成，深度融合，共同为加快中国完成水产养殖转型升级阶段提供技术支持。与传统技术相比，人工智能技术侧重对问题的计算、处理、分析、预测和规划，这也是实现机器代替人工的关键[4]。人工智能技术在水产养殖中应用的总体结构、过程和相关技术如图1所示。在传输和收集数据之后，人工智能技术进行数据归纳、分析以及经验学习，最后制定相关管理决策。为更好地总结人工智能技术在水产养殖中的研究和应用现状，本文按照水产养殖中主要的业务对象和生产环节，梳理了人工智能在“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个方面的国内外研究进展，详细阐述了人工智能如何为水产养殖提供技术支持，总结了技术发展面临的挑战，同时提出了未来发展展望，以期为人工智能在水产养殖中的应用和推进提供参考，为中国智慧渔业和农业现代化发展提供新方法和新思路。
现代水产养殖中主要依靠传感器获得鱼、虾、贝等水产生物的生命信息，这些信息不仅量大且杂乱，难以被充分利用。作为实现“机器换人”的关键技术，人工智能技术的首要任务就是获取水下生物生命信息，具体内容为种类、行为识别和生物量估算。其中种类和行为识别的主要对象为鱼类[5]。该过程是利用水产养殖对象的外部特征进行相关生命信息的获取，这些特征信息也是开发应用水产养殖领域智能化监测方法的数据基础[6,7]。种类识别过程必须要排除输入的多余信息、抽取出关键的信息，并将分阶段获得的信息整理成一个完整的知识印象[8,9]。人工智能技术在水产养殖信息获取关键技术主要技术方法、具体流程如图2所示。2.1.1 鱼种类识别
【参考文献】：
期刊论文
[1]基于荧光法的溶解氧传感器研制及试验[J]. 顾浩,王志强,吴昊,蒋永年,郭亚. 智慧农业(中英文). 2020(02)
[2]水产养殖中鱼类投喂策略研究综述[J]. 俞国燕,张宏亮,刘皞春,王俊会. 渔业现代化. 2020(01)
[3]基于自适应模糊神经网络的鱼类投喂预测方法研究[J]. 陈澜,杨信廷,孙传恒,王以忠,徐大明,周超. 中国农业科技导报. 2020(02)
[4]机器视觉技术在水下机器人中的应用研究现状及展望[J]. 林海燕,王皓. 信息记录材料. 2019(09)
[5]基于长短时记忆网络（LSTM）的蟹塘溶解氧估算优化方法[J]. 朱南阳,吴昊,尹达恒,王志强,蒋永年,郭亚. 智慧农业. 2019(03)
[6]全国水生动物疾病远程辅助诊断服务网在水产病害防控中的应用[J]. 张锋,尹纪元. 中国水产. 2019(02)
[7]基于近红外机器视觉的鱼类摄食强度评估方法研究[J]. 周超,徐大明,吝凯,陈澜,张松,孙传恒,杨信廷. 智慧农业. 2019(01)
[8]基于多特征融合与机器学习的鱼类摄食行为的检测[J]. 张重阳,陈明,冯国富,郭强,周旭,侍国忠,陈冠奇. 湖南农业大学学报(自然科学版). 2019(01)
[9]大数据时代人工智能技术在农业领域的研究进展[J]. 陈桂芬,李静,陈航,安宇. 中国农业文摘-农业工程. 2019(01)
[10]水产养殖水质检测与控制技术研究进展分析[J]. 尹宝全,曹闪闪,傅泽田,白雪冰. 农业机械学报. 2019(02)
博士论文
[1]水产养殖溶解氧智能预测方法研究[D]. 宦娟.江苏大学 2019
[2]基于机器学习的池塘养殖水质关键因子预测方法研究[D]. 于辉辉.中国农业大学 2018
[3]循环水养殖游泳型鱼类精准投喂研究[D]. 赵建.浙江大学 2018
[4]基于计算智能的水产养殖水质预测预警方法研究[D]. 刘双印.中国农业大学 2014
硕士论文
[1]基于RBF神经网络补偿器的水下机器人运动控制研究[D]. 韩凌云.山东大学 2019
[2]基于深度学习的鱼类识别研究[D]. 胡涛.浙江工业大学 2019
[3]基于视觉增强的水下机器人目标识别与定位[D]. 汤忠强.东南大学 2018
[4]基于机器学习理论的水质预测技术研究[D]. 笪英云.浙江师范大学 2015
[5]基于多Agent的水产智能增氧关键技术研究[D]. 简玉梅.上海海洋大学 2014
本文编号：3299269
【文章来源】：智慧农业(中英文). 2020,2(03)
【文章页数】：20 页
【部分图文】：
基于机器学习的水产养殖环境因子预测流程
随着物联网、大数据、人工智能等新一代信息技术的不断进步，在水产养殖中利用机器替代人工成为可能[3]。其中，农业物联网技术可感知和传输养殖场信息，实现智能装备的互联；大数据与云计算技术完成信息的存储、分析和处理，实现养殖信息的数字化，人工智能技术作为智能化养殖中最重要的一部分，通过模拟人类的思维和智能行为，学习物联网和大数据提供的海量信息，对产生的问题进行分析和判断，最终完成决策任务，实现养殖场精准作业。物联网、大数据和人工智能三者相辅相成，深度融合，共同为加快中国完成水产养殖转型升级阶段提供技术支持。与传统技术相比，人工智能技术侧重对问题的计算、处理、分析、预测和规划，这也是实现机器代替人工的关键[4]。人工智能技术在水产养殖中应用的总体结构、过程和相关技术如图1所示。在传输和收集数据之后，人工智能技术进行数据归纳、分析以及经验学习，最后制定相关管理决策。为更好地总结人工智能技术在水产养殖中的研究和应用现状，本文按照水产养殖中主要的业务对象和生产环节，梳理了人工智能在“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个方面的国内外研究进展，详细阐述了人工智能如何为水产养殖提供技术支持，总结了技术发展面临的挑战，同时提出了未来发展展望，以期为人工智能在水产养殖中的应用和推进提供参考，为中国智慧渔业和农业现代化发展提供新方法和新思路。
现代水产养殖中主要依靠传感器获得鱼、虾、贝等水产生物的生命信息，这些信息不仅量大且杂乱，难以被充分利用。作为实现“机器换人”的关键技术，人工智能技术的首要任务就是获取水下生物生命信息，具体内容为种类、行为识别和生物量估算。其中种类和行为识别的主要对象为鱼类[5]。该过程是利用水产养殖对象的外部特征进行相关生命信息的获取，这些特征信息也是开发应用水产养殖领域智能化监测方法的数据基础[6,7]。种类识别过程必须要排除输入的多余信息、抽取出关键的信息，并将分阶段获得的信息整理成一个完整的知识印象[8,9]。人工智能技术在水产养殖信息获取关键技术主要技术方法、具体流程如图2所示。2.1.1 鱼种类识别
【参考文献】：
期刊论文
[1]基于荧光法的溶解氧传感器研制及试验[J]. 顾浩,王志强,吴昊,蒋永年,郭亚. 智慧农业(中英文). 2020(02)
[2]水产养殖中鱼类投喂策略研究综述[J]. 俞国燕,张宏亮,刘皞春,王俊会. 渔业现代化. 2020(01)
[3]基于自适应模糊神经网络的鱼类投喂预测方法研究[J]. 陈澜,杨信廷,孙传恒,王以忠,徐大明,周超. 中国农业科技导报. 2020(02)
[4]机器视觉技术在水下机器人中的应用研究现状及展望[J]. 林海燕,王皓. 信息记录材料. 2019(09)
[5]基于长短时记忆网络（LSTM）的蟹塘溶解氧估算优化方法[J]. 朱南阳,吴昊,尹达恒,王志强,蒋永年,郭亚. 智慧农业. 2019(03)
[6]全国水生动物疾病远程辅助诊断服务网在水产病害防控中的应用[J]. 张锋,尹纪元. 中国水产. 2019(02)
[7]基于近红外机器视觉的鱼类摄食强度评估方法研究[J]. 周超,徐大明,吝凯,陈澜,张松,孙传恒,杨信廷. 智慧农业. 2019(01)
[8]基于多特征融合与机器学习的鱼类摄食行为的检测[J]. 张重阳,陈明,冯国富,郭强,周旭,侍国忠,陈冠奇. 湖南农业大学学报(自然科学版). 2019(01)
[9]大数据时代人工智能技术在农业领域的研究进展[J]. 陈桂芬,李静,陈航,安宇. 中国农业文摘-农业工程. 2019(01)
[10]水产养殖水质检测与控制技术研究进展分析[J]. 尹宝全,曹闪闪,傅泽田,白雪冰. 农业机械学报. 2019(02)
博士论文
[1]水产养殖溶解氧智能预测方法研究[D]. 宦娟.江苏大学 2019
[2]基于机器学习的池塘养殖水质关键因子预测方法研究[D]. 于辉辉.中国农业大学 2018
[3]循环水养殖游泳型鱼类精准投喂研究[D]. 赵建.浙江大学 2018
[4]基于计算智能的水产养殖水质预测预警方法研究[D]. 刘双印.中国农业大学 2014
硕士论文
[1]基于RBF神经网络补偿器的水下机器人运动控制研究[D]. 韩凌云.山东大学 2019
[2]基于深度学习的鱼类识别研究[D]. 胡涛.浙江工业大学 2019
[3]基于视觉增强的水下机器人目标识别与定位[D]. 汤忠强.东南大学 2018
[4]基于机器学习理论的水质预测技术研究[D]. 笪英云.浙江师范大学 2015
[5]基于多Agent的水产智能增氧关键技术研究[D]. 简玉梅.上海海洋大学 2014
本文编号：3299269
本文链接：https://www.wllwen.com/nykjlw/scyylw/3299269.html
