[发明专利]一种水产病害智能化诊断方法有效

专利信息
申请号: 202110764804.9 申请日: 2021-07-07
公开(公告)号: CN113254458B 公开(公告)日: 2022-04-08
发明(设计)人: 叶婷;曾幸钦;曾炽强;李树湖;曾灶烟;舒雨锋;熊长炜;刘志伟;梅阳寒;左大利;李笑勉 申请(专利权)人: 赛汇检测(广州)有限公司
主分类号: G06F16/22 分类号: G06F16/22;G06V10/56;G06T7/40;G06N3/04;G06N3/06;G06N3/08
代理公司: 广州本诺知识产权代理事务所(普通合伙) 44574 代理人: 陈耿
地址: 510931 广东省广州市从化经济开发*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 水产 病害 智能化 诊断 方法
【说明书】:

本发明公开了一种水产病害智能化诊断方法,包括如下步骤:S101、构建水产病害特征数据库;在数据库中构建三个数据表格,一是水产病害病症数据表,二是病症图片特征数据检索表,三是特征值表;S102、对数据库表格属性进行赋值;S103、构建水产病害诊断神经网络;S104、对水产病害诊断神经网络进行训练;S105、运行水产病害诊断神经网络;用户将采集到的陆基池塘养殖场中的水产图片信息进行数据预处理后,输入到所述水产病害诊断神经网络中,可利用训练好的输入输出逻辑模型,得到水产病害诊断结论,达到水产病害智能化诊断效果。

技术领域

本发明涉及水产养殖管理领域,特别涉及陆基池塘智慧养殖中的水产病害智能诊断方法研究。

背景技术

水产养殖作为第一产业具有较大现实意义,一是发展水产养殖可以增加水产养殖户及水产经营企业的经济收入,拓展利润来源、增加就业机会、丰富就业岗位;二是有利于促进渔业产业结构优化,提升水产行业的可持续发展;三是扩大了水产品收获途径,稳定了水产品供应,丰富了群众的水产品物质资源;当前,随着信息化技术的不断发展,人工智能、信息化、物联网、互联网+等理念不断融入到社会生活的各个方面;陆基池塘养殖场水产养殖环境影响因子多、复杂、养殖标准人工操作较难实施,采用智能化信息技术可实现智慧养殖,提高养殖效率、优化养殖体系;水产养殖是陆基池塘养殖场的一项重要业务内容;为实现水产智能化养殖,如何实现水产病害智能化诊断成为一项研究课题。

当前,面向水产品的病害诊断专利研究较为丰富,如2017年7月授权的题为“一种基于物联网的水产品疾病诊断设备”的实用新型专利,集成了诊断箱、左侧盖、右侧盖、互联网诊断装置、观察皿和观察口,融合了互联网技术提高了水产品的病害诊断效果;还如2017年4月授权的题为“一种基于移动互联网技术的水产品疾病智能诊断系统”的实用新型专利,通过检测模块可以实时的检测水中的各项指标及水产品的健康状况,再与水产品疾病对比模块配合可以检测出水产品是否健康,同时利用报警模块发出报警提示,在无任何异常状态下,定时模块会定时控制系统自动进行检测,具有面向水产品的疾病信息化智能诊断特征;还如2017年3月申请的题为“远程鱼病诊断方法、装置及系统”的发明专利,包括远程获取病鱼信息、将病症信息处理为图片或文本信息、采用模糊推理和数学递归方法进行初步诊断、专家进行最终确诊等步骤和流程;可及时准确的把握鱼病爆发状况,做出准确诊断并开展及时有效地救治措施,最大限度的挽回养殖户的经济损失。

发明内容

鉴于上述背景信息,本发明旨在提供一种水产病害智能化诊断方法,引入人工智能算法与信息化理念,解决陆基池塘养殖场中水产病害智能识别与诊断问题;为实现上述目的,本发明采用如下技术方案。

一种水产病害智能化诊断方法,包括如下步骤:

S101、构建水产病害特征数据库;在数据库中构建三个数据表格,一是水产病害病症数据表,二是病症图片特征数据检索表,三是特征值表;水产病害病症数据表的属性包括水产名称、病害类型、疾病名称、病症特点、病症图片索引号、流行知识、判断方法、处理措施;病症图片特征数据检索表的属性包括病症图片索引号、R通道检索号、G通道检索号、B通道检索号、H通道检索号、相关性检索号、能量检索号、熵检索号、对比度检索号、均匀性检索号、面积检索号、周长检索号、似圆度检索号、偏心率检索号、占空比检索号;特征值表的属性包括特征值检索号、数据名称、标准差、最大值、最小值、阀值、方差。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于赛汇检测(广州)有限公司,未经赛汇检测(广州)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110764804.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top