中國水產(chǎn)養(yǎng)殖的生產(chǎn)模式已由粗放型向集約型轉(zhuǎn)變,生產(chǎn)結(jié)構(gòu)不斷調(diào)整升級,生產(chǎn)水平不斷提高。但較低的勞動生產(chǎn)率、生產(chǎn)效率和資源利用率,低質(zhì)量的水產(chǎn)品以及缺乏安全保障等問題都嚴(yán)重制約中國水產(chǎn)養(yǎng)殖業(yè)的快速發(fā)展。利用現(xiàn)代信息技術(shù),研究智能設(shè)備來實現(xiàn)精確、自動化和智能化的水產(chǎn)養(yǎng)殖,提高漁業(yè)生產(chǎn)力和資源利用率是解決上述矛盾的主要途徑。水產(chǎn)養(yǎng)殖中的人工智能是研究利用計算機實現(xiàn)水產(chǎn)養(yǎng)殖的過程,也就是利用機器和計算機監(jiān)視水下生物的生長,進(jìn)行問題判斷、討論和分析,提出養(yǎng)殖相關(guān)決策,完成自動化養(yǎng)殖。為深入了解人工智能技術(shù)在水產(chǎn)養(yǎng)殖中的研究發(fā)展現(xiàn)狀,本文從水產(chǎn)養(yǎng)殖的生命信息獲取、水產(chǎn)生物生長調(diào)控與決策、魚類疾病預(yù)測與診斷、水產(chǎn)養(yǎng)殖環(huán)境感知與調(diào)控,以及水產(chǎn)養(yǎng)殖水下機器人5個具體方面入手,結(jié)合生產(chǎn)中面臨的實際問題,分析了人工智能在水產(chǎn)養(yǎng)殖中的研究應(yīng)用現(xiàn)狀和技術(shù)特點;闡述了人工智能應(yīng)用的主要技術(shù)手段和原理,總結(jié)了近年來人工智能技術(shù)在水產(chǎn)養(yǎng)殖中的最新應(yīng)用研究進(jìn)展,分析了當(dāng)前人工智能技術(shù)在水產(chǎn)養(yǎng)殖發(fā)展中面臨的主要問題和挑戰(zhàn),并提出了推動水產(chǎn)養(yǎng)殖轉(zhuǎn)型的主要建議,以期為加速推進(jìn)中國漁業(yè)數(shù)字化、精準(zhǔn)化和智慧化提供參考。 

【文章來源】：智慧農(nóng)業(yè)(中英文). 2020,2(03)

【文章頁數(shù)】：20 頁

【部分圖文】：

基于機器學(xué)習(xí)的水產(chǎn)養(yǎng)殖環(huán)境因子預(yù)測流程

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新一代信息技術(shù)的不斷進(jìn)步，在水產(chǎn)養(yǎng)殖中利用機器替代人工成為可能[3]。其中，農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)可感知和傳輸養(yǎng)殖場信息，實現(xiàn)智能裝備的互聯(lián)；大數(shù)據(jù)與云計算技術(shù)完成信息的存儲、分析和處理，實現(xiàn)養(yǎng)殖信息的數(shù)字化，人工智能技術(shù)作為智能化養(yǎng)殖中最重要的一部分，通過模擬人類的思維和智能行為，學(xué)習(xí)物聯(lián)網(wǎng)和大數(shù)據(jù)提供的海量信息，對產(chǎn)生的問題進(jìn)行分析和判斷，最終完成決策任務(wù)，實現(xiàn)養(yǎng)殖場精準(zhǔn)作業(yè)。物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能三者相輔相成，深度融合，共同為加快中國完成水產(chǎn)養(yǎng)殖轉(zhuǎn)型升級階段提供技術(shù)支持。與傳統(tǒng)技術(shù)相比，人工智能技術(shù)側(cè)重對問題的計算、處理、分析、預(yù)測和規(guī)劃，這也是實現(xiàn)機器代替人工的關(guān)鍵[4]。人工智能技術(shù)在水產(chǎn)養(yǎng)殖中應(yīng)用的總體結(jié)構(gòu)、過程和相關(guān)技術(shù)如圖1所示。在傳輸和收集數(shù)據(jù)之后，人工智能技術(shù)進(jìn)行數(shù)據(jù)歸納、分析以及經(jīng)驗學(xué)習(xí)，最后制定相關(guān)管理決策。為更好地總結(jié)人工智能技術(shù)在水產(chǎn)養(yǎng)殖中的研究和應(yīng)用現(xiàn)狀，本文按照水產(chǎn)養(yǎng)殖中主要的業(yè)務(wù)對象和生產(chǎn)環(huán)節(jié)，梳理了人工智能在“生命信息獲取、水產(chǎn)生物生長調(diào)控與決策、魚類疾病預(yù)測與診斷、水產(chǎn)養(yǎng)殖環(huán)境感知與調(diào)控，以及水產(chǎn)養(yǎng)殖水下機器人”5個方面的國內(nèi)外研究進(jìn)展，詳細(xì)闡述了人工智能如何為水產(chǎn)養(yǎng)殖提供技術(shù)支持，總結(jié)了技術(shù)發(fā)展面臨的挑戰(zhàn)，同時提出了未來發(fā)展展望，以期為人工智能在水產(chǎn)養(yǎng)殖中的應(yīng)用和推進(jìn)提供參考，為中國智慧漁業(yè)和農(nóng)業(yè)現(xiàn)代化發(fā)展提供新方法和新思路。

現(xiàn)代水產(chǎn)養(yǎng)殖中主要依靠傳感器獲得魚、蝦、貝等水產(chǎn)生物的生命信息，這些信息不僅量大且雜亂，難以被充分利用。作為實現(xiàn)“機器換人”的關(guān)鍵技術(shù)，人工智能技術(shù)的首要任務(wù)就是獲取水下生物生命信息，具體內(nèi)容為種類、行為識別和生物量估算。其中種類和行為識別的主要對象為魚類[5]。該過程是利用水產(chǎn)養(yǎng)殖對象的外部特征進(jìn)行相關(guān)生命信息的獲取，這些特征信息也是開發(fā)應(yīng)用水產(chǎn)養(yǎng)殖領(lǐng)域智能化監(jiān)測方法的數(shù)據(jù)基礎(chǔ)[6,7]。種類識別過程必須要排除輸入的多余信息、抽取出關(guān)鍵的信息，并將分階段獲得的信息整理成一個完整的知識印象[8,9]。人工智能技術(shù)在水產(chǎn)養(yǎng)殖信息獲取關(guān)鍵技術(shù)主要技術(shù)方法、具體流程如圖2所示。2.1.1 魚種類識別

【參考文獻(xiàn)】：
期刊論文
[1]基于熒光法的溶解氧傳感器研制及試驗[J]. 顧浩,王志強,吳昊,蔣永年,郭亞.  智慧農(nóng)業(yè)(中英文). 2020(02)
[2]水產(chǎn)養(yǎng)殖中魚類投喂策略研究綜述[J]. 俞國燕,張宏亮,劉皞春,王俊會.  漁業(yè)現(xiàn)代化. 2020(01)
[3]基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的魚類投喂預(yù)測方法研究[J]. 陳瀾,楊信廷,孫傳恒,王以忠,徐大明,周超.  中國農(nóng)業(yè)科技導(dǎo)報. 2020(02)
[4]機器視覺技術(shù)在水下機器人中的應(yīng)用研究現(xiàn)狀及展望[J]. 林海燕,王皓.  信息記錄材料. 2019(09)
[5]基于長短時記憶網(wǎng)絡(luò)（LSTM）的蟹塘溶解氧估算優(yōu)化方法[J]. 朱南陽,吳昊,尹達(dá)恒,王志強,蔣永年,郭亞.  智慧農(nóng)業(yè). 2019(03)
[6]全國水生動物疾病遠(yuǎn)程輔助診斷服務(wù)網(wǎng)在水產(chǎn)病害防控中的應(yīng)用[J]. 張鋒,尹紀(jì)元.  中國水產(chǎn). 2019(02)
[7]基于近紅外機器視覺的魚類攝食強度評估方法研究[J]. 周超,徐大明,吝凱,陳瀾,張松,孫傳恒,楊信廷.  智慧農(nóng)業(yè). 2019(01)
[8]基于多特征融合與機器學(xué)習(xí)的魚類攝食行為的檢測[J]. 張重陽,陳明,馮國富,郭強,周旭,侍國忠,陳冠奇.  湖南農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2019(01)
[9]大數(shù)據(jù)時代人工智能技術(shù)在農(nóng)業(yè)領(lǐng)域的研究進(jìn)展[J]. 陳桂芬,李靜,陳航,安宇.  中國農(nóng)業(yè)文摘-農(nóng)業(yè)工程. 2019(01)
[10]水產(chǎn)養(yǎng)殖水質(zhì)檢測與控制技術(shù)研究進(jìn)展分析[J]. 尹寶全,曹閃閃,傅澤田,白雪冰.  農(nóng)業(yè)機械學(xué)報. 2019(02)

博士論文
[1]水產(chǎn)養(yǎng)殖溶解氧智能預(yù)測方法研究[D]. 宦娟.江蘇大學(xué) 2019
[2]基于機器學(xué)習(xí)的池塘養(yǎng)殖水質(zhì)關(guān)鍵因子預(yù)測方法研究[D]. 于輝輝.中國農(nóng)業(yè)大學(xué) 2018
[3]循環(huán)水養(yǎng)殖游泳型魚類精準(zhǔn)投喂研究[D]. 趙建.浙江大學(xué) 2018
[4]基于計算智能的水產(chǎn)養(yǎng)殖水質(zhì)預(yù)測預(yù)警方法研究[D]. 劉雙印.中國農(nóng)業(yè)大學(xué) 2014

碩士論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)補償器的水下機器人運動控制研究[D]. 韓凌云.山東大學(xué) 2019
[2]基于深度學(xué)習(xí)的魚類識別研究[D]. 胡濤.浙江工業(yè)大學(xué) 2019
[3]基于視覺增強的水下機器人目標(biāo)識別與定位[D]. 湯忠強.東南大學(xué) 2018
[4]基于機器學(xué)習(xí)理論的水質(zhì)預(yù)測技術(shù)研究[D]. 笪英云.浙江師范大學(xué) 2015
[5]基于多Agent的水產(chǎn)智能增氧關(guān)鍵技術(shù)研究[D]. 簡玉梅.上海海洋大學(xué) 2014



本文編號：3299269