池塘河蟹养殖精准投饵系统设计与试验

传统池塘河蟹养殖主要依靠渔民根据经验来估算投饵量,通过人工撑船投喂饵料,饵料利用率低且劳动强度大。由于河蟹具有领地意识且移动范围较小,池塘各处河蟹分布不均匀,因此河蟹养殖需要科学精准投饵。现有河蟹养殖投饵作业方式粗放,无法满足河蟹高效生态养殖需求。为了掌握河蟹生长规律,更加科学高效地投饵喂料,本文设计基于河蟹生长模型的精准投饵系统。利用灰色关联度分析法确定对河蟹生长发育影响最大的环境因子。在传统水产生物生长模型基础上,加入环境因子进行改进,从线性和指数两个角度对河蟹生长模型进行优化拟合。利用遗传算法(GA)-反向反馈神经网络(BP神经网络)(GA-BP神经网络)对精准投饵预测模型进行训练,通过输入水温、溶解氧含量、pH值等环境参数,推算出最佳环境影响因子数值。根据河蟹生长模型、养殖密度、养殖面积得出河蟹总质量,结合河蟹生长期存活率与投喂率便可得出总投饵量。根据池塘河蟹实际分布密度和水质参数,确定池塘各区域的饵料分配系数,将总投饵量科学地分配到池塘各个区域。通过仿真得出预测投饵量决定系数R^(2)为0.990,预测模型具有较好的拟合效果。池塘投饵试验结果表明,基于河蟹生长模型确定投饵量,通过智能投饵船自动作业能够精准投饵的池塘面积约为5.33 hm^(2),能节约3个养殖户的劳动力成本。对池塘各区域,投饵船实际投饵密度与预设投饵密度相比,平均绝对误差为0.32 g/m^(2),平均相对误差为3.90%,且系统可根据环境参数的变化及食台反馈及时调整投饵量,有利于节省饵料,培育大规格河蟹,增加河蟹产量,提高养殖效益,促进河蟹养殖节本增效发展。

“1+N”型精准投饵装置设计

目前国内土塘养殖业中的投饵环节普遍采用投饵机单机定点方式进行作业,多个土塘需配置多台投饵机,导致投饵效率低、投入成本高。针对该问题,设计一种“1+N”型智能投饵装置,包括整机结构、旋转定量下料结构、风送式远程送料结构、传感式精准称重结构、“1+N”型分料结构等设计,可实现单源多点精准投饵。试验测试结果表明,“1+N”型智能投饵装置任意两出料口间饵料质量的相对误差小于10%,20 kg饵料量的平均投饵时间仅需30 s,输送距离可达100 m,能够为土塘养殖的精准化、高效化提供装备及技术支撑。

虾塘养殖船载精准投饵机设计

精准投饵是实现精准养殖的关键,为了解决现有投饵机精准性不高的问题,设计了一种船载专用精准投饵机。该投饵机采用抖动下料方式,在下料口设计定量开门装置,采用单片机进行控制。根据实验获取的下料口开度与投饵速度之间的关系,控制系统按照实际需要的投饵速度控制下料口开度,通过超声波测距模块测量到的料箱饲料的下降距离来反馈实时投料量,运用PID控制方法对误差进行动态修正,实时调整下料口开度,精准控制投饵机投饵量。实验结果表明精准投饵机投饵量误差在0.3%以下,满足精准投饵的要求。该投饵机结构简单,生产和维护成本低,便于推广使用,具有较高的实用价值。

渔业物联网的研究现状及发展趋势

随着物联网的发展,如何加快传统渔业向智慧渔业转型成为当前亟需解决的问题。发展"物联网+现代渔业"是实现智能化决策、精准化管理、自动化控制、推动智慧发展的关键。为此,本文全面、系统地阐述了渔业物联网在环境监测、疫情诊断、精准投饵和智能施药的研究现状,指出了渔业物联网未来发展的方向。

基于改进强跟踪无迹卡尔曼滤波的饵料动态称重算法

投饵是虾塘养殖中的重要环节,获取剩余饵料质量是实现精准投饵的关键。为解决在投饵过程中由环境、系统自身等因素引起的剩余饵料称重不准确问题,提出了一种适用于投饵船饵料动态称重的自适应强跟踪无迹卡尔曼滤波算法(SHFL-ASTUKF)。首先,建立称重系统的二阶模型,并对量测结果进行滤波。然后,在渐消因子快速引入的基础上,使用奇异值分解替换Cholesky分解处理误差协方差问题。同时,结合模糊控制算法和Sage-Husa自适应滤波,自适应更新量测噪声协方差和系统噪声协方差,从而抑制滤波过程中的发散情况。对SHFL-ASTUKF进行实例数据仿真和实验验证,结果表明,与强跟踪无迹卡尔曼滤波相比,实例数据仿真中,RMSE提高了14.9%,投饵船剩余饵料称重实验中RMSE平均提高了15.15%,MAE提高17.27%,所提出的算法具有更高的动态测量精度和更好的降噪效果。