资源描述：
19 中华 人民共和国 国家知识产权局 12 发明 专利申请 10 申请公布号 43 申请公布日 21 申请 号 202110661641 1 22 申请日 2021 06 15 71 申请人 中国农业大 学 地址 100193 北京市海淀区 圆明园西路2号 72 发明人 李 道亮 刘畅 王广旭 杜 玲 74 专利代理 机构 北京卫平智业专利代理事务 所 普通 合 伙 1 1392 代理人 闫萍 51 Int Cl G06T 7 00 2017 01 G06T 7 80 2017 01 G06N 3 04 2006 01 G06N 3 08 2006 01 G06Q 50 02 2012 01 54 发明名称 鱼菜共生系统及基于鱼类行为的蔬菜氮元 素需求估算方法 57 摘要 本发 明属于智能鱼菜共养技术领域 涉及一 种鱼菜共生系统及基于鱼类行为的蔬菜氮元素 需求估算方法 鱼菜共生系统包括 种菜池 养鱼 池 抽水泵 摄像机 过滤器和计算机 估算方法 包括以下步骤 步骤1 建立鱼菜共生系统 步骤 2 分析和统计鱼类行为数据 步骤3 建立鱼类活 跃度与氮元素浓度之间的模型关系 步骤4 将测 试集输入到训练好的最优模型中 得到水中氮元 素含量的预测值 本申请采用机器视觉与数学模 型分析结合的方式综合计算鱼类行为数据 充分 反映鱼类在不同氮元素浓度条件 下的活跃程度 更全面可靠地将鱼类行为与植物营养程度联系 起来 将人工智能和鱼菜共生系统进行有机融 合 具有广阔的应用前景和较高应用价值 可实 现产业 化 权利要求书2页 说明书6页 附图2页 CN 113516635 A 2021 10 19 CN 113516635 A 1 一种鱼菜共生系统 其特征在于 包括 种菜池 5 养鱼池 4 抽水泵 摄像机 过滤 器和计算机 在所述养鱼池 4 中盛水 养鱼 所述种菜 池 5 为 一水槽 在所述水槽中盛水 种植蔬菜 所述水槽位于所述养鱼池 4 的上 方 在所述水槽的侧面的两端分别设置进水口 2 和出 水口 3 在所述养鱼池 4 中放置抽水泵 所述抽水泵通过管路将养鱼池 4 中的水通过进水口 2 循环到水槽中 直到水槽中的 水位上升 至指定水位线 以供蔬菜吸 收养分 水槽中的水通过 出 水口 3 处安装的水 管回流至 养鱼池 4 中 在所述养鱼池 4 的正上 方和 侧面分别放置设有摄 像机 所述摄 像机与计算机连接 所述摄像机用于 拍摄养鱼池 4 监测鱼类行为 并将采集到的视频实时传输至后 台 监控室的计算机中 其中 养 鱼池 4 正上方的摄像机获得俯视的视频 养 鱼池 4 侧面的摄 像机获得侧视的视频 所述计算机用于 计算和分析 出一段时间内鱼类的行为数据 2 如权利要求1所述的鱼菜共生系统 其特征在于 所述养鱼池 4 的正上方的摄像机 为 3 60度的球型摄 像机 6 以便拍摄整个养鱼池 4 的无 死角画面 3 如权利要求1所述的鱼菜共生系统 其特征在于 所述摄像机采集的视频格式为mp4 格式 4 如权利要求1所述的鱼菜共生系统 其特征在于 在所述养鱼池 4 旁放置过滤器 在 水槽与养鱼池 4 之间的水 管中接入所述过 滤器 以便过 滤 水中的杂质 5 一种基于鱼类行为的蔬菜氮元素需求估算方法 应用权利要求1 4任一权利要求所 述的鱼菜 共生系统 其特 征在于 包括以下步骤 步骤1 建立实时监测鱼类行为的鱼菜 共生系统 步骤2 分析和统计鱼类行为数据 首 先对摄 像机采集的视频图像进行 标定 摄 像机初步采集视频 然后将采集的视频图像建立基于 机器视 觉的目标检测模型 具体是 提取感兴趣区域 并人工标注感兴趣区域 作为目标检测模型 摄 像机采集感兴趣区域的视频 并实时传输 至计算机中 计算机计算和分析 出一段时间内鱼类的行为数据 所述行为数据包括 游泳 速度 运动距离和撞壁次数 所述游泳 速度 运动距离和撞壁次数的三个分量构成鱼类行为活跃度数据 步骤3 建立鱼类活跃度与氮元 素浓度之间的模型关系 获得养鱼池 4 中对应活跃度数据的水的氮元 素含量 对所述活跃度数据和相应的氮元 素含量划分数据集 划分为 训练集和 测试集 将所述训练集输入混合模型的输入端 对混合模型进行训练 同时调整混合模型参数 当所述混合模型达到精度要求 时 得到训练好的最优模型 保存最优模型 当所述混合 模型没有达 到精度要求时 继续调整模型参数 直到得到最优 模型 权 利 要 求 书 1 2 页 2 CN 113516635 A 所述混合模型为 基于卷积神经网络与长短期内存网络的混合模型 所述卷积神经网络作为混合模型的上层模块 包括 卷积层和池化层 所述卷积层用于 提取输入端数据的特 征 所述池化层用于 对卷积层所提取的特 征进行 下采样 以精简模型参数 所述长短期内存网络作为混合模型的下层模块 所述长短期内存 网络用于 对池化层下采样的特征进行学习 保留有用信息 遗忘无效 信息 并将有用信息传输给全连接层 所述全连接层用于 压缩输出层之前的数据 以减少数据流的体量和输出层的网络参 数 并输出 预测的氮元 素 结果 步骤4 将测试集输入到训练好的最优 模型中 得到水中氮元 素含量的预测值 6 如权利要求5所述的基于鱼类行为的蔬菜氮元素需求估算方法 其特征在于 所述游 泳 速度的检测方法如下 首先将计算机获取的视频分解成图像帧 选定鱼头的位置作为游泳速度测量的基准 计算前后相邻两图像 帧中鱼头的距离变化 再用距离变化除以前后两图像 帧的时间差 得 到游泳 速度 7 如权利要求5所述的基于鱼类行为的蔬菜氮元素需求估算方法 其特征在于 所述运 动距离的检测方法如下 首先提取出养鱼池 4 中自由游动鱼的骨架 然后将俯视 图和侧视图中骨架特征的特 征点联系起来 分别 绘制出俯视图和侧视图的二维轨迹 再通过鱼类骨架特征点之间的联 系 从而得到鱼类的三维运动轨迹 最后根据三维运动轨迹计算出鱼类在一定时间内的运 动距离 8 如权利要求5所述的基于鱼类行为的蔬菜氮元素需求估算方法 其特征在于 所述撞 壁次数的检测方法如下 在已对视频中自由游动的鱼个体跟踪的前提下 对视频中的养鱼池 4 的外壁进行标 记 从池壁向养 鱼池 4 中心扩充2c m的边界区域 在此阈值范围内检测到 鱼头时 标记为一 次撞壁行为 9 如权利要求5所述的基于鱼类行为的蔬菜氮元素需求估算方法 其特征在于 所述鱼 类行为活跃度数据的获取 条件如下 设置 养鱼池 4 中水的氨 氮浓度变化范围为 0mg L 5mg L 从养鱼池 4 中水的氨氮浓度 为0mg L开始 每 隔0 2mg改变一次氨氮浓度 直到水中氨 氮浓度为 5mg L 设置 养鱼池 4 中水的硝酸态 氮浓度变化范围为 0 100mg L 从养鱼池 4 中水的硝酸态氮浓度为0mg L开始 每隔10mg改变一次硝酸态氮浓度 直 到水中硝酸态 氮浓度为 10 0mg L 采集在上述不同氮元素浓度 条件下 养鱼池 4 中鱼类的运动速度 运动距离以及撞壁 次数作为活跃度数据 10 如权利要求5所述的基于鱼类行为的蔬菜氮元素需求估算方法 其特征在于 将所 述池化层的大小设置为1 权 利 要 求 书 2 2 页 3 CN 113516635 A 鱼菜共生系统及 基于鱼类行为的蔬菜氮元素需求估算方 法 技术领域 0001 本发明属于智能鱼菜共生养殖技术领域 涉及一种鱼菜共生系统及基于鱼类行为 的蔬菜氮元 素需求估算方法 背景技术 0002 鱼菜共生是利用水产养殖排放水为植物提供营养 利用鱼饲料这种氮源生产鱼和 蔬菜两种农产品 具有 水和氮源利用效率高 不使用化肥和抗生素和对环境友好等特点 是 一种 可持续的农业发展方式 在传统的鱼菜共生系统中 氮元素作为蔬菜最主要的营养来 源 包括 氨态氮 简称 氨氮 亚硝态氮和硝酸态氮三种 其中 可被蔬菜直接吸收的为氨 态氮和硝酸态氮 也是鱼菜共生系统中蔬菜最主要的氮元素来源 其诊断方法可以分为两 类 一类是采用现代生物技术及化学实验手段 通过生理生化及组织形态分析 可以判断植 物的营养平衡状况 直接对水培蔬菜中的氮元素进 行检测和诊断 例如 利用蔬菜叶片各 组 织形态检验氮营养元素水平 也可以用解剖学与组织化学相结合的方法来检验植物中的营 养平衡状况 另一类是 利用计算机视觉的方法 蔬菜在生长期如果缺 乏氮元素 叶片会失 绿黄化 或叶脉间失绿 果 实的色泽和形状等也会 出现异常等 因此可利用计算机视觉 分析 植物的特定症状 长势长相及叶片颜色等外观特性进行 营养诊断 0003 以上现有技 术具有以下缺 点或不足 0004 生物化学的检测方法无法实时自动化地对植物氮元素的缺乏做出判断 效率较 低 在采样过程中对植株损害严重 植物的全氮分析只能在实验室进行 结果较慢 且耗时 耗力 光谱及计算机视觉的诊断方法也只有在植物表现出明显症状后才能进行诊断 因而 不能及时发现问题 起不到主动预防的作用 且由于此种诊断依赖采集的植物图像 易与机 械及物理损伤相混淆 更难做出正确的判断 所以在实际应用中有很大的局限性和延后性 除此之外 上述两类检测方法只是单一关注植物的生长状况 而忽略鱼类的个体状况 在鱼 菜共生系统中 鱼和菜的生长是息息相关的 其效益的最大化建立在鱼类健康与 蔬菜正常 生长的前提下 通常情况下 水中氮元素含量对鱼类的影响更加直观和迅速 例如 氨氮含 量增加时 鱼类会 出现明显的应激行为 撞 壁和摆尾次数明显增加 游速变快 除此之外 当 硝酸态氮含量增加到一定程度时 反而会抑制鱼类的行为 出现明显的摄食量下降 活跃程 度降低和游速变慢等不同程度的变化 因此 根据鱼类出现的不同行为可直接反应出水中 氨态氮和硝酸态氮含量的变化 从而间接反应水中氮元素对植物的影响 只有不断调节水 质环境 才能充分保证鱼和菜的正常生长 从而实现鱼菜 共生体系的生态 平衡 发明内容 0005 本申请根据鱼菜共生养殖系统的实际情况 利用摄像机对鱼类行为进行全天候的 实时监测 将采集到的视频数据进行处理 统计鱼菜共生养殖系统中鱼类的每天的活跃程 度 包括 游泳速度 运动距离和撞壁次数 再通过改变水中的氮元素含量 对不同氮元素含 量下的鱼类活跃程度和蔬菜长势进行 统计分析 建立氮元素含量与鱼类活跃程度和蔬菜营 说 明 书 1 6 页 4 CN 113516635 A 养 之 间的函数模型关系 从而将鱼的行为与蔬菜营养联系起来 解决传统方法中 只单一诊 断蔬菜营养 而 忽略鱼类生长的问题 0006 本申请利用计算机视觉技术监测鱼的行为 是一种无接触的诊断方法 且鱼类行 为会因水中氮元素含量的改变 而迅速发生变化 因此 根据计算机采集到的鱼类行为变化 的数据 可间接反应出当前鱼菜共生系统中氮元素含量的变化情况 从而为蔬菜是否需要 补充营养元 素做出辅助判断 0007 本申请提出的营养诊断方法无需使用任何生物化学类试剂 不会对环境和植株造 成损害 并且整个监测和诊断过程不会对鱼菜共生系统的正常运行造成干扰 无需耗费大 量的时间分析 可对鱼类行为进行实时监测 建立实时的鱼类行为变化与植物氮营养关系 模型 可有效解决现有鱼菜共生系统中蔬菜氮营养检测方法速度慢的问题 且可同时注重 鱼类的健康生长状态 具体技 术方案如下 0008 一种鱼菜 共生系统 包括 种菜 池5 养鱼池4 抽水泵 摄 像机 过 滤器和计算机 0009 在所述养鱼池4中盛水 养鱼 0010 所述种菜 池5为 一水槽 在所述水槽中盛水 种植蔬菜 0011 所述水槽位于所述养鱼池4的上 方 0012 在所述水槽的侧面的两端分别设置进水口2和出 水口3 0013 在所述养鱼池4中放置抽水泵 0014 所述抽水泵通过管路将养鱼池4中的水通过进水口2循环到水槽中 直到水槽中的 水位上升 至指定水位线 以供蔬菜吸 收养分 0015 水槽中的水通过 出 水口3处安装的水 管回流至 养鱼池4中 0016 在所述养鱼池4的正上 方和 侧面分别放置设有摄 像机 所述摄 像机与计算机连接 0017 所述摄像机用于 拍摄养鱼池4 监测鱼类行为 并将采集到的视频实时传输至后 台监控室的计算机中 其中 养 鱼池4正上方的摄像机获得俯视的视频 养 鱼池4侧面的摄像 机获得侧视的视频 0018 养鱼池4侧面的摄 像机位于 养鱼池4的侧方 0019 所述计算机用于 计算和分析 出一段时间内鱼类的行为数据 0020 在上述技术方案的基础上 所述养鱼池4的正上方的摄像机为 360度的球型摄像 机 6 以便拍摄整个养鱼池4的无 死角画面 所述养鱼池4的侧方的摄 像机为 普通摄 像机1 0021 在上述 技 术方案的基础上 所述摄 像机采集的视频格式为mp4格式 0022 在上述技术方案的基础上 在所述养鱼池4旁放置过滤器 在水槽与养鱼池4之间 的水 管中接入所述过 滤器 以便过 滤 水中的杂质 0023 一种基于鱼类行为的蔬菜氮元素需求估算方法 应用上述鱼菜共生系统 包括以 下步骤 0024 步骤1 建立实时监测鱼类行为的鱼菜 共生系统 0025 步骤2 分析和统计鱼类行为数据 0026 首 先对摄 像机采集的视频图像进行 标定 0027 摄 像机初步采集视频 0028 然后将采集的视频图像建立基于 机器视 觉的目标检测模型 具体是 0029 提取感兴趣区域 并人工标注感兴趣区域 作为目标检测模型 说 明 书 2 6 页 5 CN 113516635 A 0030 摄 像机采集感兴趣区域的视频 并实时传输 至计算机中 0031 计算机计算和分析 出一段时间内鱼类的行为数据 0032 所述行为数据包括 游泳 速度 简称速度 运动距离 简称距离 和撞壁次数 0033 所述游泳 速度 运动距离和撞壁次数的三个分量构成鱼类行为活跃度数据 0034 步骤3 建立鱼类活跃度与氮元 素浓度之间的模型关系 0035 获得养鱼池4中对应活跃度数据的水的氮元 素含量 0036 对所述活跃度数据和相应的氮元 素含量划分数据集 划分为 训练集和 测试集 0037 将所述训练集输入混合模型的输入端 对混合模型进行训练 同时调整混合模型 参数 0038 当所述混合模型达到精度要求时 得到训练好的最优模型 保存最优模型 当所述 混合模型没有达 到精度要求时 继续调整模型参数 直到得到最优 模型 0039 所述混合模型为 基于卷积神经网络 CN N 与长短期内存网络 LSTM 的混合模型 0040 所述卷积神经网络作为混合模型的上层模块 包括 卷积层和池化层 0041 所述卷积层用于 提取输入端数据的特 征 0042 所述池化层用于 对卷积层所提取的特 征进行 下采样 以精简模型参数 0043 所述长短期内存网络作为混合模型的下层模块 0044 所述长短期内存网络用于 对池化层下采样的特征进行学习 保 留有用信息 遗忘 无效信息 并将有用信息传输给全连接层 0045 所述全连接层用于 压缩输出层之前的数据 以减少 数据流的体量和输出层的网 络参数 并输出 预测的氮元 素 结果 0046 步骤4 将测试集输入到训练好的最优 模型中 得到水中氮元 素含量的预测值 0047 LSTM在预测数据方面具有独特的优势 在长期 时间序列预测中 LSTM可有效避免 梯度消失的问题 因此选择CNN与LSTM结合的混合模型预测鱼类活跃度与水中氮元素含量 之间的关系 0048 在上述 技 术方案的基础上 所述游泳 速度的检测方法如下 0049 首先将计算机获取的视频分解成图像帧 运动时相邻两帧图像中鱼的位置分布会 有 所差异 再根据这种位置 分布上的差异 选定鱼头的位置作为游泳速度测量的基准 计算 前后相邻两图像 帧中鱼头的距离变化 再用距离变化除以前后两图像 帧的时间差 即可得 到 养鱼池4中鱼类的游泳 速度 又称为 运动速度 0050 在上述 技 术方案的基础上 所述 运动距离的检测方法如下 0051 首先提取出养鱼池4中自由游动鱼的骨架 然后将俯视图和侧视图中骨架特征的 特征点联系起来 分别绘制出俯视图和侧视图的二维轨迹 再通过鱼类骨架特征点之间的 联系 从而得到鱼类的三维运动轨迹 最后根据三维运动轨迹计算出鱼类在一定时间内的 运动距离 0052 在上述 技 术方案的基础上 所述撞壁次数的检测方法如下 0053 在已对视频中自由游动的鱼个体跟踪的前提下 对视频中的养鱼池4的外壁进行 标记 从池壁向养 鱼池4中心扩充2c m的边界区域 在此阈值范围内检测到鱼头时 标记 为一 次撞壁行为 0054 在上述 技 术方案的基础上 所述鱼类行为活跃度数据的获取 条件如下 说 明 书 3 6 页 6 CN 113516635 A 0055 设置 养鱼池4中水的氨 氮浓度变化范围为 0mg L 5mg L 0056 从养鱼池4中水的氨氮浓度为0m g L开始 每隔0 2m g改变一次氨氮浓度 直到水中 氨 氮浓度为 5mg L 0057 设置 养鱼池4中水的硝酸态 氮浓度变化范围为 0 100mg L 0058 从养鱼池4中水的硝酸态氮浓度为0mg L开始 每隔10mg改变一次硝酸态氮浓度 直到水中硝酸态 氮浓度为 10 0mg L 0059 采集在上述不同氮元素浓度条件下 养鱼池4中鱼类的运动速度 运动 距离以及撞 壁次数作为活跃度数据 0060 在上述技术方案的基础上 将所述池化层的大小 设置为1 可有助于避免混合模型 过拟合 0061 本发明的有益 技 术效果如下 0062 1 快速无损 本发明采用计算机视觉技术 不需要对鱼和菜进行个体解剖和破坏 性采样 操作 可以快速准确地诊断水中氮元 素浓度对蔬菜的营养程度 0063 2 可辨识度高 采用机器视觉与数学模型分析结合的方式综合计算鱼类行为数 据 可充分反映鱼类在不同氮元素浓度条件下 的活跃程度 更全面更可靠地将鱼类行为与 植物营养程度联系起 来 0064 3 将人工智能方法和鱼菜共生系统进行有机融合 具有广阔的应用前景和较高的 应用价 值 可以实现产业 化 附图说明 0065 本发明有如下附图 0066 图1为本发明所述基于鱼类行为的蔬菜氮元 素需求估算方法的流 程 示 意图 0067 图2为本发明所述鱼菜 共生系统结构示 意图 0068 图3为图2中A A的剖视结构示 意图 0069 附图标记 0070 1 普通摄 像机 2 进水口 3 出 水口 4 养鱼池 5 种菜 池 6 球型摄 像机 具体实施方式 0071 下面结合附图和实施例 对本发明的具体实施方式做进一步详细描述 以下实施 例仅用于说明本发明 但不用来限制本发明的范围 0072 如图1所示 本发明所述基于鱼类行为的蔬菜氮元素需求估算方法 包括以下步 骤 0073 第一 步 建立可实时监测鱼类行为的鱼菜 共生系统 0074 搭建可对鱼类行为实时监测的鱼菜共生系统 其结构 示意如图2 所示 图3为图2的 A A剖视结构示意图 视频采集的格式为mp4 摄像机被放置在养鱼池4的正上方和侧面 其 中正上方俯视图选择360度的球型摄像机6 可拍摄整个养 鱼池4的无死角画 面 侧面选择普 通摄像机1 上方为可支撑蔬菜种植的水槽 所述种菜池5为一水槽 在所述水槽的侧面的两 端分别设置进水口2和出 水口3 0075 养鱼池4中放置抽水泵 将水循环到水槽中 供植物 吸收养分 直到水位上升至指 说 明 书 4 6 页 7 CN 113516635 A 定水位线 水槽中的水通过水管回流至养鱼池4中 养鱼池 旁边放置可过滤水中杂质的过 滤器 0076 第二 步 分析和统计鱼类行为数据 0077 摄像机采集到的视频实时传输至后台监控室的计算机中 再利用计算机计算和分 析出一段时间内鱼类的行为数据 所分析的行为数据包括 游泳速度 运动距离和撞壁次 数 所述游泳 速度 运动距离和撞壁次数的三个分量构成鱼类行为活跃度数据 0078 具体是 首先对摄像机采集的视频图像进行标定 数据处理时 先将采集的视频图 像建立基于机器视觉的目标检测模型 提取感兴趣区域 并人工标注感兴趣区域 这也是作 为后期模型训练的真实数据 然后选定基于卷积神经网络 CNN 与长短期内存网络 LSTM 的混合模型进行训练 在完成参数的优化和调整后 保存最优 模型 0079 1 速度的检测 0080 首先将计算机获取的视频分解成图像帧 运动时相邻两帧图像中鱼的位置分布会 有 所差异 再根据这种位置 分布上的差异 选定鱼头的位置作为速度测量的基准 计算前后 两帧鱼头的距离变化 用这个距离变化除以前后两帧的时间差 即可得到养 鱼池4中鱼类的 运动速度 0081 2 运动距离 0082 首先提取出养鱼池4中自由游动鱼的骨架 然后将俯视图和侧视图中骨架特征的 特征点联系起来 分别绘制出俯视图和侧视图的二维轨迹 再通过鱼类骨架特征点之间的 联系 从而得到鱼类的三维运动轨迹 最后根据三维运动轨迹计算出鱼类在一定时间内的 运动距离 0083 3 撞壁次数 0084 在已对视频中自由游动的鱼个体跟踪的前提下 对视频中的养鱼池4的外壁进行 标记 从池壁向养 鱼池4中心扩充2c m的边界区域 在此阈值范围内检测到鱼头时 标记 为一 次撞壁行为 0085 第三 步 建立鱼类活跃度与氮元 素浓度之间的模型关系 0086 设置水中不 同氮元素浓度间隔变化 采集不 同浓度氮元素条件下养鱼池4中鱼类 的运动速度 运动距离以及撞壁次数作为活跃度 0087 具体是 设置 养鱼池4中水的氨 氮浓度变化范围为 0mg L 5mg L 0088 从养鱼池4中水的氨氮浓度为0m g L开始 每隔0 2m g改变一次氨氮浓度 直到水中 氨 氮浓度为 5mg L 0089 设置 养鱼池4中水的硝酸态 氮浓度变化范围为 0 100mg L 0090 从养鱼池4中水的硝酸态氮浓度为0mg L开始 每隔10mg改变一次硝酸态氮浓度 直到水中硝酸态 氮浓度为 10 0mg L 0091 采集在上述不同氮元素浓度条件下 养鱼池4中鱼类的运动速度 运动 距离以及撞 壁次数作为活跃度数据 0092 对所述活跃度数据和相应的氮元 素含量划分数据集 划分为 训练集和 测试集 0093 将所述训练集输入混合模型的输入端 对混合模型进行训练 同时调整混合模型 参数 0094 当所述混合模型达到精度要求时 得到训练好的最优模型 保存最优模型 当所述 说 明 书 5 6 页 8 CN 113516635 A 混合模型没有达 到精度要求时 继续调整模型参数 直到得到最优 模型 0095 所述混合模型为 基于卷积神经网络 CN N 与长短期内存网络 LSTM 的混合模型 0096 所述卷积神经网络作为混合模型的上层模块 包括 卷积层和池化层 0097 所述卷积层用于 提取输入端数据的特 征 0098 所述池化层用于 对卷积层所提取的特征进行下采样 以精简模型参数 将池化层 的大小设置为1 可有助于避免模型 过拟合 0099 所述长短期内存网络作为混合模型的下层模块 0100 所述长短期内存网络用于 对池化层下采样的特征进行学习 保 留有用信息 遗忘 无效信息 并将有用信息传输给全连接层 0101 所述全连接层用于 压缩输出层之前的数据 以减少 数据流的体量和输出层的网 络参数 并输出 预测的氮元 素 结果 0102 第四步 将测试集输入到训练好的最优 模型中 得到水中氮元 素含量的预测值 0103 LSTM在预测数据方面具有独特的优势 在长期 时间序列预测中 LSTM可有效避免 梯度消失的问题 因此选择CNN与LSTM结合的混合模型预测鱼类活跃度与水中氮元素含量 之间的关系 0104 本发明并不局限于前述的具体实施方式 本发明可扩展到任何在本说明书中展示 的新特 征或任何新的组合 以及展示的任一 新的方法或过程的步骤或任何新的组合 0105 本说明书中未做详细描述的内容属于 本领域专业 技 术人员公知的现有技 术 说 明 书 6 6 页 9 CN 113516635 A 图1 说 明 书 附 图 1 2 页 10 CN 113516635 A 图2 图3 说 明 书 附 图 2 2 页 11 CN 113516635 A
展开阅读全文
