6篇关于水产养殖的计算机毕业论文

今天分享的是关于水产养殖的6篇计算机毕业论文范文, 如果你的论文涉及到水产养殖等主题,本文能够帮助到你 水产养殖无人船监控管理信息系统的设计 这是一篇关于水产养殖,无人船

今天分享的是关于水产养殖的6篇计算机毕业论文范文, 如果你的论文涉及到水产养殖等主题,本文能够帮助到你

水产养殖无人船监控管理信息系统的设计

这是一篇关于水产养殖,无人船,服务器,Android,Web,信息管理系统,任务分配的论文, 主要内容为随着自动控制技术、物联网技术、网络通信技术的不断发展,传统水产养殖行业也朝着数字化和智能化的方向在迅速发展。人民日益增长的水产品需求、渔业高质量发展的行业需求,更加凸显了传统水产养殖过程中依靠人工劳作而形成的粗放、简单的养殖方式的落后。养殖效率的提高、养殖成本的降低、养殖质量的改善、养殖过程的规范等,成为水产养殖行业领域的发展目标。针对传统人工撑船投喂方式人工成本高,传统岸边机械投料装置存在的抛洒面积受限、无法实现均匀、定点投料等问题,水产养殖无人船成为近期研究热点,可在远离岸边的宽阔水域中实现定点、定量、定时自动投喂,可降低饲料系数、降低养殖成本。如何实现水产养殖无人船的高效实用,监控管理信息系统的设计成为亟待解决的关键问题。在深入探究水产养殖过程、养殖户需求、水产养殖无人船的设计与实现的基础上,在深入了解监控管理信息系统设计与实现的国内外研究进展的基础上,借助于云计算平台技术、4G通信技术,WEB开发技术、Android开发技术等,设计并实现了水产养殖无人船监控管理信息系统。系统通过一个云平台服务器加两种用户终端监控管理的模式,实现水产养殖无人船相关数据的存储与管理;实现远程用户对水产养殖环境监控、无人船自动巡航饲料投喂控制、投喂任务调度管理、无人船运行维护管理等功能,提高养殖效率,改善养殖户工作方式,并能为科学喂养提供数据支撑,推动数字渔业、智能渔业的进一步发展。针对系统需要实现的功能,对系统进行了功能需求分析、非功能需求分析及系统用例分析。通过对系统用户进行划分,详细地分析并明确了各类用户的功能需求和权限范围。针对需求分析,借助于统一建模工具设计了整个管理信息系统的总体架构,并进行功能模块划分、数据库设计和系统通信方式设计。其中,功能模块包括投喂管理模块、用户管理模块、留言管理模块、无人船管理模块、池塘管理模块和设备管理模块。基于My SQL进行数据库设计,建立的数据库表包含无人船信息、电池信息、池塘信息等共12个数据表,满足了信息存储和管理的需要,保证了数据的查询效率,同时满足系统的安全和性能需要。为提高无人船饲料投喂效率、降低无人船运行成本,在不考虑多船间存在碰撞问题的前提下,建立了多船多任务工作模式下的定点饲料投喂任务分配调度模型。模型将任务完成时间、无人船电池余量、无人船饲料仓最大容量等作为约束条件,将完成投喂饲料任务组合的无人船巡航路径长度和时间作为优化目标,优化设计了进行任务分配的改进的蝴蝶优化算法,基于Matlab进行了仿真实验。结果显示,采用改进的蝴蝶优化算法实现了对无人船饲料投喂任务的高效分配。基于阿里云服务,搭建了系统云服务器,基于MQTT协议,实现无人船与云服务器间的数据传输;基于HTTP协议,实现客户端与云服务器间的数据传输。针对远程养殖户客户端,主要使用Java开发语言,采用主流的开发框架SSM(Spring+Spring MVC+My Batis),采用基于MVC(Model-View-Controller)模式的整体架构,将系统划分为模型、视图、控制器三层,设计实现了Android客户端和Web客户端。

白蕉镇水产养殖信息资源库设计

这是一篇关于水产养殖,信息化,信息资源库,系统设计的论文, 主要内容为随着计算机与互联网技术的高速发展,信息化管理系统为现代化水产养殖提供了更为全面有效的管理决策和运作方式,信息化已经成为现代水产养殖业的主要发展趋势。但白蕉镇的水产养殖信息化建设一直处于较低水平,无法满足当地水产养殖迅速发展的迫切需求。本文针对白蕉镇水产养殖信息化建设的实际需求,利用Visual Studio2005、C#、Javascript开发工具和Windows Server 2008数据库管理系统等技术,设计并开发了白蕉镇水产养殖信息资源库。首先,本文对我国水产养殖的发展情况进行了研究和分析,阐述了白蕉镇水产养殖信息建设的意义。对渔业信息网络建设、渔业数据库建设、全文数据库检索技术和地理信息科学技术等进行了国内外发展现状综述。进而,分析了水产养殖信息化的发展方向,并确定了白蕉镇水产养殖信息资源库建设的总目标。其次,为了改变白蕉镇水产养殖信息化落后现状,本文在对当地水产养殖户和企业调研基础上,进行了信息资源库的需求分析,设计了信息资源库系统的总体方案,包括:系统的数据处理流程、系统总体架构、系统模块设计、系统功能设计、接口设计和数据库设计等。介绍了系统所涉及到的相关技术,如B/S架构、全文索引、Ajax技术和WebGIS技术等。并分析了系统运行的硬件和软件环境。然后,本文分析并设计了系统功能模块。资源库使用SQL Server 2008设计与开发了系统的数据库模块,包括安全信息库、公共信息库、水产科学养殖数据库、水产品养殖标准库、水产养殖经济资源库和水产养殖自然资源库等。并且,设计实现了白蕉镇水产养殖信息资源库的数据库管理、全文索引和数据入库等的前台用户功能和后台服务功能以及基于WebGIS的地图信息服务功能。最后,本文分别介绍了系统的前台和后台用户的功能,包括前台的公告和新闻、鱼类信息、数据库资源导航和地图查询等功能应用,以及后台的新闻管理、用户管理、附件管理和数据库管理等功能应用。并且展示了系统Web浏览器端的界面。

基于深度学习的水产养殖网衣破损检测方法研究

这是一篇关于水产养殖,网衣,破损检测,深度学习,数字图像处理的论文, 主要内容为在水产养殖中网衣可以有效控制鱼群的活动范围,便于集中管理,但网衣结构复杂,在养殖中极易受到风浪等自然天气的影响而发生破损,如果没有及时发现并修复,会使大量鱼群逃逸,造成严重的经济损失。传统的网衣破损检测需要专业的潜水员进行水下勘察,存在成本高、耗时多、人员安全等问题。本文利用数字图像处理技术和深度学习技术,对水下网衣破损位置和程度的识别方法进行研究,取得的研究成果如下:(1)破损网衣数据集的建立与增强。通过fifish v6水下机器人搭载的摄像头在白日和黑夜的环境下多角度、多距离拍摄网衣图片和录制网衣视频。通过提取拍摄视频的关键帧与拍摄的图片得到不同分辨率的网衣图片,对获取的图片从破损位置和破损程度上进行不同标签的人工标注,分别建立两组数据集。通过数字图像处理技术对建立好的数据集进行增强,达到增强图像对比度和扩充数据集的目的。(2)基于深度学习的网衣破损位置检测。基于一阶段检测模型YOLOv5s、YOLOv5m和二阶段检测模型Faster R-CNN对网衣破损位置数据集进行训练,结果显示,YOLOv5m的评价指标最好,其精准率、召回率、均值平均精度、平均识别速率分别为95.29%、96.06%、98.47%和11.34帧/s;YOLOv5s的评价指标次之,其精准率、召回率、均值平均精度、平均识别速率分别为93.67%、93.64%、98.05%和34.02帧/s;Faster R-CNN的评价指标最差,其精准率、召回率、均值平均精度、平均识别速率分别为72.38%、98.57%、95.56%和0.34帧/s,与前两个模型有较大差距。由于YOLOv5m的识别时间较慢,难以用于实时检测,故对YOLOv5s训练策略进行改进以获得更好的效果。通过将训练集图片进行尺寸变换和改用余弦退火学习率衰减等方法,训练策略改进后的YOLOv5s在精准率、召回率和均值平均精度上分别提高了1.52%、2.42%和0.46%,平均识别速率为34.10帧/s。(3)基于深度学习的网衣破损程度检测。基于不同的破损情况,本文将网衣的破损程度分为边缘破损(broken_edge)、两眼破损(broken_2)、三眼破损(broken_3)、三眼破损以上(broken_large)四种目标类别,使用改进训练策略后的YOLOv5s进行训练,训练后边缘破损、两眼破损、三眼破损和三眼破损以上的精准率分别为73.48%、64.71%、91.59%和98.99%,召回率分别为97.98%、99.00%、98.99%和98.99%。使用Faster R-CNN进行训练后边缘破损、两眼破损、三眼破损和三眼破损以上的精准率分别为58.33%、61.54%、91.30%和67.44%,召回率分别为36.48%、99.12%、84.00%和96.67%,评价指标明显弱于YOLOv5s。为了优化模型的检测性能,通过在原有网络结构中添加注意力机制的方法改进YOLOv5s模型,经过测试,在模型主干特征提取网络第8层添加CBAM注意力机制后模型边缘破损的召回率提升1.02%,两眼破损准确率提升3.10%,三眼破损准确率提升0.99%,召回率提升0.14%,平均识别时间为36.23帧/s。(4)破损网衣检测软件平台的开发。基于Qt Designer和PyQt5设计了破损网衣检测软件平台,该软件可以使用深度学习模型对图片或视频中网衣的破损位置和破损程度进行检测,并通过修改检测参数达到不同的检测效果,经过测试后的结果表明该软件界面能够满足检测的需求,具有一定的实用价值。

小型鱼塘水产养殖环境监测与预警系统设计

这是一篇关于物联网,水产养殖,STM32,BP神经网络,监测系统设计的论文, 主要内容为中国是世界第一水产养殖大国,占世界水产养殖总量的70%左右。但多年来,我国水产养殖业主要还是沿用粗放甚至掠夺式的生产方式,在取得辉煌成就的同时,牛产方式落后、病害频发、食品安全和环境污染等也成为不可回避的问题。近年来,我国水产养殖产业正逐步朝着工厂化、集约化、智能化方向发展,对水产养殖环境监测的需求不断增加。目前的水产养殖环境监测大都采用单一传感器方式,智能化程度较低,无法满足现代水产养殖环境监测的需求。因此,为了提高水产养殖产量并降低水产养殖成本,研制一套适合水产养殖需求的环境监测与预警系统,是当务之急。本文以水产养殖过程中环境参数监测为目的,根据环境参数的实际需求,完成了小型鱼塘水产养殖环境监测与预警系统设计,具体包括硬件设计、软件设计和算法选择等方面。系统由传感器模块、控制模块、执行模块和监测模块构成,采用上、下位机结构,上位机由阿里云物联网平台组成,下位机由STM32构成。系统实现了养殖鱼塘环境参数的精准采集,完成了执行元件的精准控制,能够满足水产养殖环境监测的需要。论文的研究内容如下:(1)根据系统分析,完成了系统硬件电路设计,选择了主控芯片、传感器、执行器件、通讯模块等电气元件。监测系统以STM32为核心,设计了微控制器模块电路、电源模块电路、无线通讯模块电路,完成了 STM32的I/O端口设计。(2)完成了系统软件设计,包括数据采集及执行元件程序设计、各传感器读取程序设计等。进行了无线通讯模块的软件配置,通过MQTT协议,完成了数据的上传以及指令的下发。搭建了水产养殖环境监测云平台,完成了云平台的选型,以及设备管理界面、用户注册及登录界面、水产养殖环境参数查询界面、水产养殖环境实时监测预警系统界面的设计。通过卡尔曼滤波算法实现了传感器采集数据的预处理,结合BP神经网络算法对处理后的数据进行同源融合,提高了数据上传云平台的准确性。通过对同源融合数据的多源融合,使网络模型的水质评价结果更为客观、准确。(3)进行了系统现场试验,完成了系统检测精度测试,验证了传感器数据采集的准确性;完成了远程无线传输模块测试,试验结果中远程无线传输模块平均丢包率为0.34%,执行元件最大延迟时间为2.7 s,验证了信息传输的稳定性。水产养殖环境监测与预警系统能够实现水质参数的实时监测,发挥农业科技在水产养殖中的作用,助推水产养殖生产的精准性、科学性,提高管理效率,提升水产养殖生产过程的质量管控能力,推进水产养殖管理的信息化水平,具有广阔的应用前景。

水产养殖大数据监测系统研究

这是一篇关于水产养殖,大数据,Mahout算法,数据监测系统的论文, 主要内容为随着大数据技术的广泛应用,更多的领域都应用大数据技术来使得各自领域完成技术转型以此来适应科技发展的需要。在水产养殖领域,水产养殖数据呈现出了膨胀增长的态势,数据的参差不齐、数据间的相互独立,使这些水产养殖数据未能得到具体的利用,浪费了水产养殖数据的价值。针对这个问题,本文以大数据技术与水产养殖数据结合作为研究对象,采用物联网传感器数据采集技术、网络爬虫数据技术、Hadoop大数据技术对水产养殖过程中的养殖数据进行分析与研究,设计了一种用于对水产养殖过程自动化监测的大数据系统平台,能够很好的将水产养殖和大数据技术结合起来,实现水产养殖行业信息的共享与互通,使得水产养殖业的信息资源配置与利用得到更好的科学整合与有效优化,提高水产养殖业的收益率和生产经营效率,降低水产养殖的风险,减小养殖人员的养殖负担。本论文主要从以下几个方面进行研究:(1)针对水产养殖大数据技术国内外发展的对比特点,提出了采用大数据技术与水产养殖结合的方式,设计出一种水产养殖大数据监测系统,并同时指出该水产养殖大数据监测系统对社会的意义与价值。(2)利用物联网传感器自动抓取数据的技术、网络爬虫数据收集技术、ETL数据清洗技术以及HDFS分布式文件存储技术对水产养殖数据进行数据采集、清洗分析以及数据存储,得出规范化、价值化的水产养殖数据,为实现水产养殖信息归类算法和水产养殖信息推荐算法做了数据支撑准备。(3)利用Mahout算法,设计并实现了对规范化、价值化的水产养殖数据的信息归类与推荐,同时利用Java微服务技术提供后台服务支持,在可视化界面上利用前端Vue框架实现数据展示。后台服务与前端技术结合设计了水产养殖大数据监测系统。

小型鱼塘水产养殖环境监测与预警系统设计

这是一篇关于物联网,水产养殖,STM32,BP神经网络,监测系统设计的论文, 主要内容为中国是世界第一水产养殖大国,占世界水产养殖总量的70%左右。但多年来,我国水产养殖业主要还是沿用粗放甚至掠夺式的生产方式,在取得辉煌成就的同时,牛产方式落后、病害频发、食品安全和环境污染等也成为不可回避的问题。近年来,我国水产养殖产业正逐步朝着工厂化、集约化、智能化方向发展,对水产养殖环境监测的需求不断增加。目前的水产养殖环境监测大都采用单一传感器方式,智能化程度较低,无法满足现代水产养殖环境监测的需求。因此,为了提高水产养殖产量并降低水产养殖成本,研制一套适合水产养殖需求的环境监测与预警系统,是当务之急。本文以水产养殖过程中环境参数监测为目的,根据环境参数的实际需求,完成了小型鱼塘水产养殖环境监测与预警系统设计,具体包括硬件设计、软件设计和算法选择等方面。系统由传感器模块、控制模块、执行模块和监测模块构成,采用上、下位机结构,上位机由阿里云物联网平台组成,下位机由STM32构成。系统实现了养殖鱼塘环境参数的精准采集,完成了执行元件的精准控制,能够满足水产养殖环境监测的需要。论文的研究内容如下:(1)根据系统分析,完成了系统硬件电路设计,选择了主控芯片、传感器、执行器件、通讯模块等电气元件。监测系统以STM32为核心,设计了微控制器模块电路、电源模块电路、无线通讯模块电路,完成了 STM32的I/O端口设计。(2)完成了系统软件设计,包括数据采集及执行元件程序设计、各传感器读取程序设计等。进行了无线通讯模块的软件配置,通过MQTT协议,完成了数据的上传以及指令的下发。搭建了水产养殖环境监测云平台,完成了云平台的选型,以及设备管理界面、用户注册及登录界面、水产养殖环境参数查询界面、水产养殖环境实时监测预警系统界面的设计。通过卡尔曼滤波算法实现了传感器采集数据的预处理,结合BP神经网络算法对处理后的数据进行同源融合,提高了数据上传云平台的准确性。通过对同源融合数据的多源融合,使网络模型的水质评价结果更为客观、准确。(3)进行了系统现场试验,完成了系统检测精度测试,验证了传感器数据采集的准确性;完成了远程无线传输模块测试,试验结果中远程无线传输模块平均丢包率为0.34%,执行元件最大延迟时间为2.7 s,验证了信息传输的稳定性。水产养殖环境监测与预警系统能够实现水质参数的实时监测,发挥农业科技在水产养殖中的作用,助推水产养殖生产的精准性、科学性,提高管理效率,提升水产养殖生产过程的质量管控能力,推进水产养殖管理的信息化水平,具有广阔的应用前景。

本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:源码导航 ,原文地址:https://m.bishedaima.com/lunwen/46100.html

相关推荐

发表回复

登录后才能评论