本发明属于水产养殖智能控制，尤其涉及一种水产养殖的智能控制系统和方法。
背景技术：
1、当前工厂化水产养殖作为新兴的水产养殖模式，从劳动密集型产业转型为自动化机械化产业，在高速发展的同时也因为技术能力和监督机制的不足带来了诸多问题，比如过量饲养、盲目喂食药剂和投喂、增氧操作不合理，这些问题导致水质条件恶化，从而滋生病菌影响鱼类生长生存。造就了工厂化水产养殖能耗高、劳动强度大、饵料浪费严重、智能化程度低等突出问题，因此创制绿色、高效、智能水产养殖工厂开始成为研究热点和发展趋势。
2、然而，智能水产养殖工厂养殖对象群体信息感知难、养殖环境动态调控难以及缺乏有效的智能化管控作业装备等问题突出。此外，智能水产养殖工厂缺乏模块化、标准化的复制推广模式，在一定程度上限制了智能水产养殖工厂的进一步发展。
技术实现思路
1、针对上述技术问题，本发明提供一种水产养殖的智能控制系统和方法，在养殖过程中实时监控水产动物，实现养殖环境动态调控、水产养殖的绿色、高效控制，提高了水产养殖的智能化。
2、本发明是通过以下技术手段实现上述技术目的的。
3、一种水产养殖的智能控制系统，包括溶解氧检测仪、ph检测仪、氨氮检测仪、氧化还原电位仪、结构化数据前端处理器、水下双目视觉观测装置、摄像头、非结构化数据前端处理器、云端处理器和前端设备；
4、所述溶解氧检测仪用于检测养殖池的溶解氧；所述ph检测仪用于检测养殖池的ph值；所述氨氮检测仪用于检测养殖池的氨氮含量；所述氧化还原电位仪用于检测养殖池的氧化还原电位；所述溶解氧检测仪、ph检测仪、氨氮检测仪、氧化还原电位仪分别与结构化数据前端处理器连接，并将检测的数据传送到结构化数据前端处理器；
5、所述水下双目视觉观测装置用于采集养殖池水下水产动物的图像画面，摄像头用于采集养殖池水水面上水产动物的图像画面；水下双目视觉观测装置和摄像头分别与非结构化数据前端处理器连接，并将采集的画面传送给非结构化数据前端处理器；
6、所述结构化数据前端处理器和非结构化数据前端处理器分别与云端处理器连接，云端处理器根据结构化数据前端处理器以及非结构化数据前端处理器的信息，做出决策，控制前端设备调节养殖池的运行。
7、上述方案中，所述前端设备包括巡检机器人、搬运机器人、投喂机器人、水下清理机器人、增氧机、换水泵和ph自动调节装置；
8、所述溶解氧检测仪、ph检测仪、氨氮检测仪、氧化还原电位仪水下双目视觉观测装置和摄像头搭载在巡检机器人上；
9、所述巡检机器人、搬运机器人、投喂机器人、水下清理机器人、增氧机和换水泵分别与云端处理器连接；
10、所述巡检机器人用于根据云端处理器的指令到对应的养殖池进行巡检，并将采集养殖池的ph值、氨氮含量、氧化还原电位数据传送到结构化数据前端处理器，将采集的养殖池水下水产动物的图像画面和水面上水产动物的图像画面传送给非结构化数据前端处理器；
11、所述搬运机器人用于根据云端处理器的指令将饲料或者水下清理机器人搬运到指定的养殖池；
12、所述投喂机器人用于根据云端处理器的指令对养殖池水的水产动物进行投喂；
13、所述水下清理机器人用于根据云端处理器的指令对指定的养殖池进行清理；
14、所述增氧机用于根据云端处理器的指令对指定的养殖池进行增氧；
15、所述换水泵用于根据云端处理器的指令对指定的养殖池进行换水；
16、所述ph自动调节装置用于根据云端处理器的指令对指定的养殖池投入碱性材料或酸性材料进行ph调节。
17、上述方案中，所述结构化数据前端处理器对接收的养殖池的ph值、氨氮含量、氧化还原电位数据进行处理，得到养殖池的环境变化数据并传递给云端处理器；
18、所述非结构化数据前端处理器对接收的养殖池水下水产动物的图像画面和水面上水产动物的图像画面进行处理，得到水面波动、水产动物的行为、数量、表型、病害情况并传递给云端处理器。
19、一种根据所述的水产养殖的智能控制系统的控制方法，包括以下步骤：
20、所述溶解氧检测仪检测养殖池的溶解氧；所述ph检测仪检测养殖池的ph值；所述氨氮检测仪检测养殖池的氨氮含量；所述氧化还原电位仪检测养殖池的氧化还原电位；所述溶解氧检测仪、ph检测仪、氨氮检测仪、氧化还原电位仪分别将检测的数据传送到结构化数据前端处理器；所述结构化数据前端处理器对接收的养殖池的ph值、氨氮含量、氧化还原电位数据进行处理，得到养殖池的环境变化数据并传递给云端处理器；
21、所述水下双目视觉观测装置采集养殖池水下水产动物的图像画面，摄像头采集养殖池水水面上水产动物的图像画面；水下双目视觉观测装置和摄像头分别将采集的画面传送给非结构化数据前端处理器；所述非结构化数据前端处理器对接收的养殖池水下水产动物的图像画面和水面上水产动物的图像画面进行处理，得到水面波动、水产动物的行为、数量、表型、病害情况并传递给云端处理器；
22、云端处理器根据结构化数据前端处理器以及非结构化数据前端处理器的信息，发出指令，控制前端设备调节养殖池的运行。
23、上述方案中，当云端处理器判断溶解氧检测仪检测的含氧量低于预设值时，控制增氧机增加运行时间进行增氧；当含氧量高于预设值时，控制增氧机减少运行时间进行减氧；所述云端处理通过溶解氧动平衡方程来预测水体溶解氧的动态变化来控制增氧机的运行时间，溶解氧动平衡方程为：
24、
25、其中:o(t)为t时刻养殖池水体的溶解氧浓度；oint为初始时刻溶解氧；o0(t)为增氧机单位时间内给养殖池输送溶氧量，与增氧效率、循环水流量相关；o1(t)为养殖对象单位时间内耗氧量；o2(t)为投喂时间段内单位时间残饵粪便水体耗氧量；b为单位时间养殖池表面氧气逃逸量，设定为常量。
26、上述方案中，当云端处理器判断ph检测仪检测的ph值低于预设值时，控制ph自动调节装置添加石灰等碱性材料；当云端处理器判断ph检测仪检测的ph值过高于预设值时，控制ph自动调节装置添加醋酸等酸性材料。
27、上述方案中，当云端处理器判断氨氮检测仪检测的氨氮浓度超过阈值时，通过氨氮累积方程来预测水体氨氮动态变化从而控制换水泵换水；
28、氨氮累积方程为：n(t)＝n0-n1，其中n0＝f(x)为单位时间饲料源氨氮产生量，并且随着时间推移逐渐线性增加n0∝x；n1为设施单位时间净水能力。
29、上述方案中，当云端处理器判断氧化还原电位仪检测的氧化还原电位低于预设值时，控制增氧机提高氧化还原电位；当氧化还原电位高于预设值时，控制投喂机器人减少投饵量。
30、上述方案中，所述云端处理器根据非结构化数据前端处理器处理的摄像头拍摄到的投喂时水面上水产动物的图像画面通过水面波动程度确定鱼群的饱食度。
31、上述方案中，所述云端处理器根据非结构化数据前端处理器处理的水下双目视觉观测装置采集养殖池水下水产动物的图像画面，得到水产动物的行为、数量、表型、病害情况，并与建立的生长规律模型库以及生长判别知识库对比，用以进行水产动物行为量化分析、生长状态估算以及病害识别。
32、与现有技术相比，本发明的有益效果是：
33、本发明建立溶解氧、ph值、氨氮、氧化还原电位等养殖水质关键参数监控，在养殖过程中实时监控水产动物，实现养殖环境动态调控、水产养殖的绿色、高效控制，提高了水产养殖的智能化。可以本发明所述水产养殖的智能控制系统为最小单元模板，高效、稳定运行，通过复制、推广，有利于实现水产养殖全程实时监测、自主调控、多环节协调联动控制与智能决策。
1.一种水产养殖的智能控制系统，其特征在于，包括溶解氧检测仪(1)、ph检测仪(2)、氨氮检测仪(3)、氧化还原电位仪(3)、结构化数据前端处理器(4)、水下双目视觉观测装置(5)、摄像头(7)、非结构化数据前端处理器(8)、云端处理器(9)和前端设备；
2.根据权利要求1所述的水产养殖的智能控制系统，其特征在于，所述前端设备包括巡检机器人、搬运机器人、投喂机器人、水下清理机器人、增氧机、换水泵和ph自动调节装置；
3.根据权利要求1所述的水产养殖的智能控制系统，其特征在于，所述结构化数据前端处理器(4)对接收的养殖池的ph值、氨氮含量、氧化还原电位数据进行处理，得到养殖池的环境变化数据并传递给云端处理器(9)；
4.一种根据权利要求1-3任意一项所述的水产养殖的智能控制系统的控制方法，其特征在于，包括以下步骤：
5.根据权利要求4所述的水产养殖的智能控制系统的控制方法，其特征在于，当云端处理器(9)判断溶解氧检测仪(1)检测的含氧量低于预设值时，控制增氧机增加运行时间进行增氧；当含氧量高于预设值时，控制增氧机减少运行时间进行减氧；所述云端处理通过溶解氧动平衡方程来预测水体溶解氧的动态变化来控制增氧机的运行时间，溶解氧动平衡方程为：
6.根据权利要求4所述的水产养殖的智能控制系统的控制方法，其特征在于，当云端处理器(9)判断ph检测仪(2)检测的ph值低于预设值时，控制ph自动调节装置添加石灰等碱性材料；当云端处理器(9)判断ph检测仪(2)检测的ph值过高于预设值时，控制ph自动调节装置添加醋酸等酸性材料。
7.根据权利要求4所述的水产养殖的智能控制系统的控制方法，其特征在于，当云端处理器(9)判断氨氮检测仪(3)检测的氨氮浓度超过阈值时，通过氨氮累积方程来预测水体氨氮动态变化从而控制换水泵换水；
8.根据权利要求4所述的水产养殖的智能控制系统的控制方法，其特征在于，当云端处理器(9)判断氧化还原电位仪(4)检测的氧化还原电位低于预设值时，控制增氧机提高氧化还原电位；当氧化还原电位高于预设值时，控制投喂机器人减少投饵量。
9.根据权利要求4所述的水产养殖的智能控制系统的控制方法，其特征在于，所述云端处理器(9)根据非结构化数据前端处理器(8)处理的摄像头(7)拍摄到的投喂时水面上水产动物的图像画面通过水面波动程度确定鱼群的饱食度。
10.根据权利要求4所述的水产养殖的智能控制系统的控制方法，其特征在于，所述云端处理器(9)根据非结构化数据前端处理器(8)处理的水下双目视觉观测装置(5)采集养殖池水下水产动物的图像画面，得到水产动物的行为、数量、表型、病害情况，并与建立的生长规律模型库以及生长判别知识库对比，用以进行水产动物行为量化分析、生长状态估算以及病害识别。
