一种鱼类应激状态判别的方法及系统转让专利
申请号 : CN202110384819.2
文献号 : CN113179970B
文献日 : 2022-03-22
发明人 : 马瑞芹 , 王文胜 , 张小栓 , 张露巍 , 刘鹏飞 , 曲立 , 何琼
申请人 : 中国农业大学
摘要 :
权利要求 :
1.一种鱼类应激状态判别的方法,其特征在于,包括:采集目标鱼在无水保活运输过程中的特征生理应激指标参数;
根据所述特征生理应激指标参数,构建高维传感源数据集和局部特征域数据集;
基于所述高维传感源数据集及第一映射函数,构建高维空间拓扑图;并基于所述局部特征域数据集及第二映射函数,构建与所述高维空间拓扑图同时刻的低维空间拓扑图;
根据所述高维空间拓扑图和所述低维空间拓扑图,确定特征应激识别区;
计算所述特征应激识别区内的当前应激状态累积量,以根据所述当前应激状态累积量,确定目标鱼的当前应激状态;
所述高维传感源数据集包括与所述目标鱼应激反应相关的所有微环境参数及生理应激生物指示参数在时间序列上的数据集;所述局部传感源数据集包括与所述目标鱼应激反应相关的鱼类血液生化参数、免疫生理参数以及呼吸频率参数在时间序列上数据集;
所述第一映射函数的表达式为:d
f=C0→R;
所述第二映射函数的表达式为:m
f=C1→R ,
d
其中,C0为所述高维传感源数据集,R 为所述特征生理应激指标参数,d为所述高维传感m
源数据集的维度;C1为局部特征域数据集;R为所述特征生理应激指标参数中鱼类血液生化参数、免疫生理参数以及呼吸频率参数在时间序列上数据集;m为所述局部特征域数据集的m d
维度;C1是C0的真子集,R是R的真子集;
所述计算所述特征应激识别区内的当前应激状态累积量,包括:构建特征应激状态识别模型,以利用所述特征应激状态识别模型计算所述特征应激识别区内的当前应激状态累积量;
所述特征应激状态识别模型的表达式为:其中,K为当前应激状态累积量;yt为t时刻的应激指标浓度; 为t时刻水产品无水保活运输综合信号的传递校正因子;Δξn为第n个指标信号的特征变化; 为所述特征变化的频谱变化率;n为局部特征域数据集中的指标信号的数量;T为当前时刻;t0为初始采样时刻。
2.根据权利要求1所述的鱼类应激状态判别的方法,其特征在于,所述根据所述高维空间拓扑图和所述低维空间拓扑图,确定特征应激识别区,包括:获取同时刻的所述低维空间拓扑图与所述高维空间拓扑图之间的相交空间区域,以确定所述特征应激识别区。
3.根据权利要求1所述的鱼类应激状态判别的方法,其特征在于,所述根据所述当前应激状态累积量,确定目标鱼的当前应激状态,包括:按照特征应激识别区内的应激状态累积量的大小,预先将特征应激识别区的应激状态分为至少2个级别,并确定每个级别的应激状态累积量区间;
根据所述当前应激状态累积量所在的应激状态累积量区间,以确定所述目标鱼的当前应激状态所对应的级别。
4.根据权利要求1所述的鱼类应激状态判别的方法,其特征在于,在确定目标鱼的当前应激状态之后,还包括:
确定舒适度变异参数,并根据所述舒适度变异参数计算舒适度变异系数;
构建鱼类无水保活应激疲劳度模型,以结合所述舒适度变异系数计算所述目标鱼在任一时间区间内的疲劳度。
5.根据权利要求4所述的鱼类应激状态判别的方法,其特征在于,所述舒适度变异系数的表达式为:
其中,κ为舒适度变异系数,FSD1为所述任一时间区间T内舒适度变异参数随无水低温保活运输时间的累积变化偏差,其中,N是时间区间内的舒适度变异参数的个数,α是时间区间内应激状态所对应的级别数; 是时间区间内舒适度变异参数随保活时间而发生变化的波动范围;t0,t1,t2…tn∈T,表示相邻采集时刻;FSD2为间期标准差,表示所述时间区间T内舒适度变异参数的波动变化程度,其中, 为舒适度变异参数随保活时间而发生变化平均值。
6.根据权利要求5所述的鱼类应激状态判别的方法,其特征在于,所述鱼类无水保活应激疲劳度模型的表达式为:
其中,IBFe为无水保活运输过程中样本e从时刻Ti至时刻Tr的应激疲劳度; 是时刻Ti至时刻Tr这一时间区间内,舒适度变异参数随保活时间而发生变化的波动范围;CP代表特征舒适度参数随保活时间而发生变化平均值;d为计算时段的重复区间个数。
7.一种鱼类应激状态判别的系统,其特征在于,包括:数据采集模块,用于采集目标鱼在无水保活运输过程中的特征生理应激指标参数;
数据集构建模块,用于根据所述特征生理应激指标参数,构建高维传感源数据集和局部特征域数据集;
拓扑图构建模块,用于基于所述高维传感源数据集及第一映射函数,构建高维空间拓扑图;并基于所述局部特征域数据集及第二映射函数,构建与所述高维空间拓扑图同时刻的低维空间拓扑图;
所述高维传感源数据集包括与所述目标鱼应激反应相关的所有微环境参数及生理应激生物指示参数在时间序列上的数据集;所述局部传感源数据集包括与所述目标鱼应激反应相关的鱼类血液生化参数、免疫生理参数以及呼吸频率参数在时间序列上数据集;
所述第一映射函数的表达式为:d
f=C0→R;
所述第二映射函数的表达式为:m
f=C1→R ,
d
其中,C0为所述高维传感源数据集,R 为所述特征生理应激指标参数,d为所述高维传感m
源数据集的维度;C1为局部特征域数据集;R为所述特征生理应激指标参数中鱼类血液生化参数、免疫生理参数以及呼吸频率参数在时间序列上数据集;m为所述局部特征域数据集的m d
维度;C1是C0的真子集,R是R的真子集;
识别区定位模块,用于根据所述高维空间拓扑图和所述低维空间拓扑图,确定特征应激识别区;
应激状态确定模块,用于计算所述特征应激识别区内的当前应激状态累积量,以根据所述当前应激状态累积量,确定目标鱼的当前应激状态;
所述计算所述特征应激识别区内的当前应激状态累积量,包括:构建特征应激状态识别模型,以利用所述特征应激状态识别模型计算所述特征应激识别区内的当前应激状态累积量;
所述特征应激状态识别模型的表达式为:其中,K为当前应激状态累积量;yt为t时刻的应激指标浓度; 为t时刻水产品无水保活运输综合信号的传递校正因子;Δξn为第n个指标信号的特征变化; 为所述特征变化的频谱变化率;n为局部特征域数据集中的指标信号的数量;T为当前时刻;t0为初始采样时刻。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述鱼类应激状态判别的方法步骤。
说明书 :
一种鱼类应激状态判别的方法及系统
技术领域
背景技术
发明内容
和局部特征域数据集;基于所述高维传感源数据集及第一映射函数,构建高维空间拓扑图;
并基于所述局部特征域数据集及第二映射函数,构建与所述高维空间拓扑图同时刻的低维
空间拓扑图;根据所述高维空间拓扑图和所述低维空间拓扑图,确定特征应激识别区;计算
所述特征应激识别区内的当前应激状态累积量,以根据所述当前应激状态累积量,确定目
标鱼的当前应激状态。
据集;所述局部传感源数据集包括与所述目标鱼应激反应相关的鱼类血液生化参数、免疫
生理参数以及呼吸频率参数在时间序列上数据集;
传感源数据集的维度;C1为局部特征域数据集;R为所述特征生理应激指标参数中鱼类血液
生化参数、免疫生理参数以及呼吸频率参数在时间序列上数据集;m为所述局部特征域数据
m d
集的维度;C1是C0的真子集,R是R的真子集。
所述高维空间拓扑图之间的相交空间区域,以确定所述特征应激识别区。
别模型计算所述特征应激识别区内的当前应激状态累积量;
化的频谱变化率;n为局部特征域数据集中的指标信号的数量;T为当前时刻;t0为初始采样
时刻。
小,预先将特征应激识别区的应激状态分为至少2个级别,并确定每个级别的应激状态累积
量区间;根据所述当前应激状态累积量所在的应激状态累积量区间,以确定所述目标鱼的
当前应激状态所对应的级别。
建鱼类无水保活应激疲劳度模型,以结合所述舒适度变异系数计算所述目标鱼在任一时间
区间内的疲劳度。
间区间内应激状态所对应的级别数; 是时间区间内舒适度变异参数随保活时间
而发生变化的波动范围;t0,t1,t2…tn∈T,表示相邻采集时刻;FSD2为间期标准差,表示所述
时间区间T内舒适度变异参数的波动变化程度,其中, 为舒适度变异参数随保活时间而
发生变化平均值。
波动范围;CP代表特征舒适度参数随保活时间而发生变化平均值;d为计算时段的重复区间
个数。
生理应激指标参数,构建高维传感源数据集和局部特征域数据集;拓扑图构建模块,用于基
于所述高维传感源数据集及第一映射函数,构建高维空间拓扑图;并基于所述局部特征域
数据集及第二映射函数,构建与所述高维空间拓扑图同时刻的低维空间拓扑图;识别区定
位模块,用于根据所述高维空间拓扑图和所述低维空间拓扑图,确定特征应激识别区;应激
状态确定模块,用于计算所述特征应激识别区内的当前应激状态累积量,以根据所述当前
应激状态累积量,确定目标鱼的当前应激状态。
判别的方法的步骤。
定特征应激识别区,能够实现对鱼类无水保活过程中生理应激状态的在线采集、动态监测
与保活运输过程个体舒适度的实时评估,进而为无水保活过程中鱼类生理应激与运输环境
舒适度的智能优化控制提供数据支持。
附图说明
些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些
附图获得其他的附图。
具体实施方式
而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳
动前提下所获得的所有其他实施例,都属于本发明保护的范围。
括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品
或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并
不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对于本领域
的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
拓扑图;
水保活运输过程中的应激状态在线监测及舒适度实时评价,为无水保活运输智能监测与调
控提供了有效的技术方案。
理应激指标参数进行采集。
可以包括如呼吸频率、血液生化参数(如血糖、皮质醇浓度、乳酸浓度)等,对此本发明实施
例不作具体的限定。
维数则为7;且在一维数上的数据构成该指标参数在时间序列上的子数据集。
传感源数据集的一个真子集。
集的映射函数,称作第二映射函数。
应激指示参数集,所构建一种基于时间的多维立体分布。
空间拓扑图与低维空间拓扑图之间的重合区域,以确定出局部特征域数据集与高维传感源
数据集之间交集,即反映为两个拓扑图的的重合区域则为特征应激识别区。
应激识别区的确定,故能够实现对鱼类无水保活过程中生理应激状态的在线采集、动态监
测与保活运输过程个体舒适度的实时评估,进而为无水保活过程中鱼类生理应激与运输环
境舒适度的智能优化控制提供数据支持。
集;所述局部传感源数据集包括与所述目标鱼应激反应相关的鱼类血液生化参数、免疫生
理参数以及呼吸频率参数在时间序列上数据集;
传感源数据集的维度;C1为局部特征域数据集;R为所述特征生理应激指标参数中鱼类血液
生化参数、免疫生理参数以及呼吸频率参数在时间序列上数据集;m为所述局部特征域数据
m d
集的维度;C1是C0的真子集,R是R的真子集。
=C0→R,其中C0采样自d维上的数据集合X={X1,X2,…,Xi},X∈R。
据构成,其映射函数构成:f=C1→R , 其中C1是C0的真子集,R 是R 的真子集(m=
3n,n≥1;m<d)。
标,以从高维传感源数据集中筛选出局部特征域数据集,有效的提高了检测数据的利用率,
并未后期实现鱼类应激状态判别提供了科学的数据支持,提供了判别的精度和可信度。
述高维空间拓扑图之间的相交空间区域,以确定所述特征应激识别区。
高维传感源数据集相关的高维空间拓扑图,再构建与局部特征域数据集相关的地位拓扑
图,以通过两者之间的相交区域,就能够准确的定位出能够用于鱼类应激状态判别的特征
应激识别区。
该时刻的应激状态,这样才能保证识别的精度。
化的频谱变化率;n为局部特征域数据集中的指标信号的数量;T为当前时刻;t0为初始采样
时刻。
积量所在的应激状态累积量区间,以确定所述目标鱼的当前应激状态所对应的级别。
计,结合实际运输鱼类品种的应激生化实验结果,基于所确定的相交空间结构,按照1‑10级
划分特征应激识别区。
别区内的当前应激状态累积量,准确的确定目标鱼的当前应激状态。
激状态并进行自动归类,而无需人为进行识别操作,避免主观因素对识别结果的干扰,能够
有效地提供识别的精度。
鱼类无水保活应激疲劳度模型,以结合所述舒适度变异系数计算所述目标鱼在任一时间区
间内的疲劳度。
的定量及定性分析。
征应激水平,同时在保活过程中需呈现相似的重复变化。
间区间内应激状态所对应的级别数; 是时间区间内舒适度变异参数随保活时间
而发生变化的波动范围;t0,t1,t2…tn∈T,表示相邻采集时刻;FSD2为间期标准差,表示所述
时间区间T内舒适度变异参数的波动变化程度,其中, 为舒适度变异参数随保活时间而
发生变化平均值。
括:
波动范围;CP代表特征舒适度参数随保活时间而发生变化平均值;d为计算时段的重复区间
个数。IBF代表T0到T‑1时间段的个体应激疲劳度;IBFi代表各任意时段的个体应激疲劳度,N
代表计算时段的重复区间个数;s代表总体的保活评价样本数;e代表总体的保活运输评价
任意样本。其中,IBF代表T0到T‑1时间段的个体应激疲劳度;i代表第i时段,BFe为个体在上
述时间区间内的平均应激疲劳度。
图同时刻的低维空间拓扑图;
应激识别区的确定,故能够实现对鱼类无水保活过程中生理应激状态的在线采集、动态监
测与保活运输过程个体舒适度的实时评估,进而为无水保活过程中鱼类生理应激与运输环
境舒适度的智能优化控制提供数据支持。
信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通
信。处理器310可以调用存储器330中的逻辑指令,以执行鱼类应激状态判别的方法,该方法
包括:采集目标鱼在无水保活运输过程中的特征生理应激指标参数;根据所述特征生理应
激指标参数,构建高维传感源数据集和局部特征域数据集;基于所述高维传感源数据集及
第一映射函数,构建高维空间拓扑图;并基于所述局部特征域数据集及第二映射函数,构建
与所述高维空间拓扑图同时刻的低维空间拓扑图;根据所述高维空间拓扑图和所述低维空
间拓扑图,确定特征应激识别区;计算所述特征应激识别区内的当前应激状态累积量,以根
据所述当前应激状态累积量,确定目标鱼的当前应激状态。
发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以
软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以
使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施
例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,
Read‑OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可
以存储程序代码的介质。
指令被计算机执行时,计算机能够执行上述各方法所提供的鱼类应激状态判别的方法,该
方法包括:采集目标鱼在无水保活运输过程中的特征生理应激指标参数;根据所述特征生
理应激指标参数,构建高维传感源数据集和局部特征域数据集;基于所述高维传感源数据
集及第一映射函数,构建高维空间拓扑图;并基于所述局部特征域数据集及第二映射函数,
构建与所述高维空间拓扑图同时刻的低维空间拓扑图;根据所述高维空间拓扑图和所述低
维空间拓扑图,确定特征应激识别区;计算所述特征应激识别区内的当前应激状态累积量,
以根据所述当前应激状态累积量,确定目标鱼的当前应激状态。
法,该方法包括:采集目标鱼在无水保活运输过程中的特征生理应激指标参数;根据所述特
征生理应激指标参数,构建高维传感源数据集和局部特征域数据集;基于所述高维传感源
数据集及第一映射函数,构建高维空间拓扑图;并基于所述局部特征域数据集及第二映射
函数,构建与所述高维空间拓扑图同时刻的低维空间拓扑图;根据所述高维空间拓扑图和
所述低维空间拓扑图,确定特征应激识别区;计算所述特征应激识别区内的当前应激状态
累积量,以根据所述当前应激状态累积量,确定目标鱼的当前应激状态。
元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其
中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性
的劳动的情况下,即可以理解并实施。
述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该
计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指
令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施
例或者实施例的某些部分所述的方法。
以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;
而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和
范围。