[发明专利]基于水下机器人的深水网箱水质三维检测方法及系统

说明书

本发明实施例提供一种基于水下机器人的深水网箱水质三维检测方法及系统，该方法包括：对目标深水网箱进行水质检测，获取水下机器人的检测轨迹偏差、检测轨迹偏差变化量、检测深度偏差和检测深度偏差变化量；基于模糊神经网络模型，对检测轨迹偏差和检测轨迹偏差变化量进行处理，对检测深度偏差和检测深度偏差变化量进行处理，分别得到对应的轨迹推力调整值和深度推力调整值；根据轨迹推力调整值对水下机器人的检测轨迹进行调整，根据深度推力调整值对水下机器人的检测深度进行调整，对深水网箱进行水质三维检测，生成实时水质与三维位置关系的对应图。本发明实施例提高了水质检测的精度，实现了深水网箱不同水层的水质检测。

技术领域

本发明涉及深海网箱水质检测技术领域，尤其涉及一种基于水下机器人的深水网箱水质三维检测方法及系统。

背景技术

深海网箱养殖是集电子技术、自动化、物联网等现代手段，在开阔海域，对养殖生产全过程进行自动化管控的一种生产模式。该方法的最大特点是在开阔的海域环境条件下，始终给养殖生物提供接近于自然的生长条件，从而达到提升养殖生物的品质，提高养殖效益，降低养殖风险的目的。

深海网箱养殖存在远离海岸、不确定因素多和密度高等特点，水中各参数之间存在着非常复杂的非线性关系。传统的水质检测只能监测定点位置的水质信息，不能实现对深海网箱养殖环境的立体全方位检测。同时，由于水质检测过程存在滞后现象，因此需要对养殖环境进行实时和全方位的检测，从而减少深海网箱养殖过程中不必要的损失，降低养殖成本。

因此，现在亟需一种基于水下机器人的深水网箱水质三维检测方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于水下机器人的深水网箱水质三维检测方法及系统。

第一方面，本发明实施例提供了一种基于水下机器人的深水网箱水质三维检测方法，包括：

对目标深水网箱进行水质三维检测，在深水网箱的水平面获取水下机器人的检测轨迹偏差和检测轨迹偏差变化量；在深水网箱的垂直面根据深水网箱所处海域水质与深度的关系确定机器人从一个水平面下降到另一水平面的深度，并检测深度偏差和检测深度偏差变化量；

基于模糊神经网络模型，对所述检测轨迹偏差和所述检测轨迹偏差变化量进行处理，并对所述检测深度偏差和所述检测深度偏差变化量进行处理，分别得到对应的轨迹推力调整值和深度推力调整值；所述模糊神经网络模型是由径向基模糊神经网络模型构建的，并通过样本检测轨迹偏差、样本检测轨迹偏差变化量、样本检测深度偏差和样本检测深度偏差变化量训练得到的；

根据所述轨迹推力调整值对所述水下机器人的检测轨迹进行调整，根据所述深度推力调整值对所述水下机器人的检测深度进行调整，以供水下机器人通过调整后的检测轨迹和检测深度，对所述目标深水网箱的水质进行三维检测，并根据检测得到的水质数据和所述水下机器人的位置，生成所述目标深水网箱的实时水质与三维位置关系的对应图。

进一步地，所述模糊神经网络模型通过以下步骤获取：

获取水下机器人检测深水网箱水平截面区域的实际轨迹和预设轨迹，并根据所述实际轨迹和所述预设轨迹，得到样本检测轨迹偏差和样本检测轨迹偏差变化量；

获取水下机器人检测深水网箱的实际深度和预设深度，并根据所述实际深度和所述预设深度，得到样本检测深度偏差和样本检测深度偏差变化量；

根据所述样本检测轨迹偏差、所述样本检测轨迹偏差变化量、所述样本检测深度偏差和所述样本检测深度偏差变化量，构建样本训练集；

根据所述样本训练集，对径向基模糊神经网络模型进行训练，得到模糊神经网络模型。

进一步地，所述获取水下机器人检测深水网箱水平截面区域的实际轨迹和预设轨迹，并根据所述实际轨迹和所述预设轨迹，得到样本检测轨迹偏差和样本检测轨迹偏差变化量，包括：