买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉乳山市海洋经济发展中心申请的专利一种基于物联网技术的水产养殖智能监测管理系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119584143B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510137952.6，技术领域涉及：H04W16/18；该发明授权一种基于物联网技术的水产养殖智能监测管理系统是由王航宁;于成松;谭林涛;徐雯雯设计研发完成，并于2025-02-08向国家知识产权局提交的专利申请。

本一种基于物联网技术的水产养殖智能监测管理系统在说明书摘要公布了：本发明提供一种基于物联网技术的水产养殖智能监测管理系统，涉及水产养殖技术领域，所述方法包括：布设模块，用于确定水产养殖环境中的关键位置，并在关键位置布设多个传感器节点；通讯模块，用于与多个传感器节点无线通信连接，以发送各传感器节点监测到的养殖数据；数据分析模块，与所述通讯模块连接，用于接收并分析所述通讯模块发送的养殖数据，并确定动态修正值；利用动态修正值，对当前的传感器节点位置进行调整，以得到最终的位置节点。本发明可以提升水产养殖的智能化水平。

本发明授权一种基于物联网技术的水产养殖智能监测管理系统在权利要求书中公布了：1.一种基于物联网技术的水产养殖智能监测管理系统，其特征在于，包括： 布设模块，用于确定水产养殖环境中的关键位置，包括：对水产养殖环境的整体布局、水流动态、养殖池形状和大小进行评估，以得到环境评估结果；基于环境评估结果，确定初步选点，初步选点包括水流交汇点、养殖池的边缘区域或增氧设备附近；构建一个二维矩阵，代表水产养殖环境的平面布局，矩阵的每个元素对应养殖环境中的一个具体位置；根据初步选点，计算位置矩阵中的相应元素对应的权重值，其中，权重值根据水流动态、水质变化、增氧设备影响和边缘区域影响得到；创建一个特征矩阵，其中包含影响关键位置选择的各种因素，包括水质参数的变化率、气象参数的稳定性和养殖生物的分布密度，每个因素对应特征矩阵的一列；将位置矩阵与特征矩阵进行矩阵乘法运算，每个位置都得到一个综合值；根据矩阵乘法运算得到的综合值，对所有位置根据综合值的大小进行排序，以得到对应的关键位置，在关键位置布设多个传感器节点； 通讯模块，用于与多个传感器节点无线通信连接，以发送各传感器节点监测到的养殖数据； 数据分析模块，与所述通讯模块连接，用于接收并分析所述通讯模块发送的养殖数据，并根据高斯分布函数、节点的实时监测值与节点的参考值的差值，以及信号强度和的比值，确定动态修正值；利用动态修正值，对当前的传感器节点位置进行调整，以得到最终的位置节点； 构建模块，用于根据最终的位置节点，获取各传感器节点监测的养殖数据，其中，养殖数据包括监测的水质参数、气象参数以及养殖生物的生长状态参数；将各传感器节点的养殖数据进行融合，形成综合数据集，从综合数据集中提取反映水产养殖环境的状态和变化趋势的关键特征；根据关键特征构建模拟养殖池的水流动态、水质分布、气象条件以及养殖生物的生长状态的预测模型；根据预测模型以及实时的养殖数据，对未来养殖环境进行实时预测，以得到预测结果； 预警模块，用于根据预测结果，以及预设的阈值生成对应的预警信息； 与多个传感器节点无线通信连接，以发送各传感器节点监测到的养殖数据，包括： 根据关键位置，确定传感器节点的位置、数量和类型，设定遗传算法的初始参数，包括种群大小、交叉率、变异率和迭代次数； 采用二进制编码表示无线通信路径，初始化一个种群，其中包含多个个体，每个个体代表一种无线通信方案； 定义适应度函数来评估每种无线通信方案的优劣； 根据适应度函数，选择对应的个体进入下一代，随机选择两个个体，以交换对应的部分基因，产生新的个体，通过多次迭代，不断优化种群中的个体，即无线通信方案；在每次迭代后，根据适应度函数评估当前种群中个体的优劣，并进行选择和遗传操作，当达到预设的迭代次数时，停止迭代，并输出最终的无线通信方案，即对应的个体，适应度函数的计算公式为： ； 其中，表示适应度函数；表示个体，即：无线通信方案，包含节点位置和节点间的通信路径；、、和表示权重因子，调整各项指标的重要性；表示有效覆盖区域；表示目标区域总面积；表示第i和第j个节点之间的距离；表示第i个节点的传输延迟，包括处理时间和链路延迟；表示第i个节点的传输失败概率；i和j分别表示两个不同的节点；n是节点总数； 根据最终的无线通信方案，配置传感器节点和无线通信网络； 根据配置的传感器节点和无线通信网络，发送各传感器节点监测到的养殖数据； 动态修正值的计算公式为： ； 其中，表示动态修正值；表示第i个传感器节点到目标位置的距离；表示第i个传感器节点的实时监测值；表示第i个传感器节点的参考值；表示高斯分布的标准差；表示传感器节点的数量；和分别表示第i个传感器和第j个传感器的信号强度；i和j是索引，用于表示不同的传感器； 利用动态修正值，对当前的传感器节点位置进行调整，以得到最终的位置节点，包括： 确定原始传感器节点位置，每个传感器节点的位置用三维坐标（x，y，z）来表示，其中，x和y表示水平面上的位置，z表示水深； 根据监测区域的大小和形状、以及当前传感器节点的分布情况，定义位置的调整步长； 将动态修正值分解成三个动态修正分量，分别对应于x轴、y轴和z轴三个方向，将每个方向的动态修正分量与调整步长相乘，得到一个三维的调整向量，动态修正值被分解为dx，dy，dz，调整向量为dx×步长，dy×步长，dz×步长； 将计算出的调整向量分别加到每个传感器节点的原始三维坐标上，以得到最终的位置节点，即，最终的x坐标＝原始x坐标＋dx×步长；最终的y坐标＝原始y坐标＋dy×步长；最终的z坐标＝原始z坐标＋dz×步长； 将动态修正值分解成三个动态修正分量，分别对应于x轴、y轴和z轴三个方向，包括： 收集一个包含传感器节点位置和读数的数据集； 对数据集进行预处理，并根据历史数据中传感器节点的位置变化，生成对应的dx、dy、dz分量作为训练标签； 构建卷积神经网络模型，并定义输入层和输出层，输入层包含传感器读数和位置坐标；输出层有三个节点，分别对应dx、dy、dz三个分量的预测值，设置隐藏层，并确定对应的ReLU函数； 将数据集划分为训练集、验证集和测试集； 使用训练集对卷积神经网络模型进行训练，通过反向传播算法和梯度下降算法优化卷积神经网络模型的参数，以得到最终的卷积神经网络模型； 将当前传感器节点的读数和位置坐标输入到最终的卷积神经网络模型中，通过最终的卷积神经网络模型的前向传播计算，得到预测的dx、dy、dz分量值； 根据预测结果，以及预设的阈值生成对应的预警信息，包括： 从预测模型中实时获取模拟数据的关键指标，关键指标包括水流动态、水质分布、气象条件以及养殖生物的生长状态的预测值； 基于历史数据分析，为各项关键指标设定对应的预警阈值； 将关键指标与预警阈值进行比对，判断各项关键指标是否超出或接近预警阈值，以得到比对结果； 根据比对结果，确定是否触发预警。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人乳山市海洋经济发展中心，其通讯地址为：264500 山东省威海市乳山市府前路4号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。