CN120106513A 一种基于数字孪生的鱼菜共生的远程管理方法、装置及设备 （厦门农芯数字科技有限公司）

事务所(普通合伙)35227GO6NA01GA01GA01GA01KA01KA01KGO6Q5一种基于数字孪生的鱼菜共生的远程管理方法、装置及设备本发明公开了一种基于数字孪生的鱼菜共生的远程管理方法、装置及设备，包括：获取鱼菜共生系统中物理鱼池和物理植物棚的物理参数鱼群、鱼池、水培植物、植物棚以及物理设备对应调控指令动态调整鱼菜共生系统中对应物理设21.一种基于数字孪生的鱼菜共生的远程管理方法，其特征在于，所述方法包括：获取鱼菜共生系统中物理鱼池和物理植物棚的物理参数数据，并基于所述物理参数数据创建鱼菜共生系统的鱼群、鱼池、水培植物、植物棚以及物理设备对应的孪生体模型，得到鱼菜共生数字孪生平台；实时获取部署在所述鱼菜共生系统的传感器和摄像头所采集的鱼群养殖参数、植物生通过所述鱼菜共生数字孪生平台根据所述鱼群养殖参数、植物生长参数以及设备运行根据分析结果触发预警机制并生成调控指令，根据调控指令动态调整所述鱼菜共生系统中对应物理设备的运行状态，实现鱼类养殖、植物生长及设备运行的远程协同管理。2.根据权利要求1所述的一种基于数字孪生的鱼菜共生的远程管理方法，其特征在于，所述物理参数数据包括：3.根据权利要求2所述的一种基于数字孪生的鱼菜共生的远程管理方法，其特征在于，所述基于所述物理参数数据创建鱼菜共生系统的鱼群、鱼池、水培植物、植物棚以及物理设基于物理鱼池的结构布局参数构建三维模型，并映射鱼池环境参数，得到包括鱼群和鱼池的鱼池孪生体模型；基于物理植物棚的棚内布局参数构建三维模型，并映射植物环境参数，得到包括水培植物和种植架的植物棚孪生体模型；置的物理设备建立虚拟实体，并同步物理设备的设备信息，得到设备孪生体模型。4.根据权利要求1所述的一种基于数字孪生的鱼菜共生的远程管理方法，其特征在于，设备运行参数包括水泵流量、增氧机功率、紫外线杀菌机状态、微滤机工作周期、补光灯光5.根据权利要求1所述的一种基于数字孪生的鱼菜共生的远程管理方法，其特征在于，所述通过所述鱼菜共生数字孪生平台根据所述鱼群养殖参数、植物生长参数以及设备运行当鱼池环境参数满足预设生长环境范围时，根据鱼类图像数据结合采食量对不同鱼池的鱼群进行鱼群健康状态的分析以及鱼群生长趋势的预测，其中，所述鱼池环境参数包括当植物环境参数满足预设生长环境范围时，根据植物图像数据结合植物的生物学特性对不同种植架的水培植物进行植物生长状态的分析以及植物生长趋势和产量的预测，其当鱼群健康状态或者植物生长状态存在生长异常时，调用历史疫病数据库进行匹配，3得到治疗方案；对所述设备运行参数进行分析，检测物理设备是否存在设备异常，得到异常处理方案，并将所述治疗方案和/或所述异常处理方案作为所述分析结果。6.根据权利要求1所述的一种基于数字孪生的鱼菜共生的远程管理方法，其特征在于，所述根据分析结果触发预警机制，包括：通过在所述鱼菜共生数字孪生平台中以红色悬浮窗标记目标异常区域，并将对应的鱼群、水培植物和/或物理设备对应的孪生体模型进行红色全息影像显示。7.根据权利要求1所述的一种基于数字孪生的鱼菜共生的远程管理方法，其特征在于，所述根据调控指令动态调整所述鱼菜共牛系统中对应物理设备的运行状态，包括：当所述分析结果中指示调整溶解氧浓度时，启动增氧机并调节功率；当所述分析结果中指示调整水质参数时，启动微滤机进行循环过滤，并开启紫外线杀菌机以及启动水泵并调整流量；当所述分析结果中指示调整光照时，调整补光灯强度以及光谱至植物所需的波段；当所述分析结果中指示调整温度时，调整通风窗的开合角度；当所述分析结果中指示调整二氧化碳浓度时，启动通风设备或补充气源；当所述分析结果中指示调整营养液pH值时，启动营养液调配装置并调节配比。8.一种基于数字孪生的鱼菜共生的远程管理装置，其特征在于，所述装置包括：模型构建单元，用于获取鱼菜共生系统中物理鱼池和物理植物棚的物理参数数据，并基于所述物理参数数据创建鱼菜共生系统的鱼群、鱼池、水培植物、植物棚以及物理设备对应的孪生体模型，得到鱼菜共生数字孪生平台；数据采集单元，用于实时获取部署在所述鱼菜共生系统的传感器和摄像头所采集的鱼数据分析单元，用于通过所述鱼菜共生数字孪生平台根据所述鱼群养殖参数、植物生长参数以及设备运行参数进行分析，得到分析结果；远程管理单元，用于根据分析结果触发预警机制并生成调控指令，根据调控指令动态调整所述鱼菜共生系统中对应物理设备的运行状态，实现鱼类养殖、植物生长及设备运行的远程协同管理。9.一种基于数字孪生的鱼菜共生的远程管理设备，其特征在于，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序被所述处理器执行以实现如权利要求1至7任意一项所述的一种基于数字孪生的鱼菜共生的远程管理方法的步骤。10.一种计算机程序产品，其特征在于，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如权利要求1至7任意一项所述的一种基于数字孪生的鱼菜共生的远程管理方法的步骤。4一种基于数字孪生的鱼菜共生的远程管理方法、装置及设备技术领域[0001]本发明涉及数字孪生技术领域，尤其涉及一种基于数字孪生的鱼菜共生的远程管背景技术[0002]鱼菜共生是一种将水产养殖与无土栽培相结合的生态农业模式，通过鱼类排泄物为植物提供营养，植物吸收后净化水质再回流至鱼池，形成“鱼肥水→菜净水→水养鱼”的闭环生态系统，具有显著的资源循环利用优势。然而，传统鱼菜共生系统高度依赖人工管理，不仅劳动强度大、管理效率低，而且难以实现精准联动控制和远程监控，容易因人为疏忽或者经验不足导致系统运行不稳定。发明内容[0003]有鉴于此，本发明的目的在于提出一种基于数字孪生的鱼菜共生的远程管理方法、装置以及设备，旨在解决传统系统人工管理效率低、易出错等问题，能够实现精准联动[0004]为实现上述目的，本发明提供一种基于数字孪生的鱼菜共生的远程管理方法，所述方法包括：获取鱼菜共生系统中物理鱼池和物理植物棚的物理参数数据，并基于所述物理参数数据创建鱼菜共生系统的鱼群、鱼池、水培植物、植物棚以及物理设备对应的孪生体模实时获取部署在所述鱼菜共生系统的传感器和摄像头所采集的鱼群养殖参数、植物生长参数，以及获取设备运行参数，并上传至云端服务器；通过所述鱼菜共生数字孪生平台根据所述鱼群养殖参数、植物生长参数以及设备根据分析结果触发预警机制并生成调控指令，根据调控指令动态调整所述鱼菜共生系统中对应物理设备的运行状态，实现鱼类养殖、植物生长及设备运行的远程协同管理。物理植物棚的棚内布局参数，包括种植架类[0006]优选的，所述基于所述物理参数数据创建鱼菜共生系统的鱼群、鱼池、水培植物、植物棚以及物理设备对应的孪生体模型，包括：基于物理鱼池的结构布局参数构建三维模型，并映射鱼池环境参数，得到包括鱼群和鱼池的鱼池孪生体模型；基于物理植物棚的棚内布局参数构建三维模型，并映射植物环境参数，得到包括水培植物和种植架的植物棚孪生体模型；5配装置的物理设备建立虚拟实体，并同步物理设备的设备信息，得到设备孪生体模型。物图像数据；所述设备运行参数包括水泵流量、增氧机功率、紫外线杀菌机状态、微滤机工[0008]优选的，所述通过所述鱼菜共生数字孪生平台根据所述鱼群养殖参数、植物生长参数以及设备运行参数进行分析，包括：当鱼池环境参数满足预设生长环境范围时，根据鱼类图像数据结合采食量对不同鱼池的鱼群进行鱼群健康状态的分析以及鱼群生长趋势的预测，其中，所述鱼池环境参数当植物环境参数满足预设生长环境范围时，根据植物图像数据结合植物的生物学特性对不同种植架的水培植物进行植物生长状态的分析以及植物生长趋势和产量的预测，当鱼群健康状态或者植物生长状态存在生长异常时，调用历史疫病数据库进行匹对所述设备运行参数进行分析，检测物理设备是否存在设备异常，得到异常处理方案，并将所述治疗方案和/或所述异常处理方案作为所述分析结果。通过在所述鱼菜共生数字孪牛平台中以红色悬浮窗标记目标异常区域，并将对应的鱼群、水培植物和/或物理设备对应的孪生体模型进行红色全息影像显示。[0010]优选的，所述根据调控指令动态调整所述鱼菜共生系统中对应物理设备的运行状当所述分析结果中指示调整溶解氧浓度时，启动增氧机并调节功率；当所述分析结果中指示调整水质参数时，启动微滤机进行循环过滤，并开启紫外线杀菌机以及启动水泵并调整流量；当所述分析结果中指示调整温度时，调整通风窗的开合角度；当所述分析结果中指示调整二氧化碳浓度时，启动通风设备或补充气源；当所述分析结果中指示调整营养液pH值时，启动营养液调配装置并调节配比。[0011]为实现上述目的，本发明还提供一种基于数字孪生的鱼菜共生的远程管理装置，所述装置包括：模型构建单元，用于获取鱼菜共生系统中物理鱼池和物理植物棚的物理参数数据，并基于所述物理参数数据创建鱼菜共生系统的鱼群、鱼池、水培植物、植物棚以及物理设备对应的孪生体模型，得到鱼菜共生数字孪生平台；数据采集单元，用于实时获取部署在所述鱼菜共生系统的传感器和摄像头所采集数据分析单元，用于通过所述鱼菜共生数字孪生平台根据所述鱼群养殖参数、植6物生长参数以及设备运行参数进行分析，得到分析结果；远程管理单元，用于根据分析结果触发预警机制并生成调控指令，根据调控指令动态调整所述鱼菜共生系统中对应物理设备的运行状态，实现鱼类养殖、植物生长及设备运行的远程协同管理。[0012]为了实现上述目的，本发明还提出一种基于数字孪生的鱼菜共生的远程管理设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序被所述处理器执行以实现如上述实施例所述的一种基于数字孪生的鱼菜共生的远程管理方法的步骤。[0013]为了实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如上述实施例所述的一种基于数字孪生的鱼菜共生的远程管理方法的步骤。[0014]为了实现上述目的，本发明还提出一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如上述实施例所述的一种基于数字孪生的鱼菜共生的远程管理方法的步骤。[0015]有益效果：以上方案，通过构建鱼菜共生数字孪生平台整合鱼群养殖、植物生长及设备运行数据，能够实现对鱼菜共生系统的远程协同管理，通过分析结果动态调整设备运行状态，确保系统稳定运行，减少因参数异常导致的损失，并且，基于实时数据的分析和调控，能够更精准地满足鱼类和植物的生长需求，避免资源的浪费，从而实现提高资源利用效率、管理效率和便捷性，降低人工巡检成本，尤其适用于规模化农场或无人值守场景。[0016]明确物理鱼池、物理植物棚和物理设备的详细参数信息，为构建准确的孪生体模型提供基础，使得数字孪生平台能够更真实地反映物理系统的状态和特性，从而提高管理的精准性。进而基于对应的参数信息构建三维模型并映射环境参数，以及为物理设备建立虚拟实体，能够精确地模拟鱼菜共生系统的各个组成部分，为后续的分析和调控提供详细的虚拟模型支持，提升虚拟仿真的可信度，确保虚拟平台与物理系统动态一致。[0017]涵盖了鱼群养殖、植物生长和设备运行的全方位参数，实现了对鱼菜共生系统运行状态的全面监控，为后续的精准分析和调控提供了丰富的数据基础，能够及时捕捉到系统中的各种变化和存在的问题；并且，不同类型的参数数据能够从多个维度反映系统的运行状况，如鱼群的健康状态、植物的生长趋势、设备的运行效率等，有助于进行综合分析和[0018]通过分析鱼池和植物棚的环境参数，结合图像数据和生物学特性，能够精准地分析鱼群健康状态、生长趋势以及植物生长状态和产量预测，为科学管理提供有力依据，提前做好生产计划和资源调配；当存在生长异常或设备异常时，能够调用历史疫病数据库或进行设备异常检测，得到相应的治疗方案和异常处理方案，及时采取措施解决问题，减少损[0019]以红色悬浮窗标记目标异常区域，并将对应的孪生体模型进行红色全息影像显示，能够直观地向用户展示系统中的异常情况，使用户能够迅速定位问题所在，提高问题处理的及时性和效率，便于进行整体管理和决策。[0020]根据分析结果自动生成调控指令，并动态调整物理设备的运行状态，实现了设备7的自动化调控，减少了人工干预，提高了管理的精准性和效率，能够快速响应系统中的各种变化和需求；进而具体针对不同的环境参数异常情况，采取相应的具体调控措施，如调整溶系统的生长环境，为鱼类和植物提供更适宜的生长条件，促进其健康生长和高产。附图说明[0021]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。[0022]图1为本发明一实施例提供的一种基于数字孪生的鱼菜共生的远程管理方法的流程示意图。[0023]图2为本发明一实施例提供的鱼群生长实验室的展示效果图。[0024]图3为本发明一实施例提供的植物生长实验室的展示效果图。[0025]图4为本发明一实施例提供的一种基于数字孪生的鱼菜共生的远程管理装置的结构示意图。[0026]发明目的的实现、功能特点及优点将结合实施例，参照附具体实施方式[0027]为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。[0028]以下结合实施例详细阐述本发明的内容。[0029]参照图1所示为本发明一实施例提供的一种基于数字孪生的鱼菜共生的远程管理方法的流程示意图。S11,获取鱼菜共生系统中物理鱼池和物理植物棚的物理参数数据，并基于所述物理参数数据创建鱼菜共生系统的鱼群、鱼池、水培植物、植物棚以及物理设备对应的孪生体模型，得到鱼菜共生数字孪生平台。[0032]进一步的，在步骤S11中，所述基于所述物理参数数据创建鱼菜共生系统的鱼群、8S11-1,基于物理鱼池的结构布局参数构建三维模型，并映射鱼池环境参数，得到包括鱼群和鱼池的鱼池孪生体模型；S11-2,基于物理植物棚的棚内布局参数构建三维模型，并映射植物环境参数，得到包括水培植物和种植架的植物棚孪生体模型；养液调配装置的物理设备建立虚拟实体，并同步物理设备的设备信息，得到设备孪生体模[0033]在本实施例中，基于鱼菜共生系统的鱼群、养殖设备和环境参数，以及水培植物、种植设备和环境参数，按照鱼菜共生系统的比例并基于Python框架构建对应的孪生体模型，并通过设置序列标号将物理设备和设备孪生体模型对应起来，构建鱼菜共生数字孪生平台。参照图2和图3所示，该鱼菜共生数字孪生平台包括鱼菜共生实验室，该鱼菜共生实验室分为两层楼，一楼是鱼群生长实验室，二楼是水培植物生长实验室；其中，一楼鱼群生长传感器、压力传感器)、智能摄像头；二楼水培植物生长实验室包含不同类型的种植架(包括[0034]通过根据鱼菜共生系统中的相关位置信息确定不同孪生体模型在鱼菜共生数字孪生平台中的设置位置以及设置数量，使得鱼菜共生数字孪生平台能够准确模拟真实鱼菜共生系统的物理设备的设置细节，进一步提高监测的准确性与实时性。进一步为每个物理管理和查询，以及根据鱼标对应不同的实体鱼，根据鱼池的GIS(地理信息系统)来确定虚拟鱼和实体鱼对应的鱼池和当前所在的位置和运动轨迹。将鱼菜共生系统中植物棚的每个种植架安置不同传感器，利用每个传感器作为种植架的标识便于记录种植架上植物的生长情况，如每个种植架分别布控三色灯以及智能摄像头。[0035]S12,实时获取部署在所述鱼菜共生系统的传感器和摄像头所采集的鱼群养殖参植物图像数据；所述设备运行参数包括水泵流量、增氧机功率、紫外线杀菌机状态、微滤机[0037]S13.通过所述鱼菜共生数字孪生平台根据所述鱼群养殖参数、植物生长参数以及设备运行参数进行分析，得到分析结果。[0038]进一步的，在步骤S13中，所述通过所述鱼菜共生数字孪生平台根据所述鱼群养殖S13-1,当鱼池环境参数满足预设生长环境范围时，根据鱼类图像数据结合采食量对不同鱼池的鱼群进行鱼群健康状态的分析以及鱼群生长趋势的预测，其中，所述鱼池环9S13-2,当植物环境参数满足预设生长环境范围时，根据植物图像数据结合植物的生物学特性对不同种植架的水培植物进行植物生长状态的分析以及植物生长趋势和产量S13-3,当鱼群健康状态或者植物生长状态存在生长异常时，调用历史疫病数据库S13-4,对所述设备运行参数进行分析，检测物理设备是否存在设备异常，得到异常处理方案，并将所述治疗方案和/或所述异常处理方案作为所述分析结果。[0039]其中，根据鱼类图像数据结合采食量对不同鱼池的鱼群进行鱼群健康状态的分析对鱼类图像数据进行预处理以及图像特征提取，得到鱼类表观特征；将鱼类表观特征分别输入所构建的健康状态分析模型以及鱼类生长预测模型，分别得到健康状态分析结果以及鱼类生长预测结果。[0040]具体的，通过部署在鱼池的智能摄像头实时采集鱼群的鱼类图像，鱼类图像包括(如白点、溃疡)、鳃部状态等健康指标，并记录对应采食量数据；对鱼类图像进行包括数据增强鱼标准化的预处理；使用预训练的ResNet50模型(去除顶层分类层)提取图像特征，保留残差块的输出作为鱼类表观特征；进一步还可通过特征金字塔网络(FPN)整合浅层细节(如病变边缘)与深层语义信息(如整体形态)进行多尺度的特征融合。通过基于双分支多任务学习模型(DB-MTL)构建的健康状态分析模型，将鱼类表观特征输入健康状态分析模型，输出包括健康等级(如健康、亚健康、患病)以及疾病类型(如寄生虫、细菌感染)的健康状态分析结果。[0041]将鱼类表观特征、鱼群环境参数以及历史时间序列(如过于7天的生长速率，体长/体重变化)输入基于LSTM模型所构建的鱼类生长预测模型，输出未来7天的体重增长率及体长变化的鱼类生长预测结果。模型的架构包括输入层(鱼类表观特征、鱼群环境参数以及历史时间序列融合后的多模态特征)、LSTM层(包括128个隐藏单元，捕捉时间依赖性)以及用以预测的输出层，采用均方误差(MSE)的损失函数优化生长趋势预测精度。[0042]其中，根据植物图像数据结合植物的生物学特性对不同种植架的水培植物进行植物生长状态的分析以及植物生长趋势和产量的预测，包括：对植物图像数据进行图像分割和图像特征提取，得到多光谱特征；将多光谱特征分别输入所构建的生长状态分析模型以及植物生长预测模型，分别得到生长状态分析结果以及植物生长预测结果。[0043]具体的，通过高光谱摄像头采集植物图像(包括叶片图像),覆盖可见光(400-700nm)及近红外(700-1000nm)波段；对植物图像进行标注关键生长指标，包括叶面积指数(LAI)、叶绿素含量、病斑区域(黄化、褐斑);使用U-Net模型对植物图像进行叶片区域的分割，去除背景噪声，并进行多光谱特征的提取，得到包括纹理特征(如灰度共生矩阵(GLCM)谱特征(如近红外波段反射率(与叶绿素含量负相关))的多光谱特征。将多光谱特征、植物环境参数(如包括CO₂浓度、光照强度、营养液pH值)输入生长状态分析模型(包括随机森林分类器、孤立森林算法),输出包括生长状态等级(如正常、轻度胁迫、重度胁迫)以及植物疾病类型(识别偏离正常分布的异常样本(如缺素症))的生长状态分析结果。来30天的环境参数趋势；将多光谱特征结合环境参数趋势输入基于LSTM-Transformer混合模型所构建的植物生长预测模型，输出预测未来30天的LAI及产量的植物生长预测结果。其层(捕捉长期依赖关系)、Transformer编码器(加权关注关键生长阶段(如开花期))以及用以预测的输出层。根据实时采集图像数据和环境参数更新模型参数，采用滑动窗口机制(如窗口大小=30天)持续优化预测精度。若鱼类疫病导致水质恶化(如氨氮升高),通过分析植物根系吸收效率，预测连带生长异常，实现鱼菜共生系统的闭环优化。[0045]进一步的，在另一实施例中，通过建立包括水质模型、植物生长模型、鱼类生长模型的数学模型作为历史数据，通过鱼菜共生数字孪生平台基于历史数据用以对传感器和摄像头实时采集不同位置的传感器数据以及图像数据进行分析，并将分析结果进行保存并更新历史数据。根据鱼类图像以及采食量对鱼群进行分析和预测，如判断鱼群当前的采食量是否为下降趋势，判断鱼群的生长环境参数是否在生长环境范围，环境参数包括水质(包括碳、二氧化硫、氮气等),即判断当前采集的数值是否在最佳水温阈值、是否在最佳湿度阈值、是否在最佳水质阈值、是否在最佳空气中各个气体阈值，如果并不在这个范围内，则发出警告提示，如果在该范围内，则根据鱼类图像以及采食量对鱼群进行分析和预测，当鱼群的当前状态存在生长异常时，调用历史疫病数据库进行匹配，得到相似的治疗方案。根据对鱼类图像进行特征提取(如颜色异常、纹理变化、形态学特征),捕捉鱼类的体表病变(溃疡、白点、充血等)、识别肉眼不可见的组织变化(如鳃部缺氧导致的反射率变化),来预测鱼群的生长情况。[0046]同理，根据植物图像数据结合植物的生物学特性对水培植物进行植物生长状态的分析以及植物生长趋势和产量的预测。通过采集植物图片并进行特征提取，捕捉植物如蔬菜的叶片颜色、纹理、斑点等表观特征(如黄化、褐斑)和斑点、霉层、灰度共生矩阵GLCM分析),病斑边缘轮廓(圆形、不规则形)和分布密度，多光谱数据中特定波段的反射率异常(如近红外波段对叶绿素敏感),以分析植物的生长情况。根据鱼类图像以及基于植物生长的生物学特性，如品种、生长阶段、生理指标等，预测水培植物的生长趋势和产量，如使用SARIMA(季节性自回归积分滑动平均)算法处理光照、温度等周期性环境因素的影响，使用LSTM(长短期记忆网络)算法捕捉非线性生长动态，通过输入环境参数(CO₂、浓度、温湿度)、叶面积指数(LAI)时间序列等数据；最终输出未来7天茎高/叶面积的预测值。并联动鱼类健康异常是否对植物生长也有相对应的异常影响，反过来植物出现疫病是否会对鱼类生长产生影响，并将这些数据记录到数字孪生平台中进行完善数据。署的各类传感器(如压力传感器、流量传感器、水质传感器等)采集水务相关的数据信息，这些传感器能够实时感知并测量环境或水中的各种物理参数、化学参数，如pH值、溶解氧、浊度、温度等，进一步可将采集的传感器数据转化为电信号并进行初步处理和转换，通常包括如信号的放大、滤波、模数转换等操作，将其转化为可供后续分析使用的数字信号，数据传11输技术将处理后的传感器数据通过有线或无线方式(如基于LoRa无线通信技术)传输至云端服务器。[0048]植物生长模型的建立包括基于植物生长的生物学原理、以及通过采集水培植物生长过程的监测数据，模拟水培植物在不同环境条件下的生长情况。具体的，植物生长模型的建立包括通过部署的传感器采集植物生长环境中包括温度、湿度、光照、二氧化碳浓度等环境参数(如土壤湿度传感器通过测量土壤的介电常数，精确获取土壤含水量；光照传感器能够准确感知光照强度、时长和光谱分布，为植物的光合作用提供数据支持；二氧化碳传感器则实时监测空气中二氧化碳的浓度，因为二氧化碳是植物光合作用的重要原料，适宜的浓度有助于提高植物的光合效率)。[0049]鱼类生长模型的建立包括通过收集的鱼类图像数据要尽可能覆盖各种鱼类品种，并且包含不同的环境场景、鱼类的不同姿态和角度、不同的生长阶段等情况，以保证模型在各种情况下都能准确识别。这些图像数据来源可以是科研机构的数据库、渔业养殖企业的监控录像以及摄影爱好者拍摄的鱼类照片等。对于收集到的鱼类图像，需要进行准确标注，标注的内容可以包括鱼类的种类、性别(如果有明显区分特征)、年龄范围等信息。除了卷积神经网络(CNN),还可以使用如ResNet50这样的深层CNN模型进行训练；ResNet50通过引入残差块(ResidualBlock)来解决深层网络训练过程中的梯度消失问题，每个残差块包含主路径(执行常规卷积操作)和快捷路径(直接将输入传递至输出，两者相加形成最终输出),这种结构有助于信息直接流动，保持深层网络的性能。在构建基于ResNet50的鱼类识别模型时，要进行一系列的操作，如数据增强(应用旋转、翻转、缩放、色彩变换等技术增加样本多样性，防止过拟合),移除原模型的全连接层并替换为适应鱼类识别任务的新全连接层(输出节点数等于鱼类种类数),在初始训练阶段冻结大部分卷积层仅微调新增的全连接层以加快收敛速度等操作。[0050]以下进一步说明鱼类识别模型的网络架构与训练流程，其能够实现生长阶段分类和疾病状态识别的双任务需求，改进了双分支多任务学习模型(DB-MTL),采用ConvNeXt-L作为共享特征提取器，结合动态稀疏注意力机制(DSA)提升对鱼类纹理的敏感性。生长阶段分支：添加Non-localBlocks捕捉鱼体全局形态特征(如体长/肥满度);疾病状态识别分分离生长相关特征与疾病特征，避免任务间干扰。在主干网络中插入BiFPN结构，增强对小病灶(如白点病)的检测能力。使用深度可分离卷积替换部分标准卷积，模型体积轻量化。[0051]S14,根据分析结果触发预警机制并生成调控指令，根据调控指令动态调整所述鱼菜共生系统中对应物理设备的运行状态，实现鱼类养殖、植物生长及设备运行的远程协同通过在所述鱼菜共生数字孪生平台中以红色悬浮窗标记目标异常区域，并将对应的鱼群、水培植物和/或物理设备对应的孪生体模型进行红色全息影像显示。[0053]进一步的，在步骤S14中，所述根据调控指令动态调整所述鱼菜共生系统中对应物S14-1,当所述分析结果中指示调整溶解氧浓度时，启动增氧机并调节功率；S14-2,当所述分析结果中指示调整水质参数时，启动微滤机进行循环过滤，并开启紫外线杀菌机以及启动水泵并调整流量；S14-3,当所述分析结果中指示调整光照时，调整补光灯强度以及光谱至植物所需的波段；S14-4,当所述分析结果中指示调整温度时，调整通风窗的开合角度；S14-5,当所述分析结果中指示调整二氧化碳浓度时，启动通风设备或补充气源；S14-6,当所述分析结果中指示调整营养液pH值时，启动营养液调配装置并调节配[0054]在本实施例中，基于上述得到的分析结果触发预警以及生成控制指令以远程控制物理设备的运行状态，其基于PLC控制器，根据数字孪生平台的输出生成调控指令，动态调分析结果指示对鱼池增加氧气，则生成增氧命令并下发远给物理设备的增氧机，直到收到的数据氧气充足，不需要进行增加，则数字孪生平台生成停止增养命令并下发给物理设备；同样当蔬菜光照不足，则会下发开启植物补光灯命令，并下发给物理设备补光灯，直到收到的数据不需要进行光照，则下发停止植物补光灯命令并下发到物理设备补光灯。[0055]同时用户可以根据需求在数字孪生平台对应的孪生体模型对物理设备进行远程操作。触发预警是以红色悬浮窗标记目标异常区域，并将对应的鱼群、水培植物和/或物理设备对应的孪生体模型进行红色全息影像显示。[0056]例如，当分析结果中指示对应的蔬菜架温度过高，则在该蔬菜架以红色悬浮窗标记该区域进行预警提示，同时生成调控指令调整对应物理设备的运行状态；还可通过显示当前需要操作的预设步骤界面，包含是否打开通风窗，以供用户手动勾选相应物理设备的操作选项，实现对对应的所有通风窗下发开启命令。当指示对应的蔬菜架光照不足，则在该蔬菜架出现红色悬浮窗预警提示，同时生成调控指令调整对应物理设备的运行状态；还可通过显示当前需要操作的预设步骤界面，包含是否打开植物补光灯，以供用户手动勾选相应物理设备的操作选项，实现对对应的植物补光灯下发开启命令。当指示鱼池氧气不足，则在该鱼池出现红色悬浮窗预警提示，同时生成调控指令调整对应物理设备的运行状态；还可通过显示当前需要操作的预设步骤界面，包含是否打开增氧机，以供用户手动勾选相应物理设备的操作选项，实现对相对应的鱼池增氧机下发开启命令。当指示鱼池水质监测异常，则在该鱼池出现红色悬浮窗预警提示，同时生成调控指令调整对应物理设备的运行状态；还可通过显示当前需要操作的预设步骤界面，包含是否打开紫外线杀菌、是否打开微滤机、是否打开循环水泵，以供用户手动勾选相应物理设备的操作选项，实现对相对应的鱼池增氧机紫外线杀菌机、循环水泵下发开启命令。[0057]参照图4所示为本发明一实施例提供的一种基于数字孪生的鱼菜共生的远程管理装置的结构示意图。模型构建单元21,用于获取鱼菜共生系统中物理鱼池和物理植物棚的物理参数数据，并基于所述物理参数数据创建鱼菜共生系统的鱼群、鱼池、水培植物、植物棚以及物理设备对应的孪生体模型，得到鱼菜共生数字孪生平台；数据采集单元22,用于实时获取部署在所述鱼菜共生系统的传感器和摄像头所采数据分析单元23,用于通过所述鱼菜共生数字孪生平台根据所述鱼群养殖参数、植物生长参数以及设备运行参数进行分析，得到分析结果；远程管理单元24,用于根据分析结果触发预警机制并生成调控指令，根据调控指令动态调整所述鱼菜共生系统中对应物理设备的运行状态，实现鱼类养殖、植物生长及设备运行的远程协同管理。[0059]该装置20的各个单元模块可分别执行上述方法实施例中对应步骤，故在此不对各单元模块进行赘述，详细请参见以上对应步骤的说明。[0060]本发明实施例还提供一种基于数字孪生的鱼菜共生的远程管理设备，该设备包括如上所述的基于数字孪生的鱼菜共生的远程管理装置，其中，基于数字孪生的鱼菜共生的远程管理装置可以采用图4实施例的结构，其对应地，可以执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，详细可以参见上述实施例中的相关记载，此处不再赘述。[0061]所述设备包括：手机、数码相机或平板电脑等具有拍照功能的设备，或者具有图像处理功能的设备，或者具有图像显示功能的设备。所述设备可包括存储器、处理器、输入单[0062]其中，存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(例如图像播放功能等)等；存储数据区可存储根据设备的使用所创建的数据等。此外，