智能水产养殖系统工程师岗位招聘考试试卷及答案

智能水产养殖系统工程师岗位招聘考试试卷及答案一、填空题（每题1分，共10分）1.智能水产养殖中监测溶解氧的常用传感器是______传感器。2.物联网设备常用的低功耗广域网协议是______。3.水产养殖中氨氮浓度过高会导致鱼类______。4.智能养殖系统的数据采集层通常包括传感器、______和网关。5.AI在水产养殖中常用于______预测（如病害、产量）。6.池塘增氧机自动控制通常基于______传感器的数据。7.5G在智能养殖中可实现______传输（如高清视频）。8.物联网平台架构分为感知层、网络层、______和应用层。9.鱼类养殖pH值适宜范围通常为______。10.边缘计算在智能养殖中可实现______数据处理（减少延迟）。二、单项选择题（每题2分，共20分）1.以下不属于水质监测指标的是？A.溶解氧B.氨氮C.温度D.饲料蛋白含量2.智能养殖系统中网关的主要作用是？A.采集数据B.传输数据到云端C.存储数据D.显示数据3.适合偏远池塘远程传输的通信技术是？A.Wi-FiB.BluetoothC.LoRaD.ZigBee4.AI病害识别模型训练需要大量的？A.饲料配方B.养殖视频/图片数据C.设备参数D.天气数据5.池塘自动投饵机控制逻辑通常不包括？A.水温B.摄食强度C.溶解氧D.光照时间6.智能养殖系统常用的数据存储方式是？A.本地硬盘B.云端数据库C.手机内存D.传感器内置存储7.对溶解氧要求最高的鱼类是？A.草鱼B.鲫鱼C.鲈鱼D.鲢鱼8.物联网感知层的核心是？A.传感器B.服务器C.手机APPD.路由器9.边缘计算在智能养殖中不用于？A.实时控制增氧机B.存储历史数据C.本地数据快速分析D.低延迟响应10.智能养殖系统应用层不包括？A.养殖户APPB.远程监控平台C.传感器校准D.数据报表生成三、多项选择题（每题2分，共20分）1.智能水产养殖系统核心组成部分包括？A.感知层B.网络层C.平台层D.应用层2.属于水质监测传感器的有？A.DO传感器B.pH传感器C.氨氮传感器D.温度传感器3.5G在智能养殖中的应用场景包括？A.高清视频监控B.远程设备控制C.实时数据传输D.无人机巡检4.AI在水产养殖中的应用方向有？A.病害识别B.产量预测C.水质变化预测D.摄食行为分析5.智能养殖自动控制设备包括？A.增氧机B.投饵机C.水泵D.温度调节器6.适合短距离传输的物联网协议有？A.Wi-FiB.BluetoothC.ZigBeeD.LoRa7.水产养殖重点监测的水质指标有？A.溶解氧B.氨氮C.亚硝酸盐D.透明度8.智能养殖平台的数据处理功能包括？A.数据清洗B.统计分析C.模型推理D.报警推送9.边缘计算在智能养殖中的优势是？A.低延迟B.减少云端压力C.离线可用D.高带宽10.养殖户通过智能系统可获得的服务包括？A.实时水质报警B.投饵建议C.病害预警D.产量统计四、判断题（每题2分，共20分）1.溶解氧浓度越低，鱼类生长越好。（）2.LoRa通信距离比Wi-Fi远。（）3.AI病害识别不需要标注数据。（）4.智能养殖系统可完全替代人工操作。（）5.氨氮浓度过高会导致鱼类氨中毒。（）6.传感器数据直接发送到养殖户手机。（）7.5G比4G传输速度快、延迟低。（）8.边缘计算不能运行AI模型。（）9.池塘pH值越低越好。（）10.智能投饵机可根据摄食情况调整投饵量。（）五、简答题（每题5分，共20分）1.简述智能水产养殖感知层的作用及包含设备。2.说明AI病害识别的应用流程。3.对比LoRa与Wi-Fi在智能养殖中的不同场景。4.简述边缘计算在智能养殖中的优势及典型应用。六、讨论题（每题5分，共10分）1.如何解决智能养殖系统中传感器的长期稳定性问题？2.结合实际场景，谈谈5G对智能水产养殖的赋能作用。---参考答案一、填空题1.溶解氧（DO）2.LoRa3.中毒（或缺氧死亡）4.采集终端（或节点）5.病害（或产量、水质变化）6.溶解氧（DO）7.低延迟大带宽（或高清视频）8.平台层（或数据层）9.6.5-8.510.本地（或边缘端）二、单项选择题1.D2.B3.C4.B5.C6.B7.C8.A9.B10.C三、多项选择题1.ABCD2.ABCD3.ABCD4.ABCD5.ABCD6.ABC7.ABCD8.ABCD9.ABC10.ABCD四、判断题1.×2.√3.×4.×5.√6.×7.√8.×9.×10.√五、简答题1.感知层作用及设备：感知层是系统“数据入口”，实时采集水质（溶解氧、pH）、环境（水温、光照）、生物（摄食、生长）数据，为控制与分析提供基础。包含设备：水质传感器（DO、pH）、环境传感器（水温、光照）、生物监测设备（摄食摄像头）、采集终端（节点）等，将物理信号转为电信号传输到网关。2.AI病害识别流程：①数据采集：高清摄像头拍摄鱼类体表/活动图像；②预处理：去噪、裁剪、标注病害类型；③模型训练推理：用标注数据训练CNN模型，实时图像输入后输出病害类型及概率，超阈值则报警。实现病害早发现，减少损失。3.LoRa与Wi-Fi场景对比：LoRa适合偏远池塘，传输距离远（数公里）、低功耗，用于远程水质数据传输；Wi-Fi适合近距离（几十米）、有覆盖场景，用于养殖场内高清视频、投饵机连接，实现本地高速传输。4.边缘计算优势及应用：优势：低延迟、减云端压力、离线可用。典型应用：①实时控制增氧机（0.1秒响应）；②本地压缩摄像头数据，减少带宽；③无网络时本地声光报警。提升系统响应速度与可靠性。六、讨论题1.传感器稳定性解决方案：①硬件优化：选耐水耐腐蚀传感器，每月校准；②软件补偿：算法校正漂移（温度/漂移模型）；③维护管理：建立台账，定期清洁（除藻类）、更换老化部件；④冗余设计：多传感器同时监测，避免单点