具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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做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。

根据本发明的实施例，提供了一种基于大数据的精准型鱼类识别技术系统。

由图1-3所示，一种基于大数据的精准型鱼类识别技术系统包括识别检测终端设备，所述识别检测终端包括检测架1，所述检测架1的底端设有与其相配合的辅助底座2，所述检测架1的顶端的中间位置设有与其相配合的显示屏幕，所述检测架1顶部的一侧设有与其相配合的接口板3，所述检测架1内顶壁的一侧设有检测反馈板4。

在一个实施例中，所述辅助底座2的内底壁具有30-45°的倾斜角度，所述辅助底座2的内底壁上设有清理条5，所述辅助底座2与所述检测架1之间通过活动杆插接连接，所述辅助底座2的内底壁表面设有与所述检测架1相配合的电流板。

在一个实施例中，所述检测反馈板4包括红外扫描仪、激光雷达、摄像头、照射灯、X射线检测、电流检测反馈、生物传感器和热成像摄像头等，通过所述转接板能够连接如红外扫描仪、摄像头、雷达激光，温度传感器、水质检测器等外接辅助设备，通过所述转接板可通过外接设备以进行水下检测。

借助于上述技术方案，当将需要识别的鱼，通过检测架1和辅助底座2之间的空隙塞入后，由辅助底座2底壁的倾斜角度，加上鱼类本身的重量会缓慢的贴附辅助底座2的内底壁缓缓下落，期间，清理条5会在下落过程中擦拭鱼体表面的水渍，使得红外扫描仪及电流板能够得到更加准确的反馈信息，随后，检测反馈板4内的的传感器会运行并收集鱼类的各项特征信息和反馈信息，并由大数据分析识别系统进行快速的分析识别，最终在显示屏幕上显示结果和发送到别的同类型终端中，此外，因为通过接口板3可以外接传感器和其它检测辅助设备，通过添加水内使用的的摄像头、温度传感器、水质检测器和红外扫描仪，可以获取捕捉鱼类的水质环境、水域温度的信息，并同样交由大数据分析，通过更多的附加条件来精准的识别鱼类，并且通过添加相同或者更多种类数量的传感器还可以牺牲部分识别准确率的情况下进行水下非捕捉式的鱼类识别，从而实现大数据分别下精准识别的同时，利用大数据完成便捷快速的鱼类识别。

如图4所示，一种基于大数据的精准型鱼类识别技术系统还包括大数据分析识别系统，所述大数据分析识别系统包括外观特征分析模块、生物特征分析模块、活动特征分析模块、分类模块、环境信息分析模块、大数据识别模块和信息交互模块，其中，所述外观特征分析模块、所述生物特征分析模块和所述活动特征分析模块均与所述分类模块相连接，所述分类模块和所述环境分析模块通过所述大数据识别模块与所述信息交互模块相连接，在上述设计当中，所述大数据分析识别系统配有Intelcorei7系列的数据处理芯片和Alteracyclone5系列的图像处理芯片。

在一个实施例中，所述外观特征分析模块包括分析红外扫描仪信息的红外扫描模块、分析激光雷达信息的激光雷达模块、分析摄像头信息的图像分析模块；所述生物特征分析模块包括用于接收生物传感器信息的生物取样模块、用于接收电流反馈的生物电流分析模块、用于分析热成像摄像头的生物热度分析模块；所述活动特征分析模块包括水面检测模块和观察水面鱼类气泡的气泡特征记录模块，从上述设计不难看出，外观特征分析模块、生物特征分析模块和活动特征分析模块均连接Intelcorei7系列的数据处理芯片和Alteracyclone5系列的图像处理芯片，其中，活动特征分析模块为辅助连接模块，通过摄像头获取当前鱼类存在的水域表面信息，依靠水域表面发生的变化获得图片或视频信息，并作为活动特征部分进行搜索分析和人为观察分析出结果。

在一个实施例中，所述分类模块包括用于将接受信息进行有序分类的信息分类模块、用于将接受信息进行标签化的信息标签模块、用于将标签信息和分类信息进行搜索分解的关键字分解模块、用于根据关键字进行近似推送的近似信息推送模块。

在一个实施例中，所述环境信息模块包括水域环境信息模块、地理位置信息模块和感应模块；

其中，所述水域环境信息模块用于结合传感器和大数据进行分析和获取当前水域的水温、水质和含氧量等；

其中，所述地理位置信息模块用于定位当前设备位置和鱼类出现位置；

其中，所述感应模块内具有GPS用于定位和寻找范围内可以互联的终端，从上述设计不难看出，大数据分析识别系统通过GPS定位信息，并经由大数据搜索后获得当前位置的最大可能的地理位置信息和水域环境信息，并将信息参与进行鱼类识别中。

在一个实施例中，所述大数据识别模块包括特征信息对应搜索模块、特征信息比对模块、近似信息统计模块、近似信息排名模块、人工识别问答模块、识别结果注释模块和识别结果反馈模块。

在一个实施例中，所述信息交互模块包括用于人工操作处理的人工标签模块、用于终端对关键字进行增加、删减和评分的关键字优化模块、用于人工精简标签的标签过滤模块、用于连接大数据服务器和其它终端的连接模块和用于终端和服务器通信的终端交互模块。

根据本发明的实施例，还提供了一种基于大数据的精准型鱼类识别技术系统的数据识别方法。

由图5所示，一种基于大数据的精准型鱼类识别技术系统的识别方法，包括以下步骤：

步骤S101：将通过识别检测终端设备获得的外观特征信息、生物特征信息、活动特征信息和环境特征信息，标记为A、B、C、D，并分别进行大数据搜索匹配；

步骤S103：根据大数据搜索匹配的结果，根据不同的筛选等级进行各类特征信息的筛选，并按排名顺序保留部分排名数值(选择近似度最高的前三名、前五名或前十名)；

步骤S105：在各个特征信息的基础上，以大数据为基础分别进行分析和筛选；

如图8所示，具体的，用于步骤S105的筛选方式，包括以下步骤：

步骤S401：在A、B、C、D中的其一基础上，进行搜索分析，得到最近似的B、C、D特征中的一项或者多项特征并标记为D1，并依次检索剩余的特征信息，得到组合的特征信息D2、D3、D4....；

步骤S403：按上述步骤S401，将组合信息D1、D2、D3、D4....继续进行搜索分析，得到二级整合信息E1、E2、E3、E4....，以此类推，直至得到包含A、B、C、D的组合信息Z1、Z2、Z3、Z4....，如果结果有多个，则筛选共同信息包含度最高的前三个；

步骤S405：上述步骤S403得到的前三个将结果依照整合的方式进行反向推算，在每一整合步骤中获得标签和关键字，并进行统计和记录，在最终的整合信息内进行注释，并完成筛选和分析。

步骤S107：将筛选中出现最多的标签和关键字标记靠前，生成具有注释信息和标签信息的分析整合结果，产生具有标签化的结果；

如图6所示，具体的，用于上述步骤S107中，还包括以下步骤：

步骤S201：将近似的关键字信息进行过滤，并对过滤后的关键字信息包含内容进行相互对比；

步骤S203：将过滤后的信息中包含信息少和出现频率低的关键字删减，将其融合到包含信息多和出现频率高的关键字中；

具体的，少于和高于的判定在于：在近似关键字基础上，任一关键字与包含信息最多的关键字对比，超过90％的为极低，70-80％的为很低，50-60％的为低，40-50％的为标准，低于40％的保留；

步骤S205：如若频率低但是包含信息多，则作为近似关键字留存，并在关键字出现时推送近似关键字内容；

步骤S207：根据大数据分析，将筛选留存后的关键字添加到不同的分类标签中，同一关键字可添加到不同标签中，产生标签化结果。

具体的，标签类型可为如淡水鱼、深海鱼、养殖鱼等等，关键字可为如体型5-10公分、体重1-2kg、体表红色、气泡密集等等。

步骤S109：结果标签化后，交由人工识别问答模块进行信息的审核，人工可根据信息匹配的近似程度进行快速审核；

步骤S111：人工接受分类标签化后的信息，依靠标签信息和终端信息，筛选并确定识别最具有可能的结果；

步骤S113：将标签信息和注释信息打包返回至一个或者多个提出问题的终端，完成识别并同时对多个终端进行反馈。

如图7所示，具体的，用于上述步骤S113中，还包括以下步骤：

步骤S301：人工接受分类标签化后的信息，并通过信息所产生的环境信息进行位置区域分类，将信息分类到不同负责区域中，并接受相关环境区域中其它终端的信息；

步骤S303：将其它终端信息和接受信息再次进行分析匹配后，人工选择近似度最高的前5个选项，并依靠标签和关键字进行识别确定可能性最大的三个选项，并排名；

步骤S305：按照排名顺序将标签信息和注释信息打包返回至一个或者多个问题终端，完成识别并同时对多个终端进行反馈。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，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”。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。