一种鱼类异常行为在线识别方法及系统

1.本发明属于数据采集、智能养殖技术领域，具体涉及一种鱼类异常行为在线识别方法及系统。


背景技术：

2.随着经济与科技的发展，养殖业正在逐渐趋向自动化与生态化，单靠人类生活经验和感知进行养殖的时代已经逐渐过去，取而代之的是更加科学，更加智能的自动化养殖。机器识别具有高灵敏度，高精确度的特点。在鱼池养殖中，鱼池内的环境状态变化莫测，环境状态受到天气的影响，大自然中各种真菌和细菌的参与，育苗的来源等等，因此鱼的健康状态也是随时受到环境的威胁。一旦鱼类出现了异常行为，往往容易导致鱼群的生病甚至死亡，引起泛池现象，直接导致养殖户不可估量的经济损失。然而仅仅通过人类感知去识别鱼类异常行为具有严重的滞后性，通常识别出来的时候都鱼池状态已经比较严峻，这是由于人类感知的方法比较原始，感知不精确，并且无法精确参考感知经验。因此运用计算机系统辅助进行养殖生态监测已经逐渐在本领域中广泛应用。
3.然而，现存的鱼类异常行为识别方法往往仅通过判断所测得的数据与常规的数据进行比较然后对异常进行判断，缺少预判性和规律性的探测，使得异常判断的结果不具有灵活性和适配性，从而判断的结果容易出现误判，不利于管理人员对养殖的环境作出合理的判断。


技术实现要素：

4.本发明的目的在于提出一种鱼类异常行为在线识别方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
5.为了实现上述目的，根据本发明的一方面，提供一种鱼类异常行为在线识别方法，所述方法包括以下步骤：
6.s100，使用溶解氧传感器获得溶解氧含量；
7.s200，通过溶解氧含量计算传感器所在水域的波动水平；
8.s201，通过波动水平计算鱼池的耗氧系数；
9.s300，通过耗氧系数构建池态向量；
10.s400，根据池态向量计算池态异动值；
11.s500，通过池态异动值进行鱼类异常识别。
12.进一步地，所述使用溶解氧传感器获得溶解氧含量的方法是：在鱼池中均匀布置n个溶解氧读取装置，溶解氧读取装置的布置数量n的取值范围在[5,10]之间；每个溶解氧读取装置由两个溶解氧传感器构成，其中所述两个溶解氧传感器分别读取浅水位的溶解氧含量和深水位的溶解氧含量，所述浅水位代表水面下方1/6水深的位置，深水位代表水面下方5/6水深的位置。
[0013]
进一步地，通过溶解氧含量计算传感器所在水域的波动水平的方法是：溶解氧传
感器每5分钟进行一次测量获得的溶解氧含量作为实时测值msv，最近24小时内的所有实时测值msv形成实时测值序列lmsv，lmsv＝[msv
i1
]，i1∈[1，dltms]，其中i1为实时测值的在时序上的序号，msv
i1
为lmsv中第i1次获取的溶解氧含量值，dltms代表24小时内获得的实时测值msv的次数；利用实时测值序列lmsv计算得到跃迁系数τ，τ＝msvu/msvd，其中msvu和msvd分别代表lmsv中的最大值和最小值；利用实时测值序列lmsv计算得到溶解氧传感器的波动水平wlvl，
[0014][0015]
其中i2为累加变量，emsv代表实时测值序列lmsv中各个数值的算术平均值，τ代表跃迁系数，以所有溶解氧传感器的波动水平构成的序列的算数平均值作为场均波动水平pwl，log为取对数。(波动水平wlvl能够平稳的示出最近一个时间段内传感器采集的稳定的数据)。
[0016]
进一步地，通过波动水平wlvl计算鱼池的耗氧系数的方法是：
[0017]
当一个时刻一个溶解氧传感器中的溶解氧传感器wlvl＞pwl，则定义为发生一次溢层事件；
[0018]
在往鱼池投喂饲料时，均匀地往鱼池投喂饲料，开始每30秒进行一次测量并且获得各个溶解氧传感器的波动水平wlvl，并且开始统计溢层事件发生的次数为oltms，以ts作为溢层事件判别的次数的序号；开始投喂饲料时各个溶解氧传感器的oltms的值为0，ts的值为0；
[0019]
当所有溶解氧传感器的oltms＞0，记录对溢层事件判别的次数为jdtms；溶解氧含量的测量的频率恢复为每5分钟进行一次，并且计算溶解氧传感器的耗氧系数coidx：
[0020]
其中tsm为同一溶解氧传感器读取的各个wlvl中获得最大值时对应的溢层事件判别的次数的序号；mwlvl为溶解氧传感器读取的各个wlvl中的中位数或平均值；wlvl
ts
代表第ts个时刻获得的波动水平，oltms为同一溶解氧传感器的溢层事件发生的次数。
[0021]
其中，溶解氧读取装置的耗氧系数为：采用溶解氧读取装置中拥有较大值的溶解氧传感器的耗氧系数作为该溶解氧读取装置的耗氧系数。
[0022]
通过计算波动水平可以度量在投喂时间段溶解氧的含量变化特征，从而反映鱼类的活跃情况变化，归总推导出鱼类在投喂期间对水中溶解氧的消耗特性。
[0023]
优选地，为了进一步归总推导出鱼类在投喂期间对水中溶解氧的消耗特性计算耗氧系数coidx的方法还可以为:为所有溶解氧读取装置配置优选测值计算方案，具体为：如果一个溶解氧读取装置中两个溶解氧传感器的波动水平wlvl均小于场均波动水平pwl,则采用溶解氧读取装置中拥有波动水平wlvl较大值的溶解氧传感器的实时测值msv作为该溶解氧读取装置的优选测值pmsv；否则，计算两个溶解氧传感器的实时测值msv的算术平均值作为该溶解氧读取装置的优选测值pmsv；
[0024]
以t0代表投喂时刻，pmsv(t0)代表投喂时刻t0获得的优选测值；设置一个序列作为投喂反应序列lspm，将pmsv(t0)加入到投喂反应序列lspm中；设置一个变量作为谷测值minpm，初始化谷测值minpm的值为pmsv(t0)；设置一个变量t，令t的初始值为1；，跳转到步
骤a001；
[0025]
a001,在往鱼池投喂饲料时，均匀地往鱼池投喂饲料，根据溶解氧读取装置配置的优选测值计算方案开始每30秒进行一次测量并获得优选测值pmsv；
[0026]
a002，获取优选测值pmsv(tt)，
[0027]
如果pmsv(tt)≤0.5
×
(minpm－pmsv(t0))并且t≤10，将pmsv(tt)加入到投喂反应序列lspm中，跳转到步骤a003；
[0028]
如果pmsv(tt)＞0.5
×
(minpm－pmsv(t0))并且t＜10，溶解氧含量的测量的频率恢复为每5分钟进行一次；计算耗氧系数coidx；
[0029][0030]
其中tbott代表获得minpm时的t取值，跳转到步骤a004，tt为从t0时刻开始第t次测量的时刻；
[0031]
a003，如果pmsv(tt)＜minpm，更新minpm的值为pmsv(tt)的值，将时刻计数器t的数值加1，跳转到步骤a002；如果pmsv(tt)≥minpm，将时刻计数器t的数值加1，跳转到步骤a002；
[0032]
a004，结束。
[0033]
进一步地，在s300中，通过耗氧系数构建池态向量的方法是：往鱼池投喂饲料后，鱼池内各个溶解氧读取装置开始尝试获得耗氧系数；待各个溶解氧读取装置均获得耗氧系数，结合鱼池内各个溶解氧读取装置构建池态向量pvect,pvect＝[coidx
i3
]，i3∈[1，n]，其中i3代表鱼池内各个溶解氧读取装置的序号，n代表鱼池中溶解氧读取装置的数量，coidx
i3
为第i3个溶解氧读取装置的耗氧系数。
[0034]
进一步地，根据池态向量计算池态异动值的方法是：通过获取最近hist天内的池态向量pvect计算其均值向量作为第一向量fvect，其中hist为观测期，hist的取值在[30，60]个自然日内取值；
[0035]
根据池态向量pvect和第一向量fvect，计算获得第一异动量fsv，
[0036][0037]
其中da、db和ds为累加变量；pvect(da)和pvect(ds)分别表示池态向量中第da和ds个元素、fvect(db)和fvect(ds)分别表示第一向量fvect中第db和ds个元素；计算获得观测期内的各个第一异动量fsv，其中各个第一异动量的最大值和最小值对应的日期序号为dmx和dmn，dmx、dmn＜hist，所述最小值用fsvm表示，计算池态异动值vidx:
[0038][0039]
fsv
dms
为日期序号为dms的第一异动量；log为取对数函数；
[0040]
通过池态异动值反映一个池塘中各个位置的耗氧系数的变化规则，通过一段时间内的耗氧系数进行可预见的范围预测，再对各个水域的异常程度进行归总后得出养殖环境
中鱼类的规则性推测与归集，用池态异动值量化养殖环境鱼类的活跃性或者鱼类行为的合理性。
[0041]
优选地，为了进一步地量化养殖环境鱼类的活跃性或者鱼类行为的合理性，获取hist天内的池态向量pvect，以每天的池态向量pvect为一行构成池态矩阵pmtx，pmtx＝[pvect
i4
]，i4∈[1，hist]，其中hist为观测期，单位为自然日，hist的值在[30，60]内取值，i4代表的是日期的序号；当i4的值为1，pvect
i4
代表的是第i4天的池态向量；以shist作为短期值，shist＝[0.25
×
hist]，式中[]符号为取整函数；计算当天的短期均浮动系数smfi：
[0042][0043]
其中i5为累加变量；β代表波动系数，β＝2/(1+shist)；代表的是pvect
i5
中各个元素的算术平均值，pvect
i5
代表池态矩阵pmtx中第i5行，即第i5个池态向量；以lhist作为长期值，lhist＝[0.5
×
hist]；计算当天的长期均浮动系数lmfi，
[0044][0045]
其中i6为累加变量；β代表波动系数，β＝2/(1+lhist)；代表的是pvect
i6
中各个元素的算术平均值；pvect
i6
代表池态矩阵pmtx中第i6行，即第i6个池态向量；通过长期均浮动系数lmfi和短期均浮动系数smfi计算当天的浮动区间dist，dist＝smfi－lmfi；在溶解氧读取装置首次测量时，dist取值为0；通过dist计算趋势指数tend：
[0046]
或者tend＝β
×
dist+tend’；
[0047]
其中β代表波动系数，β＝2/(1+shist)；tend’代表上一个自然日的趋势指数tend，在溶解氧读取装置首次测量时，tend的取值为0；计算获得池态异动值vidx:vidx＝dist-tend。
[0048]
进一步地，通过池态异动值进行鱼类异常识别的方法是：获取历史记录的所有的池态异动值vidx，通过正态分布的一元离群点检测方法判断当天的池态异动值是否为异常点，如果当天的池态异动值为异常点，则说明鱼类存在异常行为，并向管理人员的客户端发送异常警报。
[0049]
优选地，当趋势指数tend大于预设阈值时，或者,当趋势指数tend大于上一周所有的自然日对渔场进行饲料投喂后获取的趋势指数tend时，则说明鱼类存在异常行为，并向管理人员的客户端发送异常警报。
[0050]
本发明还提供了一种鱼类异常行为在线识别系统，所述一种鱼类异常行为在线识别系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种鱼类异常行为在线识别方法中的步骤，所述一种鱼类异常行为在线识别系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
[0051]
数据采集单元，用于随时从养殖池中获得溶解氧含量；
[0052]
波动衡量单元，用于通过溶解氧含量计算传感器所在水域的波动水平
[0053]
池态计算单元，用于通过波动水平计算鱼池的耗氧系数；
[0054]
池态归并单元，用于通过耗氧系数构建池态向量；
[0055]
异动估量单元，用于根据池态向量计算池态异动值；
[0056]
异常警报单元，用于通过池态异动值进行鱼类异常识别，并且发出警报。
[0057]
本发明的有益效果为：本发明提供一种鱼类异常行为在线识别方法及系统，在复杂的养殖环境下，巧妙地通过精确测量投喂鱼群后鱼群耗氧的状态，识别鱼群的健康状态，通过一段时期内鱼池的耗氧的状态识别鱼群是否出现异常；通过计算波动水平可以度量在投喂时间段溶解氧的含量变化特征，从而反映鱼类的活跃情况变化，归总推导出鱼类在投喂期间对水中溶解氧的消耗特性。通过一段时间内的耗氧系数进行可预见的范围预测，再对各个水域的异常程度进行归总后得出养殖环境中鱼类的规则性推测与归集，用池态异动值量化养殖环境鱼类的活跃性或者鱼类行为的合理性。有效提高了鱼池养殖中鱼类的存活率，提高鱼池养殖的效益性，降低养殖鱼池蒙受的自然风险，提高识别鱼类异常行为的识别准确度。
附图说明
[0058]
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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，在附图中：
[0059]
图1所示为一种鱼类异常行为在线识别方法的流程图；
[0060]
图2所示为一种鱼类异常行为在线识别系统结构图。
具体实施方式
[0061]
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
[0062]
如图1所示为一种鱼类异常行为在线识别方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种鱼类异常行为在线识别方法，所述方法包括以下步骤：
[0063]
s100，使用溶解氧传感器获得溶解氧含量；
[0064]
s200，通过溶解氧含量计算传感器所在水域的波动水平；
[0065]
s201，通过波动水平计算鱼池的耗氧系数；
[0066]
s300，通过耗氧系数构建池态向量；
[0067]
s400，根据池态向量计算池态异动值；
[0068]
s500，通过池态异动值进行鱼类异常识别。
[0069]
进一步地，所述使用溶解氧传感器获得溶解氧含量的方法是：在鱼池中均匀布置n个溶解氧读取装置，溶解氧读取装置的布置数量n的取值范围在[5,10]之间；每个溶解氧读取装置由两个溶解氧传感器构成，其中所述两个溶解氧传感器分别读取浅水位的溶解氧含量和深水位的溶解氧含量，所述浅水位代表水面下方1/6水深的位置，深水位代表水面下方5/6水深的位置。
[0070]
进一步地，通过溶解氧含量计算传感器所在水域的波动水平的方法是：溶解氧传感器每5分钟进行一次测量获得的溶解氧含量作为实时测值msv，msv
i1
为lmsv中第i1次获取的溶解氧含量值，最近24小时内的所有实时测值msv形成实时测值序列lmsv，lmsv＝[msv
i1
]，i1∈[1，dltms]，其中i1为实时测值的在时序上的序号，dltms代表24小时内获得的实时测值msv的次数；利用实时测值序列lmsv计算得到跃迁系数τ，τ＝msvu/msvd，其中msvu和msvd分别代表lmsv中的最大值和最小值；利用实时测值序列lmsv计算得到传感器的波动水平wlvl，
[0071][0072]
其中i2为累加变量，emsv代表实时测值序列lmsv中各个数值的算术平均值，τ代表跃迁系数，以所有溶解氧传感器的波动水平构成的序列的算数平均值作为场均波动水平pwl，log为取对数。
[0073]
进一步地，通过波动水平wlvl计算鱼池的耗氧系数的方法是：
[0074]
当一个时刻一个溶解氧读取装置wlvl＞pwl，则定义为发生一次溢层事件；
[0075]
在往鱼池投喂饲料时，均匀地往鱼池投喂饲料，开始每30秒进行一次测量并且获得各个溶解氧读取装置的波动水平wlvl，并且开始统计溢层事件发生的次数为oltms，以ts作为溢层事件判别的次数的序号；开始投喂饲料时各个溶解氧读取装置的oltms的值为0，ts的值为0；
[0076]
当所有溶解氧读取装置的oltms＞0，记录对溢层事件判别的次数为jdtms；溶解氧含量的测量的频率恢复为每5分钟进行一次，并且计算耗氧系数coidx：
[0077]
其中tsm为同一溶解氧读取装置读取的各个wlvl中获得最大值时对应的溢层事件判别的次数的序号；mwlvl为溶解氧读取装置读取的各个wlvl中的中位数；wlvl
ts
代表第ts个时刻获得的波动水平。
[0078]
通过计算波动水平可以度量在投喂时间段溶解氧的含量变化特征，从而反映鱼类的活跃情况变化，归总推导出鱼类在投喂期间对水中溶解氧的消耗特性。
[0079]
优选地，为了进一步归总推导出鱼类在投喂期间对水中溶解氧的消耗特性计算耗氧系数coidx的方法还可以为:为所有溶解氧读取装置配置优选测值计算方案，具体为：如果一个溶解氧读取装置中两个溶解氧传感器的波动水平wlvl均小于场均波动水平pwl,则采用拥有波动水平wlvl较大值的溶解氧传感器的实时测值msv作为该溶解氧读取装置的优选测值pmsv；否则，计算两个溶解氧传感器的实时测值msv的算术平均值作为该溶解氧读取装置的优选测值pmsv；
[0080]
以t0代表投喂时刻，pmsv(t0)代表投喂时刻t0获得的优选测值；设置一个序列作为投喂反应序列lspm，将pmsv(t0)加入到投喂反应序列lspm中；设置一个变量作为谷测值minpm，初始化谷测值minpm的值为pmsv(t0)；设置一个时刻计数器t，令t的初始值为1，跳转到步骤a001；
[0081]
a001,在往鱼池投喂饲料时，均匀地往鱼池投喂饲料，根据溶解氧读取装置配置的优选测值计算方案开始每30秒进行一次测量并获得优选测值pmsv；
[0082]
a002，获取优选测值pmsv(tt)，
[0083]
如果pmsv(tt)≤0.5
×
(minpm－pmsv(t0))并且t≤10，将pmsv(tt)加入到投喂反应序列lspm中，跳转到步骤a003；
[0084]
如果pmsv(tt)＞0.5
×
(minpm－pmsv(t0))并且t＜10，溶解氧含量的测量的频率恢复为每5分钟进行一次；计算耗氧系数coidx；
[0085][0086]
其中tbott代表获得minpm时t的取值，跳转到步骤a004，tt为从t0时刻开始第t次测量的时刻；；
[0087]
a003，如果pmsv(tt)＜minpm，更新minpm的值为pmsv(tt)的值，将时刻计数器t的数值加1，跳转到步骤a002；如果pmsv(tt)≥minpm，将时刻计数器t的数值加1，跳转到步骤a002；
[0088]
a004，结束。
[0089]
进一步地，所述通过耗氧系数构建池态向量的方法是：往鱼池投喂饲料后，鱼池内各个溶解氧读取装置开始尝试获得耗氧系数；待各个溶解氧读取装置均获得耗氧系数，结合鱼池内各个溶解氧读取装置构建池态向量pvect,pvect＝[coidx
i3
]，i3∈[1，n]，其中i3代表鱼池内各个溶解氧读取装置的序号，n代表鱼池中溶解氧读取装置的数量。
[0090]
进一步地，根据池态向量计算池态异动值的方法是：通过获取最近hist天内的池态向量计算其均值向量作为第一向量fvect，其中hist为观测期，hist的取值在[30，60]个自然日内取值；
[0091]
根据池态向量pvect和第一向量fvect，计算获得第一异动量fsv，
[0092][0093]
其中da、db和ds为累加变量；pvect(da)和pvect(ds)分别表示池态向量中第da和ds个元素、fvect(db)和fvect(ds)分别表示第一向量fvect中第db和ds个元素；计算获得观测期内的各个第一异动量fsv，其中的最大值和最小值对应的日期序号为dmx和dmn，dmx、dmn＜hist，所述最小值用fsvm表示，计算池态异动值vidx:
[0094][0095]
通过池态异动值反映一个池塘中各个位置的耗氧系数的变化规则，通过一段时间内的耗氧系数进行可预见的范围预测，再对各个水域的异常程度进行归总后得出养殖环境中鱼类的规则性推测与归集，用池态异动值量化养殖环境鱼类的活跃性或者鱼类行为的合理性。
[0096]
优选地，为了进一步地量化养殖环境鱼类的活跃性或者鱼类行为的合理性，获取hist天内的池态向量pvect，构成池态矩阵pmtx，pmtx＝[pvect
i4
]，i4∈[1，hist]，其中hist为观测期，单位为自然日，hist的值在[30，60]内取值，i4代表的是日期的序号；当i4的值为
1，pvect
i4
代表的是当天的池态向量；以shist作为短期值，shist＝[0.25
×
hist]，式中[]符号为取整函数；计算当天的短期均浮动系数smfi：
[0097][0098]
其中i5为累加变量；β代表波动系数，β＝2/(1+shist)；代表的是pvect
i5
中各个元素的算术平均值，pvect
i5
代表池态矩阵pmtx中第i5行，即第i5个池态向量；以lhist作为长期值，lhist＝[0.5
×
hist]；计算当天的长期均浮动系数lmfi，
[0099][0100]
其中i6为累加变量；β代表波动系数，β＝2/(1+lhist)；代表的是pvect
i6
中各个元素的算术平均值；pvect
i6
代表池态矩阵pmtx中第i6行，即第i6个池态向量；通过长期均浮动系数lmfi和短期均浮动系数smfi计算当天的浮动区间dist，dist＝smfi－lmfi；系统初始化时，即启动系统当日，dist取值为0；通过dist计算趋势指数tend：
[0101]
或者tend＝β
×
dist+tend’；
[0102]
其中β代表波动系数，β＝2/(1+shist)；tend’代表上一个自然日的趋势指数tend，系统初始化时，即启动系统当日，tend的取值为0；计算获得池态异动值vidx:vidx＝dist-tend。
[0103]
进一步地，通过池态异动值进行鱼类异常识别的方法是：获取历史记录的所有的池态异动值vidx，通过正态分布的一元离群点检测方法判断当天的池态异动值是否为异常点，如果当天的池态异动值为异常点，则说明鱼类存在异常行为，并向管理人员的客户端发送异常警报。
[0104]
优选地，当趋势指数tend大于预设阈值时，或者,当趋势指数tend大于上一周所有的自然日对渔场进行饲料投喂后获取的趋势指数tend时，则说明鱼类存在异常行为，并向管理人员的客户端发送异常警报。
[0105]
本发明的实施例提供的一种鱼类异常行为在线识别系统，如图2所示为本发明的一种鱼类异常行为在线识别系统结构图，该实施例的一种鱼类异常行为在线识别系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种鱼类异常行为在线识别系统实施例中的步骤。
[0106]
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
[0107]
数据采集单元，用于随时从养殖池中获得溶解氧含量；
[0108]
波动衡量单元，用于通过溶解氧含量计算传感器所在水域的波动水平
[0109]
池态计算单元，用于通过波动水平计算鱼池的耗氧系数；
[0110]
池态归并单元，用于通过耗氧系数构建池态向量；
[0111]
异动估量单元，用于根据池态向量计算池态异动值；
[0112]
异常警报单元，用于通过池态异动值进行鱼类异常识别，并且发出警报。
[0113]
所述一种鱼类异常行为在线识别系统可以运行于桌上型计算机、笔记本电脑、掌
上电脑及云端服务器等计算设备中。所述一种鱼类异常行为在线识别系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种鱼类异常行为在线识别系统的示例，并不构成对一种鱼类异常行为在线识别系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种鱼类异常行为在线识别系统还可以包括输入输出设备、网络接入设备、总线等。
[0114]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种鱼类异常行为在线识别系统运行系统的控制中心，利用各种接口和线路连接整个一种鱼类异常行为在线识别系统可运行系统的各个部分。
[0115]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种鱼类异常行为在线识别系统的各种功能。所述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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0116]
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。