基于物联网设备的淡水鱼类预测模型

养殖涉及培育海洋和淡水生物，实时监测水体参数在鱼类养殖中至关重要。本论文提出一个基于物联网 (IoT) 的框架，使用传感器和 Arduino 进行高效的水质监测和控制。不同传感器（包括 pH、温度和浊度）布置在培育池水中，每个传感器都连接到基于 Arduino Uno 构建的共用微控制器板。传感器读取水体数据并作为 CSV 文件存储在名为 Thingspeak 的 IoT 云中，通过 Arduino 微控制器实现。实验部分，我们从 5 个大小和环境各异的池塘收集数据。获得实时数据后，将其与标准参考值进行比较。结果表明，我们可以决定哪些池塘适合养鱼，哪些不适合。随后，我们将数据标记为包括卡特拉、sing、虾、鲁、锦鲤、潜斯、罗非鱼、银鳟、卡皮欧、马古和虾的 11 种鱼类。此外，对数据采用 10 种机器学习 (ML) 算法进行分析，包括 J48、随机森林、K-最近邻 (K-NN)、K*、LMT、REPTree、JRIP、PART、决策表和 Logit 提升。经过实验评估后，观察到在 5 个池塘中，只有 3 个池塘适合养鱼，这 3 个池塘仅满足 pH (6.5-8.5)、温度 (16-24)°C、浊度 (低于 10 ntu)、导电率 (970-1825 μS/cm) 和深度 (1-4 米) 的标准参考值。在 state-of-the-art 机器学习算法中，随机森林在准确率、Kappa 统计量和平均真阳性率上取得最高分，分别为 94.42%、93.5% 和 94.4%。此外，我们计算了一个情景下的 BOD、COD 和 DO。该研究包括 proposed IoT 系统原型硬件的细节。