李然;杨玉婷;张志强;刘鹰;黄健隆;李浩淼

大连海洋大学信息工程学院;设施渔业教育部重点实验室(大连海洋大学)

MongoDB;鱼类信息;共享平台;人工智能;

为构建智能鱼类信息共享平台，实现鱼类信息的高效准确检索，针对鱼类数据库信息量大、高并发等特点，基于MongoDB研发了智能鱼类信息共享平台。平台数据库设计了16张表，涵盖了鱼名、生态、形态等多种信息，使用Spring Boot结构的Java一体式框架和集成人工智能识鱼模块，采用卷积神经网络实现图片识鱼;利用MongoDB的Binary JSON实现松散数据结构的管理，使用Spring的MongoTemplate服务进行MongoDB数据库操作，采用阿里云提供的云服务器平台，以及Nginx反向代理和Spring Boot内置的Tomcat服务器组合完成网络部署。结果表明:本研究中构建的平台数据库实现了鱼类信息的科学性、可追溯性及实用性，系统较好地降低了架构的耦合度，提高了程序的可维护性;系统实现了海量数据存储和高并发访问的需求;构建的智能鱼类信息共享平台，可提供基于纲目、地域、形态、鱼汛、有无鳞片等多种检索入口，图片识鱼准确率达到92.67%;用户可通过上传鱼的文本、图片，查询或识别该鱼的相关信息;还可在地图中根据鱼所处的位置搜索鱼的详细信息，满足了多样化的检索需求;平台信息开放，实现了优质鱼类资源共享。研究表明，构建的智能鱼类信息共享平台，信息丰富、使用便捷，能有效地解决鱼类海量数据存储和访问效率问题。