文章摘要:为了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，本研究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，每张表的结构相对独立，信息可以交叉查询；使用SpringBoot结构的Java一体式框架，采用模块设计方法；通过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BinaryJSON实现松散数据结构的管理，使用Spring的MongoTemplate服务进行MongoDB的数据库操作，采用阿里云提供的云服务器平台，以及Nginx反向代理和Springboot内置的Tomcat服务器组合完成网络部署。结果表明：数据库设计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；图片识鱼准确率达到92.67%；系统实现了海量数据存储、高并发访问的需求。本研究中构建的智能鱼类信息共享平台，可提供基于纲目、地域、形态、渔汛、有无鳞片等多种检索入口；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，实现优质鱼类资源共享。研究表明，本研究中构建的智能鱼类信息共享平台，有效地解决鱼类海量数据存储和访问效率问题，信息丰富、使用便捷。

文章关键词:

项目基金: