目前为了减小养殖成本以及降低养殖人员因操作失误带来的损失,自动化精确化的养殖流程控制系统越来越成为养殖企业的需要。水产品由于其蛋白质含量高、营养价值高,销量逐年递增;南美白对虾作为当今产量销量最高的虾类,也成为我们研究水产品养殖流程自动化精确控制的最佳对象。但由于南美白对虾本身养殖流程是极为复杂的,由养殖人员因操作失误导致整个池塘水产品死亡的事件屡屡发生,使得养殖企业对精确的自动的水产品养殖流程管理系统的需求大大增加。而目前现有的水产品养殖管理系统倾向于对水产品养殖环境的监测,对养殖流程本身的管理却无人问津。为了建立自动化精确的南美白对虾养殖流程的管理系统,本文首先从各个南美白对虾养殖企业的养殖流程数据入手,进行对养殖流程的对比和总结,得到标准的南美白对虾养殖流程,再进行对南美白对虾养殖流程的解构、分析。根据分析的结果,建立流程控制系统的数据模型、工作流引擎、控制原理、控制算法,最终构成南美白对虾养殖流程自动化精确控制系统。在这样的思路引导下,本文所做的工作包括:(1)收集各个企业南美白对虾的养殖流程,进行对流程同一的模式化处理后,进行对得到的养殖流程比对,得出标准的模式化南美白对虾养殖流程。对标准的南美白对虾养殖流程进行二次解构、分析,得到南美白对虾的养殖流程可以归纳为一个多维度的、部分不可逆的、部分条件循环、部分重叠复杂业务流程。其包括三个关键点,九个子关键点,3个孙关键点、一个条件循环流程以及一个条件重叠流程。该流程下各个关键点流转的条件都是不明确的,依据养殖人员的养殖经验的。根据分析的结果,可将南美白对虾养殖流程看做一个复杂的工作流业务流程模型,为了能够使系统处理这样的复杂业务流程,本文将流程的关键点离散化,建立关键点状态数据模型,将状态变更的原因也离散化,建立事件数据模型。(2)在上述确定工作流业务模型的基础上,本文分析了目前主流的三大工作流引擎:JBPM、Osworkflow、Shark。并将其优缺点做出比较,得出这三者均不可应用在南美白对虾的工作流控制上,故而,本文结合三者的优势和劣势,提出了一个针对南美白对虾养殖流程且以事件作为驱动,状态作为处理出具的工作流引擎,并设计了该工作流引擎的体系结构,详细阐述了工作流引擎处理原理。(3)由于南美白对虾养殖流程中关键状态的流转是没有明确条件的且依靠养殖人员养殖经验的。为解决系统可自动进行关键状态的流转,本文提出利用神经网络模型,完成系统对养殖人员的养殖经验的学习,从而智能的进行关键状态的流转。本文分析了两种有效的神经网络模型,卷积神经网络(Convolutional Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)将二者在学习效率和收敛效率上做出了对比,得出系统需要一个收敛效率较高且符合养殖经验训练向量数据样本的神经网络模型,即,卷积神经网络模型,同时对卷积神经网络做出了一定的简化,使得训练计算复杂度降低。同时,针对养殖人员的养殖经验数据样本建立了对应的耦合函数模型,并且基于TensorFlow框架给出了模型训练的原理、过程以及训练模型的评价模型。(4)在上述的基础上,本文建立了南美白对虾养殖流程自动化精确控制系统。在对养殖人员养殖经验的训练基础上,借助改进后的MVC框架和改进后的TensorFlow框架实现了对养殖流程的控制,同时引入了自适应机制,使得系统可以不断的完善系统本身对养殖人员养殖经验的理解,从而更加精确的调整模型的权重值,以达到与养殖人员养殖经验相契合的程度。通过以上研究和实现,本文提出工作流引擎,借助神经网络学习养殖人员的养殖经验在南美白对虾养殖流程自动化精确控制方面开展了一定程度的尝试,为养殖企业精细化养殖提供了借鉴和参考。