ES2786798A1 - Biomass estimation system in aquaculture based on optical sensors and neural networks (Machine-translation by Google Translate, not legally binding) - Google Patents
Biomass estimation system in aquaculture based on optical sensors and neural networks (Machine-translation by Google Translate, not legally binding) Download PDFInfo
- Publication number
- ES2786798A1 ES2786798A1 ES201930332A ES201930332A ES2786798A1 ES 2786798 A1 ES2786798 A1 ES 2786798A1 ES 201930332 A ES201930332 A ES 201930332A ES 201930332 A ES201930332 A ES 201930332A ES 2786798 A1 ES2786798 A1 ES 2786798A1
- Authority
- ES
- Spain
- Prior art keywords
- fish
- optical
- barriers
- light
- biomass
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
Description
DESCRIPCIÓNDESCRIPTION
Sistema de estimación de biomasa en acuicultura basado en sensores ópticos y redes neuronalesBiomass estimation system in aquaculture based on optical sensors and neural networks
La presente invención se refiere a un sistema de estimación de la biomasa necesaria para la alimentación en el campo técnico de la acuicultura. La estimación se realiza mediante el empleo de sensores ópticos y redes neuronales para establecer la cantidad de biomasa óptima para la alimentación de los peces en instalaciones de acuicultura intensiva con el margen de error más pequeño posible.The present invention relates to a system for estimating the biomass necessary for feeding in the technical field of aquaculture. The estimation is carried out by using optical sensors and neural networks to establish the optimal amount of biomass for feeding fish in intensive aquaculture facilities with the smallest possible margin of error.
Estado de la técnicaState of the art
La reducción de los costes de alimentación en acuicultura resulta fundamental para lograr la sostenibilidad de la industria, existiendo un gran potencial, tanto en la disminución de los costes por unidad de alimentación como a través de la adopción de estrategias de gestión de alimentación adecuadas.The reduction of feed costs in aquaculture is essential to achieve the sustainability of the industry, with great potential, both in reducing costs per feed unit and through the adoption of adequate feed management strategies.
En las instalaciones de acuicultura intensiva, la alimentación se realiza mediante el suministro de varias raciones diarias de pienso, donde la ración óptima supone un peso diario de alimentos de alrededor del 4% de la biomasa presente, dependiendo de las especies y otras condiciones ambientales. Los errores en la estimación de la biomasa implican que la alimentación diaria no esté optimizada, lo que puede suponer una sobrealimentación o una subalimentación del cultivo y, por lo tanto, en cualquier caso, un incremento de los costes del cultivo.In intensive aquaculture facilities, feeding is carried out by supplying several daily feed rations, where the optimum ration supposes a daily weight of feed of around 4% of the biomass present, depending on the species and other environmental conditions. Errors in estimating biomass imply that daily feeding is not optimized, which can lead to overfeeding or underfeeding of the crop and, therefore, in any case, an increase in crop costs.
Los sistemas de estimación de biomasa que existen actualmente en el mercado no han conseguido alcanzar precisiones estables y con márgenes de error suficientemente pequeños. Las causas por las que la biomasa no se calcula correctamente son complejas e incluyen una combinación entre la tecnología empleada para el recuento y el tamaño de los peces, el mal uso de las tecnologías de recuento e incluso razones de tipo biológico y medioambiental. Un objetivo que se plantea a medio plazo es alcanzar una incertidumbre del 0,1% en el sistema de conteo de peces y del 1% en la estimación de la biomasa. Una reducción dentro de estos márgenes supone un gran impacto en el resultado económico de las empresas acuícolas. Así, por ejemplo, un error del 5% en la estimación de la biomasa supone, sólo en la industria europea de los salmónidos, doradas y lubinas, aproximadamente 91 millones de dólares anuales.The biomass estimation systems that currently exist on the market have not been able to reach stable accuracies with sufficiently small margins of error. The reasons why biomass is not calculated correctly are complex and include a combination of the technology used for counting and the size of the fish, the misuse of counting technologies, and even biological and environmental reasons. A medium-term objective is to reach an uncertainty of 0.1% in the fish counting system and 1% in the estimation of biomass. A reduction within these margins has a great impact on the economic performance of aquaculture companies. Thus, for example, an error of 5% in the estimation of biomass supposes, only in the European industry of salmonids, sea bream and seabass, approximately 91 million dollars annually.
Para alcanzar el objetivo propuesto, es decir, para alcanzar cifras de error iguales o inferiores al 0,1% en el conteo de peces y del 1% en la estimación de la biomasa, no sólo es necesario mejorar las prácticas actuales de control, así como un mejor uso de la instrumentación existente, sino que también resulta necesario una mejora en los métodos de medida y de control utilizados en la actualidad.To achieve the proposed objective, that is, to achieve error figures equal to or less than 0.1% in the fish count and 1% in the estimation of biomass, it is not only necessary to improve current control practices, as well as As a better use of existing instrumentation, it is also necessary to improve the measurement and control methods used today.
Un ejemplo de las mejoras que se están introduciendo en la tecnología es el método y el sistema descrito en WO2019/002881 A1. Este documento se refiere a un método y un aparato para proporcionar un proceso de toma de decisiones dinámica con relación a la alimentación de animales en el agua. Más particularmente, la invención descrita en este documento se refiere a un método y a un aparato cuyo objeto es la mejora de las estrategias de alimentación y/o cultivo utilizadas en una instalación de acuicultura que emplea una pluralidad de sensores y técnicas de inteligencia artificial para optimizar la alimentación de los peces.An example of the improvements being made in technology is the method and system described in WO2019 / 002881 A1. This document relates to a method and apparatus for providing a dynamic decision-making process in relation to feeding animals in water. More particularly, the invention described in this document refers to a method and an apparatus whose object is to improve the feeding and / or cultivation strategies used in an aquaculture installation that uses a plurality of sensors and artificial intelligence techniques to optimize feeding the fish.
Para la estimación de la biomasa existen dos soluciones comerciales: Vaki Biomass Daily (de Pentair) y Varó Aqua’s Biomass Measurement Frame (de Storvik). Ambos productos utilizan un marco, que contiene dos cortinas de luz infrarroja. Cuando el pez atraviesa el marco, su altura se calcula a partir de los haces infrarrojos que son cortados, mientras que su longitud se estima a partir del tiempo de paso y de la velocidad de paso del pez. Un modelo aplicado usualmente en las granjas marinas para caracterizar la relación entre la longitud del pez (l) y la masa (m) es m = ql3, siendo q un parámetro empírico característico de la especie. Un modelo alternativo que incluye la altura (h) del pez es m = chl2 donde c es otro parámetro empírico característico de la especie. Estos métodos de medida de los peces contribuyen, sin duda, al error o incertidumbre en el cálculo de la biomasa.There are two commercial solutions for biomass estimation: Vaki Biomass Daily (from Pentair) and Varó Aqua's Biomass Measurement Frame (from Storvik). Both products use a frame, which contains two infrared light curtains. When the fish passes through the frame, its height is calculated from the infrared beams that are cut, while its length is estimated from the time of passage and the speed of passage of the fish. A model usually applied in marine farms to characterize the relationship between fish length ( l) and mass (m) is m = ql3, where q is an empirical parameter characteristic of the species. An alternative model that includes the height (h) of the fish is m = chl2 where c is another empirical parameter characteristic of the species. These fish measurement methods undoubtedly contribute to the error or uncertainty in the biomass calculation.
La tecnología de los marcos de luz infrarroja está bien establecida, aunque para la estimación del peso de los peces se ha comprobado que tiene una exactitud muy baja y que para la acuicultura intensiva no es una técnica adecuada, ya que las mediciones se alejan notablemente de la realidad. Aunque en los catálogos de estos equipos se indica una exactitud del método superior al 90%, estos porcentajes sólo se alcanzan en condiciones ideales, cuando los peces se mueven en línea recta y a una velocidad moderada. Sin embargo, cuando el pez avanza muy rápido o muy lento, la medida se distorsiona y se aleja de la realidad. Infrared light frame technology is well established, although for fish weight estimation it has been shown that it has a very low accuracy and that for intensive aquaculture it is not a suitable technique, since the measurements are notably far from reality. Although the catalogs of this equipment indicate an accuracy of the method greater than 90%, these percentages are only achieved under ideal conditions, when the fish are moving in a straight line and at a moderate speed. However, when the fish moves too fast or too slow, the measurement becomes distorted and moves away from reality.
Por tanto, los problemas técnicos que se han detectado en el estado de la técnica y que pretende resolver la presente invención son los siguientes:Therefore, the technical problems that have been detected in the state of the art and that the present invention seeks to solve are the following:
a) La velocidad de paso del pez puede no ser constante, pudiendo desviarse el patrón de nado por las corrientes locales e incluso el pez se puede llegar a detener dentro del marco. La capacidad de medir la velocidad del pez es un aspecto tecnológico que es necesario mejorar en el marco.a) The speed of the fish may not be constant, the swimming pattern may be deviated by local currents and the fish may even stop within the frame. The ability to measure the speed of the fish is a technological aspect that needs to be improved in the frame.
b) La distancia entre los emisores y receptores de luz infrarroja es de, aproximadamente, 1 centímetro, lo que se traduce en una muy baja resolución, especialmente para peces pequeños y, consecuentemente, en un error de medida. Este error de medida se propaga en el cálculo del peso del pez, debido a que en estos equipos se mide la altura de los peces y se estima el peso en función de una fórmula matemática que depende de la longitud al cubo, la altura y un factor intrínseco de la propia especie del pez.b) The distance between the emitters and receivers of infrared light is approximately 1 centimeter, which translates into a very low resolution, especially for small fish and, consequently, in a measurement error. This measurement error is propagated in the calculation of the weight of the fish, because in these equipments the height of the fish is measured and the weight is estimated based on a mathematical formula that depends on the length cubed, the height and a intrinsic factor of the fish species itself.
c) La medida de la altura del pez, que es el parámetro a partir del cual se estima el peso, puede verse condicionada si el movimiento del pez no es perpendicular al marco. Si el pez entra o sale del marco de manera oblicua, la altura del pez se puede sobreestimar. Estos equipos tienen problemas cuando, a través del marco, pasan varios peces u otros elementos -falsos positivos- que pueden distorsionar la silueta e inducir un error en la medida de los peces. Todo ello obliga a evaluar un gran número de peces para lograr una buena estimación del peso. Finalmente, el sistema Storvik no es un sistema en línea, por lo que no puedes ser utilizado para el control de la alimentación en acuicultura.c) The measurement of the height of the fish, which is the parameter from which the weight is estimated, can be conditioned if the movement of the fish is not perpendicular to the frame. If the fish enters or exits the frame at an angle, the height of the fish may be overestimated. These equipment have problems when, through the frame, several fish or other elements - false positives - pass through the frame that can distort the silhouette and induce an error in the measurement of the fish. All this requires evaluating a large number of fish to achieve a good estimate of weight. Finally, the Storvik system is not an online system, so it cannot be used for feed control in aquaculture.
Con el sistema objeto de la invención se pretende dar solución a los problemas técnicos indicados mediante el empleo de nuevos sistemas ópticos, una electrónica de bajo coste y algoritmos con redes neuronales.With the system object of the invention, the aim is to solve the technical problems indicated by using new optical systems, low-cost electronics and algorithms with neural networks.
Explicación de la invenciónExplanation of the invention
En acuicultura, como se ha indicado, el coste de alimentación representa un importante porcentaje de los costes de operación en una granja de producción piscícola, representando aproximadamente un 45% de los costes totales de operación. En las instalaciones de acuicultura intensiva, la alimentación se realiza mediante el suministro de varias raciones diarias de pienso, totalizando la ración óptima un peso diario de alimentos de entrono al 4% de la biomasa presente.In aquaculture, as indicated, the cost of feeding represents a significant percentage of the operating costs in a fish production farm, representing approximately 45% of the total operating costs. In intensive aquaculture facilities, feeding is carried out by supplying several daily rations of feed, the optimal ration totaling a daily weight of 4% environment food of the biomass present.
Es un objeto de la presente invención proporcionar un sistema para la estimación de la biomasa en una instalación acuícola con una precisión estable y un margen de error suficientemente pequeño. Este objetivo se consigue por medio de la invención tal y como está definida en la reivindicación 1. Otros aspectos de la invención se describen en otras reivindicaciones independientes. En las reivindicaciones dependientes se definen realizaciones preferidas o particulares de los distintos aspectos que conforman la presente invención.It is an object of the present invention to provide a system for estimating biomass in an aquaculture facility with stable precision and a sufficiently small margin of error. This object is achieved by means of the invention as defined in claim 1. Other aspects of the invention are described in other independent claims. Preferred or particular embodiments of the various aspects that make up the present invention are defined in the dependent claims.
Más concretamente, el sistema de estimación de la biomasa desarrollado consiste en dos cortinas de luz infrarroja. Estas cortinas de luz actúan como una especie de «escáner» de forma que, cuando el pez lo atraviesa, la luz emitida por los emisores no llega a los receptores y, de esta forma, es posible reconstruir la silueta del pez. Para obtener una imagen del pez con una resolución adecuada se requiere que las cortinas de emisores estén muy próximas y que, tanto los emisores como los receptores, estén lo más próximos posibles, en una realización práctica del orden de los 5 mm.More specifically, the biomass estimation system developed consists of two infrared light curtains. These light curtains act as a kind of "scanner" so that, when the fish passes through it, the light emitted by the emitters does not reach the receivers and, in this way, it is possible to reconstruct the silhouette of the fish. To obtain an image of the fish with an adequate resolution, it is required that the emitter curtains be very close and that both the emitters and the receivers be as close as possible, in a practical embodiment of the order of 5 mm.
La activación de los emisores y receptores se realiza secuencialmente, controlada por un microcontrolador. Cuando el pez atraviesa la primera cortina se obtiene la altura del pez. Para obtener la longitud del pez es necesario conocer su velocidad, la cual puede variar, y el tiempo que tarda en alcanzar la segunda cortina. De ahí que, cuanto más cerca estén las cortinas de luz entre sí, menor será el error cometido en la medida de la velocidad del pez.The activation of the emitters and receivers is carried out sequentially, controlled by a microcontroller. When the fish passes through the first curtain, the height of the fish is obtained. To obtain the length of the fish it is necessary to know its speed, which can vary, and the time it takes to reach the second curtain. Hence, the closer the light curtains are to each other, the smaller the error made in measuring the speed of the fish.
El peso del pez se obtiene a partir de sus dimensiones, en anchura y altura, y de un parámetro que depende del tipo de especie. Para concentrar el haz de luz sobre los receptores se han diseñado unas novedosas lentes que van colocadas delante de los emisores. Esto es importante, ya que cuando los receptores reciben más luz, se compensa la atenuación de la luz al propagarse en el agua.The weight of the fish is obtained from its dimensions, width and height, and a parameter that depends on the type of species. To concentrate the light beam on the receivers, new lenses have been designed that are placed in front of the emitters. This is important, since when the receivers receive more light, the attenuation of the light as it propagates in the water is compensated.
El sistema de la invención debe resolver el problema técnico relativo a la identificación de los peces cuando pasan dos o más peces u otros objetos. Para discriminar este tipo de situaciones, la imagen 2D del pez se procesa digitalmente, lo que permite identificar en tiempo real el pez. Para ello, se ejecuta un método de estimación de la biomasa en base a la altura y anchura del pez. The system of the invention must solve the technical problem related to the identification of fish when two or more fish or other objects pass. To discriminate these types of situations, the 2D image of the fish is digitally processed, which allows the fish to be identified in real time. To do this, a biomass estimation method is carried out based on the height and width of the fish.
Por lo tanto, el sistema de la invención propone un sistema óptico de mayor resolución. El sistema óptico, aunque está también basado en un marco de emisores y receptores ópticos, aporta significativas ventajas con respecto a los productos existentes. La tecnología actual permite emplear fuentes y receptores de luz de menor tamaño y mayor potencia. Con ello se consigue aumentar la resolución -al poder situar los emisores y receptores a menor distancia entre sí- y obtener un perfil del pez más real. A esto contribuye también que los emisores y receptores están recubiertos de unas lentes cilindricas convexas realizadas en material plástico que concentran la luz sobre los receptores, reduciendo la proporción de luz dispersada.Therefore, the system of the invention proposes a higher resolution optical system. The optical system, although it is also based on a framework of optical emitters and receivers, provides significant advantages over existing products. Current technology makes it possible to use smaller and higher power light sources and receivers. With this, it is possible to increase the resolution - by being able to place the emitters and receivers at a shorter distance from each other - and obtain a more realistic fish profile. This also contributes to the fact that the emitters and receivers are covered with convex cylindrical lenses made of plastic material that concentrate the light on the receivers, reducing the proportion of scattered light.
La estimación de la biomasa presente en la jaula en tiempo real es una ventaja técnica que se deriva del hecho que las barreras llevan incrustada una antena que, junto con un lector, constituye un sistema de radio frecuencia (RFID) que permite identificar en tiempo real el pez que está pasando por las barreras en cada instante de tiempo. Esta novedad, no presente en los equipos comerciales, aporta una mejora sustancial en la estimación de la biomasa, ya que permite conocer en tiempo real la biomasa presente en la jaula y, en función de ella, gestionar en línea el sistema automático de alimentación.The estimation of the biomass present in the cage in real time is a technical advantage that derives from the fact that the barriers have an antenna embedded that, together with a reader, constitutes a radio frequency system (RFID) that allows to identify in real time the fish that is passing through the barriers at every instant of time. This novelty, not present in commercial equipment, provides a substantial improvement in the estimation of biomass, since it allows knowing in real time the biomass present in the cage and, based on it, managing the automatic feeding system online.
Finalmente, el sistema de la invención está configurado para la clasificación de las condiciones del pez mediante redes neuronales. El objetivo es la identificación unívoca de que el objeto que pasa por las barreras es un pez, descartando falsos positivos. Para ello, se han entrenado redes neuronales que, en colaboración con el sistema RFID, permiten descartar objetos que no son peces, es decir, los falsos positivos. En los sistemas actuales, esta tarea la realiza, en el mejor de los casos, un operario a partir de grabaciones de video obtenidas mediante una cámara.Finally, the system of the invention is configured to classify fish conditions by means of neural networks. The objective is the univocal identification that the object that passes through the barriers is a fish, ruling out false positives. To do this, neural networks have been trained that, in collaboration with the RFID system, make it possible to discard objects that are not fish, that is, false positives. In current systems, this task is performed, at best, by an operator from video recordings obtained using a camera.
A lo largo de la descripción y de las reivindicaciones, la palabra «comprende» y sus variantes no pretenden excluir otras características técnicas, aditivos, componentes o pasos. Para los expertos en la materia, otros objetos, ventajas y características de la invención se desprenderán en parte de la invención y en parte de la práctica de la invención. Los siguientes ejemplos y dibujos se proporcionan a modo de ilustración y no se pretende que restrinjan la presente invención. Además, la invención cubre todas las posibles combinaciones de realizaciones particulares y preferidas aquí indicadas.Throughout the description and claims, the word "comprises" and its variants are not intended to exclude other technical characteristics, additives, components or steps. For those skilled in the art, other objects, advantages and characteristics of the invention will be derived in part from the invention and in part from the practice of the invention. The following examples and drawings are provided by way of illustration and are not intended to restrict the present invention. Furthermore, the invention covers all the possible combinations of particular and preferred embodiments indicated herein.
Breve descripción de los dibujos Brief description of the drawings
A continuación, se pasa a describir de manera muy breve una serie de dibujos que ayudan a comprender mejor la invención y que se relacionan expresamente con una realización de dicha invención, que se ilustra como un ejemplo no limitativo de ésta.A series of drawings that help to better understand the invention and that expressly relate to an embodiment of said invention, which is illustrated as a non-limiting example thereof, will now be described very briefly.
La figura 1 muestra un diagrama de bloques del sistema de estimación de biomasa en acuicultura basado en sensores ópticos y redes neuronales, objeto de la presente invención.Figure 1 shows a block diagram of the biomass estimation system in aquaculture based on optical sensors and neural networks, object of the present invention.
La figura 2 muestra, de forma esquemática, una vista de las barreras ópticas que conforman el sistema para la estimación de la biomasa en acuicultura, de acuerdo con una realización particular de la invención.Figure 2 shows, schematically, a view of the optical barriers that make up the system for estimating biomass in aquaculture, according to a particular embodiment of the invention.
La figura 3 muestra un diagrama de flujo con el algoritmo de cálculo de la biomasa de los peces de acuerdo con un aspecto de la presente invención.Figure 3 shows a flow chart with the fish biomass calculation algorithm according to one aspect of the present invention.
La figura 4 muestra una gráfica con los resultados de la estimación de la biomasa de los peces de acuerdo con el algoritmo de cálculo mostrado en la figura 3 estimando la masa a partir de la longitud.Figure 4 shows a graph with the results of the estimation of the biomass of the fish according to the calculation algorithm shown in figure 3 estimating the mass from the length.
La figura 5 muestra una gráfica con los resultados de la estimación de la biomasa de los peces de acuerdo con el algoritmo de cálculo mostrado en la figura 3 estimando la masa a partir del área de la silueta.Figure 5 shows a graph with the results of the estimation of the biomass of the fish according to the calculation algorithm shown in Figure 3, estimating the mass from the silhouette area.
Descripción detallada de una realización práctica de la invenciónDetailed description of a practical embodiment of the invention
Tal y como se puede observar en las figuras adjuntas, el sistema propuesto por la presente invención comprende dos barreras ópticas idénticas. En la figura 1 se muestra el diagrama de bloques del sistema objeto de la presente invención. Los bloques 1 y 2 representan, respectivamente, el primer bloque emisor 1 y el segundo bloque receptor 2 de luz en el espectro infrarrojo. Estos bloques emisor 1 y receptor 2, en una realización práctica, están separados como máximo 300 mm.As can be seen in the attached figures, the system proposed by the present invention comprises two identical optical barriers. Figure 1 shows the block diagram of the system object of the present invention. Blocks 1 and 2 represent, respectively, the first emitter block 1 and the second receiver block 2 of light in the infrared spectrum. These emitter 1 and receiver 2 blocks, in a practical embodiment, are separated by a maximum of 300 mm.
El primer bloque emisor 1 comprende una pluralidad de fotoemisores que -en una realización práctica no limitativa- consisten en 96 micro LED (diodos emisores de luz) de alta potencia cuya emisión en el espectro infrarrojo está centrada en los 940 nm. La activación y el control individual de cada uno de estos emisores de luz se realiza desde un circuito de acondicionamiento de señal 3 que comprende, al menos, un multiplexor digital con interfaz serie y una pluralidad de circuitos driver configurados para aumentar la corriente de salida del, al menos uno, multiplexor digital y poder activar de esta forma los diodos emisores de luz del primer bloque emisor 1.The first emitter block 1 comprises a plurality of photoemitters that -in a non-limiting practical embodiment- consist of 96 high-power micro LEDs (light-emitting diodes) whose emission in the infrared spectrum is centered at 940 nm. Activation and the individual control of each of these light emitters is carried out from a signal conditioning circuit 3 that comprises, at least, one digital multiplexer with serial interface and a plurality of driver circuits configured to increase the output current of the, at least one, digital multiplexer and thus be able to activate the light emitting diodes of the first emitter block 1.
El segundo bloque receptor 2 comprende una pluralidad de fotorreceptores que consisten -en una realización práctica no limitativa- en 96 fototransistores (al menos un fotorreceptor por cada fotoemisor) cuya banda de detección en el espectro infrarrojo está comprendida entre los 870 nm y los 950 nm. La salida de los fototransistores se conecta directamente con, al menos, un circuito convertidor analógico-digital 4 (CAD). Este circuito convertidor analógico-digital 4 en unas realizaciones prácticas puede ser un circuito independiente o bien estar integrado en un microcontrolador 5.The second receiver block 2 comprises a plurality of photoreceptors that consist -in a practical non-limiting embodiment- of 96 phototransistors (at least one photoreceptor for each photoemitter) whose detection band in the infrared spectrum is between 870 nm and 950 nm. . The output of the phototransistors is directly connected to at least one analog-to-digital converter circuit 4 (CAD). This analog-digital converter circuit 4 in practical embodiments can be an independent circuit or be integrated in a microcontroller 5.
El circuito CAD 4 dispone, en esta realización práctica, de ocho entradas y, por tanto, están conectados y son capaces de leer la medida de hasta ocho fototransistores. La resolución de los circuitos CAD 4 es de doce bits. Gracias al empleo de detectores con lectura analógica se consigue una mejor resolución en la detección de objetos, ya que permite interpolar mediciones en los bordes de los objetos detectados, dando lugar a una resolución efectiva que mejora el empleo de los 96 fototransistores empleados en esta realización práctica.The CAD circuit 4 has, in this practical embodiment, eight inputs and, therefore, they are connected and capable of reading the measurement of up to eight phototransistors. The resolution of the CAD circuits 4 is twelve bits. Thanks to the use of detectors with analog reading, a better resolution is achieved in the detection of objects, since it allows interpolating measurements on the edges of the objects detected, giving rise to an effective resolution that improves the use of the 96 phototransistors used in this embodiment. practice.
Cada barrera óptica 1 y 2, está controlada por un microcontrolador 5 que se conecta en serie, a su vez, con una unidad central de procesamiento 6.Each light barrier 1 and 2 is controlled by a microcontroller 5 that is connected in series, in turn, with a central processing unit 6.
El microcontrolador 5, en una realización práctica, comprende núcleo procesador y al menos una memoria donde se almacena un programa o programas compuestos por instrucciones que, cuando son ejecutadas por el núcleo procesador hacen que el microcontrolador 5 genere una secuencia temporizada de encendido y lectura de las barreras ópticas 100 y 200, y la comunicación en serie con una unidad central de procesamiento 6. En un ejemplo práctico no limitativo, este microcontrolador 5 es un «Arduino Nano» que se encarga de generar la secuencia de encendido de los fotoemisores y de la lectura de los fotorreceptores asociados con cada fotoemisor, en una secuencia con temporizaciones controladas.The microcontroller 5, in a practical embodiment, comprises a processor core and at least one memory where a program or programs composed of instructions are stored which, when executed by the processor core, cause the microcontroller 5 to generate a timed sequence of power-on and reading of the light barriers 100 and 200, and the serial communication with a central processing unit 6. In a non-limiting practical example, this microcontroller 5 is an «Arduino Nano» that is responsible for generating the light-emitting and light-emitting sequence. reading the photoreceptors associated with each photoemitter, in a sequence with controlled timings.
Así pues, los valores leídos en los circuitos CAD 4 son transmitidos, mediante un protocolo de puerto serie virtual a 115200 baudios a la unidad central de procesamiento 6. Esta unidad de procesamiento 6, en un ejemplo práctico, se trata de una SBC de tipo Raspberry Pi clase B que dispone de cuatro puertos USB integrados, lo que permite establecer cuatro comunicaciones serie con otros tantos microcontroladores 5, en definitiva, con cada unidad central de procesamiento 6 es posible controlar tantas barreras ópticas 100 y 200 como puertos serie sean disponibles, en este ejemplo práctico, hasta cuatro.Thus, the values read in the CAD circuits 4 are transmitted, through a virtual serial port protocol at 115200 baud to the central processing unit 6. This unit 6, in a practical example, it is a Raspberry Pi class B SBC that has four integrated USB ports, which allows four serial communications to be established with as many microcontrollers 5, in short, with each central processing unit 6 it is possible to control as many light barriers 100 and 200 as serial ports are available, in this practical example, up to four.
La unidad central de procesamiento 6 está alojada en una envolvente industrial con protección IP68, aunque podría ser otra envolvente con un grado de protección aún mayor con de tal de que pueda instalarse junto con las barreras 1 y 2, sumergida en el agua.The central processing unit 6 is housed in an industrial enclosure with IP68 protection, although it could be another enclosure with an even higher degree of protection as long as it can be installed together with barriers 1 and 2, submerged in water.
Para maximizar la tasa de transferencia de datos de las comunicaciones entre el microcontrolador 5 y la unidad central de procesamiento 6 se utiliza un protocolo digital. Las lecturas analógicas son transmitidas mediante un flujo continuo de datos usando sólo 8 bits (1 byte) por bloque receptor 2. El carácter 0xFF (d255) se ha reservado para indicar los finales de la cadena de datos y, por tanto, se truncan el resto de los resultados de conversión a un valor máximo de 0xFE (d254). Con este protocolo se consiguen una transferencia de datos inferiores a 2 ms por bloque receptor 2, con 96 fotorreceptores individuales.To maximize the data transfer rate of the communications between the microcontroller 5 and the central processing unit 6 a digital protocol is used. Analog readings are transmitted by a continuous stream of data using only 8 bits (1 byte) per receiver block 2. The character 0xFF (d255) has been reserved to indicate the ends of the data string and therefore the rest of the conversion results to a maximum value of 0xFE (d254). This protocol achieves a data transfer of less than 2 ms per receiver block 2, with 96 individual photoreceptors.
Finalmente, para minimizar el número de conexiones necesarias, el sistema ha sido diseñado para comunicarse con el exterior mediante comunicaciones Ethernet, realizándose la alimentación mediante POE («Power over Ethernet»). Un inyector externo aporta la alimentación POE en el cable Ethernet y en la envolvente donde se aloja la unidad central de procesamiento 6 se ha incluido también un «splitter» que suministra a ésta los 5 Vdc que necesita para funcionar a partir de la alimentación POE. De esta forma, del agua sólo tiene que salir un único cable, con las comunicaciones y la alimentación eléctrica.Finally, in order to minimize the number of connections required, the system has been designed to communicate with the outside through Ethernet communications, the power being carried out through POE ( "Power over Ethernet"). An external injector provides the POE power on the Ethernet cable and in the enclosure where the central processing unit 6 is housed, a “splitter” has also been included that supplies it with the 5 Vdc it needs to operate from the POE power supply. In this way, only a single cable has to come out of the water, with communications and electrical power.
La figura 2 muestra la construcción física de las barreras ópticas 100 y 200. Los bloques emisores 1 y receptores 2 están divididos en módulos 7, donde cada módulo 7, a su vez, está dividido en tres placas de circuito impreso idénticas entre sí, cada una de las cuales cuenta con 32 fotoemisores o fotorreceptores, que totalizan los 96 fotoemisores o fotorreceptores de este ejemplo práctico de ejecución de la invención. La separación entre cada uno de los fotoemisores o cada uno de los fotorreceptores es como máximo de 4 mm, mientras que la separación entre cada bloque emisor 1 o cada bloque receptor 2 es como máximo de 100 mm. Figure 2 shows the physical construction of the light barriers 100 and 200. The emitter 1 and receiver 2 blocks are divided into modules 7, where each module 7, in turn, is divided into three mutually identical printed circuit boards, each one of which has 32 photoemitters or photoreceptors, totaling the 96 photoemitters or photoreceptors of this practical example of implementation of the invention. The separation between each of the photoemitters or each of the photoreceptors is a maximum of 4 mm, while the separation between each emitter block 1 or each receiver block 2 is a maximum of 100 mm.
Las placas de circuito impreso están alojadas en el interior de una envolvente estanca 8 realizada en PVC negro de alta densidad. La tapa de la envolvente estanca 8 es una lámina de metacrilato 9 que actúa como un filtro para la luz infrarroja procedente del exterior. De cada módulo 7 sale un único cable 10 con diez conductores, incluyendo los terminales de alimentación. Se utilizan prensaestopas para sellar el cable contra la entrada de agua.The printed circuit boards are housed inside a watertight enclosure 8 made of high-density black PVC. The lid of the watertight enclosure 8 is a sheet of methacrylate 9 that acts as a filter for infrared light coming from the outside. From each module 7 a single cable 10 with ten conductors comes out, including the power terminals. Cable glands are used to seal the cable against ingress of water.
Los bloques emisor 1 y receptor 2 están provistos, cada uno de ellos, de una lente cilíndrica convexa 11 realizada en material plástico que está configurada para concentrar la luz sobre los receptores 2, reduciendo la proporción de luz dispersada. Con ello se consigue mejorar la relación señal-ruido a la salida del circuito CAD 4, además de aumentar la distancia de separación entre módulos 7.The emitter 1 and receiver 2 blocks are each provided with a convex cylindrical lens 11 made of plastic material that is configured to concentrate the light on the receivers 2, reducing the proportion of scattered light. This improves the signal-to-noise ratio at the output of the CAD circuit 4, in addition to increasing the separation distance between modules 7.
La envolvente de las barreras 1 y 2 lleva embebida una antena 12 que se utiliza para la identificación de los peces por radiofrecuencia (RFID). Esta antena opera en la banda de baja frecuencia 134,2 kHz con un rango de hasta 500 mm. Cada uno de los peces llevan una etiqueta pasiva (PIT tag) que contiene un número identificativo único. La etiqueta se activa cuando el pez pasa cerca de la antena, enviando el código único identificativo único al lector RFID que se encuentra en el exterior de la balsa.The enclosure of barriers 1 and 2 is embedded with an antenna 12 that is used for the identification of fish by radio frequency (RFID). This antenna operates in the 134.2 kHz low frequency band with a range of up to 500 mm. Each of the fish carry a passive tag (PIT tag) that contains a unique identifying number. The tag is activated when the fish passes near the antenna, sending the unique identifying code to the RFID reader that is located on the outside of the raft.
En la figura 3 se muestra el algoritmo para el cálculo de la biomasa de los peces. La primera tarea es calibrar cada bloque receptor 2, ya que la sensibilidad puede cambiar mucho entre cada pareja de fotoemisor y fotorreceptor. Para ello se implementan las etapas de lectura de las dos barreras ópticas 100 y 200 de la figura 2. Las etapas de lectura están referenciadas como 30.1 y 30.2, entendiéndose que todas las referencias de la figura 3 indicadas con ".1” o ".2” están referidas a las medidas tomadas en los bloques receptores 2 de las dos barreras ópticas 100 y 200 representadas en la figura 2.Figure 3 shows the algorithm for calculating the biomass of the fish. The first task is to calibrate each receiver block 2, since the sensitivity can change a lot between each pair of photoemitter and photoreceptor. For this, the reading stages of the two light barriers 100 and 200 of figure 2 are implemented. The reading stages are referenced as 30.1 and 30.2, it being understood that all the references of figure 3 are indicated with ".1" or ". 2 "refer to the measurements taken in the receiver blocks 2 of the two light barriers 100 and 200 represented in figure 2.
La calibración se realiza compensando la imagen 2D mediante los valores de ganancia y «offset» de cada fotorreceptor. Para medir el «offset» se utiliza una toma oscura («dark frame») obtenida con los emisores apagados. La ganancia se mide mediante una toma plana obtenida con los emisores activados y sin obstáculos («flat frame»). El proceso de obtención de las tomas de calibración 31.1, 31.2 debe repetirse periódicamente para compensar los efectos producidos por las variaciones de las condiciones de iluminación ambiental, la suciedad en las superficies ópticas y los cambios en la turbidez del agua. Para ello, la toma plana se actualiza dinámicamente aplicando un promedio de tipo mediana a una selección de las últimas tomas sin calibrar. La toma oscura se actualiza del mismoCalibration is performed by compensating the 2D image using the gain and offset values of each photoreceptor. To measure the «offset», a dark frame is used, obtained with the emitters off. The gain is measured by means of a flat shot obtained with the emitters activated and without obstacles (“flat frame”). The process of obtaining calibration shots 31.1, 31.2 should be repeated periodically to compensate for the effects produced by variations in ambient lighting conditions, dirt on the optical surfaces, and changes in water turbidity. To do this, the flat shot is dynamically updated by applying a median average to a selection of the last uncalibrated shots. The dark shot is updated from the same
1 one
modo, es decir, a partir de las últimas tomas no iluminadas.mode, that is, from the last unlit shots.
Cada toma calibrada 31.1 y 31.2 consiste en una lista de 96 valores (en esta realización particular no limitativa) de «sombra», entre cero y uno. El valor cero indica que no existe oclusión entre emisor y receptor, mientras que el valor uno corresponde con un sensor bloqueado con un objeto interpuesto. Las últimas tomas de cada barrera óptica 1 y 2 se van almacenando en pilas FIFO 32.1 y 32.2. El tamaño de la pila se define previamente en función de la frecuencia de la lectura de las barreras ópticas 100 y 200 y una estimación de tiempo que puede tardar un pez en transitar frente a ella.Each calibrated tap 31.1 and 31.2 consists of a list of 96 values (in this particular non-limiting embodiment) of "shadow", between zero and one. The zero value indicates that there is no occlusion between emitter and receiver, while the value one corresponds to a sensor blocked with an interposed object. The last shots of each light curtain 1 and 2 are stored in FIFO stacks 32.1 and 32.2. The size of the stack is previously defined based on the frequency of reading the light barriers 100 and 200 and an estimate of the time it may take for a fish to transit in front of it.
Las tomas almacenadas en cada cola FIFO 32.1, 32.2 se pueden interpretar como una imagen bidimensional de los peces que atraviesan las barreras ópticas 100 y 200, donde el eje vertical representa la posición de cada sensor (cada pareja fotoemisor-fotorreceptor) y el eje horizontal el instante en el que se ha obtenido la toma.The shots stored in each FIFO queue 32.1, 32.2 can be interpreted as a two-dimensional image of the fish passing through the light barriers 100 and 200, where the vertical axis represents the position of each sensor (each photoemitter-photoreceptor pair) and the horizontal axis the instant in which the shot was obtained.
A continuación, se buscan y etiquetan las siluetas que puedan existir en las colas FIFO mediante un algoritmo de segmentación. El resultado es una colección de segmentos 33.1 y 33.2 que son pequeñas imágenes rectangulares que contienen la silueta de un pez. Los segmentos 33.1 y 33.2 de cada barrera óptica 1,2 se emparejan teniendo en cuenta su posición y su instante de detección, de manera que, a cada tránsito de un pez le corresponden dos segmentos 33.1 y 33.2, uno por cada barrera óptica 1 y 2. A partir de los dos segmentos 33.1 y 33.2 y teniendo en cuenta los instantes de detección de ambos, se estima la velocidad del pez, que a su vez se utiliza para obtener un único segmento combinado 34 al que se debe corregir el eje horizontal 36. Así pues, cada segmento combinado 34 es etiquetado 35 con el instante de tiempo en el que ha sido detectado y el identificador único obtenido mediante la antena de radiofrecuencia 12. Los segmentos combinados 34 que no puedan ser identificados unívocamente con un identificador único RFID 35 son descartados. Finalmente, cada segmento combinado 34 y etiquetado 35 debe ser corregido en longitud. La corrección del eje horizontal 36 consiste en un escalado de la dimensión horizontal de la imagen, de forma que la escala horizontal (píxeles por unidad de longitud) sea igual que la vertical.The silhouettes that may exist in the FIFO queues are then found and tagged using a segmentation algorithm. The result is a collection of segments 33.1 and 33.2 that are small rectangular images that contain the silhouette of a fish. Segments 33.1 and 33.2 of each light barrier 1,2 are paired taking into account their position and their instant of detection, so that, to each transit of a fish there are two segments 33.1 and 33.2, one for each light barrier 1 and 2. From the two segments 33.1 and 33.2 and taking into account the detection instants of both, the speed of the fish is estimated, which in turn is used to obtain a single combined segment 34 to which the horizontal axis must be corrected. 36. Thus, each combined segment 34 is labeled 35 with the instant of time in which it has been detected and the unique identifier obtained by the radio frequency antenna 12. Combined segments 34 that cannot be uniquely identified with a unique RFID identifier 35 are discarded. Finally, each segment combined 34 and labeled 35 must be corrected for length. The correction of the horizontal axis 36 consists of a scaling of the horizontal dimension of the image, so that the horizontal scale (pixels per unit length) is the same as the vertical one.
Posteriormente, una red neuronal clasifica 37 cada segmento corregido 36 en distintas categorías que representan las distintas condiciones que pueden afectar a la medición. La red neuronal se entrena previamente mediante la clasificación a mano de un conjunto de segmentos. Las posibles categorías, en este ejemplo de realización práctica son: «bueno», «inclinado», «mezcla», «distorsionado» e «irreconocible». Los segmentos no clasificados con la categoría «bueno» se pueden descartar o almacenar en una base de datos externa para su posterior examen por un operario.Subsequently, a neural network classifies 37 each corrected segment 36 into different categories that represent the different conditions that can affect the measurement. The neural network is pre-trained by classifying a set of segments by hand. The possible categories, in this example of practical realization are: «good», 'Slanted', 'mixed', 'distorted' and 'unrecognizable'. Segments not classified as "good" can be discarded or stored in an external database for later examination by an operator.
Para estimar la masa del pez 38 a partir de los segmentos categorizados como «bueno» por la red neuronal 37 se pueden usar dos subprocesos distintos:Two different threads can be used to estimate the mass of fish 38 from the segments categorized as "good" by neural network 37:
a) A partir de la longitud. Existen varios modelos alternativos para estimar la masa del pez en función de su longitud. Un modelo general es de la forma M = f(L ) = aLb, donde M es la masa, L es la longitud y a,b son parámetros empíricos que dependen de la especie. En la figura 4 se muestran los resultados obtenidos aplicando este modelo a truchas de la especie arcoiris.a) From the length. There are several alternative models to estimate the mass of the fish based on its length. A general model is of the form M = f ( L) = aL b, where M is mass, L is length, and a, b are empirical parameters that depend on the species. Figure 4 shows the results obtained by applying this model to rainbow trout.
b) A partir del área de su silueta. Para ello basta con hacer una suma del valor de cada píxel del segmento y aplicar, al igual que en el caso de la longitud, una fórmula que relaciona el área con la masa. Un modelo general es de la forma M = f(Á ) = cA d donde M es la masa, A es el área de la silueta y c,d son parámetros empíricos que dependen de la especie. En la figura 5 se muestran los resultados obtenidos aplicando este modelo a truchas de la especie arcoíris.b) From the area of its silhouette. To do this, it is enough to add the value of each pixel in the segment and apply, as in the case of length, a formula that relates area to mass. A general model is of the form M = f ( Á) = cA d where M is the mass, A is the area of the silhouette and c, d are empirical parameters that depend on the species. Figure 5 shows the results obtained by applying this model to rainbow trout.
Finalmente, los segmentos válidos con sus identificadores y su clasificación son introducidos en una base de datos externa 39, que se comunica vía Ethernet con la unidad central de procesamiento 6 que es el dispositivo que ejecuta el método indicado y en la que también se almacenarán periódicamente registros sobre la calidad del agua, la cantidad de alimento suministrado y otros datos relevantes para la instalación de acuicultura. Finally, the valid segments with their identifiers and their classification are entered in an external database 39, which communicates via Ethernet with the central processing unit 6, which is the device that executes the indicated method and in which they will also be periodically stored. records on water quality, quantity of feed supplied and other data relevant to the aquaculture facility.
Claims (15)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES201930332A ES2786798B2 (en) | 2019-04-11 | 2019-04-11 | Biomass estimation system in aquaculture based on optical sensors and neural networks |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES201930332A ES2786798B2 (en) | 2019-04-11 | 2019-04-11 | Biomass estimation system in aquaculture based on optical sensors and neural networks |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| ES2786798A1 true ES2786798A1 (en) | 2020-10-13 |
| ES2786798B2 ES2786798B2 (en) | 2022-02-08 |
Family
ID=72744484
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES201930332A Active ES2786798B2 (en) | 2019-04-11 | 2019-04-11 | Biomass estimation system in aquaculture based on optical sensors and neural networks |
Country Status (1)
| Country | Link |
|---|---|
| ES (1) | ES2786798B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113197145A (en) * | 2021-05-08 | 2021-08-03 | 浙江大学 | Fish biomass estimation system based on cyclic neural network and infrared measurement grating |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NO330423B1 (en) * | 2009-06-26 | 2011-04-11 | Storvik Aqua As | Device and method for fish counting or biomass determination |
| NO330863B1 (en) * | 2007-07-09 | 2011-08-01 | Feed Control Norway As | Apparatus and method for cutting weight milling and appetite lining in fish farms |
| NO20121541A1 (en) * | 2012-12-20 | 2014-06-23 | Ebtech As | System and method for calculating physical sizes for freely moving objects underwater |
| CN106355589A (en) * | 2016-09-20 | 2017-01-25 | 北京农业信息技术研究中心 | Estimation system and method of factory-like circulating water cultured fish space |
| WO2018111124A2 (en) * | 2016-12-15 | 2018-06-21 | University Of The Philippines | Estimating fish size, population density, species distribution and biomass |
| KR20180076083A (en) * | 2016-12-27 | 2018-07-05 | 부산대학교 산학협력단 | Aquatic animals counter |
-
2019
- 2019-04-11 ES ES201930332A patent/ES2786798B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NO330863B1 (en) * | 2007-07-09 | 2011-08-01 | Feed Control Norway As | Apparatus and method for cutting weight milling and appetite lining in fish farms |
| NO330423B1 (en) * | 2009-06-26 | 2011-04-11 | Storvik Aqua As | Device and method for fish counting or biomass determination |
| NO20121541A1 (en) * | 2012-12-20 | 2014-06-23 | Ebtech As | System and method for calculating physical sizes for freely moving objects underwater |
| CN106355589A (en) * | 2016-09-20 | 2017-01-25 | 北京农业信息技术研究中心 | Estimation system and method of factory-like circulating water cultured fish space |
| WO2018111124A2 (en) * | 2016-12-15 | 2018-06-21 | University Of The Philippines | Estimating fish size, population density, species distribution and biomass |
| KR20180076083A (en) * | 2016-12-27 | 2018-07-05 | 부산대학교 산학협력단 | Aquatic animals counter |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113197145A (en) * | 2021-05-08 | 2021-08-03 | 浙江大学 | Fish biomass estimation system based on cyclic neural network and infrared measurement grating |
Also Published As
| Publication number | Publication date |
|---|---|
| ES2786798B2 (en) | 2022-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200267947A1 (en) | Arrangement and method for measuring the biological mass of fish, and use of the arrangement | |
| CN111526716B (en) | Method and system for fish ectoparasite monitoring in aquaculture | |
| CN111491508B (en) | System for fish ectoparasite monitoring in aquaculture | |
| NO330863B1 (en) | Apparatus and method for cutting weight milling and appetite lining in fish farms | |
| KR101532395B1 (en) | Device, system and method for estimating the size of an object in a body lumen | |
| CN111511203B (en) | Method and system for fish ectoparasite monitoring in aquaculture | |
| US20080130005A1 (en) | Optoelectronic apparatus and a method for its operation | |
| JP2012519277A (en) | Physical parameter estimation using 3D display | |
| Ren et al. | Tracking and analysing social interactions in dairy cattle with real-time locating system and machine learning | |
| CN107667903A (en) | Livestock-raising live body Avoirdupois monitoring method based on Internet of Things | |
| US9536304B2 (en) | Determining pathogens based on an image of somatic cells in a fluid sample | |
| ES2786798B2 (en) | Biomass estimation system in aquaculture based on optical sensors and neural networks | |
| US11532153B2 (en) | Splash detection for surface splash scoring | |
| KR101942874B1 (en) | Aquatic animals counter | |
| Chen et al. | Feature extraction using a portable vision system | |
| Lin et al. | Three-dimensional location of target fish by monocular infrared imaging sensor based on a L–z correlation model | |
| Zhao et al. | Estimating animal population size with very high‐resolution satellite imagery | |
| ES2645504T3 (en) | Determination of at least one characteristic of a vehicle | |
| CN108363091A (en) | 4 π panorama radioactive source positioning systems and method | |
| ES2811263T3 (en) | Optical apparatus and method for counting living organisms in a stream | |
| ES2871410T3 (en) | An array of sensors comprising a plurality of apparatus and methods for forming said array of sensors | |
| US10798309B2 (en) | Method and apparatus for nonuniformity correction of IR focal planes | |
| Ferrero et al. | Optical systems for the detection and recognition of fish in rivers | |
| CN113822104B (en) | Artificial intelligence surface of water detecting system based on virtual scale of many candidates | |
| TWI778762B (en) | Systems and methods for intelligent aquaculture estimation of the number of fish |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| BA2A | Patent application published |
Ref document number: 2786798 Country of ref document: ES Kind code of ref document: A1 Effective date: 20201013 |
|
| FG2A | Definitive protection |
Ref document number: 2786798 Country of ref document: ES Kind code of ref document: B2 Effective date: 20220208 |