CN103761565A - 基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 - Google Patents
基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 Download PDFInfo
- Publication number
- CN103761565A CN103761565A CN201410007771.3A CN201410007771A CN103761565A CN 103761565 A CN103761565 A CN 103761565A CN 201410007771 A CN201410007771 A CN 201410007771A CN 103761565 A CN103761565 A CN 103761565A
- Authority
- CN
- China
- Prior art keywords
- seedling
- young
- water
- image
- parameter
- 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
Images
Abstract
本发明公开了一种基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法，特点包括带动视频采集装置在育苗池中全方位、不同水层采样的双向卷扬机与电机、用于承载电机的浮子，用于采集幼苗视频的视频采集装置，步骤如下：将视频采集装置放置在水中，分别由双向卷扬机与电机带动在育苗池中采集幼苗视频，将采集到的不同水层不同方位的幼苗图像，运用图像处理技术估计整个育苗池中幼苗的数目和密度；打开光诱光源，将拍摄到的视频运用图像处理技术计算出目标的游泳速度和群心坐标来反应幼苗的运动能力和光诱能力，优点是具有结构简单、监测范围广、使用便利、准确度高的特点，适合于自动化水产养殖苗期生物数量估计和行为监测。
Description
技术领域
本发明涉及一种水下鱼虾蟹苗计量装置，尤其是涉及一种基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法。
背景技术
在水产养殖人工育苗过程中，幼苗的数量统计和密度估计对养殖密度控制、幼苗存活率评估、科学投饵和幼苗销售等有很好的指导作用，是实现自动化水产养殖和管理的重要环节。在育苗过程中通过监测生物行为，识别生物的发育状况，采取相应的控制措施，可以提高产品的成活率，降低养殖风险。传统的水产苗种数量估计和行为监测普遍采用人工统计和观察的方法，这种方法不仅费时费力，而且可能诱发幼苗的应激反应或者造成幼苗物理上的伤害，其测量结果也容易受到人的主观因素和经验值的影响。因此，在育苗过程中需要一种水下数量估计与行为监测装置，在保证幼苗不受人为因素干扰与损伤的前提下，能够自动、准确、快速地估计幼苗数量和监测幼苗行为。
现有的中国专利名称为便携式深水网箱水下监视器（申请号为200710113317.6），该发明是将摄像机置于一密封箱体内，通过调整手持伸缩拉杆长度和摄像机探头角度，可以观察到网箱的任何部位。该方法解决了深水网箱养殖的水下监控问题，针对性强，但不适用于育苗池中幼苗的行为监测和数量估计。
现有的中国专利名称为一种水下摄像机（申请号为20101025050526.7），该发明采用简单的机构可使摄像机在水下沿水平和垂直方向分别进行360度，±90度旋转，因此能够全方位观察水下情况。但是该装置只适用于小水体观察，不适用于大水体高密度的生物监测。
发明内容
本发明所要解决的技术问题是提供一种可以自动均匀获取育苗池内幼苗图像然后进行数量估计，准确性高并且不会对幼苗产生伤害，同时大大节省了人力成本的，结构简单的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法。
本发明解决上述技术问题所采用的技术方案为：
1、一种基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置，包括若干个定滑轮、主不锈钢丝绳、用于控制所述的主不锈钢丝绳沿定滑轮移动的双向卷扬机、用于计数与监测鱼虾蟹苗行为的视频采集装置、卷有绳索的电机和用于固定所述的电机的浮子，所述的定滑轮均布在育苗池的侧壁上，所述的主不锈钢丝绳通过各个所述的定滑轮架设在育苗池上且其两端系在所述的双向卷扬机上，所述的视频采集装置的下方设置有沉砣，所述的电机通过所述的绳索与所述的视频采集装置连接且通过控制所述的绳索的收放来控制所述的视频采集装置在水中的深度，所述的浮子通过副不锈钢丝绳与所述的主不锈钢丝绳固定连接，所述的视频采集装置在育苗池中沿所述的主不锈钢丝绳的运动轨迹移动。
所述的视频采集装置包括用于视频图像采集的摄像机、用于使所述的摄像机隔离水的密封箱体、用于观察幼苗行为的幼苗观察层、红外背光源灯箱、光诱光源和计算机，所述的摄像机通过可水平和竖直方向移动的可调支架悬挂于所述的密封箱体内上方，所述的红外背光源灯箱位于所述的密封箱体外正下方，所述的幼苗观察层为所述的密封箱体的透明底板和所述的红外背光源灯箱的上表面之间围成的空腔，所述的光诱光源位于所述的幼苗观察层的一侧，所述的摄像机通过网线与所述的计算机的数据接口连接。
所述的密封箱体的侧壁与所述的红外背光源灯箱的侧壁分别设置有若干个固定块，且所述的密封箱体上的固定块与所述的红外背光源灯箱上的固定块上下对称设置，上下相对应的两个所述的固定块贯穿有不锈钢长螺栓且通过所述的不锈钢长螺栓一体连接，所述的不锈钢长螺栓的两端分别穿出所述的固定块且其两端分别设置有用于调节上下相对应的两个固定块之间间距的螺母。可通过调整螺栓的旋转距离来调节幼苗观察层的高度。
所述的密封箱体的透明底板的中央区域为平面且其边缘区域为向上倾斜的斜面，所述的红外背光源灯箱的上表面的中央区域为平面且其边缘区域为向下倾斜的斜面。有利于幼苗能顺利流入幼苗观察层。
所述的红外背光源灯箱包括透明矩形密封盒、位于所述的矩形密封盒内的红外LED灯板和电源线，所述的红外LED灯板由红外LED灯管和限流电阻焊接而成，所述的矩形密封盒内部设置有用于使光线均匀的漫反射透光片，所述的电源线的出线口采用防腐蚀胶水密封。
所述的网线通过圆孔与所述的计算机连接，所述的圆孔与所述的网线的空隙之间填充有密封材料，所述的密封箱体采用防腐蚀材料制成，所述的幼苗观察层的高度为1-3cm，所述的光诱光源由透明壳体和位于所述的透明壳体内的白色LED灯组成，所述的摄像机以每秒钟5-25帧的速度采集图像。
2、一种基于计算机视觉的水下鱼虾蟹苗数量估计方法，具体步骤如下：
（1）将上述基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置放入育苗池，由双向卷扬机和电机带动，控制视频采集装置拍摄不同方位、不同水层的幼苗，获得视频图像，通过网线传输到计算机中；
（2）通过计算机图像处理技术对步骤(1)采集的视频图像进行预处理，即增加对比度，去掉模糊和噪声；
（3）将步骤(2)预处理后的图像采用局部阈值法进行分割得到二值图像；
（4）将步骤(3)得到的二值图像进行形态学处理，即先通过开运算平滑对象的轮廓，断开目标之间的连接，再通过闭运算填充比结构元素小的孔洞；
（5）将步骤(4)形态学处理后的图像进行滤波操作，然后根据幼苗的形状参数进行目标识别；所述的幼苗的形状参数包括幼苗投影面积（Projected area）、幼苗等效椭圆长短轴比（Ratio of Equivalent Ellipse Axes）和幼苗圆形度（Heywood Circularity Factor）；
（6）计算每帧图像中步骤(5)识别出的目标总数，并计算幼苗观察层中图像采集视野范围内的水体体积，将目标总数除以水体体积，得到幼苗在水中的估算密度值，然后将估算密度值乘以修正系数K，得到幼苗在水中的修正密度值；其中修正系数K为一定水体积内的幼苗实际数量与相同水体积图像采集视野范围内的幼苗估计数量的比值；
（7）计算获得不同方位、不同水层的幼苗在水中的修正密度值，将各个修正密度值累加取平均得到水体内幼苗平均密度值，将幼苗平均密度值与育苗池水体体积相乘，得到育苗池水体内幼苗的总数量，完成对整个育苗池中幼苗数量的估计。取样量越大，在不同方位、不同水层取得的样本越丰富，得到的结果越接近真实值。
3、一种基于计算机视觉的水下幼苗行为监测方法，具体步骤如下：
（1）将上述基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置放入育苗池，打开光诱光源5-20s，同时由双向卷扬机和电机带动控制视频采集装置拍摄不同方位、不同水层的幼苗，获得打开光诱光源这段时间内生物聚集的视频图像，通过网线将视频图像传输到计算机中处理；
（2）通过计算机图像处理技术对步骤(1)得到的视频图像进行预处理，即增加对比度，去掉模糊和噪声；
（3）将步骤(2)预处理后的图像采用局部阈值法进行分割，得到二值图像；
（4）将步骤(3)得到的二值图像进行形态学处理，即先通过开运算平滑对象的轮廓，断开目标之间的连接，再通过闭运算填充比结构元素小的孔洞；
（5）将步骤(4)形态学处理后的图像进行滤波操作，然后根据幼苗的形状参数进行目标识别；所述的幼苗的形状参数包括幼苗投影面积（Projected area）、幼苗等效椭圆长短轴比（Ratio of Equivalent Ellipse Axes）和幼苗圆形度（Heywood Circularity Factor）；
（6）将步骤(5)识别出的目标进行标记，对各个目标分别进行形心位置和面积计算，根据帧差图像求出幼苗的群体平均游速SV，即得到目标的运动能力参数；根据群心坐标和群心分布坐标的方差求出幼苗群体的位置和密集程度，根据群体密集程度随光诱光源打开时间的变化，以及在光诱光源打开后群体的群心坐标趋向于光诱光源位置的变化速度，得到趋光性参数；
（7）将步骤(6)得到的幼苗群体的趋光性参数和运动能力参数分别与预先设定的阈值进行比较，若趋光性参数低于预先设定的阈值时，则可判断幼苗的健康状态出现问题，若运动能力参数和趋光性参数都低于各自预先设定的阈值时，则可判断幼苗的健康状态出现较严重的问题。健康的幼苗的趋光性很强，当幼苗的健康状态不佳时，苗体的趋光性降低。
步骤(6)中具体参数的量化如下：
群体平均游速SV：采用帧差法，以游动的体长倍数为单位来衡量幼苗的群体活跃度。
幼苗的运动会引起相邻两帧图像中幼苗位置分布的差异，通过对间隔一定时间连续采集的数字图像序列进行阈值分割后前后两帧图像相减，产生的负数用零代替得到帧差图像，求出幼苗在前后两帧采集过程中产生的运动区域的投影面积，并与后一帧图像中幼苗的投影面积相除，得到幼苗相当于体长倍数的游动速度。图像采集和处理的速度必须满足在相邻两帧之间幼苗游过的距离不超过一倍体长，计算方法如下：
将幼苗在前后两帧图像在采样间隔时间内产生的运动区域的投影面积，与后一帧图像中幼苗的投影面积相除，得到每个幼苗相当于体长倍数的游动距离，再除以间隔时间便得到每个幼苗的体长倍数游速，将这些结果取平均值，得到幼苗群体总的平均游速，可以表示目标运动能力参数。
群心坐标：
计算出了图像中各个目标的面积和形心位置后，采用Israeli 和 Kimmel (1996)的方法计算幼苗群的重心坐标CX，CY，表示幼苗群在水平X 和垂直 Y 轴方向的平均位置；各条鱼在X 和Y 坐标轴方向上的空间标准差 SDX，SDY，一定程度上能表示幼苗群体的密集程度：
其中ｎ是投影图中幼苗的数目，X ｉ 是第ｉ个幼苗投影形心的Ｘ坐标，Ａ ｉ 是第ｉ个幼苗的投影面积。
目标趋光性参数为目标具有趋向光源运动的速度，目标趋光性参数由目标的群心坐标来反应，群心坐标就是所有目标坐标的质心平均值。目标趋光性参数计算过程如下：v=s/t，其中，v为趋光性参数, s为群体质心在光诱开始到结束期间的总位移，t为光诱过程开始到结束的时间间隔。
与现有技术相比，本发明的优点在于：本发明一种基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置，包括若干个定滑轮、主不锈钢丝绳、用于控制主不锈钢丝绳沿定滑轮移动的双向卷扬机、用于计数与监测鱼虾蟹苗行为的视频采集装置、卷有绳索的电机和用于固定电机的浮子，双向卷扬机可以带动主不锈钢丝绳双向移动，即可以带动不锈钢丝绳从育苗池的一个端点在池中沿一定路径移动到另一个端点，电机和视频采集装置被副不锈钢丝绳拉动，在水池中按着主不锈钢丝绳的轨迹移动，实现不同区域的视频采样，然后双向卷扬机反转，将主不锈钢丝绳及浮子带回原点。视频采集装置整体经过配重，使整个装置的密度略重于水，在水中处于下沉状态。当主不锈钢丝绳移动时，可以牵引漂浮在水上的浮子连同固定在上面的电机一起运动。电机绳索的一端系在视频采集装置上，当电机工作收放绳子时，可以带动有沉砣的视频采集装置上下运动，这样装置可以采集到不同水层的幼苗的视频图像。当双向卷扬机工作带动主不锈钢丝绳运动时，副不锈钢丝绳也会带动浮子以及其上的电机，从而最终带动连在电机上的视频采集装置沿水平方向移动。利用图像处理技术来估算育苗池体内幼苗的数量和监测幼苗的行为，也可以对小型水产生物如虾类和鱼类的成体数量进行估计和行为监测，优点如下：
（1）本发明自动获取育苗池内幼苗的视频图像，然后运用视频处理技术对幼苗数量估计和行为监测，同时还可以给出苗体的个体大小和发育阶段等信息，避免了人为因素对幼苗的伤害和结果的影响，同时大大节约了人力成本；
（2）本发明可以采集到育苗池中不同方位、不同水层的幼苗视频图像，避免了以往采样的局部性。由于采集到的样本均匀且分布较广，使幼苗数量估计更加准确。并且对幼苗活跃性与趋光能力进行了参数量化，这些参数反应出的幼苗生长发育和行为信息对于判断苗的健康状态、发育阶段等有较大的指导意义。
综上所述，本发明提供了一种自动均匀获取水体中不同位置水下幼苗图像，能对幼苗进行光诱的装置，并给出一种可以估算出水下幼苗数量和监测水下幼苗行为和生长状态的方法，该装置结构简单、具有结构简单、监测范围广、使用便利、准确度高的特点，能够自动、准确、快速地估计水下幼苗数量和监测水下幼苗行为。
附图说明
图1为本发明基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置的结构示意图；
图2为本发明的视频采集装置的结构示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
具体实施例一
一种基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置，如图1所示，包括若干个定滑轮1、主不锈钢丝绳2、用于控制主不锈钢丝绳2沿定滑轮1移动的双向卷扬机3、用于计数与监测鱼虾蟹苗行为的视频采集装置4、卷有绳索5的电机6和用于固定电机6的浮子7，定滑轮1均布在育苗池8的侧壁上，主不锈钢丝绳2通过各个定滑轮1架设在育苗池8上且其两端系在双向卷扬机3上，视频采集装置4的下方设置有沉砣9，电机6通过绳索5与视频采集装置4连接且通过控制绳索5的收放来控制视频采集装置4在水中的深度，浮子7通过副不锈钢丝绳10与主不锈钢丝绳2固定连接，视频采集装置4在育苗池8中沿主不锈钢丝绳2的运动轨迹移动。
在此具体实施例中，视频采集装置4包括用于视频图像采集的摄像机11、用于使摄像机11隔离水的密封箱体12、用于观察幼苗行为的幼苗观察层13、红外背光源灯箱14、光诱光源15和计算机16，摄像机11通过可水平和竖直方向移动的可调支架17悬挂于密封箱体12内上方，红外背光源灯箱14位于密封箱体12外正下方，幼苗观察层13为密封箱体12的透明底板和红外背光源灯箱14的上表面之间围成的空腔，光诱光源15位于幼苗观察层13的一侧，摄像机11通过网线18与计算机16的数据接口连接。密封箱体12的侧壁与红外背光源灯箱14的侧壁分别设置有若干个固定块19且密封箱体12上的固定块19与红外背光源灯箱14上的固定块19上下对称设置，上下相对应的两个固定块19贯穿有不锈钢长螺栓20且通过不锈钢长螺栓20一体连接，不锈钢长螺栓20的两端分别穿出固定块19且其两端分别设置有用于调节上下相对应的两个固定块19之间间距的螺母26。密封箱体12的透明底板的中央区域为平面且其边缘区域为向上倾斜的斜面，红外背光源灯箱14的上表面的中央区域为平面且其边缘区域为向下倾斜的斜面。红外背光源灯箱14包括透明矩形密封盒21、位于矩形密封盒21内的红外LED灯板22和电源线23，红外LED灯板由红外LED灯管和限流电阻焊接而成，矩形密封盒21内部设置有用于使光线均匀的漫反射透光片（图中未显示），电源线23的出线口采用防腐蚀胶水密封。
在此具体实施例中，网线18通过圆孔与计算机16连接，圆孔与网线18的空隙之间填充有密封材料，密封箱体12采用防腐蚀材料制成，幼苗观察层13的高度为1-3cm，光诱光源15由透明壳体24和位于透明壳体24内的白色LED灯25组成，摄像机11以每秒钟25帧的速度采集图像。
工作过程：通过计算机16数据输入输出模块，打开红外背光源灯箱14的电源，设定定期开动双向卷扬机3电源，双向卷扬机3正向工作时通过带动主不锈钢丝绳2运动，从而牵引着浮子7、电机5以及视频采集装置4从育苗池8的A点运动到B点，到达B点处设置的定位开关后双向卷扬机3反向转动，可以使视频采集装置4采集到育苗池8不同典型位置处的视频图像，同时带动视频采集装置4回到原点A。双向卷扬机3运动过程中，同时开启电机6的电源，其工作在交替放开绳索5和收紧绳索5的运动模式，视频采集装置4可以随着绳索5的上升和下降采集不同水深水域的幼苗视频。当双向卷扬机3和电机6同时工作时，视频采集装置4同时沿水平方向和垂直方向运动，最终可以获取到整个育苗池8的不同方位和水层的幼苗视频图像，即在育苗池8内均匀采样。双向卷扬机3上设置有2个限位开关，2个限位开关安装位置分别对应于主不锈钢丝绳2与副不锈钢丝绳10连接点移动到A点和B点时的位置，主不锈钢丝绳2与副不锈钢丝绳10连接点位置移动到B点时双向卷扬机3反向转动，当主不锈钢丝绳2与副不锈钢丝绳10连接点位置移动到A点时，限位开关动作使双向卷扬机3停止运行，浮子7回到起始位置A点。
估计育苗池8中幼苗数量时，打开红外背光源灯箱14的电源，不打开光诱光源15，将视频采集装置4放入育苗池8中，幼苗随着水流流过幼苗观察层13。摄像机11对幼苗观察层13中的育苗进行视频采集送入计算机16中进行处理，计算机16通过图像处理技术对每帧图像中幼苗数量进行统计，摄像机11采集不同方位、不同水层的幼苗图像并统计各样本点的数量和密度，并利用水体的整体体积估算出整个育苗池8中幼苗的数量、密度和个体生长参数如面积、长度，可以通过调整固定螺帽19上不锈钢长螺栓20的旋转距离来调节幼苗观察层13的高度。
工作过程：对育苗池中幼苗行为监测时，由计算机16数据输入输出模块控制打开红外背光源灯箱14的电源，定期打开光诱光源15并持续5-20s，幼苗将随着水流流过幼苗观察层13趋向光诱光源15游动，摄像机11将采集到的视频图像送入到计算机16中进行处理，计算机16运用图像处理技术对每帧图像中幼苗的群心坐标进行计算，进而量化出幼苗的趋光能力，从而对幼苗的活跃程度和健康状态等做出评价。
具体实施例二
一种基于计算机视觉的水下鱼虾蟹苗数量估计方法，具体步骤如下：
（1）将上述具体实施例一中的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置放入育苗池，由双向卷扬机和电机带动，控制视频采集装置拍摄不同方位、不同水层的幼苗，获得视频图像，通过网线传输到计算机中；
（2）通过计算机图像处理技术对步骤(1)采集的视频图像进行预处理，即增加对比度，去掉模糊和噪声；
（3）将步骤(2)预处理后的图像采用局部阈值法进行分割得到二值图像；
（4） 将步骤(3)得到的二值图像进行形态学处理，即先通过开运算平滑对象的轮廓，断开目标之间的连接，再通过闭运算填充比结构元素小的孔洞；
（5） 将步骤(4)形态学处理后的图像进行滤波操作，然后根据幼苗的形状参数进行目标识别；所述的幼苗的形状参数包括幼苗投影面积（Projected area）、幼苗等效椭圆长短轴比（Ratio of Equivalent Ellipse Axes）和幼苗圆形度（Heywood Circularity Factor）；
（6） 计算每帧图像中步骤(5)识别出的目标总数，并计算幼苗观察层中图像采集视野范围内的水体体积，将目标总数除以水体体积，得到幼苗在水中的估算密度值，然后将估算密度值乘以修正系数K，得到幼苗在水中的修正密度值；其中修正系数K为一定水体积内的幼苗实际数量与相同水体积图像采集视野范围内的幼苗估计数量的比值；
（7）计算获得不同方位、不同水层的幼苗在水中的修正密度值，将各个修正密度值累加取平均得到水体内幼苗平均密度值，将幼苗平均密度值与育苗池水体体积相乘，得到育苗池水体内幼苗的总数量，完成对整个育苗池中幼苗数量的估计。取样量越大，在不同方位、不同水层取得的样本越丰富，得到的结果越接近真实值。
具体实施例三
一种基于计算机视觉的水下幼苗行为监测方法，具体步骤如下：
（1）将上述具体实施例一中的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置放入育苗池，打开光诱光源5-20s，同时由双向卷扬机和电机带动控制视频采集装置拍摄不同方位、不同水层的幼苗，获得打开光诱光源这段时间内生物聚集的视频图像，通过网线将视频图像传输到计算机中处理；
（2）通过计算机图像处理技术对步骤(1)得到的视频图像进行预处理，即增加对比度，去掉模糊和噪声；
（3）将步骤(2)预处理后的图像采用局部阈值法进行分割，得到二值图像；
（4）将步骤(3)得到的二值图像进行形态学处理，即先通过开运算平滑对象的轮廓，断开目标之间的连接，再通过闭运算填充比结构元素小的孔洞；
（5）将步骤(4)形态学处理后的图像进行滤波操作，然后根据幼苗的形状参数进行目标识别；所述的幼苗的形状参数包括幼苗投影面积（Projected area）、幼苗等效椭圆长短轴比（Ratio of Equivalent Ellipse Axes）和幼苗圆形度（Heywood Circularity Factor）；
（6）将步骤(5)识别出的目标进行标记，对各个目标分别进行形心位置和面积计算，根据帧差图像求出幼苗的群体平均游速SV，即得到目标的运动能力参数；根据群心坐标和群心分布坐标的方差求出幼苗群体的位置和密集程度，根据群体密集程度随光诱光源打开时间的变化，以及在光诱光源打开后群体的群心坐标趋向于光诱光源位置的变化速度，得到趋光性参数；
（7）将步骤(6)得到的幼苗群体的趋光性参数和运动能力参数分别与预先设定的阈值进行比较，若趋光性参数低于预先设定的阈值时，则可判断幼苗的健康状态出现问题，若运动能力参数和趋光性参数都低于各自预先设定的阈值时，则可判断幼苗的健康状态出现较严重的问题。健康的幼苗的趋光性很强，当幼苗的健康状态不佳时，苗体的趋光性降低。
步骤(6)中具体参数的量化如下：
群体平均游速SV：采用帧差法，以游动的体长倍数为单位来衡量幼苗的群体活跃度。
幼苗的运动会引起相邻两帧图像中幼苗位置分布的差异，通过对间隔一定时间连续采集的数字图像序列进行阈值分割后前后两帧图像相减，产生的负数用零代替得到帧差图像，求出幼苗在前后两帧采集过程中产生的运动区域的投影面积，并与后一帧图像中幼苗的投影面积相除，得到幼苗相当于体长倍数的游动速度。图像采集和处理的速度必须满足在相邻两帧之间幼苗游过的距离不超过一倍体长，计算方法如下：
将幼苗在前后两帧图像在采样间隔时间内产生的运动区域的投影面积，与后一帧图像中幼苗的投影面积相除，得到每个幼苗相当于体长倍数的游动距离，再除以间隔时间便得到每个幼苗的体长倍数游速，将这些结果取平均值，得到幼苗群体总的平均游速，可以表示目标运动能力参数。
群心坐标：
计算出了图像中各个目标的面积和形心位置后，采用Israeli 和 Kimmel (1996)的方法计算幼苗群的重心坐标CX，CY，表示幼苗群在水平X 和垂直 Y 轴方向的平均位置；各条鱼在X 和Y 坐标轴方向上的空间标准差 SDX，SDY，一定程度上能表示幼苗群体的密集程度：
CY类似， 
SDY类似，
其中ｎ是投影图中幼苗的数目，X ｉ 是第ｉ个幼苗投影形心的Ｘ坐标，Ａ ｉ 是第ｉ个幼苗的投影面积。
目标趋光性参数为目标具有趋向光源运动的速度，目标趋光性参数由目标的群心坐标来反应，群心坐标就是所有目标坐标的质心平均值。目标趋光性参数计算过程如下：v=s/t，其中，v为趋光性参数, s为群体质心在光诱开始到结束期间的总位移，t为光诱过程开始到结束的时间间隔。
当然，上述说明并非对本发明的限制，本发明也并不限于上述举例。本技术领域的普通技术人员在本发明的实质范围内做出的变化、改型、添加或替换，也应属于本发明保护范围。
Claims (9)
1.一种基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置，其特征在于：包括若干个定滑轮、主不锈钢丝绳、用于控制所述的主不锈钢丝绳沿定滑轮移动的双向卷扬机、用于计数与监测鱼虾蟹苗行为的视频采集装置、卷有绳索的电机和用于固定所述的电机的浮子，所述的定滑轮均布在育苗池的侧壁上，所述的主不锈钢丝绳通过各个所述的定滑轮架设在育苗池上且其两端系在所述的双向卷扬机上，所述的视频采集装置的下方设置有沉砣，所述的电机通过所述的绳索与所述的视频采集装置连接且通过控制所述的绳索的收放来控制所述的视频采集装置在水中的深度，所述的浮子通过副不锈钢丝绳与所述的主不锈钢丝绳固定连接，所述的视频采集装置在育苗池中沿所述的主不锈钢丝绳的运动轨迹移动。
2.根据权利要求1所述的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置，其特征在于：所述的视频采集装置包括用于视频图像采集的摄像机、用于使所述的摄像机隔离水的密封箱体、用于观察幼苗行为的幼苗观察层、红外背光源灯箱、光诱光源和计算机，所述的摄像机通过可水平和竖直方向移动的可调支架悬挂于所述的密封箱体内上方，所述的红外背光源灯箱位于所述的密封箱体外正下方，所述的幼苗观察层为所述的密封箱体的透明底板和所述的红外背光源灯箱的上表面之间围成的空腔，所述的光诱光源位于所述的幼苗观察层的一侧，所述的摄像机通过网线与所述的计算机的数据接口连接。
3.根据权利要求2所述的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置，其特征在于：所述的密封箱体的侧壁与所述的红外背光源灯箱的侧壁分别设置有若干个固定块，且所述的密封箱体上的固定块与所述的红外背光源灯箱上的固定块上下对称设置，上下相对应的两个所述的固定块贯穿有不锈钢长螺栓且通过所述的不锈钢长螺栓一体连接，所述的不锈钢长螺栓的两端分别穿出所述的固定块且其两端分别设置有用于调节上下相对应的两个固定块之间间距的螺母。
4.根据权利要求2所述的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置，其特征在于：所述的密封箱体的透明底板的中央区域为平面且其边缘区域为向上倾斜的斜面，所述的红外背光源灯箱的上表面的中央区域为平面且其边缘区域为向下倾斜的斜面。
5.根据权利要求2所述的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置，其特征在于：所述的红外背光源灯箱包括透明矩形密封盒、位于所述的矩形密封盒内的红外LED灯板和电源线，所述的红外LED灯板由红外LED灯管和限流电阻焊接而成，所述的矩形密封盒内部设置有用于使光线均匀的漫反射透光片，所述的电源线的出线口采用防腐蚀胶水密封。
6.根据权利要求2-5中任一项所述的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置，其特征在于：所述的网线通过圆孔与所述的计算机连接，所述的圆孔与所述的网线的空隙之间填充有密封材料，所述的密封箱体采用防腐蚀材料制成，所述的幼苗观察层的高度为1-3cm，所述的光诱光源由透明壳体和位于所述的透明壳体内的白色LED灯组成，所述的摄像机以每秒钟5-25帧的速度采集图像。
7.一种基于计算机视觉的水下鱼虾蟹苗数量估计方法，其特征在于具体步骤如下：
（1）将权利要求1-6中任一项所述的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置放入育苗池，由双向卷扬机和电机带动，控制视频采集装置拍摄不同方位、不同水层的幼苗，获得视频图像，通过网线传输到计算机中；
（2）通过计算机图像处理技术对步骤(1)采集的视频图像进行预处理，即增加对比度，去掉模糊和噪声；
（3）将步骤(2)预处理后的图像采用局部阈值法进行分割得到二值图像；
（4）将步骤(3)得到的二值图像进行形态学处理，即先通过开运算平滑对象的轮廓，断开目标之间的连接，再通过闭运算填充比结构元素小的孔洞；
（5）将步骤(4)形态学处理后的图像进行滤波操作，然后根据幼苗的形状参数进行目标识别；所述的幼苗的形状参数包括幼苗投影面积（Projected area）、幼苗等效椭圆长短轴比（Ratio of Equivalent Ellipse Axes）和幼苗圆形度（Heywood Circularity Factor）；
（6）计算每帧图像中步骤(5)识别出的目标总数，并计算幼苗观察层中图像采集视野范围内的水体体积，将目标总数除以水体体积，得到幼苗在水中的估算密度值，然后将估算密度值乘以修正系数K，得到幼苗在水中的修正密度值；其中修正系数K为一定水体积内的幼苗实际数量与相同水体积图像采集视野范围内的幼苗估计数量的比值；
（7）计算获得不同方位、不同水层的幼苗在水中的修正密度值，将各个修正密度值累加取平均得到水体内幼苗平均密度值，将幼苗平均密度值与育苗池水体体积相乘，得到育苗池水体内幼苗的总数量，完成对整个育苗池中幼苗数量的估计。
8.一种基于计算机视觉的水下幼苗行为监测方法，其特征在于具体步骤如下：
（1）将权利要求1-6中任一项所述的基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置放入育苗池，打开光诱光源5-20s，同时由双向卷扬机和电机带动控制视频采集装置拍摄不同方位、不同水层的幼苗，获得打开光诱光源这段时间内生物聚集的视频图像，通过网线将视频图像传输到计算机中处理；
（2）通过计算机图像处理技术对步骤(1)得到的视频图像进行预处理，即增加对比度，去掉模糊和噪声；
（3）将步骤(2)预处理后的图像采用局部阈值法进行分割，得到二值图像；
（4）将步骤(3)得到的二值图像进行形态学处理，即先通过开运算平滑对象的轮廓，断开目标之间的连接，再通过闭运算填充比结构元素小的孔洞；
（5）将步骤(4)形态学处理后的图像进行滤波操作，然后根据幼苗的形状参数进行目标识别；所述的幼苗的形状参数包括幼苗投影面积（Projected area）、幼苗等效椭圆长短轴比（Ratio of Equivalent Ellipse Axes）和幼苗圆形度（Heywood Circularity Factor）；
（6）将步骤(5)识别出的目标进行标记，对各个目标分别进行形心位置和面积计算，根据帧差图像求出幼苗的群体平均游速SV，即得到目标的运动能力参数；根据群心坐标和群心分布坐标的方差求出幼苗群体的位置和密集程度，根据群体密集程度随光诱光源打开时间的变化，以及在光诱光源打开后群体的群心坐标趋向于光诱光源位置的变化速度，得到趋光性参数；
（7）将步骤(6)得到的幼苗群体的趋光性参数和运动能力参数分别与预先设定的阈值进行比较，若趋光性参数低于预先设定的阈值时，则可判断幼苗的健康状态出现问题，若运动能力参数和趋光性参数都低于各自预先设定的阈值时，则可判断幼苗的健康状态出现较严重的问题。
9.根据权利要求8中所述的一种基于计算机视觉的水下幼苗行为监测方法，其特征在于步骤（6）中所述的群体平均游速SV：采用帧差法，以游动的体长倍数为单位来衡量幼苗的群体活跃度，计算方法如下：将幼苗在前后两帧图像在采样间隔时间内产生的运动区域的投影面积，与后一帧图像中幼苗的投影面积相除，得到每个幼苗相当于体长倍数的游动距离，再除以间隔时间便得到每个幼苗的体长倍数游速，将这些结果取平均值，得到幼苗群体总的平均游速，即表示目标运动能力参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410007771.3A CN103761565B (zh) | 2014-01-07 | 2014-01-07 | 基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410007771.3A CN103761565B (zh) | 2014-01-07 | 2014-01-07 | 基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103761565A true CN103761565A (zh) | 2014-04-30 |
| CN103761565B CN103761565B (zh) | 2016-06-29 |
Family
ID=50528799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410007771.3A Active CN103761565B (zh) | 2014-01-07 | 2014-01-07 | 基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103761565B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106447672A (zh) * | 2016-09-14 | 2017-02-22 | 燕山大学 | 一种交叉遮挡鱼体识别计数方法 |
| CN106561532A (zh) * | 2016-11-08 | 2017-04-19 | 深圳技师学院 | 一种监测鱼活动的方法和装置 |
| CN106719250A (zh) * | 2016-12-20 | 2017-05-31 | 江苏省农业科学院 | 一种监测水下底栖动物的装置及方法 |
| CN107549036A (zh) * | 2016-08-02 | 2018-01-09 | 山东师范大学 | 基于电、视频信号的水生生物行为在线监测系统及方法 |
| CN110089477A (zh) * | 2019-05-23 | 2019-08-06 | 浙江大学 | 一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 |
| CN111795927A (zh) * | 2020-06-05 | 2020-10-20 | 厦门大学 | 一种基于图像自动计数的便携式赤潮藻类密度监测装置 |
| CN112215874A (zh) * | 2020-09-02 | 2021-01-12 | 浙江省海洋水产研究所 | 一种用于海湾区仔鱼的行为监测系统 |
| CN113057136A (zh) * | 2021-03-10 | 2021-07-02 | 苏州悦捷鼎茂智能科技有限公司 | 一种基于物联网的智能化水产养殖系统及方法 |
| CN113747064A (zh) * | 2021-09-03 | 2021-12-03 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种水下生物自动探测拍摄系统及其方法 |
| CN114070991A (zh) * | 2022-01-17 | 2022-02-18 | 睿克环境科技(中国)有限公司 | 一种过鱼监测装置 |
| WO2022188059A1 (zh) * | 2021-03-10 | 2022-09-15 | 中国科学院深圳先进技术研究院 | 一种浮游生物趋光性检测装置及分析方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0710411U (ja) * | 1993-07-23 | 1995-02-14 | 日野自動車工業株式会社 | パティキュレート捕集用フィルタブロック |
| CN101102480A (zh) * | 2007-07-27 | 2008-01-09 | 浙江工业大学 | 基于全方位视觉的水下视频检测装置 |
| CN101135830A (zh) * | 2007-09-28 | 2008-03-05 | 中国水产科学研究院黄海水产研究所 | 便携式深水网箱水下监视器 |
| CN101897308A (zh) * | 2010-07-29 | 2010-12-01 | 中国水产科学研究院黄海水产研究所 | 工厂化养殖浮性卵的收集设施及方法 |
| CN102037909A (zh) * | 2009-10-12 | 2011-05-04 | 中国水产科学研究院黑龙江水产研究所 | 鱼类行为生物学测试装置 |
| CN102805044A (zh) * | 2012-07-16 | 2012-12-05 | 宁波大学 | 基于计算机视频处理的鱼虾蟹苗自动计数装置及其方法 |
-
2014
- 2014-01-07 CN CN201410007771.3A patent/CN103761565B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0710411U (ja) * | 1993-07-23 | 1995-02-14 | 日野自動車工業株式会社 | パティキュレート捕集用フィルタブロック |
| CN101102480A (zh) * | 2007-07-27 | 2008-01-09 | 浙江工业大学 | 基于全方位视觉的水下视频检测装置 |
| CN101135830A (zh) * | 2007-09-28 | 2008-03-05 | 中国水产科学研究院黄海水产研究所 | 便携式深水网箱水下监视器 |
| CN102037909A (zh) * | 2009-10-12 | 2011-05-04 | 中国水产科学研究院黑龙江水产研究所 | 鱼类行为生物学测试装置 |
| CN101897308A (zh) * | 2010-07-29 | 2010-12-01 | 中国水产科学研究院黄海水产研究所 | 工厂化养殖浮性卵的收集设施及方法 |
| CN102805044A (zh) * | 2012-07-16 | 2012-12-05 | 宁波大学 | 基于计算机视频处理的鱼虾蟹苗自动计数装置及其方法 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107549036B (zh) * | 2016-08-02 | 2020-03-27 | 山东师范大学 | 基于电、视频信号的水生生物行为在线监测系统及方法 |
| CN107549036A (zh) * | 2016-08-02 | 2018-01-09 | 山东师范大学 | 基于电、视频信号的水生生物行为在线监测系统及方法 |
| CN106447672B (zh) * | 2016-09-14 | 2019-03-26 | 燕山大学 | 一种交叉遮挡鱼体识别计数方法 |
| CN106447672A (zh) * | 2016-09-14 | 2017-02-22 | 燕山大学 | 一种交叉遮挡鱼体识别计数方法 |
| CN106561532A (zh) * | 2016-11-08 | 2017-04-19 | 深圳技师学院 | 一种监测鱼活动的方法和装置 |
| CN106561532B (zh) * | 2016-11-08 | 2019-07-26 | 深圳技师学院 | 一种监测鱼活动的方法和装置 |
| CN106719250A (zh) * | 2016-12-20 | 2017-05-31 | 江苏省农业科学院 | 一种监测水下底栖动物的装置及方法 |
| CN110089477B (zh) * | 2019-05-23 | 2020-08-28 | 浙江大学 | 一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 |
| CN110089477A (zh) * | 2019-05-23 | 2019-08-06 | 浙江大学 | 一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 |
| CN111795927A (zh) * | 2020-06-05 | 2020-10-20 | 厦门大学 | 一种基于图像自动计数的便携式赤潮藻类密度监测装置 |
| CN112215874A (zh) * | 2020-09-02 | 2021-01-12 | 浙江省海洋水产研究所 | 一种用于海湾区仔鱼的行为监测系统 |
| CN112215874B (zh) * | 2020-09-02 | 2022-05-31 | 浙江省海洋水产研究所 | 一种用于海湾区仔鱼的行为监测系统 |
| CN113057136A (zh) * | 2021-03-10 | 2021-07-02 | 苏州悦捷鼎茂智能科技有限公司 | 一种基于物联网的智能化水产养殖系统及方法 |
| WO2022188059A1 (zh) * | 2021-03-10 | 2022-09-15 | 中国科学院深圳先进技术研究院 | 一种浮游生物趋光性检测装置及分析方法 |
| CN113747064A (zh) * | 2021-09-03 | 2021-12-03 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种水下生物自动探测拍摄系统及其方法 |
| CN114070991A (zh) * | 2022-01-17 | 2022-02-18 | 睿克环境科技(中国)有限公司 | 一种过鱼监测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103761565B (zh) | 2016-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103761565A (zh) | 基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 | |
| CN110074030B (zh) | 一种融合机器视觉与红外检测技术的反馈式池塘循环水智能投饲系统 | |
| CN107094683B (zh) | 一种水产养殖的自动投饵和水质监测控制系统 | |
| Wei et al. | Intelligent monitoring and control technologies of open sea cage culture: A review | |
| WO2019232247A1 (en) | Biomass estimation in an aquaculture environment | |
| Pautsina et al. | Infrared reflection system for indoor 3D tracking of fish | |
| CN109828606A (zh) | 一种水下网箱巡检系统 | |
| CN203492583U (zh) | 一种预防南美白对虾养殖水体富营养化的视频监控装置 | |
| CA2895758A1 (en) | System and method for calculating physical dimensions for freely movable objects in water | |
| US11266128B2 (en) | Camera controller for aquaculture behavior observation | |
| CN208064246U (zh) | 一种智能投喂控制装置 | |
| CN110220845B (zh) | 一种着生藻生长带的原位监测方法及装置 | |
| TW202107392A (zh) | 智慧養殖系統與方法 | |
| CN110089477A (zh) | 一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 | |
| CN112997937A (zh) | 对虾料台观测设备 | |
| CN114009407B (zh) | 分规格深水活鱼自动起捕装置 | |
| CN107873658A (zh) | 遥控海参采捕机器人 | |
| CN211048177U (zh) | 智能养殖系统 | |
| CN106719250B (zh) | 一种监测水下底栖动物的装置及方法 | |
| CN208064259U (zh) | 螃蟹养殖监控系统 | |
| TWI740672B (zh) | 智慧養殖系統與方法 | |
| TWI721851B (zh) | 自動投料養蝦養殖監控系統 | |
| CN111466320B (zh) | 一种黄条鰤低应激操作装置及其使用方法 | |
| CN209643613U (zh) | 水产养殖组合设备 | |
| CN114342854A (zh) | 一种水下鱼类自动筛选系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |