CN104931120B - 一种网箱养鱼的重量检测方法 - Google Patents
一种网箱养鱼的重量检测方法 Download PDFInfo
- Publication number
- CN104931120B CN104931120B CN201510347694.0A CN201510347694A CN104931120B CN 104931120 B CN104931120 B CN 104931120B CN 201510347694 A CN201510347694 A CN 201510347694A CN 104931120 B CN104931120 B CN 104931120B
- Authority
- CN
- China
- Prior art keywords
- fish
- standard picture
- standard
- width
- image
- 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.)
- Expired - Fee Related
Links
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004442 gravimetric analysis Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 230000037396 body weight Effects 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 3
- 238000000151 deposition Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003698 anagen phase Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Farming Of Fish And Shellfish (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种网箱养鱼的重量检测方法，包括：步骤一、提供一网箱，网箱呈圆锥形，超声波检测器的检测区域覆盖网箱的内部空间；步骤二、预先在一存储器内建立标准的数据库，该数据库内预先存入多个梭形的标准图像，各标准图像的长度以及该标准图像最宽处的宽度分别对应于鱼的最宽处的宽度和体长，将鱼的体重作为标准体重记录至标准图像下；步骤三、超声波检测器采集的信息经由处理器处理成一张检测图像，该检测图像内包含多个代表鱼的图像块，处理器逐个将每个图像块与标准图像进行比较，当一个图像块的长度和最宽处的宽度均与一个标准图像匹配，则以标准体重作为该图像块所代表的鱼的检测体重。本发明方便地实现对网箱内鱼总重量的检测。
Description
技术领域
本发明涉及养殖方法，尤其涉及一种网箱养鱼的重量检测方法。
背景技术
自1973年以来，我国引进了网箱养鱼技术之后，发展至20世纪80年代时，有湖泊、水库等大水面进行网箱养殖面积达500多公顷，平均每公顷产鱼量为300吨左右。进入20世纪90年代以来，网箱养鱼业量呈现出蓬勃发展的趋势，网箱养殖规模和密度不断增加，养殖面积及产量迅速增大。
养殖过程中，养殖人员非常关注鱼的生长情况，尤其是体重情况，当总重量达到要求时，说明当前节段鱼的生长情况良好，投喂饲料合理。但目前还没有方便、快捷地测量网箱内鱼的总重量的方法。
发明内容
针对上述技术问题，本发明设计开发了一种方便、快捷地网箱养鱼的重量检测方法。
本发明提供的技术方案为：
一种网箱养鱼的重量检测方法，包括：
步骤一、提供一网箱，网箱呈圆锥形，在网箱的顶部安装一个超声波检测器，该超声波检测器的检测区域呈圆锥形，该超声波检测器的检测区域覆盖所述网箱的内部空间，该超声波检测器与一处理器通信连接；
步骤二、预先在一存储器内建立标准的数据库，该数据库内预先存入多个梭形的标准图像，各标准图像分别对应于不同大小的鱼，各标准图像的长度以及该标准图像最宽处的宽度分别对应于鱼的最宽处的宽度和体长，称量具有对应胸围和体长的鱼，记录该鱼的体重，并将体重作为标准体重记录至相应的标准图像下，所述存储器与所述处理器通信连接；
步骤三、开启所述超声波检测器，所述超声波检测器采集到的网箱内的鱼的信息经由处理器处理成一张检测图像，该检测图像内包含多个代表鱼的图像块，所述处理器逐个将每个图像块与所述数据库内的标准图像进行比较，当一个图像块的长度和最宽处的宽度均与一个标准图像匹配，则以该标准图像的标准体重作为该图像块所代表的鱼的检测体重，将所有的图像块所代表的鱼的检测体重相加，从而得到网箱内的鱼的总重量。
优选的是，所述的网箱养鱼的重量检测方法中，在开启所述的超声波检测器后，所述超声波检测器工作时间为10～20分钟，所述处理器每隔30～60秒生成一张检测图像，从而得到多张检测图像，将10次计算得到的鱼的总重量进行平均取平均值。
优选的是，所述的网箱养鱼的重量检测方法中，所述处理器每隔60秒生成一张检测图像，所述超声波检测器工作时间为15分钟。
优选的是，所述的网箱养鱼的重量检测方法中，所述步骤二中，多个标准图像以以下方式设计：多个标准图像的长度和最宽处的宽度逐渐增加，且下一个标准图像与上一个标准图像的长度比值为1.5，最宽处宽度比值为1.5；所述步骤三中，一个图像块的长度和最宽处的宽度均与一个标准图像匹配具体是通过以下过程实现：该图像块的长度和该标准图像的长度的差值绝对值与该标准图像的长度的比值小于2％，该图像块最宽处的宽度和该标准图像最宽处的宽度的差值绝对值与该标准图像最宽处的宽度的比值小于2％。
优选的是，所述的网箱养鱼的重量检测方法中，所述步骤二中，预先在数据库内录入多种鱼的标准类型，在每种鱼的标准类型下，建立多个梭形的标准图像，每个标准图像关联的标准体重由相同类型的鱼称量得到；步骤三中，在开启所述超声波检测器之前，在所述数据库内选定与当前网箱内鱼的类型相同的标准类型，在将任一个图像块进行比较时，则从相应的标准类型下选择相匹配的标准图像。
优选的是，所述的网箱养鱼的重量检测方法中，在所述网箱内养殖单一类型的鱼。
优选的是，所述的网箱养鱼的重量检测方法中，所述处理器还计算代表鱼的图像块的个数。
本发明所述的网箱养鱼的重量检测方法中，利用全面覆盖网箱内部空间的超声波检测器获取网箱内的鱼的信息，并由处理器生成检测图像，将检测图像内代表鱼的图像块与数据库内的标准图像进行比较，当一个图像块与一个标准图像相匹配，则以该标准图像的标准体重作为该图像块所代表的鱼的检测体重，将所有鱼检测体重相加，即可得到网箱的鱼的总总量。本发明方便、快捷地实现对网箱内鱼总重量的检测。
附图说明
图1为本发明所述的网箱的结构示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1所示，本发明提供一种网箱养鱼的重量检测方法，包括：
步骤一、提供一网箱2，网箱呈圆锥形，在网箱的顶部安装一个超声波检测器1，该超声波检测器1的检测区域呈圆锥形，该超声波检测器的检测区域覆盖所述网箱2的内部空间，该超声波检测器与一处理器通信连接。
步骤二、预先在一存储器内建立标准的数据库，该数据库内预先存入多个梭形的标准图像，各标准图像分别对应于不同大小的鱼，各标准图像的长度以及该标准图像最宽处的宽度分别对应于鱼的最宽处的宽度和体长，称量具有对应胸围和体长的鱼，记录该鱼的体重，并将体重作为标准体重记录至相应的标准图像下，所述存储器与所述处理器通信连接。本发明提前收集胸围和体长不同的鱼，称量这些鱼的体重，并将该体重作为标准图像关联的标准体重，供后续判断使用。
步骤三、开启所述超声波检测器，所述超声波检测器采集到的网箱内的鱼的信息经由处理器处理成一张检测图像，该检测图像内包含多个代表鱼的图像块，所述处理器逐个将每个图像块与所述数据库内的标准图像进行比较，当一个图像块的长度和最宽处的宽度均与一个标准图像匹配，则以该标准图像的标准体重作为该图像块所代表的鱼的检测体重，将所有的图像块所代表的鱼的检测体重相加，从而得到网箱内的鱼的总重量。
本发明所述的网箱养鱼的重量检测方法中，利用全面覆盖网箱内部空间的超声波检测器获取网箱内的鱼的信息，并由处理器生成检测图像，将检测图像内代表鱼的图像块与数据库内的标准图像进行比较，当一个图像块与一个标准图像相匹配，则以该标准图像的标准体重作为该图像块所代表的鱼的检测体重，将所有鱼检测体重相加，即可得到网箱的鱼的总总量。本发明方便、快捷地实现对网箱内鱼总重量的检测。
本发明中，在存储器内记录了网箱的实际体积。超声波检测器的检测区域呈圆锥形，即超声波检测器的检测区域会超过网箱的底部，此时，处理器在生成检测图像时，只生成对应于网箱的内部空间的检测图像。
优选地，所述的网箱养鱼的重量检测方法中，在开启所述的超声波检测器后，所述超声波检测器工作时间为10～20分钟，所述处理器每隔30～60秒生成一张检测图像，从而得到多张检测图像，将10次计算得到的鱼的总重量进行平均取平均值。
超声波检测器开启之后，始终处于工作状态，会持续不断地扫描网箱内的情况，而鱼也是不断游动的，不会静止在一处，因此，处理器每隔一定时间间隔生成一张检测图像，再将多次的检测结果求取平均价值，作为网箱当前内的鱼的总重量。
优选地，所述的网箱养鱼的重量检测方法中，所述处理器每隔60秒生成一张检测图像，所述超声波检测器工作时间为15分钟。
优选地，所述的网箱养鱼的重量检测方法中，所述步骤二中，多个标准图像以以下方式设计：多个标准图像的长度和最宽处的宽度逐渐增加，且下一个标准图像与上一个标准图像的长度比值为1.5，最宽处宽度比值为1.5；所述步骤三中，一个图像块的长度和最宽处的宽度均与一个标准图像匹配具体是通过以下过程实现：该图像块的长度和该标准图像的长度的差值绝对值与该标准图像的长度的比值小于2％，该图像块最宽处的宽度和该标准图像最宽处的宽度的差值绝对值与该标准图像最宽处的宽度的比值小于2％。
下一个标准图像的长度和最宽处的宽度都是上一个标准图像的1.5倍。这可以保证一个图像块必然可以匹配到一个标准图像上。以长度为例，其原理是，假设上一个标准图像A的长度为a，下一个标准图像B的长度为b，(a+0.2a)为一个图像块能够匹配标准图像A的长度的最大值，(b-0.8b)为一个图像块能够匹配到标准图像B的长度的最小值，当a+0.2a＝b-0.8b，b/a＝1.5。
在匹配时，当一个图像块的长度与一个标准图像的长度差值绝对值的比值小于2％，同时，一个图像块的最宽处的宽度也符合这一条件，就认为该图像块和标准图像相匹配。一个图像块可以跟两个标准图像满足以下条件：当一个图像块的长度与一个标准图像的长度差值绝对值的比值等于2％，该图像块最宽处的宽度和该标准图像最宽处的宽度的差值绝对值与该标准图像最宽处的宽度的比值也等于2％，则此时该图像块与尺寸较大的一个标准图像相匹配。另外，当一个图像块的长度与一个标准图像的长度差值绝对值的比值小于2％，但最宽处的宽度大于2％(也就是说，最宽度的宽度落入了下一个标准图像的误差范围内)，则该图像块与其中任一个标准图像进行匹配。
优选地，所述的网箱养鱼的重量检测方法中，所述步骤二中，所述步骤二中，预先在数据库内录入多种鱼的标准类型，在每种鱼的标准类型下，建立多个梭形的标准图像，每个标准图像关联的标准体重由相同类型的鱼称量得到；步骤三中，在开启所述超声波检测器之前，在所述数据库内选定与当前网箱内鱼的类型相同的标准类型，在将任一个图像块进行比较时，则从相应的标准类型下选择相匹配的标准图像。
不同的鱼在各生长阶段其体型不尽相同，为了使图像块与标准图像能够更好地匹配，则在数据库内设置了多种鱼的标准类型，根据网箱内所养殖的鱼的类型进行选择。
优选地，为了方便匹配，提高匹配精度，所述的网箱养鱼的重量检测方法中，在所述网箱内养殖单一类型的鱼。
优选地，所述的网箱养鱼的重量检测方法中，所述处理器还计算代表鱼的图像块的个数。在放养时，可以统记鱼苗的个数，将该数字与图像块的个数比较，就可以知道是否有鱼苗死亡，以及鱼苗的成活率。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (6)
1.一种网箱养鱼的重量检测方法，其特征在于，包括：
步骤一、提供一网箱，网箱呈圆锥形，在网箱的顶部安装一个超声波检测器，该超声波检测器的检测区域呈圆锥形，该超声波检测器的检测区域覆盖所述网箱的内部空间，该超声波检测器与一处理器通信连接；
步骤二、预先在一存储器内建立标准的数据库，该数据库内预先存入多个梭形的标准图像，各标准图像分别对应于不同大小的鱼，各标准图像的长度以及该标准图像最宽处的宽度分别对应于鱼的最宽处的宽度和体长，称量具有对应胸围和体长的鱼，记录该鱼的体重，并将体重作为标准体重记录至相应的标准图像下，所述存储器与所述处理器通信连接；
步骤三、开启所述超声波检测器，所述超声波检测器采集到的网箱内的鱼的信息经由处理器处理成一张检测图像，该检测图像内包含多个代表鱼的图像块，所述处理器逐个将每个图像块与所述数据库内的标准图像进行比较，当一个图像块的长度和最宽处的宽度均与一个标准图像匹配，则以该标准图像的标准体重作为该图像块所代表的鱼的检测体重，将所有的图像块所代表的鱼的检测体重相加，从而得到网箱内的鱼的总重量；
所述步骤二中，多个标准图像以以下方式设计：多个标准图像的长度和最宽处的宽度逐渐增加，且下一个标准图像与上一个标准图像的长度比值为1.5，最宽处宽度比值为1.5；所述步骤三中，一个图像块的长度和最宽处的宽度均与一个标准图像匹配具体是通过以下过程实现：该图像块的长度和该标准图像的长度的差值绝对值与该标准图像的长度的比值小于2％，该图像块最宽处的宽度和该标准图像最宽处的宽度的差值绝对值与该标准图像最宽处的宽度的比值小于2％。
2.如权利要求1所述的网箱养鱼的重量检测方法，其特征在于，在开启所述的超声波检测器后，所述超声波检测器工作时间为10～20分钟，所述处理器每隔30～60秒生成一张检测图像，从而得到多张检测图像，将10次计算得到的鱼的总重量进行平均取平均值。
3.如权利要求2所述的网箱养鱼的重量检测方法，其特征在于，所述处理器每隔60秒生成一张检测图像，所述超声波检测器工作时间为15分钟。
4.如权利要求1至3中任一项所述的网箱养鱼的重量检测方法，其特征在于，所述步骤二中，预先在数据库内录入多种鱼的标准类型，在每种鱼的标准类型下，建立多个梭形的标准图像，每个标准图像关联的标准体重由相同类型的鱼称量得到；步骤三中，在开启所述超声波检测器之前，在所述数据库内选定与当前网箱内鱼的类型相同的标准类型，在将任一个图像块进行比较时，则从相应的标准类型下选择相匹配的标准图像。
5.如权利要求4所述的网箱养鱼的重量检测方法，其特征在于，在所述网箱内养殖单一类型的鱼。
6.如权利要求4所述的网箱养鱼的重量检测方法，其特征在于，所述处理器还计算代表鱼的图像块的个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510347694.0A CN104931120B (zh) | 2015-06-23 | 2015-06-23 | 一种网箱养鱼的重量检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510347694.0A CN104931120B (zh) | 2015-06-23 | 2015-06-23 | 一种网箱养鱼的重量检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104931120A CN104931120A (zh) | 2015-09-23 |
| CN104931120B true CN104931120B (zh) | 2017-10-20 |
Family
ID=54118394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510347694.0A Expired - Fee Related CN104931120B (zh) | 2015-06-23 | 2015-06-23 | 一种网箱养鱼的重量检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104931120B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106577370B (zh) * | 2016-11-01 | 2020-04-14 | 中国长江三峡集团公司中华鲟研究所 | 一种测量鱼类所需最适温度的方法 |
| CN108375548B (zh) * | 2018-02-10 | 2020-09-04 | 佳纬生物技术有限公司 | 一种基于大数据的鱼塘养殖投料评估系统 |
| US20210233235A1 (en) * | 2018-05-04 | 2021-07-29 | Xpertsea Solutions Inc. | Scale for determining the weight of organisms |
| CN112461342B (zh) * | 2020-11-04 | 2022-04-01 | 青岛丰禾星普科技有限公司 | 水产品称重方法、终端设备及存储介质 |
| CN114674407B (zh) * | 2022-03-28 | 2024-01-23 | 稷青科技(上海)有限公司 | 一种水培叶类蔬菜自动称重装置及方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101726740A (zh) * | 2009-11-12 | 2010-06-09 | 中国水产科学研究院渔业机械仪器研究所 | 网箱养鱼生物量评估超声波监测装置 |
| WO2013095153A1 (en) * | 2011-12-20 | 2013-06-27 | Arnvid Skogseth | System and method for inhibiting parasites to infest and attach to aquatic animals |
-
2015
- 2015-06-23 CN CN201510347694.0A patent/CN104931120B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN104931120A (zh) | 2015-09-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104931120B (zh) | 一种网箱养鱼的重量检测方法 | |
| Judd et al. | Advancements in root growth measurement technologies and observation capabilities for container-grown plants | |
| Fenta et al. | Field phenotyping of soybean roots for drought stress tolerance | |
| Adu et al. | A scanner system for high-resolution quantification of variation in root growth dynamics of Brassica rapa genotypes | |
| Yuan et al. | Development of a peanut canopy measurement system using a ground-based lidar sensor | |
| CN105547152A (zh) | 农作物表型田间高通量主动测量装置与方法 | |
| CN113283352B (zh) | 一种基于显微图像的类器官活力评价方法及系统 | |
| Wang et al. | Non-destructive measurement of three-dimensional plants based on point cloud | |
| Huang et al. | Biopore-induced deep root traits of two winter crops | |
| CN109213017A (zh) | 水产养殖智能投饲系统及方法 | |
| CN105191837B (zh) | 一种基于心跳指标的快速评估扇贝抗性的方法 | |
| Liu et al. | Quantitative evaluation of maize emergence using UAV imagery and deep learning | |
| Zhang et al. | Non-destructive testing of alfalfa seed vigor based on multispectral imaging technology | |
| Teng et al. | Estimation of ground surface and accuracy assessments of growth parameters for a sweet potato community in ridge cultivation | |
| CN103908258A (zh) | 一种奶牛乳腺组织体积的测量方法 | |
| Uddin et al. | High-throughput root network system analysis for low phosphorus tolerance in maize at seedling stage | |
| Lati et al. | 3-D image-driven morphological crop analysis: a novel method for detection of sunflower broomrape initial subsoil parasitism | |
| Yan et al. | Critical temperature-humidity index thresholds based on surface temperature for lactating dairy cows in a temperate climate | |
| Kümmerer et al. | Using high-resolution UAV imaging to measure canopy height of diverse cover crops and predict biomass | |
| Neilson et al. | Potato tuber shape phenotyping using RGB imaging | |
| CN101710391A (zh) | 框格式鱼(虾)苗计数装置 | |
| Petsoulas et al. | Spectral reflectance indices as a high throughput selection tool in a sesame breeding scheme | |
| York et al. | Phenomics of root system architecture: Measuring and analyzing root phenes | |
| Baranova et al. | Evaluation of the heterogeneity of wheat kernels as a traditional model object in connection with the asymmetry of development | |
| Duan et al. | Three dimensional analysis of ontogenetic variation in fossil globorotaliiform planktic foraminiferal tests and its implications for ecology, life processes and functional morphology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20170824 Address after: 536000, the Guangxi Zhuang Autonomous Region, Beihai, Tieshan Port District, Hing town, Fu Housing Committee sand village 22 Applicant after: Xie Yuanlian Address before: The 536000 the Guangxi Zhuang Autonomous Region Beihai port city of Tieshan Yingpan Town neighborhood Camp Camp Village No. 138 Applicant before: Li Chengqi |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180511 Address after: 536000 the Guangxi Zhuang Autonomous Region Beihai Tieshan port area Xinggang town Fu Fu village committee Sha Tong Tang Village No. 22 Patentee after: Li Liujing Address before: 536000 the Guangxi Zhuang Autonomous Region Beihai Tieshan port area Xinggang town Fu Fu village committee Sha Tong Tang Village No. 22 Patentee before: Xie Yuanlian |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171020 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |