CN105164521A - 用于确定甲壳动物物理属性的成像 - Google Patents

用于确定甲壳动物物理属性的成像 Download PDF

Info

Publication number
CN105164521A
CN105164521A CN201380072442.0A CN201380072442A CN105164521A CN 105164521 A CN105164521 A CN 105164521A CN 201380072442 A CN201380072442 A CN 201380072442A CN 105164521 A CN105164521 A CN 105164521A
Authority
CN
China
Prior art keywords
crustacean
image
alive
camera
seizure
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
Application number
CN201380072442.0A
Other languages
English (en)
Other versions
CN105164521B (zh
Inventor
约翰·J·加兰
格莱布·塞克雷塔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Clearwater Seafoods LP
Original Assignee
Clearwater Seafoods LP
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Clearwater Seafoods LP filed Critical Clearwater Seafoods LP
Priority to CN201910287240.7A priority Critical patent/CN110057838B/zh
Publication of CN105164521A publication Critical patent/CN105164521A/zh
Application granted granted Critical
Publication of CN105164521B publication Critical patent/CN105164521B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01KANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K61/00Culture of aquatic animals
    • A01K61/90Sorting, grading, counting or marking live aquatic animals, e.g. sex determination
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01KANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K69/00Stationary catching devices
    • A01K69/06Traps
    • A01K69/08Rigid traps, e.g. lobster pots
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956Inspecting patterns on the surface of objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40Animals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10048Infrared image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10141Special mode during image acquisition
    • G06T2207/10152Varying illumination
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30128Food products

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Zoology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Farming Of Fish And Shellfish (AREA)

Abstract

本公开涉及用于确定甲壳动物物理属性的成像。捕捉并处理活甲壳动物壳的图像,以便确定该活甲壳动物的物理属性。在一个实施例中,根据捕捉图像检测指示活甲壳动物的蜕皮阶段的图案的特征。在一些实施例中,可使用多个图像,包括不同类型的图像,例如可见光谱图像、红外光谱图像和/或紫外光谱图像。

Description

用于确定甲壳动物物理属性的成像
相关申请的交叉引用
本申请要求2013年2月6日提交的,标题为“甲壳动物蜕皮阶段的确定”的美国临时专利申请序列No.61/761,417,以及2013年11月15日提交的,标题为“用于确定甲壳动物物理属性的成像”的美国临时专利申请序列No.61/904,698的优先权。这些申请的全部内容通过引用并入本文。
技术领域
本发明总体上涉及确定甲壳动物的一个或多个物理属性,特别地,涉及使用成像来确定物理属性。
背景技术
已知的是甲壳动物等许多水生无脊椎动物都经历蜕皮周期,期间旧的硬壳脱落,长出新的更大的软壳。根据蜕皮过程的阶段,随着内部躯体生长以占据新的更大的壳,甲壳动物的内部躯体,例如龙虾“肉”的部分,可占据新壳内部体积的部分减小。甲壳动物的内部结构,包括其器官、肉和肌肉,与其蜕皮后的新壳成比例地尺寸过小。为了“填满”蜕皮后尺寸过大的壳,甲壳动物在其内部结构中容纳并保留水份。结果是,蜕皮中甲壳动物(硬壳)通常得到高的产肉量,而蜕皮后(软壳)甲壳动物通常得到低的产肉量。
海产品通常为昂贵的食品,消费者需要考虑支付额外费用。反过来,消费者希望收到能体现所支付价格的高品质产品。例如,消费者经常为重量和/或尺寸而言较大的甲壳动物支付额外费用,并且通常会希望甲壳动物的尺寸与甲壳动物产出的肉量相对应。然而,由于蜕皮阶段的不同,蜕皮后较大的甲壳动物不会比蜕皮前或蜕皮中甲壳动物产出更多的肉。除了产肉率或“肉质”之外,甲壳动物的蜕皮状态也可指示健康状况,能够使海产品加工者在甲壳动物的储存和/或运输过程中评估预期的死亡率。
蜕皮中甲壳动物经常通过其壳的硬度进行识别。然而,该措施作为确定产肉量的手段是不可靠的,并很难在生产线上作为非侵入性手段进行实现。利用超声波或X射线扫描系统的感测系统上的其他尝试已经证明很难实现,并且无法精确区分不同的壳硬度和/或不同的产肉量。
确定蜕皮阶段所使用的其他方法包括血蛋白分析和腹肢分级(pleopodstaging)。这两种方法都是侵入性的,通常只适用于甲壳动物收捞或运输的子样本。这些方法也需要专门的训练,以便正确解释能准确确定蜕皮阶段或产肉量的结果。
也有经常手动地测量或确定的个体甲壳动物的其他物理属性。这些包括龙虾背甲长度,通常用于确定龙虾的大小,并且也在最小容许法定尺寸龙虾的收捞规定内使用的尺寸(例如,80-85mm背甲长度,取决于捕鱼区),破裂或损伤的外骨骼,脱落或破损的腿部,性别,以及不同爪子、躯体和/或尾部测量值等壳的形态测定。
发明内容
根据一个实施例,一种装置,包括照相机,用于捕捉活甲壳动物的壳的图像;以及图案检测器,可操作地连接到照相机,用于根据捕捉图像(capturedimage)检测指示活甲壳动物的蜕皮阶段的图案的特征。
在一个实施例中,图像为活甲壳动物的可见光谱图像。
在一个实施例中,图像为活甲壳动物的红外光谱图像。
在一个实施例中,图像为活甲壳动物的紫外光谱图像。
在一个实施例中,图案检测器是进一步可操作的,用于根据由照相机捕捉的活甲壳动物的另一图像检测指示活甲壳动物的蜕皮阶段的图案的特征。
在一个实施例中,另一图像的图案不同于图像的图案。
在一个实施例中,照相机为已经被修改成去除红外滤光器的照相机。
在一个实施例中,照相机已经被进一步修改成包括可见光滤光器。
在一个实施例中,图案检测器为用于执行视觉检测软件的处理设备。
在一个实施例中,所述装置也包括用于照射活甲壳动物的照射源。
在一个实施例中,照射源提供一个或多个可见的、红外的和紫外的光谱分量。
在一个实施例中,照射源可操作地连接到照相机,并且照相机控制照射源,用于照射活甲壳动物。
在一个实施例中,照相机控制照射源,用于在图像将要被捕捉时照射活甲壳动物。
在一个实施例中,照相机控制照射源,用于仅在特定操作条件下照射活甲壳动物的照射源。
在一个实施例中,照射源为照相机的闪光灯。
在一个实施例中,装置也包括电源,可操作地被连接,用于向照相机和图案检测器供电。
在一个实施例中,装置也包括控制器,可操作地被连接到图案检测器,用于基于检测控制活甲壳动物的后续处理。
在一个实施例中,后续处理包括以下中的一个或多个:分级活甲壳动物;筛选出较低品质甲壳动物;允许或阻止活甲壳动物进入捕获笼。
在一个实施例中,装置在以下中的一个或多个中实现:传送机尺寸分级系统,用于确定活甲壳动物的蜕皮阶段或品质;船只或工厂(plant)环境,其中活甲壳动物放置在照相机下方,并且由图案检测器提供对于其品质或蜕皮阶段的响应;包装区域,其中活甲壳动物可以被包装工在监视器上查看,以便在包装运输箱的同时筛选出较低品质甲壳动物;移动电话,用于检测品质和/或蜕皮阶段,其中照相机包括移动电话的内置照相机;手持设备;捕获笼,基于图案检测器的确定而拒绝较低品质活甲壳动物进入。
在一个实施例中,图案检测器是可操作的,用于接收包括由照相机捕捉的捕捉图像的多个图像,并且基于多个图像检测指示活甲壳动物的蜕皮阶段的图案的特征。
在一个实施例中,多个图像包括不同类型的图像。
在一个实施例中,装置也包括可切换滤光器,其包括使照相机能够捕捉不同类型的图像的多个滤光器。
在一个实施例中,多个滤光器可移入且可移出照相机和活甲壳动物之间的成像光路。
在一个实施例中,多个滤光器可移入且可移出照射源和活甲壳动物之间的照射光路。
指示蜕皮阶段的图案的特征应包括以下中的一个或多个:壳的捕捉图像中预定图案的不存在/存在;壳的捕捉图像中预定图案的亮度;以及壳的捕捉图像中壳的整个图案的亮度。
装置也包括全球定位系统(GPS)接收机,用于提供与捕捉图像相关联的位置信息。
一种方法包括:捕捉活甲壳动物的壳的图像;以及根据捕捉图像检测指示活甲壳动物的蜕皮阶段的图案的特征。
在一个实施例中,捕捉涉及捕捉活甲壳动物的可见光谱图像。
在一个实施例中,捕捉涉及捕捉活甲壳动物的红外光谱图像。
在一个实施例中,捕捉涉及捕捉活甲壳动物的紫外光谱图像。
在一个实施例中,该方法也包括:捕捉活甲壳动物的另一图像;根据另一图像检测指示活甲壳动物的蜕皮阶段的图案的特征。
在一个实施例中,另一图像的图案不同于图像的图案。
在一个实施例中,捕捉涉及利用已经被修改成去除红外滤光器的照相机来捕捉红外图像。
在一个实施例中,捕捉涉及利用已经被修改成去除红外滤光器并包括可见光滤光器的照相机来捕捉红外图像。
在一个实施例中,检测涉及训练视觉检测软件用于检测图案的特征。
在一个实施例中,方法也包括照射活甲壳动物。
在一个实施例中,照射涉及利用一个或多个可见的、红外的和紫外的光谱分量照射活甲壳动物。
在一个实施例中,方法也包括基于检测控制活甲壳动物的后续处理。
在一个实施例中,后续处理涉及以下中的一个或多个:分级活甲壳动物;筛选出较低品质甲壳动物;允许或阻止活甲壳动物进入捕获笼。
在一个实施例中,捕捉涉及捕捉多个图像,多个图像包括捕捉图像,并且检测涉及基于多个图像检测指示活甲壳动物的蜕皮阶段的图案的特征。
在一个实施例中,多个图像包括不同类型的图像。
在一个实施例中,该方法也包括将多个滤光器移入和移出光路,以便能够捕捉不同类型的图像。
在一个实施例中,光路为照相机和活甲壳动物之间的成像光路。
在一个实施例中,光路为照射源和活甲壳动物之间的照射光路。
特征应包括以下中的一个或多个:壳的捕捉图像中预定图案的不存在/存在;壳的捕捉图像中预定图案的亮度;以及壳的捕捉图像中壳的整个图案的亮度。
该方法也包括:收集位置信息;关联位置信息与捕捉图像。
也公开了一种机器视觉系统的应用,用来捕捉活甲壳动物的图像,并且根据捕捉图像检测指示活甲壳动物的蜕皮阶段的图案的特征。
也提供了一种装置,包括照相机,用于捕捉活甲壳动物的壳的图像;图像处理器,可操作地连接到照相机,用于处理捕捉图像,以便确定活甲壳动物的物理属性。
在一些实施例中,物理属性包括以下中的一个或多个:蜕皮阶段;背甲长度;壳缺陷;脱落或破损的腿部;性别;壳的形态测定。
在一些实施例中,图像包括活甲壳动物的可见光谱图像。
在一些实施例中,图像包括活甲壳动物的红外光谱图像。
在一些实施例中,图像包括活甲壳动物的紫外光谱图像。
在一些实施例中,图像处理器是进一步可操作的,用于根据由照相机捕捉的活甲壳动物的另一图像确定活甲壳动物的物理属性。
在一些实施例中,根据另一图像确定的物理属性不同于根据图像确定的物理属性。
在一些实施例中,照相机包括已经被修改成去除红外滤光器的照相机。
在一些实施例中,照相机已经被进一步修改成包括可见光滤光器。
在一些实施例中,图像处理器包括用于执行视觉检测软件的处理设备。
在一些实施例中,装置也包括用于照射活甲壳动物的照射源。
在一些实施例中,照射源提供一个或多个可见的、红外的和紫外的光谱分量。
在一些实施例中,照射源可操作地连接到照相机,并且照相机控制照射源,用于照射活甲壳动物。
在一些实施例中,照相机控制照射源,用于在图像将要被捕捉时照射活甲壳动物。
在一些实施例中,照相机控制照射源,用于仅在特定操作条件下照射活甲壳动物。
在一些实施例中,照射源包括照相机的闪光灯。
在一些实施例中,装置也包括电源,可操作地被连接,用于向照相机和图案检测器供电。
在一些实施例中,装置也包括控制器,可操作地被连接到图像处理器,用于基于确定的物理属性控制活甲壳动物的后续处理。
在一些实施例中,后续处理包括以下中的一个或多个:分级活甲壳动物;筛选出较低品质甲壳动物;允许或阻止活甲壳动物进入捕获笼。
在一些实施例中,装置在以下中的一个或多个中实现:传送机尺寸分级系统,用于确定活甲壳动物的蜕皮阶段或品质;船只或工厂环境,其中活甲壳动物放置在照相机下方,并且由图像处理器提供对于其确定的物理属性的响应;包装区域,其中活甲壳动物可以被包装工在监视器上查看,以便在包装运输箱的同时筛选出较低品质甲壳动物;移动电话,其中照相机包括移动电话的内置照相机;手持设备;捕获笼,基于图像处理器的确定而拒绝较低品质活甲壳动物进入。
在一些实施例中,图像处理器是可操作的,用于接收包括由照相机捕捉的捕捉图像的多个图像,并且基于多个图像确定活甲壳动物的物理属性。
在一些实施例中,多个图像包括不同类型的图像。
在一些实施例中,装置也包括可切换滤光器,其包括使照相机能够捕捉不同类型的图像的多个滤光器。
在一些实施例中,多个滤光器可移入且可移出照相机和活甲壳动物之间的成像光路。
在一些实施例中,多个滤光器可移入且可移出照射源和活甲壳动物之间的照射光路。
装置也可以包括GPS接收机,用于提供与捕捉图像相关联的位置信息。
一种方法包括:捕捉活甲壳动物的壳的图像;以及处理捕捉图像,以便确定活甲壳动物的物理属性。
在一些实施例中,物理属性包括以下中的一个或多个:蜕皮阶段;背甲长度;壳缺陷;脱落或破损的腿部;性别;壳的形态测定。
在一些实施例中,捕捉涉及捕捉活甲壳动物的可见光谱图像。
在一些实施例中,捕捉涉及捕捉活甲壳动物的红外光谱图像。
在一些实施例中,捕捉涉及捕捉活甲壳动物的紫外光谱图像。
在一些实施例中,方法也涉及:捕捉活甲壳动物的另一图像;根据照相机捕捉的活甲壳动物的另一图像确定活甲壳动物的物理属性。
在一些实施例中,根据另一图像确定的物理属性不同于根据图像确定的物理属性。
在一些实施例中,捕捉涉及利用已经被修改成去除红外滤光器的照相机来捕捉红外图像。
在一些实施例中,捕捉涉及利用已经被修改成去除红外滤光器并包括可见光滤光器的照相机来捕捉红外图像。
在一些实施例中,检测涉及训练视觉检测软件成检测指示物理属性的捕捉图像的特征。
在一些实施例中,方法也包括照射活甲壳动物。
在一些实施例中,照射涉及利用一个或多个可见的、红外的和紫外的光谱分量照射活甲壳动物。
在一些实施例中,方法也涉及基于检测控制活甲壳动物的后续处理。
在一些实施例中,后续处理包括以下中的一个或多个:分级活甲壳动物;筛选出较低品质甲壳动物;允许或阻止活甲壳动物进入捕获笼。
在一些实施例中,捕捉涉及捕捉多个图像,多个图像包括捕捉图像,并且处理涉及基于多个图像确定活甲壳动物的物理属性。
在一些实施例中,多个图像包括不同类型的图像。
在一些实施例中,该方法也涉及将多个滤光器移入和移出光路,以便能够捕捉不同类型的图像。
在一些实施例中,光路包括照相机和活甲壳动物之间的成像光路。
在一些实施例中,光路包括照射源和活甲壳动物之间的照射光路。
一种方法,也应该包括:收集位置信息;关联位置信息与捕捉图像。
另一方面提供了一种机器视觉系统的应用,用来捕捉活甲壳动物的图像,并且根据捕捉图像确定活甲壳动物的物理属性。
在一些实施例中,装置也包括GPS接收机,用于提供与捕捉图像相关联的位置信息。
在一些实施例中,方法也包括:收集位置信息;关联位置信息与捕捉图像。
通过阅读以下的描述,本发明实施例的其他方面和特征对本领域普通技术人员将是显而易见的。
附图说明
下面将参照附图对本发明的实施例的实例进行更详细的描述。
图1为低血蛋白龙虾的红外图像。
图2为高血蛋白龙虾的红外图像。
图3为示出了一个示例性装置的框图。
图4为示出了一个示例性方法的流程图。
图5为示出了一个示例性实现方式的框图。
图6为示出了另一个示例性装置的框图。
图7为示出了另一个示例性方法的流程图。
图8为示出了另一个示例性实现方式的框图。
具体实施方式
甲壳动物的蜕皮阶段涉及——就产肉量而言——动物的商业品质,以及动物在存活状态下用于储存和运输的适合度。因而,为了各种目的,对蜕皮阶段的确定在海产品行业中是有用的。
在本公开中,美洲螯龙虾(Homarusamericanus)用作说明性的示例品种。此处公开的实施例不仅适用于该示例品种,也适用于或替代地适用于例如其他龙虾品种和/或蟹类等其他甲壳动物。
为了生长,龙虾必须要蜕壳,由于壳是一种不会伸展以适应生长的刚性外骨骼。为了生长,龙虾在外骨骼的下面生成新的壳。这种新的壳相对柔韧和柔软。对于美洲螯龙虾,新壳的生长出现在活性蜕皮前阶段,并花费几个月的时间,通常在五月末开始,并在八月/九月完成。
在新壳的发育阶段,外骨骼发生各种物理变化。当其经历蜕皮前时,这些变化包括现有的硬壳中钙的活化以便为新壳保留钙矿物质而在胃的侧面形成胃石,以及壳的外表面上的颜色变化。
一旦新的、内部发育的壳完成,龙虾进入被称为蜕壳(ecdysis)的活性蜕皮阶段。在蜕壳期间,在龙虾将自身拉出旧壳时,龙虾使用由吸收海水进入体内产生的流体静压力以及体力,将旧壳在不同的裂缝处撕开。蜕皮的完成通常需要花费大约30分钟。一旦旧壳蜕掉,先前为内壳的柔软的新壳成为了外骨骼。龙虾继续吸收水份,产生对抗新的外骨骼的流体静压力,将其伸展成更大的尺寸。蜕皮过程能使龙虾尺寸生长大约25%。然后,新伸展的外骨骼在从八月到十一月的几个月过程中开始变硬。在此期间,龙虾完成壳的硬化,并开始生长内部软组织,以便填满更大的新壳。
多个蜕皮阶段包括蜕壳,也就是上面描述的旧壳脱落的实际过程。下一个蜕皮阶段是蜕皮后,其中龙虾使其新壳硬化,并生长软组织以便填入新壳。该阶段也称为蜕皮恢复阶段。下一个阶段为蜕皮中,其中龙虾完成了蜕皮恢复,具有相对硬的壳,并且肉质充分。下一个阶段为蜕皮前,其中肉质充分的龙虾开始了为下一个蜕壳事件准备新壳的过程。高级(advanced)蜕皮前也称为活性蜕皮前,其中龙虾为了准备蜕壳积攒大量的能量。龙虾然后进入蜕壳,周期再次开始。
在海产品行业,由于涉及龙虾的品质,蜕皮阶段被分类,这由龙虾的肉质以及在存活状态下用于储存和运输的标准行业惯例的健康或健壮水平进行测定。为此,行业内采取了一些用于确定龙虾蜕皮阶段的方法,目的是确定龙虾关于肉质和健壮度的品质。
用于确定蜕皮阶段和龙虾品质的两个最普遍接受的方法也许是血蛋白分析和腹肢分级。
血蛋白分析通常涉及使用折射计来测定血液样本。血蛋白浓度直接涉及活龙虾的产肉量,因而可为龙虾品质的有价值的指标,并且可间接用于确定蜕皮阶段。该方法广泛用于龙虾行业,但也经常只在来自收捞或运输组的龙虾样本上完成,以便获得整个组的平均读数。取样方法归因于测试的侵入性本质,其中血液必须被提取并放置在折射计上,从而获得蛋白浓度。因此,这种测试不适合于基于个体的蜕皮阶段确定,例如对于收捞或运输中的或生产设定中的每个动物。
腹肢分级通常由训练有素的生物学家进行,生物学家们从龙虾的腹侧尾部区段取游泳足或腹肢,并用低倍光显微镜观察腹肢中肌肉组织的变化。肌肉组织中的这些变化指示了龙虾目前处于蜕皮周期的哪个阶段。该方法精确,但是有侵入性,并且复杂。和血蛋白分析一样,只评估龙虾收捞或运输组的子集或样本获得组的整体统计是可行的。
在相同收捞或运输内的龙虾间存在很大程度上的多样性,因此确定龙虾品质和蜕皮阶段的取样方法,例如血蛋白分析和腹肢分级,并不能解决在收捞或运输中识别个体较低品质龙虾的问题。如果可以识别出个体较低品质龙虾,则它们将从运往例如优质鲜活市场的收捞或运输中被分离出来。常规方法中缺少的是一种稳健和准确的方法,用于利用非侵入性方法并利用特异性或“粒度(granularity)”确定蜕皮阶段,从而确定龙虾品质,以在收捞或运输中确定每个个体龙虾的蜕皮阶段。
由于有证据表明壳从蜕皮后阶段一直到活性蜕皮前阶段经历连续的变化,因此壳状况的改变可以是龙虾蜕皮阶段差异的一种可能的指标。当龙虾的壳继续硬化时,壳厚度表征有可能从蜕皮后阶段变化到蜕皮中阶段。然而,已经证明,通过挤压各个龙虾来测量壳硬度或测量使壳弯曲的力在寻求肉质关联方面是不可靠的。例如,似乎有这样的情况,软壳龙虾仍然可以肉质充分,而硬壳龙虾肉质不充分。
根据此处公开的一个实施例,使用红外成像测试蜕皮后相比蜕皮中龙虾的壳状况,试图看到壳中的结构差异。红外成像会揭示低肉质和高肉质龙虾之间差异的关联性,或红外光谱中与血蛋白浓度有关的的视觉线索。试验涉及了已经被预取样了的龙虾的红外成像,以确定血蛋白浓度。发现了有一段龙虾的头胸部(躯体的壳),其中头部和胸部区段融合在甲壳动物上,其中红外图像揭示了蜕皮后的低血蛋白龙虾存在暗带,该暗带不存在于蜕皮中的高血蛋白龙虾中。可以看出,IR可见光波段的厚度和强度随着血蛋白的增加而减小。使用暗带上对准的视觉检测软件,该软件能够检测和区分低血蛋白龙虾和其他龙虾,并具有100%的准确度。实际的准确度在其他实施例中可能更低。
为了如上所述的试验,具有27mg/mL以下的血蛋白浓度的龙虾标记为低,大于27mg/mL并小于50mg/mL的龙虾标记为中,大于50mg/mL的龙虾标记为高,基于红外图像上有无暗带,使用单个阈值来区分低血蛋白浓度龙虾和其他龙虾。在本实例中,基于暗带随着血蛋白浓度的增加而逐渐消退,可以使用多个阈值来区分低、中、高血蛋白浓度龙虾。
图1为低血蛋白龙虾的红外图像,图2为高血蛋白龙虾的红外图像。图1低血蛋白龙虾图像中圆圈内部可见明显的暗带,但在图2高血蛋白龙虾图像中却没有出现。
如上所述,龙虾的躯体壳称为头胸部,意味着头部和胸部融合在一起。头部和胸部肉融合的地方,清楚可见有脊部,但是裸眼观察时脊部似乎不随着龙虾的品质或蜕皮阶段而变化。然而,在红外光谱中,融合脊部在低产肉量和高产肉量龙虾之间显著地不同。在红外图像中,低血蛋白/低产肉量龙虾在融合脊部处显示出明显的暗带,而高血蛋白/高产肉量或肉质充分的龙虾没有这个带。在如上所述的试验中使用视觉检测软件,以便检测所述带并区分低产肉量和高产肉量龙虾。
图3为示出了一个示例性装置的框图。示例性装置300包括如图所示相互连接的摄像机302、图案检测器304、照射源306、控制器308以及电源310。应理解,示例性装置300以及其他附图的内容仅仅是为了说明的目的,并且本公开决不受限于附图中明确示出的特定例子。例如,在其他实施例中,与图3中示出的相比,装置可包括更多、更少和/或不同的组件。在其中实现示例性装置300或与其结合而实现示例性装置300的系统或装置也可包括图3中没有示出的附加组件。
照相机302可以多种方式实现。例如,该组件可以为设计成捕捉可见光谱中图像的可见光谱照相机,或设计成捕捉红外光谱或紫外光谱中图像的专门照相机。用于捕捉可见光谱中图像的许多照相机包括阻挡红外波长的红外滤光器,这种已经被修改成去除红外滤光器的照相机可用作照相机302。修改这种照相机时,为了提高红外图像质量,可加入阻挡可见光的可见光滤光器和/或只通过红外波长的滤光器。例如,通过加入可见光滤光器和/或只通过紫外波长的滤光器,可见光谱照相机同样可被修改成捕捉紫外图像。
尽管图3用302示出了照相机,也可提供多个照相机。例如,壳图案的特征在可见光谱、红外或紫外图像中可能更加突出。多种类型的图像可以在此处公开的确定蜕皮阶段中使用,并且可以被多个照相机捕捉。使用多个照射源306也可提供或替代地提供多种图像类型的能力。
用于捕捉多个类型图像的另一个可能的实现方式可涉及具有可切换滤光器的单个照相机302。这种可切换滤光器作为照相机和成像目标之间单独的组件提供在照相机302上或之中,或者作为成像光源和成像目标之间单独的组件提供在照射源306上或之中,例如,照射源在多个光谱中提供宽带光的地方。例如,可切换滤光器可包括可见光谱滤光器、红外光谱滤光器和紫外光谱滤光器,并且不同组合的滤光器根据待捕捉的图像类型而移入和移出光路。在照相机302和成像目标之间的成像光路和/或在照射源306和成像目标之间的照射光路中可以使用滤光,以便使照相机302能够捕捉不同类型的图像。
在一个实施例中,图案检测器304可以使用执行存储在一个或多个非瞬态存储设备(未示出)——例如固态存储设备或使用可移动的和/或甚至可去除的存储介质——中的视觉软件的元件得以实现。微处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)以及可编程逻辑器件(PLD)为能够用来执行软件的处理设备的实例。一般来说,图案检测器304可使用能执行软件的一个或多个处理设备、硬件、固件,或其组合来实现。照相机302和图案检测器304可为一种可能的实现中同一机器视觉系统的一部分。
照射源306例如可为提供可见光和红外光谱分量的白炽灯。根据成像目标(即,活甲壳动物)和/或示例性装置300的操作环境,可以不提供照射源306。例如,示例性装置300可在由其他光源提供充足照射的操作环境中实现。成像目标也可以或替代地发出黑体辐射,这在使用红外成像的地方足够用于照相机302的图像捕捉。在一个实施例中,照射源306为照相机302控制的照相机闪光灯,以便每一次要捕捉图像或可能只在特定操作条件下时,照射成像目标。在一些实施例中,照射源306可以为具有可切换滤光器的宽带光源。
控制器308可以多种方式实现,其结构至少部分依赖于实现方式。在一些实施例中,控制器308控制由照相机302捕捉的图像,控制器也可以或替代地控制照射源306和/或可切换滤光器。为了避免附图中的混杂,没有示出控制器308和照相机302和/或照射源306之间的连接,但是在一些实施例中,控制器可以为可操作地连接至照相机和/或照射源。
基于此处所述的蜕皮阶段的确定,在一些实施例中可采取各种动作,控制器308可涉及这些动作。例如,控制器308可设置在示例性装置300中,以便在龙虾处理线上控制分类站。在一些实施例中,控制器308可以为例如300的蜕皮阶段确定装置的一部分,但是可以向例如外部组件提供输出。从而,蜕皮阶段确定装置300可包括内部控制器308,并且也可以与外部控制器通信。尽管控制器308作为示例性装置300的组件示出,控制器实际上可包括内部控制器和/或外部控制器。在涉及外部控制器的实施例中,例如示例性装置300的蜕皮阶段确定装置会包括某种与外部控制器的接口或连接。该接口或连接的类型和结构是依赖于实现方式的,并且是与外部控制器或其他组件兼容的,装置与外部控制器通过该其他组件进行通信。
例如示例性装置300的蜕皮阶段确定装置可以是由诸如电池等的电源310自供电的。在一些实施例中,例如处理工厂实现形式中,外部电源也是可用的。
操作中,照相机302捕捉活甲壳动物的壳的图像,图案检测器304可连接到照相机,以根据捕捉图像检测指示活甲壳动物的蜕皮阶段的图案的特征。如上所述,照相机302可包括捕捉活甲壳动物的可见光谱图像的照相机,捕捉活甲壳动物的红外光谱图像的红外照相机,和/或捕捉活甲壳动物的紫外光谱图像的紫外照相机。使用上述的暗色图案作为说明性的且非限制性的实例,特征可以是在单阈值实施例中有无图案,或关于多个阈值的图案的暗度。
在多图像实现方式中,图案检测器304可从捕捉的可见光谱图像中检测指示活甲壳动物的蜕皮阶段的图案的特征,从捕捉的红外光谱图像中检测指示活甲壳动物的蜕皮阶段的图案的特征,和/或从捕捉的紫外光谱图像中检测指示活甲壳动物的蜕皮阶段的图案的特征。在可见光谱、红外光谱和/或紫外光谱图像中可以使用相同或不同的图案。例如,如上所述的暗带图案在红外图像中很突出,该带的有/无或暗度可以是图案检测器304所检测的特征。相同或不同图案在可见光谱图像中可以很突出,图案检测器304可在这些图像中检测壳图案颜色等特征。也可以想到,不同图案和/或图案特征在相同类型的不同图像中可能很突出,并且多个图像,诸如多个红外图像(例如来自不同角度)等,可被照相机302(或多个照相机)捕捉并受到图案检测器304的检测。
另一个可行的多图像实施例可涉及使用多个照相机,多个照射源和/或多个滤光器,在基本上相同的时间和/或快速连续地捕捉不同类型的多个图像。基本上相同的时间拍摄的,尤其是利用单个照相机拍摄的图像的注册(registration)会是直接而简单的。图案检测器304的图像处理,例如不同类型图像彼此相减可增加检测图案特征的对比度。其他类型的图像处理,例如图像滤波、代替图像相减或除图像相减以外的“图像数学运算”,和/或空间频率变换(例如,傅立叶域滤波)可以由图案检测器304执行。
因此,图案检测器304可接收照相机302捕捉的多个图像,并检测基于这些图像的图案的特征。图像应被图案检测器304单独处理,用于检测相同或不同图案的相同或不同特征,或一起被使用(例如,使用图像相减和/或其他图像处理),用于特征检测。
在一些实施例中,基于图案检测器304的检测由控制器308控制活甲壳动物的后续处理。这种后续处理例如包括一个或多个的:分级活甲壳动物,筛选出较低品质甲壳动物,允许或阻止活甲壳动物进入捕获笼。
图4为示出了一个示例性方法400的流程图,其包括:在402,捕捉活甲壳动物的壳的图像;在404,从捕捉图像中检测指示活甲壳动物的蜕皮阶段的图案的特征。如406所示,基于检测可确定甲壳动物的蜕皮阶段。对于多个甲壳动物,可以重复示例性方法400。
可以想到示例性方法400的变体。例如,402处的图像捕捉和404处的图案检测应该是进行中的,并且不需要严格按照示出的顺序进行。例如,404处的一个图像的图案检测未必需要在402处捕捉的下一个图像之前完成。同样,在406处,一个实施例可以有单个阈值用来区分基于蜕皮阶段的较低/较高品质动物,或者多个阈值用来区分两个以上品质级别。
更一般地说,其他实施例可包括以类似于或不同于示出顺序执行的相似的或不同的操作。
执行方法操作的各种方式,以及示例性方法400的至少一些变体从前面的描述中可以是或变得显而易见。例如,在402的捕捉可涉及利用已经被修改成去除红外滤光器并可能已经被进一步修改成包括可见光滤光器的照相机来捕捉红外图像。在404的图案特征检测可包括训练视觉检测软件用于检测图案的特征。
还可以执行其他操作,例如在一些实施例中,利用一个或多个可见的、红外的和紫外的光谱分量照射活甲壳动物。基于404处的图案特征检测可以控制活甲壳动物的后续处理。可以控制或执行:活甲壳动物分级或筛选为更低或更高产量/品质的甲壳动物,允许或阻止所述活甲壳动物进入捕获笼,和/或其他后续处理操作。
前面的描述主要涉及基于甲壳动物壳的一个或多个图像确定甲壳动物蜕皮阶段和/或相关的品质测量,例如产肉量或健康度等。蜕皮阶段的确定可以在多种应用中实现。
例如,机器视觉照相机可安装在海产品处理工厂传送机尺寸分级系统上。当每个甲壳动物在传送机上从照相机下面经过时,图像可被捕捉,然后根据捕捉图像确定每个甲壳动物的蜕皮阶段或品质。在这种应用中,对每个甲壳动物的后续处理的控制可包括控制分类站,以将较高品质甲壳动物和较低品质甲壳动物按路线发送到不同的处理目的地。品质也可以或替代地在分级甲壳动物中被使用。
图5为示出了一个示例性实现方式的框图。示例性系统500包括功能性地连接到图案检测器504的照相机502。在示出的实例中,照相机502位于在其顶部表面携带龙虾518的传送带514的上方,尽管其他布置也是可行的。图案检测器504在传送带514下面示出,但是替代地其可在其他实施例中与照相机502共同位于机器视觉系统中,或位于远离照相机和/或传送带的位置。
触发器516位于传送带514的顶部表面附近,相对于传送带的移动方向在照相机502之前,使得龙虾518当其在传送带上被移动经过触发器时拨动触发器516。在示出的实例中,触发器516功能性地连接到照相机502和图案检测器504。取决于照相机502和触发器516的相对位置,当触发器被拨动时,或基于该相对位置和传送带514的速度在一定时间延迟后,照相机会捕捉龙虾518的图像。例如,基于来自触发器516的拨动信号由控制器508进行的其他图像捕捉控制机制也是可行的。由图案检测器504进行的图案检测也可以被触发器516触发,当图像被捕捉时被照相机502触发,或者被控制器508触发。
在一些实施例中,触发器516包括光学触发器。一般来说,触发器516可为在照相机502下方或前面的位置处检测龙虾或其他甲壳动物的到达的任何类型的传感器。尽管在图5中被单独示出,触发器516可潜在地与照相机502、图案检测器504或控制器508集成为单个设备。
照相机502、图案检测器504、触发器516功能性地连接到控制器508,并且图案检测器连接用522示出。在示例性系统500中,控制器508功能性地连接到位于照相机502相对于传送带514的运动方向下游的分级器526。图案检测器504和控制器508之间的连接单独用522示出,以便表示输出连接,通过该连接,图案检测器向控制器提供给蜕皮阶段确定的指示和/或输出,以控制对龙虾518的处理。
在一些实施例中,示例性系统500也包括在544处功能性地连接到控制器508的集线器(hub)532。集线器532也在556处功能性地连接到生物学家站控制台542,并且在548和552处连接到服务器530。
在一些实施例中,服务器530包括在548处功能性地连接到集线器532的数据库536,以及接口538。接口538在550处功能性地连接到数据库536,并且可以通过服务器530的输出552功能性地连接到集线器532。
集线器532和数据库536之间的连接可以经由一个或多个中间组件(未示出),例如收听站(listener),被实现为处理设备,该处理设备执行软件算法用于管理来自生物学家站控制台542和控制器508的数据传输,并在例如数据库536中存储数据。
在一些实施例中,服务器530的接口538实现为网页,例如动态个人主页(PHP)网页。
在一些实施例中,远程用户系统540在554处功能性地连接到服务器530的接口538。
操作中,当龙虾518被传送带514向前移动时,触发器516被龙虾拨动。触发器516发信号给照相机502和/或控制器508,该信号为龙虾518在照相机下面或正在接近照相机。当龙虾518在传送带514上从照相机502下面经过时,图像被捕捉。图案检测器504在图像中检测指示蜕皮阶段的图案的特征。在一些实施例中,多个图像被捕捉。
在一个实施例中,正如被图案检测器504所确定的,特征为存在或不存在图案,这随后被用来评估龙虾518的品质。蜕皮阶段和/或品质的指示可通过522处的输出传递到控制器508。每个指示符、和/或基于其的控制信号可提供给分级器526,用于分类的目的。
照相机502与龙虾518的接近度可影响捕捉图像的质量。一般来说,照相机502和传送带514之间的距离是实现方式特定的细节,其可取决于,例如照相机502的敏感度,以及其适应图像目标的不同距离的速度。
在一些实施例中,存储着涉及龙虾518的标识符的RFID(射频识别)标签(未示出)信息附着到龙虾和照相机502,或者图案检测器504包括RFID设备。于是RFID设备可用于在RFID标签上存储涉及蜕皮阶段和/或龙虾518品质的信息。该信息也可以或替代地被发送到服务器530,用于存储在数据库536中。照相机502、图案检测器504、控制器508,或其他组件也可从RFID标签读取龙虾标识符,并将标识符发送到服务器530,从而涉及蜕皮阶段/品质的信息和/或图像(一个或多个图像)可在数据库536中与个体龙虾相关联。数据库536中与个体龙虾相关的信息记录可用于提供各种级别的细节,例如,从个体信息到遍历了全部的收捞或龙虾的子集所聚集的信息。
也可提供全球定位系统(GPS)接收机560。GPS接收机560可通过连接562功能性地连接到照相机502,或者在一些实施例中与示例性系统500的照相机或另外的组件集成在一起。连接564旨在说明GPS接收机560也可以或替代地通过示出的实例中的集线器532功能性地连接到服务器530,用于提供数据库536中的存储的位置数据。位置数据可与龙虾518的捕捉图像(一个或多个图像)相关联,以便提供龙虾被收捞的位置的记录。这种位置数据也可以或替代地与附着到龙虾518的RFID标签上的其他信息一起存储。
来自GPS接收机560的位置数据与捕捉图像(一个或多个图像)的关联性可以由示例性系统500中各种组件处理。例如,照相机502可包括GPS接收机560作为集成的组件,于是位置图像关联性可以是照相机所提供的现有功能。在实现图案检测器504的视觉系统中的其他地方,或在服务器530,这种关联性可替代地由控制器508产生。
GPS接收机560、照相机502本身、控制器508或其他组件也可以或替代地提供同样可与每个图像相关联的数据和/或时间。在一个实施例中,位置、数据和时间都与每个图像相关联,并可用于,例如,出于确定是否每个龙虾518在应季和正确的捕鱼区域中被收捞的调控目的。位置、数据和时间信息也可以或替代地用于在多次或多个区域查看生产率。
每个龙虾518也可以或替代地被分级器526分配批次和库位号,批次和库位号也可传送到服务器530和/或其他组件,例如通过批次和库位号分类龙虾的分类系统。
捕捉图像、标识符、蜕皮阶段、品质、位置、日期、时间、批次和库位号都是能够存储在数据库536中的内容的实例。所有这些类型的内容,或其一个或多个的任一子集可被存储在数据库536中,并且可能潜在地被用于分类、分离或聚集所存储的内容。例如,如果龙虾在储存或运输中死亡,存储的内容包括标识符的话,则与该特定龙虾相关联的所有信息可从数据库536中检索到。人们也可以或替代地访问数据库536,以便对各种度量编译统计数据。根据数据库中存储的信息,一个完整的收捞、收捞区域、时段等的平均蜕皮阶段和/或品质、蜕皮阶段和/或品质分布、收捞次数等,例如可从数据库536中提取,或根据从数据库提取的数据确定。例如,这种信息能够用于收捞监测、保护和/或调控目的。
在一些实施例中,数据库536为MySQL数据库。
使用输入/输出554,网上远程用户系统540可以经由接口538访问数据库536中数据。
在一些实施例中,远程用户系统540可通过集线器532及其与控制器的连接发送指令给控制器508。
在一些实施例中,控制器508在个人计算机中实现。视觉检测软件可在相同计算机中被执行,以便实现一些实施例中的图案检测器504。
生物学家站控制台542可使生物学家或其他有资格的技术人员或用户根据取样的龙虾输入有关的生物学数据,这些数据可随后被发送到并存储在数据库536中。生物学数据例如可包括取样龙虾的血蛋白浓度,可为照相机502和图案检测器504提供连续的校准数据。例如,如果取样龙虾的血蛋白浓度由另一系统或设备(未示出)确定,并被生物学家使用生物学家站控制台542输入到数据库536,那么取样龙虾可放置在传送带514上并从照相机502下面经过作为校准龙虾(calibrationlobster),以便确定图像捕捉和图案检测操作正常。如果图案检测器做出的确定和基于血蛋白浓度而预期的确定之间存在任何的不符,可对照相机502和/或图案检测器504进行调节。
生物学家也能够从生物学家站控制台542查看来自接口538的结果和报告。
在一个实施例中,接口538向数据库536提供用户发起的访问。例如,也可以想到自动的报告,将来自数据库536的数据发送到诸如调控机构等外部组件。收捞船或生产设施,例如可在特定时间间隔和/或一天中特定的次数报告收集的数据。因而,可以支持“拉出”数据访问以便按需访问数据库536中数据,和/或自动报告或其他“推送”访问机制。
图5涉及作为自动处理线一部分的示例性实现方式。另一个可行的应用应涉及在船上或工厂环境中安装机器视觉照相机。工人们随后可将龙虾或其他甲壳动物手动放置在照相机镜头下方,并等待视觉软件对其品质或蜕皮阶段的响应。取决于响应,可采取不同的行动。该响应可由任何形式的指示符提供,例如为不同蜕皮阶段/品质提供不同听觉指示符的扬声器,为不同蜕皮阶段/品质提供不同视觉指示符的光,和/或提供关于蜕皮阶段/品质更详细的信息的监视器或其他类型显示屏。
安装在包装区域中的照相机使甲壳动物能够被包装工在监视器上查看,例如,以便在包装运输箱的同时筛选出较低品质甲壳动物。
蜕皮阶段确定可潜在地在移动电话或其他手持设备中实现。例如,移动电话软件应用可使用内置照相机(没有IR滤光器或可能被修改成滤除可见光,如果使用红外成像)检测品质和/或蜕皮阶段。这种实现方式不仅可用于海产品加工者环境,而且可用于使消费者在购买前确定蜕皮阶段和品质。例如,移动电话软件应用可以通过,例如HTML网站,与海产品加工者、经销商或零售商系统的服务器或其他组件通信,其能够验证消费者的订阅,进行图像分析并将结果发送回电话。
照相机和图案检测器甚至可以安装在拒绝较低品质龙虾或其他甲壳动物进入的捕获笼之上,从而只捕获并将较高品质动物拉上岸。例如,可使用阻止进入到捕获笼的栅栏,直到完成蜕皮阶段/品质确定。如果试图进入捕获笼的甲壳动物被确定为是较低品质的,则栅栏会保持在适当的位置,或者如果试图进入捕获笼的甲壳动物被确定为高品质的,则移动栅栏到允许进入。
前面的描述主要涉及基于诸如龙虾的头胸部的融合脊部处的暗带等图案的特征确定甲壳动物蜕皮阶段。蜕皮前早期到晚期不同阶段的龙虾图像揭示了壳的亮度在IR光谱内也发生变化。当龙虾历经早期的蜕皮前阶段到晚期的蜕皮前阶段时,壳的亮度继续增加。与高级蜕皮前龙虾(advancedpre-moultlobsters)的开始相关联的阈值亮度水平也可以或替代地用作将龙虾IR图像,进而将龙虾,区分成蜕皮前的早期组和晚期组的特征。因此,应理解,也可以或替代地被图案检测器304、504(图3和图5)或在404处(图4)检测到的图案的另外特征可为整个壳图案的亮度,而不仅仅是上述的暗带。
晚期的蜕皮前龙虾(也称为高级蜕皮前或“进入蜕皮”龙虾)的蜕皮阶段不能通过将龙虾储存在低温水中来阻止。这就是为什么这种龙虾可被表征为“进入蜕皮(committedtomoult)”,并且使龙虾不适合长期储存。然而,早期的蜕皮前龙虾的蜕皮过程可用冷水储存来阻止,因此这种龙虾壳被保存在长期储存系统中,而没有使它们在储存中试图蜕皮和死亡的风险。
捕获的龙虾将具有依赖于季节和收捞区域的晚期的蜕皮前龙虾的变化的比例。如果蜕皮前龙虾的比例很高,则整个捕获品通常被降级为短期储存,尽管该捕获品中存在可接收的、品质好的长期存储的龙虾,这是因为捕获品中储存该比例的晚期的蜕皮前龙虾有死亡的风险。此处公开的蜕皮阶段确定技术可用于从捕获品中有效地仅识别出并去除晚期的蜕皮前龙虾,这进而会使收捞者或购买者避免降级整个捕捞品,并因此使至少一部分捕捞品可用于长期储存。
在一些实施例中,视觉系统可被训练成检测蜕皮阶段,从蜕皮后到晚期的蜕皮前。这种视觉系统也可以或替代地被训练,以便检测经常被手动地测量或被确定的个体龙虾的其他物理属性。这些物理属性例如可包括以下中的一个或多个:
龙虾和/或蟹类的背甲长度,通常用于确定龙虾或蟹的大小,并且在最小容许法定尺寸龙虾的收捞规定内使用的尺寸(例如,龙虾的80-85mm背甲长度,取决于捕鱼区);
壳缺陷,例如破裂或损伤的外骨骼,这些在可见颜色光谱中经常很难识别,这是由于甲壳动物壳上“乱(busy)”的图案可能掩盖破裂或损伤的外骨骼;
脱落或破损的腿部;
性别,基于雄性龙虾中相对于背甲长度的尾部宽度更小,相比于具有较宽的尾部宽度的雌性;
壳的形态测定,诸如各种爪子、躯体和/或尾部测量值等;这些测量值会潜在地允许人们将动物和发现其中有独特的壳物理属性的特定收捞区域相关联。
为了渔业管理目的,许多这些测量值包含在收捞和生物量调查中。此处公开的实施例,例如照相机和视觉系统,能够允许快速且容易地收集这种数据。在一些实施例中,这类数据可收集在配备有视觉系统的渔船上,该视觉系统不仅用于蜕皮阶段和/或物理属性确定,也可以或替代地用于多种目的,例如上报拉上岸的捕捞品,区域捕捞的龙虾的特定统计数据(如果在图像扫描的同时收集GPS信息)等。
在收捞船上有能力通过蜕皮阶段进行分类也将允许对每个各个动物进行客观的个体评估,从而可以通过品质类型被单独评级。在个体水平上,这种评估和评级水平可避免或至少缓解以下问题,例如:将整个捕捞品分类为不适合长期储存,尽管捕捞品中包括能够在更长期的储存和运输中存活的动物;以及较低品质龙虾被销售和分配到长距离位置,导致由于龙虾缺乏承受这种路程的健康度而造成的高死亡率。通过使收捞者在渔船上按品质进行识别并分开,可实现更有效的使用策略,以便降低销售劣质龙虾产生的死亡率。例如,较低品质龙虾可被识别并运送给加工者,在那里可被加工和包装,而较高级别龙虾可用于在市场上有更高的价格和价值的活物运输销售。
同样,在分配或移动系统中,数据可以在沿着在被运送到海外的批发商处的分级设施之前、从卸货于码头的收捞起的分配链的任意点处被收集,和/或甚至由对这种数据感兴趣的终端消费者收集。
如上所述,诸如多样的爪子、躯体和/或尾部测量值等壳的形态测定会使人们将动物和特定收捞区域相关联。个体动物可具有能用来唯一地识别个体动物的唯一的颜色和/或形态学图案或特征,例如为了可追溯性目的。使用可见颜色光谱照相机成像可提供颜色图案检测,但是IR图像可更适合于获取形态学图案/特征。这类成像和检测在能够实现可追溯性中会起重要的作用,从而能够使用这类生物统计学在整个分配系统来识别个体龙虾。如上所述的RFID标签表示一个可能的个体识别选项,不涉及附着到动物的额外的组件的另一选项可使用这种生物统计学。
蜕皮阶段说明了能够基于活甲壳动物的成像而确定的一类物理属性。在上述参照图3至图5描述的实施例中,确定蜕皮阶段基于捕捉图像或多个捕捉图像中的特征,例如预定图案或整个壳图案。更一般地说,通过处理这种捕捉图像(一个或多个图像)可确定活甲壳动物的物理属性。
图6为示出了另一个示例性装置的框图。示例性装置600可与图3的示例性装置300基本相同,除了示例性装置600包括图像处理器604,而示例性装置300包括图案检测器304。在一些实施例中,图像处理器604可执行相同于或类似于图案检测器304所执行任务的图案检测任务,尽管在其他实施例中,图像处理器执行不同的或另外的图像处理,以便确定一个或多个物理属性。换言之,示例性装置600可基于图像中图案的特征确定蜕皮阶段,但其也可以或替代地确定例如如上所述的活甲壳动物的其他物理属性。
例如,为了确定龙虾的背甲长度,图像处理器604可处理捕捉图像,以便确定背甲端点,根据该背甲端点可以计算背甲长度。基于龙虾的背甲长度和/或尾部宽度的性别、和/或例如爪子宽度的其他壳的形态测定,和任何这些尺寸的比值,可由图像处理器604以基于识别壳边缘、端点和/或捕捉图像的其他结构的类似的方式进行确定。这些数据可用于识别特定区域的龙虾,或者可用于推断龙虾的重量,允许人们对龙虾分级并分配重量而不用对每个龙虾物理上称重,这可提高尺寸分级系统的吞吐量。图像处理器604可在视觉系统中实现,并且被训练成检测壳缺陷和/或脱落或破损的腿部。
示例性装置600否则可在结构和操作上类似于示此处详细描述的例性装置300。可在示例性装置300中提供的其他特征也可以或替代地提供在示例性装置600中。例如,测量点、结构、或图案可能在不同类型的图像中更加突出,并且多个不同类型的图像可被捕捉到。图像处理器604的图像处理可使用多个相同或不同类型的图像,并且可执行不同类型的处理。一个类型的捕捉图像可从另一类型的捕捉图像中减去,例如,以便于在合成处理的图像中检测感兴趣的特征或物理属性。基于确定的物理属性,控制器608可控制各种操作。
图7为示出了另一个示例性方法700的流程图,该方法可基本类似于图4中示出的示例性方法400,但在704处包括图像处理操作,而示例性方法400包括图案特征检测操作404,并且示例性方法700包括在706处包括确定物理属性的操作,而示例性方法400包括确定蜕皮阶段的操作406。操作704、706可包括操作404、406,和/或确定除了或不同于蜕皮阶段的物理属性的其他操作。
图8为示出了另一个示例性实现方式800的框图,其与图5的示例性实现方式500基本相同,但是包括图像处理器804,而示例性实现方式500包括图案检测器808。除此以外示例性实现方式500、800可在结构和操作上基本相同。
物理属性确定、数据收集、数据上报和/或可追溯性对各方而言是有重要价值的。例如,物理属性确定对收捞者可能具有的经济价值在于他们对收捞的动物是更有选择力的。较高品质动物可被收捞和销售,较低品质动物可在收捞船上被识别并被扔回。这不仅能够增加收捞者的产品价值和收入,而且也具有保存价值。上面讨论了物理属性确定其他可能的优点,在识别并分类不同级别的动物方面。数据收集、数据上报和可追溯性例如对政府或其他调控机构也可具有高的保存价值和/或科学价值。
上文所述仅仅是用于说明本发明实施例原理的应用。其他的布置和方法也可以由本领域技术人员来实现,而不脱离本发明的范围。
例如,附图仅仅用于说明目的。其他实施例可包括以类似于或不同于示出的方式设置的更多、更少或附加的特征。
此处公开的预定图案(即,龙虾的头胸部的融合脊部处的暗带)也仅仅用于说明的目的。还可以存在可用于确定蜕皮中龙虾(能成功储存和运输)和活性蜕皮前龙虾(不能很好地储存,通常也不能很好地运输)之间的差异的另外的和/或可替代的特征。例如,如果使用高对比度的红外图像,在蜕皮阶段确定中这种高水平的间隔或分辨率也是可行的。在高对比度的红外图像中,如上所述的暗带和/或其他壳特征会更加突出。同理,其他特征或物理属性在不同类型图像中会类似地更加突出。
此处公开的技术的另一种可能的变体将是检测接近活性蜕皮前阶段的龙虾中壳颜色的变化。这种颜色变化在可见光谱、红外光谱或紫外光谱中会更容易被检测到,相应地,蜕皮阶段确定可基于可见的,红外的和/或紫外光谱图像捕捉和图案检测。因而,一般而言,此处公开的技术可应用于可见光谱成像、红外成像或紫外光谱成像,或者多种类型成像在一些实施例中可用于确定蜕皮阶段和/或其他物理属性。
同样,上文的蜕皮阶段确定或检测主要作为较高/较低品质龙虾的通过/不通过进行描述。然而,图像分辨率例如可允许区分低、中和高品质龙虾的三个级别,或可能甚至更多的等级。例如,如上所述的IR成像下暗带的消失似乎是渐进的,因此多个阈值可用于适应个体收捞船或处理工厂的品质分类目的。
另外,尽管主要在方法和系统的情况下进行了描述,也可以想到其他的实现方式,例如,在图案检测、图像处理和/或控制特征的情况下,存储在非瞬态计算机可读介质中的指令。

Claims (94)

1.一种装置,包括:
照相机,用于捕捉活甲壳动物的壳的图像;以及
图案检测器,可操作地连接到所述照相机,用于根据捕捉图像检测指示所述活甲壳动物的蜕皮阶段的图案的特征。
2.根据权利要求1所述的装置,所述图像包括所述活甲壳动物的可见光谱图像。
3.根据权利要求1所述的装置,所述图像包括所述活甲壳动物的红外光谱图像。
4.根据权利要求1所述的装置,所述图像包括所述活甲壳动物的紫外光谱图像。
5.根据权利要求1至4中任一项所述的装置,所述图案检测器是进一步可操作的,用于根据由所述照相机捕捉的所述活甲壳动物的另一图像检测指示所述活甲壳动物的蜕皮阶段的图案的特征。
6.根据权利要求5所述的装置,所述另一图像的图案不同于所述图像的图案。
7.根据权利要求3所述的装置,所述照相机包括已经被修改成去除红外滤光器的照相机。
8.根据权利要求7所述的装置,其中,所述照相机已经被进一步修改成包括可见光滤光器。
9.根据权利要求1至8中任一项所述的装置,所述图案检测器包括用于执行视觉检测软件的处理设备。
10.根据权利要求1至9中任一项所述的装置,进一步包括:
用于照射所述活甲壳动物的照射源。
11.根据权利要求10所述的装置,所述照射源提供一个或多个可见的、红外的和紫外的光谱分量。
12.根据权利要求10或权利要求11所述的装置,
所述照射源可操作地连接到所述照相机,
所述照相机控制所述照射源,用于照射所述活甲壳动物。
13.根据权利要求12所述的装置,所述照相机控制所述照射源,用于在所述图像将要被捕捉时照射所述活甲壳动物。
14.根据权利要求12所述的装置,所述照相机控制所述照射源,用于仅在特定操作条件下照射所述活甲壳动物。
15.根据权利要求12至14中任一项所述的装置,所述照射源包括所述照相机的闪光灯。
16.根据权利要求1至15中任一项所述的装置,进一步包括:
电源,可操作地被连接,用于向所述照相机和所述图案检测器供电。
17.根据权利要求1至16中任一项所述的装置,进一步包括:
控制器,可操作地被连接到所述图案检测器,用于基于检测控制所述活甲壳动物的后续处理。
18.根据权利要求17所述的装置,其中,所述后续处理包括以下中的一个或多个:
分级所述活甲壳动物;
筛选出较低品质甲壳动物;
允许或阻止所述活甲壳动物进入捕获笼。
19.根据权利要求1至17中任一项所述的装置,在以下中的一个或多个中实现:
传送机尺寸分级系统,用于确定所述活甲壳动物的蜕皮阶段或品质;
船只或工厂环境,其中所述活甲壳动物放置在所述照相机下方,并且由所述图案检测器提供对于其品质或蜕皮阶段的响应;
包装区域,其中所述活甲壳动物能够被包装工在监视器上查看,以便在包装运输箱的同时筛选出较低品质甲壳动物;
移动电话,用于检测品质和/或蜕皮阶段,其中所述照相机包括所述移动电话的内置照相机;
手持设备;
捕获笼,基于所述图案检测器的确定而拒绝较低品质活甲壳动物进入。
20.根据权利要求1至4中任一项所述的装置,所述图案检测器是可操作的,用于接收包括由所述照相机捕捉的所述捕捉图像的多个图像,并且基于所述多个图像检测指示所述活甲壳动物的蜕皮阶段的图案的特征。
21.根据权利要求20所述的装置,所述多个图像包括不同类型的图像。
22.根据权利要求21所述的装置,进一步包括:
可切换滤光器,包括使照相机能够捕捉所述不同类型的图像的多个滤光器。
23.根据权利要求22所述的装置,所述多个滤光器可移入且可移出所述照相机和所述活甲壳动物之间的成像光路。
24.根据权利要求22所述的装置,所述多个滤光器可移入且可移出照射源和所述活甲壳动物之间的照射光路。
25.根据权利要求1至24中任一项所述的装置,所述特征包括以下中的一个或多个:
所述壳的所述捕捉图像中不存在/存在预定图案;
所述壳的所述捕捉图像中所述预定图案的亮度;以及
所述壳的所述捕捉图像中所述壳的整个图案的亮度。
26.根据权利要求1至25中任一项所述的装置,进一步包括:
全球定位系统(GPS)接收机,用于提供与所述捕捉图像相关联的位置信息。
27.一种方法,包括:
捕捉活甲壳动物的壳的图像;以及
根据捕捉图像检测指示所述活甲壳动物的蜕皮阶段的图案的特征。
28.根据权利要求27所述的方法,所述捕捉包括捕捉所述活甲壳动物的可见光谱图像。
29.根据权利要求27所述的方法,所述捕捉包括捕捉所述活甲壳动物的红外光谱图像。
30.根据权利要求27所述的方法,所述捕捉包括捕捉所述活甲壳动物的紫外光谱图像。
31.根据权利要求27至30中任一项所述的方法,进一步包括:
捕捉所述活甲壳动物的另一图像;
根据所述另一图像检测指示所述活甲壳动物的蜕皮阶段的图案的特征。
32.根据权利要求31所述的方法,所述另一图像的图案不同于所述图像的图案。
33.根据权利要求29所述的方法,所述捕捉包括利用已经被修改成去除红外滤光器的照相机来捕捉所述红外图像。
34.根据权利要求29所述的方法,所述捕捉包括利用已经被修改成去除红外滤光器并包括可见光滤光器的照相机来捕捉所述红外图像。
35.根据权利要求27至34中任一项所述的方法,所述检测包括训练视觉检测软件用于检测所述图案的特征。
36.根据权利要求27至35中任一项所述的方法,进一步包括:
照射所述活甲壳动物。
37.根据权利要求36所述的方法,所述照射包括利用一个或多个可见的、红外的和紫外的光谱分量照射所述活甲壳动物。
38.根据权利要求27至37中任一项所述的方法,进一步包括:
基于所述检测控制所述活甲壳动物的后续处理。
39.根据权利要求38所述的方法,其中,所述后续处理包括以下中的一个或多个:
分级所述活甲壳动物;
筛选出较低品质甲壳动物;
允许或阻止所述活甲壳动物进入捕获笼。
40.根据权利要求27至30中任一项所述的方法,
所述捕捉包括捕捉多个图像,所述多个图像包括所述捕捉图像,
所述检测包括基于所述多个图像检测指示所述活甲壳动物的蜕皮阶段的所述图案的特征。
41.根据权利要求40所述的方法,所述多个图像包括不同类型的图像。
42.根据权利要求41所述的方法,进一步包括:
将多个滤光器移入和移出光路,以便能够捕捉所述不同类型的图像。
43.根据权利要求42所述的方法,所述光路包括所述照相机和所述活甲壳动物之间的成像光路。
44.根据权利要求42所述的方法,所述光路包括照射源和所述活甲壳动物之间的照射光路。
45.根据权利要求27至43中任一项所述的方法,所述特征包括以下中的一个或多个:
所述壳的所述捕捉图像中预定图案的不存在/存在;
所述壳的所述捕捉图像中所述预定图案的亮度;以及
所述壳的所述捕捉图像中所述壳的整个图案的亮度。
46.根据权利要求27至45中任一项所述的方法,进一步包括:
收集位置信息;
关联所述位置信息与所述捕捉图像。
47.一种机器视觉系统的应用,用来捕捉活甲壳动物的图像,并且根据捕捉图像检测指示所述活甲壳动物的蜕皮阶段的图案的特征。
48.一种装置,包括:
照相机,用于捕捉活甲壳动物的壳的图像;
可操作地连接到所述照相机的图像处理器,用于处理捕捉图像,以便确定所述活甲壳动物的物理属性。
49.根据权利要求48所述的装置,所述物理属性包括以下中的一个或多个:
蜕皮阶段;
背甲长度;
壳缺陷;
脱落或破损的腿部;
性别;
壳的形态测定。
50.根据权利要求48或权利要求49所述的装置,所述图像包括所述活甲壳动物的可见光谱图像。
51.根据权利要求48或权利要求49所述的装置,所述图像包括所述活甲壳动物的红外光谱图像。
52.根据权利要求48或权利要求49所述的装置,所述图像包括所述活甲壳动物的紫外光谱图像。
53.根据权利要求48或权利要求49所述的装置,所述图像处理器是进一步可操作的,用于根据由所述照相机捕捉的所述活甲壳动物的另一图像确定所述活甲壳动物的物理属性。
54.根据权利要求53所述的装置,根据所述另一图像确定的物理属性不同于根据所述图像确定的物理属性。
55.根据权利要求51所述的装置,所述照相机包括已经被修改成去除红外滤光器的照相机。
56.根据权利要求55所述的装置,其中,所述照相机已经被进一步修改成包括可见光滤光器。
57.根据权利要求48至56中任一项所述的装置,所述图像处理器包括用于执行视觉检测软件的处理设备。
58.根据权利要求48至57中任一项所述的装置,进一步包括:
用于照射所述活甲壳动物的照射源。
59.根据权利要求58所述的装置,所述照射源提供一个或多个可见的、红外的和紫外的光谱分量。
60.根据权利要求59所述的装置,
所述照射源可操作地连接到所述照相机,
所述照相机控制所述照射源,用于照射所述活甲壳动物。
61.根据权利要求60所述的装置,所述照相机控制所述照射源,用于在所述图像将要被捕捉时照射所述活甲壳动物。
62.根据权利要求60所述的装置,所述照相机控制所述照射源,用于仅在特定操作条件下照射所述活甲壳动物。
63.根据权利要求60至62中任一项所述的装置,所述照射源包括所述照相机的闪光灯。
64.根据权利要求48至63中任一项所述的装置,进一步包括:
电源,可操作地被连接,用于向所述照相机和图案检测器供电。
65.根据权利要求48至64中任一项所述的装置,进一步包括:
控制器,可操作地被连接到所述图像处理器,用于基于确定的物理属性控制所述活甲壳动物的后续处理。
66.根据权利要求65所述的装置,其中,所述后续处理包括以下中的一个或多个:
分级所述活甲壳动物;
筛选出较低品质甲壳动物;
允许或阻止所述活甲壳动物进入捕获笼。
67.根据权利要求48至65中任一项所述的装置,在以下中的一个或多个中实现:
传送机尺寸分级系统,用于确定所述活甲壳动物的蜕皮阶段或品质;
船只或工厂环境,其中所述活甲壳动物放置在所述照相机下方,并且由所述图像处理器提供对于其确定的物理属性的响应;
包装区域,其中所述活甲壳动物能够被包装工在监视器上查看,以便在包装运输箱的同时筛选出较低品质甲壳动物;
移动电话,其中所述照相机包括所述移动电话的内置照相机;
手持设备;
捕获笼,基于所述图像处理器的确定而拒绝较低品质活甲壳动物进入。
68.根据权利要求48至52中任一项所述的装置,所述图像处理器是可操作的,用于接收包括由所述照相机捕捉的所述捕捉图像的多个图像,并且基于所述多个图像确定所述活甲壳动物的物理属性。
69.根据权利要求68所述的装置,所述多个图像包括不同类型的图像。
70.根据权利要求69所述的装置,进一步包括:
可切换滤光器,包括使照相机能够捕捉所述不同类型的图像的多个滤光器。
71.根据权利要求70所述的装置,所述多个滤光器可移入且可移出所述照相机和所述活甲壳动物之间的成像光路。
72.根据权利要求70所述的装置,所述多个滤光器可移入且可移出照射源和所述活甲壳动物之间的照射光路。
73.根据权利要求48至72中任一项所述的装置,进一步包括:
全球定位系统(GPS)接收机,用于提供与所述捕捉图像相关联的位置信息。
74.一种方法,包括:
捕捉活甲壳动物的壳的图像;以及
处理捕捉图像,以便确定所述活甲壳动物的物理属性。
75.根据权利要求74所述的方法,所述物理属性包括以下中的一个或多个:
蜕皮阶段;
背甲长度;
壳缺陷;
脱落或破损的腿部;
性别;
壳的形态测定。
76.根据权利要求74或权利要求75所述的方法,所述捕捉包括捕捉所述活甲壳动物的可见光谱图像。
77.根据权利要求74或权利要求75所述的方法,所述捕捉包括捕捉所述活甲壳动物的红外光谱图像。
78.根据权利要求74或权利要求75所述的方法,所述捕捉包括捕捉所述活甲壳动物的紫外光谱图像。
79.根据权利要求74或权利要求75所述的方法,进一步包括:
捕捉所述活甲壳动物的另一图像;
根据所述照相机捕捉的所述活甲壳动物的另一图像确定所述活甲壳动物的物理属性。
80.根据权利要求79所述的方法,根据所述另一图像确定的物理属性不同于根据所述图像确定的物理属性。
81.根据权利要求77所述的方法,所述捕捉包括利用已经被修改成去除红外滤光器的照相机来捕捉所述红外图像。
82.根据权利要求77所述的方法,所述捕捉包括利用已经被修改成去除红外滤光器并包括可见光滤光器的照相机来捕捉所述红外图像。
83.根据权利要求74至82中任一项所述的方法,所述检测包括训练视觉检测软件用于检测指示所述物理属性的所述捕捉图像的特征。
84.根据权利要求74至83中任一项所述的方法,进一步包括:
照射所述活甲壳动物。
85.根据权利要求84所述的方法,所述照射包括利用一个或多个可见的、红外的和紫外的光谱分量照射所述活甲壳动物。
86.根据权利要求74至85中任一项所述的方法,进一步包括:
基于所述检测控制所述活甲壳动物的后续处理。
87.根据权利要求86所述的方法,其中,所述后续处理包括以下中的一个或多个:
分级所述活甲壳动物;
筛选出较低品质甲壳动物;
允许或阻止所述活甲壳动物进入捕获笼。
88.根据权利要求74至78中任一项所述的方法,
所述捕捉包括捕捉多个图像,所述多个图像包括所述捕捉图像,
所述处理包括基于所述多个图像确定所述活甲壳动物的物理属性。
89.根据权利要求88所述的方法,所述多个图像包括不同类型的图像。
90.根据权利要求89所述的方法,进一步包括:
将多个滤光器移入和移出光路,以便能够捕捉所述不同类型的图像。
91.根据权利要求90所述的方法,所述光路包括所述照相机和所述活甲壳动物之间的成像光路。
92.根据权利要求90所述的方法,所述光路包括照射源和所述活甲壳动物之间的照射光路。
93.根据权利要求74至92中任一项所述的方法,进一步包括:
收集位置信息;
关联所述位置信息与所述捕捉图像。
94.一种机器视觉系统的应用,用来捕捉活甲壳动物的图像,并且根据捕捉的图像确定所述活甲壳动物的物理属性。
CN201380072442.0A 2013-02-06 2013-12-04 用于确定甲壳动物物理属性的成像 Active CN105164521B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910287240.7A CN110057838B (zh) 2013-02-06 2013-12-04 用于确定甲壳动物物理属性的成像

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361761417P 2013-02-06 2013-02-06
US61/761,417 2013-02-06
US201361904698P 2013-11-15 2013-11-15
US61/904,698 2013-11-15
PCT/CA2013/050930 WO2014121371A1 (en) 2013-02-06 2013-12-04 Imaging for determination of crustacean physical attributes

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201910287240.7A Division CN110057838B (zh) 2013-02-06 2013-12-04 用于确定甲壳动物物理属性的成像

Publications (2)

Publication Number Publication Date
CN105164521A true CN105164521A (zh) 2015-12-16
CN105164521B CN105164521B (zh) 2019-05-07

Family

ID=51299111

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201380072442.0A Active CN105164521B (zh) 2013-02-06 2013-12-04 用于确定甲壳动物物理属性的成像
CN201910287240.7A Active CN110057838B (zh) 2013-02-06 2013-12-04 用于确定甲壳动物物理属性的成像

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201910287240.7A Active CN110057838B (zh) 2013-02-06 2013-12-04 用于确定甲壳动物物理属性的成像

Country Status (8)

Country Link
US (2) US10111411B2 (zh)
EP (1) EP2954313B1 (zh)
JP (2) JP2016512420A (zh)
CN (2) CN105164521B (zh)
AU (1) AU2013377779B2 (zh)
CA (1) CA2898895C (zh)
NZ (1) NZ710440A (zh)
WO (1) WO2014121371A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106305567A (zh) * 2016-08-21 2017-01-11 盘锦光合蟹业有限公司 一种用于河蟹判别的图像识别方法
CN110074030A (zh) * 2019-04-11 2019-08-02 浙江大学 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
CN111491508A (zh) * 2017-12-20 2020-08-04 英特维特国际股份有限公司 用于水产养殖中的鱼外部寄生虫监测的系统
CN111511203A (zh) * 2017-12-20 2020-08-07 英特维特国际股份有限公司 用于水产养殖中的鱼外部寄生虫监测的方法和系统
CN111511202A (zh) * 2017-12-20 2020-08-07 英特维特国际股份有限公司 用于水产养殖中的鱼外部寄生虫监测的系统
CN111511201A (zh) * 2017-12-20 2020-08-07 英特维特国际股份有限公司 用于水产养殖中的鱼外部寄生虫监测的系统
CN112305081A (zh) * 2020-11-30 2021-02-02 居天智慧(深圳)有限公司 基于高级食材的超声监测器
CN112841099A (zh) * 2021-03-19 2021-05-28 东营市阔海水产科技有限公司 基于图像检测对虾头部病变的检测装置

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CL2014003045A1 (es) * 2014-11-09 2015-01-09 Pablo Santamarina Cuneo Juan Dispositivo portátil para el registro en terreno de parámetros productivos y análisis de imágenes digitales de las estructuras externas e internas macroscópicas de los peces, comprende una caja en cuyo interior posee lámparas de iluminación, cámaras fotográficas digitales, filtros de luz, placas abatibles de muestreo de peces, celdas de registro de peso, tabla de registro de longitud, tarjeta electrónica y panel de control.
US20160203591A1 (en) * 2015-01-09 2016-07-14 Umm Al-Qura University System and process for monitoring the quality of food in a refrigerator
CA2904958A1 (en) * 2015-09-24 2017-03-24 Canadian Centre For Fisheries Innovation (Ccfi) A sensor-guided automated method and system for processing crustaceans
PH12016000476A1 (en) * 2016-12-21 2019-01-21 De La Salle Univ Method and apparatus for identifying the species of a target crab
US10881087B1 (en) 2017-08-07 2021-01-05 Kris Poulsen And Associates, Llc Method of harvesting crustaceans
US11627730B1 (en) * 2017-08-07 2023-04-18 Kris Poulsen And Associates, Llc Method of harvesting crustaceans
CN107439446A (zh) * 2017-09-25 2017-12-08 无为县姚沟杭仁政家庭农场 基于手机app控制的螃蟹养殖用增氧系统及其使用方法
KR102027039B1 (ko) * 2017-12-08 2019-09-30 한국로봇융합연구원 영상처리분석을 이용한 대상물 자동 정렬, 공급 시스템, 및 대상물 자동 정렬, 공급 방법
CA3088038A1 (en) * 2018-01-11 2019-07-18 Happy Fish Technologies Inc. System and methods for real-time condition monitoring and traceability of seafood
US11337432B1 (en) * 2018-04-03 2022-05-24 University Of Maryland, College Park Automated crab meat picking system and method
CN111248169A (zh) * 2020-01-16 2020-06-09 苏华 一种新型抄网及其数据查询方法、系统
US11147251B1 (en) * 2020-04-01 2021-10-19 Lillian R Fu Nature-inspired design and engineering of autonomous seafood capturing, sorting and delivering system
PE20230991A1 (es) * 2020-11-24 2023-06-21 Rynan Tech Pte Ltd Sistema inteligente de monitorizacion del crecimiento y la salud en la acuicultura
CN112763487B (zh) * 2020-12-09 2023-03-21 天津市水产研究所 一种水产动物高通量表型获取装置
KR102620688B1 (ko) * 2023-04-25 2024-01-03 주식회사 하버 인공지능 기반 갑각류 등급 산출 시스템

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992012627A1 (fr) * 1989-06-06 1992-08-06 Serge Nestor Simeon Selecteur de poissons, crustaces et autres produits aquacoles
WO1994003793A1 (en) * 1992-08-07 1994-02-17 Sinvent As Method for determining the kind and distribution of tissue in living organisms
CN1181288A (zh) * 1997-10-15 1998-05-13 安玉平 一种限制门式分选虾类等级和将杂鱼分出的设备
US20060124071A1 (en) * 2002-08-19 2006-06-15 Watermark Seafoods Pty Ltd System for harvesting crustaceans
WO2008016309A1 (en) * 2006-08-04 2008-02-07 Sinvent As Multi-modal machine-vision quality inspection of food products
US20090132174A1 (en) * 2007-11-19 2009-05-21 Burke Timothy A Seafood physical characteristic estimation system and method
CN203018326U (zh) * 2012-12-21 2013-06-26 浙江大学 一种基于机器视觉技术的对虾品质检测分级装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3587745B2 (ja) * 1999-09-08 2004-11-10 株式会社ニチレイ 甲殻類の剥ぎ残し殻の検出排除方法及び装置
RU2308720C1 (ru) * 2006-06-20 2007-10-20 Сергей Викторович Холодкевич Способ биологического мониторинга окружающей среды (варианты) и система для его осуществления
JP2008070925A (ja) * 2006-09-12 2008-03-27 Nippo Ltd 食用カニの管理システム
US7912366B2 (en) * 2006-12-11 2011-03-22 Kyocera Corporation System and method for providing photograph location information in a wireless communication device
JP5164267B2 (ja) 2008-11-11 2013-03-21 島根県 蟹の品質判別方法
EP2425232B1 (en) 2009-04-30 2013-01-09 Wilcox Associates, Inc. An inspection method and an inspection apparatus
CL2009002085A1 (es) * 2009-11-16 2011-03-11 Univ Pontificia Catolica Chile Metodo y sistema para analizar automaticamente en tiempo real la calidad de muestras de carnes de pescado que circulan por una cinta transportadora, que permiten detectar defectos superficiales y clasificar las carnes segun patrones de calidad, en base a la segmentacion de las imagenes capturadas.
CN101923069B (zh) * 2010-06-28 2012-12-12 中国水产科学研究院淡水渔业研究中心 一种判别不同产地中华绒螯蟹的方法
CN101893612A (zh) * 2010-07-09 2010-11-24 中国水产科学研究院黄海水产研究所 色谱法测定南极磷虾油中虾青素含量的方法
CN102487853B (zh) * 2011-11-18 2013-09-04 洪水根 鲎的人工育苗与养殖方法
CA2833488C (en) * 2012-12-19 2020-07-28 Laitram, L.L.C. Shrimp processing system and methods

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992012627A1 (fr) * 1989-06-06 1992-08-06 Serge Nestor Simeon Selecteur de poissons, crustaces et autres produits aquacoles
WO1994003793A1 (en) * 1992-08-07 1994-02-17 Sinvent As Method for determining the kind and distribution of tissue in living organisms
CN1181288A (zh) * 1997-10-15 1998-05-13 安玉平 一种限制门式分选虾类等级和将杂鱼分出的设备
US20060124071A1 (en) * 2002-08-19 2006-06-15 Watermark Seafoods Pty Ltd System for harvesting crustaceans
WO2008016309A1 (en) * 2006-08-04 2008-02-07 Sinvent As Multi-modal machine-vision quality inspection of food products
US20090132174A1 (en) * 2007-11-19 2009-05-21 Burke Timothy A Seafood physical characteristic estimation system and method
CN203018326U (zh) * 2012-12-21 2013-06-26 浙江大学 一种基于机器视觉技术的对虾品质检测分级装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
GEOFFREY K. WALLAT等: "Analysis of Skin Color Development in Live Goldfish Using a Color Machine Vision System", 《NORTH AMERICAN JOURNAL OF AQUACULTURE》 *
M. J. O"HALLORAN AND R. K. O"DOR: "MOLT CYCLE OF MALE SNOW CRABS, CHIONOECETES OPILIO, FROM OBSERVATIONS OF EXTERNAL FEATURES, SETAL CHANGES, AND FEEDING BEHAVIOR", 《JOURNAL OF CRUSTACEAN BIOLOGY》 *
石传翠等: "《怎样养殖龙虾》", 31 July 2002 *
罗艳: "基于机器视觉技术的对虾规格检测方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
麦贤杰等: "《对虾健康养殖学》", 31 July 2009, 海洋出版社 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106305567A (zh) * 2016-08-21 2017-01-11 盘锦光合蟹业有限公司 一种用于河蟹判别的图像识别方法
US11533893B2 (en) 2017-12-20 2022-12-27 Intervet Inc. Method and system for external fish parasite monitoring in aquaculture
CN111491508A (zh) * 2017-12-20 2020-08-04 英特维特国际股份有限公司 用于水产养殖中的鱼外部寄生虫监测的系统
CN111511203A (zh) * 2017-12-20 2020-08-07 英特维特国际股份有限公司 用于水产养殖中的鱼外部寄生虫监测的方法和系统
CN111511202A (zh) * 2017-12-20 2020-08-07 英特维特国际股份有限公司 用于水产养殖中的鱼外部寄生虫监测的系统
CN111511201A (zh) * 2017-12-20 2020-08-07 英特维特国际股份有限公司 用于水产养殖中的鱼外部寄生虫监测的系统
CN111491508B (zh) * 2017-12-20 2022-05-24 英特维特国际股份有限公司 用于水产养殖中的鱼外部寄生虫监测的系统
US11632939B2 (en) 2017-12-20 2023-04-25 Intervet Inc. System for external fish parasite monitoring in aquaculture
US11825814B2 (en) 2017-12-20 2023-11-28 Intervet Inc. System for external fish parasite monitoring in aquaculture
US11849707B2 (en) 2017-12-20 2023-12-26 Intervet Inc. Method and system for external fish parasite monitoring in aquaculture
US11980170B2 (en) 2017-12-20 2024-05-14 Intervet Inc. System for external fish parasite monitoring in aquaculture
CN110074030A (zh) * 2019-04-11 2019-08-02 浙江大学 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
CN112305081A (zh) * 2020-11-30 2021-02-02 居天智慧(深圳)有限公司 基于高级食材的超声监测器
CN112841099A (zh) * 2021-03-19 2021-05-28 东营市阔海水产科技有限公司 基于图像检测对虾头部病变的检测装置

Also Published As

Publication number Publication date
WO2014121371A1 (en) 2014-08-14
US20190029234A1 (en) 2019-01-31
JP2017195891A (ja) 2017-11-02
EP2954313B1 (en) 2019-10-16
CA2898895A1 (en) 2014-08-14
AU2013377779B2 (en) 2017-01-05
JP2016512420A (ja) 2016-04-28
US20150359205A1 (en) 2015-12-17
CA2898895C (en) 2019-09-24
JP6503414B2 (ja) 2019-04-17
US10111411B2 (en) 2018-10-30
AU2013377779A1 (en) 2015-08-13
CN110057838B (zh) 2022-05-10
EP2954313A4 (en) 2016-10-12
US10638730B2 (en) 2020-05-05
NZ710440A (en) 2018-10-26
CN110057838A (zh) 2019-07-26
CN105164521B (zh) 2019-05-07
EP2954313A1 (en) 2015-12-16

Similar Documents

Publication Publication Date Title
CN105164521A (zh) 用于确定甲壳动物物理属性的成像
Saberioon et al. Application of machine vision systems in aquaculture with emphasis on fish: state‐of‐the‐art and key issues
Fernandes et al. Image analysis and computer vision applications in animal sciences: an overview
Nasirahmadi et al. Implementation of machine vision for detecting behaviour of cattle and pigs
DK181217B1 (en) Method and system for external fish parasite monitoring in aquaculture
DK181498B1 (en) System for external fish parasite monitoring in aquaculture
US10195008B2 (en) System, device and method for observing piglet birth
KR101598898B1 (ko) 음향 및 영상분석을 통한 넙치 질병 예방 시스템
US20230189767A1 (en) Method and system for external fish parasite monitoring in aquaculture
Mehdizadeh et al. Image analysis method to evaluate beak and head motion of broiler chickens during feeding
Stien et al. A video analysis procedure for assessing vertical fish distribution in aquaculture tanks
Navarro et al. IMAFISH_ML: A fully-automated image analysis software for assessing fish morphometric traits on gilthead seabream (Sparus aurata L.), meagre (Argyrosomus regius) and red porgy (Pagrus pagrus)
Kollis et al. Weight estimation using image analysis and statistical modelling: A preliminary study
Lai et al. Automatic measuring shrimp body length using CNN and an underwater imaging system
Zhao et al. Review on image-based animals weight weighing
Costa et al. Innovative automated landmark detection for food processing: the backwarping approach
Negretti et al. New morphological and weight measurements by visual image analysis in sheep and goats
Singh et al. Advances in computer vision technology for foods of animal and aquatic origin (a)
EP3606349A1 (en) Method and system for classifying animal carcass
Tičina11 et al. Estimation of capture-at-size data of live bluefin tuna using underwater stereoscopic camera system
van der Sluis et al. Review of Sensor Technologies in Animal Breeding: Phenotyping Behaviors of Laying Hens to Select Against Feather Pecking
ES2933045A1 (es) Sistema de clasificacion automatizada de lomos de pescado y procedimiento asociado
Larssen et al. Factors that affect vitality of Northern Shrimp (Pandalus borealis, Krøyer 1838) during capture and storage that are destined for live trade
ES1305848U (es) Sistema de clasificacion automatizada de lomos de pescado
TR202009658A2 (tr) Trol balikçiliğinda kullanilmak üzere bi̇r tespi̇t üni̇tesi̇

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant