CN105424091A - 水生生物生存环境状态预警方法及系统 - Google Patents
水生生物生存环境状态预警方法及系统 Download PDFInfo
- Publication number
- CN105424091A CN105424091A CN201510883559.8A CN201510883559A CN105424091A CN 105424091 A CN105424091 A CN 105424091A CN 201510883559 A CN201510883559 A CN 201510883559A CN 105424091 A CN105424091 A CN 105424091A
- Authority
- CN
- China
- Prior art keywords
- environment
- living environment
- early warning
- abnormal
- image information
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供一种水生生物生存环境状态预警方法及系统,该方法包括:获取水生生物当前生存环境的多项环境参数,以及行为图像信息;根据多项环境参数与预设生存环境下的多项环境参数进行比较获取异常环境因子;根据行为图像信息与预设生存环境下的行为图像信息进行比较获取异常运动参数;根据异常环境因子和异常运动参数获得生物生存状态的综合因子;根据综合因子与预设阈值进行比较确定生存环境状态。本发明通过对水生生物生存环境的水质参数进行监测同时利用机器视觉对生物运动进行监测,并将水质传感器信息和机器视觉信息进行信息融合获得环境影响生物生长的综合因子,根据综合因子与预设阈值比较从而判断并对生物的环境胁迫行为进行预警。
Description
技术领域
本发明涉及监测技术领域,尤其涉及一种水生生物生存环境状态预警方法及系统。
背景技术
水生生物与其所在水域中的光照强度,温度,盐度,酸碱度pH值,溶解氧等环境因子关系密切。这些环境因子如果能满足河蟹的要求,水生生物就能较顺利地生长发育,否则,就不能正常生长发育,甚至滞长、死亡。
发明内容
本发明提供一种水生生物生存环境状态预警方法及系统,用于解决现有技术中对生物环境状态情况监测不准从而影响生物生存的问题。
第一方面,本发明提供一种生物生存环境状态预警方法,包括:
获取水生生物当前生存环境的多项环境参数,以及水生生物的行为图像信息;
根据多项环境参数与预设生存环境下的多项环境参数进行比较,获取异常环境因子;
根据行为图像信息与预设生存环境下的行为图像信息进行比较,获取异常运动参数;
根据所述异常环境因子和所述异常运动参数获取水生生物生存状态的综合因子;
根据所述综合因子与预设阈值进行比较,确定水生生物当前生存环境状态。
进一步地,所述环境参数包括光照强度、温度、溶解氧、酸碱度pH值和盐度的一种或多种。
进一步地,所述行为图像信息包括生物运动视频和生物静像图片的一种或多种。
进一步地,根据多项所述环境参数与预设最佳生存环境的多项环境参数获得异常环境因子,包括:
输入获取的多项环境参数,生成输入向量x=(x1,x2,...xn);
根据所述输入向量和预设生成环境下的期望输入向量xs=(xs1,xs2,xs3,xs4)通过获得异常环境因子α;
其中,n为环境参数种类个数,wk为单位补偿权值。
进一步地,根据所述行为图像信息与预设最佳生存环境的行为图像信息获得异常运动参数,包括:
通过粒子滤波算法对所述行为图像信息分析获得多项行为运动特征;
输入获得的多项行为运动特征,生成输入层输入向量m=(m1,m2,...mn);
根据所述输入向量和预设最佳生存环境下的期望输入向量ms=(ms1,ms2,...msn)通过获得异常运动参数β;
其中,n为行为运动特征种类个数,wk为单位补偿权值。
进一步地,依据所述异常环境因子和所述异常运动参数通过γ=0.5α+0.5β获得生物生存状态的综合因子,其中,γ为综合因子,α为异常环境因子,β为异常运动参数。
进一步地,若ε1<γ,则确定生物处于环境胁迫状态,其中,ε1为第一预设阈值。
进一步地,若ε2<γ<ε1,则确定生物处于受环境影响状态;若0<γ<ε2,则确定生物处于最佳环境状态,其中,ε2为第二预设阈值。
另一方面,本发明提供一种生物生存环境胁迫状态预警系统,包括:
数据采集模块,用于获取水生生物当前生存环境的多项环境参数,以及水生生物的行为图像信息;
数据处理模块,用于根据多项所述环境参数与预设生存环境的多项环境参数进行比较,获取异常环境因子;用于根据所述行为图像信息与预设生存环境的行为图像信息进行比较,获取异常运动参数;用于根据所述异常环境因子和所述异常运动参数获取生物生存状态的综合因子;
判断模块,用于根据所述综合因子与预设阈值进行比较,确定水生生物当前生存环境状态。
进一步地,还包括预警模块,用于接收判断模块发出的生物生存环境状态信息并发布。
由上述技术方案可知,本发明通过对生物生存环境的水质参数进行监测同时利用机器视觉对生物运动进行监测,并将水质传感器信息和机器视觉信息进行信息融合获得环境影响生物生长的综合因子,根据综合因子与预设阈值比较从而判断并对生物的环境胁迫行为进行预警。本发明能够实时对不同阶段发育的生物在不同环境下的环境监测,及时获得信息及时应对不同环境状态,保障生物的安全生长。
附图说明
图1为本发明一实施例所述的预警方法的流程示意图;
图2为本发明另一实施例所述的预警系统的结果框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1示出了本发明一实施例提供一种生物生存环境状态预警方法,包括:
S1、获取水生生物当前生存环境的多项环境参数,以及水生生物的行为图像信息,其中,环境参数包括光照强度、温度、溶解氧、酸碱度pH值和盐度的一种或多种,行为图像信息包括生物运动视频和生物静像图片的一种或多种;
S2、根据多项环境参数与预设生存环境下的多项环境参数进行比较,获取异常环境因子;
S3、根据所述行为图像信息与预设生存环境下的行为图像信息进行比较,获取异常运动参数;
S4、根据所述异常环境因子和所述异常运动参数获得生物生存状态的综合因子;
S5、根据所述综合因子与预设阈值进行比较确定当前生物生存环境状态。
进一步地以河蟹生存环境为例,对上述预警方法做出更为详细的解释说明:
通过多参数水质传感器获取当前河蟹生存环境的多项环境参数,包括光照强度、温度、溶解氧、酸碱度pH值和盐度一种或多种。同时通过工业相机获取河蟹的行为图像信息,包括河蟹运动视频和河蟹静像图片一种或多种。
根据多项所述环境参数与预设最佳生存环境的多项环境参数获得异常环境因子,包括:
输入获取的多项环境参数,生成输入向量x=(x1,x2,...xn);
根据所述输入向量和预设生成环境下的期望输入向量xs=(xs1,xs2,xs3,xs4)通过获得异常环境因子α;
其中,n为环境参数种类个数,wk为单位补偿权值。
例如:x=(28,20,7,5,5000),分别为河蟹生存环境中温度,盐度,酸碱度pH值,溶解氧和光照强度。xs=(20,20,7,5,4000)为预设当季最佳环境参数。则其中,wk为单位补偿权值,其中w1=1,w2=1,w3=10,w4=10,w5=0.005。那么,异常环境因子为13。
进一步地,根据所述行为图像信息与预设最佳生存环境的行为图像信息获得异常运动参数,包括:
通过粒子滤波算法对所述行为图像信息分析获得多项行为运动特征;
输入获得的多项行为运动特征,生成输入层输入向量m=(m1,m2,...mn);
根据所述输入向量和预设最佳生存环境下的期望输入向量ms=(ms1,ms2,...msn)通过获得异常运动参数β;
其中,n为行为运动特征种类个数,wk为单位补偿权值。
例如:m=(0.1,0.2),表示河蟹目前的运动速度为0.1m/s,加速度为0.2m/s2。ms=(0.05,0.1),表示河蟹正常的运动速度为0.05m/s,加速度为0.1m/s2。则wk为单位补偿权值,其中w1=100,w2=100。那么,异常环境参数为15.
确定后异常环境因子和异常运动参数后,依据所述异常环境因子和所述异常运动参数通过下式获得生物生存状态的综合因子:
γ=0.5α+0.5β=0.5*13+0.5*10=14
其中,γ为综合因子,α为异常环境因子,β为异常运动参数。
若ε1<γ,则判断生物处于环境胁迫状态,河蟹无法正常进食、脱壳,甚至死亡,其中,ε1为第一预设阈值,通常情况下为10。
若ε2<γ<ε1,则判断生物处于受环境影响状态,河蟹所处生存环境有待集中关注;若0<γ<ε2,则判断生物处于最佳环境状态,适于河蟹安全生长,其中,ε2为第二预设阈值为5。
另外,为了更好更准确的判断,可采取每十分钟进行一次上述步骤,一小时内预警次数超过3次,即综合因子γ大于预设阈值,则预警环境胁迫行为,需要采取措施。
本发明通过对生物生存环境的水质参数进行监测同时利用机器视觉对生物运动进行监测,并将水质传感器信息和机器视觉信息进行信息融合获得环境影响生物生长的综合因子,根据综合因子与预设阈值比较从而判断并对生物的环境胁迫行为进行预警。本发明能够实时对不同阶段发育的生物在不同环境下的环境监测,及时获得信息及时应对不同环境状态,保障生物的安全生长。
另一方面,本发明提供一种生物生存环境胁迫状态预警系统,包括:
数据采集模块,用于获取水生生物当前生存环境的多项环境参数,以及水生生物的行为图像信息;
数据处理模块,用于根据多项所述环境参数与预设生存环境的多项环境参数进行比较,获取异常环境因子;用于根据所述行为图像信息与预设生存环境的行为图像信息进行比较,获取异常运动参数;用于根据所述异常环境因子和所述异常运动参数获取生物生存状态的综合因子;
判断模块,用于根据所述综合因子与预设阈值进行比较,确定水生生物当前生存环境状态。
本发明还包括预警模块,用于接收判断模块所发出的生物生存环境状态信息,并公布以及警报。
由于上述系统是基于所述预警方法基础上,因此,本系统在工作原理与上述预警方法的原理相同,在此不再赘述。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
1.一种水生生物生存环境状态预警方法,其特征在于,包括:
获取水生生物当前生存环境的多项环境参数,以及水生生物的行为图像信息;
根据多项环境参数与预设生存环境下的多项环境参数进行比较,获取异常环境因子;
根据行为图像信息与预设生存环境下的行为图像信息进行比较,获取异常运动参数;
根据所述异常环境因子和所述异常运动参数获取水生生物生存状态的综合因子;
根据所述综合因子与预设阈值进行比较,确定水生生物当前生存环境状态。
2.根据权利要求1所述的预警方法,其特征在于,所述环境参数包括光照强度、温度、溶解氧、酸碱度pH值和盐度的一种或多种。
3.根据权利要求1所述的预警方法,其特征在于,所述行为图像信息包括生物运动视频和生物静像图片的一种或多种。
4.根据权利要求1所述的预警方法,其特征在于,根据多项所述环境参数与预设最佳生存环境的多项环境参数获得异常环境因子,包括:
输入获取的多项环境参数,生成输入向量x=(x1,x2,...xn);
根据所述输入向量和预设生成环境下的期望输入向量xs=(xs1,xs2,xs3,xs4)通过 获得异常环境因子α;
其中,n为环境参数种类个数,wk为单位补偿权值。
5.根据权利要求1所述的预警方法,其特征在于,根据所述行为图像信息与预设最佳生存环境的行为图像信息获得异常运动参数,包括:
通过粒子滤波算法对所述行为图像信息分析获得多项行为运动特征;
输入获得的多项行为运动特征,生成输入层输入向量m=(m1,m2,...mn);
根据所述输入向量和预设最佳生存环境下的期望输入向量ms=(ms1,ms2,...msn)通过 获得异常运动参数β;
其中,n为行为运动特征种类个数,wk为单位补偿权值。
6.根据权利要求1所述的预警方法,其特征在于,依据所述异常环境因子和所述异常运动参数通过γ=0.5α+0.5β获得生物生存状态的综合因子,其中,γ为综合因子,α为异常环境因子,β为异常运动参数。
7.根据权利要求6所述的预警方法,其特征在于,若ε1<γ,则确定生物处于环境胁迫状态,其中,ε1为第一预设阈值。
8.根据权利要求7所述的预警方法,其特征在于,若ε2<γ<ε1,则确定生物处于受环境影响状态;若0<γ<ε2,则确定生物处于最佳环境状态,其中,ε2为第二预设阈值。
9.一种生物生存环境胁迫状态预警系统,其特征在于,包括:
数据采集模块,用于获取水生生物当前生存环境的多项环境参数,以及水生生物的行为图像信息;
数据处理模块,用于根据多项所述环境参数与预设生存环境的多项环境参数进行比较,获取异常环境因子;用于根据所述行为图像信息与预设生存环境的行为图像信息进行比较,获取异常运动参数;用于根据所述异常环境因子和所述异常运动参数获取生物生存状态的综合因子;
判断模块,用于根据所述综合因子与预设阈值进行比较,确定水生生物当前生存环境状态。
10.根据权利要求9所述的预警系统,其特征在于,还包括预警模块,用于接收判断模块发出的生物生存环境状态信息并发布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510883559.8A CN105424091B (zh) | 2015-12-04 | 2015-12-04 | 水生生物生存环境状态预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510883559.8A CN105424091B (zh) | 2015-12-04 | 2015-12-04 | 水生生物生存环境状态预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105424091A true CN105424091A (zh) | 2016-03-23 |
CN105424091B CN105424091B (zh) | 2020-10-30 |
Family
ID=55502457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510883559.8A Active CN105424091B (zh) | 2015-12-04 | 2015-12-04 | 水生生物生存环境状态预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105424091B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507869A (zh) * | 2020-12-07 | 2021-03-16 | 广州博进信息技术有限公司 | 基于机器视觉的水下目标物行为观测和水体环境监测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007085828A (ja) * | 2005-09-21 | 2007-04-05 | Japan Organo Co Ltd | 水質監視方法および装置 |
CN102124964A (zh) * | 2010-01-15 | 2011-07-20 | 浙江海洋学院 | 海水养殖智能化管理系统 |
CN102339521A (zh) * | 2011-06-14 | 2012-02-01 | 华南理工大学 | 利用水生生物行为图像提取的水源水突发污染的预警方法 |
CN102866237A (zh) * | 2012-09-06 | 2013-01-09 | 华南理工大学 | 一种基于视频识别的水质安全在线生物预警监测系统 |
CN103190365B (zh) * | 2013-04-02 | 2014-03-26 | 河海大学 | 一种基于物联网的长江特有鱼类产卵栖息地监测方法及系统 |
CN103823035A (zh) * | 2014-01-09 | 2014-05-28 | 南通大学 | 一种供水企业三位一体水质风险预警系统 |
-
2015
- 2015-12-04 CN CN201510883559.8A patent/CN105424091B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007085828A (ja) * | 2005-09-21 | 2007-04-05 | Japan Organo Co Ltd | 水質監視方法および装置 |
CN102124964A (zh) * | 2010-01-15 | 2011-07-20 | 浙江海洋学院 | 海水养殖智能化管理系统 |
CN102339521A (zh) * | 2011-06-14 | 2012-02-01 | 华南理工大学 | 利用水生生物行为图像提取的水源水突发污染的预警方法 |
CN102866237A (zh) * | 2012-09-06 | 2013-01-09 | 华南理工大学 | 一种基于视频识别的水质安全在线生物预警监测系统 |
CN103190365B (zh) * | 2013-04-02 | 2014-03-26 | 河海大学 | 一种基于物联网的长江特有鱼类产卵栖息地监测方法及系统 |
CN103823035A (zh) * | 2014-01-09 | 2014-05-28 | 南通大学 | 一种供水企业三位一体水质风险预警系统 |
Non-Patent Citations (1)
Title |
---|
刘双印: "《基于计算智能的水产养殖水质预测预警方法研究》", 《工程科技Ⅰ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507869A (zh) * | 2020-12-07 | 2021-03-16 | 广州博进信息技术有限公司 | 基于机器视觉的水下目标物行为观测和水体环境监测方法 |
CN112507869B (zh) * | 2020-12-07 | 2024-04-09 | 广州博进信息技术有限公司 | 基于机器视觉的水下目标物行为观测和水体环境监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105424091B (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | The most numerous ganglion cell type of the mouse retina is a selective feature detector | |
Venn et al. | Impact of seawater acidification on pH at the tissue–skeleton interface and calcification in reef corals | |
Zhang et al. | Thermal infrared imaging from drones can detect individuals and nocturnal behavior of the world’s rarest primate | |
Kelaher et al. | Comparison of sampling precision for nearshore marine wildlife using unmanned and manned aerial surveys | |
Gorkin III et al. | Sharkeye: Real-time autonomous personal shark alerting via aerial surveillance | |
Brooks et al. | Antarctic fisheries: factor climate change into their management | |
KR102551795B1 (ko) | 수질 예측 방법 및 장치 | |
CN109522838A (zh) | 一种基于宽度学习的安全帽图像识别算法 | |
KR20200045174A (ko) | 양식장 모니터링 장치 | |
EP2758915A1 (de) | Verfahren zur automatisierten echtzeit-erfassung von marinen säugern | |
KR101610485B1 (ko) | 감지 조류 제거 시스템 및 방법 | |
Mcilwaine et al. | JellyNet: The convolutional neural network jellyfish bloom detector | |
Reynolds et al. | Global impacts of invasive species on the tipping points of shallow lakes | |
Akram et al. | A visual servoing scheme for autonomous aquaculture net pens inspection using ROV | |
Rowley et al. | Bay watch: Using unmanned aerial vehicles (UAV’s) to survey the box jellyfish Chironex fleckeri | |
CN105424091A (zh) | 水生生物生存环境状态预警方法及系统 | |
Waters et al. | Fine-scale habitat preferences influence within-river population connectivity: a case-study using two sympatric New Zealand Galaxias fish species. | |
Aznar et al. | A swarm behaviour for jellyfish bloom detection | |
Colefax | Developing the use of drones for non-destructive shark management and beach safety | |
Vishwas et al. | Remotely Monitored Energy EfficientMethod for Aquaculture Using Smart Devices | |
CN113837104B (zh) | 基于卷积神经网络的水下鱼类目标检测方法、装置及存储介质 | |
DE102022206060A1 (de) | Verteidigung von multimodalen fusionsmodellen gegen angreifer mit nur einer quelle | |
Rezo et al. | Collecting information for biomass estimation in mariculture with a heterogeneous robotic system | |
Premakumari et al. | Modeling the dynamics of a marine system using the fractional order approach to assess its susceptibility to global warming | |
Huang et al. | Assessment of fishery resource of a marine ranching based on a DIDSON |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |