CN106355589A - 一种工厂化循环水养殖鱼类游动速度估算系统及方法 - Google Patents
一种工厂化循环水养殖鱼类游动速度估算系统及方法 Download PDFInfo
- Publication number
- CN106355589A CN106355589A CN201610835707.3A CN201610835707A CN106355589A CN 106355589 A CN106355589 A CN 106355589A CN 201610835707 A CN201610835707 A CN 201610835707A CN 106355589 A CN106355589 A CN 106355589A
- Authority
- CN
- China
- Prior art keywords
- fish
- infrared
- infrared image
- fish body
- circulating water
- 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.)
- Pending
Links
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000009182 swimming Effects 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 241000211181 Manta Species 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013213 extrapolation Methods 0.000 claims description 3
- NFGXHKASABOEEW-LDRANXPESA-N methoprene Chemical compound COC(C)(C)CCCC(C)C\C=C\C(\C)=C\C(=O)OC(C)C NFGXHKASABOEEW-LDRANXPESA-N 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 14
- 230000006399 behavior Effects 0.000 abstract description 7
- 230000003287 optical effect Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000001502 supplementing effect Effects 0.000 abstract 1
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000009360 aquaculture Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000010824 fish disease Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
- A01K63/04—Arrangements for treating water specially adapted to receptacles for live fish
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/90—Sorting, grading, counting or marking live aquatic animals, e.g. sex determination
- A01K61/95—Sorting, grading, counting or marking live aquatic animals, e.g. sex determination specially adapted for fish
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/05—Underwater scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Physics & Mathematics (AREA)
- Marine Sciences & Fisheries (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Zoology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种工厂化循环水养殖鱼类游动速度估算系统及方法。该估算系统包括:近红外相机、近红外光源和处理设备;其中近红外相机、近红外光源设置在鱼池的上方,两者的光轴光线垂直于鱼池的水面,并且均与处理设备连接;近红外光源,用于在处理设备的控制下为近红外相机补光;红外相机,用于在处理设备的控制下采集鱼体的近红外图像;处理设备,还用于接收近红外图像进行处理以获取鱼的游动速度。所述估算方法用于计算鱼的游动速度。本发明可以光线较暗的工厂化循环水养殖车间使用,不会改变鱼类的生长环境即对其生长不会造成影响。还能实时监控鱼的游动速度,为监控鱼类行为提供可靠依据。
Description
技术领域
本发明涉及渔业信息化技术,具体涉及一种工厂化循环水养殖鱼类游动速度估算系统及方法。
背景技术
随着工厂化水产养殖规模的增大,有必要对养殖对象的行为实时监控。其中,鱼类的游动速度是衡量鱼类群体行为的一个重要指标,因此及时准确的获取鱼类的游动速度可以为后续行为分析(例如鱼类疾病预警、投饲控制等)提供重要依据。
现有技术中估算鱼类的游动速度主要是利用传统机器视觉的方法,包括对图像进行建模分析处理。例如,于欣等人的“基于光流法与特征统计的鱼群异常行为检测”(《农业工程学报》,2014,30(02):162-168)文献,利用机器视觉的光流法提取鱼类的运动矢量,从而获取鱼群的异常行为,这种方法的成本较低。但是在实际生产过程中,工厂化循环水养殖车间一般光线比较暗,为获得较好的效果,需要增加光源或者额外补光,有可能会影响鱼类的正常生长
发明内容
针对现有技术中的缺陷,本发明提供一种工厂化循环水养殖鱼类游动速度估算系统及方法,以解决现有技术中光线较暗环境获取鱼类游动速度时需要增加光源或者额外补光而影响鱼类正常生长的问题。
第一方面,本发明实施例提供了一种工厂化循环水养殖鱼类游动速度估算系统,包括:近红外相机、近红外光源和处理设备;其中所述近红外相机、所述近红外光源设置在鱼池的上方,两者的光轴光线垂直于所述鱼池的水面,并且均与所述处理设备连接;
所述近红外光源,用于在所述处理设备的控制下为所述近红外相机补光;
所述近红外相机,用于在所述处理设备的控制下采集鱼体的近红外图像;
所述处理设备,还用于接收所述近红外图像进行处理以获取所述鱼的游动速度。
可选地,所述近红外光源为点光源,且其焦点与所述近红外相机镜头的焦点重合。
可选地,所述近红外相机的型号为Manta G-223B NIR近红外工业相机,且其镜头型号为Computar M0814-MP2。
可选地,所述红外光源由多颗环绕分布在所述近红外相机周围的近红外灯组成。
可选地,所述近红外灯所发出光线的中心波长为820nm,功率为3W。
可选地,所述处理设备为PC机或工控机。
第二方面,本发明实施例还提供了一种工厂化循环水养殖鱼类游动速度估算方法,包括:
从近红外图像中获取并去除图像背景;
在去除图像背景的近红外图像中检测并分割目标物体的边缘以得到多个目标物体的像素点;
去除像素点数量位于最小预设像素值和最大预设像素值之外的目标物体,以获取剩余目标物体即鱼体;
将第n+1帧近红外图像中与根据第n-1帧近红外图像和第n帧近红外图像中估算出的估算位置最近的鱼体匹配为同一鱼体;
根据两幅近红外图像中同一鱼体的位置计算欧氏距离以及所述鱼体游动的相对速度即鱼的游动速度。
可选地,所述最小预设像素值和所述最大预设像素值通过以下步骤获取包括:
将所有鱼体的像素点数量按照由大到小的顺序进行排序;
分别从前面和后面获取预设数量的鱼体的像素点数量并计算平均值作为最大预设像素值和最小预设像素值。
可选地,所述将第n+1帧近红外图像中与根据第n-1帧近红外图像和第n帧近红外图像中估计出的位置最近的鱼体匹配为同一鱼体的步骤包括:
根据鱼体在所述第n-1帧近红外图像和所述第n帧近红外图像中的位置,利用线性外推法计算所述鱼体中像素点在所述第n+1帧近红外图像中的估算位置;
计算所述第n+1帧近红外图像中鱼体像素点的估算位置与所有探测到的鱼体的像素点的欧氏距离;
利用Kuhn-Munkras算法计算完备匹配下的最大权匹配,以获取最近的鱼体目标;
将所述第n+1帧近红外图像中最近的鱼体像素点与所述第n帧近红外图像中鱼体像素点进行匹配。
可选地,若第n帧近红外图像中没有确定的最近的鱼体则被认为该鱼体消失;或者,
若连接两帧检测不到所述鱼体像素点,则停止计算。
由上述技术方案可知,本发明通过设置近红外相机以及近红外光源获取鱼体的近红外图像,然后由处理设备分析处理近红外图像获取鱼的游动速度。本发明可以光线较暗的工厂化循环水养殖车间使用,无需增加补光灯,不会改变鱼类的生长环境即对其生长不会造成影响。还能实时监控鱼的游动速度,为监控鱼类行为提供可靠依据。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1是本发明提供的一种工厂化循环水养殖鱼类游动速度估算系统结构示意图;
图2是图1中近红外光源与近红外相机的位置关系示意图;
图3是本发明提供的一种工厂化循环水养殖鱼类游动速度估算方法流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例公开一种工厂化循环水养殖鱼类游动速度估算系统,包括:近红外光源1、近红外相机2和处理设备3。其中近红外光源1和近红外相机2设置在鱼池0的上方,两者的光轴光线垂直于鱼池0的水面,并且均与处理设备3连接。
近红外光源1,用于在处理设备3的控制下启动为近红外相机2补光,以获取到高质量的近红外图像;
近红外相机2,用于在处理设备3的控制下采集鱼体的近红外图像;
处理设备3,还用于接收近红外图像进行处理以获取鱼的游动速度。
需要说明的是,本发明实施例中,近红外光源1为点光源,且设置其焦点与近红外相机镜头的焦点重合。可选地,如图2所示,本发明实施例中该近红外光源1由多颗环绕分布在近红外相机2周围的近红外灯组成,例如,近红外灯的数量可以为8颗,每颗近红外灯与近红外相机2的距离r为5cm。并且,每颗近红外灯所发出光线的中心波长为820nm,功率为3W,即近红外光源的功率为24W。
另外,该近红外光源1与近红外相机2的光轴光线互相平时并且垂直于鱼池0中的水面。
需要说明的是,近红外相机2所采集的近红外图像与该近红外相机2物理像素上接收的光线的反射强度线性分布。实际应用中,相对于鱼池中的水对光线的吸收情况,由空气和水中小颗粒引起的光线散射可以忽略。可选地,本发明中近红外相机采用德国AVT生产的,型号为Manta G-223B NIR近红外工业相机,且其镜头型号为Computar M0814-MP2,其对角D、水平H、垂直V方向上的视场角分别为67.1°、56.3°、43.7°。
实际应用中,由于水对近红外光有强烈的吸收能力,水中目标越深,光线经过折射反射后,反射回来光线的亮度越小,因此可以利用近红外图像中目标的亮度来计算其深度信息。本发明实施例中处理设备3可采用现有技术中的图像处理方法获取鱼体的位置坐标,通过利用多帧近红外图像中鱼体位置的变化计算得到鱼的游动速度。该处理设备3可以是PC机或工控机。当然,处理设备3也可以采用其他处理器,选择不同的图像处理方法得到上述位置坐标,同样可以实现本发明的技术方案,得到基本相同的技术效果,同样落入本发明的保护范围。
为提高计算精度,本发明实施例还提供了一种工厂化循环水养殖鱼类游动速度估算方法,如图3所示,包括:
S1、从近红外图像中获取并去除图像背景;
S2、在去除图像背景的近红外图像中检测并分割目标物体的边缘以得到多个目标物体的像素点;
S3、去除像素点数量位于最小预设像素值和最大预设像素值之外的目标物体,以获取剩余目标物体即鱼体;
S4、将第n+1帧近红外图像中与根据第n-1帧近红外图像和第n帧近红外图像中估算出的估算位置最近的鱼体匹配为同一鱼体;
S5、根据两幅近红外图像中同一鱼体的位置计算欧氏距离以及所述鱼体游动的相对速度即鱼的游动速度。
下面结合附图对本发明提供的估算方法的各步骤进行详细说明。
首先,介绍S1、从近红外图像中获取并去除图像背景的步骤。
实际应用中,近红外图像中鱼体的亮度要比鱼池返回的光线的亮度高,当位置(x,y)处的平均像素亮度大于δI(x,y)时,此时背景亮度为I(x,y),反之背景亮度为δ取值范围为(0,1),I(x,y)为此位置的像素点亮度。该δ可以根据现场情况多次实验得到,在此不再说明。
对于位置(x,y),若则此像素点为背景,反之为探测到的目标物体。其中,σ(x,y)为背景方差。
在确定近红外图像中背景后,可以将近红外图像拆分为仅包含背景和仅包含目标物体的近红外图像。
其次,介绍S2、在去除图像背景的近红外图像中检测并分割目标物体的边缘以得到多个目标物体的像素点的步骤。
实际应用中,目标物体所处位置的深度不同,其亮度也不同。因此本发明实施例中利用上述特征分割上下重叠的目标物体的边缘。可选地,本发明实施例中采用Sobel算子边缘检测算法在仅包含目标物体的近红外图像上实现目标物体尤其是鱼体边缘分割,从而可以得到每个目标物体内的像素点位置与数量。
再次,介绍S3、去除像素点数量位于最小预设像素值和最大预设像素值之外的目标物体,以获取剩余目标物体即鱼体的步骤。
根据像素点数量去除与鱼体相比过大或者过小的目标物体,滤除噪声、以及没有分离的重叠的斑点。将每个目标物体内的像素点数量与最大预设像素值和最大预设像素值进行比较。若该目标物体的像素点数量位于最小预设像素值和最大预设像素值之外,则说明该目标物体过大或者过小,需要去除。
本发明实施例中,上述最小预设像素值和最大预设像素值通过以下步骤获取包括:
S31、将所有鱼体的像素点数量按照由大到小的顺序进行排序。当按照由大到小的顺序进行排序时,越是排序靠前的鱼体越大,其包含的像素点数量越多。
S32、分别从前面和后面获取预设数量的鱼体的像素点数量并计算平均值作为最大预设像素值和最小预设像素值。上述预设数量是指一定数量的鱼体的数量。例如,可以分别选择最大的20条鱼体和最小的20条鱼体对应的像素点数量,然后分别计算平均像素点值作为最大预设像素值和最小预设像素值。当然,本领域技术人员也可以改变上述预设数量,以获取更精确的最大预设像素值和最小预设像素值。
第四,介绍S4、将第n+1帧近红外图像和第n帧近红外图像中位置最近的鱼体匹配为同一鱼体的步骤。
将两帧连续近红外图像中的像素点匹配对应,具体包括:
S41、根据鱼体在所述第n-1帧近红外图像和所述第n帧近红外图像中的位置,利用线性外推法计算所述鱼体中像素点在所述第n+1帧近红外图像中的估算位置;
S42、计算所述第n+1帧近红外图像中鱼体像素点的估算位置与所有探测到的鱼体的像素点的欧氏距离;
S43、利用Kuhn-Munkras算法计算完备匹配下的最大权匹配,以获取最近的鱼体目标;
S44、将所述第n+1帧近红外图像中最近的鱼体像素点与所述第n帧近红外图像中鱼体像素点进行匹配。
需要说明的是,若第n+1帧近红外图像中存在非最接近的目标物体,则被认为是新的目标物体。若第n帧近红外图像中没有确定的最近的目标物体则被认为目标消失(例如,探测不到或者与其他目标重合)。第n+1帧丢失的目标物体的位置用估算位置延伸,利用步骤S41~S44更新丢失的目标物体,若连接两帧检测不到目标物体,则停止计算。
最后,介绍S5、根据两幅近红外图像中同一鱼体的位置计算欧氏距离以及所述鱼体游动的相对速度即鱼的游动速度的步骤。
计算鱼体像素点在第n+1帧近红外图像与第n帧近红外图像的欧氏距离d,可以得到该鱼体的相对速度,即:
从而可以得到鱼的游动速度。
为进一步提高计算精度,本发明实施例提供的工厂化循环水养殖鱼类游动速度估算方法还包括:
S7、更新背景。将步骤S1中背景作为下一帧图像的背景,然后重新获取近红外图像,重复步骤S1~S6。
可见本发明通过获取并去除近红外图像的背景,然后对目标物体边缘进行分割,并利用每个目标物体内的像素点数量确定鱼体;最后匹配像素点在两帧近红外图像中的位置,根据像素点在两帧图像中的欧氏距离可以计算得到鱼的游动速度。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
最后应说明的是: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各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种工厂化循环水养殖鱼类游动速度估算系统,其特征在于,包括:近红外相机、近红外光源和处理设备;其中所述近红外相机、所述近红外光源设置在鱼池的上方,两者的光轴光线垂直于所述鱼池的水面,并且均与所述处理设备连接;
所述近红外光源,用于在所述处理设备的控制下为所述近红外相机补光;
所述近红外相机,用于在所述处理设备的控制下采集鱼体的近红外图像;
所述处理设备,还用于接收所述近红外图像进行处理以获取所述鱼的游动速度。
2.根据权利要求1所述的工厂化循环水养殖鱼类游动速度估算系统,其特征在于,所述近红外光源为点光源,且其焦点与所述近红外相机镜头的焦点重合。
3.根据权利要求1所述的工厂化循环水养殖鱼类游动速度估算系统,其特征在于,所述近红外相机的型号为Manta G-223B NIR近红外工业相机,且其镜头型号为ComputarM0814-MP2。
4.根据权利要求1所述的工厂化循环水养殖鱼类游动速度估算系统,其特征在于,所述红外光源由多颗环绕分布在所述近红外相机周围的近红外灯组成。
5.根据权利要求4所述的工厂化循环水养殖鱼类游动速度估算系统,其特征在于,所述近红外灯所发出光线的中心波长为820nm,功率为3W。
6.根据权利要求1~5任一项所述的工厂化循环水养殖鱼类游动速度估算系统,其特征在于,所述处理设备为PC机或工控机。
7.一种工厂化循环水养殖鱼类游动速度估算方法,其特征在于,包括:
从近红外图像中获取并去除图像背景;
在去除图像背景的近红外图像中检测并分割目标物体的边缘以得到多个目标物体的像素点;
去除像素点数量位于最小预设像素值和最大预设像素值之外的目标物体,以获取剩余目标物体即鱼体;
将第n+1帧近红外图像中与根据第n-1帧近红外图像和第n帧近红外图像中估算出的估算位置最近的鱼体匹配为同一鱼体;
根据两幅近红外图像中同一鱼体的位置计算欧氏距离以及所述鱼体游动的相对速度即鱼的游动速度。
8.根据权利要求7所述的工厂化循环水养殖鱼类游动速度估算方法,其特征在于,所述最小预设像素值和所述最大预设像素值通过以下步骤获取包括:
将所有鱼体的像素点数量按照由大到小的顺序进行排序;
分别从前面和后面获取预设数量的鱼体的像素点数量并计算平均值作为最大预设像素值和最小预设像素值。
9.根据权利要求7所述的工厂化循环水养殖鱼类游动速度估算方法,其特征在于,所述将第n+1帧近红外图像中与根据第n-1帧近红外图像和第n帧近红外图像中估计出的位置最近的鱼体匹配为同一鱼体的步骤包括:
根据鱼体在所述第n-1帧近红外图像和所述第n帧近红外图像中的位置,利用线性外推法计算所述鱼体中像素点在所述第n+1帧近红外图像中的估算位置;
计算所述第n+1帧近红外图像中鱼体像素点的估算位置与所有探测到的鱼体的像素点的欧氏距离;
利用Kuhn-Munkras算法计算完备匹配下的最大权匹配,以获取最近的鱼体目标;
将所述第n+1帧近红外图像中最近的鱼体像素点与所述第n帧近红外图像中鱼体像素点进行匹配。
10.根据权利要求7~9任一项所述的工厂化循环水养殖鱼类游动速度估算方法,其特征在于,若第n帧近红外图像中没有确定的最近的鱼体则被认为该鱼体消失;或者,
若连接两帧检测不到所述鱼体像素点,则停止计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610835707.3A CN106355589A (zh) | 2016-09-20 | 2016-09-20 | 一种工厂化循环水养殖鱼类游动速度估算系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610835707.3A CN106355589A (zh) | 2016-09-20 | 2016-09-20 | 一种工厂化循环水养殖鱼类游动速度估算系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106355589A true CN106355589A (zh) | 2017-01-25 |
Family
ID=57858651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610835707.3A Pending CN106355589A (zh) | 2016-09-20 | 2016-09-20 | 一种工厂化循环水养殖鱼类游动速度估算系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106355589A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108040948A (zh) * | 2017-12-13 | 2018-05-18 | 阜阳市颍东区兴牧禽业专业合作社 | 鱼塘养殖自动喂食系统 |
CN108921857A (zh) * | 2018-06-21 | 2018-11-30 | 中国人民解放军61062部队科技装备处 | 一种面向监视场景的视频图像焦点区域分割方法 |
ES2786798A1 (es) * | 2019-04-11 | 2020-10-13 | Univ Oviedo | Sistema de estimación de biomasa en acuicultura basado en sensores ópticos y redes neuronales |
CN116452967A (zh) * | 2023-06-16 | 2023-07-18 | 青岛励图高科信息技术有限公司 | 基于机器视觉的鱼游动速度识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104154898A (zh) * | 2014-04-24 | 2014-11-19 | 深圳大学 | 一种主动测距方法及系统 |
-
2016
- 2016-09-20 CN CN201610835707.3A patent/CN106355589A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104154898A (zh) * | 2014-04-24 | 2014-11-19 | 深圳大学 | 一种主动测距方法及系统 |
Non-Patent Citations (1)
Title |
---|
ALIAKSANDR PAUTSINA 等: "Infrared reflection system for indoor 3D tracking of fish", 《AQUACULTURAL ENGINEERING》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108040948A (zh) * | 2017-12-13 | 2018-05-18 | 阜阳市颍东区兴牧禽业专业合作社 | 鱼塘养殖自动喂食系统 |
CN108040948B (zh) * | 2017-12-13 | 2019-11-08 | 许挺俊 | 鱼塘养殖自动喂食系统 |
CN108921857A (zh) * | 2018-06-21 | 2018-11-30 | 中国人民解放军61062部队科技装备处 | 一种面向监视场景的视频图像焦点区域分割方法 |
ES2786798A1 (es) * | 2019-04-11 | 2020-10-13 | Univ Oviedo | Sistema de estimación de biomasa en acuicultura basado en sensores ópticos y redes neuronales |
CN116452967A (zh) * | 2023-06-16 | 2023-07-18 | 青岛励图高科信息技术有限公司 | 基于机器视觉的鱼游动速度识别方法 |
CN116452967B (zh) * | 2023-06-16 | 2023-08-22 | 青岛励图高科信息技术有限公司 | 基于机器视觉的鱼游动速度识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102959355B (zh) | 点群数据处理装置、点群数据处理系统、点群数据处理方法及点群数据处理程序 | |
US20230360422A1 (en) | Fish biomass, shape, size, or health determination | |
US6717728B2 (en) | System and method for visualization of stereo and multi aspect images | |
CN103971406B (zh) | 基于线结构光的水下目标三维重建方法 | |
CN106355589A (zh) | 一种工厂化循环水养殖鱼类游动速度估算系统及方法 | |
CN103617617B (zh) | 基于功率谱描述的水下图像质量评价测量方法 | |
CN105740775A (zh) | 一种三维人脸活体识别方法及其装置 | |
CN110246151B (zh) | 一种基于深度学习和单目视觉的水下机器人目标跟踪方法 | |
CN106104203A (zh) | 一种移动物体的距离检测方法、装置及飞行器 | |
CN109521019A (zh) | 一种基于无人机视觉的桥梁底面裂缝检测方法 | |
CN104463899A (zh) | 一种目标对象检测、监控方法及其装置 | |
Lou et al. | Accurate multi-view stereo 3D reconstruction for cost-effective plant phenotyping | |
CN104036488A (zh) | 一种基于双目视觉的人体姿态动作研究方法 | |
CN101408978A (zh) | 一种基于单目视觉的障碍物检测方法及装置 | |
US20130028482A1 (en) | Method and System for Thinning a Point Cloud | |
CN110992424B (zh) | 基于双目视觉的定位方法和系统 | |
CN113848931B (zh) | 农机自动驾驶障碍物识别方法、系统、设备和存储介质 | |
CN103632369A (zh) | 块平均清晰度组合无参考水下图像通用性质量检测方法 | |
Song et al. | Combining stereo and time-of-flight images with application to automatic plant phenotyping | |
CN109855845A (zh) | 一种双目镜测量车载hud虚像距离与修正方法 | |
CN106779042A (zh) | 一种水产养殖鱼群聚集指数计算装置及计算方法 | |
CN109086696A (zh) | 一种异常行为检测方法、装置、电子设备及存储介质 | |
CN114360043B (zh) | 模型参数标定方法、视线追踪方法、装置、介质及设备 | |
CN112465778A (zh) | 一种水下鱼群观测装置及方法 | |
CN111881748B (zh) | 一种基于vbai平台建模的车道线视觉识别方法和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170125 |
|
RJ01 | Rejection of invention patent application after publication |