CN107703509B - 一种声呐探测鱼群选择最佳垂钓点的系统和方法 - Google Patents
一种声呐探测鱼群选择最佳垂钓点的系统和方法 Download PDFInfo
- Publication number
- CN107703509B CN107703509B CN201711080516.1A CN201711080516A CN107703509B CN 107703509 B CN107703509 B CN 107703509B CN 201711080516 A CN201711080516 A CN 201711080516A CN 107703509 B CN107703509 B CN 107703509B
- Authority
- CN
- China
- Prior art keywords
- fish
- module
- sonar
- detector
- fishing point
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/96—Sonar systems specially adapted for specific applications for locating fish
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种声呐探测鱼群选择最佳垂钓点的系统和方法,包括鱼群探测器和处理显示模块,所述鱼群探测器包括壳体,壳体内设置有移动机构、空间运动传感器、声纳测距模块和蓝牙模块,所述移动机构分别与空间运动传感器和声呐测距模块连接,所述蓝牙模块分别和空间运动传感器、声呐测距模块和处理显示模块连接,还包括给移动机构、空间运动传感器、蓝牙模块和声呐测距模块供电的电源模块,本发明利用声纳传感器探测水中鱼群以及河床等的情况,并且运用水中动力装置和空间运动传感器就可以达到探测垂钓周围的环境的效果,且系统不依赖于特定的环境模型,且系统不需要提供学习的训练样本。
Description
技术领域
本发明涉及一种声呐鱼群探测系统,特别涉及一种声呐探测鱼群选择最佳垂钓点的系统和方法。
背景技术
几个世纪以来,渔民们一直在寻找提高捕鱼几率的方法,这么多年以来,诱饵、鱼竿、收线器等设备的发展对渔民捕鱼很有帮助。然而,在过去的二十年间,声纳寻鱼系统越来越普及,且很多渔民已靠此系统获利。
社会快速发展,经济成长迅速,人们的生活条件变得更加优越,出行旅游体验生活在现在的家庭越来越普遍,旅行中可以进行垂钓活动,而垂钓是一件需要耐心且费时的活动,传统钓鱼需要垂钓者凭借经验自行寻找鱼群,这样垂钓者就需要花费很多时间和注意力在垂钓这件用于放松的事情上,且有可能空手而归。
发明内容
本发明解决的技术问题是提供一种能选择到最佳垂钓点的一种声呐探测鱼群选择最佳垂钓点的系统和方法。
本发明解决其技术问题所采用的技术方案是:一种声呐探测鱼群选择最佳垂钓点的系统,包括鱼群探测器和处理显示模块,所述鱼群探测器包括壳体,壳体内设置有移动机构、空间运动传感器、声纳测距模块和传输模块,所述移动机构分别与空间运动传感器和声呐测距模块连接,所述传输模块分别和空间运动传感器、声呐测距模块和处理显示模块连接,还包括给移动机构、空间运动传感器、传输模块和声呐测距模块供电的电源模块;所述传输模块用于收集空间运动传感器和声呐测距模块的数据,并将收集到的数据与处理显示模块进行数据传输,处理显示模块将扫描后的鱼群结合二维坐标和河床纵向深度的三维图像分析处理后得到最佳垂钓点。
进一步的是:所述移动机构包括马达和与马达连接的螺旋浆。
进一步的是:所述电源模块为可充电锂电池。
本发明还公开了一种声呐探测鱼群选择最佳垂钓点的方法,包括权利要求1至3所述的任意一种声呐探测鱼群选择最佳垂钓点的系统,其特征在于:通过移动机构使得鱼群探测器在一片水面上不断运动,通过空间运动传感器和声呐测距模块获取鱼群和河床的位置数据,通过处理显示模块获取最佳垂钓点,具体步骤为:
步骤一:建立水下鱼群的三维模型;
由声纳测距模块扫描得到的水下截面图可得每条鱼的三维坐标,记为(x,y,z)的形式,记鱼群探测器的坐标为(x0,y0,0),由此绘出水下鱼群的三维坐标图;
步骤二:将选择垂钓点问题建模为一个MDP模型,并定义其中的状态、动作、状态转移函数以及立即奖赏函数;
a)状态,用s表示,鱼群探测器每隔2s扫描一次采样,前后两次扫描的鱼群坐标位移向量记为p,设G={1,2,3,…,m}为所有探测到的鱼的集合,其中m为探测到的鱼的数量,m为人为设的一个定值参数,则第i条鱼的坐标向量为vi(xi,yi,zi),若探测到的鱼数量为n小于m,则vn+1=vn,vn+2=vn,…,vm=vn,以便确定维度。则状态可以表示为:
s=(p,v1,v2,…,vm);
b)动作,用a表示;动作可以表示鱼群探测器的位移向量,设第i个时间步鱼群探测器的位移为ri,其中i∈G。则动作可以表示为:
a=(r1,r2,…,rm);
c)状态转移函数,用f表示,考虑鱼的游动和水流的影响,鱼群探测器每隔2s扫描一次采样,第i次采样的状态为si,则状态转移函数可以表示为:
f:st+1←st
d)立即奖赏函数,用ρ表示,设最终得到的鱼群探测器坐标即为所求的最佳垂钓点,离所求点5m范围内越近则奖赏越大,越远则惩罚越大,相应的立即奖赏函数可以表示为:
步骤三:建立值函数回报模型;设R(s,a)表示在状态s下采用动作a的回报值;值函数Q(s,a)是关于R(s,a)的期望,则Q(s,a)=E[R(s,a)];
步骤四:利用Sarsa强化学习算法求解最优策略;
每放置一次探测装置记为一次情节,每次状态转移即做出动作记为一个时间步t,重复以下步骤直到s收敛:
在s状态时,采取动作a,从而观察ρ和下一状态s′,通过ε-greedy策略从Q根据s′选择下一动作a′;
Q(s,a)←Q(s,a)+[ρ+γQ(s′,a′)-Q(s,a)]
s←s′
a←a′;
其中γ为折扣因子,根据实际收敛情况而定;
当s收敛后,得出的(x0,y0,0)即为最佳垂钓点
本发明的有益效果是:
(1)利用声纳传感器探测水中鱼群以及河床等的情况,并且运用水中动力装置和空间运动传感器就可以达到探测垂钓周围的环境的效果;
(2)系统不依赖于特定的环境模型(垂钓地的环境模型);
(3)系统不需要提供学习的训练样本(鱼群分布情况);
(4)系统所求得的最优垂钓点策略会越来越准确,可以比垂钓者凭经验选择的垂钓点可信度更高;
(5)系统可以根据环境的变化动态修正最优策略。
附图说明
图1为一种声呐探测鱼群选择最佳垂钓点的系统示意图。
图2为建立水下三维模型示意图。
图3为选择最佳垂钓点流程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进一步说明。
如图1所示的一种声呐探测鱼群选择最佳垂钓点的系统,包括鱼群探测器和处理显示模块,所述鱼群探测器包括壳体,壳体内设置有移动机构、空间运动传感器、声纳测距模块和传输模块,所述移动机构分别与空间运动传感器和声呐测距模块连接,所述传输模块分别和空间运动传感器、声呐测距模块和处理显示模块连接,还包括给移动机构、空间运动传感器、传输模块和声呐测距模块供电的电源模块,上述移动机构的移动路径为提前设定好的移动路径;
上述所述传输模块可为Wi-Fi传输或蓝牙传输等,此处使用蓝牙传输,蓝牙模块型号可为HC-06,空间运动传感器模块可为MPU-6050,声纳测距模块型号可为TL852,处理显示模块可为手机、笔记本电脑、平板等电子设备;
所述传输模块用于收集空间运动传感器和声呐测距模块的数据,并将收集到的数据与处理显示模块进行数据传输,处理显示模块将扫描后的鱼群结合二维坐标和河床纵向深度的三维图像分析处理后得到最佳垂钓点,工作时,钓鱼者将鱼群探测器放到水面上,在移动机构的作用下,鱼群探测器在一片水面上不断来回运动,使得鱼群探测器的空间运动传感器和声呐测距模块通过传输模块不断的将测得的数据传递至处理显示模块,处理显示模块将数据进行处理后得出通过构建鱼群三维模型得出得出最佳垂钓点,此种结构可使得在选择垂钓点时方便简单,且垂钓点选择准确,增加了钓鱼的成功概率。
在上述基础上,所述移动机构包括马达和与马达连接的螺旋浆,所述电源模块为可充电锂电池,此种结构保证了鱼群的小型化和轻便化。
本发明还公开了一种声呐探测鱼群选择最佳垂钓点的方法,包括权利要求1至3所述的任意一种声呐探测鱼群选择最佳垂钓点的系统,其特征在于:通过移动机构使得鱼群探测器在一片水面上不断运动,通过空间运动传感器和声呐测距模块获取鱼群和河床的位置数据,通过处理显示模块获取最佳垂钓点,具体步骤为:
步骤一:建立水下鱼群的三维模型;
由声纳测距模块扫描得到的水下截面图可得每条鱼的三维坐标,记为(x,y,z)的形式,记鱼群探测器的坐标为(x0,y0,0),由此绘出水下鱼群的三维坐标图;
步骤二:将选择垂钓点问题建模为一个MDP模型,并定义其中的状态、动作、状态转移函数以及立即奖赏函数;
a)状态,用s表示,鱼群探测器每隔2s扫描一次采样,前后两次扫描的鱼群坐标位移向量记为p,设G={1,2,3,…,m}为所有探测到的鱼的集合,其中m为探测到的鱼的数量,m为人为设的一个定值参数,如:50、100、150等,则第i条鱼的坐标向量为vi(xi,yi,zi),若探测到的鱼数量为n小于m,则vn+1=vn,vn+2=vn,…,vm=vn,以便确定维度,则状态可以表示为:
s=(p,v1,v2,…,vm);
b)动作,用a表示;动作可以表示鱼群探测器的位移向量,设第i个时间步鱼群探测器的位移为ri,其中i∈G。则动作可以表示为:
a=(r1,r2,…,rm);
c)状态转移函数,用f表示,考虑鱼的游动和水流的影响,鱼群探测器每隔2s扫描一次采样,第i次采样的状态为si,则状态转移函数可以表示为:
f:st+1←st
d)立即奖赏函数,用ρ表示,设最终得到的鱼群探测器坐标即为所求的最佳垂钓点,离所求点5m范围内越近则奖赏越大,越远则惩罚越大,相应的立即奖赏函数可以表示为:
步骤三:建立值函数回报模型;设R(s,a)表示在状态s下采用动作a的回报值;值函数Q(s,a)是关于R(s,a)的期望,则Q(s,a)=E[R(s,a)];
步骤四:利用Sarsa强化学习算法求解最优策略;
每放置一次探测装置记为一次情节,每次状态转移即做出动作记为一个时间步t,重复以下步骤直到s收敛:
在s状态时,采取动作a,从而观察ρ和下一状态s′,通过ε-greedy策略从Q根据s′选择下一动作a′;
Q(s,a)←Q(s,a)+[ρ+γQ(s′,a′)-Q(s,a)];
s←s′;
a←a′;
其中γ为折扣因子,根据实际收敛情况而定;
当s收敛后,得出的(x0,y0,0)即为最佳垂钓点。
此种找寻最佳钓鱼点的方法利用声纳传感器探测水中鱼群以及河床等的情况,并且运用水中动力装置和空间运动传感器就可以达到探测垂钓周围的环境的效果;且系统不依赖于特定的环境模型(垂钓地的环境模型);系统不需要提供学习的训练样本(鱼群分布情况);系统所求得的最优垂钓点策略会越来越准确,可以比垂钓者凭经验选择的垂钓点可信度更高;且系统可以根据环境的变化动态修正最优策略。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种声呐探测鱼群选择最佳垂钓点的系统,包括鱼群探测器和处理显示模块,所述鱼群探测器包括壳体,壳体内设置有移动机构、空间运动传感器、声纳测距模块和传输模块,所述移动机构分别与空间运动传感器和声呐测距模块连接,所述传输模块分别和空间运动传感器、声呐测距模块和处理显示模块连接,还包括给移动机构、空间运动传感器、传输模块和声呐测距模块供电的电源模块;
所述传输模块用于收集空间运动传感器和声呐测距模块的数据,并将收集到的数据与处理显示模块进行数据传输,处理显示模块将扫描后的鱼群结合二维坐标和河床纵向深度的三维图像分析处理后得到最佳垂钓点;
一种声呐探测鱼群选择最佳垂钓点的方法,其特征在于:通过移动机构使得鱼群探测器在一片水面上不断运动,通过空间运动传感器和声呐测距模块获取鱼群和河床的位置数据,通过处理显示模块获取最佳垂钓点,具体步骤为:
步骤一:建立水下鱼群的三维模型;
由声纳测距模块扫描得到的水下截面图可得每条鱼的三维坐标,记为(x,y,z)的形式,记鱼群探测器的坐标为(x0,y0,0),由此绘出水下鱼群的三维坐标图;
步骤二:将选择垂钓点问题建模为一个MDP模型,并定义其中的状态、动作、状态转移函数以及立即奖赏函数;
a)状态,用s表示,鱼群探测器每隔2s扫描一次采样,前后两次扫描的鱼群坐标位移向量记为p,设G={1,2,3,…,m}为所有探测到的鱼的集合,其中m为探测到的鱼的数量,m为人为设的一个定值参数,则第i条鱼的坐标向量为vi(xi,yi,zi),若探测到的鱼数量为n小于m,则vn+1=vn,vn+2=vn,…,vm=vn,以便确定维度,则状态可以表示为:
s=(p,v1,v2,…,vm);
b)动作,用a表示;动作可以表示鱼群探测器的位移向量,设第i个时间步鱼群探测器的位移为ri,其中i∈G。则动作可以表示为:
a=(r1,r2,…,rm);
c)状态转移函数,用f表示,考虑鱼的游动和水流的影响,鱼群探测器每隔2s扫描一次采样,第i次采样的状态为si,则状态转移函数可以表示为:
f:st+1←st
d)立即奖赏函数,用ρ表示,设最终得到的鱼群探测器坐标即为所求的最佳垂钓点,离所求点5m范围内越近则奖赏越大,越远则惩罚越大,相应的立即奖赏函数可以表示为:
步骤三:建立值函数回报模型;设R(s,a)表示在状态s下采用动作a的回报值;值函数Q(s,a)是关于R(s,a)的期望,则Q(s,a)=E[R(s,a)];
步骤四:利用Sarsa强化学习算法求解最优策略;
每放置一次探测装置记为一次情节,每次状态转移即做出动作记为一个时间步t,重复以下步骤直到s收敛:
在s状态时,采取动作a,从而观察ρ和下一状态s′,通过ε-greedy策略从Q根据s′选择下一动作a′;
Q(s,a)←Q(s,a)+[ρ+γQ(s′,a′)-Q(s,a)]
s←s′
a←a′;
其中γ为折扣因子,根据实际收敛情况而定;
当s收敛后,得出的(x0,y0,0)即为最佳垂钓点。
2.如权利要求1所述的一种声呐探测鱼群选择最佳垂钓点的系统,其特征在于:所述移动机构包括马达和与马达连接的螺旋浆。
3.如权利要求1所述的一种声呐探测鱼群选择最佳垂钓点的系统,其特征在于:所述电源模块为可充电锂电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711080516.1A CN107703509B (zh) | 2017-11-06 | 2017-11-06 | 一种声呐探测鱼群选择最佳垂钓点的系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711080516.1A CN107703509B (zh) | 2017-11-06 | 2017-11-06 | 一种声呐探测鱼群选择最佳垂钓点的系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107703509A CN107703509A (zh) | 2018-02-16 |
CN107703509B true CN107703509B (zh) | 2023-08-04 |
Family
ID=61178032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711080516.1A Active CN107703509B (zh) | 2017-11-06 | 2017-11-06 | 一种声呐探测鱼群选择最佳垂钓点的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107703509B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108575788B (zh) * | 2018-03-22 | 2023-07-11 | 苏州科技大学 | 一种基于强化学习的宠物自动投食控制系统和方法 |
CN110274558B (zh) * | 2019-07-24 | 2024-02-20 | 中交上海航道局有限公司 | 一种水下砂堆形态的检测系统及方法 |
CN112214717B (zh) * | 2020-10-23 | 2021-07-02 | 中国水产科学研究院东海水产研究所 | 一种利用声呐数据捕捞深度估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008203227A (ja) * | 2007-02-23 | 2008-09-04 | Japan Radio Co Ltd | 自動追尾スキャニングソナー |
CN102929281A (zh) * | 2012-11-05 | 2013-02-13 | 西南科技大学 | 一种不完全感知环境下的机器人kNN路径规划方法 |
CN203773053U (zh) * | 2013-12-31 | 2014-08-13 | 张伟秀 | 探鱼器及探鱼器系统 |
CN106443686A (zh) * | 2016-10-20 | 2017-02-22 | 上海海洋大学 | 声呐鱼群探测系统 |
-
2017
- 2017-11-06 CN CN201711080516.1A patent/CN107703509B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008203227A (ja) * | 2007-02-23 | 2008-09-04 | Japan Radio Co Ltd | 自動追尾スキャニングソナー |
CN102929281A (zh) * | 2012-11-05 | 2013-02-13 | 西南科技大学 | 一种不完全感知环境下的机器人kNN路径规划方法 |
CN203773053U (zh) * | 2013-12-31 | 2014-08-13 | 张伟秀 | 探鱼器及探鱼器系统 |
CN106443686A (zh) * | 2016-10-20 | 2017-02-22 | 上海海洋大学 | 声呐鱼群探测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107703509A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220000079A1 (en) | Acoustics augmentation for monocular depth estimation | |
EP3843542B1 (en) | Optimal feeding based on signals in an aquaculture environment | |
WO2019232247A1 (en) | Biomass estimation in an aquaculture environment | |
WO2020046524A1 (en) | Automatic feed pellet monitoring based on camera footage in an aquaculture environment | |
Goulet et al. | A miniature biomimetic sonar and movement tag to study the biotic environment and predator-prey interactions in aquatic animals | |
CN107703509B (zh) | 一种声呐探测鱼群选择最佳垂钓点的系统和方法 | |
JP2021511012A (ja) | 魚測定ステーション管理 | |
Wu et al. | Application of intelligent and unmanned equipment in aquaculture: A review | |
Gleiss et al. | Direct measurement of swimming and diving kinematics of giant Atlantic bluefin tuna (Thunnus thynnus) | |
CN107505441A (zh) | 一种通过互联网进行水质监测及分析的仿生鱼装置 | |
Sousa et al. | Integrated monitoring of Mola mola behaviour in space and time | |
CN106772401A (zh) | 基于概率假设密度粒子滤波算法的鱼群数量估计方法 | |
JP2021152782A (ja) | 個体検出システム、撮影ユニット、個体検出方法、およびコンピュータプログラム | |
JP7227179B2 (ja) | 養殖管理装置、養殖管理方法及び給餌ロボット | |
Napier et al. | Using mobile-based augmented reality and object detection for real-time Abalone growth monitoring | |
Akram et al. | Aquaculture defects recognition via multi-scale semantic segmentation | |
Jovanović et al. | Splash detection in fish Plants surveillance videos using deep learning | |
JP7350181B2 (ja) | 動的監視のためのカメラウインチ制御 | |
KR102678374B1 (ko) | 디지털 트윈 기반 스마트 양식 방법, 관리 장치 및 컴퓨터 프로그램 | |
Zhang et al. | Underwater autonomous grasping robot based on multi-stage cascade DetNet | |
Keren et al. | A complex performance landscape for suction-feeding reveals constraints and adaptations in a population of reef damselfish | |
CN207396731U (zh) | 一种声呐探测鱼群选择最佳垂钓点的系统 | |
US12078533B2 (en) | Underwater camera as light sensor | |
Wang et al. | Deep learning method for rapidly estimating pig body size | |
US20220394957A1 (en) | Sensor data processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |