CN107730495A - 一种基于背景建模的鱼塘缺氧检测方法 - Google Patents
一种基于背景建模的鱼塘缺氧检测方法 Download PDFInfo
- Publication number
- CN107730495A CN107730495A CN201711007146.9A CN201711007146A CN107730495A CN 107730495 A CN107730495 A CN 107730495A CN 201711007146 A CN201711007146 A CN 201711007146A CN 107730495 A CN107730495 A CN 107730495A
- Authority
- CN
- China
- Prior art keywords
- fish
- fish pond
- video
- anoxic
- floating head
- 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 173
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 241000791868 Selene orstedii Species 0.000 claims abstract description 45
- 206010021143 Hypoxia Diseases 0.000 claims abstract description 8
- 230000007954 hypoxia Effects 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 32
- 238000010586 diagram Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 abstract description 21
- 239000001301 oxygen Substances 0.000 abstract description 21
- 229910052760 oxygen Inorganic materials 0.000 abstract description 21
- 238000000034 method Methods 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 6
- 238000009360 aquaculture Methods 0.000 description 5
- 244000144974 aquaculture Species 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000947135 Bostockia porosa Species 0.000 description 1
- 241001441728 Molidae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 235000013547 stew Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于背景建模的鱼塘缺氧检测方法,包括以下步骤:S101:获取图像采集装置发送的鱼塘水面视频;S102:对鱼塘水面视频进行背景建模并生成鱼塘水面视频的前景图像;S103:基于前景图像计算鱼塘水面视频中的浮头鱼数量N;S104:基于浮头鱼数量N计算鱼塘缺氧指数;S105:判断鱼塘缺氧指数是否大于或等于第一预设阈值,若是,执行S106,否则,执行S107;S106:生成鱼塘含氧量正常信息,执行S101;S107:生成鱼塘缺氧信息;与现有技术相比,能够在不影响鱼群生长的情况下精确检测鱼塘是否缺氧。
Description
技术领域
本发明涉及智慧农业技术领域,尤其涉及一种基于背景建模的鱼塘缺氧检测方法。
背景技术
水产养殖产业的发展对我国渔业结构调整有着重要的意义,主要表现在渔民有效地使用养殖水域,收入提高,城镇居民生活质量的改善。据统计,2016年我国水产品总产量已达6900万吨,同比增长3%,连续20多年居世界首位;其中水产养殖产量占总产量的60%以上,是目前世界上唯一养殖产量超过捕捞产量的国家。而在水产养殖中,鱼类的生活环境至关重要,在影响鱼类生长的各种因素中,水中的溶氧是鱼类赖以生存的必要条件,鱼在缺氧的时候会将头微微浮出水面,而这个时候及时检测到鱼的浮头进而可以判断水中溶氧量不足对于降低鱼的死亡率、增加水产养殖量、提高渔民收入起着至关重要的作用。
鉴于缺氧检测对鱼塘养殖的重要性,进年来,许多公司和个人对鱼塘氧气检测技术进行了研究和探索。在已申请的专利技术中,公开号为CN1868267A的鱼塘缺氧报警器采用拾音器和定时检测灯配合的方式来检测夜间鱼浮头现象,判断鱼塘氧气浓度,然而声光检测的技术容易受到环境的影响,对声音信号的放大电路设计也需要很好的稳定性和鲁棒性,同时利用检测灯的变化对鱼群惊吓而产生的声音进行检测,从生物学上讲,对鱼群的生长将会造成一定的影响。同时公开号为CN205229121U的水产养殖鱼塘缺氧预警装置和CN201681276U的鱼塘溶解氧含量检测与曝气增氧控制装置等对鱼塘缺氧检测都是利用溶氧传感器测量水中氧气,而鱼塘水下环境复杂,各类杂质混杂,严重影响着传感器的测量精度。
因此,如何能够在不影响鱼群生长的情况下精确检测鱼塘是否缺氧成为了本领域亟需解决的问题。
发明内容
针对现有技术存在的上述不足,本发明要解决的技术问题是:如何能够在不影响鱼群生长的情况下精确检测鱼塘是否缺氧。
为解决上述技术问题,本发明采用了如下的技术方案:
一种基于背景建模的鱼塘缺氧检测方法,包括以下步骤:
S101:获取图像采集装置发送的鱼塘水面视频;
S102:对所述鱼塘水面视频进行背景建模并生成所述鱼塘水面视频的前景图像,执行S103;
S103:基于所述前景图像计算所述鱼塘水面视频中的浮头鱼数量N;
S104:基于所述浮头鱼数量N计算鱼塘缺氧指数;
S105:判断所述鱼塘缺氧指数是否大于或等于所述第一预设阈值,若是,执行S106,否则,执行S107;
S106:生成鱼塘正常信息,执行S101;
S107:生成鱼塘缺氧信息。
优选地,所述对所述鱼塘水面视频进行背景建模并生成所述鱼塘水面视频的前景图像包括:
采用混合高斯模型对所述鱼塘水面视频进行背景建模并生成所述鱼塘水面视频的前景图像。
优选地,所述基于所述前景图像计算所述鱼塘水面视频中的浮头鱼数量N包括:
S301:对所述前景图像执行卡尔曼滤波,分别计算所述前景图像中所有前景点的轨迹预测值及轨迹实际值z(n);
S302:判断所有所述前景点的是否小于或等于第二预设阈值的大小,若是,执行S304,否则执行S303;
S303:去除所述前景图像中大于第二预设阈值的前景点;
S304:判断所述前景点为鱼图像,记录所述鱼图像的持续时间,判断所述鱼图像的持续时间是否大于或等于预设时间,若是,执行S305;
S305:判断所述鱼图像为鱼浮头图像,计算所有所述鱼浮头图像的数量并生成所述浮头鱼数量N。
优选地,所述基于所述浮头鱼数量N计算鱼塘缺氧指数包括:
计算所述鱼塘缺氧指数C,S为所述鱼塘水面视频的水面面积。
综上所述,本发明公开了一种基于背景建模的鱼塘缺氧检测方法,包括以下步骤:S101:获取图像采集装置发送的鱼塘水面视频;S102:对所述鱼塘水面视频进行背景建模并生成所述鱼塘水面视频的前景图像;S103:基于所述前景图像计算所述鱼塘水面视频中的浮头鱼数量N;S104:基于所述浮头鱼数量N计算鱼塘缺氧指数;S105:判断所述鱼塘缺氧指数是否大于或等于所述第一预设阈值,若是,执行S106,否则,执行S107;S106:生成鱼塘含氧量正常信息,执行S101;S107:生成鱼塘缺氧信息;与现有技术相比,能够在不影响鱼群生长的情况下精确检测鱼塘是否缺氧。
附图说明
为了使发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明公开的一种基于背景建模的鱼塘缺氧检测方法的实施例1的流程图;
图2为本发明公开的一种基于背景建模的鱼塘缺氧检测方法的实施例2的流程图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
如图1所示,为本发明公开的一种基于背景建模的鱼塘缺氧检测方法的实施例1的流程图,包括以下步骤:
S101:获取图像采集装置发送的鱼塘水面视频;
图像采集装置可为摄像机,图像采集装置朝向需要检测是否缺氧的鱼塘的水面,并拍摄鱼塘水面的视频。
S102:对鱼塘水面视频进行背景建模并生成鱼塘水面视频的前景图像;
背景建模及获取前景图像为十分成熟的现有技术,对鱼塘水面视频进行背景建模后获取的前景图像即为鱼塘水面视频中的浮头鱼的图像,浮头鱼指因水中缺氧而将头靠近水面获取氧气的鱼。
S103:基于前景图像计算鱼塘水面视频中的浮头鱼数量N;
前景图像中会包括多个浮头鱼,统计前景图像中浮头鱼中数量,记为N。
S104:基于浮头鱼数量N计算鱼塘缺氧指数;
由浮头鱼的数量N可计算出鱼塘的缺氧指数,具体计算方式包括计算单位水面面积内浮头鱼的数量,计算单位体积的水体内浮头鱼的数量或计算浮头鱼在所有鱼中的占比,在这些方法中,水体体积、水面面积及鱼的总数等信息均可通过其他方式获得。
S105:判断鱼塘缺氧指数是否大于或等于第一预设阈值,若是,执行S106,否则,执行S107;
第一预设值为一个人共设置的值,作为鱼塘是否缺氧的分界线。
S106:生成鱼塘正常信息,执行S101;
当鱼塘缺氧指数小于第一预设值时,说明鱼塘不缺氧,此时生成鱼塘正常信息,此信息可直接反馈给用户,使用户知晓鱼塘的信息,此时返回执行步骤S101,持续对鱼塘是否缺氧进行检测。
S107:生成鱼塘缺氧信息;
当鱼塘缺氧指数大于第一预设值时,说明鱼塘缺氧,此时,生成一个鱼塘缺氧信息。此鱼塘缺氧信息可用于直接控制充氧设备对鱼塘充氧,可以直接显示给用户,有用户人工操作为鱼塘充氧。
与现有技术相比,本方法在检测过程中无需与水体接触且不会发出任何声音或光亮,因此不会对鱼塘环境产生影响,不会对鱼群的生长造成影响。此外,现有技术中采用溶氧传感器进行检测,只能检测一个很小的区域,而鱼塘水下环境复杂,各处的含氧量差距较大,检测结果并不能准确反映鱼塘的含氧量,而本方法直接对整片水域进行检测,因此特殊因素的影响较小,检测精度较高,因此,本方法解决了在不影响鱼群生长的条件县准确检测鱼塘含氧量的问题。
为进一步优化上述技术方案,对鱼塘水面视频进行背景建模并生成鱼塘水面视频的前景图像包括:
采用混合高斯模型对鱼塘水面视频进行背景建模并生成鱼塘水面视频的前景图像。
混合高斯模型能够在一定程度上适应背景的逐渐变化以及背景像素的多模态分布,并能取得较好的效果。浮头鱼在水面并不是静止不不动的,因此采用混合高斯模型进行背景建模,可使检测结果更加精准。
采用混合高斯模型进行背景建模的原理如下:
设图像中像素点(x,y)在t时刻的像素信息为Xt=I(x,y,t),像素信息Xt指的是t时刻图像坐标为(x,y)的三通道像素向量,则其像素点信息的概率密度函数表示为下式:
其中ωi,t为权重,μi,t和Σi,t分别是相应的均值和方差,实际中为了处理,协方差矩阵取为η(Xt,μi,t,Σi,t)是t时刻第i个高斯概率密度函数,定义为
将t时刻中的像素点(x,y)信息Xt=I(x,y,t)与K个高斯分布进行比较,查找是否有匹配的高斯分布,将满足|I(x,y,t)-μi,t|≤2.5σi,t的像素点作为背景区域,否则作为前景区域。
将满足匹配条件的高斯分布进行参数更新,其更新方式按下式进行
ωi,t=(1-a)ωi,t-1+aMi,t
μi,t=(1-ρ)μi,t-1+ρI(x,y,t)
其中,a为学习因子,对于匹配的高斯分布,Mi,t=1,对于不匹配的高斯分布,Mi,t=0,t-1是t相邻的前一时刻,ρ表示参数更新速率,ρ=α·η(Xt,μi,t,σi,t),σ是t时刻第i个高斯分布的标准差。
为进一步优化上述技术方案,基于浮头鱼数量N计算鱼塘缺氧指数包括:
计算鱼塘缺氧指数C,S为鱼塘水面视频的水面面积。
鱼塘水面视频的水面面积可直接由获取的图像计算,计算过程方便,因此采用更便于计算鱼塘缺氧指数C。
如图2所示,为本发明公开的一种基于背景建模的鱼塘缺氧检测方法的实施例2的流程图,包括以下步骤:
S201:获取图像采集装置发送的鱼塘水面视频;
图像采集装置可为摄像机,图像采集装置朝向需要检测是否缺氧的鱼塘的水面,并拍摄鱼塘水面的视频。
S202:采用混合高斯模型对鱼塘水面视频进行背景建模并生成鱼塘水面视频的前景图像;
混合高斯模型能够在一定程度上适应背景的逐渐变化以及背景像素的多模态分布,并能取得较好的效果。浮头鱼在水面并不是静止不不动的,因此采用混合高斯模型进行背景建模,可使检测结果更加精准。对鱼塘水面视频进行背景建模后获取的前景图像即为鱼塘水面视频中的浮头鱼的图像,浮头鱼指因水中缺氧而将头靠近水面获取氧气的鱼。
S203:对前景图像执行卡尔曼滤波,分别计算前景图像中所有前景点的轨迹预测值及轨迹实际值z(n);
鱼塘的前景图像中包括了浮头鱼、气泡及浪花等噪声点,每一个浮头鱼、气泡及浪花都为一个前景点;
卡尔曼滤波的原理如下:
P(n|n-1)=AP(n-1|n-1)AT+Q
K(n)=P(n|n-1)HT(n)[R(n)+H(n)P(n|n-1)HT(n)]-1
P(n|n)=[I-K(n)H(n)]P(n|n-1)
其中,是状态向量,其表示预测的前景点的坐标位置信息,即是在前景图像中的坐标(x,y);z是观测向量,表示前景点在前景图像上的实际坐标信息;是用n时刻以前的数据对n时刻的估计结果;是用n时刻及n时刻以前的数据对n时刻的估计结果,这也是卡尔曼滤波的输出;P(n|n-1)是最小预测均方误差矩阵;P(n|n)是修正后最小均方误差矩阵;K(n)是误差增益,A为状态转移矩阵,H为观测矩阵,I为1的矩阵,对于单模型单测量,I=1。
S204:判断所有前景点的是否小于或等于第二预设阈值的大小,若是,执行S206,否则执行S205;
S205:去除前景图像中大于第二预设阈值的前景点;
当存在前景点的大于第二预设阈值,则说明前景图像中存在气泡或浪花等噪点,此时为保证检测结果的准确性,需要去除噪点,第二预设阈值可根据实际情况由人工进行设置。为欧氏距离。
S206:判断前景点为鱼图像,记录鱼图像的持续时间,判断鱼图像的持续时间是否大于或等于预设时间,若是,执行S207;
当所有前景点的都小于第二预设值,则此时前景图像中只包括了鱼,没有噪点,但水面的与并不一定都是因为缺氧才靠近水面,因此,需要对于出现的时间进行计时,只有当鱼在水面持续停留一段时间,才判断鱼是因为缺氧而靠近的睡眠,预设时间由工作人员根据实际情况进行设定。
S207:判断鱼图像为鱼浮头图像,计算所有鱼浮头图像的数量并生成浮头鱼数量N;
当鱼图像持续出现一段时间,则说明鱼是因为缺氧而靠近水面,此时,鱼图像为浮头鱼图像,统计前景图像中浮头鱼图像的数量,生成浮头鱼数量N。浮头鱼的具体计算方法为:采用一个加法器,在一个预设的时间段内计算浮头鱼的数量,浮头鱼的数量从0开始,此时间段内,每出现一条浮头鱼,浮头鱼数量加1,当时间满足预设的时间段时,此时加法器累加的浮头鱼数量就是浮头鱼数量N。加法器清零,重复上述过程再次计算浮头鱼的数量。
S208:计算鱼塘缺氧指数C,S为鱼塘水面视频的水面面积;
由浮头鱼的数量N可计算出鱼塘的缺氧指数,具体计算方式包括计算单位水面面积内浮头鱼的数量,计算单位体积的水体内浮头鱼的数量或计算浮头鱼在所有鱼中的占比,在这些方法中,水体体积、水面面积及鱼的总数等信息均可通过其他方式获得。
S209:判断鱼塘缺氧指数是否大于或等于第一预设阈值,若是,执行S106,否则,执行S107;
第一预设值为一个人工设置的值,作为鱼塘是否缺氧的分界线。
S210:生成鱼塘正常信息,执行S201;
当鱼塘缺氧指数小于第一预设值时,说明鱼塘不缺氧,此时生成鱼塘正常信息,此信息可直接反馈给用户,使用户知晓鱼塘的信息,此时返回执行步骤S201,持续对鱼塘是否缺氧进行检测。
S211:生成鱼塘缺氧信息;
当鱼塘缺氧指数大于第一预设值时,说明鱼塘缺氧,此时,生成一个鱼塘缺氧信息。此鱼塘缺氧信息可用于直接控制充氧设备对鱼塘充氧,可以直接显示给用户,有用户人工操作为鱼塘充氧。
与现有技术相比,本方法在检测过程中无需与水体接触且不会发出任何声音或光亮,因此不会对鱼塘环境产生影响,不会对鱼群的生长造成影响。此外,现有技术中采用溶氧传感器进行检测,只能检测一个很小的区域,而鱼塘水下环境复杂,各处的含氧量差距较大,检测结果并不能准确反映鱼塘的含氧量,而本方法直接对整片水域进行检测,因此特殊因素的影响较小,检测精度较高,因此,本方法解决了在不影响鱼群生长的条件县准确检测鱼塘含氧量的问题。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管通过参照本发明的优选实施例已经对本发明进行了描述,但本领域的普通技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离所附权利要求书所限定的本发明的精神和范围。
Claims (4)
1.一种基于背景建模的鱼塘缺氧检测方法,其特征在于,包括以下步骤:
S101:获取图像采集装置发送的鱼塘水面视频;
S102:对所述鱼塘水面视频进行背景建模并生成所述鱼塘水面视频的前景图像,执行S103;
S103:基于所述前景图像计算所述鱼塘水面视频中的浮头鱼数量N;
S104:基于所述浮头鱼数量N计算鱼塘缺氧指数;
S105:判断所述鱼塘缺氧指数是否大于或等于所述第一预设阈值,若是,执行S106,否则,执行S107;
S106:生成鱼塘正常信息,执行S101;
S107:生成鱼塘缺氧信息。
2.如权利要求1所述的基于背景建模的鱼塘缺氧检测方法,其特征在于,所述对所述鱼塘水面视频进行背景建模并生成所述鱼塘水面视频的前景图像包括:
采用混合高斯模型对所述鱼塘水面视频进行背景建模并生成所述鱼塘水面视频的前景图像。
3.如权利要求1所述的基于背景建模的鱼塘缺氧检测方法,其特征在于,所述基于所述前景图像计算所述鱼塘水面视频中的浮头鱼数量N包括:
S301:对所述前景图像执行卡尔曼滤波,分别计算所述前景图像中所有前景点的轨迹预测值及轨迹实际值z(n);
S302:判断所有所述前景点的是否小于或等于第二预设阈值的大小,若是,执行S304,否则执行S303;
S303:去除所述前景图像中大于第二预设阈值的前景点;
S304:判断所述前景点为鱼图像,记录所述鱼图像的持续时间,判断所述鱼图像的持续时间是否大于或等于预设时间,若是,执行S305;
S305:判断所述鱼图像为鱼浮头图像,计算所有所述鱼浮头图像的数量并生成所述浮头鱼数量N。
4.如权利要求1所述基于背景建模的鱼塘缺氧检测方法,其特征在于,所述基于所述浮头鱼数量N计算鱼塘缺氧指数包括:
计算所述鱼塘缺氧指数C,S为所述鱼塘水面视频的水面面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711007146.9A CN107730495A (zh) | 2017-10-25 | 2017-10-25 | 一种基于背景建模的鱼塘缺氧检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711007146.9A CN107730495A (zh) | 2017-10-25 | 2017-10-25 | 一种基于背景建模的鱼塘缺氧检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107730495A true CN107730495A (zh) | 2018-02-23 |
Family
ID=61213806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711007146.9A Pending CN107730495A (zh) | 2017-10-25 | 2017-10-25 | 一种基于背景建模的鱼塘缺氧检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730495A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472883A (zh) * | 2018-09-27 | 2019-03-15 | 中国农业大学 | 巡塘方法和装置 |
CN110163253A (zh) * | 2019-04-18 | 2019-08-23 | 中国农业大学 | 鱼浮头程度检测方法及系统 |
CN111838027A (zh) * | 2020-07-22 | 2020-10-30 | 盐城师范学院 | 一种纯氧供应水产养殖系统及方法 |
CN115802009A (zh) * | 2022-11-21 | 2023-03-14 | 广州机智云物联网科技有限公司 | 一种通过视频数据识别鱼群缺氧的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1554937A1 (en) * | 2004-01-15 | 2005-07-20 | Uni-Aqua A/S | Aquaculturing system for producing cultured fish using a marine fish feed source comprising copepods |
CN1868267A (zh) * | 2006-05-22 | 2006-11-29 | 秦敏华 | 鱼塘缺氧报警器 |
CN200956761Y (zh) * | 2006-07-19 | 2007-10-10 | 张军辉 | 鱼塘缺氧声光报警器 |
CN103340176A (zh) * | 2013-07-29 | 2013-10-09 | 广州市沃希信息科技有限公司 | 自动给氧方法、装置及系统 |
CN104749334A (zh) * | 2015-02-16 | 2015-07-01 | 燕山大学 | 基于模式识别的生物式异常水质评价系统设计方法 |
CN105225229A (zh) * | 2015-09-07 | 2016-01-06 | 三峡大学 | 基于视频信号的鱼类过坝运动轨迹定位装置与方法 |
CN106022459A (zh) * | 2016-05-23 | 2016-10-12 | 三峡大学 | 一种基于水下视频的鱼道过鱼量自动计数系统 |
-
2017
- 2017-10-25 CN CN201711007146.9A patent/CN107730495A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1554937A1 (en) * | 2004-01-15 | 2005-07-20 | Uni-Aqua A/S | Aquaculturing system for producing cultured fish using a marine fish feed source comprising copepods |
CN1868267A (zh) * | 2006-05-22 | 2006-11-29 | 秦敏华 | 鱼塘缺氧报警器 |
CN200956761Y (zh) * | 2006-07-19 | 2007-10-10 | 张军辉 | 鱼塘缺氧声光报警器 |
CN103340176A (zh) * | 2013-07-29 | 2013-10-09 | 广州市沃希信息科技有限公司 | 自动给氧方法、装置及系统 |
CN104749334A (zh) * | 2015-02-16 | 2015-07-01 | 燕山大学 | 基于模式识别的生物式异常水质评价系统设计方法 |
CN105225229A (zh) * | 2015-09-07 | 2016-01-06 | 三峡大学 | 基于视频信号的鱼类过坝运动轨迹定位装置与方法 |
CN106022459A (zh) * | 2016-05-23 | 2016-10-12 | 三峡大学 | 一种基于水下视频的鱼道过鱼量自动计数系统 |
Non-Patent Citations (1)
Title |
---|
范伟康: "基于鱼群行为分析的水质监测系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472883A (zh) * | 2018-09-27 | 2019-03-15 | 中国农业大学 | 巡塘方法和装置 |
CN110163253A (zh) * | 2019-04-18 | 2019-08-23 | 中国农业大学 | 鱼浮头程度检测方法及系统 |
CN110163253B (zh) * | 2019-04-18 | 2021-05-04 | 中国农业大学 | 鱼浮头程度检测方法及系统 |
CN111838027A (zh) * | 2020-07-22 | 2020-10-30 | 盐城师范学院 | 一种纯氧供应水产养殖系统及方法 |
CN115802009A (zh) * | 2022-11-21 | 2023-03-14 | 广州机智云物联网科技有限公司 | 一种通过视频数据识别鱼群缺氧的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730495A (zh) | 一种基于背景建模的鱼塘缺氧检测方法 | |
CN107094683B (zh) | 一种水产养殖的自动投饵和水质监测控制系统 | |
CN113822233B (zh) | 一种深海养殖异常鱼类跟踪方法及系统 | |
CN109360206A (zh) | 基于深度学习的大田稻穗分割方法 | |
CN109376576A (zh) | 基于交替更新密集连通从零训练网络的目标检测方法 | |
CN106259095B (zh) | 一种池塘淡水养殖鱼的行为对鱼类养殖状态的判断方法 | |
CN115879771B (zh) | 一种养殖池塘溶解氧智能调控方法及系统 | |
CN114615252B (zh) | 一种鱼类增殖放流用在线监测系统 | |
CN114724022B (zh) | 融合SKNet与YOLOv5的养殖鱼群检测方法、系统和介质 | |
CN112802064A (zh) | 一种水利枢纽鱼道视觉识别系统 | |
CN111487386A (zh) | 一种大面积河蟹养殖池塘水质参数的自动检测方法 | |
CN110637764A (zh) | 一种河蟹养殖投饵量的精准确定方法 | |
CN113793350A (zh) | 一种鱼苗计数物联设备及鱼苗情况统计方法 | |
CN108668962A (zh) | 一种鱼类窒息死亡风险的确定方法及系统 | |
CN116452967B (zh) | 基于机器视觉的鱼游动速度识别方法 | |
CN113484867A (zh) | 一种基于成像声呐封闭空间下鱼群密度探测方法 | |
CN109006652A (zh) | 一种基于物联网的罗非鱼制种育苗系统及方法 | |
CN113327263A (zh) | 一种基于图像视觉的鱼群活跃度监测方法 | |
CN214475140U (zh) | 一种水利枢纽鱼道视觉识别系统 | |
CN107703509A (zh) | 一种声呐探测鱼群选择最佳垂钓点的系统和方法 | |
CN111275269A (zh) | 一种基于养殖鱼异常行为的在线水质溶解氧变化预测方法 | |
CN106855942B (zh) | 一种基于加权样本的视频背景提取方法 | |
CN110163253A (zh) | 鱼浮头程度检测方法及系统 | |
CN114200468B (zh) | 水下网衣巡检机器人的定位方法、系统及存储介质 | |
CN115496780A (zh) | 一种鱼类识别计数、测速预警和进出数量统计系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |
|
RJ01 | Rejection of invention patent application after publication |