CN108416764A - 一种水下网箱养殖中的网衣破损检测装置及方法 - Google Patents
一种水下网箱养殖中的网衣破损检测装置及方法 Download PDFInfo
- Publication number
- CN108416764A CN108416764A CN201810072984.2A CN201810072984A CN108416764A CN 108416764 A CN108416764 A CN 108416764A CN 201810072984 A CN201810072984 A CN 201810072984A CN 108416764 A CN108416764 A CN 108416764A
- Authority
- CN
- China
- Prior art keywords
- etting
- net cage
- image
- control processor
- target
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/71—Circuitry for evaluating the brightness variation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- 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
Abstract
本发明提供一种水下网箱养殖中的网衣破损检测装置及方法,所述装置包括:控制处理器及分别与所述控制处理器连接的水下图像采集单元、动力推进单元、通讯模块和供电单元;所述动力推进单元用于驱动所述水下图像采集单元相对目标网箱向前、向后、向左、向右、向上或向下的运动;所述水下图像采集单元用于采集所述目标网箱的网衣图像,并将所述网衣图像通过所述通讯模块上传至所述控制处理器;所述控制处理器用于接收所述网衣图像,并对所述网衣图像进行基于内部算法设定的图像数据处理,输出对所述目标网箱的网衣破损检测结果;所述供电单元用于为整个检测装置提供驱动电源。本发明能够有效降低网衣破损检测中的人力消耗,提高有效检测的效率。
Description
技术领域
本发明涉及渔业信息化管理技术领域,更具体地,涉及一种水下网箱养殖中的网衣破损检测装置及方法。
背景技术
近年来,随着水产养殖网箱,尤其是深水网箱规模的增大,网衣安全问题是深水网箱养殖技术应用与推广中要解决的关键问题之一。如果无法及时发现破损的网衣,网箱内的鱼会大量逃逸,造成巨大的经济损失。
目前网衣的检测主要是依靠潜水员观察,或者是利用水下摄像头通过人工观察。这种方法虽然简单,但是对商业规模的养殖场,需要耗费较多的人力,且受环境因素等的影响,进行检测的效率不高。
发明内容
为了克服上述问题或者至少部分地解决上述问题,本发明提供一种水下网箱养殖中的网衣破损检测装置及方法,用以有效降低网衣破损检测中的人力消耗,提高有效检测的效率。
一方面,本发明提供一种水下网箱养殖中的网衣破损检测装置,包括:控制处理器以及分别与所述控制处理器连接的水下图像采集单元、动力推进单元、通讯模块和供电单元;所述动力推进单元用于驱动所述水下图像采集单元相对目标网箱的向前、向后、向左、向右、向上或向下的运动;所述水下图像采集单元用于采集所述目标网箱的网衣图像,并将所述网衣图像通过所述通讯模块上传至所述控制处理器;所述控制处理器用于接收所述网衣图像,并对所述网衣图像进行基于内部算法设定的图像数据处理,输出对所述目标网箱的网衣破损检测结果;所述供电单元用于为整个检测装置提供驱动电源。
其中,所述水下图像采集单元进一步包括依次连接的光照度传感器、摄像头和光源;所述光照度传感器用于感知环境光照强度数据,并将所述环境光照强度数据发送至所述控制处理器;相应的,所述控制处理器还用于,若判断所述环境光照强度数据低于设定光照阈值时,打开所述光源进行补光;所述摄像头用于采集所述网衣图像并上传至所述控制处理器。
其中,所述动力推进单元进一步包括依次相连的推进器、转艏舵和浮沉舵;所述推进器用于根据所述控制处理器的控制,驱动所述水下图像采集单元相对所述目标网箱的向前或者向后运动;所述转艏舵用于根据所述控制处理器的控制,驱动所述水下图像采集单元相对所述目标网箱在水平方向的向左或者向右运动;所述浮沉舵用于根据所述控制处理器的控制,驱动所述水下图像采集单元相对所述目标网箱的下潜或者上浮运动。
其中,所述检测装置置于养殖区域中所述目标网箱的外围,沿所述目标网箱的外部采集所述网衣图像。
另一方面,本发明提供一种水下网箱养殖中的网衣破损检测方法,包括:S1,通过控制图像采集单元相对目标网箱的向前、向后、向左、向右、向上或向下的运动,获取所述目标网箱的网衣图像;S2,依次对所述网衣图像进行背景提取、背景消除以及灰度及二值化处理,获取初始网衣目标;S3,利用给定细化算法,提取所述初始网衣目标中的网衣骨架,并基于所述网衣骨架进行交叉点提取;S4,基于提取的所述交叉点,对所述目标网箱的网衣进行基于Delaunay三角剖分的破损检测,输出对所述网衣的破损状态检测结果。
其中,所述S4的步骤进一步包括:S41,以所有所述交叉点为顶点对所述目标网箱的网衣进行Delaunay三角剖分,获取多个Delaunay三角网;S42,分别计算每个所述Delaunay三角网的周长,并计算各所述周长的平均值,获取平均周长;S43,若所述平均周长大于给定周长阈值,则判定所述目标网箱的网衣存在破损。
其中,所述S2的步骤进一步包括:S21,根据多帧所述网衣图像,计算图像中各位置点的像素灰度平均值并根据各位置点的实际像素灰度I(x,y)和所述像素灰度平均值确定背景灰度;S22,基于所述背景灰度,确定背景方差σ(x,y);S23,基于所述背景方差σ(x,y)、各位置点的实际像素灰度I(x,y)和所述像素灰度平均值判定满足关系式的位置点为背景点;S24,基于对所述背景点的判定,拆分出所述网衣图像中的非背景点,获取所述初始网衣目标。
其中,步骤S3中所述基于所述网衣骨架进行交叉点提取的步骤进一步包括:若所述网衣骨架中任一位置点的像素值为1,且所述任一位置点的8邻域中具有至少三个像素为1的位置点,同时该所述任一位置点所在的每一个3×3邻域的像素值之和均大于或等于4,则判定该所述任一位置点为交叉点。
其中,步骤S41中所述以所有所述交叉点为顶点对所述目标网箱的网衣进行Delaunay三角剖分的剖分准则包括:保证任一个Delaunay三角形的外接圆内部不再包含其余任何的点;并且,每两个相邻Delaunay三角形构成的凸四边形以该两个相邻Delaunay三角形的重合边为对角线,并在相互交换后,构成的六个内角的最小角不再增大。
进一步的,在所述S4的步骤之后,所述方法还包括:更新背景,将步骤S23中所述的背景点作为下一帧图像的背景点,重新获取网衣图像,并循环执行步骤S1~S4,直至对所述网衣的破损状态检测结果满足设定精度。
本发明提供的一种水下网箱养殖中的网衣破损检测装置及方法,在控制处理器的控制下,通过动力推进单元的移动,利用水下图像采集单元采集网箱网衣的图像并对其进行处理,实现对网衣破损状态的检测。本发明能够在水下将采集到的图像实时处理,避免大量的数据岸上传输,且自动智能的网衣破损检测过程无需人工观察,能够有效降低网衣破损检测中的人力消耗,提高有效检测的效率。
附图说明
图1为本发明实施例一种水下网箱养殖中的网衣破损检测装置的结构示意图;
图2为本发明实施例一种网衣破损检测装置中水下图像采集单元的结构示意图;
图3为本发明实施例一种网衣破损检测装置中动力推进单元的结构示意图;
图4为本发明实施例一种水下网箱养殖中的网衣破损检测方法的流程图;
图5为本发明实施例一种获取初始网衣目标的流程图;
图6为根据本发明实施例一种水下网箱养殖中的网衣破损检测方法获取的网箱网衣的目标的二值示意图;
图7为根据本发明实施例一种水下网箱养殖中的网衣破损检测方法获取的网箱网衣的骨架示意图;
图8为根据本发明实施例一种水下网箱养殖中的网衣破损检测方法获取的网箱网衣的交叉点示意图;
图9为本发明实施例一种对网衣进行基于Delaunay三角剖分的破损检测的流程图;
图10为根据本发明实施例一种水下网箱养殖中的网衣破损检测方法获取的网箱网衣的Delaunay三角剖分示意图。
具体实施方式
为使本发明的目的、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的一部分实施例,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做出创造性劳动的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。
作为本发明实施例的一个方面,本实施例提供一种水下网箱养殖中的网衣破损检测装置,参考图1,为本发明实施例一种水下网箱养殖中的网衣破损检测装置的结构示意图,包括:控制处理器1以及分别与控制处理器1连接的水下图像采集单元2、动力推进单元3、通讯模块4和供电单元5。其中,
动力推进单元3用于驱动水下图像采集单元2相对目标网箱的向前、向后、向左、向右、向上或向下的运动;
水下图像采集单元2用于采集所述目标网箱的网衣图像,并将所述网衣图像通过通讯模块4上传至控制处理器1;
控制处理器1用于接收所述网衣图像,并对所述网衣图像进行基于内部算法设定的图像数据处理,输出对所述目标网箱的网衣破损检测结果;
供电单元5用于为整个检测装置提供驱动电源。
可以理解为,本实施例中的水下网箱养殖中的网衣破损检测装置至少包括控制处理器1、水下图像采集单元2、动力推进单元3、通讯模块4和供电单元5共五个组件,其中的控制处理器1与其余四个组件分别连接。供电单元5为整个检测装置提供驱动电源。
其中,控制处理器1可以选取为嵌入式的ARM+DSP内核的处理器。
装置运行时,由控制处理器1通过通讯模块4向动力推进单元3发送控制信号,控制动力推进单元3为水下图像采集单元2提供驱动力,驱动其相对目标网箱的向前、向后、向左、向右、向上或向下的运动。
其中,在一个实施例中,所述检测装置置于养殖区域中所述目标网箱的外围,沿所述目标网箱的外部采集所述网衣图像。
可以理解为,在布置网衣破损检测装置时,将该检测装置布置在目标网箱的外围。通过控制动力推进单元3,驱动网衣破损检测装置沿目标网箱的外围运动,对目标网箱的外部进行图像采集。
水下图像采集单元2在动力推进单元3的驱动下,与目标网箱发生相对运动,对目标网箱的网衣进行不同角度的图像采集,并将采集到的网衣图像通过通讯模块4上传至控制处理器1。
控制处理器1接收水下图像采集单元2上传的网衣图像,根据内部设定的处理算法,对网衣图像进行图像数据处理,并根据处理结果确定目标网箱中网衣的破损状态,将检测到的破损状态结果输出。
应当理解的是,这里的破损状态结果的输出可以是通过监测单元对目标网箱的网衣破损状态进行展示输出,也可以是通过发出报警输出网衣的破损状态等。
本发明提供的一种水下网箱养殖中的网衣破损检测装置,在控制处理器的控制下,通过动力推进单元的移动,利用水下图像采集单元采集网箱网衣的图像并对其进行处理,实现对网衣破损状态的检测。本发明能够在水下将采集到的图像实时处理,避免大量的数据岸上传输,且自动智能的网衣破损检测过程无需人工观察,能够有效降低网衣破损检测中的人力消耗,提高有效检测的效率。
其中可选的,参考图2,为本发明实施例一种网衣破损检测装置中水下图像采集单元的结构示意图。其中水下图像采集单元2进一步包括依次连接的光照度传感器21、摄像头22和光源23。其中,
光照度传感器21用于感知环境光照强度数据,并将所述环境光照强度数据发送至控制处理器1;
相应的,控制处理器1还用于,若判断所述环境光照强度数据低于设定光照阈值时,打开光源23进行补光;
摄像头22用于采集所述网衣图像并上传至控制处理器1。
可以理解为,由于水下环境通常光线不足,利用摄像头进行水下图像采集时,通常因光线不足而导致采集到的图像质量达不到处理要求。因此本实施例考虑在水下图像采集单元2中设置光源23,并设置光照度传感器21,以根据光照度传感器21对水下环境光照度数据进行采集,并通过通讯模块4发送至控制处理器1。
控制处理器1根据接收到的水下环境光照度判断是否需要利用光源23进行补光。若通过判断获知水下环境光照度不足,则控制点亮光源23进行环境补光。在利用光源23进行水下环境补光后,控制摄像头22对目标网箱的网衣进行图像采集,并将采集到的网衣图像通过通讯模块4上传至控制处理器1。
其中可选的,参考图3,为本发明实施例一种网衣破损检测装置中动力推进单元的结构示意图。图中动力推进单元3进一步包括依次相连的推进器31、转艏舵32和浮沉舵33。其中,
推进器31用于根据控制处理器1的控制,驱动水下图像采集单元1相对所述目标网箱的向前或者向后运动;
转艏舵32用于根据控制处理器1的控制,驱动水下图像采集单元1相对所述目标网箱在水平方向的向左或者向右运动;
浮沉舵33用于根据控制处理器1的控制,驱动水下图像采集单元1相对所述目标网箱的下潜或者上浮运动。
可以理解为,为了能够利用动力推进单元3驱动水下图像采集单元2相对目标网箱的向前、向后、向左、向右、向上或向下六个方向上的运动,在动力推进单元3中分别设置推进器31、转艏舵32和浮沉舵33。其中,推进器31驱动水下图像采集单元2相对目标网箱的向前或者向后运动,转艏舵32驱动水下图像采集单元2相对目标网箱在水平方向的向左或者向右运动,浮沉舵33驱动水下图像采集单元2相对目标网箱的下潜或者上浮运动。
应当理解的是,控制处理器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网衣状态,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。
作为本发明实施例的另一个方面,本实施例提供一种水下网箱养殖中的网衣破损检测方法,参考图4,为本发明实施例一种水下网箱养殖中的网衣破损检测方法的流程图,包括:
S1,通过控制图像采集单元相对目标网箱的向前、向后、向左、向右、向上或向下的运动,获取所述目标网箱的网衣图像;
S2,依次对所述网衣图像进行背景提取、背景消除以及灰度及二值化处理,获取初始网衣目标;
S3,利用给定细化算法,提取所述初始网衣目标中的网衣骨架,并基于所述网衣骨架进行交叉点提取;
S4,基于提取的所述交叉点,对所述目标网箱的网衣进行基于Delaunay三角剖分的破损检测,输出对所述网衣的破损状态检测结果。
可以理解为,本实施例通过对目标网箱的网衣进行各个方位的图像采集,获取网衣图像,并通过对网衣图像的上述处理操作实现对目标网箱的破损状态的监测结果。
步骤S2中进行网衣图像中的目标网衣的提取,即通过确定背景区域并进行背景区域和目标区域的拆分,得到初始网衣目标。
其中可选的,所述S2的进一步处理步骤参考图5,为本发明实施例一种获取初始网衣目标的流程图,包括:
S21,根据多帧所述网衣图像,计算图像中各位置点的像素灰度平均值并根据各位置点的实际像素灰度I(x,y)和所述像素灰度平均值确定背景灰度。
可以理解为,在实际应用中,可以首先取多帧图片,例如100帧,计算其平均像素亮度当任一位置点(x,y)处的平均灰度大于δI(x,y)时,定义此时背景灰度为反之背景灰度为I(x,y)。其中,校正系数δ取值范围为(0,1),I(x,y)为此位置点(x,y)的像素点灰度。该δ可以根据现场情况多次实验得到,在此不再说明。
S22,基于所述背景灰度,确定背景方差σ(x,y)。
S23,基于所述背景方差σ(x,y)、各位置点的实际像素灰度I(x,y)和所述像素灰度平均值判定满足关系式的位置点为背景点。
可以理解为,对于位置点(x,y),若则判定此像素点为背景,反之判定为探测到的目标物体。其中,σ(x,y)为背景方差。
S24,基于对所述背景点的判定,拆分出所述网衣图像中的非背景点,获取所述初始网衣目标。
可以理解为,在确定图像的背景后,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图像。其中,在一个实施例中,提取仅包含目标物体的,即提取图像中的非背景点,形成初始网衣目标。获取的初始网衣目标如图6所示,为根据本发明实施例一种水下网箱养殖中的网衣破损检测方法获取的网箱网衣的目标的二值示意图。
步骤S3中首先根据上述步骤获取的初始网衣目标进行网衣骨架的提取,然后根据提取的网衣骨架,确定其中代表网衣中各节点的交叉点。
其中,在一个实施例中,利用Zhang-Suen细化算法提取述初始网衣目标中的网衣骨架。提取的结果如图7所示,为根据本发明实施例一种水下网箱养殖中的网衣破损检测方法获取的网箱网衣的骨架示意图。
其中,在另一个实施例中,步骤S3中所述基于所述网衣骨架进行交叉点提取的步骤进一步包括:若所述网衣骨架中任一位置点的像素值为1,且所述任一位置点的8邻域中具有至少三个像素为1的位置点,同时该所述任一位置点所在的每一个3×3邻域的像素值之和均大于或等于4,则判定该所述任一位置点为交叉点。提取的结果如图8所示,为根据本发明实施例一种水下网箱养殖中的网衣破损检测方法获取的网箱网衣的交叉点示意图。
步骤S4中根据由上述步骤获取的网衣交叉点,利用给定的Delaunay三角剖分算法,首先对目标网箱的网衣进行三角剖分,并根据剖分结果,利用设定规则判断网衣的破损或完好状态。
其中可选的,所述S4的进一步处理步骤参考图9,为本发明实施例一种对网衣进行基于Delaunay三角剖分的破损检测的流程图,包括:
S41,以所有所述交叉点为顶点对所述目标网箱的网衣进行Delaunay三角剖分,获取多个Delaunay三角网。
可以理解为,本步骤将根据上述实施例获取到的图像中的所有交叉点作为顶点,对目标网箱的网衣进行Delaunay三角剖分,得到多个Delaunay三角网。剖分结果如图10所示,为根据本发明实施例一种水下网箱养殖中的网衣破损检测方法获取的网箱网衣的Delaunay三角剖分示意图。
其中,在一个实施例中,步骤S41中所述以所有所述交叉点为顶点对所述目标网箱的网衣进行Delaunay三角剖分的剖分准则包括:
保证任一个Delaunay三角形的外接圆内部不再包含其余任何的点;
并且,每两个相邻Delaunay三角形构成的凸四边形以该两个相邻Delaunay三角形的重合边为对角线,并在相互交换后,构成的六个内角的最小角不再增大。
可以理解为,本实施例利用根据上述实施例获取的交叉点的点集作为构建Delaunay三角剖分的点集P,根据构建Delaunay三角网的准则,即:任何一个Delaunay三角形的外接圆的内部不能包含其他任何点(空圆特性);且每两个相邻的三角形构成凸四边形的对角线,在相互交换后,六个内角的最小角不再增大(最大化最小角特性)。即利用三角网生长法,对点集P进行Delaunay三角剖分,得到以质心为顶点的Delaunay三角网。
S42,分别计算每个所述Delaunay三角网的周长,并计算各所述周长的平均值,获取平均周长。
可以理解为,本步骤分别计算每个Delaunay三角形的周长,并取该帧图像中全部Delaunay三角形周长的平均值。
S43,若所述平均周长大于给定周长阈值,则判定所述目标网箱的网衣存在破损。
可以理解为,通过对上述平均周长与给定周长阈值的比较判断,如果其大于设定的阈值,则认为此区域的网衣存在破损,否则为正常网衣。
应当理解的是,在Delaunay三角形中,每个三角形的三个点对应于其最小外接圆,因此三角形中每个三角形的大小可以在一定程度上反映各个顶点距离的距离。从而,对于网衣,三角形的周长的平均值可以用于反映网衣的破损程度。在Delaunay三角网中,其破损程度指数DI可以表示为:
其中,n表示当前帧图像中Delaunay三角形的个数。Pi表示第i个三角形周长,Li1,Li2,Li3表示第i个三角形的三个边。
如果DI大于设定的阈值DIth,,则认为此区域的网衣存在破损,否则为正常网衣,DIth可以通过多次试验选取。
由以上定义可知,DI为Delaunay三角网中每个三角形的周长平均值,代表了鱼类的破损程度,越大说明网衣的破损程度越高。
本发明提供的一种水下网箱养殖中的网衣破损检测方法,通过对网衣图像依次进行初始网衣目标提取、网衣骨架提取和网衣交叉点提取之后,根据提取的交叉点,利用基于Delaunay三角剖分算法的监测方法,检测目标网箱网衣的破损状态,能够实现在水下将采集到的图像进行实时处理,避免大量的数据岸上传输,且自动智能的网衣破损检测过程无需人工观察,能够有效降低网衣破损检测中的人力消耗,提高有效检测的效率。
进一步的,在所述S4的步骤之后,所述方法还包括:更新背景,将步骤S23中所述的背景点作为下一帧图像的背景点,重新获取网衣图像,并循环执行步骤S1~S4,直至对所述网衣的破损状态检测结果满足设定精度。
可以理解为,为进一步提高计算精度,在根据上述实施例步骤S4进行目标网箱的网衣的破损状态检测之后,再进行更新背景,将步骤S1中背景作为下一帧图像的背景,然后重新获取图像,重复执行步骤S1~S4。
由上述实施例可以看出,本发明通过获取图像的背景,然后对目标物体进行提取,经过骨架细化,交叉点提取后,以交叉点的点集心为顶点进行Delaunay三角剖分,得到Delaunay三角网。将三角网中所有三角形的周长的和的平均值作为表征网衣破损程度指数,从而能够实时监测网衣的破损状况。
另外,本领域内的技术人员应当理解的是,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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S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S。
需要说明的是,在本申请文件中,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。然而应当理解的是,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;尽管参照前述实施例对本发明进行了详细的说明,本领域的技术人员应当理解: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精神和范围。
Claims (10)
1.一种水下网箱养殖中的网衣破损检测装置,其特征在于,包括:控制处理器以及分别与所述控制处理器连接的水下图像采集单元、动力推进单元、通讯模块和供电单元;
所述动力推进单元用于驱动所述水下图像采集单元相对目标网箱的向前、向后、向左、向右、向上或向下的运动;
所述水下图像采集单元用于采集所述目标网箱的网衣图像,并将所述网衣图像通过所述通讯模块上传至所述控制处理器;
所述控制处理器用于接收所述网衣图像,并对所述网衣图像进行基于内部算法设定的图像数据处理,输出对所述目标网箱的网衣破损检测结果;
所述供电单元用于为整个所述检测装置提供驱动电源。
2.根据权利要求1所述的检测装置,其特征在于,所述水下图像采集单元进一步包括依次连接的光照度传感器、摄像头和光源;
所述光照度传感器用于感知环境光照强度数据,并将所述环境光照强度数据发送至所述控制处理器;
相应的,所述控制处理器还用于,若判断所述环境光照强度数据低于设定光照阈值时,打开所述光源进行补光;
所述摄像头用于采集所述网衣图像并上传至所述控制处理器。
3.根据权利要求1或2所述的检测装置,其特征在于,所述动力推进单元进一步包括依次相连的推进器、转艏舵和浮沉舵;
所述推进器用于根据所述控制处理器的控制,驱动所述水下图像采集单元相对所述目标网箱的向前或者向后运动;
所述转艏舵用于根据所述控制处理器的控制,驱动所述水下图像采集单元相对所述目标网箱在水平方向的向左或者向右运动;
所述浮沉舵用于根据所述控制处理器的控制,驱动所述水下图像采集单元相对所述目标网箱的下潜或者上浮运动。
4.根据权利要求1所述的检测装置,其特征在于,所述检测装置置于养殖区域中所述目标网箱的外围,沿所述目标网箱的外部采集所述网衣图像。
5.一种水下网箱养殖中的网衣破损检测方法,其特征在于,包括:
S1,通过控制图像采集单元相对目标网箱的向前、向后、向左、向右、向上或向下的运动,获取所述目标网箱的网衣图像;
S2,依次对所述网衣图像进行背景提取、背景消除以及灰度及二值化处理,获取初始网衣目标;
S3,利用给定细化算法,提取所述初始网衣目标中的网衣骨架,并基于所述网衣骨架进行交叉点提取;
S4,基于提取的所述交叉点,对所述目标网箱的网衣进行基于Delaunay三角剖分的破损检测,输出对所述网衣的破损状态检测结果。
6.根据权利要求5所述的方法,其特征在于,所述S4的步骤进一步包括:
S41,以所有所述交叉点为顶点对所述目标网箱的网衣进行Delaunay三角剖分,获取多个Delaunay三角网;
S42,分别计算每个所述Delaunay三角网的周长,并计算各所述周长的平均值,获取平均周长;
S43,若所述平均周长大于给定周长阈值,则判定所述目标网箱的网衣存在破损。
7.根据权利要求5或6所述的方法,其特征在于,所述S2的步骤进一步包括:
S21,根据多帧所述网衣图像,计算图像中各位置点的像素灰度平均值并根据各位置点的实际像素灰度I(x,y)和所述像素灰度平均值确定背景灰度;
S22,基于所述背景灰度,确定背景方差σ(x,y);
S23,基于所述背景方差σ(x,y)、各位置点的实际像素灰度I(x,y)和所述像素灰度平均值判定满足关系式的位置点为背景点;
S24,基于对所述背景点的判定,拆分出所述网衣图像中的非背景点,获取所述初始网衣目标。
8.根据权利要求7所述的方法,其特征在于,步骤S3中所述基于所述网衣骨架进行交叉点提取的步骤进一步包括:
若所述网衣骨架中任一位置点的像素值为1,且所述任一位置点的8邻域中具有至少三个像素为1的位置点,同时该所述任一位置点所在的每一个3×3邻域的像素值之和均大于或等于4,则判定该所述任一位置点为交叉点。
9.根据权利要求6所述的方法,其特征在于,步骤S41中所述以所有所述交叉点为顶点对所述目标网箱的网衣进行Delaunay三角剖分的剖分准则包括:
保证任一个Delaunay三角形的外接圆内部不再包含其余任何的点;
并且,每两个相邻Delaunay三角形构成的凸四边形以该两个相邻Delaunay三角形的重合边为对角线,并在相互交换后,构成的六个内角的最小角不再增大。
10.根据权利要求7所述的方法,其特征在于,在所述S4的步骤之后,还包括:
更新背景,将步骤S23中所述的背景点作为下一帧图像的背景点,重新获取网衣图像,并循环执行步骤S1~S4,直至对所述网衣的破损状态检测结果满足设定精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810072984.2A CN108416764A (zh) | 2018-01-25 | 2018-01-25 | 一种水下网箱养殖中的网衣破损检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810072984.2A CN108416764A (zh) | 2018-01-25 | 2018-01-25 | 一种水下网箱养殖中的网衣破损检测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108416764A true CN108416764A (zh) | 2018-08-17 |
Family
ID=63126487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810072984.2A Pending CN108416764A (zh) | 2018-01-25 | 2018-01-25 | 一种水下网箱养殖中的网衣破损检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108416764A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084792A (zh) * | 2019-04-19 | 2019-08-02 | 大连理工大学 | 一种海上养殖网箱网衣的异常检测方法 |
CN111522012A (zh) * | 2020-04-21 | 2020-08-11 | 中国水产科学研究院东海水产研究所 | 一种为围栏用网衣破损检测方法 |
CN111882555A (zh) * | 2020-08-07 | 2020-11-03 | 中国农业大学 | 基于深度学习的网衣检测方法、装置、设备及存储介质 |
CN112529853A (zh) * | 2020-11-30 | 2021-03-19 | 南京工程学院 | 一种用于水下养殖网箱的网衣破损检测方法及装置 |
CN113655066A (zh) * | 2021-08-13 | 2021-11-16 | 南方海洋科学与工程广东省实验室(湛江) | 一种网箱破损检测装置、系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2479051A1 (en) * | 2003-08-26 | 2005-02-26 | Sociedad Comercial E Industrial Equa Limitada | Method for monitoring and controlling in real-time the non-consumed food in fish farms |
CN101832471A (zh) * | 2010-04-19 | 2010-09-15 | 哈尔滨工程大学 | 一种信号识别分类方法 |
CN105136808A (zh) * | 2015-08-05 | 2015-12-09 | 魏芳 | 水下机器人水下设备破损检测平台 |
CN106779042A (zh) * | 2016-12-27 | 2017-05-31 | 北京农业信息技术研究中心 | 一种水产养殖鱼群聚集指数计算装置及计算方法 |
-
2018
- 2018-01-25 CN CN201810072984.2A patent/CN108416764A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2479051A1 (en) * | 2003-08-26 | 2005-02-26 | Sociedad Comercial E Industrial Equa Limitada | Method for monitoring and controlling in real-time the non-consumed food in fish farms |
CN101832471A (zh) * | 2010-04-19 | 2010-09-15 | 哈尔滨工程大学 | 一种信号识别分类方法 |
CN105136808A (zh) * | 2015-08-05 | 2015-12-09 | 魏芳 | 水下机器人水下设备破损检测平台 |
CN106779042A (zh) * | 2016-12-27 | 2017-05-31 | 北京农业信息技术研究中心 | 一种水产养殖鱼群聚集指数计算装置及计算方法 |
Non-Patent Citations (2)
Title |
---|
张晓红等: ""基于邻域特征的笔划交叉点提取算法的研究"", 《计算机工程与设计》 * |
张金泉等: ""海上网箱网衣检测用框架式AUV设计与试验"", 《上海海洋大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084792A (zh) * | 2019-04-19 | 2019-08-02 | 大连理工大学 | 一种海上养殖网箱网衣的异常检测方法 |
CN110084792B (zh) * | 2019-04-19 | 2021-12-03 | 大连理工大学 | 一种海上养殖网箱网衣的异常检测方法 |
CN111522012A (zh) * | 2020-04-21 | 2020-08-11 | 中国水产科学研究院东海水产研究所 | 一种为围栏用网衣破损检测方法 |
CN111882555A (zh) * | 2020-08-07 | 2020-11-03 | 中国农业大学 | 基于深度学习的网衣检测方法、装置、设备及存储介质 |
CN111882555B (zh) * | 2020-08-07 | 2024-03-12 | 中国农业大学 | 基于深度学习的网衣检测方法、装置、设备及存储介质 |
CN112529853A (zh) * | 2020-11-30 | 2021-03-19 | 南京工程学院 | 一种用于水下养殖网箱的网衣破损检测方法及装置 |
CN113655066A (zh) * | 2021-08-13 | 2021-11-16 | 南方海洋科学与工程广东省实验室(湛江) | 一种网箱破损检测装置、系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416764A (zh) | 一种水下网箱养殖中的网衣破损检测装置及方法 | |
US10977494B2 (en) | Recognition of weed in a natural environment | |
CN110200598A (zh) | 一种大型养殖场体征异常禽类检测系统及检测方法 | |
CN109325504A (zh) | 一种水下海参识别方法及系统 | |
CN109591982A (zh) | 一种无人监控水下养殖机器人 | |
CN107094683A (zh) | 一种水产养殖的自动投饵和水质监测控制系统及方法 | |
EP3279831A1 (en) | Recognition of weed in a natural environment using a digital image | |
CN106779042B (zh) | 一种水产养殖鱼群聚集指数计算装置及计算方法 | |
KR102002632B1 (ko) | Iot 기반 과수 모니터링 시스템 및 방법 | |
CN110108704A (zh) | 一种蓝藻自动监测预警方法及其自动监测预警系统 | |
CN104751199A (zh) | 一种棉花裂铃期自动检测方法 | |
CN111487245B (zh) | 一种类珊瑚礁水域生物质量演化评估系统 | |
CN107121535A (zh) | 一种有效的农作物生长环境监测系统 | |
CN112131921A (zh) | 基于立体视觉的生物自动量测系统及其量测方法 | |
CN115797844A (zh) | 一种基于神经网络的鱼体鱼病检测方法及系统 | |
WO2022075853A1 (en) | Generating three-dimensional skeleton representations of aquatic animals using machine learning | |
CN109684953A (zh) | 基于目标检测和粒子滤波算法进行猪只跟踪的方法及装置 | |
CN117214904A (zh) | 一种基于多传感器数据的鱼类智能识别监测方法和系统 | |
Siripattanadilok et al. | Recognition of partially occluded soft-shell mud crabs using Faster R-CNN and Grad-CAM | |
Japes et al. | Multi-view semantic labeling of 3D point clouds for automated plant phenotyping | |
CN116255908B (zh) | 面向水下机器人的海生物定位测量装置及方法 | |
CN109625218A (zh) | 一种基于太阳能充电的无人监控水下养殖机器人系统 | |
Ziliang et al. | Identification Method of Pleurotus Eryngii Cut Part Based on YOLO V5s | |
CN115937314B (zh) | 一种油茶果生长姿态检测方法 | |
CN113963145A (zh) | 一种具有视觉校正功能的鱼类生长状态识别装置及方法 |
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: 20180817 |
|
RJ01 | Rejection of invention patent application after publication |