CN109632590B - 一种深海发光浮游生物检测方法 - Google Patents
一种深海发光浮游生物检测方法 Download PDFInfo
- Publication number
- CN109632590B CN109632590B CN201910016284.6A CN201910016284A CN109632590B CN 109632590 B CN109632590 B CN 109632590B CN 201910016284 A CN201910016284 A CN 201910016284A CN 109632590 B CN109632590 B CN 109632590B
- Authority
- CN
- China
- Prior art keywords
- luminous
- plankton
- particle size
- current frame
- foreground image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 43
- 239000002245 particle Substances 0.000 claims description 74
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 239000002028 Biomass Substances 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 claims description 13
- 239000013535 sea water Substances 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1024—Counting particles by non-optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种深海发光浮游生物检测方法。该方法包括：在当前帧前景图中获取多个发光目标；提取各个发光目标的特征量；针对当前帧前景图中的各个发光目标，查找上一帧前景图中是否存在特征量相同的发光目标；将当前帧前景图中的与上一帧前景图中特征量不同的发光目标赋予新的标签值；计算当前帧前景图与上一帧前景图中特征量相同的发光目标之间的运动距离；将运动距离大于预设像素距离的特征量相同的发光目标中位于当前帧前景图中的发光目标赋予新的标签值；将运动距离小于或等于预设像素距离的特征量相同的发光目标赋予相同的标签值；统计赋予新的标签值的次数得到发光浮游生物的总数量。本发明能够提高深海发光浮游生物的检测和统计效率。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种深海发光浮游生物检测方法。
背景技术
发光浮游生物为自身具有发光功能的浮游生物。浮游生物的发光特性可以被应用于军事、医疗和商业等各种领域中。对发光浮游生物的研究对人类社会的发展具有重要的意义。
目前对于深海发光浮游生物的检测大多是在采集深海发光浮游生物的图片后，通过人工的方式完成对图片内浮游生物的检测。这种方式耗费大量人力，且效率低下。
发明内容
本发明的目的是提供一种深海发光浮游生物检测方法，提高深海发光浮游生物的检测和统计效率。
为实现上述目的，本发明提供了如下方案：
一种深海发光浮游生物检测方法，应用于一种发光浮游生物检测装置；检测装置包括：位于海内的筛网、相机、压力传感器和工控机；
所述筛网用于激发所述发光浮游生物发光；
所述相机和所述压力传感器均与所述工控机连接；所述工控机与所述处理器连接；所述相机用于拍摄发光浮游生物的图片；所述压力传感器用于检测海水压力；所述工控机用于根据所述压力控制所述相机的启动，并根据所述图片统计所述发光浮游生物的粒径信息和数目信息；
所述检测方法包括：
获取所述相机在黑暗环境中拍摄的图片作为背景图像；
获取所述相机实时拍摄的当前帧图片；
将所述当前帧图片与所述背景图像作差，得到当前帧前景图；
采用连通域标记的方法在所述当前帧前景图中获取多个发光目标；
提取各个所述发光目标的特征量；
针对当前帧前景图中的各个发光目标，查找上一帧前景图中是否存在与当前帧前景图中的发光目标的特征量相同的发光目标；
将当前帧前景图中的与上一帧前景图中特征量不同的发光目标赋予新的标签值；
计算当前帧前景图与上一帧前景图中特征量相同的发光目标之间的运动距离；
将所述运动距离大于预设像素距离的特征量相同的发光目标中位于当前帧前景图中的发光目标赋予新的标签值；
将所述运动距离小于或等于预设像素距离的特征量相同的发光目标赋予相同的标签值；
统计赋予新的标签值的次数得到发光浮游生物的总数量。
可选的，在所述获取所述相机实时拍摄的当前帧图片之后，在所述将所述当前帧图片与所述背景图像作差，得到当前帧前景图之前，还包括：
利用灰度值拉伸对所述当前帧图片进行对比度增强，得到高对比度图像；
对所述高对比度图像进行噪声滤除。
可选的，在所述采用连通域标记的方法在所述当前帧前景图中获取多个发光目标之后，还包括：
计算各个发光目标的像素面积；
去除像素面积小于预设面积的发光目标。
可选的，在所述获取所述相机实时拍摄的当前帧图片之后，还包括：
计算所述当前帧图片的最大灰度值；
当所述最大灰度值小于预设灰度阈值时，获取下一帧图片并覆盖所述当前帧图片。
可选的，在所述统计赋予新的标签值的次数得到发光浮游生物的总数量之后，还包括：
计算各个标签值所对应的发光目标的粒径大小；
按所述粒径大小对所述发光目标进行分类，统计各个粒径的发光目标的数量。
可选的，所述检测装置还包括位于岸上的处理器；所述处理器与所述工控机连接；所述处理器用于获取所述工控机发送的发光浮游生物的总数量和粒径大小，并根据所述总数量和所述粒径大小计算发光浮游生物的丰度信息。
可选的，所述根据所述总数量和所述粒径大小计算发光浮游生物的丰度信息，具体包括：
获取检测装置的运动速度v、探测时间T、探测装置进水口的口径面积S，根据公式H＝v×T×S计算水体体积，其中H表示水体体积；
将各个粒径的发光目标的数量除以所述水体体积，得到丰度；所述丰度为单位水体内每种粒径的发光浮游生物的数量；
将所述丰度乘以对应粒径的比例系数，得到生物量；所述比例系数为各个粒径的发光浮游生物的平均重量；所述生物量为单位水体内发光浮游生物的重量；
根据所述压力信息计算海水深度，结合所述海水深度统计每一个深度区间范围内发光浮游生物的生物量，得到生物数量随深度分布变化图。
可选的，所述处理器还用于确定所述发光浮游生物的粒径谱；
所述确定所述发光浮游生物的粒径谱，具体包括：
根据各个标签值所对应的发光目标的粒径大小确定发光目标的粒径范围；
将各个粒径的发光目标的数量除以所述总数量得到各个粒径的数量比例；
根据所述粒径范围和各个粒径的数量比例绘制粒径谱。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明所公开的深海发光浮游生物检测方法，利用图像处理技术实现了深海发光浮游生物的自动检测和统计，节省了人力，提高了检测和统计的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明深海发光浮游生物检测方法所使用的发光浮游生物检测装置的结构图；
图2为本发明深海发光浮游生物检测方法所使用的发光浮游生物检测装置的功能结构图；
图3为本发明深海发光浮游生物检测方法所使用的发光浮游生物检测装置检测过程图；
图4为本发明深海发光浮游生物检测方法的方法流程图。
具体实施方式
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，所描述的实施例仅仅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做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。
本发明的目的是提供一种深海发光浮游生物检测方法，提高深海发光浮游生物的检测和统计效率。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种深海发光浮游生物检测方法，应用于一种发光浮游生物检测装置。
图1为本发明深海发光浮游生物检测方法所使用的发光浮游生物检测装置的结构图。
参见图1，该检测装置包括：下位机和上位机；所述下位机包括位于海内的筛网、相机、压力传感器、电池和工控机；上位机包括但不限于位于岸上的处理器；该处理器具体可以为用户电脑；所述筛网用于激发所述发光浮游生物发光；所述相机和所述压力传感器均与所述工控机连接；所述工控机与所述处理器连接；所述相机为微光相机，用于拍摄发光浮游生物的图片；所述微光相机通过USB线连接到工控机。所述压力传感器用于检测海水压力；所述工控机运行下位机代码，包含相机拍照程序及图片处理计数程序，同时存储拍摄的图片数据，即用于根据所述压力控制所述相机的启动，并根据所述图片统计所述发光浮游生物的粒径信息和数目信息；电池用于为微光相机和工控机主板供电；所述处理器与所述工控机连接；所述处理器用于获取所述工控机发送的发光浮游生物的总数量和粒径大小，并根据所述总数量和所述粒径大小计算发光浮游生物的丰度信息。处理器还用于运行上位机程序，可以在设备运行前更改系统参数，在设备运行结束后导出实验数据，显示实验结果。
图2为本发明深海发光浮游生物检测方法所使用的发光浮游生物检测装置的功能结构图。
参见图2，发光浮游生物检测装置的下位机具有图像采集与存储、按深度启动相机、目标侦测、图像预处理、跟踪和计数等功能。上位机具有用户界面GUI，还具有丰度分析模块、数据传输模块和参数设置模块。上位机与下位机之间通过千兆以太网接口连接。
其中参数设置模块可以用于设置相机曝光时间、系统工作时间、检测是否存在发光浮游生物的预设灰度阈值以及设备启动的深度阈值。数据传输模块用于利用ftp传输协议，将下位机存储的图像数据、深度信息、时间信息、粒径大小和数目信息从下位机硬盘传输到用户电脑上。丰度分析模块对取得的深度信息、粒径大小和数目信息进行分析，计算得到发光浮游生物分布的丰度、粒径谱、生物量和生物数量随深度分布变化图。其中：
1.丰度：根据潜器的速度v、分析仪的口径面积S和运行时间T，可得水体的体积；H＝v×T×S。把不同粒径浮游生物的总个数/水体体积，得到单位水体内每种粒径等级的浮游生物的个数，即丰度(Abundance)。
2.粒径谱：对图像进行分析，可得图像上所有发光浮游生物的面积。根据面积的大小进行归类，面积在同一范围的为同一粒径等级，并统计每种粒径等级的发光浮游生物的数量占总数的百分比。粒径等级的分布范围及每种粒径等级的百分比，即为粒径谱。
3.生物量：根据不同粒径等级的浮游生物的丰度，乘以各相应等级的比例系数(比如平均重量，可通过采样器、拖网等方式采样和实验室分析的方法进行估计)，可得生物量(Biomass)的估算值，即单位水体内生物的重量。
4、生物数量随深度分布变化图：根据压力传感器获得的水深信息，以100米为深度区间对照片数据进行分类，然后统计每一个深度区间范围内发光浮游生物的数目，以图表的形式展示，即可得到发光浮游生物数量随海水深度分布图，可反映发光浮游生物随海水深度分布的大致趋势。
图3为本发明深海发光浮游生物检测方法所使用的发光浮游生物检测装置检测过程图。
参见图3，该检测过程包括：首先在设备下潜之前通过参数设置模块对相机曝光时间、系统工作时间、检测是否存在发光浮游生物的预设灰度阈值以及设备启动的深度阈值进行设置。然后当设备下潜到指定深度后启动相机，开始对目标进行侦测；当检测到有发光生物时，采集并存储图像。在存储过程中实时检测存储空间是否已满，若是则停止图像采集，若否则继续对图像进行初步处理，然后对初步处理后的图像进行目标跟踪，统计目标的粒径大小和数目并存储。在存储时，附上深度信息、图像数据和时间信息一并存储。在工作时间结束后采集程序终止，控制设备上浮并通过千兆以太网将存储的信息上传到用户电脑，用户电脑根据存储的信息进行丰度、粒径谱和生物量的计算。
上述图3中的图像处理、目标统计和数据计算的过程如图4。
图4为本发明深海发光浮游生物检测方法的方法流程图。
参见图4，该检测方法包括：
步骤401：获取所述相机在黑暗环境中拍摄的图片作为背景图像；由于海底环境基本是是漆黑一片的，因此可将无发光点的黑暗图像视为背景，得到背景图像。
步骤402：获取所述相机实时拍摄的当前帧图片。
步骤403：将所述当前帧图片与所述背景图像作差，得到当前帧前景图；作差可以过滤掉与背景相同的内容，只保留发光目标。
步骤404：采用连通域标记的方法在所述当前帧前景图中获取多个发光目标。
步骤405：提取各个所述发光目标的特征量；特征量包括但不限于发光目标的面积、质心、外接矩形。
步骤406：针对当前帧前景图中的各个发光目标，查找上一帧前景图中是否存在与当前帧前景图中的发光目标的特征量相同的发光目标；该步骤的具体方式可以为：将有效的反光目标的特征量存入链表中，在对当前帧前景图进行分析时，启动质心跟踪，利用链表指针访问从上一帧前景图的所有发光目标的链表信息，判断在所述链表信息中是否存在与当前帧前景图中的各个发光目标相应的链表信息。
步骤407：将当前帧前景图中的与上一帧前景图中特征量不同的发光目标赋予新的标签值；标签值为按顺序标记的数字标签。在第一帧图像的第一个发光目标中标记的标签值为1，后续新的发光目标标签值都是在上一个标签值的基础上加1。最后最大标签值对应的数字即为发光目标的数量。
步骤408：计算当前帧前景图与上一帧前景图中特征量相同的发光目标之间的运动距离；所述运动距离为两个发光目标质心之间的距离。
步骤409：将所述运动距离大于预设像素距离的特征量相同的发光目标中位于当前帧前景图中的发光目标赋予新的标签值；作为一种可选的实施方式，当图像的分辨率为2048×2048时，预设像素距离为15个像素值。
步骤410：将所述运动距离小于或等于预设像素距离的特征量相同的发光目标赋予相同的标签值。
步骤411：统计赋予新的标签值的次数得到发光浮游生物的总数量。统计完成后存储在txt文档中。
由于环境噪声和水下环境复杂等原因，首先需要对原始图像进行预处理。图像预处理是指在进行图像分析之前对采集的图像进行的处理，目的是通过对图像进行一定的变换处理来提高图像质量，突出有用的信息，减少噪声干扰。作为一种可选的实施方式，预处理的过程在步骤402之后，在步骤403之前，具体为：
利用灰度值拉伸对所述当前帧图片进行对比度增强，得到高对比度图像；对比度增强可以改善图像的质量。
对所述高对比度图像进行噪声滤除。噪声滤除采用的方法为数学形态学方法。
在噪声滤除之后，还需采用OTSU算法进行自适应二值化阈值，将图像转化为二值图像。最后用开运算来平滑图像边缘的毛刺，填补图像区域内的孔洞。经过预处理之后，图像的质量得到了提高，方便后期进行跟踪计数。
作为一种可选的实施方式，在步骤404之后，还包括：
计算各个发光目标的像素面积；去除像素面积小于预设面积的发光目标。作为一种可选的实施方式，当图像的分辨率为2048×2048时，所述预设面积为100平方像素。
作为一种可选的实施方式，在步骤402之后，还包括：
计算所述当前帧图片的最大灰度值；当所述最大灰度值小于预设灰度阈值时，获取下一帧图片并覆盖所述当前帧图片。
在实际采集中，并不是每一帧图像都存在发光生物，会存在很多冗余的无生物目标的无效帧，而这些无效帧并不需要存储。所以为了减少计算量，提高软件的执行效率，节省存储空间，需要检测图片中是否存在发光生物。没有发光生物存在的图像基本是一片漆黑，图像的灰度值很小。如果图像中存在发光生物，则图像中会出现一些亮点，图片的最大灰度值会较大。针对这个特点，根据已有的经验数据或实验数据设定合适的灰度阈值。在每次采集到图像之后，对图片进行灰度值分析，如果图片的最大灰度值大于预设灰度阈值，则认为图片中存在发光浮游生物，将图片存储在硬盘中，反之则认为图片中不存在发光浮游生物，无需存储，继续进行采集。
作为一种可选的实施方式，在步骤411之后，还包括：
计算各个标签值所对应的发光目标的粒径大小；按所述粒径大小对所述发光目标进行分类，统计各个粒径的发光目标的数量。
作为一种可选的实施方式，所述根据所述总数量和所述粒径大小计算发光浮游生物的丰度信息，具体包括：
获取检测装置的运动速度v、探测时间T、探测装置进水口的口径面积S，根据公式H＝v×T×S计算水体体积，其中H表示水体体积；将各个粒径的发光目标的数量除以所述水体体积，得到丰度；所述丰度为单位水体内每种粒径的发光浮游生物的数量；将所述丰度乘以对应粒径的比例系数，得到生物量；所述比例系数为各个粒径的发光浮游生物的平均重量；所述生物量为单位水体内发光浮游生物的重量；根据所述压力信息计算海水深度，结合所述海水深度统计每一个深度区间范围内发光浮游生物的生物量，得到生物数量随深度分布变化图。
作为一种可选的实施方式，所述处理器还用于确定所述发光浮游生物的粒径谱。
所述确定所述发光浮游生物的粒径谱，具体包括：
根据各个标签值所对应的发光目标的粒径大小确定发光目标的粒径范围；将各个粒径的发光目标的数量除以所述总数量得到各个粒径的数量比例；根据所述粒径范围和各个粒径的数量比例绘制粒径谱。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明所公开的深海发光浮游生物检测方法，利用图像处理技术实现了深海发光浮游生物的自动检测和统计，节省了人力，提高了检测和统计的效率。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种深海发光浮游生物检测方法，其特征在于，应用于一种发光浮游生物检测装置；检测装置包括：位于海内的筛网、相机、压力传感器和工控机；
所述筛网用于激发所述发光浮游生物发光；
所述相机和所述压力传感器均与所述工控机连接；所述工控机与处理器连接；所述相机用于拍摄发光浮游生物的图片；所述压力传感器用于检测海水压力；所述工控机用于根据所述压力控制所述相机的启动，并根据所述图片统计所述发光浮游生物的粒径信息和数目信息；
所述检测方法包括：
获取所述相机在黑暗环境中拍摄的图片作为背景图像；
获取所述相机实时拍摄的当前帧图片；
将所述当前帧图片与所述背景图像作差，得到当前帧前景图；
采用连通域标记的方法在所述当前帧前景图中获取多个发光目标；
提取各个所述发光目标的特征量；
针对当前帧前景图中的各个发光目标，查找上一帧前景图中是否存在与当前帧前景图中的发光目标的特征量相同的发光目标；
将当前帧前景图中的与上一帧前景图中特征量不同的发光目标赋予新的标签值；
计算当前帧前景图与上一帧前景图中特征量相同的发光目标之间的运动距离；
将所述运动距离大于预设像素距离的特征量相同的发光目标中位于当前帧前景图中的发光目标赋予新的标签值；
将所述运动距离小于或等于预设像素距离的特征量相同的发光目标赋予相同的标签值；
统计赋予新的标签值的次数得到发光浮游生物的总数量。
2.根据权利要求1所述的深海发光浮游生物检测方法，其特征在于，在所述获取所述相机实时拍摄的当前帧图片之后，在所述将所述当前帧图片与所述背景图像作差，得到当前帧前景图之前，还包括：
利用灰度值拉伸对所述当前帧图片进行对比度增强，得到高对比度图像；
对所述高对比度图像进行噪声滤除。
3.根据权利要求1所述的深海发光浮游生物检测方法，其特征在于，在所述采用连通域标记的方法在所述当前帧前景图中获取多个发光目标之后，还包括：
计算各个发光目标的像素面积；
去除像素面积小于预设面积的发光目标。
4.根据权利要求1所述的深海发光浮游生物检测方法，其特征在于，在所述获取所述相机实时拍摄的当前帧图片之后，还包括：
计算所述当前帧图片的最大灰度值；
当所述最大灰度值小于预设灰度阈值时，获取下一帧图片并覆盖所述当前帧图片。
5.根据权利要求1所述的深海发光浮游生物检测方法，其特征在于，在所述统计赋予新的标签值的次数得到发光浮游生物的总数量之后，还包括：
计算各个标签值所对应的发光目标的粒径大小；
按所述粒径大小对所述发光目标进行分类，统计各个粒径的发光目标的数量。
6.根据权利要求1所述的深海发光浮游生物检测方法，其特征在于，所述检测装置还包括位于岸上的处理器；所述处理器与所述工控机连接；所述处理器用于获取所述工控机发送的发光浮游生物的总数量和粒径大小，并根据所述总数量和所述粒径大小计算发光浮游生物的丰度信息。
7.根据权利要求6所述的深海发光浮游生物检测方法，其特征在于，所述根据所述总数量和所述粒径大小计算发光浮游生物的丰度信息，具体包括：
获取检测装置的运动速度v、探测时间T、探测装置进水口的口径面积S，根据公式H＝v×T×S计算水体体积，其中H表示水体体积；
将各个粒径的发光目标的数量除以所述水体体积，得到丰度；所述丰度为单位水体内每种粒径的发光浮游生物的数量；
将所述丰度乘以对应粒径的比例系数，得到生物量；所述比例系数为各个粒径的发光浮游生物的平均重量；所述生物量为单位水体内发光浮游生物的重量；
根据所述压力计算海水深度，结合所述海水深度统计每一个深度区间范围内发光浮游生物的生物量，得到生物数量随深度分布变化图。
8.根据权利要求7所述的深海发光浮游生物检测方法，其特征在于，所述处理器还用于确定所述发光浮游生物的粒径谱；
所述确定所述发光浮游生物的粒径谱，具体包括：
根据各个标签值所对应的发光目标的粒径大小确定发光目标的粒径范围；
将各个粒径的发光目标的数量除以所述总数量得到各个粒径的数量比例；
根据所述粒径范围和各个粒径的数量比例绘制粒径谱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910016284.6A CN109632590B (zh) | 2019-01-08 | 2019-01-08 | 一种深海发光浮游生物检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910016284.6A CN109632590B (zh) | 2019-01-08 | 2019-01-08 | 一种深海发光浮游生物检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109632590A CN109632590A (zh) | 2019-04-16 |
| CN109632590B true CN109632590B (zh) | 2020-04-17 |
Family
ID=66060125
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910016284.6A Active CN109632590B (zh) | 2019-01-08 | 2019-01-08 | 一种深海发光浮游生物检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109632590B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11682111B2 (en) | 2020-03-18 | 2023-06-20 | International Business Machines Corporation | Semi-supervised classification of microorganism |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1675551A (zh) * | 2002-08-07 | 2005-09-28 | 塞弗罗有限公司 | 用于确定微生物的方法和装置 |
| CN201251551Y (zh) * | 2008-09-25 | 2009-06-03 | 中国海洋大学 | 水下浮游动物在线可视化监测装置 |
| JP2010063403A (ja) * | 2008-09-10 | 2010-03-25 | Ihi Corp | 微生物の簡易計数方法 |
| JP2011223924A (ja) * | 2010-04-20 | 2011-11-10 | Panasonic Corp | プランクトン計数方法およびプランクトン計数装置 |
| CN102590053A (zh) * | 2012-03-05 | 2012-07-18 | 厦门大学 | 海洋浮游生物粒径谱现场检测仪 |
| CN103325112A (zh) * | 2013-06-07 | 2013-09-25 | 中国民航大学 | 动态场景中运动目标快速检测方法 |
| CN103901438A (zh) * | 2014-04-18 | 2014-07-02 | 中国科学院半导体研究所 | 一种实现浮游动物信息获取的光立体采样原位探测方法 |
| CN105865988A (zh) * | 2015-01-23 | 2016-08-17 | 中国科学院重庆绿色智能技术研究院 | 一种浮游植物细胞粒径分布的检测分析方法 |
| CN106053302A (zh) * | 2016-07-25 | 2016-10-26 | 中国科学院苏州生物医学工程技术研究所 | 一种浮游藻类检测系统 |
| CN107155343A (zh) * | 2014-07-07 | 2017-09-12 | 艾克斯波特西溶液公司 | 确定具有生物体的样品的感兴趣变量的值的方法和系统 |
-
2019
- 2019-01-08 CN CN201910016284.6A patent/CN109632590B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1675551A (zh) * | 2002-08-07 | 2005-09-28 | 塞弗罗有限公司 | 用于确定微生物的方法和装置 |
| JP2010063403A (ja) * | 2008-09-10 | 2010-03-25 | Ihi Corp | 微生物の簡易計数方法 |
| CN201251551Y (zh) * | 2008-09-25 | 2009-06-03 | 中国海洋大学 | 水下浮游动物在线可视化监测装置 |
| JP2011223924A (ja) * | 2010-04-20 | 2011-11-10 | Panasonic Corp | プランクトン計数方法およびプランクトン計数装置 |
| CN102590053A (zh) * | 2012-03-05 | 2012-07-18 | 厦门大学 | 海洋浮游生物粒径谱现场检测仪 |
| CN103325112A (zh) * | 2013-06-07 | 2013-09-25 | 中国民航大学 | 动态场景中运动目标快速检测方法 |
| CN103901438A (zh) * | 2014-04-18 | 2014-07-02 | 中国科学院半导体研究所 | 一种实现浮游动物信息获取的光立体采样原位探测方法 |
| CN107155343A (zh) * | 2014-07-07 | 2017-09-12 | 艾克斯波特西溶液公司 | 确定具有生物体的样品的感兴趣变量的值的方法和系统 |
| CN105865988A (zh) * | 2015-01-23 | 2016-08-17 | 中国科学院重庆绿色智能技术研究院 | 一种浮游植物细胞粒径分布的检测分析方法 |
| CN106053302A (zh) * | 2016-07-25 | 2016-10-26 | 中国科学院苏州生物医学工程技术研究所 | 一种浮游藻类检测系统 |
Non-Patent Citations (3)
| Title |
|---|
| Automatic Plankton Image Recognition;XIAOOU TANG ET AL.;《Artificial Intelligence Review》;19981231;第177–199页 * |
| Extracellular phosphatase activity of natural plankton studied with ELF97 phosphate: fluorescence quantification and labelling kinetics;J.Nedoma et al.;《Environmental Microbiology》;20031231;第5卷(第6期);第462–472页 * |
| 海洋浮游生物图像观测技术及其应用;孙晓霞;《地球科学进展》;20140630;第29卷(第6期);第748-755页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109632590A (zh) | 2019-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114424253A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
| Marini et al. | Automated estimate of fish abundance through the autonomous imaging device GUARD1 | |
| Chuang et al. | Automatic fish segmentation via double local thresholding for trawl-based underwater camera systems | |
| CN111401246B (zh) | 一种烟雾浓度检测方法、装置、设备及存储介质 | |
| CN115100512A (zh) | 一种海洋经济物种的监测识别捕捞方法、系统及存储介质 | |
| EP2959454A1 (en) | Method, system and software module for foreground extraction | |
| CN110659659A (zh) | 一种智能识别和预警害虫的方法及系统 | |
| CN106709903B (zh) | 基于图像质量的pm2.5浓度预测方法 | |
| Coro et al. | An intelligent and cost-effective remote underwater video device for fish size monitoring | |
| CN112634202A (zh) | 一种基于YOLOv3-Lite的混养鱼群行为检测的方法、装置及系统 | |
| CN114004834B (zh) | 一种图像处理中的雾天情况分析方法、设备及装置 | |
| CN113591592B (zh) | 水上目标识别方法、装置、终端设备及存储介质 | |
| CN113012195A (zh) | 基于光流计算的河流表面流速估计的方法和可读存储介质 | |
| CN111950812A (zh) | 一种自动识别与预测雨量的方法及其装置 | |
| CN109632590B (zh) | 一种深海发光浮游生物检测方法 | |
| CN110276300B (zh) | 用于识别垃圾品质的方法和装置 | |
| CN110348533A (zh) | 一种基于svm的浮游生物粒径谱检测方法 | |
| CN113705380A (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
| Lau et al. | Estimating Norway lobster abundance from deep-water videos: an automatic approach | |
| Shishkin et al. | Analysis of image clusterization methods for oceanographical equipment | |
| Mazzei et al. | Automated video imaging system for counting deep-sea bioluminescence organisms events | |
| CN111259926A (zh) | 肉品新鲜度检测方法、装置、计算设备和存储介质 | |
| CN115690546A (zh) | 虾长测量方法、装置、电子设备及存储介质 | |
| CN113588571B (zh) | 一种基于高光谱成像的水产品的腥味识别方法及系统 | |
| CN115049815A (zh) | 基于自注意力蒸馏和图像增强的水下目标检测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |