CN110089477A - 一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 - Google Patents
一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 Download PDFInfo
- Publication number
- CN110089477A CN110089477A CN201910437088.6A CN201910437088A CN110089477A CN 110089477 A CN110089477 A CN 110089477A CN 201910437088 A CN201910437088 A CN 201910437088A CN 110089477 A CN110089477 A CN 110089477A
- Authority
- CN
- China
- Prior art keywords
- cultivation
- channel
- aquaculture pond
- self
- grading device
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 40
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000009360 aquaculture Methods 0.000 claims abstract description 58
- 244000144974 aquaculture Species 0.000 claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 230000036541 health Effects 0.000 claims abstract description 32
- 230000003862 health status Effects 0.000 claims abstract description 14
- 238000003491 array Methods 0.000 claims description 18
- 210000000746 body region Anatomy 0.000 claims description 14
- 230000006698 induction Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 201000010099 disease Diseases 0.000 claims description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000009395 breeding Methods 0.000 claims description 5
- 230000001488 breeding effect Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 239000004429 Calibre Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 230000002269 spontaneous effect Effects 0.000 description 3
- 230000009182 swimming Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- 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
-
- 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Zoology (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种用于循环水养殖模式的鱼类福利化智能养殖系统和方法,主要包括多隔间养殖池、生长数据采集通道、健康状态评估通道、自动分级装置等;该系统主要借助于人工智能技术,利用生长数据采集和健康状态评估通道分别对养殖对象的大小规格和健康状况进行量化,并结合自动分池装置将不同大小规格和不同健康状况的养殖对象分隔至养殖池的不同隔间内,实现福利化养殖。本发明的系统结构新颖,原理简单,适用于循环水养殖模式;该发明能有效地解决现有循环水养殖系统中的生长数据无损采集难题、健康状态无损评估难题以及分级难题。
Description
技术领域
本发明涉及一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法,更具体地说是一种集养殖对象生长数据无损采集、养殖对象健康状态无损评估以及根据养殖对象生长信息和健康状态信息的自动分级功能于一体的系统和方法。
背景技术
随着人民群众生活水平提高及健康意识的增强,人们对蛋白质的需求逐渐增加。鱼肉作为优质蛋白质的来源,近年其消费量的增加十分显著,这极大地促进了水产养殖业的高速发展。国内水产养殖多为户外大塘粗放养殖模式,其池塘整体结构比较简陋,较少使用设施装备,池塘管理粗放,为确保水质,养殖密度通常较低;在此背景下,环境可控的循环水养殖模式正在被快速推广应用。
虽然循环水养殖模式能在一定程度上维持养殖水体环境,保证养殖对象的生长福利,但其仍然无法达到真正意义上的福利化、智能化养殖,其系统维护和操作仍极依赖于人工。目前循环水养殖过程中的典型难题有:1.无法实现养殖对象生长数据的无损采集;2.无法实现养殖对象健康状态的无损评估;3.无法根据养殖对象生长和健康信息实现养殖对象的自动分级。上述难题直接关系到养殖对象的摄食福利和生长福利,并在极大程度上影响着养殖企业的经济效益。
发明内容
本发明的目的在于针对循环水养殖中现有技术的不足,提供一种用于循环水养殖模式的鱼类福利化智能养殖系统和方法。该系统可利用养殖鱼类的自发的逆流游泳习性实现:1.养殖鱼类生长数据无损采集;2.养殖鱼类的健康状态无损评估;3.基于生长数据和健康信息的养殖鱼类无损自动分级。
本发明采用的技术方案如下:
一种用于循环水养殖模式的鱼类福利化智能养殖系统,包括控制中心、含多隔间的养殖池、设于养殖池某一隔间内的生长数据采集通道、N个健康状态评估通道、以及N+1个自动分级装置;其中,第一自动分级装置连接在生长数据采集通道尾部,其余N个自动分级装置分别一一对应的连接在N个健康状态评估通道尾部,第一自动分级装置连接N+1条管道,其中一条通入上述某隔间的养殖水体中,其余N条管道一一对应的与N个健康状态评估通道连通,健康状态评估通道尾部的自动分级装置连接两条管道,分别通入养殖池的其余不同隔间内;
所述的养殖池由网栅阻隔为若干隔间,生长数据采集通道用于采集通过的养殖对象的生长数据并传输至控制中心,健康状态评估通道用于采集通过的养殖对象的图像并传输至控制中心,各自动分级装置由控制中心控制以驱赶养殖对象进入某一管道实现分级。
上述技术方案中,进一步的,该系统中由生长数据采集通道入口至各自动分级装置尾部的管道出口的通路方向是与循环水养殖池中的水流方向相逆的。
进一步的,所述的生长数据采集通道内前部设置有两个水下高清摄像机,后部设置有两个水下阵列式近红外传感器,所述的两个水下高清摄像机以及两个水下阵列式近红外传感器均是沿通道径向分布,且两水下高清摄像机呈90°夹角,两水下阵列式近红外传感器呈90°夹角。
更进一步的,所述的生长数据采集通道为由圆柱形区域前部和长方体区域后部固连构成的通道,圆柱形区域直径为养殖池中养殖对象最大承载规格体宽的4倍,圆柱形区域的长度为养殖池中养殖对象最大承载规格体长的3倍;长方体区域的通道横截面的对角线长为养殖池中养殖对象最大承载规格体宽的4倍,长方体区域的长度为养殖池中养殖对象最大承载规格体宽的3倍;其内部的阵列式近红外传感器的感应长度为养殖池中养殖对象最大承载规格体长的1.1倍,感应宽度为长方体区域的宽,感应距离大于长方体区域的高。
进一步的,所述的自动分级装置内前端设置有阵列式近红外传感器,在该近红外传感器后端安装有可移动式隔离栏,可移动式隔离栏为一列圆柱形橡胶棒队列,可由控制中心控制单独进行左右移动。
更进一步的,所述的第一自动分级装置内设有N列可移动式隔离栏,其余自动分级装置内设置一列可移动式隔离栏,每列可移动式隔离栏对应一个传送带,可移动式隔离栏分别固定于各相应传送带上,每个传送带由一个步进电机驱动正反转动从而带动可移动式隔离栏左右移动。
更进一步的,所述的自动分级装置为长方体通道,其通道横截面的对角线长为养殖池中养殖对象最大承载规格体宽的4倍,其长度为养殖池中养殖对象最大承载规格体长的2倍;阵列式近红外传感器安装在距该装置入口0.2倍最大承载规格体长距离处,其感应长度为养殖池中养殖对象最大承载规格体长的0.1倍,感应宽度为自动分级装置的宽,感应距离大于自动分级装置的高。
进一步的,健康状态评估通道为圆柱形,其中心处沿径向设置两个水下高清摄像机,两水下高清摄像机呈180°夹角,该通道直径为养殖池中养殖对象最大承载规格体宽的4倍,长度为养殖池中养殖对象最大承载规格体长的3倍。
进一步的,在所有通入养殖池的管道末端均安装有倒须口,倒须口38长度为养殖池中养殖对象最大承载规格体长的1.0倍,倒须口中间最小口径为养殖池中养殖对象最大承载规格体宽的1.5倍。
应用上述的统进行鱼类福利化智能养殖的方法,包括如下步骤:
1)生长数据采集通道中的水下高清摄像机将实时拍摄画面传输至控制中心;
2)控制中心将当前画面由RGB色彩模型转换至YCrCb色彩模型,继而在YCrCb色彩模型利用Yolo3模型实现当前画面下的养殖对象的像素级分割,统计当前画面内的养殖对象个数;
3)若当前画面内只有单个养殖对象或多个养殖对象的前后两两首尾间距大于养殖池中养殖对象最大承载规格体长的0.5倍,则控制中心通过生长数据采集通道内的水下阵列式近红外传感器实现当前养殖对象的体长和体宽信息采集,当养殖对象进入生长数据采集通道尾部的第一自动分级装置中后,第一自动分级装置内的水下阵列式近红外传感器通过检测红外反馈信号的连续性来判断该养殖对象是否全部进入,若反馈信号中断则代表养殖对象整体已进入分级区域,则控制中心根据采集到的体长和体宽信息及根据需要预先设置的分级规则控制第一自动分级装置将养殖对象驱赶至相应的管道中;
4)当养殖对象进入健康状态评估通道后,通道内对应的水下高清摄像机将实时拍摄画面传输至控制中心,控制中心先利用Yolo3模型在RGB色彩模型下分别对养殖对象图像进行像素级分割,继而通过残差密集网络实现已分割区域的超分辨率重建,在超分辨率重建基础上,借助于CheXNet模型实现养殖对象病害区域的检测,实现养殖对象的健康状态评估;
5)控制中心根据已评估的养殖对象的健康状态信息,控制健康状态评估通道相应的自动分级装置将当前养殖对象驱赶至相应的养殖池隔间内。
本发明的有益效果是:
本发明的系统结构新颖,原理简单,不但可利用养殖鱼类自发的逆流游泳习性无损地实现其生长数据的采集和健康状态的评估,还可根据获取的生长数据和健康状态实现养殖鱼类的自动无损分级,从而达到鱼类福利化养殖的目的。本发明适用于循环水养殖模式,能有效地解决现有循环流水养殖系统中的养殖鱼类生长数据无损采集、健康状态无损评估以及无损自动分级难题。
附图说明
图1为本发明系统的一种具体结构示意图。
图2为生长数据采集装置的一种具体结构示意图,(a)为主视图,(b)为俯视图,(c)为左视图。
图3为第一自动分级装置的一种具体结构示意图,(a)为主视图,(b)为俯视图,(c)为左视图。
图4为其余自动分级装置的一种具体结构示意图,(a)为主视图,(b)为俯视图,(c)为左视图。
图5为健康状态评估通道的一种具体结构示意图,(a)为主视图,(b)为俯视图,(c)为左视图。
图6为倒须口的一种具体结构示意图,(a)为主视图,(b)为俯视图,(c)为左视图。
图中:1-多隔间养殖池;2-生长数据采集通道;3-第一自动分级装置;4-管道①;5-管道②;6-管道③;7-管道④;8-健康状态评估通道①;9-健康状态评估通道②;10-健康状态评估通道③;11-自动分级装置②;12-管道⑤;13-管道⑥;14-隔间①;15-自动分级装置③;16-管道⑦;17-管道⑧;18-隔间②;19-隔间③;20-自动分级装置④;21-管道⑨;22-管道⑩;23-隔间④;24-隔间⑤;25-水下高清摄像机①;26-水下高清摄像机②;27-水下阵列式近红外传感器①;28-水下阵列式近红外传感器②;29-水下阵列式近红外传感器③;30-移动式隔栏①;31-移动式隔栏②;32-移动式隔栏③;33-移动式隔栏④;34-水下高清摄像机③;35-水下高清摄像机④;36-PLC;37-中央服务器;38-倒须口。
具体实施方式
下面通过一个具体实例对本发明的技术方案做进一步说明,该实例仅用于对本发明的方案做说明解释,并非对本发明的限定。
该例中将养殖池用不锈钢圆柱状网栅阻隔,形成5个体积相等的侧边隔间和一个中心水体隔间;具体的:一种用于循环水养殖模式的鱼类福利化智能养殖系统,包括多隔间养殖池1、设置于养殖池1中心水体隔间中的生长数据采集通道2、连接在通道2尾部的第一自动分级装置3;装置3末端分别与管道①、②、③、④4~7相接,其中管道①4与养殖池1中心水体相通,管道②5、③6、④7分别与健康状态评估通道①8、②9、③10相连;通道①8经自动分级装置②11分别通过管道⑤12、⑥13与隔间①14和养殖池中心水体相通,通道②9经自动分级装置③15分别经过管道⑦16、⑧17与隔间②18和③19相通,通道③10经自动分级装置④20分别经过管道⑨21、⑩22与隔间④23和⑤24相通。该系统安装细节如图1所示,整个系统由入口向出口的通路方向与循环水养殖池中的水流方向逆向设置,这样安装的目的是为了利用养殖鱼类逆流而上的自发游泳行为。
图2所示为生长数据采集通道2的一种具体结构示意,其由圆柱形区域和长方体区域构成,圆柱形区域直径为养殖池1中养殖对象最大承载规格体宽的4倍,圆柱形区域长为养殖池1中养殖对象最大承载规格体长的3倍;长方体区域的通道横截面的对角线长为养殖池1中养殖对象最大承载规则体宽的4倍,长方体区域长度为养殖池1中养殖对象最大承载规则体宽的3倍。通道2圆柱形区域装有水下高清摄像机①25和②26,两个摄像机镜头呈如图2的90度夹角安装,其镜头均为115度广角镜头;长方体区域装有水下阵列式近红外传感器①27和②28,两个传感器呈如图2的90度夹角安装,其感应长度为养殖池1中养殖对象最大承载规格体长的1.1倍,感应宽度为长方体区域的宽,感应距离大于长方体区域的高。养殖过程中,养殖对象需游入生长数据采集通道2中,系统方可采集其生长信息。
图3和图4所示分别为自动分级装置3和11(或15、20)的一种结构示意图,该装置为长方体通道,其通道横截面的对角线长为养殖池1中养殖对象最大承载规则体宽的4倍,其长度为养殖池1中养殖对象最大承载规则体长的2倍;在该装置入口处0.2倍最大承载规格体长距离处,安装水下阵列式近红外传感器29,其感应长度为养殖池1中养殖对象最大承载规格体长的0.1倍,感应宽度为自动分级装置的宽,感应距离大于自动分级装置的高。在该近红外传感器后端安装有可移动式隔离栏,可移动式隔离栏为一列圆柱形橡胶棒队列,可由控制中心控制单独进行左右移动,在该实例中第一自动分级装置3内设有3列可移动式隔离栏,其余自动分级装置内设置一列可移动式隔离栏,每列可移动式隔离栏对应一个传送带,可移动式隔离栏分别固定于各相应传送带上,每个传送带由一个步进电机驱动正反转动从而带动可移动式隔离栏左右移动。
当养殖对象游入自动分级装置后,由近红外传感器29先检测当前对象是否已全部游入,继而触发步进电机决断将当前对象驱赶至相应的管道内。
健康状态评估通道①、②、③结构都相同,图5所示为健康状态评估通道的一种具体结构示意图,该类通道为圆柱形,其直径为养殖池1中养殖对象最大承载规格体宽的4倍,长度为养殖池1中养殖对象最大承载规格体长的3倍;该类通道中心处分别对称安装水下高清摄像机,其镜头两两呈180度夹角安装。养殖过程中,当养殖鱼类游入该通道中后,由高清摄像机分别对其侧面进行拍摄从而进行病害区域的无损扫描检测,评估当前个体的健康状况。
图6所示为在管道4、12、13、16、17、21和22末端安装的倒须口38的一种具体结构示意图,倒须口38长度为养殖池1中养殖对象最大承载规格体长的1.0倍,其中间最小口径为养殖池1中养殖对象最大承载规格体宽的1.5倍。该结构是为了防止管道外的鱼类通过管道4、12、13、16、17、21和22末端游入管道内。
该系统由控制中心控制,控制中心可以采用中央服务器36和PLC 37实现,所有水下高清摄像机的通信电缆均与中央服务器36相连;所述的水下阵列式近红外传感器以及移动式隔栏的步进电机的信号电缆均与PLC 37相连,PLC 37的信号电缆与中央服务器36相连。
应用上述福利化智能养殖系统的方法,包括如下步骤:
1)水下高清摄像机25和26将实时拍摄画面传输至中央服务器36;
2)中央服务器36将当前画面由RGB色彩模型转换至YCrCb色彩模型,继而在YCrCb色彩模型利用Yolo3模型实现当前画面下的养殖对象的像素级分割,统计当前画面内的养殖对象个数;
3)若当前画面内只有单个养殖对象或多个养殖对象的前后两两首尾间距大于养殖池1中养殖对象最大承载规格体长的0.5倍,则中央服务器36通过PLC37利用水下阵列式近红外传感器27和28实现当前养殖对象的体长和体宽信息采集,当养殖对象进入自动分级装置3中后,水下阵列式近红外传感器29通过检测红外反馈信号的连续性来判断对象是否全部进入,若反馈信号中断则代表养殖对象整体已进入分级区域,则中央服务器36和PLC37根据采集到的体长和体宽信息控制步进电机驱动移动式隔栏30将养殖对象驱赶至相应的管道5(如设定为中规格)、6(如设定为小规格)和7(如设定为大规格)中进行后续操作;否则水下阵列式近红外传感器27和28将停止对当前养殖对象的体长和体宽信息进行采集,同时中央服务器36通过PLC 37驱动自动分级装置3将当前养殖对象驱赶至管道4中,由其游回养殖池1中心水体区域。
4)当养殖对象通过管道5、6和7进入相应的健康状态评估通道8、9和10中后,通道8、9和10中对应的水下高清摄像机将实时拍摄画面传输至中央服务器36,中央服务器36先利用Yolo3模型在RGB色彩模型下分别对养殖对象侧面区域进行像素级分割,继而通过残差密集网络(residual dense network,RDN)实现已分割区域的超分辨率重建,在超分辨率重建基础上,借助于CheXNet模型实现养殖对象病害区域的检测(具体检测方法可参考《CheXNet:Radiologist-Level Pneumonia Detection on Chest X-Rays with DeepLearning》),从而实现养殖对象的健康状态评估。
5)中央服务器36根据已评估的养殖对象健康状态信息,通过PLC 37对相应的自动分级装置11、15和20进行操控,从而将当前养殖对象驱赶至相应的隔间内,如:对于健康状态评估通道8,若当前养殖对象未检测到病害,则PLC37驱动自动分级装置11将其去驱赶至养殖池1中心水体区域,反之则将其驱赶至隔间14;对于健康状态评估通道9,若当前养殖对象未检测到病害,则PLC37驱动自动分级装置15将其去驱赶至隔间18,反之则将其驱赶至隔间19;对于健康状态评估通道9,若当前养殖对象未检测到病害,则PLC37驱动自动分级装置20将其去驱赶至隔间23,反之则将其驱赶至隔间24。
以上公开的仅为本发明的具体实施例,但本发明并非局限于此,对于本领域的普通技术人员来说,在不脱离本发明的前提下,做出的变形应视为属于本发明保护范围。
Claims (10)
1.一种用于循环水养殖模式的鱼类福利化智能养殖系统,其特征在于,包括控制中心、含多隔间的养殖池、设于养殖池某一隔间内的生长数据采集通道、N个健康状态评估通道、以及N+1个自动分级装置;其中,第一自动分级装置连接在生长数据采集通道尾部,其余N个自动分级装置分别一一对应的连接在N个健康状态评估通道尾部,第一自动分级装置连接N+1条管道,其中一条通入上述某隔间的养殖水体中,其余N条管道一一对应的与N个健康状态评估通道连通,健康状态评估通道尾部的自动分级装置连接两条管道,分别通入养殖池的其余不同隔间内;
所述的养殖池由网栅阻隔为若干隔间,生长数据采集通道用于采集通过的养殖对象的生长数据并传输至控制中心,健康状态评估通道用于采集通过的养殖对象的图像并传输至控制中心,各自动分级装置由控制中心控制以驱赶养殖对象进入某一管道实现分级。
2.根据权利要求1所述的用于循环水养殖模式的鱼类福利化智能养殖系统,其特征在于,该系统中由生长数据采集通道入口至各自动分级装置尾部的管道出口的通路方向是与循环水养殖池中的水流方向相逆的。
3.根据权利要求1所述的用于循环水养殖模式的鱼类福利化智能养殖系统,其特征在于,所述的生长数据采集通道内前部设置有两个水下高清摄像机,后部设置有两个水下阵列式近红外传感器,所述的两个水下高清摄像机以及两个水下阵列式近红外传感器均是沿通道径向分布,且两水下高清摄像机呈90°夹角,两水下阵列式近红外传感器呈90°夹角。
4.根据权利要求3所述的用于循环水养殖模式的鱼类福利化智能养殖系统,其特征在于,所述的生长数据采集通道为由圆柱形区域前部和长方体区域后部固连构成的通道,圆柱形区域直径为养殖池中养殖对象最大承载规格体宽的4倍,圆柱形区域的长度为养殖池中养殖对象最大承载规格体长的3倍;长方体区域的通道横截面的对角线长为养殖池中养殖对象最大承载规格体宽的4倍,长方体区域的长度为养殖池中养殖对象最大承载规格体宽的3倍;其内部的阵列式近红外传感器的感应长度为养殖池中养殖对象最大承载规格体长的1.1倍,感应宽度为长方体区域的宽,感应距离大于长方体区域的高。
5.根据权利要求1所述的用于循环水养殖模式的鱼类福利化智能养殖系统,其特征在于,所述的自动分级装置内前端设置有阵列式近红外传感器,在该近红外传感器后端安装有可移动式隔离栏,可移动式隔离栏为一列圆柱形橡胶棒队列,可由控制中心控制单独进行左右移动。
6.根据权利要求5所述的用于循环水养殖模式的鱼类福利化智能养殖系统,其特征在于,所述的第一自动分级装置内设有N列可移动式隔离栏,其余自动分级装置内设置一列可移动式隔离栏,每列可移动式隔离栏对应一个传送带,可移动式隔离栏分别固定于各相应传送带上,每个传送带由一个步进电机驱动正反转动从而带动可移动式隔离栏左右移动。
7.根据权利要求5所述的用于循环水养殖模式的鱼类福利化智能养殖系统,其特征在于,所述的自动分级装置为长方体通道,其通道横截面的对角线长为养殖池中养殖对象最大承载规格体宽的4倍,其长度为养殖池中养殖对象最大承载规格体长的2倍;阵列式近红外传感器安装在距该装置入口0.2倍最大承载规格体长距离处,其感应长度为养殖池中养殖对象最大承载规格体长的0.1倍,感应宽度为自动分级装置的宽,感应距离大于自动分级装置的高。
8.根据权利要求1所述的用于循环水养殖模式的鱼类福利化智能养殖系统,其特征在于,健康状态评估通道为圆柱形,其中心处沿径向设置两个水下高清摄像机,两水下高清摄像机呈180°夹角,该通道直径为养殖池中养殖对象最大承载规格体宽的4倍,长度为养殖池中养殖对象最大承载规格体长的3倍。
9.根据权利要求1所述的用于循环水养殖模式的鱼类福利化智能养殖系统,其特征在于,在所有通入养殖池的管道末端均安装有倒须口,倒须口38长度为养殖池中养殖对象最大承载规格体长的1.0倍,倒须口中间最小口径为养殖池中养殖对象最大承载规格体宽的1.5倍。
10.应用如权利要求1-9任一项所述的系统进行鱼类福利化智能养殖的方法,其特征在于,包括如下步骤:
1)生长数据采集通道中的水下高清摄像机将实时拍摄画面传输至控制中心;
2)控制中心将当前画面由RGB色彩模型转换至YCrCb色彩模型,继而在YCrCb色彩模型利用Yolo3模型实现当前画面下的养殖对象的像素级分割,统计当前画面内的养殖对象个数;
3)若当前画面内只有单个养殖对象或多个养殖对象的前后两两首尾间距大于养殖池中养殖对象最大承载规格体长的0.5倍,则控制中心通过生长数据采集通道内的水下阵列式近红外传感器实现当前养殖对象的体长和体宽信息采集,当养殖对象进入生长数据采集通道尾部的第一自动分级装置中后,第一自动分级装置内的水下阵列式近红外传感器通过检测红外反馈信号的连续性来判断该养殖对象是否全部进入,若反馈信号中断则代表养殖对象整体已进入分级区域,则控制中心根据采集到的体长和体宽信息及根据需要预先设置的分级规则控制第一自动分级装置将养殖对象驱赶至相应的管道中;
4)当养殖对象进入健康状态评估通道后,通道内对应的水下高清摄像机将实时拍摄画面传输至控制中心,控制中心先利用Yolo3模型在RGB色彩模型下分别对养殖对象图像进行像素级分割,继而通过残差密集网络实现已分割区域的超分辨率重建,在超分辨率重建基础上,借助于CheXNet模型实现养殖对象病害区域的检测,实现养殖对象的健康状态评估;
5)控制中心根据已评估的养殖对象的健康状态信息,控制健康状态评估通道相应的自动分级装置将当前养殖对象驱赶至相应的养殖池隔间内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910437088.6A CN110089477B (zh) | 2019-05-23 | 2019-05-23 | 一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910437088.6A CN110089477B (zh) | 2019-05-23 | 2019-05-23 | 一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110089477A true CN110089477A (zh) | 2019-08-06 |
CN110089477B CN110089477B (zh) | 2020-08-28 |
Family
ID=67449057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910437088.6A Active CN110089477B (zh) | 2019-05-23 | 2019-05-23 | 一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110089477B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110731297A (zh) * | 2019-10-31 | 2020-01-31 | 中国水产科学研究院渔业机械仪器研究所 | 一种养殖系统及控制方法 |
CN111513013A (zh) * | 2020-04-01 | 2020-08-11 | 刘鹏 | 一种基于人工智能识别的活鱼分类输送装置 |
CN113197145A (zh) * | 2021-05-08 | 2021-08-03 | 浙江大学 | 基于循环神经网络与红外测量光栅的鱼类生物量估算系统 |
CN114467825A (zh) * | 2022-01-30 | 2022-05-13 | 浙江大学 | 一种循环水养殖鱼类智能分级系统 |
CN114532273A (zh) * | 2022-03-10 | 2022-05-27 | 浙江大学 | 一种非侵入式的循环水养殖鱼类主动式投饲方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203040458U (zh) * | 2013-01-31 | 2013-07-10 | 习宏斌 | 诱捕式自动分级捕鱼台网 |
CN103761565A (zh) * | 2014-01-07 | 2014-04-30 | 宁波大学 | 基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 |
CN106719235A (zh) * | 2016-12-28 | 2017-05-31 | 浙江省海洋水产研究所 | 一种赤点石斑鱼分级装置 |
-
2019
- 2019-05-23 CN CN201910437088.6A patent/CN110089477B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203040458U (zh) * | 2013-01-31 | 2013-07-10 | 习宏斌 | 诱捕式自动分级捕鱼台网 |
CN103761565A (zh) * | 2014-01-07 | 2014-04-30 | 宁波大学 | 基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 |
CN106719235A (zh) * | 2016-12-28 | 2017-05-31 | 浙江省海洋水产研究所 | 一种赤点石斑鱼分级装置 |
Non-Patent Citations (3)
Title |
---|
VASSILIS M. PAPADAKIS等: "《A computer-vision system and methodology for the analysis of fish behavior》", 《AGRICULTURAL ENGINEERING》 * |
周超等: "《基于近红外机器视觉的鱼类摄食强度评估方法研究》", 《智慧农业》 * |
赵健等: "《Spatial behavioral characteristics and statistics-based kinetic energy modeling in special behaviors detection of a shoal of fish in a recirculating aquaculture system》", 《COMPUTERS AND ELECTRONICS IN AGRICULTURE》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110731297A (zh) * | 2019-10-31 | 2020-01-31 | 中国水产科学研究院渔业机械仪器研究所 | 一种养殖系统及控制方法 |
CN110731297B (zh) * | 2019-10-31 | 2021-11-19 | 中国水产科学研究院渔业机械仪器研究所 | 一种养殖系统及控制方法 |
CN111513013A (zh) * | 2020-04-01 | 2020-08-11 | 刘鹏 | 一种基于人工智能识别的活鱼分类输送装置 |
CN113197145A (zh) * | 2021-05-08 | 2021-08-03 | 浙江大学 | 基于循环神经网络与红外测量光栅的鱼类生物量估算系统 |
CN113197145B (zh) * | 2021-05-08 | 2022-02-08 | 浙江大学 | 基于循环神经网络与红外测量光栅的鱼类生物量估算系统 |
CN114467825A (zh) * | 2022-01-30 | 2022-05-13 | 浙江大学 | 一种循环水养殖鱼类智能分级系统 |
CN114467825B (zh) * | 2022-01-30 | 2022-10-28 | 浙江大学 | 一种循环水养殖鱼类智能分级系统 |
CN114532273A (zh) * | 2022-03-10 | 2022-05-27 | 浙江大学 | 一种非侵入式的循环水养殖鱼类主动式投饲方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110089477B (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110089477A (zh) | 一种用于循环水养殖模式的鱼类福利化智能养殖系统及方法 | |
CN107094683B (zh) | 一种水产养殖的自动投饵和水质监测控制系统 | |
CN103761565B (zh) | 基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 | |
CN110074030A (zh) | 一种融合机器视觉与红外检测技术的反馈式池塘循环水智能投饲系统 | |
Zion et al. | In-vivo fish sorting by computer vision | |
CN109717120A (zh) | 一种基于物联网的鱼类养殖监测投料系统及方法 | |
CN203606673U (zh) | 水产养殖监控系统 | |
CN103558822B (zh) | 水产养殖监控系统 | |
CN113615620B (zh) | 一种高密度养殖循环系统 | |
CN111436386A (zh) | 一种游泳型养殖鱼基于摄食强度测量的养殖方法及系统 | |
CN114009407B (zh) | 分规格深水活鱼自动起捕装置 | |
CN205794554U (zh) | 水下捕鱼装置 | |
CN103704163B (zh) | 一种自走式的自动投饵装置 | |
CN111557270A (zh) | 一种无损伤测试鱼类生境选择的试验装置及其应用 | |
CN111625036A (zh) | 一种无人值守实时监控的水质自动监测系统 | |
CN113951196B (zh) | 一种基于机器视觉与环境动态耦合的智能投喂方法及装置 | |
CN113875670B (zh) | 基于声呐阵列与视觉识别的智能水产精准投饲平台及投饲方法 | |
CN211048177U (zh) | 智能养殖系统 | |
CN204860613U (zh) | 一种用于水产养殖的盐度自动控制装置 | |
CN114020074B (zh) | 一种养殖塘智能无人养殖系统及方法 | |
KR101749003B1 (ko) | 바이오플락 양식생물 대량폐사 방지용 자동 사육수 관리장치 | |
CN107372160B (zh) | 一种基于无人机的智能养殖方法及其系统 | |
CN206118799U (zh) | 养殖鱼类游动方向测定系统 | |
CN211669547U (zh) | 一种水下网箱巡检系统 | |
CN112764373B (zh) | 一种可伸缩的智能养殖平台及控制系统和控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |