CN110742027B - 一种基于动水槽试验的围网网具体积估算方法 - Google Patents

一种基于动水槽试验的围网网具体积估算方法 Download PDF

Info

Publication number
CN110742027B
CN110742027B CN201910991816.8A CN201910991816A CN110742027B CN 110742027 B CN110742027 B CN 110742027B CN 201910991816 A CN201910991816 A CN 201910991816A CN 110742027 B CN110742027 B CN 110742027B
Authority
CN
China
Prior art keywords
net
water tank
netting gear
moving water
volume
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
Application number
CN201910991816.8A
Other languages
English (en)
Other versions
CN110742027A (zh
Inventor
唐浩
刘伟
邹柏强
王学昉
周成
许柳雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Ocean University
Original Assignee
Shanghai Ocean University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Ocean University filed Critical Shanghai Ocean University
Priority to CN201910991816.8A priority Critical patent/CN110742027B/zh
Publication of CN110742027A publication Critical patent/CN110742027A/zh
Application granted granted Critical
Publication of CN110742027B publication Critical patent/CN110742027B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01KANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K73/00Drawn nets
    • A01K73/12Nets held vertically in the water, e.g. seines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/80Geometric correction

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)

Abstract

本发明提供了一种基于动水槽试验的围网网具体积估算方法,包括如下步骤:将网具以圆周放网的方式置于动水槽中,模型网具顶部开口配置有浮子纲且底部装配有沉子纲;在动水槽正上方和正前方安置摄像机用于拍摄放网及绞纲操作过程中网具形态的变化;试验图像截取及矫正,获得网具特征点的坐标;进行视觉矫正,获得网具的沉降深度数据以及浮子纲、沉子纲的节点位置数据;根据数据估算出网具包围体积。本发明依靠设置专业围网动水槽试验平台,并对围网网具水中特征点的空间参数进行修正,利用修正数据建立围网形态的空间关系式,估算围网体积,探究不同试验条件下的围网网具空间体积变化规律,为围网网具的优化设计提供科学依据。

Description

一种基于动水槽试验的围网网具体积估算方法
技术领域
本发明涉及养殖业,具体涉及到一种基于动水槽试验的围网网具体积估算方法。
背景技术
在金枪鱼围网作业过程中,释放网具至绞纲结束,鱼群若未发现网具或发现网具却未成功逃逸,则需要围网包围一定体积的水体(临界包围体积)。在设计网具时,设计者需要使网具的包围体积大于临界包围体积,如此确保捕捞的成功率。当网口成功收拢,且鱼群无法从围网中逃逸后,随着网衣的不断收绞,网具包围体积不断缩小,鱼群的活动范围也会逐渐减小,造成鱼群个体间碰撞挤压,出现破皮,影响价格,并且也会降低兼捕鱼释放后的成活率。因此在研究围网网具性能的时候,不但会考虑网具沉降性能,而且也会考虑网具在水中的包围几何形状及包围体积,从而估计鱼群密度,及时利用抄网将鱼群从取鱼部捞至冻藏,减少鱼群在网具中的碰撞挤压。目前,金枪鱼围网网具包围体积的计算方法较少,且存在计算方法复杂,精度不高等缺点。
为了探究围网体积在不同条件下的变化情况,渔具模型试验相较于海上实测具有条件可控,成本较低,观测直观等有利条件,是网具优化设计领域中不可或缺的一种方法。但量化基于动水槽模型试验的围网网具包围体积具有一定的难度,主要是因为试验平台设置的专业及复杂性;网具在水中时特征点的空间位置修正问题及围网包围体积计算模型假设的差异性等,致使围网网具包围体积方面的研究工作一直未得以开展。
目前,基于动水槽模型试验方法的围网网具体积变化方面的研究尚未开展,仅对围网网具形状及包围面积进行初步探讨,其主要原因为试验平台的设置较为复杂,且专业围网动水槽在世界范围内少之又少,我国在此方面的研究方案主要依托日本,成本高,耗时间;在模型试验中,网具的形态确定会受到水的折射、视差及摄像镜头的畸变等影响,修正网具在水中特征点的空间位置较为复杂且困难。
发明内容
本发明提供了一种基于动水槽试验的围网网具体积估算方法,包括如下步骤:
S1、提供一顶部开口的动水槽,动水槽的底面、正后方以及两侧侧壁均安置网格标尺,在所述动水槽顶部开口中心处架设有绞机,且所述绞机上安装有两个摆动杆,各摆动杆的末端均配置有一用于网具括纲收绞传动定滑轮,第一摆动杆末端安装有一放网平台,且第一摆动杆能够以中心的绞机为圆心进行水平圆周的转动;
S2、将网具放置放网平台,其中一端连接第一摆动杆,另一端连接第二摆动杆,括纲两端通过两个摆动杆上的定滑轮连接到中间绞机;
S3、在动水槽正上方和正前方安置第一摄像机、第二摄像机用于拍摄放网及绞纲整个操作过程;
S4、启动仪器,使第一摆动杆开始进行圆周运动,第二摆动杆静止,进而释放网具,网具浮子纲浮于水面,沉子纲牵引网具下沉,当第一摆动杆运动结束,启动绞机收绞括纲,最终括纲收绞结束,操作结束;
S5、试验视频按照间隔截取图片,然后进行视觉矫正,获得网具的浮子纲、沉子纲以及网具轮廓的节点位置数据;
S6、根据数据估算出网具包围体积。
进一步的,步骤S5中,
放网过程中摄像机的视频以每6秒间隔截取图片,利用鱼眼镜头畸变校正软件对畸变图像进行矫正。
进一步的,步骤S5包括如下:
S51、将动水槽的主尺度定义为长A、宽B、深H;
S52、在正视图中,当网具网口方向平行于水槽长度方向且网具中点处在水槽宽度一半的位置上放网时,在动水槽宽B/2处并以动水槽横向截面上建立直角坐标系,以当前动水槽横向截面的长和深作为水槽的长和深,根据拍摄画面中的网具沉子纲在直角坐标系中的位置从而获得网具的沉降深度数据;
S53、在俯视图中,直接以动水槽的顶部开口边缘所围成的矩形区域作为水槽的长和宽建立坐标系获得网具浮子纲的节点位置数据,
对于沉子纲,利用在步骤S52获取的网具沉降深度所占水槽总深度比例,等比缩放为沉子纲所在水层对应的水槽的长和宽,在此平面建立坐标系,获得沉子纲的节点位置数据。
进一步的,在步骤S6中,利用Y轴与Z轴所构成的平面将网具空间包围体积分为网背部和网口部两个部分,分别进行体积计算,最后将体积相加得到围网包围体积。
进一步的,分析俯视图和正视图将网具沿Z轴方向分为无数个半椭圆柱,其中椭圆柱计算公式:a×b×π×h,其中a为长半轴,b为短半轴,h为高;
通过分析网具的沉降深度与网衣轮廓存在函数关系,利用网具的沉降深度与椭圆半轴拟合出关系式,进而通过积分半椭圆柱法,分别计算网背部和网口部,最终将两部分体积相加,获得网具包围体积;
计算公式如下:
x网背=a(z) (1)
a(z)=c1z4+c2z3+c3z2+c4z+c5 (2)
x网口=A(z) (3)
A(z)=C1z4+C2z3+C3z2+C4z+C5 (4)
Figure BDA0002238533340000031
b(z)=e1z4+e2z3+e3z2+e4z+e5 (6)
Figure BDA0002238533340000041
其中,V为网具包围体积,x网背为网背部椭圆长半轴,y为椭圆短轴,x网口为网口部椭圆长半轴,z为网具沉降深度,c1、c2、c3、c4、c5、e1、e2、e3、e4、e5分别为系数。
本发明主要依靠设置专业围网动水槽试验平台,并对围网网具水中特征点的空间参数进行修正,利用修正数据建立围网形态的空间关系式,估算围网体积,探究不同试验条件下的围网网具空间体积变化规律,为围网网具的优化设计提供科学依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述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为一实施例中,围网模型试验操作示意图;
图2-3示出了正视角度和俯视角度的摄像机所拍摄的画像;
图4a-4c为水下网具三视图;
图4d-4f示出了网具在俯视角度下近似呈椭圆的示意图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
为了彻底理解本发明,将在下列的描述中提出详细的步骤以及详细的结构,以便阐释本发明的技术方案。本发明的较佳实施例详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
本发明提供了一种基于动水槽试验的围网网具体积估算方法,包括如下步骤:
S1、提供一顶部开口的动水槽,图1所示为金枪鱼围网模型试验操作示意图,动水槽的底面、正后方以及两侧侧壁均安置网格标尺,在所述动水槽顶部开口中心处架设有绞机11,且绞机11上安装有两个摆动杆12和13,各摆动杆的末端均配置有一用于网具括纲收绞传动定滑轮,第一摆动杆12末端安装有一放网平台14,且第一摆动杆能够以中心的绞机为圆心进行水平圆周的转动。
S2、将网具放置在放网平台14,浮子纲一端连接第一摆动杆12端,一端连接第二摆动杆13端,括纲两端通过第一摆动杆12、第二摆动杆13上的定滑轮连接绞机。
S3、在动水槽正上方和正前方安置第一摄像机10、第二摄像机20用于拍摄放网及绞纲整个操作过程中。
S4、启动仪器,使第一摆动杆开始进行圆周运动,第二摆动杆静止,进而释放网具,网具浮子纲浮于水面,沉子纲牵引网具下沉,当第一摆动杆运动结束,启动绞机收绞括纲,最终括纲收绞结束,操作结束。在动水槽正上方和正前方安置摄像机用于拍摄放网及绞纲整个操作过程中,网具形态的变化。
S5、试验视频按照间隔截取图片,然后进行视觉矫正,获得网具的浮子纲、沉子纲以及网具轮廓的节点位置数据,为后续估算围网包围体积提供依据。
为了方便观测渔具水下的形态变化,和获取相关试验数据,本试验利用摄像机进行摄像,同时根据设置在水槽中的方形网格作为标尺,然后利用相关图像解析软件,获得网具特征点的坐标,用于进一步研究。
由于图片处理只能获得二维坐标,因此需要设置两台摄像机从不同方位进行拍摄(本试验设置为俯视拍摄和正视拍摄),通过不同角度拍摄的图片能够得到其三维坐标,同时,为了获得同一时刻某节点的三维坐标,拍摄时需协同工作。
在立体摄像过程中存在很多误差,图像解析需要考虑这些误差并进行矫正,通常误差的主要来源为:1.镜头成像的畸变问题。这与相机镜头的制造工艺(球面镜片、非球面镜片、广角、远焦等)有关,变形和失真的程度也与镜头质量有关;2.水的折射。光线从一种介质传播到另一种介质中光线发生偏折的现象;3.视差。立体物的摄像中,由于三维的空间结构被转换为二维平面,导致离相机近投影面的图像大与远投影平面。图2-3示出了正视角度和俯视角度的摄像机所拍摄的画像,由于存在视觉误差,所拍摄的动水槽并不是一个矩形,而是类似像图2-3这种结构。以图2为例,最外围的矩形为最靠近当前摄像机的前侧面动水槽边框1,而内部矩形为后侧面动水槽边框2。
针对镜头成像的畸变问题,本试验将记录起放网过程的视频以6s间隔截取图片,应用ProDAD DeFishr软件,通过调整参数,对畸变图像进行矫正。
网具在试验过程中,仅浮子浮于水面,网衣及各类属具均沉于水中,因此可以认为整顶网具在试验过程中同处一种介质,其直射率是一样的。
对于视差问题,提出了针对本试验的图像矫正方法,原理如下:
S51、动水槽的主尺度定义为长A,宽B,深H。
S52、当网口方向平行于水槽长度方向放网时,其网具中点基本处在水槽宽度一半的位置上(如图2中虚线线框3),因此可在此截面上建立直角坐标系,以虚线线框3的长和深作为水槽的长和深,从而获得网具的沉降深度数据。
S53、在图3的俯视图中,由于网具浮子纲始终浮于水槽的水表面,因此可直接以端点a1-b1-c1-d1矩形区域为水槽的长和宽,直接建立坐标系获得网具浮子纲的节点位置数据。对于沉子纲,可利用在第S52步获取的网具沉降深度所占水槽总深度比例,等比缩放(如图3中a3-b3-c3-d3所围成的矩形4)为沉子纲所在水层对应的水槽的长和宽,在此平面(a3-b3-c3-d3矩形)建立坐标系,获得沉子纲的节点位置数据。
S6、根据数据估算出网具包围体积。侧视图网背部与网口部不同,利用Y轴与Z轴所构成的平面将网具空间包围体积分为网背部和网口部两个部分,分别进行体积计算,最后将体积相加即可。图4a-4c为水下网具三视图,图4a为网具正视图;图4b为网具侧视图;图4c为网具俯视图。图4d-4f示出了网具在俯视角度下近似呈椭圆的示意图。
通过分析俯视图和正视图可以将网具沿Z轴方向分为无数个半椭圆柱(椭圆柱计算公式:a×b×π×h,其中a为长半轴,b为短半轴,h为高),在试验中发现,网具的沉降深度与网衣轮廓存在函数关系,即可以用网具的沉降深度与椭圆半轴拟合出关系式,进而通过积分半椭圆柱法,分别计算网背部和网口部,最终将两部分体积相加,获得网具包围体积。公式如下
x网背=a(z) (1)
a(z)=c1z4+c2z3+c3z2+c4z+c5 (2)
x网口=A(z) (3)
A(z)=C1z4+C2z3+C3z2+C4z+C5 (4)
Figure BDA0002238533340000071
b(z)=e1z4+e2z3+e3z2+e4z+e5 (6)
Figure BDA0002238533340000072
其中,V为网具包围体积,x网背为网背部椭圆长半轴,y为椭圆短轴,x网口为网口部椭圆长半轴,z为网具沉降深度,c1、c2、c3、c4、c5、e1、e2、e3、e4、e5分别为系数。
最终,利用Microsoft Office 2003软件对数据进行处理,获得结果。
下面就上述方法提供一具体实验例进行说明:
模型试验地点为日本下关的西日本日网公司研究开发室的循环动水槽,该水槽的主尺度为:为长10m,宽4m,高1.4m。围网的放网模式为圆周运动的放网,因此,通过摆动杆和用于放置网具的滑动平台实现模型网的圆周放网过程,共有6个绞机配备用于松放和收绞纲索,其中括纲配备四个,跑纲配备两个。收绞括纲时的拉力,使用2个量程为5kgf的张力计(LT6-2,三桂工程技术株式会社,日本)测量,张力计分别放置于取鱼部和网具翼端处。具体连接方法为:括纲穿过与张力计连接的滑轮,张力计与动态应变放大器(DPM-611B,协和工业电子仪器株式会社,日本)和A/D转化器(Midi Logger GL900,Graphtec公司)连接,传输至电脑获取频率为20Hz的张力数据。在水槽正上方和正前方分别放置摄像机,同步放网过程拍摄网形变化。
为了对比优化前后不同放网模式对模型网性能的影响,设置固定流速8cm/s,并设计了三个相对于水流方向的放网模式,A)网口方向垂直于水流,侧流放网(cross set);B)网口方向逆向于水流,顺流放网(front set);C)网口方向正对水流,背流放网(back set)。同时测试了在静水状态下的放网用于标准化对比,在收绞结束后,记录船体(放网控制台)随水流的漂移距离以及船体被拉至网圈内部的距离。试验于共分为三组,分别为:以原型网制作的模型网A(model net);主网衣网目增大30mm的模型网,即优化方案一的模型网B(model net-1);在方案一的基础上下缘网附近网目增大45mm的模型网C(model net-2)。每组试验分别进行三种放网模式和两种水流(0cm/和8cm/s)条件下的模型试验,最终对比优化前后的模型网沉降特性、张力、包围效果和网口形状等差异,确立优化方案的有效性。
以上对本发明的较佳实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例,这并不影响本发明的实质内容。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。

Claims (2)

1.一种基于动水槽试验的围网网具体积估算方法,其特征在于,包括如下步骤:
S1、提供一顶部开口的动水槽,动水槽的底面、正后方壁均安置网格标尺,在所述动水槽顶部开口中心处架设有绞机,且所述绞机上安装有两个摆动杆,各摆动杆的末端均配置有一用于网具括纲收绞传动定滑轮,第一摆动杆末端安装有一放网平台,且第一摆动杆能够以中心的绞机为圆心进行水平圆周的转动;
S2、将网具放置放网平台,其中一端连接第一摆动杆,另一端连接第二摆动杆,括纲两端通过两个摆动杆上的定滑轮连接到中间绞机;
S3、在动水槽正上方和正前方安置第一摄像机、第二摄像机用于拍摄放网及绞纲整个操作过程;
S4、启动仪器,使第一摆动杆开始进行圆周运动,第二摆动杆静止,进而释放网具,网具浮子纲浮于水面,沉子纲牵引网具下沉,当第一摆动杆运动结束,启动绞机收绞括纲,最终括纲收绞结束,操作结束;
S5、试验视频按照间隔截取图片,然后进行视觉矫正,获得网具的浮子纲、沉子纲以及网具轮廓的节点位置数据;
S6、利用Y轴与Z轴所构成的平面将网具空间包围体积分为网背部和网口部两个部分,分别进行体积计算,最后将体积相加得到围网包围体积;
其中,步骤S5包括如下:
S51、将动水槽的主尺度定义为长A、宽B、深H;
S52、在正视图中,当网具网口方向平行于水槽长度方向且网具中点处在水槽宽度一半的位置上放网时,在动水槽宽B/2处并以动水槽横向截面上建立直角坐标系,以当前动水槽横向截面的长和深作为水槽的长和深,根据拍摄画面中的网具沉子纲在直角坐标系中的位置从而获得网具的沉降深度数据;
S53、在俯视图中,直接以动水槽的顶部开口边缘所围成的矩形区域作为水槽的长和宽建立坐标系获得网具浮子纲的节点位置数据,
对于沉子纲,利用在步骤S52获取的网具沉降深度所占水槽总深度比例,等比缩放为沉子纲所在水层对应的水槽的长和宽,在此平面建立坐标系,获得沉子纲的节点位置数据;
分析俯视图和正视图将网具沿Z轴方向分为无数个半椭圆柱,其中椭圆柱计算公式:a×b×π×h,其中a为长半轴,b为短半轴,h为高;
通过分析网具的沉降深度与网衣轮廓存在函数关系,利用网具的沉降深度与椭圆半轴拟合出关系式,进而通过积分半椭圆柱法,分别计算网背部和网口部,最终将两部分体积相加,获得网具包围体积;
计算公式如下:
x网背=a(z) (1)
a(z)=c1z4+c2z3+c3z2+c4z+c5 (2)
x网口=A(z) (3)
A(z)=C1z4+C2z3+C3z2+C4z+C5 (4)
Figure FDA0002990273700000021
b(z)=e1z4+e2z3+e3z2+e4z+e5 (6)
Figure FDA0002990273700000022
其中,V为网具包围体积,x网背为网背部椭圆长半轴,y为椭圆短轴,x网口为网口部椭圆长半轴,z为网具沉降深度,c1、c2、c3、c4、c5、e1、e2、e3、e4、e5分别为系数。
2.如权利要求1所述的基于动水槽试验的围网网具体积估算方法,其特征在于,步骤S5中,
放网过程中摄像机的视频以每6秒间隔截取图片,利用鱼眼镜头畸变校正软件对畸变图像进行矫正。
CN201910991816.8A 2019-10-18 2019-10-18 一种基于动水槽试验的围网网具体积估算方法 Active CN110742027B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910991816.8A CN110742027B (zh) 2019-10-18 2019-10-18 一种基于动水槽试验的围网网具体积估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910991816.8A CN110742027B (zh) 2019-10-18 2019-10-18 一种基于动水槽试验的围网网具体积估算方法

Publications (2)

Publication Number Publication Date
CN110742027A CN110742027A (zh) 2020-02-04
CN110742027B true CN110742027B (zh) 2021-05-18

Family

ID=69278829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910991816.8A Active CN110742027B (zh) 2019-10-18 2019-10-18 一种基于动水槽试验的围网网具体积估算方法

Country Status (1)

Country Link
CN (1) CN110742027B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201726750U (zh) * 2010-07-13 2011-02-02 上海海洋大学 大型金枪鱼围网模型网
KR200468719Y1 (ko) * 2013-07-20 2013-09-10 김주영 부피 측정기
CN205537823U (zh) * 2016-01-14 2016-08-31 中国水产科学研究院东海水产研究所 围网围捕空间测量结构
CN105509835B (zh) * 2016-01-14 2018-10-02 中国水产科学研究院东海水产研究所 围网围捕空间测量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201726750U (zh) * 2010-07-13 2011-02-02 上海海洋大学 大型金枪鱼围网模型网
KR200468719Y1 (ko) * 2013-07-20 2013-09-10 김주영 부피 측정기
CN205537823U (zh) * 2016-01-14 2016-08-31 中国水产科学研究院东海水产研究所 围网围捕空间测量结构
CN105509835B (zh) * 2016-01-14 2018-10-02 中国水产科学研究院东海水产研究所 围网围捕空间测量方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
围网网具性能研究进展;许柳雄 等;《中国水产科学》;20160531;第23卷(第3期);第713-726页 *
基于数值模拟的金枪鱼围网性能的研究;周成;《中国博士学位论文全文数据库 农业科技辑》;20160315(第3期);第D052-17页 *
网目尺寸对金枪鱼围网沉降性能及网具形态的影响;刘伟 等;《水产学报》;20190630;第43卷(第6期);第1527-1538页 *
金枪鱼围网沉降性能影响因子的多元回归分析;周成 等;《中国水产科学》;20130531;第20卷(第3期);第672-681页 *
金枪鱼围网网具水动力特性及沉降性能研究;唐浩;《中国博士学位论文全文数据库 农业科技辑》;20180115(第1期);第D052-31页 *

Also Published As

Publication number Publication date
CN110742027A (zh) 2020-02-04

Similar Documents

Publication Publication Date Title
US10048226B2 (en) Imaging method and apparatus based on magnetic flux leakage testing
US9208609B2 (en) Method for fitting primitive shapes to 3D point clouds using distance fields
CN113408423B (zh) 适用于tx2嵌入式平台的水产品目标实时检测方法
CN110118640B (zh) 一种实验室提取强分层流体中内孤立波特征的方法
Wan et al. A static analysis of the tension and configuration of submerged plane nets
CN114241031B (zh) 基于双视角融合的鱼类体尺测量和体重预测的方法及装置
US11435289B2 (en) Optical distortion measuring apparatus and optical distortion measuring method, image processing system, electronic apparatus and display apparatus
CN113686314B (zh) 船载摄像头的单目水面目标分割及单目测距方法
CN108986218B (zh) 一种基于pmvs的建筑物密集点云快速重建方法
CN109711401A (zh) 一种基于Faster Rcnn的自然场景图像中的文本检测方法
CN113344953B (zh) 一种基于无人机的机器视觉涌潮流速测量方法
CN114049434A (zh) 一种基于全卷积神经网络的3d建模方法及系统
CN106204454A (zh) 基于纹理边缘自适应数据融合的高精度快速图像插值方法
CN117036569B (zh) 三维模型颜色生成网络训练方法、颜色生成方法及装置
CN112233144B (zh) 水下鱼体重量测量方法及装置
CN110742027B (zh) 一种基于动水槽试验的围网网具体积估算方法
CN115047455A (zh) 一种轻量化的sar图像舰船目标检测方法
CN108108569B (zh) 一种基于浮力面元的船体快速建模方法
CN115854995B (zh) 一种基于无人机测绘的基桩测量系统及方法
CN107976148A (zh) 一种深海生物测量装置及其生物特征的测量方法
CN112419334A (zh) 基于深度学习的微表面材质重建方法及系统
CN110991230A (zh) 基于旋转候选框的任意方向遥感影像舰船检测方法及系统
NL2029191B1 (en) Autonomous underwater vehicle -based method and system for counting fish resources in river
CN107240149A (zh) 基于图像处理的物体三维模型构建方法
CN114357721B (zh) 水下对空成像全链路仿真方法

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