CN110942045B - 一种基于机器视觉的智能鱼缸投食系统 - Google Patents

一种基于机器视觉的智能鱼缸投食系统 Download PDF

Info

Publication number
CN110942045B
CN110942045B CN201911233702.3A CN201911233702A CN110942045B CN 110942045 B CN110942045 B CN 110942045B CN 201911233702 A CN201911233702 A CN 201911233702A CN 110942045 B CN110942045 B CN 110942045B
Authority
CN
China
Prior art keywords
fish
image
fish tank
machine vision
system based
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
CN201911233702.3A
Other languages
English (en)
Other versions
CN110942045A (zh
Inventor
肖振宇
吴锦华
梁显显
陈洪结
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.)
Anhui Institute of Information Engineering
Original Assignee
Anhui Institute of Information Engineering
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 Anhui Institute of Information Engineering filed Critical Anhui Institute of Information Engineering
Priority to CN201911233702.3A priority Critical patent/CN110942045B/zh
Publication of CN110942045A publication Critical patent/CN110942045A/zh
Application granted granted Critical
Publication of CN110942045B publication Critical patent/CN110942045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • 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
    • A01K61/80—Feeding devices
    • A01K61/85—Feeding devices for use with aquaria
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Environmental Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Zoology (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于机器视觉的智能鱼缸投食系统，包括鱼缸、监测系统和客户端，所述监测系统包括以下工作步骤：(1)摄像头采集鱼缸内图像并将图像信息传输到API；(2)进行图像分类、背景建模和图像检测；(3)使用Selective Search算法进行逻辑筛选，找到各类鱼群并过滤掉背景；(4)计算鱼群分布情况，形成动态鱼运动轨迹图像；(5)对运动轨迹图进行二值化和聚类，过滤掉识别正确率小于50％的簇；(6)对剩余簇提取特征，进行准确性验证，判断鱼是否在觅食；(7)根据准确性验证得到的结果判断鱼是否需要进行投食；(8)将结果发送到客户端。系统对摄像头采集到的鱼的行为进行处理分析，判断是否需要投食，使用该系统可根据鱼的行为进行科学饲养。

Description

一种基于机器视觉的智能鱼缸投食系统
技术领域
本发明涉及智能鱼缸领域，具体涉及一种基于机器视觉的智能鱼缸投食系统。
背景技术
随着生活水平的提高，饲养观赏鱼的人也越来越多，为了解决给鱼投食的困难,市场上出现了智能鱼缸，传统的智能鱼缸大多是在鱼缸内加上各类传感器，检测水的PH值、含氧量、浑浊度等指标，但这些数据并不能充分的作为投食的依据,不能科学地饲养鱼。
发明内容
本发明的目的是提供一种基于机器视觉的智能鱼缸投食系统，以解决现有技术中无法准确分析判断鱼是否需要喂食的问题。
所述的一种基于机器视觉的智能鱼缸投食系统，包括鱼缸、监测系统和客户端，所述监测系统包括安装在鱼缸上的摄像头和API(应用程序编程接口)，通过对收集的鱼缸内场景图像进行定制化图像识别从而进行模型训练，将模型上线到平台并生成所述API，所述监测系统包括以下工作步骤：
(1)摄像头采集鱼缸内场景的图像序列并将图像信息传输到API；
(2)对摄像头采集到的每帧图像进行图像分类、背景建模和图像检测，得到备选的鱼缸区域；
(3)对所述步骤(2)得到的备选鱼缸区域使用SelectiveSearch算法进行逻辑筛选，找到鱼缸内的各类鱼群，并过滤掉鱼缸内的人工景观画面；
(4)在时间轴上，利用连续的若干帧监测结果，计算出鱼群的分布情况，形成动态的鱼运动轨迹图像；
(5)对所述步骤(4)得到的运动轨迹图像在空间轴上进行二值化和聚类操作，过滤掉识别正确率小于50％的簇；
(6)对剩余的每个簇提取特征，并在时间轴上进行准确性验证，判断鱼是否在觅食；
(7)根据准确性验证得到的结果判断摄像头捕捉到的鱼缸场景内的鱼是否需要进行投食以及投食是否满足当前需要。
(8)将步骤(7)中得到的结果发送到客户端。
优选的，所述步骤(2)中对图像序列进行的图像检测包括鱼的运动检测和鱼的特征检测。
优选的，所述运动检测采用差分算法将鱼体目标与背景分离,得到灰度化的鱼体目标图像。
优选的，所述特征检测采用最大类间方差算法获取自适应分割阈值,通过图像分割得到二值化鱼体目标图像。
优选的，所述步骤(6)中对每个簇提取的特征包括簇的中心坐标、簇边界。
本发明的优点在于：通过定制化图像识别进行模型训练，并将模型上线到平台，在实际运行中，系统对摄像头收集到的鱼的行为特征等信息进行处理分析，判断当前是否需要进行投食，使用该系统可根据鱼缸情况进行科学饲养，解决了非专业人士养鱼的难处。
附图说明
图1为本发明的工作流程图。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思，技术方案有更完整，准确和深入的理解。
如图1所示，一种基于机器视觉的智能鱼缸投食系统，包括鱼缸、监测系统和客户端，所述监测系统包括安装在鱼缸上的摄像头和API(应用程序编程接口)，通过对收集的鱼缸内场景图像进行定制化图像识别从而进行模型训练，通过模型训练提高识别鱼是否在觅食的准确度，将模型上线到平台并生成所述API，所述监测系统包括以下工作步骤：
(1)摄像头采集鱼缸内场景的图像序列并将图像信息传输到API；
(2)对摄像头采集到的每帧图像进行图像分类、背景建模和图像检测，得到备选的鱼缸区域；
(3)对所述步骤(2)得到的备选鱼缸区域使用SelectiveSearch算法进行逻辑筛选，找到鱼缸内的各类鱼群，并过滤掉鱼缸内的人工景观画面；
(4)在时间轴上，利用连续的若干帧监测结果，计算出鱼群的分布情况，形成动态的鱼运动轨迹图像；
(5)对所述步骤(4)得到的运动轨迹图像在空间轴上进行二值化和聚类操作，过滤掉识别正确率小于50％的簇；
(6)对剩余的每个簇提取特征，并在时间轴上基于训练得到的模型进行准确性验证，判断鱼是否在觅食；
(7)根据准确性验证得到的结果判断摄像头捕捉到的鱼缸场景内的鱼是否需要进行投食以及投食是否满足当前需要。
(8)将步骤(7)中得到的结果发送到客户端。
所述步骤(2)中对图像序列进行的图像检测包括鱼的运动检测和鱼的特征检测。
所述运动检测采用差分算法将鱼体目标与背景分离,得到灰度化的鱼体目标图像。
所述特征检测采用最大类间方差算法获取自适应分割阈值,通过图像分割得到二值化鱼体目标图像。
所述步骤(6)中对每个簇提取的特征包括簇的中心坐标、簇边界。
本发明的工作过程如下：
将摄像头安装到普通鱼缸上，摄像头采集鱼缸内图像并将图像信息传送到API，后台对图像进行处理分析，通过图像分类、背景建模和逻辑筛选等操作找到鱼并过滤掉鱼缸内的背景，然后计算鱼的运动轨迹，通过二值化和聚类操作过滤掉识别正确率低的簇后提取特征进行准确性验证，最终判断是否需要喂食并将结果发送到客户端，如果判断需要喂食，饲养者则进行喂食，也可将本系统安装到任意装有电动喂食系统的鱼缸上，将原有电动喂食系统的控制接口与本系统连接，根据监测结果控制电动喂食系统喂食。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进，或未经改进将本发明构思和技术方案直接应用于其它场合的，均在本发明保护范围之内。

Claims (5)

1.一种基于机器视觉的智能鱼缸投食系统，其特征在于：包括鱼缸、监测系统和客户端，所述监测系统包括安装在鱼缸上的摄像头和API(应用程序编程接口)，通过对收集的鱼缸内场景图像样本进行定制化图像识别从而进行模型训练，将模型上线到平台并生成所述API，所述监测系统包括以下工作步骤：
(1)摄像头采集鱼缸内场景的图像序列并将图像信息传输到API；
(2)对摄像头采集到的每帧图像进行图像分类、背景建模和图像检测，得到备选的鱼缸区域；
(3)对所述步骤(2)得到的备选鱼缸区域使用Selective Search算法进行逻辑筛选，找到鱼缸内的各类鱼群，并过滤掉鱼缸内的人工景观画面；
(4)在时间轴上，利用连续的若干帧监测结果，计算出鱼群的分布情况，形成动态的鱼运动轨迹图像；
(5)对所述步骤(4)得到的运动轨迹图像在空间轴上进行二值化和聚类操作，过滤掉识别正确率小于50％的簇；
(6)对剩余的每个簇提取特征，并在时间轴上进行准确性验证，判断鱼是否在觅食；
(7)根据准确性验证得到的结果判断摄像头捕捉到的鱼缸场景内的鱼是否需要进行投食以及投食是否满足当前需要；
(8)将步骤(7)中得到的结果发送到客户端。
2.根据权利要求1所述的一种基于机器视觉的智能鱼缸投食系统，其特征在于：所述步骤(2)中对图像序列进行的图像检测包括鱼的运动检测和鱼的特征检测。
3.根据权利要求2所述的一种基于机器视觉的智能鱼缸投食系统，其特征在于：所述运动检测采用差分算法将鱼体目标与背景分离,得到灰度化的鱼体目标图像。
4.根据权利要求2所述的一种基于机器视觉的智能鱼缸投食系统，其特征在于：所述特征检测采用最大类间方差算法获取自适应分割阈值,通过图像分割得到二值化鱼体目标图像。
5.根据权利要求1所述的一种基于机器视觉的智能鱼缸投食系统，其特征在于：所述步骤(6)中对每个簇提取的特征包括簇的中心坐标、簇边界。
CN201911233702.3A 2019-12-05 2019-12-05 一种基于机器视觉的智能鱼缸投食系统 Active CN110942045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911233702.3A CN110942045B (zh) 2019-12-05 2019-12-05 一种基于机器视觉的智能鱼缸投食系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911233702.3A CN110942045B (zh) 2019-12-05 2019-12-05 一种基于机器视觉的智能鱼缸投食系统

Publications (2)

Publication Number Publication Date
CN110942045A CN110942045A (zh) 2020-03-31
CN110942045B true CN110942045B (zh) 2023-05-26

Family

ID=69909123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911233702.3A Active CN110942045B (zh) 2019-12-05 2019-12-05 一种基于机器视觉的智能鱼缸投食系统

Country Status (1)

Country Link
CN (1) CN110942045B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111597937B (zh) * 2020-05-06 2023-08-08 京东科技信息技术有限公司 鱼姿势识别方法、装置、设备及存储介质
CN111528164B (zh) * 2020-06-08 2021-12-21 张小燕 一种龟鳖鱼生态混养水下喂料装置
CN111753775B (zh) * 2020-06-29 2023-09-26 京东科技信息技术有限公司 鱼的生长评估方法、装置、设备及存储介质
CN112800994A (zh) * 2021-02-03 2021-05-14 中国农业大学 鱼群摄食行为识别方法、装置、电子设备和存储介质
CN113204990B (zh) * 2021-03-22 2022-01-14 深圳市众凌汇科技有限公司 基于智能鱼竿的机器学习方法与装置
CN116548345B (zh) * 2023-04-25 2024-01-09 广东环境保护工程职业学院 鱼虾投喂方法、装置、系统和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005150840A (ja) * 2003-11-11 2005-06-09 Shikoku Res Inst Inc 水質監視装置およびそれに用いる魚画像認識方法
CN106530594A (zh) * 2016-12-23 2017-03-22 安徽工程大学机电学院 夜视场景下基于火焰检测的火灾识别方法
CN106548158A (zh) * 2016-11-07 2017-03-29 华南理工大学 基于机器视觉的人群密度智能监测系统及方法
CN106778656A (zh) * 2016-12-27 2017-05-31 清华大学苏州汽车研究院（吴江） 一种基于ToF相机的公交车客流量统计系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005150840A (ja) * 2003-11-11 2005-06-09 Shikoku Res Inst Inc 水質監視装置およびそれに用いる魚画像認識方法
CN106548158A (zh) * 2016-11-07 2017-03-29 华南理工大学 基于机器视觉的人群密度智能监测系统及方法
CN106530594A (zh) * 2016-12-23 2017-03-22 安徽工程大学机电学院 夜视场景下基于火焰检测的火灾识别方法
CN106778656A (zh) * 2016-12-27 2017-05-31 清华大学苏州汽车研究院（吴江） 一种基于ToF相机的公交车客流量统计系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于鱼群摄食规律的投饵系统研究;贾成功等;《机械工程师》;20170810(第08期);全文 *

Also Published As

Publication number Publication date
CN110942045A (zh) 2020-03-31

Similar Documents

Publication Publication Date Title
CN110942045B (zh) 一种基于机器视觉的智能鱼缸投食系统
CN110583550B (zh) 基于目标检测与跟踪的鱼虾参养殖精准投喂系统及装置
US8755571B2 (en) Image method for classifying insects and classifying process for insects
CN104008367A (zh) 基于计算机视觉的育肥猪的自动行为分析系统及方法
CN116935327B (zh) 基于ai视觉的水产养殖监控方法、装置、设备及存储介质
CN104123721A (zh) 一种基于视频流图像分布式动态特征技术的鱼群投喂自动控制方法
Coro et al. An intelligent and cost-effective remote underwater video device for fish size monitoring
Huang et al. The prototype of a smart underwater surveillance system for shrimp farming
CN111161214A (zh) 一种基于双目视觉的猪只体重测量及饮水行为识别系统及方法
CN112861734A (zh) 一种料槽余食监测方法及系统
CN104573701B (zh) 一种玉米雄穗性状的自动检测方法
CN109409209A (zh) 一种人体行为识别方法与装置
CN109977755B (zh) 一种采用单幅图像检测猪站立和躺卧姿态的方法
CN116612435A (zh) 一种玉米高产栽培方法
CN117745036A (zh) 一种基于特征识别及近场通信的牲畜信息管理方法及系统
CN117016430A (zh) 一种基于智能监测的肉鸡养殖系统
CN108288273B (zh) 基于多尺度耦合卷积网的铁路接触网异常目标自动检测法
CN117882655A (zh) 一种基于双光相机养殖场牲畜健康检测评估方法
CN112287893A (zh) 一种基于音视频信息融合的母猪哺乳行为识别方法
CN117808746A (zh) 一种基于图像处理的水果品质分级方法
CN1190125C (zh) 雏鸡性别自动化鉴别方法和系统
CN116994049A (zh) 全自动针织横机及其方法
CN117136894A (zh) 一种鱼群定性分级投喂方法、终端及存储介质
CN113591672B (zh) 一种基于Mask-Rcnn识别鱼类状态的检测方法
CN113283378B (zh) 一种基于梯形区域归一化像素差异特征的猪脸检测方法

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
CB02 Change of applicant information

Address after: 241000 No.1, Yonghe Road, Wanqi District, Wuhu City, Anhui Province

Applicant after: ANHUI INSTITUTE OF INFORMATION TECHNOLOGY

Address before: No. 8, Wen Jin Xi Road, Yijiang District, Wuhu, Anhui Province

Applicant before: ANHUI INSTITUTE OF INFORMATION TECHNOLOGY

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200331

Assignee: SUZHOU ESON ROBOT TECHNOLOGY CO.,LTD.

Assignor: ANHUI INSTITUTE OF INFORMATION TECHNOLOGY

Contract record no.: X2023980037918

Denomination of invention: An Intelligent Fish Tank Feeding System Based on Machine Vision

Granted publication date: 20230526

License type: Common License

Record date: 20230718

EE01 Entry into force of recordation of patent licensing contract