CN111487245A - 一种类珊瑚礁水域生物质量演化评估系统 - Google Patents
一种类珊瑚礁水域生物质量演化评估系统 Download PDFInfo
- Publication number
- CN111487245A CN111487245A CN202010261468.1A CN202010261468A CN111487245A CN 111487245 A CN111487245 A CN 111487245A CN 202010261468 A CN202010261468 A CN 202010261468A CN 111487245 A CN111487245 A CN 111487245A
- Authority
- CN
- China
- Prior art keywords
- coral reef
- coral
- underwater robot
- reef
- robot
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Farming Of Fish And Shellfish (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种类珊瑚礁水域生物质量演化评估系统,具体包括:小型水下机器人硬件系统、小型水下机器人软件系统、珊瑚礁健康状态评估系统和USBL水下定位系统;小型水下机器人软件系统搭载于硬件系统,并发送控制指令,实现水下机器人的水下运动和图像采集;珊瑚礁健康评估系统,基于硬件系统采集的珊瑚礁图像,利用颜色、LBP和Gabor混成式的珊瑚礁评估方法,对珊瑚礁的健康状态进行评估;USBL水下定位系统,用于实现船体与小型水下机器人之间的相对定位。本发明的有益效果是:提供了一整套以频繁的时间间隔方便、快速地记录珊瑚礁健康状况的自动化系统,大大提高创建急需的监测珊瑚礁健康状况的短期和长期变化时间序列数据的可行性。
Description
技术领域
本发明涉及机器人系统领域,尤其涉及一种类珊瑚礁水域生物质量演化评估系统。
背景技术
珊瑚礁能维护水下生物多样性,珊瑚礁的生物多样性最为丰富,它为各种水下生物提供了理想的居住地。它能保护海岸线,珊瑚礁能保护脆弱的海岸线免受海浪侵蚀,健康的珊瑚礁就像自然的防波堤一般,约有70%~90%的海浪冲击力量在遭遇珊瑚礁时会被吸收或减弱,而珊瑚礁本身会有自我修补的力量,死掉的珊瑚会被海浪分解成细沙,这些细沙丰富了海滩,也取代已被海潮冲走的沙粒。它能维持渔业资源,许多具有商业价值的鱼类都由珊瑚礁提供食物来源及繁殖的场所,礁坪可以养殖珍珠、麒麟菜、石花菜和江蓠等。它能减轻温室效应,珊瑚在造礁过程中,通过体内虫黄藻,吸收大量二氧化碳,从而减轻了地球的温室效应。无论是在生态上还是在社会经济上都极为重要。然而,珊瑚礁几乎在当今世界的任何地方都受到严重的威胁。学习如何更好地管理和保护这些环境的一个初步步骤是,能够客观地记录它们的存在和健康随时间的变化。这些记录不仅对任何补救努力都至关重要,而且对于向立法者和执法官员提出保护这些生态系统的令人信服的案例也至关重要。
虽然人类潜水员通常被用来观察珊瑚礁和测量它们的健康状况,但在对潜水员有危险的情况下时,必须使用潜水装备进行必要的测量。此外,人工监测整个珊瑚礁的健康状况可能非常耗时和困难。
发明内容
有鉴于此,本发明提供了一种类珊瑚礁水域生物质量演化评估系统。
本发明提供一种类珊瑚礁水域生物质量演化评估系统,具体包括:小型水下机器人硬件系统和小型水下机器人软件系统;所述小型水下机器人硬件系统搭载所述小型水下机器人软件系统,由所述小型水下机器人软件系统发送控制指令,实现水下机器人的水下运动、珊瑚礁图像采集;所述小型水下机器人硬件系统包括超短基线水下定位子系统,用于实现船体与小型水下机器人之间的相对定位;所述小型水下机器人软件系统包括珊瑚礁健康评估子系统;所述珊瑚礁健康评估子系统,基于所述小型水下机器人硬件系统采集的珊瑚礁图像,利用颜色、LBP和Gabor混成式的珊瑚礁评估方法,对珊瑚礁的健康状态进行评估。
进一步地,所述小型水下机器人硬件系统,具体还包括:两栖六足类机器人本体、视觉设备、控制堆栈、传感器堆栈、通讯单元和供电单元。
进一步地,所述两栖六足类机器人本体,为任意一种水下专用机器人;所述视觉设备包括4个具有不同性能的摄像头和一面镜子,具体为:一个前向摄像头、一对前鱼眼相机和一个使用45度的镜子调整后捕捉所述两栖六足类机器人正下方的海底图像的相机;所述供电单元采用锂电池,用于为所述小型水下机器人硬件系统供电。
进一步地,所述控制堆栈为搭载运行QNX系统的低功耗处理器;所述传感器堆栈为搭载运行GNU/Linux的双核处理器。
进一步地,所述小型水下机器人软件系统还包括:搭载于所述控制堆栈的实时控制子系统,用于实现所述两栖六足类机器人本体的PID速度控制和安全限制控制;搭载于所述传感器堆栈的运动规划子系统,用于实现所述两栖六足类机器人本体高级动作控制;所述高级动作包括:游泳、步行、坐姿和站立。
进一步地,所述珊瑚礁健康评估子系统,基于所述小型水下机器人硬件系统采集的珊瑚礁图像,利用颜色、LBP和Gabor混成式的珊瑚礁评估方法,对珊瑚礁的健康状态进行评估,具体流程为:
S101:所述小型水下机器人硬件系统通过所述视觉设备采集海底珊瑚礁图片;
S102:对所述海底珊瑚礁图片同时采用Gabor滤波器和LBP描述符,进行海底珊瑚礁纹理度量,得到经过纹理度量后的珊瑚礁图片的图像直方图;
S103:将经过纹理度量后的珊瑚礁图片的图像直方图附加到原海底珊瑚礁图像块中像素的色调值的八位直方图中,以表示珊瑚的颜色,并提取特征向量;
S104:根据提取的特征向量,采用支持向量机分类器对每个斑块进行珊瑚分割决策。
进一步地,步骤S102中,所述Gabor滤波器为海底珊瑚礁纹理的第一个度量;对所述海底珊瑚礁图片采用Gabor滤波器,进行海底珊瑚礁纹理度量,具体为:
S201:采用n个不同频率和m个不同方向的组合,得到n×m个不同的Gabor 核;其中n、m为预设值;
S202:利用n×m个不同的Gabor核与所述海底珊瑚礁图片进行卷积,得到经过Gabor滤波器处理后的n×m个Gabor滤波器的幅度直方图;
S203:计算所述n×m个Gabor滤波器的幅度直方图的均值和方差,得到 2×n×m维的图像直方图;其中所述2×n×m维的图像直方图包括n×m维均值和 n×m维方差。
进一步地,步骤S102中,所述LBP描述符为海底珊瑚礁纹理的第二个度量,对所述海底珊瑚礁图片采用LBP描述符,进行海底珊瑚礁纹理度量,具体为:
S301:将所述海底珊瑚礁图片中的任意一个像素c作为参考像素,gc为所述参考像素的灰度值,并同时把gc作为LBP描述符的灰度值;
S302:以所述参考像素c为中心,预设一个半径为R的均匀间隔圆;所述间隔圆内的像素集合为P,所述像素集合P内的任意一个像素点灰度值为gp;通过gp-gc计算得到参考像素c的LBP描述符;
S303:采用S301~S302类似的方法,遍历所述海底珊瑚礁图片中的每一个像素,得到所述海底珊瑚礁图片中所有像素的LBP描述符;
S304:根据所有像素的LBP描述符,得到LBP描述符直方图。
进一步地,步骤S104中采用支持向量机分类器对每个斑块进行珊瑚分割决策,具体决策方式为:基于斑块分割结果,将所述海底珊瑚礁图像中的珊瑚分类为活珊瑚或者白化珊瑚的任意一种。
所述超短基线水下定位子系统包括声头和水下应答器;所述水下应答器安装于所述两栖六足类机器人本体上;所述声头采用船舷悬挂式安装于船体水下部分的任意一处;所述基于支持向量机的珊瑚礁健康评估机器人系统还具备江河和湖泊水域的水下运动功能。
本发明提供的技术方案带来的有益效果是:提供了一整套以频繁的时间间隔方便、快速地记录珊瑚礁健康状况的自动化系统,大大提高创建急需的监测珊瑚礁健康状况的短期和长期变化时间序列数据的可行性。
附图说明
图1为本发明一种类珊瑚礁水域生物质量演化评估系统的结构图;
图2是本发明实施例中采用的两个不同Gabor内核;
图3是本发明实施例中对应两个不同Gabor内核的两个不同Gabor海底珊瑚礁图片待卷积图像;
图4是本发明实施例中经过两个不同Gabor内核卷积后得到的两个对应的幅度直方图;
图5是本发明实施例中LBP设置不同参数情况下的间隔圆示意图;
图6是本发明实施例中来自于图像测试集的测试图片;
图7是本发明中从水下机器人采集的原始视频许多连续帧创建的缝合图像;
图8是本发明实施例中遇到分类故障情况下的分类效果图。
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,下面将结合附图对本发明实施方式作进一步地描述。
请参考图1,本发明的实施例提供了一种类珊瑚礁水域生物质量演化评估系统的结构图,具体包括:
小型水下机器人硬件系统和小型水下机器人软件系统;所述小型水下机器人硬件系统搭载所述小型水下机器人软件系统,由所述小型水下机器人软件系统发送控制指令,实现水下机器人的水下运动、珊瑚礁图像采集;所述小型水下机器人硬件系统包括超短基线水下定位子系统,用于实现船体与小型水下机器人之间的相对定位;所述小型水下机器人软件系统包括珊瑚礁健康评估子系统;所述珊瑚礁健康评估子系统,基于所述小型水下机器人硬件系统采集的珊瑚礁图像,利用颜色、LBP和Gabor混成式的珊瑚礁评估方法,对珊瑚礁的健康状态进行评估。
所述小型水下机器人硬件系统,具体还包括:两栖六足类机器人本体、视觉设备、控制堆栈、传感器堆栈、通讯单元和供电单元。
所述两栖六足类机器人本体,为任意一种水下专用机器人;所述视觉设备包括4个具有不同性能的摄像头和一面镜子,具体为:一个前向摄像头(本发明中前摄像头采用具有窄视场的摄像头)、一对前鱼眼相机和一个使用45度的镜子调整后捕捉所述两栖六足类机器人正下方的海底图像的相机;所述供电单元采用锂电池,用于为所述小型水下机器人硬件系统供电。
所述控制堆栈为搭载运行QNX系统的低功耗处理器;所述传感器堆栈为搭载运行GNU/Linux的双核处理器。
所述小型水下机器人软件系统还包括:搭载于所述控制堆栈的实时控制子系统,用于实现所述两栖六足类机器人本体的PID速度控制和安全限制控制;搭载于所述传感器堆栈的运动规划子系统,用于实现所述两栖六足类机器人本体高级动作控制;所述高级动作包括:游泳、步行、坐姿和站立。
所述珊瑚礁健康评估子系统,基于所述小型水下机器人硬件系统采集的珊瑚礁图像,利用颜色、LBP和Gabor混成式的珊瑚礁评估方法,对珊瑚礁的健康状态进行评估,具体流程为:
S101:所述小型水下机器人硬件系统通过所述视觉设备采集海底珊瑚礁图片;
S102:对所述海底珊瑚礁图片同时采用Gabor滤波器和LBP描述符,进行海底珊瑚礁纹理度量,得到经过纹理度量后的珊瑚礁图片的图像直方图;
S103:将经过纹理度量后的珊瑚礁图片的图像直方图附加到原海底珊瑚礁图像块中像素的色调值的八位直方图中,以表示珊瑚的颜色,并提取特征向量;
S104:根据提取的特征向量,采用支持向量机分类器对每个斑块进行珊瑚分割决策
步骤S102中,所述Gabor滤波器为海底珊瑚礁纹理的第一个度量;对所述海底珊瑚礁图片采用Gabor滤波器,进行海底珊瑚礁纹理度量,具体为:
S201:采用2个不同频率和8个不同方向的组合,得到16个不同的Gabor 核;
S202:利用16个不同的Gabor核与所述海底珊瑚礁图片进行卷积,得到经过Gabor滤波器处理后的16个Gabor滤波器的幅度直方图;
S203:计算所述16个Gabor滤波器的幅度直方图的均值和方差,得到32维的图像直方图;其中所述32维的图像直方图包括16维均值和16维方差。
请参考图2-图4,图2是本发明实施例中采用的两个不同Gabor内核;图3 是对应两个不同Gabor内核的两个不同Gabor海底珊瑚礁图片待卷积图像;图4 是经过Gabor内核卷积后得到的2个对应的幅度直方图;根据2个对应的幅度直方图,得到的两组均值和方差分别为(14.38,28.88)、(35.76,7764.96);括号内左侧为均值,右侧为方差。
步骤S102中,所述LBP描述符为海底珊瑚礁纹理的第二个度量,
对所述海底珊瑚礁图片采用LBP描述符,进行海底珊瑚礁纹理度量,具体为:
S301:将所述海底珊瑚礁图片的任意一个像素c作为参考像素,gc为参考像素的灰度值,并同时把gc作为LBP描述符的灰度值;
S302:以参考像素c为中心,预设一个半径为R均匀间隔圆;所述间隔圆内的像素集合为P,所述像素集合P内的任意一个像素点灰度值为gp;通过比较 gc与gp之间的灰度计算得到参考像素c的LBP描述符;
S303:遍历所述海底珊瑚礁图片的每一个像素,得到所有像素的LBP描述符;
S304:根据所有像素的LBP描述符,得到LBP描述符直方图。
请参考图5,图5是本发明实施例中LBP设置不同参数情况下的间隔圆示意图;图5中分别设置三组参数,分别为(P=4,R=1)、(P=8,R=1)、(P=8, R=2)。
步骤S104中采用支持向量机分类器对每个斑块进行珊瑚分割决策,具体决策方式为:基于斑块分割结果,将所述海底珊瑚礁图像中的珊瑚分类为活珊瑚或者白化珊瑚的任意一种。
请参考图6、图7和图8;图6是本发明实施例中来自于图像测试集的测试图片;图7是本发明中从水下机器人采集的原始视频许多连续帧创建的缝合图像;图8是图7在遇到分类故障情况下的分类效果图。这些图像的覆盖层(图6、 7和图8中的灰色方块)显示了本发明中基于LBP与Gabor方法预测的活珊瑚分割。从图7可以看到分割管道正确地找到了带有活珊瑚的图像区域;同时观察了分类器在检测珊瑚时遇到问题的区域,例如纹理均匀的区域(图7中显示的假阴性示例)。同样,当纹理(或阴影)的变化与活珊瑚的变化相匹配时,活珊瑚也可能被错误地检测到(图8中所示的假阳性例子)。
为了确定图像是否包含活珊瑚(为进一步珊瑚白化的检测做准备),本发明采用线性分类器作为一种阈值策略,这种策略基于图像中分类珊瑚斑块所占的百分比。如果分类珊瑚斑块的百分比大于阈值(阈值为35%),则图像被分类为具有活珊瑚。
所述超短基线水下定位子系统包括声头和水下应答器;所述水下应答器安装于所述两栖六足类机器人本体上;所述声头采用船舷悬挂式安装于船体水下部分的任意一处。
本发明提供另外一种实施例,用以表明本发明还能用于江河、湖泊领域;
本发明还能对淡水领域的海菜花水生植物生长状况进行检测,从而辅助判断湖泊等淡水领域的水质质量情况;所述得到机器人系统除能通过对海菜花生长状况的检测,检测水下水质状况意外,还具备于淡水水域依靠对海菜花这一种淡水水生植物的生长状况的检测,判断湖泊等淡水水域的水质质量状况。
长期以来,海菜花一直作为水体污染的指示种,用以指示水环境变化;水体污染会导致海菜花叶绿素含量下降,从而影响其光合作用,引起植株死亡。威胁种群的维持,导致群落种间关系改变。
海菜花属于沉水水生植物,不易于直接观察研究,且所在水域多情况复杂,人工潜水观测成本往往较高,耗时较长,且具有较大的风险性。
本发明中,利用前述的水下机器人系统,另外搭载海菜花健康评估子系统即可实现本发明在江河、湖泊淡水领域应用;所述海菜花健康评估子系统,利用 Haar-like特征、LBP和Gabor混成式的海菜花评估方法,对海菜花的健康状态进行评;Haar-like特征值就是两个矩阵像素和的差。矩形特征的特征值计算,只与此特征矩形的端点的积分图有关,所以不管此特征矩形的尺度变换如何,特征值的计算所消耗的时间都是常量;在整个过程中,遍历水下机器人所采集到的海菜花图像一次,求得所有子窗口的特征值;
对淡水领域海菜花进行健康评估,具体流程为:
S11:所述小型水下机器人硬件系统通过所述视觉设备采集湖泊水底海菜花图片;
S12:对所述湖泊水底海菜花图片采用Gabor滤波器进行分割,分割得到所述湖泊水底海菜花图片中的海菜花区域;
S13:对所述海菜花区域采用Haar-like特征和LBP描述符,进行纹理度量,得到一个度量后海菜花区域图像直方图。
S14:将经过纹理度量后的海菜花区域图像直方图附加到原水底海菜花图像块中像素的色调值的八位直方图中,以表示海菜花的色度,并提取特征向量;
S15:根据提取的特征向量,采用支持向量机分类器对每个斑块进行海菜花分割决策。
所述Haar-like特征为海底珊瑚礁纹理的第一个度量;对所述海底珊瑚礁图片采用Haar-like特征,进行进行水底海菜花的纹理度量,具体为:
从每一块分割图像的起点开始到各个点所形成的矩形区域像素之和作为一个数组的元素保存在内存中。用s(i,j)表示行方向的累加和,初始化s(i,-1)=0;用 ii(i,j)表示一个积分图像,初始化ii(-1,i)=0;逐行扫描图像,递归计算每个像素(i,j) 行方向的累加和s(i,j)和积分图像ii(i,j)的值
s(i,j)=s(i,j-1)+f(i,j)
ii(i,j)=ii(i-1,j)+s(i,j)
扫描图像一遍,当到达图像右下角像素时,积分图像ii构造完毕;
根据所有像素的Haar-like特征值,即得到Haar-like描述符直方图,之后应用过程与所述海底珊瑚礁健康评估子系统类似,这里不再赘述。
本发明的有益效果是:提供了一整套以频繁的时间间隔方便、快速地记录珊瑚礁健康状况的自动化系统,大大提高创建急需的监测珊瑚礁健康状况的短期和长期变化时间序列数据的可行性。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种类珊瑚礁水域生物质量演化评估系统,其特征在于:具体包括小型水下机器人硬件系统和小型水下机器人软件系统;所述小型水下机器人硬件系统搭载所述小型水下机器人软件系统,由所述小型水下机器人软件系统发送控制指令,实现水下机器人在海域、江河和湖泊水域的水下运动、珊瑚礁图像采集;
所述小型水下机器人硬件系统包括超短基线水下定位子系统,用于实现船体与小型水下机器人之间的相对定位;
所述小型水下机器人软件系统包括珊瑚礁健康评估子系统;所述珊瑚礁健康评估子系统,基于所述小型水下机器人硬件系统采集的珊瑚礁图像,利用颜色、LBP和Gabor混成式的珊瑚礁评估方法,对珊瑚礁的健康状态进行评估。
2.如权利要求1所述的一种类珊瑚礁水域生物质量演化评估系统,其特征在于:所述小型水下机器人硬件系统,具体还包括:两栖六足类机器人本体、视觉设备、控制堆栈、传感器堆栈、通讯单元和供电单元。
3.如权利要求2所述的一种类珊瑚礁水域生物质量演化评估系统,其特征在于:所述两栖六足类机器人本体,为任意一种水下专用机器人;所述视觉设备包括4个具有不同性能的摄像头和一面镜子,具体为:一个前向摄像头、一对前鱼眼相机和一个使用45度的镜子调整后捕捉所述两栖六足类机器人正下方的海底图像的相机;所述供电单元采用锂电池,用于为所述小型水下机器人硬件系统供电。
4.如权利要求2所述的一种类珊瑚礁水域生物质量演化评估系统,其特征在于:所述控制堆栈为搭载运行QNX系统的低功耗处理器;所述传感器堆栈为搭载运行GNU/Linux的双核处理器。
5.如权利要求2所述的一种类珊瑚礁水域生物质量演化评估系统,其特征在于:所述小型水下机器人软件系统还包括:搭载于所述控制堆栈的实时控制子系统,用于实现所述两栖六足类机器人本体的PID速度控制和安全限制控制;搭载于所述传感器堆栈的运动规划子系统,用于实现所述两栖六足类机器人本体高级动作控制;所述高级动作包括:游泳、步行、坐姿和站立。
6.如权利要求1所述的一种类珊瑚礁水域生物质量演化评估系统,其特征在于:所述珊瑚礁健康评估子系统,基于所述小型水下机器人硬件系统采集的珊瑚礁图像,利用颜色、LBP和Gabor混成式的珊瑚礁评估方法,对珊瑚礁的健康状态进行评估,具体流程为:
S101:所述小型水下机器人硬件系统通过所述视觉设备采集海底珊瑚礁图片;
S102:对所述海底珊瑚礁图片同时采用Gabor滤波器和LBP描述符,进行海底珊瑚礁纹理度量,得到经过纹理度量后的珊瑚礁图片的图像直方图;
S103:将经过纹理度量后的珊瑚礁图片的图像直方图附加到原海底珊瑚礁图像块中像素的色调值的八位直方图中,以表示珊瑚的颜色,并提取特征向量;
S104:根据提取的特征向量,采用支持向量机分类器对每个斑块进行珊瑚分割决策。
7.如权利要求6所述的一种类珊瑚礁水域生物质量演化评估系统,其特征在于:步骤S102中,所述Gabor滤波器为海底珊瑚礁纹理的第一个度量;对所述海底珊瑚礁图片采用Gabor滤波器,进行海底珊瑚礁纹理度量,具体为:
S201:采用n个不同频率和m个不同方向的组合,得到n×m个不同的Gabor核;其中n、m为预设值;
S202:利用n×m个不同的Gabor核与所述海底珊瑚礁图片进行卷积,得到经过Gabor滤波器处理后的n×m个Gabor滤波器的幅度直方图;
S203:计算所述n×m个Gabor滤波器的幅度直方图的均值和方差,得到2×n×m维的图像直方图;其中所述2×n×m维的图像直方图包括n×m维均值和n×m维方差。
8.如权利要求6所述的一种类珊瑚礁水域生物质量演化评估系统,其特征在于:步骤S102中,所述LBP描述符为海底珊瑚礁纹理的第二个度量,对所述海底珊瑚礁图片采用LBP描述符,进行海底珊瑚礁纹理度量,具体为:
S301:将所述海底珊瑚礁图片中的任意一个像素c作为参考像素,gc为所述参考像素的灰度值,并同时把gc作为LBP描述符的灰度值;
S302:以所述参考像素c为中心,预设一个半径为R的均匀间隔圆;所述间隔圆内的像素集合为P,所述像素集合P内的任意一个像素点灰度值为gp;通过gp-gc计算得到参考像素c的LBP描述符;
S303:采用S301~S302类似的方法,遍历所述海底珊瑚礁图片中的每一个像素,得到所述海底珊瑚礁图片中所有像素的LBP描述符;
S304:根据所有像素的LBP描述符,得到LBP描述符直方图。
9.如权利要求6所述的一种类珊瑚礁水域生物质量演化评估系统,其特征在于:步骤S104中采用支持向量机分类器对每个斑块进行珊瑚分割决策,具体决策方式为:基于斑块分割结果,将所述海底珊瑚礁图像中的珊瑚分类为活珊瑚或者白化珊瑚的任意一种。
10.如权利要求1所述的一种类珊瑚礁水域生物质量演化评估系统,其特征在于:所述超短基线水下定位子系统包括声头和水下应答器;所述水下应答器安装于所述两栖六足类机器人本体上;所述声头采用船舷悬挂式安装于船体水下部分的任意一处。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010261468.1A CN111487245B (zh) | 2020-04-03 | 2020-04-03 | 一种类珊瑚礁水域生物质量演化评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010261468.1A CN111487245B (zh) | 2020-04-03 | 2020-04-03 | 一种类珊瑚礁水域生物质量演化评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111487245A true CN111487245A (zh) | 2020-08-04 |
CN111487245B CN111487245B (zh) | 2021-03-30 |
Family
ID=71791635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010261468.1A Expired - Fee Related CN111487245B (zh) | 2020-04-03 | 2020-04-03 | 一种类珊瑚礁水域生物质量演化评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111487245B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112858296A (zh) * | 2021-01-15 | 2021-05-28 | 哈尔滨工程大学 | 一种珊瑚礁白化自动识别在线监测装置 |
CN112949632A (zh) * | 2021-03-05 | 2021-06-11 | 哈尔滨工程大学 | 一种珊瑚礁白化自动识别方法及系统 |
CN113466421A (zh) * | 2021-06-21 | 2021-10-01 | 海南掌上天下网络技术有限公司 | 一种基于互联网的水质监测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799871A (zh) * | 2012-07-13 | 2012-11-28 | Tcl集团股份有限公司 | 一种人脸跟踪识别的方法 |
WO2014027346A1 (en) * | 2012-08-15 | 2014-02-20 | Bar Ilan University | Device and methods for determination of health of corals and aquatic plants |
JP2014139576A (ja) * | 2014-03-06 | 2014-07-31 | National Maritime Research Institute | 対象物検出方法及びライダー装置、環境測定方法 |
US20140268107A1 (en) * | 2007-10-23 | 2014-09-18 | Kevin Kremeyer | Acoustic and Optical Illumination Technique for Underwater Characterization of Objects/Environment |
CN105930815A (zh) * | 2016-05-04 | 2016-09-07 | 中国农业大学 | 一种水下生物检测方法和系统 |
CN110889844A (zh) * | 2019-11-29 | 2020-03-17 | 哈尔滨工程大学 | 一种基于深度聚类分析的珊瑚分布及健康状况评估方法 |
-
2020
- 2020-04-03 CN CN202010261468.1A patent/CN111487245B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140268107A1 (en) * | 2007-10-23 | 2014-09-18 | Kevin Kremeyer | Acoustic and Optical Illumination Technique for Underwater Characterization of Objects/Environment |
CN102799871A (zh) * | 2012-07-13 | 2012-11-28 | Tcl集团股份有限公司 | 一种人脸跟踪识别的方法 |
WO2014027346A1 (en) * | 2012-08-15 | 2014-02-20 | Bar Ilan University | Device and methods for determination of health of corals and aquatic plants |
JP2014139576A (ja) * | 2014-03-06 | 2014-07-31 | National Maritime Research Institute | 対象物検出方法及びライダー装置、環境測定方法 |
CN105930815A (zh) * | 2016-05-04 | 2016-09-07 | 中国农业大学 | 一种水下生物检测方法和系统 |
CN110889844A (zh) * | 2019-11-29 | 2020-03-17 | 哈尔滨工程大学 | 一种基于深度聚类分析的珊瑚分布及健康状况评估方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112858296A (zh) * | 2021-01-15 | 2021-05-28 | 哈尔滨工程大学 | 一种珊瑚礁白化自动识别在线监测装置 |
CN112949632A (zh) * | 2021-03-05 | 2021-06-11 | 哈尔滨工程大学 | 一种珊瑚礁白化自动识别方法及系统 |
CN113466421A (zh) * | 2021-06-21 | 2021-10-01 | 海南掌上天下网络技术有限公司 | 一种基于互联网的水质监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111487245B (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111487245B (zh) | 一种类珊瑚礁水域生物质量演化评估系统 | |
Costa et al. | Extracting fish size using dual underwater cameras | |
Able et al. | Application of mobile dual-frequency identification sonar (DIDSON) to fish in estuarine habitats | |
CN111406693A (zh) | 基于仿生海鳗的海洋牧场渔业资源养护效果评价方法 | |
CN110751075A (zh) | 一种基于实例分割的遥感影像养殖塘检测方法 | |
Burguera et al. | Towards automatic visual sea grass detection in underwater areas of ecological interest | |
Li et al. | Development of a buoy-borne underwater imaging system for in situ mesoplankton monitoring of coastal waters | |
Bell et al. | The utility of satellites and autonomous remote sensing platforms for monitoring offshore aquaculture farms: a case study for canopy forming kelps | |
Xi et al. | Review of underwater machine vision technology and its applications | |
CN113432656A (zh) | 一种珊瑚礁生态环境监测系统 | |
Liao et al. | Research on intelligent damage detection of far-sea cage based on machine vision and deep learning | |
CN108121968B (zh) | 一种鱼群监测方法 | |
Xia et al. | In situ sea cucumber detection based on deep learning approach | |
CN111079733A (zh) | 基于水下成像环境模型的数据增广方法 | |
CN113327263B (zh) | 一种基于图像视觉的鱼群活跃度监测方法 | |
Akram et al. | Aquaculture defects recognition via multi-scale semantic segmentation | |
CN115131657A (zh) | 海洋生态分析方法和系统 | |
Gorpincenko et al. | Improving automated sonar video analysis to notify about jellyfish blooms | |
Kannappan et al. | Identifying sea scallops from benthic camera images | |
Kirby-Smith et al. | Resistance to hurricane disturbance of an epifaunal community on the continental shelf off North Carolina | |
Evans | Detecting fish in underwater video using the em algorithm | |
CN112464742B (zh) | 赤潮图像自动识别的方法及装置 | |
Saraf et al. | Underwater Mines Detection using Neural Network | |
TW202309823A (zh) | 人工智慧養殖魚群食慾判斷方法與系統 | |
Cruz-Marrero et al. | Comparison of video camera sled with diver surveys for queen conch Lobatus gigas density estimates in the west coast of Puerto Rico |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210330 |
|
CF01 | Termination of patent right due to non-payment of annual fee |