CN111507295B - 一种水产养殖管理系统 - Google Patents

Abstract

本发明公开了一种水产养殖管理系统，包括视频监控单元、鱼苗分类模块、数据库、池塘环境监测模块、中央控制模块、动作执行模块，视频监控单元包括图像采集模块、图像特征提取模块、预警模块，图像采集模块用于采集养殖场内的鱼群生活环境图像，并将数据传递至图像特征提取模块，图像特征提取模块利用HAAR+AdaBoost特征提取数据中鱼类的粪便图像，并将图像数据传递至预警模块中，预警模块根据鱼群的粪便图像判断鱼群的生活情况，并及时发出预警，鱼苗分类模块根据鱼苗的种类通过聚类算法进行分类，将分类后的鱼苗分别投放至不同环境的池塘中。本发明采用智能化系统进行管理，极大的提高了养殖场的管理效率，且降低了人力的劳动成本，方便养殖人员进行养殖。

Description

一种水产养殖管理系统

技术领域

本发明涉及水产管理技术领域，特别涉及一种水产养殖管理系统。

背景技术

目前，在鱼类养殖的过程中，由于鱼类对水环境的要求较高，需要判断鱼类的水环境需求，从而进行分类和环境调整，还需要对粪便进行观察，从而预防鱼病，因此，需要对养殖场内的鱼苗和环境进行控制和管理，而目前的管理通常采用人工控制的方式，极大的提高了人工的劳动成本，且无法及时的起到管理和预防的作用，降低了管理的效率。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供一种水产养殖管理系统，解决目前管理过程中采用人工管理的方式，极大降低了管理效率和增大劳动成本的问题。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明一种水产养殖管理系统，包括视频监控单元、鱼苗分类模块、数据库、池塘环境监测模块、中央控制模块、动作执行模块，所述视频监控单元包括图像采集模块、图像特征提取模块、预警模块，所述图像采集模块用于采集养殖场内的鱼群生活环境图像，并将数据传递至图像特征提取模块，所述图像特征提取模块利用HAAR+AdaBoost特征提取数据中鱼类的粪便图像，并将图像数据传递至预警模块中，所述预警模块根据鱼群的粪便图像判断鱼群的生活情况，并及时发出预警，所述鱼苗分类模块根据鱼苗的种类通过聚类算法进行分类，将分类后的鱼苗分别投放至不同环境的池塘中，所述池塘环境监测模块用于检测池塘的环境数据，并将数据传递至中央控制模块，所述中央控制模块根据鱼苗分类模块的池塘环境数据进行调整，将控制指令输出至动作执行模块，且将调整数据传递至数据库中进行存储，所述动作执行模块根据数据的控制指令将改变池塘的环境，所述数据库存储有当前渔场环境数据。

作为本发明的一种优选技术方案，所述HAAR+AdaBoost特征提取模型对鱼群粪便的图像的特征进行提取的步骤如下：

S1、采用HAAR特征中的积分图像的方式计算改特征值；

S2、将适用于鱼类粪便的各类HAAR特征采用AdaBoost算法得到的强分类器；

S3、将强分类器级联起来得到最终的级联分类器，从而得出鱼类粪便识别的图像。

作为本发明的一种优选技术方案，所述鱼苗分类模块采用kmeans聚类算法，将鱼苗的生活环境数据特征放入数据库中，根据不同环境的池塘的数量预先设定好k个类和每个类的质心，计算鱼苗的生活环境数据属于哪一类，再重新计算该类的质心，直到收敛，从而确定鱼苗的种类特征的类别，并根据该类别输出至对应的池塘中。

作为本发明的一种优选技术方案，所述鱼类生活环境数据包括温度数据和水质数据。

作为本发明的一种优选技术方案，所述池塘环境监测模块采用传感器进行环境数据监测，所述传感器包括PH值传感器、溶解氧传感器、水位传感器和水温传感器。

与现有技术相比，本发明的有益效果如下：

本发明采用智能化系统进行管理，利用图像特征提取模块对鱼类的病害问题进行检测，同时，利用智能分类的模式对鱼苗进行分类，极大的提高了养殖场的管理效率，提高了鱼类的存活率，且降低了人力的劳动成本，方便养殖人员进行养殖。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的整体结构示意图；

图中：1、视频监控单元；2、鱼苗分类模块；3、数据库；4、池塘环境监测模块；5、中央控制模块；6、动作执行模块；7、图像采集模块；8、图像特征提取模块；9、预警模块。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

此外，如果已知技术的详细描述对于示出本发明的特征是不必要的，则将其省略。

实施例1

如图1所示，本发明提供一种水产养殖管理系统，包括视频监控单元1、鱼苗分类模块2、数据库3、池塘环境监测模块4、中央控制模块5、动作执行模块6，视频监控单元1包括图像采集模块7、图像特征提取模块8、预警模块9，图像采集模块7用于采集养殖场内的鱼群生活环境图像，并将数据传递至图像特征提取模块8，图像特征提取模块8利用HAAR+AdaBoost特征提取数据中鱼类的粪便图像，并将图像数据传递至预警模块9中，预警模块9根据鱼群的粪便图像判断鱼群的生活情况，并及时发出预警，鱼苗分类模块2根据鱼苗的种类通过聚类算法进行分类，将分类后的鱼苗分别投放至不同环境的池塘中，池塘环境监测模块4用于检测池塘的环境数据，并将数据传递至中央控制模块5，中央控制模块5根据鱼苗分类模块2的池塘环境数据进行调整，将控制指令输出至动作执行模块6，且将调整数据传递至数据库3中进行存储，动作执行模块6根据数据的控制指令将改变池塘的环境，数据库3存储有当前渔场环境数据。

在养殖过程中，需要根据鱼类的排泄状况，预防鱼病，所以需要提取鱼类粪便的图像数据，目前需要人工进行识别，影响管理效率，无法起到及时预防的作用，因此，本申请采用HAAR+AdaBoost特征提取模型对鱼群粪便的图像的特征进行提取的步骤如下：

S1、采用HAAR特征中的积分图像的方式计算改特征值；

S2、将适用于鱼类粪便的各类HAAR特征采用AdaBoost算法得到的强分类器；

S3、将强分类器级联起来得到最终的级联分类器，从而得出鱼类粪便识别的图像。

在养殖过程中，养殖场的鱼塘规模通常是固定的，也就是说要将各种不同的鱼类要放入至固定数量的鱼塘之中，有些养殖场的规模较小，只有两到三个不同环境的鱼塘，鱼塘数量少就无法按照每个不同鱼类种类放入不同环境的鱼塘，只能将具有相似生活环境的鱼类放入同一环境的鱼塘，而这种分类需要人工进行分别，因此，本申请为了减少人工劳动的成本，采用鱼苗分类模块2进行自动智能分类，提高养殖场的管理效率，其中，鱼苗分类模块2采用kmeans聚类算法，将鱼苗的生活环境数据特征放入数据库中，根据不同环境的池塘的数量预先设定好k个类和每个类的质心，计算鱼苗的生活环境数据属于哪一类，再重新计算该类的质心，直到收敛，从而确定鱼苗的种类特征的类别，并根据该类别输出至对应的池塘中。

假设当前鱼类生活环境数据为x^(m+1)，将当前数据放入数据库{x⁽¹⁾、x⁽²⁾……x^(m)}中得到训练样本集{x⁽¹⁾、x⁽²⁾……x^(m+1)}，再预先设定好k个类和每个类的质心为μ₁，μ₂，…，μ_k，k表示鱼塘个数，重复下面过程直到收敛{

对于每一个样例i，计算其应该属于的类

对于每一个类j，重新计算该类的质心

}

x⁽ⁱ⁾属于训练样本集{x⁽¹⁾、x⁽²⁾……x^(m+1)}，c⁽ⁱ⁾代表样例i与k个类中距离最近的那个类，c⁽ⁱ⁾的值是1到k中的一个。质心μ_j代表我们对属于同一个类的样本中心点的猜测。

由上述计算可以得到C^(m+1)，即样例m+1当前数据与k个类中距离最近的那个类，从而根据该类别将鱼苗放置在相似类别的鱼塘中。

在养殖时，需要通过池塘环境监测模块4、中央控制模块5、动作执行模块及时的调整鱼塘的环境数据，从而设置出符合一类鱼群的生活环境。

其中，鱼类生活环境数据包括温度数据和水质数据，池塘环境监测模块4采用传感器进行环境数据监测，传感器包括PH值传感器、溶解氧传感器、水位传感器和水温传感器。

本发明采用智能化系统进行管理，利用图像特征提取模块对鱼类的病害问题进行检测，同时，利用智能分类的模式对鱼苗进行分类，极大的提高了养殖场的管理效率，提高了鱼类的存活率，且降低了人力的劳动成本，方便养殖人员进行养殖。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (5)

1.一种水产养殖管理系统，包括视频监控单元(1)、鱼苗分类模块(2)、数据库(3)、池塘环境监测模块(4)、中央控制模块(5)、动作执行模块(6)，其特征在于，所述视频监控单元(1)包括图像采集模块(7)、图像特征提取模块(8)、预警模块(9)，所述图像采集模块(7)用于采集养殖场内的鱼群生活环境图像，并将数据传递至图像特征提取模块(8)，所述图像特征提取模块(8)利用HAAR+AdaBoost特征提取数据中鱼类的粪便图像，并将图像数据传递至预警模块(9)中，所述预警模块(9)根据鱼群的粪便图像判断鱼群的生活情况，并及时发出预警，所述鱼苗分类模块(2)根据鱼苗的种类通过聚类算法进行分类，将分类后的鱼苗分别投放至不同环境的池塘中，所述池塘环境监测模块(4)用于检测池塘的环境数据，并将数据传递至中央控制模块(5)，所述中央控制模块(5)根据鱼苗分类模块(2)的池塘环境数据进行调整，将控制指令输出至动作执行模块(6)，且将调整数据传递至数据库(3)中进行存储，所述动作执行模块(6)根据数据的控制指令将改变池塘的环境，所述数据库(3)存储有当前渔场环境数据。

2.根据权利要求1所述的一种水产养殖管理系统，其特征在于，所述HAAR+AdaBoost特征提取模型对鱼群粪便的图像的特征进行提取的步骤如下：

S1、采用HAAR特征中的积分图像的方式计算该特征值；

S2、将适用于鱼类粪便的各类HAAR特征采用AdaBoost算法得到强分类器；

S3、将强分类器级联起来得到最终的级联分类器，从而得出鱼类粪便识别的图像。

3.根据权利要求1所述的一种水产养殖管理系统，其特征在于，所述鱼苗分类模块(2)采用kmeans聚类算法，将鱼苗的生活环境数据特征放入数据库(3)中，根据不同环境的池塘的数量预先设定好k个类和每个类的质心，计算鱼苗的生活环境数据属于哪一类，再重新计算该类的质心，直到收敛，从而确定鱼苗的种类特征的类别，并根据该类别输出至对应的池塘中。

4.根据权利要求3所述的一种水产养殖管理系统，其特征在于，所述鱼类生活环境数据包括温度数据和水质数据。

5.根据权利要求1所述的一种水产养殖管理系统，其特征在于，所述池塘环境监测模块(4)采用传感器进行环境数据监测，所述传感器包括pH值传感器、溶解氧传感器、水位传感器和水温传感器。

Images