CN112215798A - 一种基于机器视觉的鱼苗计数检测方法与装置 - Google Patents
一种基于机器视觉的鱼苗计数检测方法与装置 Download PDFInfo
- Publication number
- CN112215798A CN112215798A CN202010958610.8A CN202010958610A CN112215798A CN 112215798 A CN112215798 A CN 112215798A CN 202010958610 A CN202010958610 A CN 202010958610A CN 112215798 A CN112215798 A CN 112215798A
- Authority
- CN
- China
- Prior art keywords
- fry
- channel
- water
- backflushing
- water tank
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 73
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 241
- 238000002347 injection Methods 0.000 claims abstract description 68
- 239000007924 injection Substances 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 19
- 241000251468 Actinopterygii Species 0.000 claims description 35
- 239000007921 spray Substances 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 206010033799 Paralysis Diseases 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Quality & Reliability (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明涉及水产品养殖领域中的一种基于机器视觉的鱼苗计数检测方法与装置,待测鱼苗水箱通过供水通道与收集鱼苗水箱相连通,待测鱼苗水箱的最底部和收集鱼苗水箱之间连接且连通一条位于供水通道下方的检测通道,检测通道从入口到出口分为鱼苗分离通道和鱼苗检测通道这两段,从检测通道的入口处沿着鱼苗分离通道依序设有脉冲式反冲装置、第一注水装置和第二注水装置,鱼苗检测通道上方具有鱼苗计数摄像头,用基于机器视觉和卷积神经网络的算法实现鱼苗定位和计数,利用检测到的水流速度预测鱼苗位置避免鱼苗重复计数,采用脉冲式反冲装置对通道口间隔喷射反冲水流,避免发生鱼苗堵塞,两个注水装置解决大量鱼苗重叠造成漏检的问题。
Description
技术领域
本发明涉及水产品养殖领域中的鱼苗计数技术,具体是利用机器视觉进行鱼苗计数的装置及其方法。
背景技术
随着水产品需求的逐年增加,鱼类作为最重要的产品,其养殖规模不断扩大。鱼苗采购是养殖的基础,大规模采购需求下鱼苗精确计数可以有效控制成本。鱼苗投放过程中,精准计数能够控制养殖密度,提高养殖效率。传统的鱼苗计数方法依靠人工计数,一种方法是依靠肉眼计数,耗时多,效率低,长时间频繁用眼导致检测准确率差。另一种计数方法对鱼苗进行采样计数,通过经验估算出鱼苗个数,虽然效率相对提高,但是因鱼苗活跃,分布不均匀就大大降低计数准确率。
目前已有的实现鱼苗计数方法,主要为光电式计数和视觉计数两种方法。这两种方式在计数的过程中都存在相同的难点:因检测鱼苗众多,经过计数区域时容易发生上下重叠和前后重叠的现象,造成重叠鱼苗计数丢失,极大的影响了检测装置的准确率。中国专利公开号为CN110692574A的文献中公开了一种鱼苗计数系统及鱼苗计数方法,采用特定范围宽度的管道来避免多条鱼上下重叠通过,利用相隔固定距离的两个光电检测通道以及计算公式判定鱼苗是否前后重叠,其缺点是:管道宽度和通道间隔距离都和检测的鱼苗长度有关,不同的鱼苗需要配置不同的管道,适用性差,多条鱼苗同时通过管道口时存在管道堵塞的情况,需要人工排查清理。中国专利公开号为CN210017489U公开了一种鱼苗计数器,其通过安装分流板和隔板的方式解决了鱼苗上下重叠的问题,多通道检测提高效率,但是其缺点是:没有考虑多条鱼前后重叠通过的状况,光电计数器会发生漏检,流经鱼苗数量庞大状况下,鱼苗同样会堵塞管道口,造成鱼苗损伤甚至系统瘫痪。
发明内容
本发明针对目前存在的鱼苗漏检和堵塞问题,提出一种基于机器视觉的鱼苗计数检测装置及其检测方法,利用基于机器视觉和卷积神经网络的算法实现鱼苗定位和计数,提高计数准确率,检测效率高。
为实现上述目的,本发明一种基于机器视觉的鱼苗计数检测装置采用的技术方案是:其包括待测鱼苗水箱、收集鱼苗水箱、鱼苗计数摄像头和总控机,待测鱼苗水箱通过供水通道与收集鱼苗水箱相连通,供水通道上设有供水通道阀门和抽水泵,待测鱼苗水箱的最底部和收集鱼苗水箱之间连接且连通一条位于供水通道下方的检测通道,检测通道从入口到出口分为鱼苗分离通道和鱼苗检测通道这两段,从检测通道的入口处沿着鱼苗分离通道依序设有脉冲式反冲装置、第一注水装置和第二注水装置,脉冲式反冲装置、第一注水装置和第二注水装置通过各自的供水管连接供水通道;鱼苗检测通道上方具有鱼苗计数摄像头,在收集鱼苗水箱内部且位于检测通道的出口处放置水流测速传感器,总控机分别连接供水通道阀门、抽水泵、脉冲式反冲装置、第一注水装置、第二注水装置、水流测速传感器和鱼苗计数摄像头。
所述的基于机器视觉的鱼苗计数检测装置的检测方法采用的技术方案是包括以下步骤:
步骤A:鱼苗计数摄像头采集鱼苗图片输入总控机中,总控机以鱼苗图片的左上角顶点为原点,一个像素点代表一个值建立直角坐标系,将包含鱼苗的最小矩形框出鱼苗位置,记录最小矩形的左上角顶点坐标和矩形的长和宽,得到鱼苗的位置信息,将图片放入卷积神经网络进行训练,得到训练好的卷积神经网络;
步骤C:根据步骤A中训练好的卷积神经网络得到每幅图中鱼苗位置最小矩形的左上顶点坐标,总控机根据左上顶点坐标计算得到第二幅图的第一条鱼苗的位置和第一幅图中第一条鱼苗位置的前后位置差d1,将与设定的最大误差相比较,若小于最大误差,判定是同一条鱼苗,则删除重复计算的这鱼苗,反之,保留对这条鱼的计数;再将第三幅图中的第一条鱼苗位置和第二幅图中的第二条鱼苗位置进行对比,得到前后位置差d2,将与最大误差比较,若小于最大误差,则删除重复计算的第二条鱼苗,反之,保留计数;如此循环,直至完成所有图片中存在的相同鱼苗的情况,最终得出通过检测通道的鱼苗个数。
本发明与已有技术相比,具有如下优点:
1、本发明由总控机实现整个装置的水循环和鱼苗计数功能,用基于机器视觉和卷积神经网络的算法实现鱼苗定位和计数,具有计数准确率高、检测效率高和可靠性强等特点,对杂乱环境抗干扰能力强。
2、本发明利用检测到的水流速度预测鱼苗位置避免了鱼苗重复计数,计数准确率高。
3、采用脉冲式反冲装置,对通道口间隔喷射反冲水流,定时对管道口进行排通,疏通入口,避免发生鱼苗堵塞造成装置瘫痪的现象,保证了装置的可靠稳定性。
4、本发明安装了两个注水装置,依靠管道中局部水流差分散重叠鱼苗,实现鱼苗分离,解决了大量鱼苗重叠造成漏检的问题,有效提高了计数准确率。同时装置设计适用于各类时期鱼苗,适用性强。
附图说明
图1为本发明一种基于机器视觉的鱼苗计数检测装置的结构示意图;
图2为图1中脉冲式反冲装置8的结构连接放大图;
图3为图1中鱼苗未通过第一注水装置6时的结构放大示意图;
图4为图1中鱼苗通过第一注水装置6但未通过第二注水装置7时的结构放大示意图;
图5为图1中鱼苗通过了第二注水装置7的结构放大示意图;
图6为图1中脉冲式反冲装置8的工作流程图;
图7为图1中总控机16实现卷积神经网络训练流程图;
图8为图1中总控机16对鱼苗检测通道中的鱼苗作位置信息标注示意图;
图9为图1所示装置在运行过程中鱼苗计数流程图;
图10为图9中避免鱼苗重复计数的过程示意图;
图11为图1所示装置进行水循环利用的控制流程图。
图中:1.待测鱼苗水箱;2.收集鱼苗水箱;3.支撑台;4.水位传感器;5.检测管道:6.第一注水装置;7.第二注水装置;8.脉冲式反冲装置;9.供水通道阀门;10.摄像头支架;11.鱼苗计数摄像头;12.水流测速传感器;13.滤网;14.抽水泵;15.供水通道;16.总控机;51.鱼苗分离通道、52.鱼苗检测通道;71.注水管道;72.固定器;73.注水通道阀门;74.注水装置供水管道;81.反冲喷射头:811.固定螺丝;812.反冲装置管道;813.反冲装置;814.反冲装置出水口;815.反冲装置管道开孔;816.反冲装置螺丝孔;82.连接固定件;83.反冲通道阀门;84.反冲通道供水管。
具体实施方式
参见图1,本发明一种基于机器视觉的鱼苗计数检测装置包括待测鱼苗水箱1、收集鱼苗水箱2、鱼苗计数摄像头11和总控机16等。待测鱼苗水箱1平稳放置在支撑台3上,待测鱼苗水箱1中存放着待测鱼苗。待测鱼苗水箱1通过供水通道15与收集鱼苗水箱2相连通,待测鱼苗水箱1的底部高于收集鱼苗水箱2的底部。在供水通道15上安装供水通道阀门9,供水通道阀门9经控制线连接总控机16。当打开供水通道阀门9,收集鱼苗水箱2中的水能进入待测鱼苗水箱1,为待测鱼苗水箱1供水。在待测鱼苗水箱1中安装水位传感器4,水位传感器4通过信号线连接总控机16,水位传感器4实时测量待测鱼苗水箱1中的水位并传输给总控机16。
在待测鱼苗水箱1的最底部和收集鱼苗水箱2之间连接且连通一条检测通道5,检测通道5从入口到出口分为鱼苗分离通道51和鱼苗检测通道52这两段,靠近待测鱼苗水箱1的是鱼苗分离通道51,靠近收集鱼苗水箱2的鱼苗检测通道52,鱼苗分离通道51由入口到出口是从上至下倾斜布置。在鱼苗分离通道51段进行鱼苗分离,在鱼苗检测通道52段进行鱼苗计数。
检测通道5位于供水通道15的下方,是透明的通道。在检测通道5入口处沿着鱼苗分离通道51依序安装脉冲式反冲装置8、第一注水装置6、第二注水装置7。脉冲式反冲装置8、第一注水装置6和第二注水装置7通过各自的供水管连接供水通道15,并联在供水通道15上。脉冲式反冲装置8、第一注水装置6和第二注水装置7均连接在鱼苗分离通道51上。脉冲式反冲装置8用来排通堵塞的鱼苗,第一注水装置6和第二注水装置7的结构相同,能向检测通道5中注水。第一注水装置6和第二注水装置7均由供水管74、注水通道阀门73、固定器72和注水管道71组成,检测通道5经注水管道71连接固定器72,固定器72经供水管74与供水通道15相连接,在供水管74上安装注水通道阀门73。
在鱼苗检测通道52上方安装有鱼苗计数摄像头11,鱼苗计数摄像头11固定在摄像头支架10上,并且通过控制线连接总控机16,用于拍摄且计数鱼苗检测通道52中的鱼苗。在收集鱼苗水箱2内部并且位于检测通道5的出口处放置水流测速传感器12,水流测速传感器12通过信号线连接总控机16,用于鱼苗计数过程中对鱼苗位置的预测。在收集鱼苗水箱2内部安装滤网13,滤网13位于检测通道5的出口的正对面,将收集鱼苗水箱2内部分隔成两个腔室。滤网13上布满孔洞,孔洞大小要小于最小鱼苗,这样可阻隔鱼苗通过滤网13,这样,靠近检测通道5出口这个腔室中有鱼苗,另一腔室中没有鱼苗,供水通道15伸在没有鱼苗腔室中。在供水通道15上还安装抽水泵14,抽水泵14通过控制线连接总控机16,抽水泵14用于抽取滤网13没有鱼苗腔室中的水,防止误抽进鱼苗,通过供水通道15给第一注水装置6、第二注水装置7、脉冲式反冲装置8、待测育苗水箱1供水。
参见图2所示的脉冲式反冲装置8的结构,脉冲式反冲装置8包括反冲喷射头81、固定件82、反冲通道阀门83和反冲通道供水管84。检测通道5的鱼苗分离通道51通过反冲喷射头81和连接固定件82串接反冲通道供水管84下端,反冲通道供水管84上端串接供水通道15,在反冲通道供水管84上安装反冲通道阀门83,反冲通道阀门83经控制线连接总控机16。其中,反冲喷射头81包括反冲装置管道812和反冲装置813,反冲装置管道812可以和鱼苗分离通道51做成一体,在反冲装置管道812内部安装反冲装置813,反冲装置管道812侧壁上开有反冲装置管道开孔815,反冲装置813的侧壁上设有反冲装置螺丝孔816,用固定螺丝811通过反冲装置管道开孔815和反冲装置螺丝孔816将反冲装置管道812和反冲装置813固定连接在一起。在反冲装置813底部开有多个反冲装置出水口814,用于疏通入水。反冲装置管道812上端和反冲通道供水管84下端通过连接固件82连通。
通常鱼苗都分为三分苗到九分苗,鱼苗横截面的最大面积不超过最小面积的3倍,因此检测通道5的横截面积取九分苗横截面积的1.2倍,这样,使检测通道5能够适用于各种大小的鱼苗通过,且同时通过的鱼苗数量有限,适用性强,不需要针对不同的鱼苗设计不同的检测通道5。
参见图3、4、5所示的第一注水装置6和第二注水装置7实现分散鱼苗的原理和过程图,其中,图3是鱼苗未通过第一注水装置6时的情况,两个鱼苗在检测通道5的鱼苗分离通道51中上下重叠。图4是鱼苗通过第一注水装置6但未通过第二注水装置7的情况。由总控机16控制第一注水装置6和第二注水装置7工作时,由于第一注水装置6的水流冲击检测通道5,在检测通道5中的上方鱼苗因靠近注水管道71,水流速度快,冲击力大,被冲向了前方,而下方的鱼苗被上方鱼苗阻挡,距离第一注水装置6较远,水流速度慢,冲击力小,因此在水流的冲击下,上方的鱼苗会相对于下方的鱼苗向前方运动,形成图4中情形。图5是鱼苗通过了第二注水装置7的情况,根据之前相同的原理,上方鱼苗相对向前方运动,最终两条鱼苗一前一后地分散在检测通道5下方游走,便于后续的鱼苗计数检测。
参见图6所示的脉冲式反冲装置8的工作流程图,总控机16实时接收鱼苗计数摄像机11采集的图像并分析是否有鱼苗,当鱼苗计数摄像头11检测不到鱼苗时开始计时,计时超过设定的时间例如超过15秒时仍然没有鱼苗通过,则说明可能发生堵塞或者鱼苗计数完毕。此时总控机16控制脉冲式反冲装置8工作,首先打开脉冲式反冲装置阀门82,并计时,例如计时1秒,水流通过反冲装置阀门82和反冲喷头81对后对检测通道5的入口冲击,1秒计时后总控机16关闭脉冲式反冲装置阀门82,并计时1秒,此时反冲水流停止,完成一次反冲过程,即反冲次数N=1。然后,总控机16控制脉冲式反冲装置8再次工作,进行第二次反冲过程,一共反复操作至少4次,完成对检测通道5的入口的脉冲式冲击,如此冲散堵塞在入口处的鱼苗。脉冲式反冲装置8工作完成后,总控机16继续计时15秒,计时过程中若有鱼苗通过,则证明先前发生了阻塞现象,若依然没有鱼苗通过,则说明鱼苗计数已完成,则可以关闭整个装置。
总控机16在进行算法运算时,基于机器视觉和卷积神经网络,卷积神经网络的前端用的是mobilenetv3(轻量级移动端网络3代)架构用于鱼苗特征的识别,它具有网络模型小、运行速度快、识别准确率高的优点,后端用的是SSD(单一多尺度检测器)架构,它具有识别准确率高,识别范围广的优点,适用于本发明的场景。
参见图7所示是本发明装置在运行前对卷积神经网络进行训练的流程图,先由鱼苗计数摄像头11采集鱼苗图片输入总控机16中,总控机16对图片进行预处理,提高图像清晰度,增强图像,接着人工进行鱼苗位置标注,鱼苗位置标注参见图8所示,以鱼苗图片的左上角顶点为原点o,一个像素点代表一个值建立直角坐标系。利用labelme工具包,人工将包含鱼苗的最小矩形框出鱼苗位置,记录最小矩形的左上角顶点坐标为(x,y)和矩形的长为w、宽为h,单位都是像素,得到鱼苗的位置信息,长w为鱼苗头尾长度,宽h为鱼苗的上下尺寸。最后将图片放入卷积神经网络进行训练,训练过程中,图片的每个像素点作为输入,经过网络计算出预测鱼苗的预测位置信息,再将预测位置信息和真实位置信息做差,利用梯度下降不断调整网络的每个参数,得到训练好的卷积神经网络。在不断训练的过程中网络自主优化各个部位的权重,学习到检测鱼苗需要的特征,最前面的浅层网络学习到的是一些简单特征比如颜色和长度等,深层网络学习到鱼苗的轮廓和鱼苗各个部位相对关系等抽象特征,用于检测鱼苗。
参见图9所示的装置在实际运行过程中鱼苗计数的流程图,首先鱼苗计数摄像头11定时采集检测拍摄的图片,对图片进行预处理以提高照片分辨率并加强图像便于后面的检测,接着将预处理后的图片利用卷训练好的积神经网络进行计算,根据最小矩形框的个数得到鱼苗的个数以及直角坐标系得到各个鱼苗的位置信息。由于多次拍摄的照片中存在相同鱼苗的情况,为了避免重复计数,要对鱼苗位置进行预测和对比,排除一些重复出现的鱼苗,最终得出真实通过检测通道5的鱼苗的个数,最后由总控机16进行统计。具体如下:
参见图10所示的避免重复计数的过程。鱼苗计数摄像头11拍摄到的检测管道5的实际长度是L,拍摄到的检测管道5在图片中的图片长度是D(单位像素)。每幅图片拍摄时间间隔为T,水流测速传感器12测得水流的速度为V,由此总控机16计算出鱼苗在前后两幅图片中移动的距离(单位像素)为:图10中,上中下3幅图片时间相邻,第二幅图的第一条鱼苗的位置和第一幅图中第一条鱼苗(从左至右,标记为1号鱼苗)的位置进行对比,根据训练好的卷积神经网络预测到每幅图中鱼苗位置最小矩形的左上顶点坐标,总控机16根据顶点坐标值计算得到第二幅图的第一条鱼苗的位置和第一幅图中第一条鱼苗位置的前后位置差(单位像素)为d1,根据鱼苗在前后两幅图片中移动的距离计算出差值将该差值与设定的最大误差ε相比较,若小于最大误差ε,则判定是同一条鱼苗,即表明第二幅图的第一条鱼苗和第一幅图中第一条鱼苗是同一条鱼苗,就要删除重复计算的这鱼苗。反之,若大于或者等于最大误差ε,则判定不是同一条鱼,没有重复计数,总控机16保留对这条鱼的计数。由于第一幅图中只有一条鱼苗,因此第二幅图中的第二条鱼苗则是新的鱼苗,标记为2号鱼苗。第三幅图中的第一条鱼苗位置会和第二幅图中的第一条鱼苗位置进行对比,由于它在后面,因此排除它是1号鱼苗的可能性,推测出1号鱼苗已经离开检测通道5。然后,将第三幅图中的第一条鱼苗位置和第二幅图中的第二条鱼苗位置进行对比,总控机16计算出第三幅图中的第一条鱼苗和二幅图中的第二条鱼苗位置的前后位置差d2,并计算出差值将该与最大误差ε相比较,若小于最大误差ε,则判断它为2号鱼苗,就要删除重复计算的第二条鱼苗,反之,若大于或者等于最大误差ε,则判定不是同一条鱼,不是2号鱼苗,没有重复计数,总控机16保留对第二条鱼苗的计数,由于第二幅图中没有鱼苗进行对比,因此第三幅图中的第二条鱼苗为新鱼苗,标记为3号鱼苗。如此循环进行对比,直至完成所有图片中存在的相同鱼苗的情况,排除重复出现的鱼苗,避免相同鱼苗重复计数,最终得出通过检测通道5的鱼苗个数。
参见图11所示的本发明工作时的水循环利用控制流程图。装置开始工作时,总控机16控制鱼苗计数摄像头11、抽水泵14同时打开工作,待测鱼苗水箱阀门9关闭。抽水泵14从收集鱼苗水箱2中抽水,水流从供水管道15分别给第一注水装置6和第二注水装置7供水,形成初步水循环。同时水位传感器4实时监测待测鱼苗水箱1的水位高度,此时由于待测鱼苗水箱阀门9关闭,待测鱼苗水箱1高度高于收集鱼苗水箱2,因此水位会慢慢下降。为避免水位过低,底部鱼苗失水且不利于鱼苗排放,当水位传感器4检测到水位低于最低要求水位下限时,总控机16打开待测鱼苗水箱阀门9并加大抽水泵14功率,水流开始流入待测鱼苗水箱1中,水位逐渐升高,为防止水位过高,待测鱼苗活动范围大,降低鱼苗排放的效率,因此当水位传感器4检测到水位高于最高水位上限时,总控机16关闭待测鱼苗水箱阀门9,水位慢慢下降,如此往复,控制待测鱼苗水箱1的水位在一定的高度,保证鱼苗排放的效率同时不会放空待测鱼苗水箱1中的水导致鱼苗堆积在水箱底部无法计数。总控机16在控制水位的同时不断处理鱼苗计数摄像头11采集的图片,当检测到图片中没有鱼苗通过便开始计时,计时超过设定时间(15秒)后控制脉冲式反冲装置8工作,进行堵塞清理。脉冲式反冲装置8完成工作后,总控机16继续处理摄像头图片,依旧没有鱼苗通过开始计时,计时设定时间(15秒)后判定鱼苗计数是否完成,得出真实通过检测通道5的鱼苗的个数。若完成计数,则总控机16关闭待测鱼苗水箱阀门9,抽水泵14和第一注水装置6、第二注水装置7继续运行,防止待测鱼苗水箱1中还存在个别鱼苗没有检测情况。等待测鱼苗水箱1的水位逐渐下降到底部时,总控机16关闭抽水泵14,第一注水装置6、第二注水装置7会停止注水,最后关闭鱼苗计数摄像头11,整个装置停止运行。
Claims (9)
1.一种基于机器视觉的鱼苗计数检测装置,包括待测鱼苗水箱(1)、收集鱼苗水箱(2)、鱼苗计数摄像头(11)和总控机(16),其特征是:待测鱼苗水箱(1)通过供水通道(15)与收集鱼苗水箱(2)相连通,供水通道(15)上设有供水通道阀门(9)和抽水泵(14),待测鱼苗水箱(1)的最底部和收集鱼苗水箱(2)之间连接且连通一条位于供水通道(15)下方的检测通道(5),检测通道(5)从入口到出口分为鱼苗分离通道(51)和鱼苗检测通道(52),从检测通道(5)的入口处沿着鱼苗分离通道(51)依序设有脉冲式反冲装置(8)、第一注水装置(6)和第二注水装置(7),脉冲式反冲装置(8)、第一注水装置(6)和第二注水装置(7)通过各自的供水管连接供水通道(15);鱼苗检测通道(52)上方具有鱼苗计数摄像头(11),在收集鱼苗水箱(2)内部且位于检测通道(5)的出口处放置水流测速传感器(12),总控机(16)分别连接供水通道阀门(9)、抽水泵(14)、脉冲式反冲装置(8)、第一注水装置(6)、第二注水装置(7)、水流测速传感器(12)和鱼苗计数摄像头(11)。
2.根据权利要求1所述的一种基于机器视觉的鱼苗计数检测装置,其特征是:收集鱼苗水箱(2)内部装有滤网(13),滤网(13)将收集鱼苗水箱(2)内部分隔成两个腔室,滤网(13)上布满孔洞,孔洞大小要小于最小鱼苗,靠近检测通道(5)出口这个腔室中有鱼苗,另一腔室中没有鱼苗,供水通道(15)伸在没有鱼苗腔室中。
3.根据权利要求1所述的一种基于机器视觉的鱼苗计数检测装置,脉冲式反冲装置(8)包括反冲喷射头(81)、固定件(82)、反冲通道阀门(83)和反冲通道供水管(84),鱼苗分离通道(51)通过反冲喷射头(81)和固定件(82)串接反冲通道供水管(84)下端,反冲通道供水管(84)上端串接供水通道(15),在反冲通道供水管(84)上装有反冲通道阀门(83),反冲通道阀门(83)经控制线连接总控机(16)。
4.根据权利要求1所述的一种基于机器视觉的鱼苗计数检测装置,其特征是:第一注水装置(6)和第二注水装置(7)的结构相同,均由供水管(74)、注水通道阀门(73)、固定器(72)和注水管道(71)组成,检测通道(5)经注水管道(71)连接固定器(72),固定器(72)经供水管(74)与供水通道(15)相连接,在供水管(74)上装有注水通道阀门(73),注水通道阀门(73)经控制线连接总控机(16)。
5.根据权利要求1所述的一种基于机器视觉的鱼苗计数检测装置,其特征是:鱼苗分离通道(51)由入口到出口是从上至下倾斜布置。
6.一种如权利要求1所述基于机器视觉的鱼苗计数检测装置的检测方法,其特征是包括以下步骤:
步骤A:鱼苗计数摄像头(11)采集鱼苗图片输入总控机(16)中,总控机(16)以鱼苗图片的左上角顶点为原点,一个像素点代表一个值建立直角坐标系,将包含鱼苗的最小矩形框出鱼苗位置,记录最小矩形的左上角顶点坐标和矩形的长和宽,得到鱼苗的位置信息,将图片放入卷积神经网络进行训练,得到训练好的卷积神经网络;
步骤B:总控机(16)计算出鱼苗在前后两幅图片中移动的距离L是鱼苗计数摄像头(11)拍摄到的检测管道(5)的实际长度,V是水流测速传感器(12)测得水流速度,T是每幅图片的拍摄时间间隔,D是拍摄到的检测管道(5)在图片中的图片长度;
7.根据权利要求6所述的检测方法,其特征是:鱼苗计数摄像头(11)采集鱼苗图片的同时,当待测鱼苗水箱(1)中的水位低于最低水位下限时,打开待测鱼苗水箱阀门(9)和抽水泵(14),水流入待测鱼苗水箱(1)中,当水位高于最高水位上限时,关闭待测鱼苗水箱阀门(9)。
8.根据权利要求6所述的检测方法,其特征是:鱼苗计数摄像头(11)采集鱼苗图片的同时,当鱼苗计数摄像头(11)采集的鱼苗图片中没有鱼苗通过便开始计时,计时超过设定时间后控制抽水泵(14)和脉冲式反冲装置(8)工作,水流对检测通道(5)的入口冲击,计时后关闭脉冲式反冲装置(8),再计时后停止反冲水流,完成一次反冲过程,然后控制脉冲式反冲装置(8)再次工作进行第二次反冲过程,一共反复至少4次,完成对检测通道(5)的入口的脉冲式冲击。
9.根据权利要求6所述的检测方法,其特征是:总控机(16)控制抽水泵(14)、第一注水装置(6)和第二注水装置(7)工作,水流冲击检测通道(5),鱼苗通过第一注水装置(6)时,检测通道(5)中上方鱼苗受到的冲击力大,被冲向前方,下方的鱼苗受到的冲击力小,上方的鱼苗相对于下方的鱼苗向前方运动,鱼苗通过第二注水装置(7)时,上方鱼苗相对向前方运动,最终两条鱼苗一前一后地分散在检测通道(5)下方游走。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010958610.8A CN112215798B (zh) | 2020-09-14 | 2020-09-14 | 一种基于机器视觉的鱼苗计数检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010958610.8A CN112215798B (zh) | 2020-09-14 | 2020-09-14 | 一种基于机器视觉的鱼苗计数检测方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112215798A true CN112215798A (zh) | 2021-01-12 |
CN112215798B CN112215798B (zh) | 2024-05-10 |
Family
ID=74048908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010958610.8A Active CN112215798B (zh) | 2020-09-14 | 2020-09-14 | 一种基于机器视觉的鱼苗计数检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215798B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991430A (zh) * | 2021-03-04 | 2021-06-18 | 浙江大学 | 一种基于机器视觉检测跟踪的鱼苗计数装置及方法 |
CN113706529A (zh) * | 2021-10-28 | 2021-11-26 | 鲁东大学 | 利用卷积神经网络对育苗期鲍鱼计数的方法、系统及装置 |
CN114667956A (zh) * | 2021-12-16 | 2022-06-28 | 杭州环特生物科技股份有限公司 | 一种斑马鱼记忆评价模型的构建方法及其应用 |
CN115281139A (zh) * | 2022-01-23 | 2022-11-04 | 仰恩大学 | 一种鱼苗计数及分类装置 |
CN115624008A (zh) * | 2022-07-08 | 2023-01-20 | 珠海科艺普检测科技有限公司 | 一种基于生物信息技术的大口黑鲈鱼的鱼苗智能检测方法 |
CN115843735A (zh) * | 2023-01-17 | 2023-03-28 | 华南师范大学 | 一种鱼苗自动识别计数装置及其计数方法 |
CN116267753A (zh) * | 2023-03-23 | 2023-06-23 | 江苏科技大学 | 一种基于视觉和触觉的鱼苗分类计数装置及方法 |
CN116609786A (zh) * | 2023-05-22 | 2023-08-18 | 农芯(南京)智慧农业研究院有限公司 | 鱼类统计方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104813977A (zh) * | 2015-05-20 | 2015-08-05 | 重庆师范大学 | 一种测试鱼类水流速度偏好的试验装置 |
CN109509175A (zh) * | 2018-10-15 | 2019-03-22 | 浙江大学 | 一种基于机器视觉和深度学习的鱼苗便携式计数器及计数方法 |
CN110692574A (zh) * | 2018-07-10 | 2020-01-17 | 群光电能科技股份有限公司 | 鱼苗计数系统及鱼苗计数方法 |
-
2020
- 2020-09-14 CN CN202010958610.8A patent/CN112215798B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104813977A (zh) * | 2015-05-20 | 2015-08-05 | 重庆师范大学 | 一种测试鱼类水流速度偏好的试验装置 |
CN110692574A (zh) * | 2018-07-10 | 2020-01-17 | 群光电能科技股份有限公司 | 鱼苗计数系统及鱼苗计数方法 |
CN109509175A (zh) * | 2018-10-15 | 2019-03-22 | 浙江大学 | 一种基于机器视觉和深度学习的鱼苗便携式计数器及计数方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991430A (zh) * | 2021-03-04 | 2021-06-18 | 浙江大学 | 一种基于机器视觉检测跟踪的鱼苗计数装置及方法 |
CN112991430B (zh) * | 2021-03-04 | 2024-03-19 | 浙江大学 | 一种基于机器视觉检测跟踪的鱼苗计数装置及方法 |
CN113706529A (zh) * | 2021-10-28 | 2021-11-26 | 鲁东大学 | 利用卷积神经网络对育苗期鲍鱼计数的方法、系统及装置 |
CN113706529B (zh) * | 2021-10-28 | 2022-01-28 | 鲁东大学 | 利用卷积神经网络对育苗期鲍鱼计数的方法、系统及装置 |
CN114667956A (zh) * | 2021-12-16 | 2022-06-28 | 杭州环特生物科技股份有限公司 | 一种斑马鱼记忆评价模型的构建方法及其应用 |
CN115281139A (zh) * | 2022-01-23 | 2022-11-04 | 仰恩大学 | 一种鱼苗计数及分类装置 |
CN115624008B (zh) * | 2022-07-08 | 2023-09-05 | 珠海科艺普检测科技有限公司 | 一种基于生物信息技术的大口黑鲈鱼的鱼苗智能检测方法 |
CN115624008A (zh) * | 2022-07-08 | 2023-01-20 | 珠海科艺普检测科技有限公司 | 一种基于生物信息技术的大口黑鲈鱼的鱼苗智能检测方法 |
CN115843735A (zh) * | 2023-01-17 | 2023-03-28 | 华南师范大学 | 一种鱼苗自动识别计数装置及其计数方法 |
CN116267753A (zh) * | 2023-03-23 | 2023-06-23 | 江苏科技大学 | 一种基于视觉和触觉的鱼苗分类计数装置及方法 |
CN116267753B (zh) * | 2023-03-23 | 2024-05-03 | 江苏科技大学 | 一种基于视觉和触觉的鱼苗分类计数装置及方法 |
CN116609786A (zh) * | 2023-05-22 | 2023-08-18 | 农芯(南京)智慧农业研究院有限公司 | 鱼类统计方法及装置 |
CN116609786B (zh) * | 2023-05-22 | 2024-02-09 | 农芯(南京)智慧农业研究院有限公司 | 鱼类统计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112215798B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112215798A (zh) | 一种基于机器视觉的鱼苗计数检测方法与装置 | |
CN102297865B (zh) | 一种鱼类行为的生物水质监测系统及其监测方法 | |
CN102805044B (zh) | 基于计算机视频处理的鱼虾蟹苗自动计数装置及其方法 | |
CN112085142B (zh) | 一种大批量鱼苗快速计数装置及计数方法 | |
CN109509175B (zh) | 一种基于机器视觉和深度学习的鱼苗便携式计数器及计数方法 | |
CN105549486B (zh) | 基于机器视觉的烟草打顶抑芽检测控制系统 | |
CN106614440B (zh) | 一种基于物联网的农作物害虫智能测报系统 | |
CN109169465B (zh) | 智能化测定水下活体对虾生长参数的系统和方法 | |
CN106991418A (zh) | 飞虫检测方法、装置及终端 | |
CN109028232A (zh) | 一种带可移动视觉检测系统的油烟机及油烟浓度检测方法 | |
CN114485415A (zh) | 一种底栖鱼类生长表型高效测量方法及装置 | |
CN109876569A (zh) | 一种布袋除尘器净化气体指标在线检测装置、系统及方法 | |
NO332233B1 (no) | Anordning for registrering av marine organismer | |
CN115439698A (zh) | 一种基于SSD-ResNet的鱼道鱼类识别系统及方法 | |
JP2020185118A5 (zh) | ||
CN117136896A (zh) | 一种增殖放流鱼类苗种的自动计数系统 | |
CN112326011A (zh) | 基于人工智能的水体稳态检测系统及方法 | |
CN214758810U (zh) | 一种粮库害虫捕抓装置及系统 | |
CN113269078B (zh) | 一种基于无人机的江河鱼类资源量统计方法及系统 | |
CN104535462B (zh) | 一种原位实时测量悬移质浓度和级配的装置及方法 | |
CN114304086A (zh) | 一种鱼类多样性调查采样装置 | |
CN107413674A (zh) | 一种作物种籽在线分拣方法及系统 | |
JP7208688B1 (ja) | 魚選別機 | |
CN217111652U (zh) | 一种隔离式水样采集进排水系统装置 | |
CN116267753B (zh) | 一种基于视觉和触觉的鱼苗分类计数装置及方法 |
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 |