CN112859056B - 一种用于大型海洋生物的远程预警系统及方法 - Google Patents

一种用于大型海洋生物的远程预警系统及方法 Download PDF

Info

Publication number
CN112859056B
CN112859056B CN202011620843.3A CN202011620843A CN112859056B CN 112859056 B CN112859056 B CN 112859056B CN 202011620843 A CN202011620843 A CN 202011620843A CN 112859056 B CN112859056 B CN 112859056B
Authority
CN
China
Prior art keywords
information
marine organisms
early warning
generating
marine
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
CN202011620843.3A
Other languages
English (en)
Other versions
CN112859056A (zh
Inventor
许友伟
孙铭帅
陈作志
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.)
South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences
Southern Marine Science and Engineering Guangdong Laboratory Guangzhou
Original Assignee
South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences
Southern Marine Science and Engineering Guangdong Laboratory Guangzhou
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 South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences, Southern Marine Science and Engineering Guangdong Laboratory Guangzhou filed Critical South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences
Priority to CN202011620843.3A priority Critical patent/CN112859056B/zh
Publication of CN112859056A publication Critical patent/CN112859056A/zh
Application granted granted Critical
Publication of CN112859056B publication Critical patent/CN112859056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种用于大型海洋生物的远程预警系统及方法，包括：采集声波信号，对声波信号进行预处理，得到结果信息；根据结果信息生成探测方式，并得到目标参数信息；将目标参数信息与预设信息进行比较，得到偏差率；判断所述偏差率是否大于预设阈值；若大于，则生成识别信号对海洋生物进行种类识别，并生成预警信息；将预警信息按照预定方式发送至观测站。

Description

一种用于大型海洋生物的远程预警系统及方法
技术领域
本发明涉及一种远程预警系统，尤其涉及一种用于大型海洋生物的远程预警系统及方法。
背景技术
海洋生物学是研究在海洋性生存空间(即大海以及大洋)中栖息的生物及其生活历程的科学。海洋生物的实地考察主要是由海洋考察队实行的。此外渔业也提供了一定的供科学研究的材料。对于上层海域还可以通过潜行进行开发研究。对于更深层的海域则需要利用潜艇以及潜水遥控机械装置。海洋性生存空间的特征性要素是水和盐分。据此群落生境可以不同，经过几十年来海洋科技工作者的调查研究，已在我国管辖海域记录到了20279种海洋生物。这些海洋生物属于5个生物界、44个生物门。其中动物界的种类最多(12794种)，原核生物界最少(229种)。我国的海洋生物种类约占全世界海洋生物总种数的10％，数量占50％。我国海域的海洋生物，按照分布情况大致可以分为水域海洋生物和滩涂海洋生物两大类。在水域海洋生物中，鱼类、头足类(例如我们常吃的乌贼，也叫墨鱼)和虾、蟹类是最主要的海洋生物。其中以鱼类的品种最多，数量最大，构成了水域海洋生物的主体。水域海洋生物种数的分布趋势是南多北少，即南海的种类较多，而黄海、渤海的种类较少。
为了能够保证对大型海洋生物实现远程预警需要开发一款与其相匹配的系统进行控制，通过采集声波信号，对声波信号进行预处理，得到结果信息；根据结果信息生成探测方式，并得到目标参数信息；将目标参数信息与预设信息进行比较，生成识别信号对海洋生物进行种类识别，并生成预警信息对大型海洋生物进行远程预警，如何对大型海洋生物的远程预警系统实现精准控制，是亟待要解决的问题。
发明内容
本发明克服了现有技术的不足，提供一种用于大型海洋生物的远程预警系统及方法。
为达到上述目的，本发明采用的技术方案为：一种用于大型海洋生物的远程预警方法，包括：
采集声波信号，对声波信号进行预处理，得到结果信息；
根据结果信息生成探测方式，并得到目标参数信息；
将目标参数信息与预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设阈值；
若大于，则生成识别信号对海洋生物进行种类识别，并生成预警信息；将预警信息按照预定方式发送至观测站。
在本发明的一个较佳实施例中，采集声波信号，对声波信号进行预处理，具体包括：
采集声波信号，并根据传播方向的差异分解为发射波信号与回波信号；
分别对发射波信号与回波信号进行滤波，
发射波信号与回波信号形成的波场进行成像，得到图像信息；
根据图像信息进行海洋生物识别。
在本发明的一个较佳实施例中，所述目标参数信息包括海洋生物种类，海洋生物体型、海洋生物体长、海洋生物体重中的一种或多种。
在本发明的一个较佳实施例中，还包括：
采集发射波信号与回波信号，计算发射波信号与回波信号之间的时间差；
通过时间差分析海洋生物位于水域的深度值；
将位于同一深度值区间内的海洋生物进行归类；
获取水域内海洋生物历史数据，建立识别模型；
通过识别模型进行海洋生物种类判别。
在本发明的一个较佳实施例中，根据结果信息生成探测方式，具体为：
采集声波信号，生成波形信息；
从波形信息中获取声波数据，提取特征值，
将特征值按照预定规则进行排序，并进行中值处理，得到中值波列；
将原始波列数据减去中值波列，得到残余波形，并生成反射波数据。
在本发明的一个较佳实施例中，还包括：
采集声波信号，获取声波参数信息，建立预测模型；
通过预测模型获取海洋生物体长；
若海洋生物体长小于1m，则判定海洋生物体长处于正常范围内；
若海洋生物体长大于1m，则进行海洋生物种类识别，生成识别结果；
根据识别结果生成预警信息，并将预警信息以无线信号形式发送至观测站。
在本发明的一个较佳实施例中，声波参数信息包括声波幅值、相位、入射角、反射角、声波频率、声波波动信息中的一种或多种。
本发明第二方面还提供了一种用于大型海洋生物的远程预警系统，该系统包括：存储器、处理器，所述存储器中包括用于大型海洋生物的远程预警方法程序，所述用于大型海洋生物的远程预警方法程序被所述处理器执行时实现如下步骤：
采集声波信号，对声波信号进行预处理，得到结果信息；
根据结果信息生成探测方式，并得到目标参数信息；
将目标参数信息与预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设阈值；
若大于，则生成识别信号对海洋生物进行种类识别，并生成预警信息；
将预警信息按照预定方式发送至观测站。
在本发明的一个较佳实施例中，还包括：
采集发射波信号与回波信号，计算发射波信号与回波信号之间的时间差；
通过时间差分析海洋生物位于水域的深度值；
将位于同一深度值区间内的海洋生物进行归类；
获取水域内海洋生物历史数据，建立识别模型；
通过识别模型进行海洋生物种类判别。
在本发明的一个较佳实施例中，采集声波信号，对声波信号进行预处理，具体包括：
采集声波信号，并根据传播方向的差异分解为发射波信号与回波信号；
分别对发射波信号与回波信号进行滤波，
发射波信号与回波信号形成的波场进行成像，得到图像信息；
根据图像信息进行海洋生物识别。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
(1)利用水下声学原理对大型海洋生物进行声波探测，并对探测结果进行智能化分析，对于目标体长超过1米的海洋生物进行判别，并把确定的目标以无线信号形式发送给观测站,实现海洋生物的远程预警。
(2)利用声波信号的发射波与回波信号的波场处于不同方向进行成像，得到图像信息，从而进行海洋生物的识别，识别精度较高。
(3)通过大数据建立海洋生物识别模型，并根据采集的声波信号进行同一水深处的海洋生物的归类，从而实现海洋生物的智能识别。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种用于大型海洋生物的远程预警方法的流程图；
图2示出了声波信号预处理方法流程图；
图3示出了海洋生物种类判别方法流程图；
图4示出了发射波数据获取方法流程图；
图5示出了一种用于大型海洋生物的远程预警系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种用于大型海洋生物的远程预警方法的流程图。
如图1所示，本发明第一方面提供了一种用于大型海洋生物的远程预警方法，包括：
S102，采集声波信号，对声波信号进行预处理，得到结果信息；
S104，根据结果信息生成探测方式，并得到目标参数信息；
S106，将目标参数信息与预设信息进行比较，得到偏差率；
S108，判断所述偏差率是否大于预设阈值；
S110，若大于，则生成识别信号对海洋生物进行种类识别，并生成预警信息；
S112，将预警信息按照预定方式发送至观测站。
需要说明的是，利用水下声学原理对大型海洋生物进行声波探测，并对探测结果进行智能化分析，对于目标体长超过1米的海洋生物进行判别，也可以是对海洋生物体型大小进行判别，对体型大于预定值的海洋生物进行预警，并把确定的目标以无线信号形式发送给观测站,实现海洋生物的远程预警。
如图2所示，本发明公开了声波信号预处理方法流程图；
根据本发明实施例，采集声波信号，对声波信号进行预处理，具体包括：
S202，采集声波信号，并根据传播方向的差异分解为发射波信号与回波信号；
S204，分别对发射波信号与回波信号进行滤波，
S206，发射波信号与回波信号形成的波场进行成像，得到图像信息；
S208，根据图像信息进行海洋生物识别。
根据本发明实施例，所述目标参数信息包括海洋生物种类，海洋生物体型、海洋生物体长、海洋生物体重中的一种或多种。
如图3所示，本发明公开了海洋生物种类判别方法流程图；
根据本发明实施例，还包括：
S302，采集发射波信号与回波信号，计算发射波信号与回波信号之间的时间差；
S304，通过时间差分析海洋生物位于水域的深度值；
S306，将位于同一深度值区间内的海洋生物进行归类；
S308，获取水域内海洋生物历史数据，建立识别模型；
S310，通过识别模型进行海洋生物种类判别。
如图4所示，本发明公开了发射波数据获取方法流程图；
根据本发明实施例，根据结果信息生成探测方式，具体为：
S402，采集声波信号，生成波形信息；
S404，从波形信息中获取声波数据，提取特征值，
S406，将特征值按照预定规则进行排序，并进行中值处理，得到中值波列；
S408，将原始波列数据减去中值波列，得到残余波形，并生成反射波数据。
根据本发明实施例，还包括：
采集声波信号，获取声波参数信息，建立预测模型；
通过预测模型获取海洋生物体长；
若海洋生物体长小于1m，则判定海洋生物体长处于正常范围内；
若海洋生物体长大于1m，则进行海洋生物种类识别，生成识别结果；
根据识别结果生成预警信息，并将预警信息以无线信号形式发送至观测站。
根据本发明实施例，声波参数信息包括声波幅值、相位、入射角、反射角、声波频率、声波波动信息中的一种或多种。
如图5所示，本发明公开了一种用于大型海洋生物的远程预警系统的框图；
本发明第二方面还提供了一种用于大型海洋生物的远程预警系统，该系统5包括：存储器51、处理器52，所述存储器中包括用于大型海洋生物的远程预警方法程序，所述用于大型海洋生物的远程预警方法程序被所述处理器执行时实现如下步骤：
采集声波信号，对声波信号进行预处理，得到结果信息；
根据结果信息生成探测方式，并得到目标参数信息；
将目标参数信息与预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设阈值；
若大于，则生成识别信号对海洋生物进行种类识别，并生成预警信息；
将预警信息按照预定方式发送至观测站。
根据本发明实施例，还包括：
采集发射波信号与回波信号，计算发射波信号与回波信号之间的时间差；
通过时间差分析海洋生物位于水域的深度值；
将位于同一深度值区间内的海洋生物进行归类；
获取水域内海洋生物历史数据，建立识别模型；
通过识别模型进行海洋生物种类判别。
根据本发明实施例，采集声波信号，对声波信号进行预处理，具体包括：
采集声波信号，并根据传播方向的差异分解为发射波信号与回波信号；
分别对发射波信号与回波信号进行滤波，
发射波信号与回波信号形成的波场进行成像，得到图像信息；
根据图像信息进行海洋生物识别。
根据本发明实施例，根据结果信息生成探测方式，具体为：
采集声波信号，生成波形信息；
从波形信息中获取声波数据，提取特征值，
将特征值按照预定规则进行排序，并进行中值处理，得到中值波列；
将原始波列数据减去中值波列，得到残余波形，并生成反射波数据。
根据本发明实施例，还包括：
采集声波信号，获取声波参数信息，建立预测模型；
通过预测模型获取海洋生物体长；
若海洋生物体长小于1m，则判定海洋生物体长处于正常范围内；
若海洋生物体长大于1m，则进行海洋生物种类识别，生成识别结果；
根据识别结果生成预警信息，并将预警信息以无线信号形式发送至观测站。
根据本发明实施例，所述目标参数信息包括海洋生物种类，海洋生物体型、海洋生物体长、海洋生物体重中的一种或多种。
利用水下声学原理对大型海洋生物进行声波探测，并对探测结果进行智能化分析，对于目标体长超过1米的海洋生物进行判别，并把确定的目标以无线信号形式发送给观测站,实现海洋生物的远程预警。
利用声波信号的发射波与回波信号的波场处于不同方向进行成像，得到图像信息，从而进行海洋生物的识别，识别精度较高。
通过大数据建立海洋生物识别模型，并根据采集的声波信号进行同一水深处的海洋生物的归类，从而实现海洋生物的智能识别。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种用于大型海洋生物的远程预警方法，其特征在于，包括：
采集声波信号，对声波信号进行预处理，得到结果信息；
根据结果信息生成探测方式，并得到目标参数信息；
将目标参数信息与预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设阈值；
若大于，则生成识别信号对海洋生物进行种类识别，并生成预警信息；
将预警信息按照预定方式发送至观测站；
其中，采集声波信号，对声波信号进行预处理，具体包括：
采集声波信号，并根据传播方向的差异分解为发射波信号与回波信号；
分别对发射波信号与回波信号进行滤波，
发射波信号与回波信号形成的波场进行成像，得到图像信息；
根据图像信息进行海洋生物识别；
采集发射波信号与回波信号，计算发射波信号与回波信号之间的时间差；
通过时间差分析海洋生物位于水域的深度值；
将位于同一深度值区间内的海洋生物进行归类；
获取水域内海洋生物历史数据，建立识别模型；
通过识别模型进行海洋生物种类判别；
根据结果信息生成探测方式，具体为：
采集声波信号，生成波形信息；
从波形信息中获取声波数据，提取特征值，
将特征值按照预定规则进行排序，并进行中值处理，得到中值波列；
将原始波列数据减去中值波列，得到残余波形，并生成反射波数据。
2.根据权利要求1所述的一种用于大型海洋生物的远程预警方法，其特征在于，所述目标参数信息包括海洋生物种类，海洋生物体型、海洋生物体长、海洋生物体重中的一种或多种。
3.根据权利要求1所述的一种用于大型海洋生物的远程预警方法，其特征在于，还包括：
采集声波信号，获取声波参数信息，建立预测模型；
通过预测模型获取海洋生物体长；
若海洋生物体长小于1m，则判定海洋生物体长处于正常范围内；
若海洋生物体长大于1m，则进行海洋生物种类识别，生成识别结果；
根据识别结果生成预警信息，并将预警信息以无线信号形式发送至观测站。
4.根据权利要求1所述的一种用于大型海洋生物的远程预警方法，其特征在于，声波参数信息包括声波幅值、相位、入射角、反射角、声波频率、声波波动信息中的一种或多种。
5.一种用于大型海洋生物的远程预警系统，该系统包括权利要求1-4任一项所述的预警方法，其特征在于，该系统包括：存储器、处理器，所述存储器中包括用于大型海洋生物的远程预警方法程序，所述用于大型海洋生物的远程预警方法程序被所述处理器执行时实现如下步骤：
采集声波信号，对声波信号进行预处理，得到结果信息；
根据结果信息生成探测方式，并得到目标参数信息；
将目标参数信息与预设信息进行比较，得到偏差率；
判断所述偏差率是否大于预设阈值；
若大于，则生成识别信号对海洋生物进行种类识别，并生成预警信息；
将预警信息按照预定方式发送至观测站。
CN202011620843.3A 2020-12-31 2020-12-31 一种用于大型海洋生物的远程预警系统及方法 Active CN112859056B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011620843.3A CN112859056B (zh) 2020-12-31 2020-12-31 一种用于大型海洋生物的远程预警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011620843.3A CN112859056B (zh) 2020-12-31 2020-12-31 一种用于大型海洋生物的远程预警系统及方法

Publications (2)

Publication Number Publication Date
CN112859056A CN112859056A (zh) 2021-05-28
CN112859056B true CN112859056B (zh) 2024-02-20

Family

ID=75999070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011620843.3A Active CN112859056B (zh) 2020-12-31 2020-12-31 一种用于大型海洋生物的远程预警系统及方法

Country Status (1)

Country Link
CN (1) CN112859056B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113341407B (zh) * 2021-06-02 2024-02-06 中国水产科学研究院南海水产研究所 一种基于雷达探测的渔业捕捞追踪系统及方法
CN116088882B (zh) * 2023-03-31 2023-07-14 深圳市微克科技有限公司 一种基于智能穿戴设备的功能配置方法、系统及介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334473A (zh) * 2008-08-04 2008-12-31 厦门大学 基于水声多波束的深水网箱鱼群状态远程实时监测仪
CN101493524A (zh) * 2009-02-19 2009-07-29 浙江海洋学院 大黄鱼逃出深水网箱的声纳检测方法及其专用装置
CN202916442U (zh) * 2011-09-09 2013-05-01 古野电气株式会社 用于鱼群探测的警报产生装置以及超声波探测装置
JP2014041135A (ja) * 2013-09-06 2014-03-06 Nec Corp アクティブソーナー装置
CN105785968A (zh) * 2014-12-25 2016-07-20 中国科学院声学研究所 一种海洋牧场声学监测系统和方法
CN108038459A (zh) * 2017-12-20 2018-05-15 深圳先进技术研究院 一种水下生物的检测识别方法、终端设备及存储介质
CN108230302A (zh) * 2017-12-21 2018-06-29 岭东核电有限公司 一种核电厂冷源海域入侵海洋生物探测及处置方法
CN109254294A (zh) * 2018-11-09 2019-01-22 美钻深海能源科技研发（上海）有限公司 一种新型探测水下装备生物环境数据的方法及系统
CN110927162A (zh) * 2019-12-05 2020-03-27 中国水产科学研究院南海水产研究所 一种潜航式海洋生物自动识别及采样系统
CN210534940U (zh) * 2019-09-25 2020-05-15 山东众志军创电子科技有限公司 一种海洋牧场智能安防系统
CN111598027A (zh) * 2020-05-21 2020-08-28 佛山市高明曦逻科技有限公司 一种基于遥感大数据的区域性浅水种植区分布系统及方法
CN112034466A (zh) * 2019-05-14 2020-12-04 广州汽车集团股份有限公司 车位识别方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6934218B1 (en) * 2004-01-29 2005-08-23 Hwang-Hsing Chen Sounding device for showing its location on a fish detector

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334473A (zh) * 2008-08-04 2008-12-31 厦门大学 基于水声多波束的深水网箱鱼群状态远程实时监测仪
CN101493524A (zh) * 2009-02-19 2009-07-29 浙江海洋学院 大黄鱼逃出深水网箱的声纳检测方法及其专用装置
CN202916442U (zh) * 2011-09-09 2013-05-01 古野电气株式会社 用于鱼群探测的警报产生装置以及超声波探测装置
JP2014041135A (ja) * 2013-09-06 2014-03-06 Nec Corp アクティブソーナー装置
CN105785968A (zh) * 2014-12-25 2016-07-20 中国科学院声学研究所 一种海洋牧场声学监测系统和方法
CN108038459A (zh) * 2017-12-20 2018-05-15 深圳先进技术研究院 一种水下生物的检测识别方法、终端设备及存储介质
CN108230302A (zh) * 2017-12-21 2018-06-29 岭东核电有限公司 一种核电厂冷源海域入侵海洋生物探测及处置方法
CN109254294A (zh) * 2018-11-09 2019-01-22 美钻深海能源科技研发（上海）有限公司 一种新型探测水下装备生物环境数据的方法及系统
CN112034466A (zh) * 2019-05-14 2020-12-04 广州汽车集团股份有限公司 车位识别方法及装置
CN210534940U (zh) * 2019-09-25 2020-05-15 山东众志军创电子科技有限公司 一种海洋牧场智能安防系统
CN110927162A (zh) * 2019-12-05 2020-03-27 中国水产科学研究院南海水产研究所 一种潜航式海洋生物自动识别及采样系统
CN111598027A (zh) * 2020-05-21 2020-08-28 佛山市高明曦逻科技有限公司 一种基于遥感大数据的区域性浅水种植区分布系统及方法

Also Published As

Publication number Publication date
CN112859056A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
US5377163A (en) Active broadband acoustic method and apparatus for identifying aquatic life
CN113341407B (zh) 一种基于雷达探测的渔业捕捞追踪系统及方法
CN112859056B (zh) 一种用于大型海洋生物的远程预警系统及方法
Baidai et al. Machine learning for characterizing tropical tuna aggregations under Drifting Fish Aggregating Devices (DFADs) from commercial echosounder buoys data
Proud et al. Automated classification of schools of the silver cyprinid Rastrineobola argentea in Lake Victoria acoustic survey data using random forests
Mann et al. Active and passive acoustics to locate and study fish
Monger et al. Sound scattering by the gelatinous zooplankters Aequorea victoria and Pleurobrachia bachei
Moreno et al. Echotrace classification and spatial distribution of pelagic fish aggregations around drifting fish aggregating devices (DFAD)
CN116596163B (zh) 一种基于图像探测的白姑鱼资源分布预测系统及方法
CN110988888B (zh) 海底信息的获取方法和装置
Brehmer et al. Adaptation of fisheries sonar for monitoring schools of large pelagic fish: dependence of schooling behaviour on fish finding efficiency
CN116562472A (zh) 一种中上层海洋生物目标种类识别与分布预测方法及系统
Francisco et al. Use of multibeam imaging sonar for observation of marine mammals and fish on a marine renewable energy site
Kristmundsson et al. Fish monitoring in aquaculture using multibeam echosounders and machine learning.
Stolkin et al. Passive acoustic detection of modulated underwater sounds from biological and anthropogenic sources
CN112783180B (zh) 一种多视角伪装式水下生物识别系统及方法
Santiago et al. Index of abundance of juvenile bigeye tuna in the Atlantic Ocean derived from echosounder buoys (2010-2020)
Baidai et al. Recent advances on the use of supervised learning algorithms for detecting tuna aggregations under fads from echosounder buoys data
Griffiths et al. Biological–physical–acoustical interactions
Santiago et al. A novel index of abundance of juvenile yellowfin tuna in the Indian Ocean derived from echosounder buoys
Dunn et al. Inverse method applied to autonomous broadband hydroacoustic survey detects higher densities of zooplankton in near-surface aggregations than vessel-based net survey
Dunn et al. Model-informed classification of broadband acoustic backscatter from zooplankton in an in situ mesocosm
Georgakarakos et al. Accuracy of acoustic methods in fish stock assessment surveys
Debertin Estimating the biomass of a mixed species complex using hydroacoustics and catch data from the Bay of Fundy and Scotian Shelf summer ecosystem survey
Fang et al. The echolocation transmission beam of free-ranging Indo-Pacific humpback dolphins (Sousa chinensis)

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