CN112949532A - 一种水母实时在线监测系统及监测方法 - Google Patents
一种水母实时在线监测系统及监测方法 Download PDFInfo
- Publication number
- CN112949532A CN112949532A CN202110273770.3A CN202110273770A CN112949532A CN 112949532 A CN112949532 A CN 112949532A CN 202110273770 A CN202110273770 A CN 202110273770A CN 112949532 A CN112949532 A CN 112949532A
- Authority
- CN
- China
- Prior art keywords
- jellyfish
- real
- underwater
- monitoring
- video data
- 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.)
- Pending
Links
- 241000242583 Scyphozoa Species 0.000 title claims abstract description 117
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims abstract description 15
- 238000012634 optical imaging Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 241000251468 Actinopterygii Species 0.000 claims description 5
- 241001126326 Cyanea <Cnidaria> Species 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 2
- 241000894007 species Species 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000003287 bathing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明属于图像处理技术领域，公开了一种水母实时在线监测系统，包括：水下双目光学成像系统，布置在海平面下方，采集双路水下水母视频数据；图像处理与数据传输系统，将双路水下水母视频数据分别分解帧获得图像，采用深度神经网络检测模型，获得水母种类、数量、尺寸大小及水母在图像中的位置信息；在线监测控制平台，接收及显示图像处理与数据传输系统获得的信息，并根据设定的监测阈值进行预报预警。本发明能采取水母视频数据，并能够对视频进行分解帧，识别帧图像中水母的种类、数量、测量尺寸，通过无线传输系统将水母信息发送到监控平台，从而达到对水母实时在线监测，可为海洋牧场、发电厂与海洋管理部门提供技术支持。
Description
技术领域
本发明属于图像处理技术领域，涉及一种水母实时在线监测系统及监测方法，基于双目视觉成像原理与深度神经网络目标检测方法检测海水中水母种类、数量与尺寸大小。
背景技术
受气候变化和人类活动的影响，全球范围多个海域中水母数量、出现频率及影响范围均呈现增长趋势。在我国渤海辽东湾、黄海南部和东海北部海域，水母曾集中暴发，并多次出现水母缠绕阻塞网具、渔获量减少、海滨浴场伤人以及堵塞滨海发电厂、淡化水厂和核电站等取水口事件。
目前国内水母监测与处理主要采用传统的人为目测和统计法观测，拖网监测调查费时费力；人为目测和遥感只能观测到海洋表层水母，且识别精度有待于提高；初步构建的水母灾害声呐监测预警技术只能定性分析，难以定量，技术基础和相关理论还有待深入研究，光学监测技术的开发与应用还处在探索阶段。因此建立水母实时在线监测系统，实现对水母的种类、数量及尺寸大小实时监测，对水母的监测预警具有重要意义。
发明内容
(一)发明目的
本发明的目的是：提供一种水母实时在线监测系统及监测方法，获得双路海下水母实时视频数据，实现对水母的种类、数量及尺寸大小实时监测，具有无污染、不伤害水母、能自主运行等优点，为水母监测、防治、预警提供技术支持。
(二)技术方案
为了解决上述技术问题，本发明提供一种水母实时在线监测系统，其包括水下双目光学成像系统、图像处理与数据传输系统、在线监测控制平台；水下双目光学成像系统布置在海平面下方，采集双路水下水母视频数据；双路水下水母视频数据传送至图像处理与数据传输系统，图像处理与数据传输系统将双路水下水母视频数据分别分解帧获得图像，采用深度神经网络检测模型YOLO(You Only Look Once)，获得水母种类、数量、尺寸大小及水母在图像中的位置信息；在线监测控制平台，接收及显示图像处理与数据传输系统获得的信息，并根据设定的监测阈值进行预报预警。
其中，所述水下双目光学成像系统包括单目防水摄像机和LED补充光源，单目防水摄像机有两个，LED补充光源照射前方水母，单目防水摄像机采集水下水母视频数据，形成双路视频数据。
其中，所述单目防水摄像机采用12V直流电源供电，具有IP68防水功能，外形呈圆柱形，两个单目防水摄像机中心线平行，相距30厘米放置。
其中，所述LED补充光源包括8颗LED光源，位于单目防水摄像机镜头外围，呈圆形均匀分布。
其中，所述水下双目光学成像系统安装于海平面1米以下。
其中，所述图像处理与数据传输系统包括视频分解帧单元、水母种类、数量及尺寸大小检测单元、无线传输单元；视频分解帧单元将视频数据分解为图像，范围为12帧～25帧；水母种类、数量及尺寸大小检测单元采用深度神经网络检测水母种类与数量，同时利用双目视觉原理，检测水母尺寸大小。
其中，所述深度神经网络采用目标检测框架YOLO，模型训练种类包括沙蛰、海蜇、海月水母、白色霞水母、沙水母、海鱼、漂浮的塑料袋、降落伞、雨伞、台灯，训练图像包括网络公开图像、该系统拍摄的视频分解的帧图像。
其中，所述在线监测控制平台包括显示屏和预报预警单元，显示屏显示水母种类、数量及尺寸大小对应的信息，预报预警单元根据设定的监测阈值判断是否有水母暴发并进行预报预警。
本发明还提供一种水母实时在线监测方法，其特征在于，包括以下步骤：
步骤一：打开水下双目光学成像系统，采集双路水下水母视频数据；
步骤二：水下水母视频数据经过网线传送到图像处理与数据传输系统；
步骤三：图像处理与数据传输系统将双路水下水母视频数据分别分解帧获得图像，输入到深度神经网络检测模型，输出水母种类、数量及水母在图像中的位置信息；利用双目视觉原理检测水母尺寸大小，对比双路数据，输出水母种类、数量及尺寸大小信息；
步骤四：通过无线传输系统将水母检测信息传送到在线监测控制平台；
步骤五：在线监测控制平台以文字显示水母监测信息，并进行预报预警。
(三)有益效果
上述技术方案所提供的水母实时在线监测系统及监测方法，具有如下有益效果：
1.基于双目检测与神经网络检测原理，可同时检测水母种类、数量及尺寸大小；
2.设备体积，便于携带，可实现原位在线测量；
3.神经网络检测模型训练种类包括水母、海鱼与相似物品组成，训练图像采用网络公开图像与该系统拍摄的视频分解的帧图像结合，能够有效提高检测准确度。
附图说明
图1为本发明水母实时在线监测系统原理图。
具体实施方式
为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
参照图1所示，本发明水母实时在线监测系统包括水下双目光学成像系统、图像处理与数据传输系统、在线监测控制平台；水下双目光学成像系统布置在海平面下方，采集双路水下水母视频数据；双路水下水母视频数据传送至图像处理与数据传输系统，图像处理与数据传输系统将双路水下水母视频数据分别分解帧获得图像，采用深度神经网络检测模型YOLO(You Only Look Once)，获得水母种类、数量、尺寸大小及水母在图像中的位置信息；在线监测控制平台，接收及显示图像处理与数据传输系统获得的信息，并根据设定的监测阈值进行预报预警。
其中，水下双目光学成像系统安装于海平面1米以下，包括单目防水摄像机和LED补充光源，单目防水摄像机有两个，LED补充光源照射前方水母，单目防水摄像机采集水下水母视频数据，形成双路视频数据。单目防水摄像机采用12V直流电源供电，具有IP68防水功能，外形呈圆柱形，两个单目防水摄像机中心线平行，相距30厘米放置。LED补充光源包括8颗LED光源，位于单目防水摄像机镜头外围，呈圆形均匀分布。
图像处理与数据传输系统包括视频分解帧单元、水母种类、数量及尺寸大小检测单元、无线传输单元；视频分解帧单元可将视频数据分解为图像，范围为12帧～25帧。水母种类、数量及尺寸大小检测单元采用深度神经网络检测水母种类与数量，同时利用双目视觉原理，检测水母尺寸大小。深度神经网络采用目标检测框架YOLO(You Only Look Once)，模型训练种类包括沙蛰、海蜇、海月水母、白色霞水母、沙水母、海鱼、漂浮的塑料袋、降落伞、雨伞、台灯，训练图像包括网络公开图像、该系统拍摄的视频分解的帧图像。
在线监测控制平台包括显示屏和预报预警单元，显示屏显示水母种类、数量及尺寸大小对应的信息，预报预警单元根据设定的监测阈值判断是否有水母暴发并进行预报预警。
基于上述水母实时在线监测系统，本发明水母实时在线监测方法包括以下步骤：
步骤一：打开水下双目光学成像系统，采集双路水下水母视频数据；
步骤二：水下水母视频数据经过网线传送到图像处理与数据传输系统；
步骤三：图像处理与数据传输系统将双路水下水母视频数据分别分解帧获得图像，输入到深度神经网络检测模型，输出水母种类、数量及水母在图像中的位置信息。利用双目视觉原理检测水母尺寸大小，对比双路数据，输出水母种类、数量及尺寸大小信息；
步骤四：通过无线传输系统将水母检测信息传送到在线监测控制平台；
步骤五：在线监测控制平台以文字显示水母监测信息，并进行预报预警。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种水母实时在线监测系统，其特征在于，包括水下双目光学成像系统、图像处理与数据传输系统、在线监测控制平台；水下双目光学成像系统布置在海平面下方，采集双路水下水母视频数据；双路水下水母视频数据传送至图像处理与数据传输系统，图像处理与数据传输系统将双路水下水母视频数据分别分解帧获得图像，采用深度神经网络检测模型，获得水母种类、数量、尺寸大小及水母在图像中的位置信息；在线监测控制平台，接收及显示图像处理与数据传输系统获得的信息，并根据设定的监测阈值进行预报预警。
2.如权利要求1所述的水母实时在线监测系统，其特征在于，所述水下双目光学成像系统包括单目防水摄像机和LED补充光源，单目防水摄像机有两个，LED补充光源照射前方水母，单目防水摄像机采集水下水母视频数据，形成双路视频数据。
3.如权利要求2所述的水母实时在线监测系统，其特征在于，所述单目防水摄像机采用12V直流电源供电，具有IP68防水功能，外形呈圆柱形，两个单目防水摄像机中心线平行，相距30厘米放置。
4.如权利要求3所述的水母实时在线监测系统，其特征在于，所述LED补充光源包括8颗LED光源，位于单目防水摄像机镜头外围，呈圆形均匀分布。
5.如权利要求1所述的水母实时在线监测系统，其特征在于，所述水下双目光学成像系统安装于海平面1米以下。
6.如权利要求1所述的水母实时在线监测系统，其特征在于，所述图像处理与数据传输系统包括视频分解帧单元、水母种类、数量及尺寸大小检测单元、无线传输单元；视频分解帧单元将视频数据分解为图像，范围为12帧～25帧；水母种类、数量及尺寸大小检测单元采用深度神经网络检测水母种类与数量，同时利用双目视觉原理，检测水母尺寸大小。
7.如权利要求6所述的水母实时在线监测系统，其特征在于，所述深度神经网络采用目标检测框架YOLO，模型训练种类包括沙蛰、海蜇、海月水母、白色霞水母、沙水母、海鱼、漂浮的塑料袋、降落伞、雨伞、台灯，训练图像包括网络公开图像、该系统拍摄的视频分解的帧图像。
8.如权利要求1所述的水母实时在线监测系统，其特征在于，所述在线监测控制平台包括显示屏和预报预警单元，显示屏显示水母种类、数量及尺寸大小对应的信息，预报预警单元根据设定的监测阈值判断是否有水母暴发并进行预报预警。
9.如权利要求1-8中任一项所述的水母实时在线监测系统在水母监测技术领域中的应用。
10.基于权利要求1-8中任一项所述水母实时在线监测系统的水母实时在线监测方法，其特征在于，包括以下步骤：
步骤一：打开水下双目光学成像系统，采集双路水下水母视频数据；
步骤二：水下水母视频数据经过网线传送到图像处理与数据传输系统；
步骤三：图像处理与数据传输系统将双路水下水母视频数据分别分解帧获得图像，输入到深度神经网络检测模型，输出水母种类、数量及水母在图像中的位置信息；利用双目视觉原理检测水母尺寸大小，对比双路数据，输出水母种类、数量及尺寸大小信息；
步骤四：通过无线传输系统将水母检测信息传送到在线监测控制平台；
步骤五：在线监测控制平台以文字显示水母监测信息，并进行预报预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110273770.3A CN112949532A (zh) | 2021-03-15 | 2021-03-15 | 一种水母实时在线监测系统及监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110273770.3A CN112949532A (zh) | 2021-03-15 | 2021-03-15 | 一种水母实时在线监测系统及监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112949532A true CN112949532A (zh) | 2021-06-11 |
Family
ID=76229754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110273770.3A Pending CN112949532A (zh) | 2021-03-15 | 2021-03-15 | 一种水母实时在线监测系统及监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112949532A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114863260A (zh) * | 2022-04-11 | 2022-08-05 | 燕山大学 | 基于深度学习的Fast-YOLO实时水母检测方法 |
| CN115327550A (zh) * | 2022-08-22 | 2022-11-11 | 上海核工程研究设计院有限公司 | 一种水母目标强度测量装置及方法 |
| CN117113796A (zh) * | 2023-10-24 | 2023-11-24 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种考虑自主运动的大型水母中期漂移集合预报方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106680443A (zh) * | 2016-11-14 | 2017-05-17 | 山东省科学院海洋仪器仪表研究所 | 一种基于双目视觉技术的海洋水质毒性生物监测设备 |
| CN107883875A (zh) * | 2017-11-23 | 2018-04-06 | 哈尔滨工程大学 | 自主式海参捕捞装置视觉检测定位装置及视觉检测定位方法 |
| CN207423108U (zh) * | 2017-11-23 | 2018-05-29 | 哈尔滨工程大学 | 自主式海参捕捞装置视觉检测定位装置 |
| CN111127281A (zh) * | 2020-02-24 | 2020-05-08 | 中国科学院烟台海岸带研究所 | 一种大型灾害水母在线监测系统及监测方法 |
| US20200154081A1 (en) * | 2018-11-06 | 2020-05-14 | Borsys Corp. | Optical communication system and method capable of monitoring underwater information in real time |
| CN210983510U (zh) * | 2020-02-24 | 2020-07-10 | 中国科学院烟台海岸带研究所 | 一种大型灾害水母在线监测系统 |
-
2021
- 2021-03-15 CN CN202110273770.3A patent/CN112949532A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106680443A (zh) * | 2016-11-14 | 2017-05-17 | 山东省科学院海洋仪器仪表研究所 | 一种基于双目视觉技术的海洋水质毒性生物监测设备 |
| CN107883875A (zh) * | 2017-11-23 | 2018-04-06 | 哈尔滨工程大学 | 自主式海参捕捞装置视觉检测定位装置及视觉检测定位方法 |
| CN207423108U (zh) * | 2017-11-23 | 2018-05-29 | 哈尔滨工程大学 | 自主式海参捕捞装置视觉检测定位装置 |
| US20200154081A1 (en) * | 2018-11-06 | 2020-05-14 | Borsys Corp. | Optical communication system and method capable of monitoring underwater information in real time |
| CN111127281A (zh) * | 2020-02-24 | 2020-05-08 | 中国科学院烟台海岸带研究所 | 一种大型灾害水母在线监测系统及监测方法 |
| CN210983510U (zh) * | 2020-02-24 | 2020-07-10 | 中国科学院烟台海岸带研究所 | 一种大型灾害水母在线监测系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114863260A (zh) * | 2022-04-11 | 2022-08-05 | 燕山大学 | 基于深度学习的Fast-YOLO实时水母检测方法 |
| CN115327550A (zh) * | 2022-08-22 | 2022-11-11 | 上海核工程研究设计院有限公司 | 一种水母目标强度测量装置及方法 |
| CN115327550B (zh) * | 2022-08-22 | 2024-05-10 | 上海核工程研究设计院股份有限公司 | 一种水母目标强度测量装置及方法 |
| CN117113796A (zh) * | 2023-10-24 | 2023-11-24 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种考虑自主运动的大型水母中期漂移集合预报方法 |
| CN117113796B (zh) * | 2023-10-24 | 2024-02-27 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种考虑自主运动的大型水母中期漂移集合预报方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112949532A (zh) | 一种水母实时在线监测系统及监测方法 | |
| Wei et al. | Intelligent monitoring and control technologies of open sea cage culture: A review | |
| Aguzzi et al. | The new seafloor observatory (OBSEA) for remote and long-term coastal ecosystem monitoring | |
| US4888703A (en) | Apparatus for monitoring the toxicant contamination of water by using aquatic animals | |
| Li et al. | Development of a buoy-borne underwater imaging system for in situ mesoplankton monitoring of coastal waters | |
| CN111127281A (zh) | 一种大型灾害水母在线监测系统及监测方法 | |
| KR20160072432A (ko) | 해양환경 관측자료 제공시스템 | |
| CN107631960B (zh) | 海洋物质输移扩散系数ccd自动监测实验装置及其监测方法 | |
| Li et al. | Estimation of pig weight by machine vision: A review | |
| CN112735619A (zh) | 一种基于滨海核电厂海洋致灾物综合信息处理系统 | |
| CN205643324U (zh) | 一种赤潮自动预警系统 | |
| CN115372571A (zh) | 一种水环境智能监测系统 | |
| Ranjan et al. | MortCam: An Artificial Intelligence-aided fish mortality detection and alert system for recirculating aquaculture | |
| EP4226319A1 (en) | Generating three-dimensional skeleton representations of aquatic animals using machine learning | |
| KR101441742B1 (ko) | 지능형 수중 영상 시스템 | |
| Richardson et al. | Using relative eye size to estimate the length of fish from a single camera image | |
| KR101631260B1 (ko) | 어장관리 시스템 | |
| Jan et al. | An underwater camera system for real-time coral reef fish monitoring | |
| WO2023210897A1 (ko) | 어장의 수심층별 수산자원 관리용 측정장치 | |
| CN113588650B (zh) | 医用污水净化监测系统 | |
| CN116778310A (zh) | 一种水产养殖的声光图像融合监控方法及系统 | |
| KR102399078B1 (ko) | 인공어초 어장 및 해조장 바다숲 모니터링 장치 | |
| JP2023167971A (ja) | 魚類資源量の観測装置及び観測方法 | |
| Joslin et al. | Development of a stereo-optical camera system for monitoring tidal turbines | |
| Stemmann et al. | Assessing the spatial and temporal distributions of zooplankton and marine particles using the Underwater Vision Profiler |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |