CN113063913A - 一种水质毒性生物监测仪及监测方法 - Google Patents
一种水质毒性生物监测仪及监测方法 Download PDFInfo
- Publication number
- CN113063913A CN113063913A CN202110334492.8A CN202110334492A CN113063913A CN 113063913 A CN113063913 A CN 113063913A CN 202110334492 A CN202110334492 A CN 202110334492A CN 113063913 A CN113063913 A CN 113063913A
- Authority
- CN
- China
- Prior art keywords
- tail
- head
- coordinate
- individual
- view image
- 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/186—Water using one or more living organisms, e.g. a fish
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明属于水质监测技术领域，提供了一种水质毒性生物监测仪及监测方法，其中，监测仪包括：采集单元、预处理单元、坐标提取单元、行动轨迹确定单元和头部和尾部摆动次数确定单元；监测方法包括：采集单位时间内受试鱼类的图像；对采集的不同角度受试鱼类的图像进行预处理；提取预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标；根据预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标确定不同个体行动轨迹；确定预处理后的不同角度受试鱼类的图像中不同个体的头部和尾部位置坐标变化。本发明的一种水质毒性生物监测仪及监测方法，准确性高，便于实时掌握鱼类整体或鱼类个体的活性。
Description
技术领域
本发明涉及水质监测技术领域，具体涉及一种水质毒性生物监测仪及监测方法。
背景技术
水质生物毒性检测仪通过将鱼、蚤或其它水生生物作为检测生物，并通过观察鱼、蚤或其它水生生物的活动状态来检测水中污染物的毒性。
传统的水质生物毒性检测仪在检测鱼类的活性时，通过检测鱼个体的中心位置变化来检测鱼的活性，但是，这种检测方法忽略了鱼类停留在水中时较短时间内不会发生位置的情况，因此，在检测鱼的活性时会产生移动的误差。
发明内容
针对现有技术中的缺陷，本发明提供的一种水质毒性生物监测仪及监测方法，准确性高，便于实时掌握鱼类整体或鱼类个体的活性。
为了解决上述技术问题，本发明提出以下技术方案：
一种水质毒性生物监测仪，包括：
采集单元，其用于采集单位时间内受试鱼类的图像；
预处理单元，其用于对采集的不同角度受试鱼类的图像进行预处理；
坐标提取单元，其用于对预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标进行提取；
行动轨迹确定单元，其用于根据预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标确定不同个体行动轨迹；
头部和尾部摆动次数确定单元，其用于根据预处理后的不同角度受试鱼类的图像中不同个体的头部位置坐标变化和尾部位置坐标变化分别确定头部的摆动次数和尾部的摆动次数。
进一步地，所述不同角度受试鱼类的图像包括受试鱼类的正视图像和受试鱼类的侧视图像。
进一步地，所述坐标提取单元包括：
正视图像坐标提取单元，其用于提取预处理后的受试鱼类的正视图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标；
侧视图像坐标提取单元，其用于预处理后的受试鱼类的侧视图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标；
正视图像坐标和侧视图像坐标关联单元，其用于将每一个个体的正视图像的中心位置坐标、头部位置坐标和尾部位置坐标与侧视图像中相应的中心位置坐标、头部位置坐标和尾部位置坐标关联，得到每一个个体的中心位置坐标、头部位置坐标和尾部位置坐标。
进一步地，所述正视图像坐标和侧视图像坐标关联单元包括：
正视图像中个体特征提取单元，其用于提取预处理后的受试鱼类的正视图像中不同个体的个体特征；
侧视图像中个体特征提取单元，其用于提取预处理后的受试鱼类的侧视图像中不同个体的个体特征；
个体特征比对单元，其用于将预处理后的受试鱼类的正视图像中不同个体的个体特征与预处理后的受试鱼类的侧视图像中不同个体的个体特征进行比对；
个体坐标关联单元，其用于在比对成功的情况下，将不同个体的正视图像的中心位置坐标、头部位置坐标和尾部位置坐标与侧视图像相应的中心位置坐标、头部位置坐标和尾部位置坐标相关联。
进一步地，还包括统计单元，其用于统计单位时间Tj内不同个体i的头部变化次数s头i和尾部变化次数s尾i之和，得到鱼群在单位时间内的活性
j表示不同的单位时间。
本发明还提供一种水质毒性生物监测方法，包括以下步骤：
采集单位时间内受试鱼类的图像；
对采集的不同角度受试鱼类的图像进行预处理；
提取预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标；
根据预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标确定不同个体行动轨迹；
根据预处理后的不同角度受试鱼类的图像中不同个体的头部位置坐标变化和尾部位置坐标变化分别确定头部的摆动次数和尾部的摆动次数。
进一步地，所述不同角度受试鱼类的图像包括受试鱼类的正视图像和受试鱼类的侧视图像。
进一步地，所述提取预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标包括以下步骤：
提取预处理后的受试鱼类的正视图像中不同个体的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)，其中，x中i为个体中心位置的X轴坐标，y中i为个体中心位置的Y轴坐标，x头i为个体头部的X轴坐标，y头i为个体头部的Y轴坐标，x尾i为个体尾部的X轴坐标，y尾i为个体尾部的Y轴坐标，i为不同个体；
提取预处理后的受试鱼类的侧视图像中不同个体的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)，其中，h中i为个体中心位置的深度坐标，h头i为个体头部的深度坐标，h尾i为个体尾部的深度坐标；
将每一个个体的正视图像的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)与侧视图像中相应的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)相关联，得到每一个个体的中心位置坐标(x中i，y中i，h中i)、头部位置坐标(x头i，y头i，h头i)和尾部位置坐标(x尾i，y尾i，h尾i)。
进一步地，所述将每一个个体的正视图像的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)与侧视图像中相应的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)相关联包括以下步骤：
提取预处理后的受试鱼类的正视图像中不同个体的个体特征；
提取预处理后的受试鱼类的侧视图像中不同个体的个体特征；
将预处理后的受试鱼类的正视图像中不同个体的个体特征与预处理后的受试鱼类的侧视图像中不同个体的个体特征进行比对；
如果比对成功，将不同个体的正视图像的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)与侧视图像中相应的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)相关联。
进一步地，还包括，统计单位时间Tj内不同个体i的头部变化次数s头i和尾部变化次数s尾i之和，得到鱼群在单位时间内的活性
j表示不同的单位时间。
由上述技术方案可知，本发明的有益效果：在采集的不同角度受试鱼类图像中提取不同个体的中心位置坐标、头部位置坐标和尾部位置坐标，一方面通过不同角度受试鱼类的图像中不同个体的中心位置坐标确定不同个体行动轨迹，一方面通过不同角度受试鱼类图像中提取不同个体的头部位置坐标和尾部位置坐标统计鱼类整体或鱼类个体的活动情况，准确性高，便于实时掌握鱼类整体或鱼类个体的活性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明中的功能模块图；
图2为本发明中方法的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
请参阅图1，本实施例提供的一种水质毒性生物监测仪，包括采集单元、预处理单元、坐标提取单元、行动轨迹确定单元和头部和尾部摆动次数确定单元。
采集单元用于采集单位时间内受试鱼类的图像，采集单元可包括两个，一个位于受试鱼类养殖箱的正上方，采集的图像为正视图像，一个位于受试鱼类养殖箱的侧面，采集的图像为侧视图像。
预处理单元用于对采集的不同角度受试鱼类的图像进行预处理，预处理的过程包括将受试鱼类的灰度图像与背景模型做差提取前景目标图像；通过自适应动态阈值法将目标前景图像转化为二值化图像；将二值化图像进行形态学处理。
坐标提取单元用于对预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标进行提取，将形态学处理后的二值化图像进行轮廓检测，以提取不同个体的中心位置坐标、头部位置坐标和尾部位置坐标。
行动轨迹确定单元根据预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标确定不同个体行动轨迹，便于实时观察鱼群的分布情况。
头部和尾部摆动次数确定单元，其用于根据预处理后的不同角度受试鱼类的图像中不同个体的头部位置坐标变化和尾部位置坐标变化分别确定头部的摆动次数和尾部的摆动次数，当在一段时间内个体的中心位置坐标没有发生变化时，头部和尾部摆动次数确定单元即可根据个体头部和尾部的位置变化次数来确定鱼群和个体的运动情况，准确性高，便于实时掌握鱼类整体或鱼类个体的活性。
在本实施例中，所述不同角度受试鱼类的图像包括受试鱼类的正视图像和受试鱼类的侧视图像，正视图像便于从上方观察鱼的分布情况，将正视图像的坐标系确定为X-Y轴坐标系，测试图像便于从侧面观察鱼群个体的深度，将侧视图像的坐标系确定为X-H轴或Y-H轴坐标系。
在本实施例中，所述坐标提取单元包括正视图像坐标提取单元、侧视图像坐标提取单元和正视图像坐标和侧视图像坐标关联单元。
正视图像坐标提取单元用于提取预处理后的受试鱼类的正视图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标。
侧视图像坐标提取单元用于预处理后的受试鱼类的侧视图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标。
正视图像坐标和侧视图像坐标关联单元用于将每一个个体的正视图像的中心位置坐标、头部位置坐标和尾部位置坐标与侧视图像中相应的中心位置坐标、头部位置坐标和尾部位置坐标关联，得到每一个个体的中心位置坐标、头部位置坐标和尾部位置坐标，通过正视图像坐标和侧视图像坐标的结合，能够直观地观察到个体所处的位置和深度。
在本实施例中，所述正视图像坐标和侧视图像坐标关联单元包括正视图像中个体特征提取单元、侧视图像中个体特征提取单元、个体特征比对单元和个体坐标关联单元。
正视图像中个体特征提取单元用于通过深度神经网络算法提取预处理后的受试鱼类的正视图像中不同个体的个体特征，不同个体的个体特征包括个体的长度、个体的宽度、个体的尾鳍轮廓、个体的背鳍轮廓、个体的臀鳍轮廓、个体的腹鳍轮廓和个体的胸鳍轮廓。
侧视图像中个体特征提取单元用于通过深度神经网络算法提取预处理后的受试鱼类的侧视图像中不同个体的个体特征。
个体特征比对单元用于将预处理后的受试鱼类的正视图像中不同个体的个体特征与预处理后的受试鱼类的侧视图像中不同个体的个体特征进行比对，在个体发生位置移动时，能够根据个体的特征进行比对和跟踪，实现准确和快速的个体特征匹配。
个体坐标关联单元用于在比对成功的情况下，将不同个体的正视图像的中心位置坐标、头部位置坐标和尾部位置坐标与侧视图像相应的中心位置坐标、头部位置坐标和尾部位置坐标相关联，在快速进行个体特征匹配的基础上，实现坐标位置的快速匹配。
在本实施例中，还包括统计单元，统计单元用于统计单位时间Tj内不同个体i的头部变化次数s头i和尾部变化次数s尾i之和，得到鱼群在单位时间内的活性
j表示不同的单位时间，不仅方便实时掌握单位时间内鱼类整体或鱼类个体的活性，而且方便对比不同单位时间内鱼类整体或鱼类个体的活性变化，预测鱼群的存活时间。
参阅图2所示，一种水质毒性生物监测方法，包括以下步骤：
采集单位时间内受试鱼类的图像，采集单元可包括两个，一个位于受试鱼类养殖箱的正上方，采集的图像为正视图像，一个位于受试鱼类养殖箱的侧面，采集的图像为侧视图像。
对采集的不同角度受试鱼类的图像进行预处理，预处理的过程包括将受试鱼类的灰度图像与背景模型做差提取前景目标图像；通过自适应动态阈值法将目标前景图像转化为二值化图像；将二值化图像进行形态学处理。
提取预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标，将形态学处理后的二值化图像进行轮廓检测，以提取不同个体的中心位置坐标、头部位置坐标和尾部位置坐标。
根据预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标确定不同个体行动轨迹，便于实时观察鱼群的分布情况。
根据预处理后的不同角度受试鱼类的图像中不同个体的头部位置坐标变化和尾部位置坐标变化分别确定头部的摆动次数和尾部的摆动次数，当在一段时间内个体的中心位置坐标没有发生变化时，头部和尾部摆动次数确定单元即可根据个体头部和尾部的位置变化次数来确定鱼群和个体的运动情况，准确性高，便于实时掌握鱼类整体或鱼类个体的活性。
在本实施例中，所述不同角度受试鱼类的图像包括受试鱼类的正视图像和受试鱼类的侧视图像，正视图像便于从上方观察鱼的分布情况，将正视图像的坐标系确定为X-Y轴坐标系，测试图像便于从侧面观察鱼群个体的深度，将侧视图像的坐标系确定为X-H轴或Y-H轴坐标系。
在本实施例中，所述提取预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标包括以下步骤：
提取预处理后的受试鱼类的正视图像中不同个体的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)，其中，x中i为个体中心位置的X轴坐标，y中i为个体中心位置的Y轴坐标，x头i为个体头部的X轴坐标，y头i为个体头部的Y轴坐标，x尾i为个体尾部的X轴坐标，y尾i为个体尾部的Y轴坐标，i为不同个体；
提取预处理后的受试鱼类的侧视图像中不同个体的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)，其中，h中i为个体中心位置的深度坐标，h头i为个体头部的深度坐标，h尾i为个体尾部的深度坐标；
将每一个个体的正视图像的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)与侧视图像中相应的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)相关联，得到每一个个体的中心位置坐标(x中i，y中i，h中i)、头部位置坐标(x头i，y头i，h头i)和尾部位置坐标(x尾i，y尾i，h尾i)，通过正视图像坐标和侧视图像坐标的结合，能够直观地观察到个体所处的位置和深度。
在本实施例中，所述将每一个个体的正视图像的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)与侧视图像中相应的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)相关联包括以下步骤：
通过深度神经网络算法提取预处理后的受试鱼类的正视图像中不同个体的个体特征，不同个体的个体特征包括个体的长度、个体的宽度、个体的尾鳍轮廓、个体的背鳍轮廓、个体的臀鳍轮廓、个体的腹鳍轮廓和个体的胸鳍轮廓。
通过深度神经网络算法提取预处理后的受试鱼类的侧视图像中不同个体的个体特征。
将预处理后的受试鱼类的正视图像中不同个体的个体特征与预处理后的受试鱼类的侧视图像中不同个体的个体特征进行比对，在个体发生位置移动时，能够根据个体的特征进行比对和跟踪，实现准确和快速的个体特征匹配。
如果比对成功，将不同个体的正视图像的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)与侧视图像中相应的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)相关联，在快速进行个体特征匹配的基础上，实现坐标位置的快速匹配。
在本实施例中，还包括，统计单位时间Tj内不同个体i的头部变化次数s头i和尾部变化次数s尾i之和，得到鱼群在单位时间内的活性
j表示不同的单位时间，不仅方便实时掌握单位时间内鱼类整体或鱼类个体的活性，而且方便对比不同单位时间内鱼类整体或鱼类个体的活性变化，预测鱼群的存活时间。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种水质毒性生物监测仪，其特征在于，包括：
采集单元，其用于采集单位时间内受试鱼类的图像；
预处理单元，其用于对采集的不同角度受试鱼类的图像进行预处理；
坐标提取单元，其用于对预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标进行提取；
行动轨迹确定单元，其用于根据预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标确定不同个体行动轨迹；
头部和尾部摆动次数确定单元，其用于根据预处理后的不同角度受试鱼类的图像中不同个体的头部位置坐标变化和尾部位置坐标变化分别确定头部的摆动次数和尾部的摆动次数。
2.根据权利要求1所述的一种水质毒性生物监测仪，其特征在于，所述不同角度受试鱼类的图像包括受试鱼类的正视图像和受试鱼类的侧视图像。
3.根据权利要求2所述的一种水质毒性生物监测仪，其特征在于，所述坐标提取单元包括：
正视图像坐标提取单元，其用于提取预处理后的受试鱼类的正视图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标；
侧视图像坐标提取单元，其用于预处理后的受试鱼类的侧视图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标；
正视图像坐标和侧视图像坐标关联单元，其用于将每一个个体的正视图像的中心位置坐标、头部位置坐标和尾部位置坐标与侧视图像中相应的中心位置坐标、头部位置坐标和尾部位置坐标关联，得到每一个个体的中心位置坐标、头部位置坐标和尾部位置坐标。
4.根据权利要求3所述的一种水质毒性生物监测仪，其特征在于，所述正视图像坐标和侧视图像坐标关联单元包括：
正视图像中个体特征提取单元，其用于提取预处理后的受试鱼类的正视图像中不同个体的个体特征；
侧视图像中个体特征提取单元，其用于提取预处理后的受试鱼类的侧视图像中不同个体的个体特征；
个体特征比对单元，其用于将预处理后的受试鱼类的正视图像中不同个体的个体特征与预处理后的受试鱼类的侧视图像中不同个体的个体特征进行比对；
个体坐标关联单元，其用于在比对成功的情况下，将不同个体的正视图像的中心位置坐标、头部位置坐标和尾部位置坐标与侧视图像相应的中心位置坐标、头部位置坐标和尾部位置坐标相关联。
5.根据权利要求3所述的一种水质毒性生物监测仪，其特征在于，还包括统计单元，其用于统计单位时间Tj内不同个体i的头部变化次数s头i和尾部变化次数s尾i之和，得到鱼群在单位时间内的活性
j表示不同的单位时间。
6.一种水质毒性生物监测方法，其特征在于，包括以下步骤：
采集单位时间内受试鱼类的图像；
对采集的不同角度受试鱼类的图像进行预处理；
提取预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标；
根据预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标确定不同个体行动轨迹；
根据预处理后的不同角度受试鱼类的图像中不同个体的头部位置坐标变化和尾部位置坐标变化分别确定头部的摆动次数和尾部的摆动次数。
7.根据权利要求6所述的一种水质毒性生物监测方法，其特征在于，所述不同角度受试鱼类的图像包括受试鱼类的正视图像和受试鱼类的侧视图像。
8.根据权利要求7所述的一种水质毒性生物监测方法，其特征在于，所述提取预处理后的不同角度受试鱼类的图像中不同个体的中心位置坐标、头部位置坐标和尾部位置坐标包括以下步骤：
提取预处理后的受试鱼类的正视图像中不同个体的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)，其中，x中i为个体中心位置的X轴坐标，y中i为个体中心位置的Y轴坐标，x头i为个体头部的X轴坐标，y头i为个体头部的Y轴坐标，x尾i为个体尾部的X轴坐标，y尾i为个体尾部的Y轴坐标，i为不同个体；
提取预处理后的受试鱼类的侧视图像中不同个体的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)，其中，h中i为个体中心位置的深度坐标，h头i为个体头部的深度坐标，h尾i为个体尾部的深度坐标；
将每一个个体的正视图像的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)与侧视图像中相应的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)相关联，得到每一个个体的中心位置坐标(x中i，y中i，h中i)、头部位置坐标(x头i，y头i，h头i)和尾部位置坐标(x尾i，y尾i，h尾i)。
9.根据权利要求8所述的一种水质毒性生物监测方法，其特征在于，所述将每一个个体的正视图像的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)与侧视图像中相应的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)相关联包括以下步骤：
提取预处理后的受试鱼类的正视图像中不同个体的个体特征；
提取预处理后的受试鱼类的侧视图像中不同个体的个体特征；
将预处理后的受试鱼类的正视图像中不同个体的个体特征与预处理后的受试鱼类的侧视图像中不同个体的个体特征进行比对；
如果比对成功，将不同个体的正视图像的中心位置坐标(x中i，y中i)、头部位置坐标(x头i，y头i)和尾部位置坐标(x尾i，y尾i)与侧视图像中相应的中心位置坐标(y中i，h中i)或(x中i，h中i)、头部位置坐标(y头i，h头i)或(x头i，h头i)和尾部位置坐标(y尾i，h尾i)或(x尾i，h尾i)相关联。
10.根据权利要求8所述的一种水质毒性生物监测方法，其特征在于，还包括，统计单位时间Tj内不同个体i的头部变化次数s头i和尾部变化次数s尾i之和，得到鱼群在单位时间内的活性
j表示不同的单位时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110334492.8A CN113063913B (zh) | 2021-03-29 | 2021-03-29 | 一种水质毒性生物监测仪及监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110334492.8A CN113063913B (zh) | 2021-03-29 | 2021-03-29 | 一种水质毒性生物监测仪及监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113063913A true CN113063913A (zh) | 2021-07-02 |
| CN113063913B CN113063913B (zh) | 2023-06-23 |
Family
ID=76564778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110334492.8A Active CN113063913B (zh) | 2021-03-29 | 2021-03-29 | 一种水质毒性生物监测仪及监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113063913B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005337976A (ja) * | 2004-05-28 | 2005-12-08 | Doris Japan Co Ltd | 水質監視システム |
| JP2007085828A (ja) * | 2005-09-21 | 2007-04-05 | Japan Organo Co Ltd | 水質監視方法および装置 |
| CN102866237A (zh) * | 2012-09-06 | 2013-01-09 | 华南理工大学 | 一种基于视频识别的水质安全在线生物预警监测系统 |
| CN106338590A (zh) * | 2016-09-22 | 2017-01-18 | 首都师范大学 | 一种基于计算机视觉监测鱼类生命体征的水质监测方法 |
| CN106526112A (zh) * | 2016-10-25 | 2017-03-22 | 浙江工业大学 | 一种基于鱼类活性分析的水质毒性检测方法 |
| CN110031597A (zh) * | 2019-04-19 | 2019-07-19 | 燕山大学 | 一种生物式水质监测方法 |
| CN110702869A (zh) * | 2019-11-01 | 2020-01-17 | 无锡中科水质环境技术有限公司 | 基于视频图像解析的鱼类应激回避行为水质监测方法 |
-
2021
- 2021-03-29 CN CN202110334492.8A patent/CN113063913B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005337976A (ja) * | 2004-05-28 | 2005-12-08 | Doris Japan Co Ltd | 水質監視システム |
| JP2007085828A (ja) * | 2005-09-21 | 2007-04-05 | Japan Organo Co Ltd | 水質監視方法および装置 |
| CN102866237A (zh) * | 2012-09-06 | 2013-01-09 | 华南理工大学 | 一种基于视频识别的水质安全在线生物预警监测系统 |
| CN106338590A (zh) * | 2016-09-22 | 2017-01-18 | 首都师范大学 | 一种基于计算机视觉监测鱼类生命体征的水质监测方法 |
| CN106526112A (zh) * | 2016-10-25 | 2017-03-22 | 浙江工业大学 | 一种基于鱼类活性分析的水质毒性检测方法 |
| CN110031597A (zh) * | 2019-04-19 | 2019-07-19 | 燕山大学 | 一种生物式水质监测方法 |
| CN110702869A (zh) * | 2019-11-01 | 2020-01-17 | 无锡中科水质环境技术有限公司 | 基于视频图像解析的鱼类应激回避行为水质监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113063913B (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107437068B (zh) | 基于Gabor方向直方图和猪体毛发模式的猪个体识别方法 | |
| CN108717523A (zh) | 基于机器视觉的母猪发情行为检测方法 | |
| CN112598713A (zh) | 一种基于深度学习的近岸海底鱼类检测、跟踪统计方法 | |
| Zhang et al. | Real-time monitoring of optimum timing for harvesting fresh tea leaves based on machine vision | |
| CN109886170B (zh) | 一种钉螺智能检测识别与统计系统 | |
| CN107610122B (zh) | 一种基于Micro-CT的单籽粒谷物内部虫害检测方法 | |
| CN113484867B (zh) | 一种基于成像声呐封闭空间下鱼群密度探测方法 | |
| CN112528823B (zh) | 一种基于关键帧检测和语义部件分割的条斑鲨运动行为分析方法及系统 | |
| CN108765448B (zh) | 一种基于改进tv-l1模型的虾苗计数分析方法 | |
| CN108280833B (zh) | 一种植物根系分叉特征的骨架提取方法 | |
| CN115294044A (zh) | 一种食用菌菌丝表型获取方法 | |
| CN103177244B (zh) | 水下显微图像中快速检测目标生物的方法 | |
| CN113063913B (zh) | 一种水质毒性生物监测仪及监测方法 | |
| CN113723314A (zh) | 一种基于YOLOv3算法的甘蔗茎节识别方法 | |
| CN110415246B (zh) | 一种腹部脂肪成分的分析方法 | |
| CN108376238B (zh) | 一种多目标无标记的水生生物识别追踪方法及系统 | |
| CN116311096A (zh) | 基于YOLOv7-MO的毛虾捕捞目标识别与计数系统及其操作方法 | |
| CN109389543A (zh) | 公交运营数据统计方法、系统、计算设备及存储介质 | |
| CN114463258A (zh) | 一种基于深度学习技术的机车车辆闸片磨耗检测方法 | |
| CN116416182A (zh) | 一种数字化病理取材板建立方法 | |
| Han et al. | An efficient approach for fish bone detection based on image preprocessing and particle swarm clustering | |
| CN113052177B (zh) | 大蒜的疤识别方法、装置及分选设备 | |
| CN114119662A (zh) | 鱼类检测视觉系统中的图像处理方法及其系统 | |
| Chitra et al. | Detection of aml in blood microscopic images using local binary pattern and supervised classifier | |
| Beugeling et al. | Computer vision-based identification of individual turtles using characteristic patterns of their plastrons |
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 |