CN113658124B - 一种盘点水下养殖资产的方法 - Google Patents
一种盘点水下养殖资产的方法 Download PDFInfo
- Publication number
- CN113658124B CN113658124B CN202110918855.2A CN202110918855A CN113658124B CN 113658124 B CN113658124 B CN 113658124B CN 202110918855 A CN202110918855 A CN 202110918855A CN 113658124 B CN113658124 B CN 113658124B
- Authority
- CN
- China
- Prior art keywords
- sonar
- culture
- image
- underwater
- gray
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 28
- 239000000523 sample Substances 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000002902 bimodal effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000009313 farming Methods 0.000 claims 10
- 238000003672 processing method Methods 0.000 abstract description 7
- 241000251468 Actinopterygii Species 0.000 description 34
- 238000009360 aquaculture Methods 0.000 description 10
- 244000144974 aquaculture Species 0.000 description 9
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 4
- 235000017491 Bambusa tulda Nutrition 0.000 description 4
- 241001330002 Bambuseae Species 0.000 description 4
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 4
- 239000011425 bamboo Substances 0.000 description 4
- 239000011664 nicotinic acid Substances 0.000 description 4
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 108010028690 Fish Proteins Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000269799 Perca fluviatilis Species 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
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
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
-
- 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
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Abstract
本发明公开了一种盘点水下养殖资产的方法，该方法包括：将声呐采集装置放置于养殖塘中，采集声呐视频影像；分别对声呐视频影像中每一帧图像进行灰度处理，得到灰度图像信息；分别对每一帧灰度图像进行二值化处理，得到二值化图像信息；根据二值化图像信息，统计每一帧二值化图像中养殖物的数量，选择养殖物数量最多的二值化图像作为特征图像；根据所述特征图像，估算养殖塘中的养殖物密度，得到估算的养殖物总数量。本发明采用水下声呐采集装置获取声呐视频影像，并采用特定的灰度处理和二值化处理方法以及养殖物数量估算方法，得到准确率非常高的养殖物总数量，从而实现水下养殖资产的盘点，为农民及供应商提供准确的数据依据。
Description
技术领域
本发明涉及水产养殖技术领域，尤其涉及一种盘点水下养殖资产的方法。
背景技术
水产养殖行业是农业中具有较强优势和发展潜力的产业，2019年中国水产养殖总产值达到12572.4亿元，占农业总产值的19％。随着生活水平和质量的提升，鱼蛋白消耗量逐年递增。由于自然灾害、养殖技术落后、鱼种基因退化、养殖周期长等原因，导致了农户在养殖过程中，无法得到水体和养殖水产的具体情况，养殖风险较大。
农业保险是专为农业生产者在从事种植业、林业、畜牧业和渔业生产过程中，对遭受自然灾害、意外事故疫病、疾病等保险事故所造成的经济损失提供保障的一种保险。其中，水产养殖保险是由保险机构为水产养殖者在养殖的过程中，对遭受自然灾害和意外事故所造成的经济损失提供经济保障的一种保险。水产保险目前覆盖规模小，在中国水产养殖集中的区域多以试点的形式进行。其主要原因在于，水产养殖行业的本身的风险较大且养殖户存在较高道德风险，保险业务员观察不到水下情况并且缺乏有效的保险过程监管工具。此外，虽然农业银行针对水产养殖户的贷款授信额度逐渐在增加，但是由于水下资产难以盘点，且养殖过程难以监管；目前，针对养殖的信贷额度仍然较小，难以覆盖全年的养殖成本。
因此，有必要探究一种盘点水下养殖资产的方法及装置，来实时监测水下的pH、温度、溶氧、氨氮等水质数据以及鱼群占比、整塘鱼的数量和重量等水下养殖资产数据，及时反馈给渔民，从而有效降低渔户损失，提高渔户抗风险能力，获取更多收入，为供应商提供数据依据。
发明内容
本发明提供了一种盘点水下养殖资产的方法，该方法可以有效估算养殖塘内水产的数量，准确盘点水下养殖资产，为农民及供应商提供准确的数据依据。
具体技术方案如下：
一种盘点水下养殖资产的方法，包括：
(1)将声呐采集装置放置于养殖塘中，采集获得养殖塘水下由若干帧扇形图像组成的声呐视频影像；
(2)分别对声呐视频影像中每一帧图像进行灰度处理，得到灰度图像信息；
(3)分别对每一帧灰度图像进行二值化处理，得到二值化图像信息；
(4)根据二值化图像信息，统计每一帧二值化图像中养殖物的数量，选择养殖物数量最多的二值化图像作为特征图像；
(5)根据所述特征图像，估算养殖塘中的养殖物密度，得到估算的养殖物总数量。
进一步地，所述声呐采集装置，包括电信号连接的水下采集装置和外部处理装置；所述水下采集装置包括壳体和设于壳体内部的声呐采集筒；所述声呐采集筒的两端密封，一端为采集端，另一端为连接端，连接端通过线路与外部处理装置连接；所述声呐采集筒的内部设有集成探头，集成探头位于所述采集端，并通过线路与连接端电信号连接；所述集成探头由若干个呈矩形阵列排布的声呐探头集合而成。
进一步地，所述壳体上还安装有用于监测水下水环境的监测探头、LED照明灯以及分别提供横向动力和纵向动力的若干动力推进器；所述声呐采集筒的采集端嵌有高清摄像头。
进一步地，所述连接端设有电接头，声呐采集筒的外壁上还设有与电接头连接的有缆数据传输线；所述声呐采集筒的内壁上还固定有分别与集成探头和连接端连接的数据预处理器；所述外部处理装置包括箱体以及集成于箱体内且相互电信号连接的微型电脑、电源和数据运算处理器。
进一步地，将声呐采集装置放置于养殖塘的采集点上，并以采集点为圆点，在水平方向上旋转声呐采集装置360度。
进一步地，所述养殖塘中养殖的是鲈鱼；所述采集点为池塘正中心；采集声呐视频影像时，控制声呐频率为300～400kHz，扫描半径为10m～45m，更新频率为30～50Hz，声呐采集装置的转速为15～20rpm(即1圈2～6秒)，每秒采集的帧数为20～30帧，采集时间为10～15min。针对不同的养殖生物，需要采用不同的声呐频率、扫描半径、更新频率等。
进一步地，所述灰度处理的方法为：
(a)统计图像上各像素点信息及其对应的RGB值，以各像素点为行，RGB值为列，形成矩阵；
(b)采用SVD分解法对所述矩阵进行主成分分析，得到用于灰度化处理的转化关系系数；再将转化关系系数乘以RGB值，计算得到各像素点的灰度值，进而获得所有帧的灰度图像。
进一步地，所述二值化处理的方法为：
(A)以灰度值为横坐标，像素点的频率密度为纵坐标，绘制直方图，得到具有双峰特性的直方图曲线；
(B)使用OTSU算法对各像素点的灰度值进行处理，得到用于进行二值化的固定阈值，将各像素点的灰度值与所述固定阈值进行比较；若灰度值高于固定阈值，则该像素点对应值取255；若灰度值低于固定阈值，则该像素点对应值取零，最终得到所有帧的二值化图像。
采用灰度处理和二值化处理方法对目标鱼群数据进行预处理，将数据信息量大的图片进行灰度处理，图像信息减少，减少冗杂的图片信息，加快后续处理速度，降低了计算量。
进一步地，步骤(4)中，对每一帧二值化图像中的亮点进行质心标记，再统计每一帧二值化图像中标记的质心数量，记为图像中养殖物的数量。采用基于质心进行统计鱼群数量的方法，不会因为鱼个体小回波弱而漏检，鱼群计数更加简单快速高效，精度更高。
进一步地，步骤(5)中，养殖物总数量的计算方法为：
(i)将特征图像中的声呐扇形图划分成若干个小扇形图，小扇形图的原点和夹角均与原声呐扇形图相同但半径rk不同，统计每个小扇形图中养殖物的数量nk，计算每个小扇形图的养殖物密度ρk；计算公式如下所示：
ρk＝(nk-nk-1)/(α×rk×Δr) (1)；
其中，ρk表示第k个小扇形图的养殖物密度；nk表示第k个小扇形图中养殖物的数量；nk-1表示第k-1个小扇形图中养殖物的数量；α表示小扇形图所对应的弧度；Δr表示半径增值；rk＝rk-1+Δr，rk表示第k个小扇形图的半径，rk-1表示第k-1个小扇形图的半径；k表示小扇形图的次序，k＝1,2,3……m，m为小扇形图的总数量，当k＝1时，r0＝0，n0＝0；
(ii)以小扇形图的半径rk为横坐标，小扇形图的养殖物密度ρk为纵坐标，建立坐标系，得到小扇形图半径与养殖物密度之间的关系曲线，选取曲线趋于平稳段的均值，作为整个养殖塘的养殖物密度ρ’；
(iii)根据养殖塘的养殖物密度ρ’，计算养殖物总数量N；
N＝ρ’×S (2)；
其中，N表示养殖物总数量，ρ’表示养殖物密度，S表示养殖塘的面积。
与现有技术相比，本发明具有以下有益效果：
本发明采用水下声呐采集装置获取声呐视频影像，并采用特定的灰度处理和二值化处理方法以及养殖物数量估算方法，得到准确率非常高的养殖物总数量，从而实现水下养殖资产的盘点，为农民及供应商提供准确的数据依据。
附图说明
图1为实施例1中盘点水下养殖资产的装置的外部结构示意图。
图2为实施例1中盘点水下养殖资产装置去掉上壳体后的俯视结构示意图。
图3为实施例1中盘点水下养殖资产装置下壳体的俯视结构示意图。
图4为实施例1中盘点水下养殖资产装置中带支撑杆的集成探头的结构示意图。
图5为实施例2中声呐采集装置所采集到的声呐视频影像中某一帧的灰度图像。
图6为实施例2中经二值化处理后获得的二值化图像。
图7为实施例2中小扇形图半径与养殖物密度之间的关系曲线图。
具体实施方式
下面结合具体实施例对本发明作进一步描述，以下列举的仅是本发明的具体实施例，但本发明的保护范围不仅限于此。
实施例1
本实施例提供一种盘点水下养殖资产的装置，该装置主要包括电信号连接的水下采集装置100和外部处理装置200。
其中，水下采集装置100主要由壳体101和设于壳体内部的声呐采集筒102构成。壳体101为仿生鱼体，壳体101的外壁上装有仿生尾翼103，可减小水下采集装置在水中运行时所受阻力。壳体101由上壳体104和下壳体105盖合而成，并通过螺栓进行固定，有利于内部声呐采集筒的调整和更换；下壳体105的内部设有供声呐采集筒102嵌入的凹槽106，以便声呐采集筒102的放置，为了防止声呐采集筒102移动，可通过螺栓将声呐采集筒102固定于下壳体105上。壳体101内还装有LED照明灯107，LED照明灯107设于声呐采集筒102两侧，为了便于LED照明灯107的安装，下壳体105内壁上设有供LED照明灯107嵌入的卡槽108。另外，壳体101上还装有分别提供横向动力和纵向动力的若干动力推进器118。如图2所示，壳体上共安装有5个动力推进器，其中两个安装于壳体前端，提供纵向动力；另外两个安装于壳体后端的仿生尾翼103两侧，用于提供横向动力；最后一个位于仿生尾翼103的后方，同样提供纵向动力。
声呐采集筒102的两端密封，一端为采集端109，另一端为连接端110，连接端110通过有缆数据传输线112与外部处理装置200连接；声呐采集筒102的采集端109嵌有高清摄像头111；连接端110设有电接头117，有缆数据传输线112通过电接头117与声呐采集筒102内部的部件连接。声呐采集筒102的内部设有集成探头113，集成探头113位于采集端109，并通过导线与连接端110的电接头117连接。集成探头113由若干个呈矩形阵列排布的声呐探头114集合而成，可直接通过螺栓(螺栓孔120)直接固定于与内壁上，也可通过支撑杆115固定于声呐采集筒102的内壁上，支撑杆115通过螺栓固定于声呐采集筒102的内壁上。声呐采集筒102的内壁上还通过螺栓固定有分别与集成探头113和连接端110的电接头117连接的数据预处理器116。
外部处理装置200主要由箱体201以及集成于箱体201内且相互电信号连接的微型电脑202、电源203和数据运算处理器204。箱体201为渔业物联网电缆箱外壳，数据运算处理器204位于箱体内侧中下方，电源203位于箱体内侧中上方的右侧，微型电脑202位于箱体内侧中上方左侧；微型电脑202、电源203和数据运算处理器204均通过螺栓连接固定于箱体内壁上。
最后，壳体101上还可安装有用于监测水下水环境的监测探头119，以便采集水体的温度和水质等数据。
实施例2
本实施例是对某区域的养殖塘进行试验，养殖塘中养殖的是加州鲈鱼，鱼塘体积为5377m3＝57.65m×65.23m×1.43m，即8.1亩，鲈鱼实际投放数量为21870条，采集点为池塘正中心，采集声呐视频影像时，控制声呐频率为325kHz，扫描半径为20m，更新频率为30Hz，声呐采集装置的转速为15rpm(即1圈4秒)，每秒采集的帧数为24帧，采集时间为2min。
本实施例利用实施例1提供的装置盘点水下养殖资产，具体步骤为：
(1)将实施例1提供的声呐采集装置放置于养殖塘的采集点上，以采集点为圆点，在水平方向上旋转声呐采集装置360度，采集获得养殖塘水下连续地由若干帧扇形图像组成的声呐视频影像；
(2)分别对声呐视频影像中每一帧图像进行灰度处理，得到所有帧的灰度图像信息；
灰度处理的方法为：
(a)统计图像上各像素点信息及其对应的RGB值，以各像素点为行，RGB值为列，形成矩阵；
(b)采用SVD分解法对所述矩阵进行主成分分析，得到用于灰度化处理的转化关系系数；再将转化关系系数乘以RGB值，计算得到各像素点的灰度值，进而获得所有帧的灰度图像信息。
(3)分别对每一帧灰度图像进行二值化处理，得到所有帧的二值化图像信息；
二值化处理的方法为：
(A)以灰度值为横坐标，像素点的频率密度为纵坐标，绘制直方图，得到具有双峰特性的直方图曲线；
(B)使用OTSU算法对各像素点的灰度值进行处理，得到用于进行二值化的固定阈值，将各像素点的灰度值与所述固定阈值进行比较；若灰度值高于固定阈值，则该像素点对应值取255；若灰度值低于固定阈值，则该像素点对应值取零，最终得到所有帧的二值化图像；
(4)根据二值化图像信息，统计每一帧二值化图像中鱼的数量，对每一帧二值化图像中的亮点进行质心标记，再统计每一帧二值化图像中标记的质心数量，记为图像中鱼的数量，选择鱼数量最多的二值化图像作为特征图像(如图5和图6所示)；(5)根据所述特征图像，估算鱼塘中的鱼密度，得到估算的鱼塘中鱼的总数量。
鱼的总数量的计算方法为：
(i)将特征图像中的声呐扇形图划分成若干个小扇形图，小扇形图的原点和夹角均与原声呐扇形图相同但半径rk不同，统计每个小扇形图中鱼的数量nk，计算每个小扇形图的鱼密度ρk；计算公式如下所示：
ρk＝(nk-nk-1)/(α×rk×Δr) (1)；
其中，ρk表示第k个小扇形图的鱼密度；nk表示第k个小扇形图中鱼的数量；nk-1表示第k-1个小扇形图中鱼的数量；α表示小扇形图所对应的弧度；Δr表示半径增值；rk＝rk-1+Δr，rk表示第k个小扇形图的半径，rk-1表示第k-1个小扇形图的半径；k表示小扇形图的次序，k＝1,2,3……m，m为小扇形图的总数量，当k＝1时，r0＝0，n0＝0；
(ii)以小扇形图的半径rk为横坐标，小扇形图的鱼密度ρk为纵坐标，建立坐标系，得到小扇形图半径与鱼密度之间的关系曲线，选取曲线趋于平稳段的均值，作为整个鱼塘的鱼密度ρ’；
(iii)根据鱼塘的鱼密度ρ’，计算鱼的总数量N；
N＝ρ’×S (2)；
其中，N表示鱼总数量，ρ’表示鱼密度，S表示鱼塘的面积。
结果：预设Δr＝1m，α＝π/3，因扫描半径为20m，故m＝20，构建的坐标系如图7所示，平稳段为rk＝12～20m之间的曲线，计算得到整个鱼塘的鱼密度ρ’＝5.99条/m2，，最后估算的鱼塘总鱼数量N为22526条，准确率为97％。
Claims (9)
1.一种盘点水下养殖资产的方法，其特征在于，包括以下步骤：
(1)将声呐采集装置放置于养殖塘中，采集获得养殖塘水下由若干帧扇形图像组成的声呐视频影像；
(2)分别对声呐视频影像中每一帧图像进行灰度处理，得到灰度图像信息；
(3)分别对每一帧灰度图像进行二值化处理，得到二值化图像信息；
(4)根据二值化图像信息，统计每一帧二值化图像中养殖物的数量，选择养殖物数量最多的二值化图像作为特征图像；
(5)根据所述特征图像，估算养殖塘中的养殖物密度，得到估算的养殖物总数量；
步骤(5)中，养殖物总数量的计算方法为：
(i)将特征图像中的声呐扇形图划分成若干个小扇形图，小扇形图的原点和夹角均与原声呐扇形图相同但半径rk不同，统计每个小扇形图中养殖物的数量nk，计算每个小扇形图的养殖物密度ρk；计算公式如下所示：
ρk ＝ (nk- nk-1)/ (α×rk×Δr) (1)；
其中，ρk表示第k个小扇形图的养殖物密度；nk表示第k个小扇形图中养殖物的数量；nk-1表示第k-1个小扇形图中养殖物的数量；α表示小扇形图夹角所对应的弧度；Δr表示半径增值；rk＝rk-1+Δr，rk表示第k个小扇形图的半径，rk-1表示第k-1个小扇形图的半径；k表示小扇形图的次序，k＝1,2,3……m，m为小扇形图的总数量，当k＝1时，r0＝0，n0＝0；
(ii)以小扇形图的半径rk为横坐标，小扇形图的养殖物密度ρk为纵坐标，建立坐标系，得到小扇形图半径与养殖物密度之间的关系曲线，选取曲线趋于平稳段的均值，作为整个养殖塘的养殖物密度ρ’；
(iii)根据养殖塘的养殖物密度ρ’，计算养殖物总数量N；
N＝ρ’×S (2)；
其中，N表示养殖物总数量，ρ’表示养殖物密度，S表示养殖塘的面积。
2.如权利要求1所述的盘点水下养殖资产的方法，其特征在于，所述声呐采集装置，包括电信号连接的水下采集装置和外部处理装置；所述水下采集装置包括壳体和设于壳体内部的声呐采集筒；所述声呐采集筒的两端密封，一端为采集端，另一端为连接端，连接端通过线路与外部处理装置连接；所述声呐采集筒的内部设有集成探头，集成探头位于所述采集端，并通过线路与连接端电信号连接；所述集成探头由若干个呈矩形阵列排布的声呐探头集合而成。
3.如权利要求2所述的盘点水下养殖资产的方法，其特征在于，所述壳体上还安装有用于监测水下水环境的监测探头、LED照明灯以及分别提供横向动力和纵向动力的若干动力推进器；所述声呐采集筒的采集端嵌有高清摄像头。
4.如权利要求2所述的盘点水下养殖资产的方法，其特征在于，所述连接端设有电接头，声呐采集筒的外壁上还设有与电接头连接的有缆数据传输线；所述声呐采集筒的内壁上还固定有分别与集成探头和连接端连接的数据预处理器；所述外部处理装置包括箱体以及集成于箱体内且相互电信号连接的微型电脑、电源和数据运算处理器。
5.如权利要求2所述的盘点水下养殖资产的方法，其特征在于，将声呐采集装置放置于养殖塘的采集点上，并以采集点为圆点，在水平方向上旋转声呐采集装置360度。
6.如权利要求5所述的盘点水下养殖资产的方法，其特征在于，所述养殖塘中养殖的是鲈鱼；所述采集点为池塘正中心；采集声呐视频影像时，控制声呐频率为300～400kHz，扫描半径为10m～45m，更新频率为30～50Hz，声呐采集装置的转速为10～15rpm，每秒采集的帧数为20～30帧，采集时间为2-5min。
7.如权利要求1所述的盘点水下养殖资产的方法，其特征在于，所述灰度处理的方法为：
(a)统计图像上各像素点信息及其对应的RGB值，以各像素点为行，RGB值为列，形成矩阵；
(b)采用SVD分解法对所述矩阵进行主成分分析，得到用于灰度化处理的转化关系系数；再将转化关系系数乘以RGB值，计算得到各像素点的灰度值，进而获得所有帧的灰度图像。
8.如权利要求1所述的盘点水下养殖资产的方法，其特征在于，所述二值化处理的方法为：
(A)以灰度值为横坐标，像素点的频率密度为纵坐标，绘制直方图，得到具有双峰特性的直方图曲线；
(B)使用OTSU算法对各像素点的灰度值进行处理，得到用于进行二值化的固定阈值，将各像素点的灰度值与所述固定阈值进行比较；若灰度值高于固定阈值，则该像素点对应值取255；若灰度值低于固定阈值，则该像素点对应值取零，最终得到所有帧的二值化图像。
9.如权利要求1所述的盘点水下养殖资产的方法，其特征在于，步骤(4)中，对每一帧二值化图像中的亮点进行质心标记，再统计每一帧二值化图像中标记的质心数量，记为图像中养殖物的数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110918855.2A CN113658124B (zh) | 2021-08-11 | 2021-08-11 | 一种盘点水下养殖资产的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110918855.2A CN113658124B (zh) | 2021-08-11 | 2021-08-11 | 一种盘点水下养殖资产的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113658124A CN113658124A (zh) | 2021-11-16 |
| CN113658124B true CN113658124B (zh) | 2024-04-09 |
Family
ID=78479476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110918855.2A Active CN113658124B (zh) | 2021-08-11 | 2021-08-11 | 一种盘点水下养殖资产的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113658124B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114451340B (zh) * | 2021-12-31 | 2023-08-01 | 青岛森科特智能仪器有限公司 | 一种养殖网箱生物统计系统及统计方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105123636A (zh) * | 2015-07-25 | 2015-12-09 | 孟宪胜 | 基于激光成像检测的鱼体识别系统 |
| CN106707287A (zh) * | 2016-12-23 | 2017-05-24 | 浙江大学 | 基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法 |
| CN106772401A (zh) * | 2016-12-23 | 2017-05-31 | 浙江大学 | 基于概率假设密度粒子滤波算法的鱼群数量估计方法 |
| CN107730526A (zh) * | 2017-09-25 | 2018-02-23 | 中国科学院声学研究所 | 一种鱼群数量的统计方法 |
| KR20180053091A (ko) * | 2016-11-11 | 2018-05-21 | 인천대학교 산학협력단 | 소나 영상을 이용한 수중 물체 식별 방법 및 그 장치 |
| KR20180057785A (ko) * | 2016-11-22 | 2018-05-31 | 주식회사 글로비트 | 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법 |
| 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 |
| CN110046619A (zh) * | 2019-04-18 | 2019-07-23 | 马杰 | 无人探鱼艇全自动鱼群检测方法及系统、无人探鱼艇与存储介质 |
| CN111802343A (zh) * | 2020-07-21 | 2020-10-23 | 河南瀚光科技有限公司 | 一种可视诱鱼探鱼一体装置 |
-
2021
- 2021-08-11 CN CN202110918855.2A patent/CN113658124B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105123636A (zh) * | 2015-07-25 | 2015-12-09 | 孟宪胜 | 基于激光成像检测的鱼体识别系统 |
| KR20180053091A (ko) * | 2016-11-11 | 2018-05-21 | 인천대학교 산학협력단 | 소나 영상을 이용한 수중 물체 식별 방법 및 그 장치 |
| KR20180057785A (ko) * | 2016-11-22 | 2018-05-31 | 주식회사 글로비트 | 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법 |
| CN106707287A (zh) * | 2016-12-23 | 2017-05-24 | 浙江大学 | 基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法 |
| CN106772401A (zh) * | 2016-12-23 | 2017-05-31 | 浙江大学 | 基于概率假设密度粒子滤波算法的鱼群数量估计方法 |
| CN107730526A (zh) * | 2017-09-25 | 2018-02-23 | 中国科学院声学研究所 | 一种鱼群数量的统计方法 |
| 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 |
| CN110046619A (zh) * | 2019-04-18 | 2019-07-23 | 马杰 | 无人探鱼艇全自动鱼群检测方法及系统、无人探鱼艇与存储介质 |
| CN111802343A (zh) * | 2020-07-21 | 2020-10-23 | 河南瀚光科技有限公司 | 一种可视诱鱼探鱼一体装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113658124A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Nonintrusive methods for biomass estimation in aquaculture with emphasis on fish: a review | |
| CN109717120A (zh) | 一种基于物联网的鱼类养殖监测投料系统及方法 | |
| CN110547210B (zh) | 饲料供给方法及系统、计算机系统、存储介质 | |
| US11282199B2 (en) | Methods and systems for identifying internal conditions in juvenile fish through non-invasive means | |
| CN109472883A (zh) | 巡塘方法和装置 | |
| CN106645605A (zh) | 基于机器视觉的禽类受精蛋检测方法 | |
| CN113658124B (zh) | 一种盘点水下养殖资产的方法 | |
| CN112526097A (zh) | 一种基于大数据分析的养殖水体环境智能监测管理系统 | |
| CN115067243A (zh) | 一种基于物联网技术的渔业监测分析方法、系统及存储介质 | |
| Korohou et al. | Wheat grain yield estimation based on image morphological properties and wheat biomass | |
| CN107830891B (zh) | 基于水产养殖水质ph值多参量数据采集装置的数据处理方法 | |
| Sun et al. | Utilization of machine vision to monitor the dynamic responses of rice leaf morphology and colour to nitrogen, phosphorus, and potassium deficiencies | |
| CN111696114A (zh) | 一种基于水下成像分析南美白对虾饥饿程度识别方法与装置 | |
| CN116863323B (zh) | 一种用于渔业养殖水源污染的视觉检测方法和系统 | |
| CN114020074B (zh) | 一种养殖塘智能无人养殖系统及方法 | |
| CN115914560A (zh) | 一种母猪智能精准饲喂方法、装置、电子设备和存储介质 | |
| Chen et al. | MCC-Net: A class attention-enhanced multi-scale model for internal structure segmentation of rice seedling stem | |
| CN115512215A (zh) | 水下生物监测方法、装置及存储介质 | |
| CN116295022A (zh) | 一种基于深度学习多参数融合的猪只体尺测量方法 | |
| CN114419432A (zh) | 一种鱼群摄食强度评估方法及装置 | |
| Zhigang et al. | Prototype system of automatic identification cotton insect pests and intelligent decision based on machine vision | |
| CN216083098U (zh) | 一种盘点水下养殖资产的装置 | |
| CN218767831U (zh) | 一种养殖池环境监测和鱼类检测装置 | |
| US20230157263A1 (en) | Sorting animals based on non-invasive determination of animal characteristics | |
| CN116681876B (zh) | 一种用于诊断动物肠胃健康的粪便状态评分装置 |
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 |