CN113869149A - 大数据应用节点服务系统 - Google Patents

大数据应用节点服务系统 Download PDF

Info

Publication number
CN113869149A
CN113869149A CN202111066791.4A CN202111066791A CN113869149A CN 113869149 A CN113869149 A CN 113869149A CN 202111066791 A CN202111066791 A CN 202111066791A CN 113869149 A CN113869149 A CN 113869149A
Authority
CN
China
Prior art keywords
big data
underwater camera
fishhook
application node
data application
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.)
Withdrawn
Application number
CN202111066791.4A
Other languages
English (en)
Inventor
陈洪国
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.)
Taizhou Diejin Software Co ltd
Original Assignee
Taizhou Diejin Software Co ltd
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 Taizhou Diejin Software Co ltd filed Critical Taizhou Diejin Software Co ltd
Priority to CN202111066791.4A priority Critical patent/CN113869149A/zh
Publication of CN113869149A publication Critical patent/CN113869149A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)

Abstract

本发明涉及一种大数据应用节点服务平台，包括：大数据应用节点，设置在远端，用于存储每一种鱼体类型对应的预设拉拽时长；随动控制机构，与水下摄像器件连接，用于控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内；时长判断机构，与所述大数据应用节点连接，用于确定与当前识别类型对应的预设拉拽时长。本发明的大数据应用节点服务平台逻辑可靠、应用广泛。由于能够采用随动控制机制保持水下摄像器件距离鱼竿鱼钩在设定范围内以保持采集数据的可靠性，尤为重要的是，采用大数据处理机制用于实现对距离鱼钩最近鱼体类型的鉴别和耐力检测，从而提升鱼竿钓鱼操作的智能化水平。

Description

大数据应用节点服务系统
技术领域
本发明涉及大数据应用领域，更具体地，涉及一种大数据应用节点服务平台。
背景技术
大数据应用，是指大数据价值创造的关键在于大数据的应用，随着大数据技术飞速发展，大数据应用已经融入各行各业。
大数据价值创造的关键在于大数据的应用，大数据产业正快速发展成为新一代信息技术和服务业态，即对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，并从中发现新知识、创造新价值、提升新能力。世界各国大数据应用技术的发展将涉及机器学习、多学科融合、大规模应用开源技术等领域。
目前，大数据具有数据量大、数据关联性强等特性和优点，被普遍用于各种细化领域。例如，在执行鱼竿钓鱼操作时，鱼竿使用人员需要了解水下具体环境，尤其是即将上钩的鱼体的耐力以及将其钓上需要的预设拉拽时长，从而为自己的体力储备和后续钓鱼操作提供参考依据。
发明内容
为了解决相关领域的技术问题，本发明提供了一种大数据应用节点服务平台，能够采用随动控制机制保持水下摄像器件距离鱼竿鱼钩在设定范围内以保持采集数据的可靠性，尤为重要的是，采用大数据处理机制用于实现对距离鱼钩最近鱼体类型的鉴别和耐力检测，从而为钓鱼人员提供更多的辅助数据。
相比较于现有技术，本发明至少需要具有以下两处突出的实质性特点：
(1)建立基于预览画面中鱼钩成像参数的随动控制机制，以保持水下摄像器件距离鱼竿鱼钩一直保持在设定范围内；
(2)引用大数据应用节点，用于以数据库模式存储每一种鱼体类型对应的预设拉拽时长，并引用定制的识别机制对最靠近鱼竿鱼钩的鱼体类型进行辨识，并基于辨识结果提供对应鱼体需要经过拉拽钓上岸边所需要的时间长度。
根据本发明的一方面，提供了一种大数据应用节点服务平台，所述平台包括：
大数据应用节点，设置在远端，用于存储每一种鱼体类型对应的预设拉拽时长；
随动控制机构，与水下摄像器件连接，用于控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内；
水下摄像器件，设置在鱼竿垂钓点的水面下方，用于对鱼竿的鱼钩附近环境执行水下摄像操作，以获得对应的水下摄像画面；
定制去噪器件，设置在靠近鱼竿垂钓点的岸边，与所述水下摄像器件通过无线通信网络建立双向数据连接，以获得所述水下摄像画面并对所述水下摄像画面执行脉冲噪声去除处理，以获得定制去噪画面；
滤镜处理器件，与所述定制去噪器件连接，用于对接收到的定制去噪画面执行利用USM滤镜的画面内容锐化操作，以获得对应的滤镜处理画面；
实时均衡器件，与所述滤镜处理器件连接，用于对接收到的滤镜处理画面执行直方图均衡操作，以获得对应的实时均衡画面；
鱼形鉴别机构，与所述实时均衡器件连接，用于根据各类鱼体轮廓识别所述实时均衡画面中的一个以上鱼形图像区域；
类型识别机构，与所述鱼形鉴别机构连接，用于将所述实时均衡画面中距离鱼钩对象最近的鱼形图像区域作为代表图像区域，并将所述代表图像区域对应的鱼体轮廓相关的鱼体类型作为当前识别类型输出；
时长判断机构，分别与所述大数据应用节点以及所述类型识别机构连接，用于确定与所述当前识别类型对应的预设拉拽时长。
根据本发明的另一方面，还提供了一种大数据应用节点服务方法，所述方法包括使用一种如上述的大数据应用节点服务平台，用于采用大数据应用节点服务模式以基于水下最接近鱼竿鱼钩的鱼体类型查询对应的拉拽时长从而为垂钓人员提供参考数据。
本发明的大数据应用节点服务平台逻辑可靠、应用广泛。由于能够采用随动控制机制保持水下摄像器件距离鱼竿鱼钩在设定范围内以保持采集数据的可靠性，尤为重要的是，采用大数据处理机制用于实现对距离鱼钩最近鱼体类型的鉴别和耐力检测，从而提升鱼竿钓鱼操作的智能化水平。
附图简要说明
本领域技术人员通过参考附图可更好理解本发明的众多优点，其中：
图1是依照本发明的大数据应用节点服务平台的水下摄像器件的结构示意图。
具体实施方式
下面将参照附图对本发明的大数据应用节点服务平台的实施方案进行详细说明。
水下摄影，影视特技摄影(像)方法之一，即在水中摄影(像)。摄影(像)者携带有防护罩的摄影(像)机和潜水装备，潜入水中直接拍摄。水下摄影(像)可真实地反映水下景象，如水生动植物的生活、海底和河床的地质资料、考古发现等。水下摄影(像)在科研、军事技术、体育、教学等方面应用较广。
摄影人员和摄影机潜入水中拍摄水中景物的方法。摄影人员身穿潜水衣，脚戴鸭蹼，操纵水下摄影机拍摄，也可以将摄影人员和普通摄影机放在潜水设备中通过密封窗拍摄。较深的水下，须要水下照明灯光。也可以把水下摄影机潜入水中，摄影师在水面上面，遥控摄影机拍摄。
目前，大数据具有数据量大、数据关联性强等特性和优点，被普遍用于各种细化领域。例如，在执行鱼竿钓鱼操作时，鱼竿使用人员需要了解水下具体环境，尤其是即将上钩的鱼体的耐力以及将其钓上需要的预设拉拽时长，从而为自己的体力储备和后续钓鱼操作提供参考依据。
为了克服上述不足，本发明搭建了一种大数据应用节点服务平台，能够有效解决相应的技术问题。
根据本发明实施方案示出的大数据应用节点服务平台包括：
大数据应用节点，设置在远端，用于存储每一种鱼体类型对应的预设拉拽时长；
随动控制机构，与水下摄像器件连接，用于控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内；
水下摄像器件，如图1所示，设置在鱼竿垂钓点的水面下方，用于对鱼竿的鱼钩附近环境执行水下摄像操作，以获得对应的水下摄像画面；
定制去噪器件，设置在靠近鱼竿垂钓点的岸边，与所述水下摄像器件通过无线通信网络建立双向数据连接，以获得所述水下摄像画面并对所述水下摄像画面执行脉冲噪声去除处理，以获得定制去噪画面；
滤镜处理器件，与所述定制去噪器件连接，用于对接收到的定制去噪画面执行利用USM滤镜的画面内容锐化操作，以获得对应的滤镜处理画面；
实时均衡器件，与所述滤镜处理器件连接，用于对接收到的滤镜处理画面执行直方图均衡操作，以获得对应的实时均衡画面；
鱼形鉴别机构，与所述实时均衡器件连接，用于根据各类鱼体轮廓识别所述实时均衡画面中的一个以上鱼形图像区域；
类型识别机构，与所述鱼形鉴别机构连接，用于将所述实时均衡画面中距离鱼钩对象最近的鱼形图像区域作为代表图像区域，并将所述代表图像区域对应的鱼体轮廓相关的鱼体类型作为当前识别类型输出；
时长判断机构，分别与所述大数据应用节点以及所述类型识别机构连接，用于确定与所述当前识别类型对应的预设拉拽时长。
接着，继续对本发明的大数据应用节点服务平台的具体结构进行进一步的说明。
所述大数据应用节点服务平台中还可以包括：
实时显示机构，设置在所述鱼竿的杆体上，与所述时长判断机构连接，用于接收并实时显示与所述当前识别类型对应的预设拉拽时长。
所述大数据应用节点服务平台中：
存储每一种鱼体类型对应的预设拉拽时长包括：采用类型数据库的模式存储每一种鱼体类型对应的预设拉拽时长。
所述大数据应用节点服务平台中：
采用类型数据库的模式存储每一种鱼体类型对应的预设拉拽时长包括：不同的鱼体类型，对应的预设拉拽时长不同。
所述大数据应用节点服务平台中：
采用类型数据库的模式存储每一种鱼体类型对应的预设拉拽时长包括：鱼体类型对应的鱼体耐力越久，对应的预设拉拽时长越长。
所述大数据应用节点服务平台中：
采用类型数据库的模式存储每一种鱼体类型对应的预设拉拽时长包括：所述类型数据库以鱼体类型为索引，存储每一种鱼体类型对应的预设拉拽时长。
所述大数据应用节点服务平台中：
与所述水下摄像器件通过无线通信网络建立双向数据连接包括：采用蓝牙通信模式与所述水下摄像器件通过无线通信网络建立双向数据连接。
所述大数据应用节点服务平台中：
控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内包括：获取所述水下摄像器件的预览画面中的各个鱼钩对象分别对应的各个成像景深。
所述大数据应用节点服务平台中：
控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内包括：将所述水下摄像器件的预览画面中的各个鱼钩对象分别对应的各个成像景深中的最浅数值的成像景深对应的鱼钩对象作为随动跟踪对象；
其中，控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内包括：驱动所述水下摄像器件移动以使得所述随动跟踪对象的成像景深小于等于设定景深阈值。
同时，为了克服上述不足，本发明还搭建了一种大数据应用节点服务方法，所述方法包括使用一种如上述的大数据应用节点服务平台，用于采用大数据应用节点服务模式以基于水下最接近鱼竿鱼钩的鱼体类型查询对应的拉拽时长从而为垂钓人员提供参考数据。
另外，在所述大数据应用节点服务平台中，所述类型数据库以鱼体类型为索引，存储每一种鱼体类型对应的预设拉拽时长包括：根据不同鱼体类型不同耐力大小的特性，按照耐力从小到大对鱼体类型进行排序和索引获取，耐力越小，鱼体类型对应的索引的数值越小，从而在所述类型数据库中获取每一种鱼体类型对应的预设拉拽时长。
另外，本发明也可以适用于由多个设备(例如主机、接口设备、读出器、打印机等)构成的系统，也可以适用于由1个设备构成的装置。本发明不限于上述实施例，在本发明的范围内可以做各种变更和修改。因此，为了明确本发明的范围，申请了相应的权利请求。

Claims (10)

1.一种大数据应用节点服务平台，其特征在于，所述平台包括：
大数据应用节点，设置在远端，用于存储每一种鱼体类型对应的预设拉拽时长；
随动控制机构，与水下摄像器件连接，用于控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内；
水下摄像器件，设置在鱼竿垂钓点的水面下方，用于对鱼竿的鱼钩附近环境执行水下摄像操作，以获得对应的水下摄像画面；
定制去噪器件，设置在靠近鱼竿垂钓点的岸边，与所述水下摄像器件通过无线通信网络建立双向数据连接，以获得所述水下摄像画面并对所述水下摄像画面执行脉冲噪声去除处理，以获得定制去噪画面；
滤镜处理器件，与所述定制去噪器件连接，用于对接收到的定制去噪画面执行利用USM滤镜的画面内容锐化操作，以获得对应的滤镜处理画面；
实时均衡器件，与所述滤镜处理器件连接，用于对接收到的滤镜处理画面执行直方图均衡操作，以获得对应的实时均衡画面；
鱼形鉴别机构，与所述实时均衡器件连接，用于根据各类鱼体轮廓识别所述实时均衡画面中的一个以上鱼形图像区域；
类型识别机构，与所述鱼形鉴别机构连接，用于将所述实时均衡画面中距离鱼钩对象最近的鱼形图像区域作为代表图像区域，并将所述代表图像区域对应的鱼体轮廓相关的鱼体类型作为当前识别类型输出；
时长判断机构，分别与所述大数据应用节点以及所述类型识别机构连接，用于确定与所述当前识别类型对应的预设拉拽时长。
2.如权利要求1所述的大数据应用节点服务平台，其特征在于，所述平台还包括：
实时显示机构，设置在所述鱼竿的杆体上，与所述时长判断机构连接，用于接收并实时显示与所述当前识别类型对应的预设拉拽时长。
3.如权利要求1所述的大数据应用节点服务平台，其特征在于：
存储每一种鱼体类型对应的预设拉拽时长包括：采用类型数据库的模式存储每一种鱼体类型对应的预设拉拽时长。
4.如权利要求3所述的大数据应用节点服务平台，其特征在于：
采用类型数据库的模式存储每一种鱼体类型对应的预设拉拽时长包括：不同的鱼体类型，对应的预设拉拽时长不同。
5.如权利要求4所述的大数据应用节点服务平台，其特征在于：
采用类型数据库的模式存储每一种鱼体类型对应的预设拉拽时长包括：鱼体类型对应的鱼体耐力越久，对应的预设拉拽时长越长。
6.如权利要求5所述的大数据应用节点服务平台，其特征在于：
采用类型数据库的模式存储每一种鱼体类型对应的预设拉拽时长包括：所述类型数据库以鱼体类型为索引，存储每一种鱼体类型对应的预设拉拽时长。
7.如权利要求1所述的大数据应用节点服务平台，其特征在于：
与所述水下摄像器件通过无线通信网络建立双向数据连接包括：采用蓝牙通信模式与所述水下摄像器件通过无线通信网络建立双向数据连接。
8.如权利要求1所述的大数据应用节点服务平台，其特征在于：
控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内包括：获取所述水下摄像器件的预览画面中的各个鱼钩对象分别对应的各个成像景深。
9.如权利要求8所述的大数据应用节点服务平台，其特征在于：
控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内包括：将所述水下摄像器件的预览画面中的各个鱼钩对象分别对应的各个成像景深中的最浅数值的成像景深对应的鱼钩对象作为随动跟踪对象；
其中，控制所述水下摄像器件跟随鱼竿的鱼钩进行随动以使得所述水下摄像器件距离所述鱼钩在预设间距内包括：驱动所述水下摄像器件移动以使得所述随动跟踪对象的成像景深小于等于设定景深阈值。
10.一种大数据应用节点服务方法，所述方法包括提供一种如权利要求1-9任一所述的大数据应用节点服务平台，用于采用大数据应用节点服务模式以基于水下最接近鱼竿鱼钩的鱼体类型查询对应的拉拽时长从而为垂钓人员提供参考数据。
CN202111066791.4A 2021-09-13 2021-09-13 大数据应用节点服务系统 Withdrawn CN113869149A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111066791.4A CN113869149A (zh) 2021-09-13 2021-09-13 大数据应用节点服务系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111066791.4A CN113869149A (zh) 2021-09-13 2021-09-13 大数据应用节点服务系统

Publications (1)

Publication Number Publication Date
CN113869149A true CN113869149A (zh) 2021-12-31

Family

ID=78995468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111066791.4A Withdrawn CN113869149A (zh) 2021-09-13 2021-09-13 大数据应用节点服务系统

Country Status (1)

Country Link
CN (1) CN113869149A (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095875A (zh) * 2015-08-04 2015-11-25 李舒曼 一种基于图像滤波的船下鱼体检测方法
CN105289002A (zh) * 2015-11-06 2016-02-03 上海曼恒智能科技有限公司 钓鱼游戏装置
US20170086443A1 (en) * 2015-09-26 2017-03-30 April Rogers Smart Fishing Rod Device
CA3009487A1 (en) * 2015-12-21 2017-06-29 Angler Labs Inc. An on-line multiplayer gaming system for real world angling events
WO2019082921A1 (ja) * 2017-10-25 2019-05-02 株式会社スマートルアー フィッシング支援システム
CN110637807A (zh) * 2019-10-08 2020-01-03 惠州市渔业研究推广中心(广东省(惠州)区域性水产试验中心、广东省区域性水产技术推广(惠州)中心) 一种水生生物展示标本制作方法
CN111290327A (zh) * 2020-02-02 2020-06-16 湖北省农业科学院农产品加工与核农技术研究所 一种鱼类姿态判定装置及方法
CN211153428U (zh) * 2019-12-19 2020-08-04 黄海锋 一种水下可视选鱼锚钩装置
CN111713544A (zh) * 2020-07-21 2020-09-29 武汉轻工大学 一种基于机器视觉的淡水鱼鱼体在线去头尾及分拣系统
CN111824371A (zh) * 2020-07-23 2020-10-27 张月云 应用种类分析的安全距离识别平台及方法
CN211856144U (zh) * 2020-03-23 2020-11-03 西安高压电器研究院有限责任公司 一种绝缘拉杆的机械性能检测装置
CN112070799A (zh) * 2020-05-29 2020-12-11 清华大学 基于人工神经网络的鱼类轨迹跟踪方法和系统
CN112365410A (zh) * 2020-10-19 2021-02-12 泰州无印广告传媒有限公司 利用大数据处理的动力产生平台
CN213192467U (zh) * 2020-06-24 2021-05-14 闫石磊 一种vr功能的实景交互式体感垂钓游戏设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095875A (zh) * 2015-08-04 2015-11-25 李舒曼 一种基于图像滤波的船下鱼体检测方法
US20170086443A1 (en) * 2015-09-26 2017-03-30 April Rogers Smart Fishing Rod Device
CN105289002A (zh) * 2015-11-06 2016-02-03 上海曼恒智能科技有限公司 钓鱼游戏装置
CA3009487A1 (en) * 2015-12-21 2017-06-29 Angler Labs Inc. An on-line multiplayer gaming system for real world angling events
WO2019082921A1 (ja) * 2017-10-25 2019-05-02 株式会社スマートルアー フィッシング支援システム
CN110637807A (zh) * 2019-10-08 2020-01-03 惠州市渔业研究推广中心(广东省(惠州)区域性水产试验中心、广东省区域性水产技术推广(惠州)中心) 一种水生生物展示标本制作方法
CN211153428U (zh) * 2019-12-19 2020-08-04 黄海锋 一种水下可视选鱼锚钩装置
CN111290327A (zh) * 2020-02-02 2020-06-16 湖北省农业科学院农产品加工与核农技术研究所 一种鱼类姿态判定装置及方法
CN211856144U (zh) * 2020-03-23 2020-11-03 西安高压电器研究院有限责任公司 一种绝缘拉杆的机械性能检测装置
CN112070799A (zh) * 2020-05-29 2020-12-11 清华大学 基于人工神经网络的鱼类轨迹跟踪方法和系统
CN213192467U (zh) * 2020-06-24 2021-05-14 闫石磊 一种vr功能的实景交互式体感垂钓游戏设备
CN111713544A (zh) * 2020-07-21 2020-09-29 武汉轻工大学 一种基于机器视觉的淡水鱼鱼体在线去头尾及分拣系统
CN111824371A (zh) * 2020-07-23 2020-10-27 张月云 应用种类分析的安全距离识别平台及方法
CN112365410A (zh) * 2020-10-19 2021-02-12 泰州无印广告传媒有限公司 利用大数据处理的动力产生平台

Similar Documents

Publication Publication Date Title
Li et al. Automatic counting methods in aquaculture: A review
KR102234697B1 (ko) 수중드론을 이용하는 어망감시장치, 및 그 장치의 제어방법
KR20230005874A (ko) 물고기 부피 추정, 중량 추정, 및 분석 값 생성을 위한 시스템 및 방법
JP7126858B2 (ja) 魚種推定システム、魚種推定方法、及びプログラム
Livanos et al. Intelligent navigation and control of a prototype autonomous underwater vehicle for automated inspection of aquaculture net pen cages
WO2020023467A1 (en) Unique identification of freely swimming fish in an aquaculture environment
CN109460754A (zh) 一种水面异物检测方法、装置、设备及存储介质
Coro et al. An intelligent and cost-effective remote underwater video device for fish size monitoring
CN115100512A (zh) 一种海洋经济物种的监测识别捕捞方法、系统及存储介质
KR101988963B1 (ko) 딥러닝을 이용한 해양 탐사 시스템
CN113591592B (zh) 水上目标识别方法、装置、终端设备及存储介质
CN111263111B (zh) 一种基于监控视频的延绳钓捕捞信息提取系统
US20240029347A1 (en) Generating three-dimensional skeleton representations of aquatic animals using machine learning
Lebart et al. Automatic indexing of underwater survey video: algorithm and benchmarking method
CN115797844A (zh) 一种基于神经网络的鱼体鱼病检测方法及系统
Shen et al. Identification and counting of fish targets using adaptive resolution imaging sonar
US11816181B2 (en) Blur classification and blur map estimation
Tarekegn et al. Underwater Object Detection using Image Enhancement and Deep Learning Models
Ge et al. Real-time object detection algorithm for Underwater Robots
CN113869149A (zh) 大数据应用节点服务系统
CN116664545A (zh) 一种基于深度学习的近海底栖生物定量检测方法及系统
CN114037737A (zh) 一种基于神经网络的近岸海底鱼类检测及跟踪统计方法
CN109632590B (zh) 一种深海发光浮游生物检测方法
Park et al. Marine vertebrate predator detection and recognition in underwater videos by region convolutional neural network
Afonso et al. Underwater object recognition: A domain-adaption methodology of machine learning classifiers

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20211231

WW01 Invention patent application withdrawn after publication