CN114020074B - 一种养殖塘智能无人养殖系统及方法 - Google Patents

Abstract

本发明公开了一种养殖塘智能无人养殖系统及方法，该系统包括采集器，水质监测传感器，物联网控制设备，客户端以及增氧装置和投料装置。采集器放置于养殖塘水下；水质监测传感器安装于养殖塘的水下内壁上；物联网控制设备包括相连接的数据处理器和设备控制器；客户端与物联网控制设备中的数据处理器和设备控制器交互连接。本发明利用采集器获取的养殖物数量以及水质监测传感器获取的水质数据信息，来控制增氧装置和投料装置的开闭以及投放量，实现智能无人养殖，减少渔民的人力劳动，达到信息化养殖的目的。

Description

一种养殖塘智能无人养殖系统及方法

技术领域

本发明涉及水产养殖技术领域，尤其涉及一种养殖塘智能无人养殖系统及方法。

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品的具体情况，养殖风险较大。

目前，我国的水产养殖业还是以粗放型的传统养殖模式为主，其特点是自动化程度不高，主要靠人工进行水质监测及实行投料操作，并且养殖塘内的水产品生长情况无法预料。传统的养殖模式给管理带来了极大的困难，也对饲料的投放和仪器设备的使用造成了极大的浪费，这与发达国家相比，投入与产出比有很大的差距，使得我国的水产品养殖的利润在国际竞争中失去优势。

采用智慧农业手段进行精细养殖，代替传统的粗放型养殖尤其是无人养殖模式，将是未来水产养殖业的重要发展方向。因此，有必要提供一种养殖塘智能无人养殖系统及方法，实现养殖塘的智能化养殖，解放劳动力，降低资源的浪费率，提高养殖业的自动化程度，从而进一步提高市场竞争力。

发明内容

本发明提供了一种养殖塘智能无人养殖系统及方法，该系统可实现智能无人养殖，减少人力劳动，达到智能化养殖的目的。

具体技术方案如下：

一种养殖塘智能无人养殖系统，包括：采集器、水质监测传感器、物联网控制设备、客户端以及增氧装置和投料装置；

采集器，放置于养殖塘水下，与物联网控制设备连接，用于采集养殖塘内的养殖物数量信息；

水质监测传感器，安装于养殖塘的水下内壁上，与物联网控制设备连接，用于采集养殖塘内水体的水质数据信息；

物联网控制设备，包括相连接的数据处理器和设备控制器；

数据处理器，获取采集器和水质监测传感器输出的数据信息，并向设备控制器发送指令；

设备控制器，分别与增氧装置和投料装置连接，接收数据处理器发送的指令，根据指令分别控制增氧装置和投料装置的开闭和排放量；

客户端，与数据处理器、设备控制器以及增氧装置和投料装置交互连接。

本发明利用采集器获取的养殖物数量以及水质监测传感器获取的水质数据信息，来控制增氧装置和投料装置的开闭以及投放量，实现智能无人养殖，减少渔民的人力劳动。

进一步地，所述采集器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，连接端通过线路与数据处理器连接；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，所述声呐采集筒的采集端嵌有高清摄像头；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。

进一步地，所述壳体为仿生鱼体；壳体外壁上装有仿生尾翼；所述壳体由上壳体和下壳体盖合而成；下壳体的内部设有供声呐采集筒嵌入的凹槽。

进一步地，所述壳体内还装有LED照明灯；位于声呐采集筒两侧的下壳体内壁上设有供LED照明灯嵌入的卡槽；所述壳体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。

进一步地，所述水质监测传感器包括溶氧监测传感器、氨氮监测传感器、pH值监测传感器、水温监测传感器以及水深检测传感器。

进一步地，所述数据处理器为树莓派；所述设备控制器为PLC控制器。

进一步地，所述客户端包括：显示端、输入端和控制端；

显示端，获取数据处理器处理后的数据信息，在显示端显示养殖物数量、水质数据信息，并进行水质超标预警；

输入端，用于输入饲料投喂量和养殖物的基本信息；

控制端，分别与控制增氧装置和投料装置连接，用于控制增氧装置和投料装置的开闭和排放量。

进一步地，本发明还提供了一种养殖塘智能无人养殖方法，利用所述的养殖塘智能无人养殖系统进行养殖，具体包括以下步骤：

(一)利用水质监测传感器采集养殖塘内水体实时的水质数据；所述水质数据包括溶氧、氨氮、pH值、水温和水体深度；

(二)根据养殖塘水体深度，将养殖塘水体分为三个水层，利用采集器依次采集三个水层内的声呐视频影像；

(三)将实时的水质数据和三个水层内的声呐视频影像传输至数据处理器；根据声呐视频影像估算每个水层的养殖物数量以及养殖塘内的总养殖物数量，根据水质数据、每个水层的养殖物数量以及养殖塘内的总养殖物数量，向设备控制器发送不同的控制指令；

(四)设备控制器在接收指令后，根据指令分别控制增氧装置和投料装置的开闭和排放量；

(五)利用客户端显示水质数据、每个水层的养殖物数量以及养殖塘内的总养殖物数量，并且通过客户端手动辅助控制增氧装置和投料装置的开闭和排放量。

进一步地，步骤(二)中，养殖塘水体分层的方式为：以水面至水体1/3深度处作为上水层，水体1/3深度处至2/3深度处作为中水层，水体2/3深度处至水底作为下水层。

进一步地，步骤(三)中，根据声呐视频影像估算每个水层的养殖物数量以及养殖塘内的总养殖物数量的方法为：

(1)将采集器依次移动至养殖塘的三个水层内，分别采集三个水层的由若干帧扇形图像组成的声呐视频影像；

(2)分别处理三个水层的声呐视频影像，计算获得每个水层的养殖物数量，再将三个水层的养殖物数量进行加和，获得养殖塘内的总养殖物数量；

声呐视频影像的处理方法为：

(2-1)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；

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；

(2-2)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；

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；

(2-3)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；

(2-4)根据所述特征图像，估算每个水层的养殖物密度，得到估算的每个水层的养殖物数量。

所述养殖物数量的计算方法为：

(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r_k不同，统计每个小扇形图中养殖物的数量n_k，计算每个小扇形图的养殖物密度ρ_k；计算公式如下所示：

ρ_k＝(n_k-n_k-1)/(α×r_k×Δr) (1)；

其中，ρ_k表示第k个小扇形图的养殖物密度；n_k表示第k个小扇形图中养殖物的数量；n_k-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；r_k＝r_k-1+Δr，r_k表示第k个小扇形图的半径，r_k-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r_k为横坐标，小扇形图的养殖物密度ρ_k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’，计算养殖物数量N；

N＝ρ’×S (2)；

其中，N表示养殖物数量，ρ’表示养殖物密度，S表示养殖塘的面积。

进一步地，步骤(三)和(四)中，控制指令的判断依据为：

S1:当上水层养殖物数量与中水层养殖物数量的总数占整个养殖塘总养殖物数量的比例＞70％，数据处理器发送开启增氧装置的控制指令；

并且，在增氧过程中，采集器不断地上下移动来监测各水层的养殖物数量，当上水层养殖物数量与中水层养殖物数量的总数占整个养殖塘总养殖物数量的比例≤

70％，数据处理器则发送关闭增氧装置的控制指令；

S2:当养殖塘内水质监测传感器监测到水体中溶氧值低于5mg/L时，数据处理器发送开启增氧装置的控制指令；

S3:当上水层养殖物数量与中水层养殖物数量的总和占养殖塘总养殖物数量的比例＞70％，且上水层养殖物数量与中水层养殖物数量的比值＞1.5，表明鱼群处于饥饿状态，数据处理器发送开启投料装置的控制指令。

与现有技术相比，本发明具有以下有益效果：

(1)本发明利用采集器获取的养殖物数量以及水质监测传感器获取的水质数据，来控制增氧装置和投料装置的开闭以及投放量，实现智能无人养殖，减少渔民的人力劳动，达到智能化养殖的目的。

(2)本发明还利用采集器获取声呐视频影像，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总养殖物数量，以便物联网控制设备更准确地判断养殖塘内养殖物的数量，给出更准确的控制指令。

附图说明

图1为本发明养殖塘智能无人养殖系统的结构示意图。

图2为图1中采集器的外部结构示意图。

图3为图1中采集器去掉上壳体后的俯视结构示意图。

图4为图1中采集器下壳体的俯视结构示意图。

图5为图1中采集器中A处带支撑杆的集成探头的结构示意图。

图6为实施例2中采集器所采集到的声呐视频影像中某一帧的灰度图像。

图7为实施例2中经二值化处理后获得的二值化图像。

图8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

如图1所示，本发明提供了一种养殖塘智能无人养殖系统，该系统主要包括：采集器100，水质监测传感器200，物联网控制设备300，客户端400，增氧装置500，以及投料装置600。

其中，采集器100在养殖塘的水下采集养殖物数量，通过设置采集器100在养殖塘内所处的高度可以采集到养殖塘内不同高度位置处的养殖物数量。

如图2～5所示，采集器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。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与物联网控制设备300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。

水质监测传感器200安装于养殖塘的水下内壁上，用于采集养殖塘内水体的水质数据信息，主要包括溶氧监测传感器201、氨氮监测传感器202、pH值监测传感器203、水温监测传感器204以及水深检测传感器205，分别用于获取养殖塘内水体的溶氧量、氨氮浓度、pH值、水体温度和养殖塘深度的数据。物联网控制设备300由相连接的数据处理器301和设备控制器302构成；数据处理器301获取采集器和水质监测传感器输出的数据信息，分析和处理数据信息，并向设备控制器发送指令；设备控制器302分别与增氧装置和投料装置连接，接收数据处理器发送的指令，根据指令分别控制增氧装置和投料装置的开闭和排放量。数据处理器301采用树莓派(型号4B)进行数据处理，树莓派接收采集器以及水质监测传感器收集的数据，数据直接存储在树莓派SD卡中，树莓派对采集到的数据进行处理后，将需要的结果信号发送至客户端生成可视化界面；所述设备控制器为PLC控制器，采集器与树莓派通过串口通信，直接通过树莓派的TX、RX引脚进行传输信号。客户端400既与物联网控制设备中的数据处理器301和设备控制器302交互连接，又与增氧装置和投料装置交互连接。客户端可以是计算机、手机移动端等，主要包含了显示端、输入端和控制端；其中，显示端获取数据处理器处理后的数据信息，在显示端显示养殖物数量、水质数据；并预设水质阈值，进行水质超标预警；输入端用于输入饲料投喂量，养殖物的基本信息(养殖物的种类、特征等)；控制端分别与控制增氧装置和投料装置连接，用于控制增氧装置和投料装置的开闭和排放量。

实施例2

本实施例利用实施例1提供的养殖塘智能无人养殖系统进行无人养殖，具体方法如下：

(一)利用水质监测传感器采集养殖塘内水体实时的水质数据；所述水质数据包括溶氧、氨氮、pH值、水温和水体深度；

(二)根据养殖塘水体深度，将养殖塘水体分为三个水层，利用采集器依次采集三个水层内的声呐视频影像；

养殖塘水体分层的方式为：以水面至水体1/3深度处作为上水层，水体1/3深度处至2/3深度处作为中水层，水体2/3深度处至水底作为下水层；

(三)将实时的水质数据和三个水层内的声呐视频影像传输至数据处理器；根据声呐视频影像估算每个水层的养殖物数量以及养殖塘内的总养殖物数量，根据水质数据、每个水层的养殖物数量以及养殖塘内的总养殖物数量，向设备控制器发送不同控制指令；

具体为：

(1)将采集器依次移动至养殖塘三个水层内，分别采集三个水层的由若干帧扇形图像组成的声呐视频影像；

(2)分别处理三个水层的声呐视频影像，计算获得每个水层的养殖物数量，再将三个水层的养殖物数量进行加和，获得养殖塘内的总养殖物数量；

声呐视频影像的处理方法为：

(2-1)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；

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；

(2-2)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；

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；

(2-3)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；

(2-4)根据所述特征图像，估算每个水层的养殖物密度，得到估算的每个水层的养殖物数量。

所述养殖物数量的计算方法为：

(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r_k不同，统计每个小扇形图中养殖物的数量n_k，计算每个小扇形图的养殖物密度ρ_k；计算公式如下所示：

ρ_k＝(n_k-n_k-1)/(α×r_k×Δr) (1)；

其中，ρ_k表示第k个小扇形图的养殖物密度；n_k表示第k个小扇形图中养殖物的数量；n_k-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；r_k＝r_k-1+Δr，r_k表示第k个小扇形图的半径，r_k-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r_k为横坐标，小扇形图的养殖物密度ρ_k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’，计算养殖物数量N；

N＝ρ’×S (2)；

其中，N表示养殖物数量，ρ’表示养殖物密度，S表示养殖塘的面积。

步骤(三)和(四)中，控制指令的判断依据为：

S1:当上水层养殖物数量与中水层养殖物数量的总数占整个养殖塘总养殖物数量的比例＞70％，数据处理器发送开启增氧装置的控制指令；

并且，在增氧过程中，采集器不断地上下移动来监测各水层的养殖物数量，当上水层养殖物数量与中水层养殖物数量的总数占整个养殖塘总养殖物数量的比例≤70％，数据处理器则发送关闭增氧装置的控制指令；

S2:当养殖塘内水质监测传感器监测到水体中溶氧值低于5mg/L时，数据处理器发送开启增氧装置的控制指令；

S3:当上水层养殖物数量与中水层养殖物数量的总和占养殖塘总养殖物数量的比例＞70％，且上水层养殖物数量与中水层养殖物数量的比值＞1.5，表明鱼群处于饥饿状态，数据处理器发送开启投料装置的控制指令。

(四)设备控制器在接收指令后，根据指令分别控制增氧装置和投料装置的开闭和排放量；

(五)利用客户端显示水质数据、每个水层的养殖物数量以及养殖塘内的总养殖物数量，并且通过客户端手动辅助控制增氧装置和投料装置的开闭和排放量。

客户端显示的信息有：①养殖塘信息：pH值、温度、溶氧、氨氮、水体深度、养殖物各水层养殖物数量、养殖塘总养殖物数量、增氧开启情况、投料装置开启情况、计算所得的每日所需饲料总量、每日已投料饲料量、每日剩余未投料饲料量等信息；②正常养殖塘的参数值：pH(6-8)、温度(根据养殖物品种确定)、溶氧(＞5mg/L)、氨氮(＜5.5mg/L)；③小程序发送警报：PH＜5.5或＞8.5；温度高于37℃；溶氧＜5mg/L；氨氮＞5.5mg/L。

客户端可以手动开关增氧装置(在增氧装置自动关闭时)，手动权限高于自动权限；手动设置饲料需求(每100条养殖物所需饲料量)，数据处理器根据养殖物总数信息计算得到每日所需饲料总量，饲料投喂装置在每日8:00和15:00开始进行投喂，两个时间段各投喂每日所需饲料量的一半(也可在客户端进行手动设置投喂时间段)；可结合自身情况手动改变每日饲料投喂的总量，手动输入养殖物品种信息到物联网控制设备。

实施例3

本实施例采用实施例1的养殖塘智能无人养殖系统和实施例2的无人养殖方法对某区域养殖塘进行无人养殖试验，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，鲈鱼初始投放数量为28000条，采集器在每一水层中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；上一水层采集结束后，根据实测水体深度，确定采集器移动至的具体高度位置，然后移动至下一水层；采集器移动规律为由上至下，到达下水层后，再由下至上。

结果：以初始投鱼后的上水层鱼数量估算为例，如图6所示，预设Δr＝1m，α＝π/3，因扫描半径为20m，故m＝20，构建的坐标系，平稳段为r_k＝10-20m之间的曲线，计算得到上水层鱼密度ρ’＝2.55条/m²，估算的上水层鱼数量N为9589条，总鱼数量为28769条，估算准确率为97％。经5个月时间的养殖，池塘内的总鱼数量增加至34507条，表明本发明方法能够有效实现无人养殖。

Claims (6)

1.一种养殖塘智能无人养殖方法，其特征在于，利用养殖塘智能无人养殖系统进行养殖；

所述养殖塘智能无人养殖系统，包括：采集器、水质监测传感器、物联网控制设备、客户端以及增氧装置和投料装置；

采集器，放置于养殖塘水下，与物联网控制设备连接，用于采集养殖塘内的养殖物数量；

水质监测传感器，安装于养殖塘的水下内壁上，与物联网控制设备连接，用于采集养殖塘内水体的水质数据信息；

物联网控制设备，包括相连接的数据处理器和设备控制器；

数据处理器，获取采集器和水质监测传感器输出的数据信息，并向设备控制器发送指令；

设备控制器，分别与增氧装置和投料装置连接，接收数据处理器发送的指令，根据指令分别控制增氧装置和投料装置的开闭和排放量；

客户端，与数据处理器、设备控制器以及增氧装置和投料装置交互连接；

具体包括以下步骤：

(一)利用水质监测传感器采集养殖塘内水体实时的水质数据；所述水质数据包括溶氧、氨氮、pH值、水温和水体深度；

(二)根据养殖塘水体深度，将养殖塘水体分为三个水层，利用采集器依次采集三个水层内的声呐视频影像；

养殖塘水体分层的方式为：以水面至水体1/3深度处作为上水层，水体1/3深度处至2/3深度处作为中水层，水体2/3深度处至水底作为下水层；

(三)将实时的水质数据和三个水层内的声呐视频影像传输至数据处理器；根据声呐视频影像估算每个水层的养殖物数量以及养殖塘内的总养殖物数量，根据水质数据、每个水层的养殖物数量以及养殖塘内的总养殖物数量，向设备控制器发送不同的控制指令；

(四)设备控制器在接收指令后，根据指令分别控制增氧装置和投料装置的开闭和排放量；

(五)利用客户端显示水质数据、每个水层的养殖物数量以及养殖塘内的总养殖物数量，并且通过客户端手动辅助控制增氧装置和投料装置的开闭和排放量；

根据声呐视频影像估算每个水层的养殖物数量以及养殖塘内的总养殖物数量的方法为：

(1)将采集器依次移动至养殖塘的三个水层内，分别采集三个水层的由若干帧扇形图像组成的声呐视频影像；

(2)分别处理三个水层的声呐视频影像，计算获得每个水层的养殖物数量，再将三个水层的养殖物数量进行加和，获得养殖塘内的总养殖物数量；

声呐视频影像的处理方法为：

(2-1)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；

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；

(2-2)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；

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；

(2-3)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；

(2-4)根据所述特征图像，估算每个水层的养殖物密度，得到估算的每个水层的养殖物数量；

所述养殖物数量的计算方法为：

(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r_k不同，统计每个小扇形图中养殖物的数量n_k，计算每个小扇形图的养殖物密度ρ_k；计算公式如下所示：

ρ_k＝(n_k-n_k-1)/(α×r_k×Δr) (1)；

其中，ρ_k表示第k个小扇形图的养殖物密度；n_k表示第k个小扇形图中养殖物的数量；n_k-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；r_k＝r_k-1+Δr，r_k表示第k个小扇形图的半径，r_k-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r_k为横坐标，小扇形图的养殖物密度ρ_k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’，计算养殖物数量N；

N＝ρ’×S (2)；

其中，N表示养殖物数量，ρ’表示养殖物密度，S表示养殖塘的面积。

2.如权利要求1所述的养殖塘智能无人养殖方法，其特征在于，所述采集器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，连接端通过线路与数据处理器连接；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；所述声呐采集筒的采集端嵌有高清摄像头；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。

3.如权利要求2所述的养殖塘智能无人养殖方法，其特征在于，所述壳体为仿生鱼体；壳体外壁上装有仿生尾翼；所述壳体由上壳体和下壳体盖合而成；下壳体的内部设有供声呐采集筒嵌入的凹槽；所述壳体内还装有LED照明灯；位于声呐采集筒两侧的下壳体内壁上设有供LED照明灯嵌入的卡槽；所述壳体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。

4.如权利要求1所述的养殖塘智能无人养殖方法，其特征在于，所述水质监测传感器包括溶氧监测传感器、氨氮监测传感器、pH值监测传感器、水温监测传感器以及水深检测传感器。

5.如权利要求1所述的养殖塘智能无人养殖方法，其特征在于，所述客户端包括：显示端、输入端和控制端；

显示端，获取数据处理器处理后的数据信息，在显示端显示养殖物数量、水质数据信息，并进行水质超标预警；

输入端，用于输入饲料投喂量和养殖物的基本信息；

控制端，分别与控制增氧装置和投料装置连接，用于控制增氧装置和投料装置的开闭和排放量。

6.如权利要求1所述的养殖塘智能无人养殖方法，其特征在于，步骤(三)和(四)中，控制指令的判断依据为：

S1:当上水层养殖物数量与中水层养殖物数量的总数占整个养殖塘总养殖物数量的比例＞70％，数据处理器发送开启增氧装置的控制指令；

并且，在增氧过程中，采集器不断地上下移动来监测各水层的养殖物数量，当上水层养殖物数量与中水层养殖物数量的总数占整个养殖塘总养殖物数量的比例≤70％，数据处理器则发送关闭增氧装置的控制指令；

S2:当养殖塘内水质监测传感器监测到水体中溶氧值低于5mg/L时，数据处理器发送开启增氧装置的控制指令；

S3:当上水层养殖物数量与中水层养殖物数量的总和占养殖塘总养殖物数量的比例＞70％，且上水层养殖物数量与中水层养殖物数量的比值＞1.5，表明鱼群处于饥饿状态，数据处理器发送开启投料装置的控制指令。

Images