CN114485415A - 一种底栖鱼类生长表型高效测量方法及装置 - Google Patents
一种底栖鱼类生长表型高效测量方法及装置 Download PDFInfo
- Publication number
- CN114485415A CN114485415A CN202111610513.0A CN202111610513A CN114485415A CN 114485415 A CN114485415 A CN 114485415A CN 202111610513 A CN202111610513 A CN 202111610513A CN 114485415 A CN114485415 A CN 114485415A
- Authority
- CN
- China
- Prior art keywords
- benthic
- benthic fish
- fish
- camera
- culture pond
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G17/00—Apparatus for or methods of weighing material of special form or property
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/265—Mixing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种底栖鱼类生长表型高效测量方法及装置。所述装置包括通过支架安装在养殖池上方的摄像机,密封摄像机的密封舱,用来滤除反光的偏振镜片,与摄像机相连的服务器,与服务器相连的人机交互模块。测量方法包括:安装装置,根据已知尺寸的标定板计算测得实际视野范围比例,采集养殖池图像,利用深度学习模型提取图像中底栖鱼类的轮廓,计算鱼类全长和体重、全长体重均值,并在显示器上进行实时显示。所述装置和方法可用于长度大于5 cm的底栖鱼类的全长测量,基于深度学习算法,实现全天候无接触的实时测量,并自动绘制全长均值增长曲线,同时根据全长估算出体重。
Description
技术领域
本发明属于水产养殖技术领域,具体涉及一种底栖鱼类生长表型高效测量方法及装置。
背景技术
底栖鱼类,是我国重要的养殖鱼类,广泛养殖在辽宁、河北、天津、山东、江苏、福建等沿海省市,具有重要的经济价值和广阔的养殖前景。半滑舌鳎(Cynoglossussemilaevis)、牙鲆(Paralichthys olivaceus)、大菱鲆(Scophthalmus maximus)等是底栖鱼类中重要的代表性物种。随着半滑舌鳎、牙鲆人工繁育和工厂化养殖技术的攻克,以及大菱鲆的成功引种,针对底栖鱼类养殖中出现的种质退化、病害频发、雌雄鱼生长差异大等问题,有关科研工作者通过群体选育、家系选育等传统方法,结合分子育种和基因组育种技术,先后培育出了高产抗病的半滑舌鳎新品种“鳎优1号”,高产抗病牙鲆新品种“鲆优1号”、“鲆优2号”,大菱鲆新品种“丹法鲆”等,改善了底栖鱼类养殖良种缺乏的问题,提高了养殖户的经济收入。为了继续提高底栖鱼类养殖的经济价值,使用先进的分子育种手段进行底栖鱼类种质改良势在必行,随着组学技术普及,然而,表型性状数据的采集效率低、通量小、质量差等问题,限制了底栖鱼类育种的进一步发展,表型数据的采集模式亟待改进。
生长性状是鱼类最重要的经济性状,也是养殖产业经济效益的首要衡量标准。长期以来,对于底栖鱼类生长表型的采集,主要使用“一把尺子一台秤”的传统方式,耗费大量人力物力的同时,也对测量对象带来一定程度的损伤。人工测量所得数据,极易受人工经验、习惯、专业技能水平等主观因素影响,产生系统误差,质量较差;此外,人工测量由于工作量大,无法进行大规模、高频次的表型采集,难以满足精细育种的需要。
随着光学成像、图像处理、计算机深度学习、大数据运算等技术的发展,整合多种技术手段,开发基于场景图像捕捉测量方法,可以在养殖环境下,进行无接触、自动化、高通量的表型采集工作。这种集成技术,在作物育种中已经得到了应用。然而,由于底栖鱼类栖息于水域底层、无法固定位置,解决光学成像水面折射、实时追踪测量对象等问题难度较大,有关技术装置在底栖鱼类生长表型测量中的应用尚未见报道。
发明内容
本发明提供了一种底栖鱼类生长表型高效测量方法及装置。该装置可用于长度大于5cm的底栖鱼类的全长测量,并基于深度学习算法,实现全天候无接触的实时测量,自动绘制全长均值增长曲线,同时根据全长估算出体重。
为实现上述目的,本发明使用如下技术方案:
本发明提供了一种底栖鱼类生长表型高效测量方法,包括以下步骤:
S1、根据底栖鱼类养殖池大小布设摄像机,使摄像机的视野范围完全覆盖养殖池;
S2、将已知尺寸的标定板放入底栖鱼类养殖池底,利用摄像机拍摄照片后,计算该照片上单个像素所代表的现实环境中的长度,得到实际视野范围比例;
S3、利用摄像机采集养殖池图像,对图像进行处理拼接;
S4、利用深度学习模型提取步骤S3的图像中底栖鱼类的轮廓,结合步骤S2中的实际视野范围比例计算底栖鱼类的全长;
S5、根据步骤S4计算得到的底栖鱼类的全长,计算底栖鱼类的体重以及全长体重均值,得到底栖鱼类全长体重均值的变化曲线,储存后并进行实时显示。
进一步的,所述步骤S3中对采集的养殖池图像进行图像增强,具体为:提升图像的亮度、对比度,拉伸通道,以此提升养殖池内的底栖鱼类的清晰度,然后将相邻的摄像机采集的图像进行拼接,并消除重复的区域。
进一步的,所述步骤S4中提取图像中底栖鱼类的轮廓后,对提取的轮廓进行滤波处理,只保留头尾完整的底栖鱼类的轮廓。
进一步的,所述步骤S5中将底栖鱼类的全长设为x,则底栖鱼类的体重的预测模型为y=13.486e0.0869x。
进一步的,所述深度学习模型的预训练步骤为:
(1)采集养殖池底的图片,300张作训练集,50张作测试集;
(2)使用labelme标注图片;
(3)标注好的数据转换成coco格式;
(4)使用网络权重进行迁移训练;
(5)训练5次以上,调整超参数;
(6)保存训练好的权重文件和模型。
进一步的,所述摄像机使用单目摄像投,以大于30fps的速度采集图像,图像像素不低于500万。
进一步的,所述底栖鱼类包括半滑舌鳎、牙鲆、大菱鲆。
本发明还提供了一种底栖鱼类生长表型高效测量装置,包括支架;
图像采集模块,通过所述支架安装在养殖池上方,其包括用来拍摄养殖池图像的摄像机;用来密封保护所述摄像机的密封舱,所述密封舱安装在支架上;用来滤除反光的偏振镜片,安装在所述密封舱的底部,并位于所述摄像机的镜头前;
服务器,放置在机房,与所述摄像机通过线缆或交换机相连,用来进行图像处理、提取底栖鱼类的轮廓、对提取的轮廓进行滤波、计算底栖鱼类的全长、体重及其均值;
人机交互模块,与所述服务器相连,用来显示各种数据和变化曲线。
进一步的,所述摄像机的数量根据养殖池的大小设置,需要使摄像机的视野范围完全覆盖养殖池;所述支架、服务器和显示器的数量根据所述摄像机的数量进行设置。
进一步的,若所述偏振镜片安装在所述密封舱底部的内侧,需在所述密封舱底部的外侧涂上疏水涂料;若所述偏振镜片安装在所述密封舱底部的外侧,需在所述偏振镜片的底部涂上疏水涂料。
进一步的,所述服务器内置GPU;所述人机交互模块为显示器,其选择触摸屏或非触摸屏,部署在本地或远程。
本发明与现有技术相比,具有以下优点和有益效果:
1、本发明所述的底栖鱼类生长表型高效测量装置可用于工厂化养殖环境下长度大于5cm的底栖鱼类的全长测量,且基于深度学习算法,实现全天候无接触的实时测量,并自动绘制全长均值曲线,同时根据全长估算出底栖鱼类的体重,测量过程简单、方便,解决了底栖鱼类生长表型测量难的问题。
2、本发明的装置中均使用达千兆速率的网线、交换机等,同时在服务器中内置了GPU以加速鱼类轮廓的提取,提高了测量效率以及图像传输、处理速度,传输线路上的各个环节的可靠性。
3、本发明的测量方法精度更高,适应性强,能用于光照条件差、光线不稳定、池底颜色较暗的场景。
因此,本发明是一种自动测量高通量的底栖鱼类全长和体重,为半滑舌鳎、牙鲆、大菱鲆等底栖鱼类的生长分子育种提供高质量表型数据,也为鱼类的表型采集工作提供新的技术思路。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是底栖鱼类生长表型测量装置的正视图;
图2是底栖鱼类生长表型测量装置的图像采集模块示意图;
图3是底栖鱼类生长表型测量装置的实施方框图;
图4是底栖鱼类生长表型测量装置的算法流程图;
图5是底栖鱼类生长表型测量装置测量半滑舌鳎全长与相应人工测量值的数据对比图;
图6是底栖鱼类生长表型测量装置后台操作系统的算法界面图。
在附图中,1、支架;2、服务器;3、显示器;4、摄像机;5、密封舱;6、偏振镜片。
具体实施方式
结合以下具体实例对本发明的技术方案作进一步详细的说明。
实施例1
本实施例以半滑舌鳎生长表型测量为例,详细描述本发明所述的底栖鱼类生长表型测量装置及其使用方法。
如图1和图2所示,基于深度学习实例分割的底栖鱼类生长表型测量装置包括支架1、图像采集模块、用于图像处理的服务器2和人机交互模块。
支架1为吊装式或地装式。图像采集模块通过支架1固定在养殖水池上方。
图像采集模块包括摄像机4、密封舱5和偏振镜片6。摄像机4(包括机身和镜头)固定在密封舱5中,摄像机4的后半部分(尾部)可以裸露在密封舱5外,也可以完全安装在密封舱5内部。摄像机4的数量根据养殖池大小设置,且摄像机4的镜头与水池底部之间的距离高度可以任意调整,只需满足所有摄像机4的视野范围完全覆盖水池即可。当摄像机4完成安装后,使用已知长度的物体或已知尺寸的标定板放在水池底部,摄像机4拍摄图片,利用现有算法自动计算出图像上每个像素所表示的现实环境中的长度N。偏振镜片6安装在密封舱5的底部,当水面有灯光或阳光的反光时,偏振镜片6能够滤除这些反光。偏振镜片6既可以安装在密封舱5底部的内侧,也可以安装在密封舱5底部的外侧。如果安装在密封舱5底部的内侧,则需在密封舱5底部外侧涂上疏水涂料;如果安装在密封舱5底部外侧,则需在偏振镜片6底部涂上疏水涂料,疏水涂料能够防止水珠附着,避免频繁的人工清洁。
人机交互模块为显示器3,其与服务器2相连。摄像机4通过线缆与机房中的服务器2相连,如果摄像机4距离机房较远,则可以使用交换机中继。深度学习模型在服务器2上运行,服务器2内置GPU,可以加速图像推理。服务器2的数量可以根据其算力、摄像机数量进行增减。显示器3可根据摄像机4的数量进行分屏显示。显示器3使用触摸屏或者非触摸屏,显示器3部署在本地或者远程,可实现本地或远程的查看与操控。服务器2收到摄像机4传回的图片后,其上运行的算法对图像进行一系列处理后,提取出水池中养殖鱼的轮廓。轮廓经过完整性滤波,筛选出完整的鱼轮廓,使用机器视觉方法得到鱼的全长。
利用所述底栖鱼类生长表型测量装置测量底栖鱼类全长的方法,包括以下步骤:
S1、以每台摄像机4的视野范围为2.5m,算出需要的摄像机4数量,然后将与摄像机4相同数量的所有支架1均匀地沿养殖水池壁固定安装,将摄像机4固定在支架1,需要确保所有摄像机4的高度相同,且镜头与养殖水池平行;
S2、服务器2上电开机,交换机上电,摄像机4上电,观察交换机或者摄像机4的通信指示灯,确认绿灯亮起以及通信线路正常;
S3、观察摄像机4的画面是否完全覆盖了水池,相邻的摄像机4视野可以有重叠,但不能有盲区,如果有盲区,则需要调整支架1或者摄像机4的位置,至无盲区为止;摄像机4上是单目摄像头,并以大于30fps的速度采集图像,图像像素不低于500万,高像素有利于提高测量精度;
S4、将具有边长为30mm色块的标定板放在水池底部,利用摄像机拍摄一张照片,通过软件自动计算图像上的一个像素所表示的现实环境中的长度,记为N;
S5、运行算法模型,开始测量养殖水池内鱼的长度,算法的步骤如下:
e1、图像增强,提升图像的亮度、对比度,拉伸通道,使鱼更清晰;
e2、相邻的图像进行拼接,并消除重复的区域;
e3、使用预训练的深度学习模型提取鱼的轮廓;其中,该模型训练步骤:
(1)采集图片,300张作训练集,50张作测试集;
(2)使用labelme标注图片;
(3)标注好的数据转换成coco格式;
(4)使用网上公开的网络权重进行迁移训练;
(5)训练5次以上,调整超参数;
(6)保存训练好的权重文件和模型。
e4、对提取的轮廓进行滤波,保留头尾完整的鱼的轮廓;
e5、使用多边形逼近算法计算完整的鱼轮廓,即鱼头前端至鱼尾末端的线段长度,该长度乘N得到鱼的全长,根据鱼的全长(设为x),基于训练的体重(设为y)预测模型y=13.486e0.0869x,得到鱼的体重;
e6、算法每天自动算出一个当天的全长体重均值,并实时显示到鱼体上,且上述数据存至数据库中,软件界面显示养殖过程中全长体重均值的变化曲线(图6)。
在安装测量装置的养殖池中,选择30条通过人工测量已知全长的半滑舌鳎,利用上述的测量方法各进行30次快速测量,测量的全长均值、误差和估计体重见下表1。
表1:30尾半滑舌鳎各30次测量统计
基于表1所显示结果可知,通过本发明对30尾半滑舌鳎的各30次全长的实际测试,真实长度与实际测量均值的误差在0.3%-4.8%之间,平均误差为2.19%,通过测量全长与人工测量全长进行对比,得到图5所示的数据对比图,其中纵坐标表示本发明装置测量30次所得全长均值,横坐标表示对应个体的人工测量全长,单位为cm,由测量结果及对比图可见,本发明所示的测量方法具有较高测量精度,可以替代人工测量的方式,对半滑舌鳎进行全长测量和体重估算,并达到相应的精度。
以上实施例仅用以说明本发明的技术方案,而非对其进行限制;尽管参照前述实施例对本发明进行了详细的说明,对于本领域的普通技术人员来说,依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
Claims (10)
1.一种底栖鱼类生长表型高效测量方法,其特征在于,包括以下步骤:
S1、根据底栖鱼类养殖池大小布设摄像机,使摄像机的视野范围完全覆盖养殖池;
S2、将已知尺寸的标定板放入底栖鱼类养殖池底,利用摄像机拍摄照片后,计算该照片上单个像素所代表的现实环境中的长度,得到实际视野范围比例;
S3、利用摄像机采集养殖池图像,对图像进行处理拼接;
S4、利用深度学习模型提取步骤S3的图像中底栖鱼类的轮廓,结合步骤S2中的实际视野范围比例计算底栖鱼类的全长;
S5、根据步骤S4计算得到的底栖鱼类的全长,计算底栖鱼类的体重以及全长体重均值,得到底栖鱼类全长体重均值的变化曲线,储存后并进行实时显示。
2.根据权利要求1所述的底栖鱼类生长表型高效测量方法,其特征在于,所述步骤S3中对采集的养殖池图像进行图像增强,具体为:提升图像的亮度、对比度,拉伸通道,以此提升养殖池内的底栖鱼类的清晰度,然后将相邻的摄像机采集的图像进行拼接,并消除重复的区域。
3.根据权利要求1所述的底栖鱼类生长表型高效测量方法,其特征在于,所述步骤S4中提取图像中底栖鱼类的轮廓后,对提取的轮廓进行滤波处理,只保留头尾完整的底栖鱼类的轮廓。
4.根据权利要求1所述的底栖鱼类生长表型高效测量方法,其特征在于,所述步骤S5中将底栖鱼类的全长设为x,则底栖鱼类的体重的预测模型为y=13.486e0.0869x。
5.根据权利要求1所述的底栖鱼类生长表型高效测量方法,其特征在于,所述摄像机使用单目摄像投,以大于30 fps的速度采集图像,图像像素不低于500万。
6.根据权利要求1所述的底栖鱼类生长表型高效测量方法,其特征在于,所述底栖鱼类包括半滑舌鳎、牙鲆、大菱鲆。
7.一种底栖鱼类生长表型高效测量装置,其特征在于,包括支架;
图像采集模块,通过所述支架安装在养殖池上方,其包括用来拍摄养殖池图像的摄像机;用来密封保护所述摄像机的密封舱,所述密封舱安装在支架上;用来滤除反光的偏振镜片,安装在所述密封舱的底部,并位于所述摄像机的镜头前;
服务器,放置在机房,与所述摄像机通过线缆或交换机相连,用来进行图像处理、提取底栖鱼类的轮廓、对提取的轮廓进行滤波、计算底栖鱼类的全长、体重及其均值;
人机交互模块,与所述服务器相连,用来显示各种数据和变化曲线。
8.根据权利要求7所述的底栖鱼类生长表型高效测量装置,其特征在于,所述摄像机的数量根据养殖池的大小设置,要使摄像机的视野范围完全覆盖养殖池;所述支架、服务器和显示器的数量根据所述摄像机的数量进行设置。
9.根据权利要求7所述的底栖鱼类生长表型高效测量装置,其特征在于,若所述偏振镜片安装在所述密封舱底部的内侧,需在所述密封舱底部的外侧涂上疏水涂料;若所述偏振镜片安装在所述密封舱底部的外侧,需在所述偏振镜片的底部涂上疏水涂料。
10.根据权利要求7所述的底栖鱼类生长表型高效测量装置,其特征在于,所述服务器内置GPU;所述人机交互模块为显示器,其选择触摸屏或非触摸屏,部署在本地或远程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111610513.0A CN114485415A (zh) | 2021-12-27 | 2021-12-27 | 一种底栖鱼类生长表型高效测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111610513.0A CN114485415A (zh) | 2021-12-27 | 2021-12-27 | 一种底栖鱼类生长表型高效测量方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114485415A true CN114485415A (zh) | 2022-05-13 |
Family
ID=81496760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111610513.0A Pending CN114485415A (zh) | 2021-12-27 | 2021-12-27 | 一种底栖鱼类生长表型高效测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485415A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114916473A (zh) * | 2022-05-23 | 2022-08-19 | 大连理工大学 | 一种用于养殖场内的俯视鱼体长度监测方法及装置 |
CN115601301A (zh) * | 2022-09-07 | 2023-01-13 | 中国科学院水生生物研究所(Cn) | 鱼类表型特征测量方法、系统、电子设备及存储介质 |
CN117765379A (zh) * | 2024-01-25 | 2024-03-26 | 宏景科技股份有限公司 | 一种水下鱼类观测方法和水下鱼类观测机器人 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103115584A (zh) * | 2013-02-06 | 2013-05-22 | 北京工业大学 | 原位液体成形光学微透镜制造中透镜动态轮廓捕捉系统 |
CN203643361U (zh) * | 2014-01-15 | 2014-06-11 | 唐山英莱科技有限公司 | 一种基于正交偏振的高反光金属表面视觉检测系统 |
TW201422147A (zh) * | 2012-12-11 | 2014-06-16 | Univ Nat Kaohsiung Applied Sci | 水生物檢測裝置 |
CN105066885A (zh) * | 2015-07-11 | 2015-11-18 | 浙江大学宁波理工学院 | 一种鱼体尺寸和重量快速采集装置以及采集方法 |
CN105136059A (zh) * | 2015-05-26 | 2015-12-09 | 东莞市盟拓光电科技有限公司 | 可降低被测物表面反光的三维测量系统 |
CN106092195A (zh) * | 2016-06-21 | 2016-11-09 | 杨州 | 一种水环境监测系统 |
CN108827106A (zh) * | 2018-04-25 | 2018-11-16 | 北京农业信息技术研究中心 | 一种基于机器视觉的鱼类生长数据测量装置及测量方法 |
JP6694039B1 (ja) * | 2018-11-22 | 2020-05-13 | 株式会社アイエンター | 魚体サイズ算出装置 |
CN111784649A (zh) * | 2020-06-24 | 2020-10-16 | 武汉古奥基因科技有限公司 | 一种无损鱼骨的鱼骨表型信息自动检测系统及方法 |
CN212158398U (zh) * | 2020-05-19 | 2020-12-15 | 防城港市农业农机服务中心 | 一种改进的鱼类形态性状测量装置 |
US20210321593A1 (en) * | 2020-04-21 | 2021-10-21 | InnovaSea Systems, Inc. | Systems and methods for fish volume estimation, weight estimation, and analytic value generation |
CN113591671A (zh) * | 2021-07-28 | 2021-11-02 | 常州大学 | 一种基于Mask-Rcnn识别鱼类生长检测方法 |
-
2021
- 2021-12-27 CN CN202111610513.0A patent/CN114485415A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201422147A (zh) * | 2012-12-11 | 2014-06-16 | Univ Nat Kaohsiung Applied Sci | 水生物檢測裝置 |
CN103115584A (zh) * | 2013-02-06 | 2013-05-22 | 北京工业大学 | 原位液体成形光学微透镜制造中透镜动态轮廓捕捉系统 |
CN203643361U (zh) * | 2014-01-15 | 2014-06-11 | 唐山英莱科技有限公司 | 一种基于正交偏振的高反光金属表面视觉检测系统 |
CN105136059A (zh) * | 2015-05-26 | 2015-12-09 | 东莞市盟拓光电科技有限公司 | 可降低被测物表面反光的三维测量系统 |
CN105066885A (zh) * | 2015-07-11 | 2015-11-18 | 浙江大学宁波理工学院 | 一种鱼体尺寸和重量快速采集装置以及采集方法 |
CN106092195A (zh) * | 2016-06-21 | 2016-11-09 | 杨州 | 一种水环境监测系统 |
CN108827106A (zh) * | 2018-04-25 | 2018-11-16 | 北京农业信息技术研究中心 | 一种基于机器视觉的鱼类生长数据测量装置及测量方法 |
JP6694039B1 (ja) * | 2018-11-22 | 2020-05-13 | 株式会社アイエンター | 魚体サイズ算出装置 |
US20210321593A1 (en) * | 2020-04-21 | 2021-10-21 | InnovaSea Systems, Inc. | Systems and methods for fish volume estimation, weight estimation, and analytic value generation |
CN212158398U (zh) * | 2020-05-19 | 2020-12-15 | 防城港市农业农机服务中心 | 一种改进的鱼类形态性状测量装置 |
CN111784649A (zh) * | 2020-06-24 | 2020-10-16 | 武汉古奥基因科技有限公司 | 一种无损鱼骨的鱼骨表型信息自动检测系统及方法 |
CN113591671A (zh) * | 2021-07-28 | 2021-11-02 | 常州大学 | 一种基于Mask-Rcnn识别鱼类生长检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114916473A (zh) * | 2022-05-23 | 2022-08-19 | 大连理工大学 | 一种用于养殖场内的俯视鱼体长度监测方法及装置 |
CN115601301A (zh) * | 2022-09-07 | 2023-01-13 | 中国科学院水生生物研究所(Cn) | 鱼类表型特征测量方法、系统、电子设备及存储介质 |
CN117765379A (zh) * | 2024-01-25 | 2024-03-26 | 宏景科技股份有限公司 | 一种水下鱼类观测方法和水下鱼类观测机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114485415A (zh) | 一种底栖鱼类生长表型高效测量方法及装置 | |
US11612148B2 (en) | Estimating fish size, population density, species distribution and biomass | |
CN107094683B (zh) | 一种水产养殖的自动投饵和水质监测控制系统 | |
CN105318944B (zh) | 杆状平台的鸡现场称重系统与方法 | |
CN103761565B (zh) | 基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法 | |
CN101430775B (zh) | 基于计算机视觉的鱼苗自动计数装置和方法 | |
CN110335255B (zh) | 一种水坝斜坡裂缝检测方法及仿生壁虎爬行检测装置 | |
CN108647677A (zh) | 基于视觉计算的电表外观和性能智能检测方法及装置 | |
CN106918594A (zh) | 一种在线分析籽棉色特征和杂质的方法 | |
CN112215798A (zh) | 一种基于机器视觉的鱼苗计数检测方法与装置 | |
CN109169465B (zh) | 智能化测定水下活体对虾生长参数的系统和方法 | |
CN109738436A (zh) | 一种籽棉杂质定量快速检测系统及方法 | |
CN111887853B (zh) | 一种基于双目视觉的鱼体长度测量装置及方法 | |
CN111862246A (zh) | 对虾苗种智能计数方法及装置 | |
CN113408687A (zh) | 一种高通量鱼苗在线计数装置和方法 | |
CN115355948A (zh) | 一种母猪体尺、体重、背膘厚度检测方法 | |
CN208187400U (zh) | 一种基于机器视觉的鱼类体长测量装置 | |
CN112417378A (zh) | 一种基于无人机图像处理的中华绒螯蟹质量估算方法 | |
CN113484867A (zh) | 一种基于成像声呐封闭空间下鱼群密度探测方法 | |
CN205607838U (zh) | 一种小麦穗数测量装置 | |
CN114943988B (zh) | 一种基于实例分割和深度卷积神经网络的平面目标监测方法 | |
CN201302730Y (zh) | 基于计算机视觉的鱼苗自动计数系统 | |
CN108830834B (zh) | 一种爬索机器人视频缺陷信息自动提取方法 | |
CN116091472A (zh) | 一种融合可见光和红外图像的光伏组件缺陷智能检测方法 | |
CN106855942B (zh) | 一种基于加权样本的视频背景提取方法 |
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 |