CN114998776A - 一种联合声学和图像的鱼类目标识别统计装置及方法 - Google Patents

一种联合声学和图像的鱼类目标识别统计装置及方法 Download PDF

Info

Publication number
CN114998776A
CN114998776A CN202210373487.2A CN202210373487A CN114998776A CN 114998776 A CN114998776 A CN 114998776A CN 202210373487 A CN202210373487 A CN 202210373487A CN 114998776 A CN114998776 A CN 114998776A
Authority
CN
China
Prior art keywords
fish
acoustic
image
target
fish target
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
Application number
CN202210373487.2A
Other languages
English (en)
Inventor
汤云峰
何小波
孟令一
祝捍皓
林建民
郑红
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.)
Zhejiang Ocean University ZJOU
Original Assignee
Zhejiang Ocean University ZJOU
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 Zhejiang Ocean University ZJOU filed Critical Zhejiang Ocean University ZJOU
Priority to CN202210373487.2A priority Critical patent/CN114998776A/zh
Publication of CN114998776A publication Critical patent/CN114998776A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明主要是为了解决传统的鱼类目标分类统计方法效率低、精度低的问题，公开了一种联合声学和图像的鱼类目标识别统计装置，包括声学部分和图像部分，声学部分包括信号控制器、发射声换能器、接收换能器阵列、信号处理器、计数器和鱼类散射声数据库；图像部分包括图像传感器和鱼类图像特征库，结合声学和图像识别，实现鱼类目标种类识别和数量统计，提高渔业养殖和渔业资源监测的准确率和效率。

Description

一种联合声学和图像的鱼类目标识别统计装置及方法
技术领域
本发明涉及海洋生态环境监测技术领域，具体涉及一种联合声学和图像的鱼类目标识别统计装置及方法。
背景技术
目前在渔业生产和渔业资源监测领域，准确估计鱼类数量是渔业养殖中的重要课题，是养殖规范化、科学化管理的基础保障，现代化渔业养殖对自动化鱼类分类计数装置的需求不断提高。传统的分类方法是人工根据经验进行识别，并分类统计，或者采用光学设备，利用图像识别技术进行种类识别。这些分类统计识别方法各有缺限，人工分类方法只能对部分目标进行抽样分类识别统计，由于人工方法的限制，效率低、准确度差；图像识别技术精度高，但是受水下条件限制，无法实现远距离探测，另外其计数受鱼体重叠等因素影响，精度不高。因此，需要发明一种新的现场鱼类目标分类识别装置以解决这一问题，提高渔业养殖和渔业资源监测的准确率和效率。
发明内容
本发明主要是为了解决传统的鱼类目标分类统计方法效率低、精度低的问题，提供了一种联合声学和图像的鱼类目标识别统计装置，包括信号控制器、发射声换能器、接收换能器阵列、信号处理器、计数器、鱼类散射声数据库、图像传感器和鱼类图像特征库，结合声学和图像识别，实现鱼类目标种类识别和数量统计，提高渔业养殖和渔业资源监测的准确率和效率。
为了实现上述目的，本发明采用以下技术方案：
一种联合声学和图像的鱼类目标识别统计装置，包括信号控制器、与信号控制器连接的发射声换能器、接收换能器阵列、与接收换能器阵列连接的信号处理器，以及与信号处理器连接的计数器和鱼类散射声数据库；还包括图像传感器和与图像传感器连接的鱼类图像特征库，所述鱼类图像特征库与所述鱼类散射声数据库双向连接。
本装置包括图像传感器，图像传感器对游过其视野范围的鱼类目标进行拍摄，然后提取目标特征，与现有的鱼类图像特征库中的图像特征对照，确定鱼群的种类信息，若鱼类图像特征库中没有记录，则作为新条目写入鱼类图像特征库进行更新。本装置还包括信号控制器，信号控制器与发射声换能器连接，控制发射声换能器发射声信号，发射声换能器向鱼群所在的周围水体发射声信号，声信号做编码处理，以便在接收时可以区分出散射反射声信号来自发射声换能器。时序上，先打开发射声换能器发射声信号，设定选通时间，在选通时间内发射声换能器向外发射声信号，选通时间以外，关闭发射声换能器，打开接收换能器阵列换收声信号，接收换能器阵列接收的声信号中包含噪声数据及来自鱼群的散射反射声数据，先分析噪声类型，经过波束形成器消除部分不相关噪声，根据接收的声信号通过波束合成技术对鱼类进行定位。因为不同鱼类其内部鱼鳔形态不同，所以其散射声信号反映了该鱼类特有的声信号特征。信号处理器对散射声信号从时域和频域进行分析和处理，提取信号的时-频域特征参数，结合鱼类散射声数据库进行对比识别，如果是新的鱼类则写入鱼类散射声数据库。信号处理器对一段时间内声波的回波强度进行统计分析，从而计算出该时间段内鱼群中个体的数量，计数器显示鱼群个体数量。本发明结合声学监测和光学监测方法实现对水下鱼群目标的识别和统计，提高渔业养殖和渔业资源监测的准确率和效率；解决了传统人工统计分类方法存在的渔业资源调查和渔业生产过程的渔获资源统计效率低、准确度差的问题，对于渔业资源调查及保护、渔业生产过程有着重要意义。
作为优选，所述图像传感器外套设有防水透明保护罩。
作为优选，所述图像传感器周围设有用于去除保护罩外表面附着物的清洁装置，所述清洁装置包括刷子、电机驱动装置和滑轨，所述电机驱动装置与所述刷子连接，所述电机驱动装置沿所述滑轨运动。图像传感器周围设有一个沿滑轨运动的电机驱动装置，电机驱动装置上面连接一个刷子，用于去除保护罩外面的附着物。
一种联合声学和图像的鱼类目标识别统计方法，采用上述的一种联合声学和图像的鱼类目标识别统计装置，包括以下步骤：
步骤S1：基于图像识别获得鱼类目标的种类信息；
步骤S2：基于声学识别获得鱼类目标的种类信息；
步骤S3：融合步骤S1和步骤S2的识别结果，确定鱼类目标的种类信息；
步骤S4：统计分析声波的回波强度，计算获得鱼群的个体数量。
针对鱼类目标，使用高清图像传感器对游过其视野范围的鱼类目标进行拍摄，然后提取目标特征，与现有的鱼类图像特征库中的图像特征对照，确定鱼群的种类信息，若鱼类图像特征库中没有记录，则作为新条目写入鱼类图像特征库进行更新。在声学方面采用若干个基元的换能器阵列作为水下鱼类数据采集端，一个发射声换能器作为声信号的发射端，向周围水体发射声信号，声信号做编码处理，以便在接收时可以区分出散射反射声信号来自发射声换能器。时序上，先打开发射声换能器发射声信号，设定选通时间，在选通时间内发射声换能器向外发射声信号，选通时间以外，关闭发射声换能器，打开接收换能器阵列换收声信号，接收换能器阵列接收的声信号中包含噪声数据及来自鱼群的散射反射声数据，先分析噪声类型，经过波束形成器消除部分不相关噪声，根据接收的声信号通过波束合成技术对鱼类进行定位。因为不同鱼类其内部鱼鳔形态不同，所以其散射声信号反映了该鱼类特有的声信号特征。信号处理器对散射声信号从时域和频域进行分析和处理，提取信号的时-频域特征参数，结合鱼类散射声数据库进行对比识别，如果是新的鱼类则写入鱼类散射声数据库。对从声学和图像两个方面得到的结果进行融合，从而判定鱼类的种类。信号处理器对一段时间内声波的回波强度进行统计分析，从而计算出该时间段内鱼群中个体的数量。
作为优选，步骤S1的具体过程包括以下步骤：
步骤S11：图像传感器对鱼类目标进行拍摄获得图像；
步骤S12：从图像中提取目标特征；
步骤S13：将目标特征与鱼类图像特征库进行特征匹配识别，获得鱼类目标种类信息。
针对鱼类目标，使用高清图像传感器对游过其视野范围的鱼类目标进行拍摄，然后提取目标特征，与现有的鱼类图像特征库中的图像特征对照，确定鱼群的种类信息，若鱼类图像特征库中没有记录，则作为新条目写入鱼类图像特征库进行更新。
作为优选，步骤S2的具体过程包括以下步骤：
步骤S21：发射声换能器向周围水体发射声信号；
步骤S22：关闭发射声换能器，接收换能器阵列开始接收声信号，声信号包括噪声数据和鱼群散射反射声数据；
步骤S23：分析噪声类型，使用波束形成器消除不相关噪声；
步骤S24：从时域和频域对散射声信号进行分析和处理，提取时-频域特征参数；
步骤S25：将时-频域特征参数与鱼类散射声数据库进行对比识别，获得鱼类目标种类信息。
在声学方面采用若干个基元的换能器阵列作为水下鱼类数据采集端，一个发射声换能器作为声信号的发射端，向周围水体发射声信号，声信号做编码处理，以便在接收时可以区分出散射反射声信号来自发射声换能器。时序上，先打开发射声换能器发射声信号，设定选通时间，在选通时间内发射声换能器向外发射声信号，选通时间以外，关闭发射声换能器，打开接收换能器阵列换收声信号，接收换能器阵列接收的声信号中包含噪声数据及来自鱼群的散射反射声数据，先分析噪声类型，经过波束形成器消除部分不相关噪声，根据接收的声信号通过波束合成技术对鱼类进行定位。因为不同鱼类其内部鱼鳔形态不同，所以其散射声信号反映了该鱼类特有的声信号特征。信号处理器对散射声信号从时域和频域进行分析和处理，提取信号的时-频域特征参数，结合鱼类散射声数据库进行对比识别，如果是新的鱼类则写入鱼类散射声数据库。
因此，本发明的优点是：
（1）实现鱼类目标种类识别和数量统计，提高渔业养殖和渔业资源监测的准确率和效率；
（2）解决了传统人工统计分类方法存在的渔业资源调查和渔业生产过程的渔获资源统计效率低、准确度差的问题，对于渔业资源调查及保护、渔业生产过程有着重要意义。
附图说明
图1是本发明实施例中一种联合声学和图像的鱼类目标识别统计装置的结构示意图。
图2是本发明实施例中发射声换能器、接收换能器阵列、图像传感器和清洁装置的分布图。
图3是本发明实施例中一种联合声学和图像的鱼类目标识别统计方法的流程图。
1、信号控制器 2、发射声换能器 3、接收换能器阵列 4、信号处理器 5、计数器 6、图像传感器 7、鱼类图像特征库 8、鱼类散射声数据库 9、保护罩 10、滑轨 11、电机驱动装置 12、刷子。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述。
实施例一：
如图1所示，一种联合声学和图像的鱼类目标识别统计装置，包括信号控制器1、与信号控制器1连接的发射声换能器2、接收换能器阵列3、与接收换能器阵列3连接的信号处理器，以及与信号处理器4连接的计数器5和鱼类散射声数据库8；还包括图像传感器6和与图像传感器6连接的鱼类图像特征库7，鱼类图像特征库7与鱼类散射声数据库8双向连接。本装置包括图像传感器6，图像传感器6对游过其视野范围的鱼类目标进行拍摄，然后提取目标特征，与现有的鱼类图像特征库7中的图像特征对照，确定鱼群的种类信息，若鱼类图像特征库7中没有记录，则作为新条目写入鱼类图像特征库7进行更新。本装置还包括信号控制器1，信号控制器1与发射声换能器2连接，控制发射声换能器2发射声信号，发射声换能器2向鱼群所在的周围水体发射声信号，声信号做编码处理，以便在接收时可以区分出散射反射声信号来自发射声换能器2。时序上，先打开发射声换能器2发射声信号，设定选通时间，在选通时间内发射声换能器2向外发射声信号，选通时间以外，关闭发射声换能器2，打开接收换能器阵列3换收声信号，接收换能器阵列3接收的声信号中包含噪声数据及来自鱼群的散射反射声数据，先分析噪声类型，经过波束形成器消除部分不相关噪声，根据接收的声信号通过波束合成技术对鱼类进行定位。因为不同鱼类其内部鱼鳔形态不同，所以其散射声信号反映了该鱼类特有的声信号特征。信号处理器4对散射声信号从时域和频域进行分析和处理，提取信号的时-频域特征参数，结合鱼类散射声数据库8进行对比识别，如果是新的鱼类则写入鱼类散射声数据库8。信号处理器4对一段时间内声波的回波强度进行统计分析，从而计算出该时间段内鱼群中个体的数量，计数器5显示鱼群个体数量。
如图2所示，本实施例结合声学监测和光学监测方法实现对水下鱼群目标的识别和统计，整个装置包含声学和光学（图像）两个部分，其中声学部分包括一个发射声换能器2、若干个接收换能器构成的接收换能器阵列3；光学（图像）部分设有两套，分别位于声学部分两侧，包含一个高清图像传感器6，图像传感器6外面设有防水透明保护罩9，周围设有一个沿滑轨10运动的电机驱动装置11，电机驱动装置11上面连接一个刷子12，用于去除保护罩9外面的附着物。
实施例二：
一种联合声学和图像的鱼类目标识别统计方法，采用上述的一种联合声学和图像的鱼类目标识别统计装置，如图3所示，包括以下步骤：
步骤S1：基于图像识别获得鱼类目标的种类信息；
步骤S2：基于声学识别获得鱼类目标的种类信息；
步骤S3：融合步骤S1和步骤S2的识别结果，确定鱼类目标的种类信息；
步骤S4：统计分析声波的回波强度，计算获得鱼群的个体数量。
步骤S1的具体过程包括以下步骤：
步骤S11：图像传感器6对鱼类目标进行拍摄获得图像；
步骤S12：从图像中提取目标特征；
步骤S13：将目标特征与鱼类图像特征库7进行特征匹配识别，获得鱼类目标种类信息。
步骤S2的具体过程包括以下步骤：
步骤S21：发射声换能器2向周围水体发射声信号；
步骤S22：关闭发射声换能器2，接收换能器阵列3开始接收声信号，声信号包括噪声数据和鱼群散射反射声数据；
步骤S23：分析噪声类型，使用波束形成器消除不相关噪声；
步骤S24：从时域和频域对散射声信号进行分析和处理，提取时-频域特征参数；
步骤S25：将时-频域特征参数与鱼类散射声数据库8进行对比识别，获得鱼类目标种类信息。
针对鱼类目标，使用高清图像传感器6对游过其视野范围的鱼类目标进行拍摄，然后提取目标特征，与现有的鱼类图像特征库7中的图像特征对照，确定鱼群的种类信息，若鱼类图像特征库7中没有记录，则作为新条目写入鱼类图像特征库7进行更新。在声学方面采用若干个基元的换能器阵列作为水下鱼类数据采集端，一个发射声换能器2作为声信号的发射端，向周围水体发射声信号，声信号做编码处理，以便在接收时可以区分出散射反射声信号来自发射声换能器2。时序上，先打开发射声换能器2发射声信号，设定选通时间，在选通时间内发射声换能器2向外发射声信号，选通时间以外，关闭发射声换能器2，打开接收换能器阵列3换收声信号，接收换能器阵列3接收的声信号中包含噪声数据及来自鱼群的散射反射声数据，先分析噪声类型，经过波束形成器消除部分不相关噪声，根据接收的声信号通过波束合成技术对鱼类进行定位。因为不同鱼类其内部鱼鳔形态不同，所以其散射声信号反映了该鱼类特有的声信号特征。信号处理器4对散射声信号从时域和频域进行分析和处理，提取信号的时-频域特征参数，结合鱼类散射声数据库8进行对比识别，如果是新的鱼类则写入鱼类散射声数据库8。对从声学和图像两个方面得到的结果进行融合，从而判定鱼类的种类。信号处理器4对一段时间内声波的回波强度进行统计分析，从而计算出该时间段内鱼群中个体的数量。
以上内容，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种联合声学和图像的鱼类目标识别统计装置，其特征在于，包括信号控制器、与信号控制器连接的发射声换能器、接收换能器阵列、与接收换能器阵列连接的信号处理器，以及与信号处理器连接的计数器和鱼类散射声数据库；还包括图像传感器和与图像传感器连接的鱼类图像特征库，所述鱼类图像特征库与所述鱼类散射声数据库双向连接。
2.根据权利要求1所述的一种联合声学和图像的鱼类目标识别统计装置，其特征在于，所述图像传感器外套设有防水透明保护罩。
3.根据权利要求1或2所述的一种联合声学和图像的鱼类目标识别统计装置，其特征在于，所述图像传感器周围设有用于去除保护罩外表面附着物的清洁装置，所述清洁装置包括刷子、电机驱动装置和滑轨，所述电机驱动装置与所述刷子连接，所述电机驱动装置沿所述滑轨运动。
4.一种联合声学和图像的鱼类目标识别统计方法，采用如权利要求1-3任一项所述的一种联合声学和图像的鱼类目标识别统计装置，其特征在于，包括以下步骤：
步骤S1：基于图像识别获得鱼类目标的种类信息；
步骤S2：基于声学识别获得鱼类目标的种类信息；
步骤S3：融合步骤S1和步骤S2的识别结果，确定鱼类目标的种类信息；
步骤S4：统计分析声波的回波强度，计算获得鱼群的个体数量。
5.根据权利要求4所述的一种联合声学和图像的鱼类目标识别统计方法，其特征在于，步骤S1的具体过程包括以下步骤：
步骤S11：图像传感器对鱼类目标进行拍摄获得图像；
步骤S12：从图像中提取目标特征；
步骤S13：将目标特征与鱼类图像特征库进行特征匹配识别，获得鱼类目标种类信息。
6.根据权利要求4所述的一种联合声学和图像的鱼类目标识别统计方法，其特征在于，步骤S2的具体过程包括以下步骤：
步骤S21：发射声换能器向周围水体发射声信号；
步骤S22：关闭发射声换能器，接收换能器阵列开始接收声信号，声信号包括噪声数据和鱼群散射反射声数据；
步骤S23：分析噪声类型，使用波束形成器消除不相关噪声；
步骤S24：从时域和频域对散射声信号进行分析和处理，提取时-频域特征参数；
步骤S25：将时-频域特征参数与鱼类散射声数据库进行对比识别，获得鱼类目标种类信息。
CN202210373487.2A 2022-04-11 2022-04-11 一种联合声学和图像的鱼类目标识别统计装置及方法 Pending CN114998776A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210373487.2A CN114998776A (zh) 2022-04-11 2022-04-11 一种联合声学和图像的鱼类目标识别统计装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210373487.2A CN114998776A (zh) 2022-04-11 2022-04-11 一种联合声学和图像的鱼类目标识别统计装置及方法

Publications (1)

Publication Number Publication Date
CN114998776A true CN114998776A (zh) 2022-09-02

Family

ID=83023901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210373487.2A Pending CN114998776A (zh) 2022-04-11 2022-04-11 一种联合声学和图像的鱼类目标识别统计装置及方法

Country Status (1)

Country Link
CN (1) CN114998776A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116609786A (zh) * 2023-05-22 2023-08-18 农芯(南京)智慧农业研究院有限公司 鱼类统计方法及装置
CN116821807A (zh) * 2023-08-30 2023-09-29 中国水产科学研究院南海水产研究所 一种基于机器视觉的渔获物识别与自动录取方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116609786A (zh) * 2023-05-22 2023-08-18 农芯(南京)智慧农业研究院有限公司 鱼类统计方法及装置
CN116609786B (zh) * 2023-05-22 2024-02-09 农芯(南京)智慧农业研究院有限公司 鱼类统计方法及装置
CN116821807A (zh) * 2023-08-30 2023-09-29 中国水产科学研究院南海水产研究所 一种基于机器视觉的渔获物识别与自动录取方法及系统
CN116821807B (zh) * 2023-08-30 2024-01-09 中国水产科学研究院南海水产研究所 一种基于机器视觉的渔获物识别与自动录取方法及系统

Similar Documents

Publication Publication Date Title
CN114998776A (zh) 一种联合声学和图像的鱼类目标识别统计装置及方法
US5377163A (en) Active broadband acoustic method and apparatus for identifying aquatic life
US5168471A (en) Integrated passive acoustic and active ultrasonic marine aquatic finder system
EP2383584B1 (en) Method and device for detecting ultrasound wave, and method and device for detecting school of fish
CN105572676A (zh) 一种基于水平鱼探仪影像的围网目标鱼群追踪方法
ES2434515T3 (es) Procedimiento de trayectografía robusto en tiempo real en ordenador portátil, de uno o varios cetáceos mediante acústica pasiva
CN116562472B (zh) 一种中上层海洋生物目标种类识别与分布预测方法及系统
Mann et al. Active and passive acoustics to locate and study fish
CN112949380B (zh) 一种基于激光雷达点云数据的智能水下目标识别系统
CN112180379A (zh) 一种鱼类数据统计分析系统
Jaffe et al. OASIS in the sea: measurement of the acoustic reflectivity of zooplankton with concurrent optical imaging
Wei et al. Study on feeding activity of Litopenaeus vannamei based on passive acoustic detection
CN115578678A (zh) 一种鱼类摄食强度分类方法及系统
RU2697430C1 (ru) Гидроакустический комплекс для мониторинга рыбы в садках предприятий индустриальной аквакультуры
Shen et al. Identification and counting of fish targets using adaptive resolution imaging sonar
Kristmundsson et al. Fish monitoring in aquaculture using multibeam echosounders and machine learning.
CN101644771A (zh) 一种用于水生哺乳动物的声学监测系统及方法
KR101138982B1 (ko) 수산자원 관리를 위한 어류 위치추적 시스템 및 방법
CN112859056A (zh) 一种用于大型海洋生物的远程预警系统及方法
CN114637014B (zh) 一种基于水下机器人的无人渔场鱼群行为识别系统及方法
Pavan et al. Bioacoustic research on cetaceans in the Mediterranean Sea
Barbin et al. Comparative analysis of day and night micronekton abundance estimates in west Pacific between acoustic and trawl surveys
Tong et al. Automatic single fish detection with a commercial echosounder using YOLO v5 and its application for echosounder calibration
He et al. Demo abstract: An underwater sonar-based drowning detection system
CN110412583A (zh) 基于多rov协同的水下不明运动目标侦测系统

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