CN115187636B - 一种基于多窗口的鱼苗识别计数方法及系统 - Google Patents

一种基于多窗口的鱼苗识别计数方法及系统 Download PDF

Info

Publication number
CN115187636B
CN115187636B CN202210881993.2A CN202210881993A CN115187636B CN 115187636 B CN115187636 B CN 115187636B CN 202210881993 A CN202210881993 A CN 202210881993A CN 115187636 B CN115187636 B CN 115187636B
Authority
CN
China
Prior art keywords
counting
fish
frame
identification
window
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
Application number
CN202210881993.2A
Other languages
English (en)
Other versions
CN115187636A (zh
Inventor
李明
章旭伟
贺文芳
田磊
程霄玲
徐勇斌
华陈权
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.)
Jinhua Qiwu Lun Information Technology Co ltd
Jinhua Aquatic Products Technology Promotion Station Jinhua Aquatic Animal Disease Prevention And Control Center
Original Assignee
Jinhua Qiwu Lun Information Technology Co ltd
Jinhua Aquatic Products Technology Promotion Station Jinhua Aquatic Animal Disease Prevention And Control Center
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 Jinhua Qiwu Lun Information Technology Co ltd, Jinhua Aquatic Products Technology Promotion Station Jinhua Aquatic Animal Disease Prevention And Control Center filed Critical Jinhua Qiwu Lun Information Technology Co ltd
Priority to CN202210881993.2A priority Critical patent/CN115187636B/zh
Publication of CN115187636A publication Critical patent/CN115187636A/zh
Application granted granted Critical
Publication of CN115187636B publication Critical patent/CN115187636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Farming Of Fish And Shellfish (AREA)

Abstract

本发明公开了一种基于多窗口的鱼苗识别计数方法及系统，具体涉及鱼苗识别计数领域，包括S1：在对鱼苗计数时，图像采集单元的摄像头固定拍摄整个导流槽内的鱼苗，通过特征提取单元、图像识别单元的算法模块，进行动态计算鱼苗的总数量；S2：对显示器单元的屏幕建立平面坐标系，屏幕中鱼苗沿着x轴方向移动；S3：沿x轴方向，先在显示器单元的屏幕上建立一个观察窗口A0，然后再依次建立2个独立的计数窗口A1、A2。针对鱼可能在不同帧不能被稳定识别的问题，设计了多个计数窗口进行独立计数，减少鱼苗漏识别的概率。

Description

一种基于多窗口的鱼苗识别计数方法及系统
技术领域
本发明涉及鱼苗识别计数技术领域，更具体地说，本发明涉及一种基于多窗口的鱼苗识别计数方法及系统。
背景技术
鱼的繁殖、饲养和放养，鱼类养殖，也称作水产养殖、养鱼和养鱼业，在维持食物的供应、垂钓以及扩大捕鱼区这些方面是重要的，通过鱼类养殖，许多种类被成功地引进新的区域，有一种鱼类养殖是将饲养金鱼和热带鱼作为职业和业余爱好，其他的则包括饲养鲤科小鱼当作诱饵以及在私人水域饲养其他鱼类，世界上很多地方都养殖着大量的鱼类且大多用于商业销售；
图像的传统识别流程分为四个步骤：图像采集→图像预处理→特征提取→图像识别；
鱼苗在导流槽或者随水排出的应用过程中，由于鱼苗自身不断运动产生不同的身体姿态及个体之间的聚合、离散使得其难以被图像识别中跟踪，导致活体鱼苗在进行图像识别计数时，不够准确。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于多窗口的鱼苗识别计数方法及系统，通过鱼可能在不同帧不能被稳定识别的问题，设计了多个计数窗口进行独立计数，减少鱼苗漏识别的概率，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于多窗口的鱼苗识别计数系统，包括中央处理器、图像采集单元、图像预处理单元、特征提取单元、图像识别单元、客户端、显示器单元以及服务器单元，所述客户端、显示器单元与服务器单元通过网络相连接，所述服务器单元与中央处理器电性连接，所述图像采集单元、图像预处理单元、特征提取单元、图像识别单元与中央处理器电性连接。
一种基于多窗口的鱼苗识别计数方法，
S1：在对鱼苗计数时，图像采集单元的摄像头固定拍摄整个导流槽内的鱼苗，通过特征提取单元、图像识别单元的算法模块，进行动态计算鱼苗的总数量；
S2：对显示器单元的屏幕建立平面坐标系，屏幕中鱼苗沿着x轴方向移动；
S3：沿x轴方向，先在显示器单元的屏幕上建立一个观察窗口A0，然后再依次建立2个独立的计数窗口A1、A2，也就是计数区，也可建立更多个计数窗口，各窗口不重叠，观察窗口A0，计数窗口宽度根据算法自动调整，窗口高度为图片高度；
S4：设A0、A1、A2的窗口宽度分别为W0、W1、W2，鱼苗识别框的信息为(xi，yi，wi，hi)，i＝1，2，3…，N；xi，yi为识别框中心点在图像中坐标位置；
S5：观察和计数过程按下面的步骤进行，首先先从图像采集单元的摄像头或视频文件接收一帧图片，再通过对鱼进行识别并生成识别框信息，最后根据图中识别框中心点的位置进行观察和计数。
在一个优选的实施方式中，其中图像采集单元的摄像头是固定进行拍摄的，鱼苗在每帧图像中的位置变化可反应其物理位置的变化；
视频流的帧序号从0开始，每增加1帧自动加1。
在一个优选的实施方式中，当一批鱼苗从导流槽上排出时，最前面的鱼苗是可跟踪的，确定的依据是鱼在导流槽上的前后位置关系，因此观察窗口A0通过跟踪最前面的鱼计算鱼的平均移动速度。
在一个优选的实施方式中，对观察窗口A0设置一个检测开关，当帧序号小于特定值或连续特定帧数未在A0中出现鱼时，检测开关启动，当检测开关启动后，在A0中第一次出现鱼时，记录帧序号n0；枚举在A0中所有被识别鱼的识别框的中心位置坐标，获得x轴坐标的最大值x0；
其中帧序号为n1时，同理获得该帧下所有识别框中心位置x坐标的最大值x1；计算V，W0、W1、W2值；设置A0、A1、A2的窗口宽度；关闭检测开关，拟定鱼在屏幕上平均每帧的偏移量为V；
W0＝int(λ0×V)
Wi＝int(λi×V)
其中V为鱼平均每帧的移动偏移量，W0为观察窗口宽度，Wi为计数窗口宽度，其中int为取整函数，其中λ0，λ1，λ2为经验值。
在一个优选的实施方式中，在理想状态下，鱼苗在每帧图像中被完全识别并在导流槽上匀速运动，此时视频中的鱼在屏幕上以每帧N个单位匀速移动；
以屏幕上的计数窗口A1观察为例，当N小于窗口宽度时，计数有重复；当N大于窗口宽度时，计数有遗漏；
当N等于窗口宽度时，将每帧在A1中观察到的局部图像按帧的顺序依次拼接起来，可获得一张完整的无缺失和重叠所有鱼的照片。
在一个优选的实施方式中，每帧中鱼苗识别框中心点位置在A1窗口内的总个数为该帧中鱼的数量，统计鱼苗的总数量只需将各帧的鱼数量相加；
这种理想状态下，平均每帧的偏移量V的值为N，W1的值与V的值相同(λ1＝1)；
在实际计数场景下，考虑在计数窗口中的鱼被漏识别概率更大，计数窗口宽度比理想状态下的宽度大。
在一个优选的实施方式中，A2窗口计数方法与A1窗口相同；假设某几条层叠的鱼在某一帧图像中的A1窗口处位置未被识别，由于鱼逆水习性运动使它们之间分离，在接下的某一帧中的A2窗口处位置被识别，因此多窗口的计数方法，可以进一步提高鱼的识别精度；
设在视频流的第j帧时，鱼苗识别框中心点位置在计数区A1、A2内的个数分别为a1j，a2j，计数区的统计的鱼苗总数记为S1、S2，计算公式如下，其中i＝1，2；
在一个优选的实施方式中，因死亡或失去活性的鱼苗无运动的能力，可能在缺乏引流水的情况下滞留在计数窗口(多发生在计数过程的末期)，为了避免重复计算需要增加一个判断条件：当在j帧，计数区内鱼苗的识别框信息(识别框的中心点位置及长和宽)是否与第j-1帧的相同，如相同则说明该鱼滞留在计数区，不再统计到计数值中。
假设鱼苗通过A1，A2两个计数窗口发生漏计数现象的概率相同，鱼苗总数量为S，其计数修正公式如下：
其中k1、k2为系数，max为最大值函数，int为取整函数。
从公式可知，鱼在屏幕上平均每帧的偏移量V受摄像机拍摄速率(FPS)影响，FPS值越大，V越小，如果V值过小(FPS过大)则计数过程中图像处理量大，效率低，同时对识别过程中的计算误差敏感，计数准确率反而下降。如果V值过大(FPS过小)，在计数窗口中的鱼由于姿态、黏连等原因未被识别的概率增加，计数准确率下降。
本发明的技术效果和优点：
本发明通过跟踪手段计数困难问题，设计了计数窗口，每帧只统计鱼识别框中心点在该计数窗口内的个数，鱼总数量为各帧统计个数的总和。如果计数窗口的宽度设置不正确，则造成漏统计或重复统计，观察窗口用于计算鱼平均每帧移动的像素值，并设置计数窗口的宽度，解决漏统计或重复统计问题。针对鱼可能在不同帧不能被稳定识别的问题，设计了多个计数窗口进行独立计数，减少鱼苗漏识别的概率。
附图说明
图1为本发明的方法流程示意图。
图2为本发明的图像识别模块示意图。
图3为本发明的显示模块结构示意图。
图4为鱼苗在导流槽中的第1帧姿态示意图。
图5为鱼苗在导流槽中的第2帧姿态示意图。
图6为鱼苗未被识别效果图。
图7为鱼苗被识别效果图。
图8为本发明基于多窗口鱼苗计数算法示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照说明书附图1-8，本发明一实施例的一种基于多窗口的鱼苗识别计数系统，包括中央处理器、图像采集单元、图像预处理单元、特征提取单元、图像识别单元、客户端、显示器单元以及服务器单元，所述客户端、显示器单元与服务器单元通过网络相连接，所述服务器单元与中央处理器电性连接，所述图像采集单元、图像预处理单元、特征提取单元、图像识别单元与中央处理器电性连接。
一种基于多窗口的鱼苗识别计数方法，
S1：在对鱼苗计数时，图像采集单元的摄像头固定拍摄整个导流槽内的鱼苗，通过特征提取单元、图像识别单元的算法模块，进行动态计算鱼苗的总数量；
S2：对显示器单元的屏幕建立平面坐标系，屏幕中鱼苗沿着x轴方向移动；
S3：沿x轴方向，先在显示器单元的屏幕上建立一个观察窗口A0，然后再依次建立2个独立的计数窗口A1、A2，也就是计数区，也可建立更多个计数窗口，各窗口不重叠，观察窗口A0，计数窗口宽度根据算法自动调整，窗口高度为图片高度；
S4：设A0、A1、A2的窗口宽度分别为W0、W1、W2，鱼苗识别框的信息为(xi，yi，wi，hi)，i＝1，2，3…，N；xi，yi为识别框中心点在图像中坐标位置；
S5：观察和计数过程按下面的步骤进行，首先先从图像采集单元的摄像头或视频文件接收一帧图片，再通过对鱼进行识别并生成识别框信息，最后根据图中识别框中心点的位置进行观察和计数。
其中图像采集单元的摄像头是固定进行拍摄的，鱼苗在每帧图像中的位置变化可反应其物理位置的变化；视频流的帧序号从0开始，每增加1帧自动加1。
当一批鱼苗从导流槽上排出时，最前面的鱼苗是可跟踪的，确定的依据是鱼在导流槽上的前后位置关系，因此观察窗口A0通过跟踪最前面的鱼计算鱼的平均移动速度。
对观察窗口A0设置一个检测开关，当帧序号小于特定值或连续特定帧数未在A0中出现鱼时，检测开关启动，当检测开关启动后，在A0中第一次出现鱼时，记录帧序号n0；枚举在A0中所有被识别鱼的识别框的中心位置坐标，获得x轴坐标的最大值x0；
其中帧序号为n1时，同理获得该帧下所有识别框中心位置x坐标的最大值x1；计算V，W0、W1、W2值；设置A0、A1、A2的窗口宽度；关闭检测开关，拟定鱼在屏幕上平均每帧的偏移量为V；
W0＝int(λ0×V)
Wi＝int(λi×V)
其中V为鱼平均每帧的移动偏移量，W0为观察窗口宽度，Wi为计数窗口宽度，其中int为取整函数，其中λ0，λ1，λ2为经验值。
在理想状态下，鱼苗在每帧图像中被完全识别并在导流槽上匀速运动，此时视频中的鱼在屏幕上以每帧N个单位匀速移动；
以屏幕上的计数窗口A1观察为例，当N小于窗口宽度时，计数有重复；当N大于窗口宽度时，计数有遗漏；
当N等于窗口宽度时，将每帧在A1中观察到的局部图像按帧的顺序依次拼接起来，可获得一张完整的无缺失和重叠所有鱼的照片。
每帧中鱼苗识别框中心点位置在A1窗口内的总个数为该帧中鱼的数量，统计鱼苗的总数量只需将各帧的鱼数量相加；种理想状态下，平均每帧的偏移量V的值为N，W1的值与V的值相同(λ1＝1)；
在实际计数场景下，考虑在计数窗口中的鱼被漏识别概率更大，计数窗口宽度比理想状态下的宽度大。
另外A2窗口计数方法与A1窗口相同；假设某几条层叠的鱼在某一帧图像中的A1窗口处位置未被识别，由于鱼逆水习性运动使它们之间分离，在接下的某一帧中的A2窗口处位置被识别，因此多窗口的计数方法，可以进一步提高鱼的识别精度；
设在视频流的第j帧时，鱼苗识别框中心点位置在计数区A1、A2内的个数分别为a1j，a2j，计数区的统计的鱼苗总数记为S1、S2，计算公式如下，其中i＝1，2；
因死亡或失去活性的鱼苗无运动的能力，可能在缺乏引流水的情况下滞留在计数窗口(多发生在计数过程的末期)，为了避免重复计算需要增加一个判断条件：当在j帧，计数区内鱼苗的识别框信息(识别框的中心点位置及长和宽)是否与第j-1帧的相同，如相同则说明该鱼滞留在计数区，不再统计到计数值中。
假设鱼苗通过A1，A2两个计数窗口发生漏计数现象的概率相同，鱼苗总数量为S，其计数修正公式如下：
其中k1、k2为系数，max为最大值函数，int为取整函数。
从公式可知，鱼在屏幕上平均每帧的偏移量V受摄像机拍摄速率(FPS)影响，FPS值越大，V越小，如果V值过小(FPS过大)则计数过程中图像处理量大，效率低，同时对识别过程中的计算误差敏感，计数准确率反而下降。如果V值过大(FPS过小)，在计数窗口中的鱼由于姿态、黏连等原因未被识别的概率增加，计数准确率下降。
最后应说明的几点是：首先，在本申请的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变，则相对位置关系可能发生改变；
其次：本发明公开实施例附图中，只涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突情况下，本发明同一实施例及不同实施例可以相互组合；
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于多窗口的鱼苗识别计数系统，包括中央处理器、图像采集单元、图像预处理单元、特征提取单元、图像识别单元、客户端、显示器单元以及服务器单元，其特征在于：所述客户端、显示器单元与服务器单元通过网络相连接，所述服务器单元与中央处理器电性连接，所述图像采集单元、图像预处理单元、特征提取单元、图像识别单元与中央处理器电性连接；所述鱼苗识别计数系统实现的鱼苗识别计数方法包括：
S1：在对鱼苗计数时，图像采集单元的摄像头固定拍摄整个导流槽内的鱼苗，拍摄的图片或视频在显示器单元中显示；
S2：然后对显示器单元的屏幕建立平面坐标系，屏幕中鱼苗沿着x轴方向移动；
S3：在显示器单元的屏幕上沿x轴方向建立一个观察窗口A0，然后再依次建立2个独立的计数窗口A1、A2；
S4：设A0、A1、A2的窗口宽度分别为W0、W1、W2，鱼苗识别框的信息为(xi，yi，wi，hi)，i＝1，2，3…，N；xi，yi为识别框中心点在图像中坐标位置，wi，hi为识别框的宽度和高度；
S5：观察和计数过程按下面的步骤进行，首先先从图像采集单元的摄像头或视频文件接收一帧图片，再通过对鱼进行识别并生成识别框信息，最后根据图中识别框中心点的位置进行观察和计数；具体地，每帧中鱼苗识别框中心点位置在A1窗口内的总个数为该帧中鱼的数量，统计鱼苗的总数量只需将各帧的鱼数量相加；A2窗口计数方法与A1窗口的计数方法相同；设在视频流的第j帧时，鱼苗识别框中心点位置在计数窗口A1、计数窗口A2内的个数分别为a1j，a2j，计数区的统计的鱼苗总数记为S1、S2，计算公式如下，其中i＝1，2；
因死亡或失去活性的鱼苗无运动的能力，可能在缺乏引流水的情况下滞留在计数窗口，发生在计数过程的末期，为了避免重复计算需要增加一个判断条件：当在j帧，计数区内鱼苗的识别框信息，识别框的中心点位置及长和宽，是否与第j-1帧的相同，如相同则说明该鱼滞留在计数区，不再统计到计数值中；
鱼苗总数量为S，其计数公式如下：
其中k1、k2为系数，max为最大值函数，int为取整函数。
CN202210881993.2A 2022-07-26 2022-07-26 一种基于多窗口的鱼苗识别计数方法及系统 Active CN115187636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210881993.2A CN115187636B (zh) 2022-07-26 2022-07-26 一种基于多窗口的鱼苗识别计数方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210881993.2A CN115187636B (zh) 2022-07-26 2022-07-26 一种基于多窗口的鱼苗识别计数方法及系统

Publications (2)

Publication Number Publication Date
CN115187636A CN115187636A (zh) 2022-10-14
CN115187636B true CN115187636B (zh) 2023-09-19

Family

ID=83520392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210881993.2A Active CN115187636B (zh) 2022-07-26 2022-07-26 一种基于多窗口的鱼苗识别计数方法及系统

Country Status (1)

Country Link
CN (1) CN115187636B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115067257B (zh) * 2022-07-26 2023-05-26 金华市水产技术推广站(金华市水生动物疫病防控中心) 一种精准控制投喂量的投饵方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106940789A (zh) * 2017-03-10 2017-07-11 广东数相智能科技有限公司 一种基于视频识别的数量统计的方法、系统及装置
CN109800712A (zh) * 2019-01-21 2019-05-24 成都快眼科技有限公司 一种基于深度卷积神经网络的车辆检测计数方法及设备
CN110766123A (zh) * 2018-07-10 2020-02-07 群光电能科技股份有限公司 鱼苗计数系统及鱼苗计数方法
JP2020102852A (ja) * 2017-09-27 2020-07-02 キヤノンマーケティングジャパン株式会社 画像処理システム、画像処理システムの制御方法、およびプログラム
WO2021060077A1 (ja) * 2019-09-27 2021-04-01 ヤンマーパワーテクノロジー株式会社 魚計数システム、魚計数方法及びプログラム
CN113313737A (zh) * 2021-06-11 2021-08-27 长江大学 一种基于计算机视觉的诱虫瓶昆虫计数方法以及计数装置
CN113793350A (zh) * 2021-09-24 2021-12-14 安徽工大信息技术有限公司 一种鱼苗计数物联设备及鱼苗情况统计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3055162B1 (fr) * 2016-08-19 2019-08-02 Delphine Mallet Procede de comptage et d'identification d'especes de poissons en un lieu donne
US11602132B2 (en) * 2020-10-06 2023-03-14 Sixgill, LLC System and method of counting livestock

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106940789A (zh) * 2017-03-10 2017-07-11 广东数相智能科技有限公司 一种基于视频识别的数量统计的方法、系统及装置
JP2020102852A (ja) * 2017-09-27 2020-07-02 キヤノンマーケティングジャパン株式会社 画像処理システム、画像処理システムの制御方法、およびプログラム
CN110766123A (zh) * 2018-07-10 2020-02-07 群光电能科技股份有限公司 鱼苗计数系统及鱼苗计数方法
CN109800712A (zh) * 2019-01-21 2019-05-24 成都快眼科技有限公司 一种基于深度卷积神经网络的车辆检测计数方法及设备
WO2021060077A1 (ja) * 2019-09-27 2021-04-01 ヤンマーパワーテクノロジー株式会社 魚計数システム、魚計数方法及びプログラム
CN113313737A (zh) * 2021-06-11 2021-08-27 长江大学 一种基于计算机视觉的诱虫瓶昆虫计数方法以及计数装置
CN113793350A (zh) * 2021-09-24 2021-12-14 安徽工大信息技术有限公司 一种鱼苗计数物联设备及鱼苗情况统计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Automatic fish counting method using image density grading and local regression》;Lu Zhang 等;《Computers and Electronics in Agriculture》;第1-10页 *
《基于视频分析技术的鱼苗计数装置设计与试验》;杨昱皞 等;《农业装备》;第21-24页 *

Also Published As

Publication number Publication date
CN115187636A (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN109922250B (zh) 一种目标对象抓拍方法、装置及视频监控设备
CN108401177B (zh) 视频播放方法、服务器及视频播放系统
WO2021035807A1 (zh) 一种融合光流信息和Siamese框架的目标跟踪方法及装置
CN106251399B (zh) 一种基于lsd-slam的实景三维重建方法及实施装置
CN115187636B (zh) 一种基于多窗口的鱼苗识别计数方法及系统
CN105096269B (zh) 基于畸变直线结构检测的图像径向畸变矫正的方法及系统
CN110598658B (zh) 一种母猪哺乳行为的卷积网络识别方法
US20160127657A1 (en) Imaging system
CN101853524A (zh) 使用图像序列生成玉米果穗全景图的方法
TW200820099A (en) Target moving object tracking device
CN108259770A (zh) 图像处理方法、装置、存储介质及电子设备
EP2560149A2 (en) Image processing device, image processing method and program
CN114913239B (zh) 一种事件相机传感器与rgb相机联合标定方法和装置
US8983188B1 (en) Edge-aware smoothing in images
CN110059634A (zh) 一种大场景人脸抓拍方法
WO2021060077A1 (ja) 魚計数システム、魚計数方法及びプログラム
CN112207821A (zh) 视觉机器人的目标搜寻方法及机器人
CN113793350A (zh) 一种鱼苗计数物联设备及鱼苗情况统计方法
CN113516070A (zh) 一种猪只点数方法
CN108197601A (zh) 一种智能人脸跟踪曝光系统
US20210034845A1 (en) Method and apparatus for monitoring working state
US20130308829A1 (en) Still image extraction apparatus
WO2020098325A1 (zh) 一种图像合成方法、电子设备及存储介质
CN113222889B (zh) 高分辨率图像下水产养殖物的工厂化养殖计数方法及装置
CN111669492A (zh) 一种终端对拍摄的数字图像进行处理的方法及终端

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