CN115802009A - 一种通过视频数据识别鱼群缺氧的方法 - Google Patents
一种通过视频数据识别鱼群缺氧的方法 Download PDFInfo
- Publication number
- CN115802009A CN115802009A CN202211462488.0A CN202211462488A CN115802009A CN 115802009 A CN115802009 A CN 115802009A CN 202211462488 A CN202211462488 A CN 202211462488A CN 115802009 A CN115802009 A CN 115802009A
- Authority
- CN
- China
- Prior art keywords
- cloud
- intelligent high
- definition camera
- video data
- 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
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 55
- 206010021143 Hypoxia Diseases 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000007954 hypoxia Effects 0.000 title claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 19
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 19
- 239000001301 oxygen Substances 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 238000006213 oxygenation reaction Methods 0.000 claims description 16
- 230000002457 bidirectional effect Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000001706 oxygenating effect Effects 0.000 claims description 3
- 230000026676 system process Effects 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims description 2
- 239000003643 water by type Substances 0.000 claims description 2
- 230000001146 hypoxic effect Effects 0.000 claims 6
- 238000009360 aquaculture Methods 0.000 description 6
- 244000144974 aquaculture Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012950 reanalysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种通过视频数据识别鱼群缺氧的方法,涉及到数据识别领域,包括识别设备和配合识别设备使用并用于识别鱼群缺氧信息的云平台系统,通过视频数据识别鱼群缺氧的方法具体操作步骤如下:S1:硬件和软件部署;S2:在云端编排工作场景;S3:系统自动运行;S4:智能高清摄像机拍摄数据;S5:云端定期推送检测报告。本发明能解决人工操作的不确定性以及对个体的依赖,实现池塘水的含氧量指标数字化,且进行专业的数据分析,进行预判池塘中的鱼群是否缺氧,能快速及时的判断池塘水域是否缺氧和降低池塘水域溶氧探测成本,实现养殖数据的采集,分析和策略推断。
Description
技术领域
本发明涉及数据识别领域,特别涉及一种通过视频数据识别鱼群缺氧的方法。
背景技术
目前国内的池塘养殖业还比较传统,通过养殖经验值人工的操作增氧泵,来维护池塘含氧量,这种方式对人的依赖比较大,一是需要养殖户有足够的养殖经验,二是需要定期的来操作增氧泵;人为操作就会带来比较大的不确定性。
此外,人工操作不会精确的计算成本,比如增氧泵的启停时间,运行时长,不同天气下的补氧参数等,这些精细化的管理很难通过拥有的养殖经验去解决。如果能通过数字化的方式,就结合各种条件参数进行快速的判断,得到最优的泵氧方案,将成本降到最低。
另外,随着养殖行业的发展,会出现越来越大的专业养殖企业,池塘面积也会剧增,这种大规模的渔场,不仅面积大,而且鱼种也繁多,养殖要求也很高,这种渔场靠人工和其拥有的经验是无法保证养殖安全的,必须通过全方位的数据监测,用实际数据来推算喂养策略。本发明的视频判别的方法非常适合规模比较大的养殖渔场。
最后,通常池塘养殖的时候会配备一些含氧量检测的设备,比如溶氧仪等,这些仪器的使用可以弥补通过人工判断氧气含量的“非数字化”的问题,但是这些设备还是需要人工操作,不仅提高人工成本,也会存在采集及时性问题,特别是池塘水域面积大时,更会出现采集样点少和分布不均匀的问题。因此,发明一种通过视频数据识别鱼群缺氧的方法来解决上述问题很有必要。
发明内容
本发明的目的在于提供一种通过视频数据识别鱼群缺氧的方法,本发明专利应用于池塘养殖业,目的是通过视频的方式及时有效的发现池塘缺氧,及时的通知到负责人。对比其他常规池塘溶氧检测手段,通过视频的方式具备速度快,成本低的优势,同时视频方案是依靠数据进行智能识别,数据处理算法可以在云端方便的进行维护和优化,能够不断的提高视频判别的准确性和速度。
为实现上述目的,本发明提供如下技术方案:一种通过视频数据识别鱼群缺氧的方法,包括识别设备和配合识别设备使用并用于识别鱼群缺氧信息的云平台系统,所述识别设备包括智能高清摄像机,所述智能高清摄像机通过摄像机支架架设在池塘水域位置,所述智能高清摄像机上设置有驱动智能高清摄像机沿着摄像机支架移动的动力系统,所述智能高清摄像机与边缘网关之间双向连接,所述边缘网关与云平台系统连接;
所述云平台系统包括云计算中心、数据库、分析模块、云端和对比模块,所述云计算中心与智能高清摄像机的数据输出端连接,所述云计算中心与对比模块之间双向连接,所述数据库、分析模块、云端分别与云计算中心之间双向连接,所述云计算中心的输出端连接有用于给池塘水域内的水增氧的增氧泵;
快速及时的判断池塘水域是否缺氧;降低池塘水域溶氧探测成本;实现池塘水的含氧量指标数字化,且进行专业的数据分析,进行预判池塘中的鱼群是否缺氧;
所述通过视频数据识别鱼群缺氧的方法具体操作步骤如下:
S1:硬件和软件部署,硬件包括如上所述智能高清摄像机、摄像机支架、驱动智能高清摄像机沿着摄像机支架移动的动力系统、边缘网关、增氧泵和云计算中心,软件包括如上所述数据库、分析模块、云端和对比模块,硬件如上连接方式安装完毕后,在云端进行工程编排,设定池塘水域位置、池塘水域编号、尺寸、驱动智能高清摄像机沿着摄像机支架移动的动力系统和智能高清摄像机编号以及完成边缘网关的部署;
S2:在云端编排工作场景,编排智能高清摄像机每次拍摄的间隔时间,拍摄图像的各个参数、每次拍摄时的云台调整参数,每个拍摄区域的步进距离;
S3:系统自动运行,到达拍摄时间后,云端下发电机驱动,移动到第一张拍摄位置,步进电机到位后,上传就位信息,云端下发云台调节和摄像参数设置指令,智能高清摄像机调整就位后开始拍照或者摄像,第一个拍摄区域执行完毕,云端开始调节系统进行第二个拍摄区域的作业,直到所有拍摄区域拍摄完毕;
S4:智能高清摄像机拍摄数据,先经过本地边缘网关进行预处理,然后将有效文件发送云端进行图像识别和分析,得出结论和策略;
S5:云端定期推送检测报告,如果有紧急事件,云端可推送微信、短信信息或电话通知。
优选的,所述摄像机支架横跨架设在整个池塘水域的上方。
优选的,所述摄像机支架横跨架设在部分池塘水域的上方。
优选的,所述智能高清摄像机上配备有用于调节其拍摄角度的云台。
优选的,所述S4中云端进行图像识别时识别鱼群状态,当池塘缺氧后,鱼群会出现比较明显的浮头或者露白现象,鱼数量也会比较多,且数量呈现上升趋势,此时智能高清摄像机可以在初期捕获“疑似”缺氧区域的特征图像和视频数据,云端分析后,可以判断此池塘水域有缺氧风险,启动连续监控策略,会缩短拍摄间隔或连续拍摄。
优选的,所述S6中云端进行图像识别时识别水状态,当池塘缺氧后,水的颜色会发生变化,可以根据此特征,进行缺氧判断,水颜色、水温和含氧量的关系有专业计算公式,云端集成算法后可以在鱼群出现浮头现象前得出结论。
可非常快速和及时的检测出缺氧现象的发生;可以高频率的甚至不间断的进行拍摄和检测,效率远超人工检测的方式;可以通过“趋势”变化,预测缺氧现象发生,在鱼群出现状况前预判;可以联动增氧泵,自动作业;无耗材,无维护,可以降低运营成本;大量数据可以完成机器学习和准确趋势预判,结合报警系统,有效防止缺氧事件发生;全程可以无人化工作,杜绝人为失误带来的损失。
优选的,所述S6中云端实时进行数据分析,得出缺氧趋势,如果趋势不好转,达到设定的报警阈值后,触发报警或云端直接控制靠近缺氧区域的增氧泵启动。
优选的,所述S6中智能高清摄像机获取的鱼群状态和水状态下云端进行数据分析得出缺氧趋势消失,云端通过云计算中心控制增氧泵关闭,恢复正常的拍摄间隔。
优选的,所述云平台系统,处理池塘水域图片,进行AI分析,得出分析结论,输出策略。
优选的,所述边缘网关在池塘水域本地部署,进行必要的本地视频运算和存储。
本发明的技术效果和优点:
1、解决人工操作的不确定性以及对个体的依赖。
2、快速及时的判断池塘水域是否缺氧。
3、降低池塘水域溶氧探测成本。
4、实现池塘水的含氧量指标数字化,且进行专业的数据分析,进行预判池塘中的鱼群是否缺氧。
5、实现养殖数据的采集,分析和策略推断。
6、且本发明中还可以非常快速和及时的检测出缺氧现象的发生;可以高频率的甚至不间断的进行拍摄和检测,效率远超人工检测的方式;可以通过“趋势”变化,预测缺氧现象发生,在鱼群出现状况前预判;可以联动增氧泵,自动作业;无耗材,无维护,可以降低运营成本;大量数据可以完成机器学习和准确趋势预判,结合报警系统,有效防止缺氧事件发生;全程可以无人化工作,杜绝人为失误带来的损失。
附图说明
图1为本发明的整体架构示意图。
图2为本发明的区域拍摄划分结构示意图。
图3为本发明云台调节角度后拍摄的区域划分结构示意图。
图4为本发明模块组成示意图。
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。
本发明提供了如图1-4所示的一种通过视频数据识别鱼群缺氧的方法,包括识别设备和配合识别设备使用并用于识别鱼群缺氧信息的云平台系统,识别设备包括智能高清摄像机,智能高清摄像机通过摄像机支架架设在池塘水域位置,智能高清摄像机上设置有驱动智能高清摄像机沿着摄像机支架移动的动力系统,智能高清摄像机与边缘网关之间双向连接,边缘网关与云平台系统连接;
云平台系统包括云计算中心、数据库、分析模块、云端和对比模块,云计算中心与智能高清摄像机的数据输出端连接,云计算中心与对比模块之间双向连接,数据库、分析模块、云端分别与云计算中心之间双向连接,云计算中心的输出端连接有用于给池塘水域内的水增氧的增氧泵;
其中,云计算中心、数据库、分析模块、云端和对比模块为现有常见技术,在此做简单的说明,不多做赘述。
云计算中心:即集群式的云计算服务或中央处理器,是整个云平台系统的运算核心和控制核心。
数据库:用于存储通过有限实验得出的水状态、鱼群状态与鱼群缺氧信息的数据关系信息,通常使用硬盘或者云端存储库存储。
分析模块:利用算法分析判断智能高清摄像头获取到的水状态信息和鱼群状态信息,并判断此信息是否与数据库中信息一致。
云端:前文已充分进行了叙述。
对比模块:实现本地数据预处理,一个渔场有多个池塘,每个池塘可以设置连续拍摄,会有大量的数据产生,这些数据99.9%的概率都是正常情况,本地计算可以过滤掉明显的正常数据,只有疑似数据会上报云端进行再分析。
需要说明的是,对比模块、云计算中心、数据库和分析模块一起即指的是边缘网关,边缘网关成本较低,可以一个池塘安放一台,高性能的网关可以支持多个池塘的数据处理。
通过视频数据识别鱼群缺氧的方法具体操作步骤如下:
S1:硬件和软件部署,硬件包括如上智能高清摄像机、摄像机支架、驱动智能高清摄像机沿着摄像机支架移动的动力系统、边缘网关、增氧泵和云计算中心,软件包括如上数据库、分析模块、云端和对比模块,硬件如上连接方式安装完毕后,在云端进行工程编排,设定池塘水域位置、池塘水域编号、尺寸、驱动智能高清摄像机沿着摄像机支架移动的动力系统和智能高清摄像机编号以及完成边缘网关的部署;
S2:在云端编排工作场景,编排智能高清摄像机每次拍摄的间隔时间,拍摄图像的各个参数、每次拍摄时的云台调整参数,每个拍摄区域的步进距离;
S3:系统自动运行,到达拍摄时间后,云端下发电机驱动,移动到第一张拍摄位置,步进电机到位后,上传就位信息,云端下发云台调节和摄像参数设置指令,智能高清摄像机调整就位后开始拍照或者摄像,第一个拍摄区域执行完毕,云端开始调节系统进行第二个拍摄区域的作业,直到所有拍摄区域拍摄完毕;
S4:智能高清摄像机拍摄数据,先经过本地边缘网关进行预处理,然后将有效文件发送云端进行图像识别和分析,得出结论和策略;
S5:云端定期推送检测报告,如果有紧急事件,云端可推送微信、短信信息或电话通知。
摄像机支架横跨架设在整个池塘水域的上方。
摄像机支架横跨架设在部分池塘水域的上方。
其中,摄像机支架也可以架设在池塘水域的周围,具体的根据智能高清摄像头和池塘水域的形状、面积等因素来选择。
智能高清摄像机上配备有用于调节其拍摄角度的云台。
S4中云端进行图像识别时识别鱼群状态,当池塘缺氧后,鱼群会出现比较明显的浮头或者露白现象,鱼数量也会比较多,且数量呈现上升趋势,此时智能高清摄像机可以在初期捕获“疑似”缺氧区域的特征图像和视频数据,云端分析后,可以判断此池塘水域有缺氧风险,启动连续监控策略,会缩短拍摄间隔或连续拍摄。
S6中云端进行图像识别时识别水状态,当池塘缺氧后,水的颜色会发生变化,可以根据此特征,进行缺氧判断,水颜色、水温和含氧量的关系有专业计算公式,云端集成算法后可以在鱼群出现浮头现象前得出结论。
S6中云端实时进行数据分析,得出缺氧趋势,如果趋势不好转,达到设定的报警阈值后,触发报警或云端直接控制靠近缺氧区域的增氧泵启动。
S6中智能高清摄像机获取的鱼群状态和水状态下云端进行数据分析得出缺氧趋势消失,云端通过云计算中心控制增氧泵关闭,恢复正常的拍摄间隔。
云平台系统,处理池塘水域图片,进行AI分析,得出分析结论,输出策略。
边缘网关在池塘水域本地部署,进行必要的本地视频运算和存储。
工作时,因为鱼塘面积比较大,如果只在固定位置(比如鱼塘某个角)进行立杆拍摄,不容易拍到清晰且不变形的照片,所以设计了摄像机支架和动力系统,动力系统可驱动智能高清摄像机沿着摄像机支架移动,从而拍摄获得更多位置的水状态和鱼群状态。
其中,摄像机支架可安装在池塘纵向(长)正中央,通过步进电机(云台)驱动,能将拍摄区域分片,找到做合适的拍摄位置(如图2所示);横向(宽)如果也需要分片,利用摄像机的云台控制和变焦功能进行调节(如图3所示),可以拍摄到清晰的图像。
本地边缘计算系统
本地边缘系统是本发明的重要组成部分,主要的功能有:
1、本地策略的执行:云端编排的作业策略,会下发到本地边缘网关,本地网关执行具备及时性,并且能够降低云端的压力。本地执行的结果会及时同步到云端,如果云端检测到有未执行的策略,会再次向本地边缘网关同步策略或者报警。
2、本地数据预处理:一个渔场有多个池塘,每个池塘可以设置连续拍摄,会有大量的数据产生,这些数据99.9%的概率都是正常情况,本地计算可以过滤掉明显的正常数据,只有疑似数据会上报云端进行再分析;同时也可以选择将数据全部上报云端进行分析,供云端大数据修正使用和存档使用。
3、算法更新系统:边缘网关随时和云端保持联系,云端可以将该鱼塘的分析算法实时更新,也可以将配套的边缘计算算法随时更新到边缘网关上,以优化数据预处理的效率和效果。
云端AI系统
云端系统的主要功能有:
1、高级图像识别和分析能力:集成专业算法,对水图像和鱼群图像不断的进行机器学习和训练,能够达到精准的数据预测。
2、能够处理和分析视频流,在“疑似缺氧”的时候,能够连续进行数据分析,及时分析缺氧趋势。
3、数据聚合、看板和曲线功能,形成检测报告,分析历史曲线特点,从更大层面上帮助养殖户避免缺氧现象的发生。
Claims (10)
1.一种通过视频数据识别鱼群缺氧的方法,包括识别设备和配合识别设备使用并用于识别鱼群缺氧信息的云平台系统,其特征在于:所述识别设备包括智能高清摄像机,所述智能高清摄像机通过摄像机支架架设在池塘水域位置,所述智能高清摄像机上设置有驱动智能高清摄像机沿着摄像机支架移动的动力系统,所述智能高清摄像机与边缘网关之间双向连接,所述边缘网关与云平台系统连接;
所述云平台系统包括云计算中心、数据库、分析模块、云端和对比模块,所述云计算中心与智能高清摄像机的数据输出端连接,所述云计算中心与对比模块之间双向连接,所述数据库、分析模块、云端分别与云计算中心之间双向连接,所述云计算中心的输出端连接有用于给池塘水域内的水增氧的增氧泵;
所述通过视频数据识别鱼群缺氧的方法具体操作步骤如下:
S1:硬件和软件部署,硬件包括如上所述智能高清摄像机、摄像机支架、驱动智能高清摄像机沿着摄像机支架移动的动力系统、边缘网关、增氧泵和云计算中心,软件包括如上所述数据库、分析模块、云端和对比模块,硬件如上连接方式安装完毕后,在云端进行工程编排,设定池塘水域位置、池塘水域编号、尺寸、驱动智能高清摄像机沿着摄像机支架移动的动力系统和智能高清摄像机编号以及完成边缘网关的部署;
S2:在云端编排工作场景,编排智能高清摄像机每次拍摄的间隔时间,拍摄图像的各个参数、每次拍摄时的云台调整参数,每个拍摄区域的步进距离;
S3:系统自动运行,到达拍摄时间后,云端下发电机驱动,移动到第一张拍摄位置,步进电机到位后,上传就位信息,云端下发云台调节和摄像参数设置指令,智能高清摄像机调整就位后开始拍照或者摄像,第一个拍摄区域执行完毕,云端开始调节系统进行第二个拍摄区域的作业,直到所有拍摄区域拍摄完毕;
S4:智能高清摄像机拍摄数据,先经过本地边缘网关进行预处理,然后将有效文件发送云端进行图像识别和分析,得出结论和策略;
S5:云端定期推送检测报告,如果有紧急事件,云端可推送微信、短信信息或电话通知。
2.根据权利要求1所述的一种通过视频数据识别鱼群缺氧的方法,其特征在于:所述摄像机支架横跨架设在整个池塘水域的上方。
3.根据权利要求1所述的一种通过视频数据识别鱼群缺氧的方法,其特征在于:所述摄像机支架横跨架设在部分池塘水域的上方。
4.根据权利要求1所述的一种通过视频数据识别鱼群缺氧的方法,其特征在于:所述智能高清摄像机上配备有用于调节其拍摄角度的云台。
5.根据权利要求1所述的一种通过视频数据识别鱼群缺氧的方法,其特征在于:所述S4中云端进行图像识别时识别鱼群状态,当池塘缺氧后,鱼群会出现比较明显的浮头或者露白现象,鱼数量也会比较多,且数量呈现上升趋势,此时智能高清摄像机可以在初期捕获“疑似”缺氧区域的特征图像和视频数据,云端分析后,可以判断此池塘水域有缺氧风险,启动连续监控策略,会缩短拍摄间隔或连续拍摄。视频识别技术可以监测出水位和流速是否正常,当水位和流速偏低时,鱼塘缺氧的概率会增高,此时通过视频技术提前识别出来后,可以作为一个预测信息告知相关负责人。
6.根据权利要求1所述的一种通过视频数据识别鱼群缺氧的方法,其特征在于:所述S6中云端进行图像识别时识别水状态,当池塘缺氧后,水的颜色会发生变化,可以根据此特征,进行缺氧判断,水颜色、水温和含氧量的关系有专业计算公式,云端集成算法后可以在鱼群出现浮头现象前得出结论。
7.根据权利要求1所述的一种通过视频数据识别鱼群缺氧的方法,其特征在于:所述S6中云端实时进行数据分析,得出缺氧趋势,如果趋势不好转,达到设定的报警阈值后,触发报警或云端直接控制靠近缺氧区域的增氧泵启动。
8.根据权利要求1所述的一种通过视频数据识别鱼群缺氧的方法,其特征在于:所述S6中智能高清摄像机获取的鱼群状态和水状态下云端进行数据分析得出缺氧趋势消失,云端通过云计算中心控制增氧泵关闭,恢复正常的拍摄间隔。
9.根据权利要求1所述的一种通过视频数据识别鱼群缺氧的方法,其特征在于:所述云平台系统,处理池塘水域图片,进行AI分析,得出分析结论,输出策略。
10.根据权利要求1所述的一种通过视频数据识别鱼群缺氧的方法,其特征在于:所述边缘网关在池塘水域本地部署,进行本地视频运算和存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462488.0A CN115802009A (zh) | 2022-11-21 | 2022-11-21 | 一种通过视频数据识别鱼群缺氧的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462488.0A CN115802009A (zh) | 2022-11-21 | 2022-11-21 | 一种通过视频数据识别鱼群缺氧的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115802009A true CN115802009A (zh) | 2023-03-14 |
Family
ID=85439765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211462488.0A Pending CN115802009A (zh) | 2022-11-21 | 2022-11-21 | 一种通过视频数据识别鱼群缺氧的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115802009A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001142138A (ja) * | 1999-11-12 | 2001-05-25 | Sanai Kogyo:Kk | 監視カメラ装置および監視カメラシステム |
CN106162086A (zh) * | 2016-07-26 | 2016-11-23 | 深圳前海弘稼科技有限公司 | 植物生长状态的监控系统和监控方法 |
CN107730495A (zh) * | 2017-10-25 | 2018-02-23 | 重庆祺璨科技有限公司 | 一种基于背景建模的鱼塘缺氧检测方法 |
CN109342685A (zh) * | 2018-12-13 | 2019-02-15 | 刘山平 | 一种基于计算机的水产养殖监控系统 |
CN110765930A (zh) * | 2019-10-22 | 2020-02-07 | 北京海益同展信息科技有限公司 | 水产养殖巡检系统、巡检方法和控制器 |
CN111838027A (zh) * | 2020-07-22 | 2020-10-30 | 盐城师范学院 | 一种纯氧供应水产养殖系统及方法 |
-
2022
- 2022-11-21 CN CN202211462488.0A patent/CN115802009A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001142138A (ja) * | 1999-11-12 | 2001-05-25 | Sanai Kogyo:Kk | 監視カメラ装置および監視カメラシステム |
CN106162086A (zh) * | 2016-07-26 | 2016-11-23 | 深圳前海弘稼科技有限公司 | 植物生长状态的监控系统和监控方法 |
CN107730495A (zh) * | 2017-10-25 | 2018-02-23 | 重庆祺璨科技有限公司 | 一种基于背景建模的鱼塘缺氧检测方法 |
CN109342685A (zh) * | 2018-12-13 | 2019-02-15 | 刘山平 | 一种基于计算机的水产养殖监控系统 |
CN110765930A (zh) * | 2019-10-22 | 2020-02-07 | 北京海益同展信息科技有限公司 | 水产养殖巡检系统、巡检方法和控制器 |
CN111838027A (zh) * | 2020-07-22 | 2020-10-30 | 盐城师范学院 | 一种纯氧供应水产养殖系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8237589B2 (en) | Adjusting system and method for traffic light | |
CN112506120A (zh) | 一种基于物联网的智慧渔业管理系统 | |
US10878227B2 (en) | Unusual motion detection method and system | |
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 | |
CN112931377B (zh) | 一种基于图像活体识别的鱼池饲料投放控制系统与方法 | |
CN105744229B (zh) | 基于红外全景环视融合的无人艇自动锚泊系统及其工作方法 | |
CN107301689A (zh) | 一种基于无人船的网箱巡检装置及其方法 | |
TWI574612B (zh) | Feeding control devices for aquaculture animals | |
CN106550223A (zh) | 一种用于水产养殖的死鱼监控装置及监控方法 | |
CN112136741A (zh) | 视觉面积精准喂食方法 | |
CN111838027A (zh) | 一种纯氧供应水产养殖系统及方法 | |
CN109326125B (zh) | 基于嵌入式系统的图片质量诊断系统及诊断方法 | |
CN110063326A (zh) | 基于卷积神经网络的智能驱鸟方法 | |
US11234378B2 (en) | Image based irrigation control | |
CN115865915A (zh) | 基于边缘计算的无人机巡检图像实时识别方法及系统 | |
CN115802009A (zh) | 一种通过视频数据识别鱼群缺氧的方法 | |
CN115866415A (zh) | 一种利用水下摄像头技术的鱼道过鱼监测方法 | |
CN113627248A (zh) | 自动选择识别模型的方法、系统、割草机及存储介质 | |
CN116824626A (zh) | 一种动物异常状态人工智能识别的方法 | |
CN115061168A (zh) | 一种移动巡检式农作物生长监测系统及方法 | |
CN114038008A (zh) | 一种基于YOLO v5和边缘计算的野生动物巡检系统 | |
CN106713701A (zh) | 一种基于图像处理技术的群集运动数据采集方法及系统 | |
CN108605907A (zh) | 一种智能钓鱼方法及装置 | |
CN113507071B (zh) | 清除架空线路上移动物体的方法、系统、装置和设备 | |
TWI720842B (zh) | 智慧型竹筍栽培採收監控系統及方法 |
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 |