CN116432909B - 一种用于评价水产诱食性效果的试验方法 - Google Patents
一种用于评价水产诱食性效果的试验方法 Download PDFInfo
- Publication number
- CN116432909B CN116432909B CN202310692009.2A CN202310692009A CN116432909B CN 116432909 B CN116432909 B CN 116432909B CN 202310692009 A CN202310692009 A CN 202310692009A CN 116432909 B CN116432909 B CN 116432909B
- Authority
- CN
- China
- Prior art keywords
- feed
- feeding
- distribution
- distribution map
- particles
- 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
Links
- 230000000694 effects Effects 0.000 title claims abstract description 23
- 238000010998 test method Methods 0.000 title claims abstract description 18
- 238000009826 distribution Methods 0.000 claims abstract description 148
- 239000002245 particle Substances 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000001737 promoting effect Effects 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 239000003550 marker Substances 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000005728 strengthening Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 239000008188 pellet Substances 0.000 claims description 78
- 230000037406 food intake Effects 0.000 claims description 41
- 238000010586 diagram Methods 0.000 claims description 37
- 241001465754 Metazoa Species 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 239000005667 attractant Substances 0.000 claims description 7
- 230000035553 feeding performance Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000031902 chemoattractant activity Effects 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 3
- 229930013930 alkaloid Natural products 0.000 claims description 3
- 150000001413 amino acids Chemical class 0.000 claims description 3
- 235000012631 food intake Nutrition 0.000 claims description 3
- 150000002632 lipids Chemical class 0.000 claims description 3
- 239000000419 plant extract Substances 0.000 claims description 3
- 239000000700 radioactive tracer Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000011593 sulfur Substances 0.000 claims description 3
- 229910052717 sulfur Inorganic materials 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 abstract description 2
- 235000013305 food Nutrition 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000003031 feeding effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009360 aquaculture Methods 0.000 description 2
- 244000144974 aquaculture Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000004634 feeding behavior Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000019629 palatability Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 244000038280 herbivores Species 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Animal Husbandry (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marine Sciences & Fisheries (AREA)
- Environmental Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Zoology (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Fodder In General (AREA)
Abstract
本发明公开了一种用于评价水产诱食性效果的试验方法,包括步骤制备包含标记物的饲料颗粒,在水产区域内投放饲料颗粒,通过工业摄像头检测水产区域获得饲料颗粒分布图及原始饲料分布图,对饲料分布图进行强化并分割,得到饲料颗粒分布,筛选得到饲料峰摄食分布,分析饲料峰摄食分布,评价诱食剂的诱食性能。本发明实现了通过使用在饲料中使用标记物,减少了可见光的影响,提高了水中饲料的识别效果;克服了传统的实验方法存在的随机高的问题。对比其他图像识别方法的计算量更少。本方法还可以更可以用于测试不同投喂时间及次数,投饲量,投饲方式等对水产的驯食效果。
Description
技术领域
本发明涉及水产养殖技术领域,具体涉及一种用于评价水产诱食性效果的试验装置系统。
背景技术
水产诱食性是指水生生物对于特定的食物或诱饵的反应和摄食行为。不同种类的水产动物对于不同的食物和诱饵具有不同的偏好和诱食性。在水产动物中,食性可以分为多种类型,包括草食性、杂食性、肉食性等,不同食性类型决定了对不同种类食物的偏好和摄食行为。
对于水产养殖和渔业管理来说,了解水产动物对食物的偏好性非常重要。通过了解特定水产动物的食性和摄食行为,可以筛选出合适的诱食剂,配合饲料以提高养殖效率和捕捞效果。此外,通过研究对水产动物的诱食性效果,还可以发展出一些有效的捕捞工具和捕捞技术,提高捕捞效率和捕获目标物种的成功率。
水产动物的诱食性受到多种因素的影响,包括物理环境、水质条件、养殖密度、饵料成分和味道、饵料形状和颜色等。因此,在养殖过程中,需要考虑并根据目标水产动物的特点来选择合适的诱食剂,以提高摄食率和生产效益。
诱食剂又叫引诱剂,可以加快水产动物的摄食速度,减轻水质污染;改善饲料的适口性(palatability),提高摄食量;促进水产动物对饲料的消化吸收,降低饲料系数;提高水产动物对植物性饲料的利用,广辟饲料资源。
传统的分析饲料的摄食情况的方法包括咬球法,迷宫法和摄食生长法,3种方法各有优缺点。其中,咬球法记录鱼类分别啄含有测试物的实验球和对照球的次数来判断实验物的活性;迷宫法只能记录非视觉的测试物,但结构复杂不利于大量测试;摄食生长法的实验周期长不利于快速筛选诱食物。
公开号为CN114323117A名称为一种鱼类摄食强度评估方法中国专利文献,记载了利用Kinect在水面获取深度图,融合了近红外图和音频信息在鱼类识别,结合了多个信息源,但没办法克服相机在水上获取的水面图像受到水面波动的影响,从而无法获取准确的图像;同时多源数据难以融合,实施例中利用Kniect相机的ToF传感器也不适用于探测水下信息。
发明内容
本发明的目的在于提出一种用于评价水产诱食性效果的试验方法,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为实现上述技术目的,本发明技术方案如下:
一种用于评价水产诱食性效果的试验方法,所述方法包括以下步骤:
步骤1,制备包含标记物的饲料颗粒,在水产区域内投放饲料颗粒;
步骤2,通过工业摄像头检测水产区域获得饲料颗粒分布图及原始饲料分布图;
步骤3,对饲料分布图进行强化并分割,得到饲料颗粒分布,筛选得到饲料峰摄食分布;
步骤4,分析饲料峰摄食分布,评价诱食剂的诱食性能。
进一步地,步骤1中,制备包含标记物的饲料颗粒,在水产区域内投放饲料颗粒的子步骤为:制备包含标记物的饲料颗粒,所述标记物在饲料颗粒中均匀分布;
所述诱食剂包括一种或多种氨基酸混合,生物碱类,大蒜素,脂类或动植物提取物,含硫基有机物中的一种或多种;所述饲料颗粒中均匀混合标记物,标记物使得饲料在水中可以被传感器捕捉并记录,标记物是荧光示踪剂,在紫外光源或者激光下可以显色;饲料颗粒显色后可以被所述工业摄像头抓取并与视野中其他物体区分。
进一步地,步骤2中,通过工业摄像头检测水产区域获得饲料颗粒分布图及原始饲料分布图的子步骤为:
投放包括诱食剂的饲料颗粒后,启动紫外光源,工业摄像头抓取原始饲料分布图;
使水产动物开始对饲料颗粒进行摄食,工业摄像头以固定间隔抓取水产区域的图像为饲料分布图,并输出饲料分布图及原始饲料分布图。
进一步地,步骤3中,对饲料分布图进行强化并分割,得到饲料颗粒分布,筛选得到饲料峰摄食分布的子步骤为:
以水产动物开始对饲料颗粒进行摄食后得到的所有饲料分布图构成分布图集合;
分别对分布图集合中的每个饲料分布图进行边缘识别获取到对应的饲料区域;饲料含有显色物质使得饲料能在紫外光下显出颜色,从而在被工业摄像头捕捉到并与水产区域的其他主体区分;
记原始饲料分布图为PD0,饲料分布图集合PD;
分别对饲料分布图集合PD的饲料分布图进行强化;
步骤3.1,初始化变量i的值为1,使PDi表示饲料分布图集合中第i个饲料分布图;
对原始饲料分布图进行图像边缘识别并根据识别的边缘进行图像分割,分割后的独立区域作为初始时刻里所有饲料颗粒的初始摄食集合EJ0,并对EJ0里的饲料颗粒根据亮度强度进行降序排序;
步骤3.2,对PDi图像分割后获得饲料颗粒,筛选面积大于第一阈值的饲料颗粒记为摄食集合EJi;
其中,第一阈值根据饲料进入水中的时间确定,即对于每个饲料分布图的第一阈值不同;
步骤3.3,对摄食集合EJi中的饲料颗粒根据亮度强度进行降序排序;
在有序的摄食集合EJi中,获取饲料颗粒的摄食值:
;
式中,O为一个饲料颗粒的摄食值,I(EJij)为分布图集合PD中第i个饲料分布图中第j个饲料颗粒的亮度强度值,I(EJi-1j)为分布图集合PD中第i-1个饲料分布图中第j个饲料颗粒的亮度强度值,如果摄食集合EJi-1中不存在第j个值则I(EJi-1j)取Imean(EJi-1),Imean(EJi-1)为分布图集合PD中第i-1个饲料分布图的饲料颗粒亮度平均值,minI(EJi-1j)为取分布图集合PD中第i-1个饲料分布图中饲料颗粒亮度的最小值;A(EJij)为分布图集合PD中第i个饲料分布图中第j个饲料颗粒的面积,A(EJi-1j)为分布图集合PD中第i-1个饲料分布图中第j个饲料颗粒的面积,如果第i-1个饲料分布图中不存在第j个饲料颗粒则A(EJi-1j)取第i-1个饲料分布图中所有饲料颗粒的平均面积,minA(EJi-1j)为取分布图集合PD中第i-1个饲料分布图中饲料颗粒面积的最小值;依次遍历一个饲料分布图中每个饲料颗粒的摄食值,得到一个饲料分布图中获得O=1的累计饲料颗粒数量Oj;
步骤3.4,使i的值增加1,如果i>分布图集合PD的大小则跳转至步骤3.5,否则跳转步骤3.2;
步骤3.5,得到累计饲料颗粒数量最大的饲料分布图为饲料峰摄食分布。
以上步骤通过筛选,可以得到一个典型的饲料分布图,简化了后续分析步骤。
进一步地,步骤4中,分析饲料峰摄食分布,评价诱食剂的诱食性能的子步骤为:
步骤4.1,使饲料峰摄食分布与原始饲料分布图对比后获得诱食性能,具体为:
;
式中,len(PD0)为取集合PD0的大小,A为诱食性能系数,饲料峰摄食分布为PDJ,原始饲料分布图为PD0,PDJ和PD0都经过图像边缘识别并根据识别的边缘进行图像分割得到多个独立区域,并对集合里的饲料颗粒根据亮度强度进行降序排序;
分割后的独立区域作为饲料颗粒,C1和C2分别为饲料颗粒在水中的亮度相关系数和面积相关系数,用于控制诱食性能计算中饲料颗粒的识别的趋向,I(PD0n)为PD0中第n个饲料颗粒的亮度强度值,I(PDJn)为PDJ中第n个饲料颗粒的亮度强度值,如果PDJ中不存在第n个饲料颗粒则取Imean(PDJ)即饲料峰摄食分布中饲料颗粒区域亮度的平均值;A(PD0n)为PD0中第n个饲料颗粒的面积,A(PDJn)为PDJ中第n个饲料颗粒的面积,如果PDJ中不存在第n个饲料颗粒则取饲料峰摄食分布中的饲料颗粒的平均面积,OJ为饲料峰摄食分布中饲料颗粒获得饲料颗粒的摄食值为1的累计饲料颗粒数量;
步骤4.2,根据获得的A值对比不同饲料间的诱食性能,A的值越大表明当前饲料组合诱食性能越好。
优选地,其中,本发明中所有未定义的变量,若未有明确定义,均可为人工设置的阈值。
一种用于评价水产诱食性效果的试验系统,所述系统包括:
图像获取模块:用于抓取水产区域的照片并得到突出显示的饲料颗粒照片;
数据处理模块:处理来自图像获取模块的饲料颗粒照片,执行所述一种用于评价水产诱食性效果的试验方法,得到水产饲料的诱食性能;
结果输出模块:输出水产饲料的诱食性能。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明第一方面提供的所述一种用于评价水产诱食性效果的试验方法的步骤。
第四方面,本发明提供一种电子设备,包括:存储器,其上存储有计算机程序;处理器,用于执行所述存储器中的所述计算机程序,以实现本发明提供的所述一种用于评价水产诱食性效果的试验方法的步骤。
与现有技术相比,本发明具有以下有益的技术效果:
通过使用在饲料中使用标记物,减少了可见光的影响,提高了水中饲料的识别效果;克服了传统的实验方法存在的随机高的问题,对比传统图像识别方法的计算量更少。本方法还可以更可以用于测试不同投喂时间及投喂次数,投喂周期,投饲量,投饲方式等对水产的驯食效果。
附图说明
图1为本发明提供的一种用于评价水产诱食性效果的试验方法的流程图;
图2为本发明一个实施例的一种用于评价水产诱食性效果的试验系统结构示意框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及实施例,对本发明进行进一步详尽说明。此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
同样应理解,以下实施例只用于对本发明进行进一步说明,不能理解为对本发明保护范围的限制,本领域的技术人员根据本发明上述内容做出的一些非本质的改进和调整均属于本发明的保护范围。下述示例具体的工艺参数等也仅是合适范围内的一个示例,即本领域技术人员可以通过本文的说明做合适的范围内选择,而并非要限定于下文示例的具体数值。
以下示例性地说明本发明提供的一种用于评价水产诱食性效果的试验方法。
如图1所示为一种用于评价水产诱食性效果的试验方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种用于评价水产诱食性效果的试验方法,所述方法包括以下步骤:
步骤1,制备包含标记物的饲料颗粒,在水产区域内投放饲料颗粒;
步骤2,通过工业摄像头检测水产区域获得饲料颗粒分布图及原始饲料分布图;
步骤3,对饲料分布图进行强化并分割,得到饲料颗粒分布,筛选得到饲料峰摄食分布;
步骤4,分析饲料峰摄食分布,评价诱食剂的诱食性能。
进一步地,步骤1中,制备包含标记物的饲料颗粒,在水产区域内投放饲料颗粒的子步骤为:制备包含标记物的饲料颗粒,所述标记物在饲料颗粒中均匀分布;
所述诱食剂包括一种或多种氨基酸混合,生物碱类,大蒜素,脂类或动植物提取物,含硫基有机物中的一种或多种;所述饲料颗粒中均匀混合标记物,标记物使得饲料在水中可以被传感器捕捉并记录,标记物是荧光示踪剂,在紫外光源或者激光下可以显色;饲料颗粒显色后可以被所述工业摄像头抓取并与视野中其他物体区分。
进一步地,步骤2中,通过工业摄像头检测水产区域获得饲料颗粒分布图及原始饲料分布图的子步骤为:
投放包括诱食剂的饲料颗粒后,启动紫外光源,工业摄像头抓取原始饲料分布图;
使水产动物开始对饲料颗粒进行摄食,工业摄像头以固定间隔抓取水产区域的图像为饲料分布图,并输出饲料分布图及原始饲料分布图。
进一步地,步骤3中,对饲料分布图进行强化并分割,得到饲料颗粒分布,筛选得到饲料峰摄食分布的子步骤为:
以水产动物开始对饲料颗粒进行摄食后得到的所有饲料分布图构成分布图集合;
分别对分布图集合中的每个饲料分布图进行边缘识别获取到对应的饲料区域;饲料含有显色物质使得饲料能在紫外光下显出颜色,从而在被工业摄像头捕捉到并与水产区域的其他主体区分;
记原始饲料分布图为PD0,饲料分布图集合PD;
分别对饲料分布图集合PD的饲料分布图进行强化;
步骤3.1,初始化变量i的值为1,使PDi表示饲料分布图集合中第i个饲料分布图;
对原始饲料分布图进行图像边缘识别并根据识别的边缘进行图像分割,分割后的独立区域作为初始时刻里所有饲料颗粒的初始摄食集合EJ0,并对EJ0里的饲料颗粒根据亮度强度进行降序排序;
步骤3.2,对PDi图像分割后获得饲料颗粒,筛选面积大于第一阈值的饲料颗粒记为摄食集合EJi;
其中,第一阈值根据饲料进入水中的时间确定,即对于每个饲料分布图的第一阈值不同。
在一个实施例里,第一阈值随时间线性下降。
步骤3.3,对摄食集合EJi中的饲料颗粒根据亮度强度进行降序排序;
在有序的摄食集合EJi中,获取饲料颗粒的摄食值:
;
式中,O为一个饲料颗粒的摄食值,I(EJij)为分布图集合PD中第i个饲料分布图中第j个饲料颗粒的亮度强度值,I(EJi-1j)为分布图集合PD中第i-1个饲料分布图中第j个饲料颗粒的亮度强度值,如果摄食集合EJi-1中不存在第j个值则I(EJi-1j)取Imean(EJi-1),Imean(EJi-1)为分布图集合PD中第i-1个饲料分布图的饲料颗粒亮度平均值,minI(EJi-1j)为取分布图集合PD中第i-1个饲料分布图中饲料颗粒亮度的最小值;A(EJij)为分布图集合PD中第i个饲料分布图中第j个饲料颗粒的面积,A(EJi-1j)为分布图集合PD中第i-1个饲料分布图中第j个饲料颗粒的面积,如果第i-1个饲料分布图中不存在第j个饲料颗粒则A(EJi-1j)取第i-1个饲料分布图中所有饲料颗粒的平均面积,minA(EJi-1j)为取分布图集合PD中第i-1个饲料分布图中饲料颗粒面积的最小值;依次遍历一个饲料分布图中每个饲料颗粒的摄食值,得到一个饲料分布图中获得O=1的累计饲料颗粒数量Oj;
步骤3.4,使i的值增加1,如果i>分布图集合PD的大小则跳转至步骤3.5,否则跳转步骤3.2;
步骤3.5,得到累计饲料颗粒数量最大的饲料分布图为饲料峰摄食分布。
以上步骤可以得到一个典型的饲料分布图,简化了后续分析步骤。
进一步地,步骤4中,分析饲料峰摄食分布,评价诱食剂的诱食性能的子步骤为:
步骤4.1,使饲料峰摄食分布与原始饲料分布图对比后获得诱食性能,具体为:
;
式中,len(PD0)为取集合PD0的大小,A为诱食性能系数,饲料峰摄食分布为PDJ,原始饲料分布图为PD0,PDJ和PD0都经过图像边缘识别并根据识别的边缘进行图像分割得到多个独立区域,并对集合里的饲料颗粒根据亮度强度进行降序排序;
分割后的独立区域作为饲料颗粒,C1和C2分别为饲料颗粒在水中的亮度相关系数和面积相关系数,用于控制诱食性能计算中饲料颗粒的识别的趋向,I(PD0n)为PD0中第n个饲料颗粒的亮度强度值,I(PDJn)为PDJ中第n个饲料颗粒的亮度强度值,如果PDJ中不存在第n个饲料颗粒则取Imean(PDJ)即饲料峰摄食分布中饲料颗粒区域亮度的平均值;A(PD0n)为PD0中第n个饲料颗粒的面积,A(PDJn)为PDJ中第n个饲料颗粒的面积,如果PDJ中不存在第n个饲料颗粒则取饲料峰摄食分布中的饲料颗粒的平均面积,OJ为饲料峰摄食分布中饲料颗粒获得饲料颗粒的摄食值为1的累计饲料颗粒数量;
步骤4.2,根据获得的A值对比不同饲料间的诱食性能,A的值越大表明当前饲料组合诱食性能越好。
在一个实施例里,C1为0.1,C2为2。
通过细化每个饲料颗粒的面积和在水中的荧光强度,得到饲料的诱食性能。
优选地,其中,本发明中所有未定义的变量,若未有明确定义,均可为人工设置的阈值。
如图2所示是本发明一个实施例的一种用于评价水产诱食性效果的试验系统结构示意框图。
一种用于评价水产诱食性效果的试验系统,所述系统包括:
图像获取模块:用于抓取水产区域的照片并得到突出显示的饲料颗粒照片;
数据处理模块:处理来自图像获取模块的饲料颗粒照片,执行所述一种用于评价水产诱食性效果的试验方法,得到水产饲料的诱食性能;
结果输出模块:输出水产饲料的诱食性能。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明第一方面提供的所述一种用于评价水产诱食性效果的试验方法的步骤。
第四方面,本发明提供一种电子设备,包括:存储器,其上存储有计算机程序;处理器,用于执行所述存储器中的所述计算机程序,以实现本发明提供的所述一种用于评价水产诱食性效果的试验方法的步骤。
所述基于一种用于评价水产诱食性效果的试验系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种用于评价水产诱食性效果的试验系统,可运行的系统可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种用于评价水产诱食性效果的试验系统的示例,并不构成对一种用于评价水产诱食性效果的试验系统的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种用于评价水产诱食性效果的试验系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种用于评价水产诱食性效果的试验系统运行系统的控制中心,利用各种接口和线路连接整个一种用于评价水产诱食性效果的试验系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种用于评价水产诱食性效果的试验系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)。此外,存储器可以包括随机存取存储器(RAM,Random AccessMemory),还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型。
Claims (5)
1.一种用于评价水产诱食性效果的试验方法,其特征在于,所述方法包括以下步骤:
步骤1,制备包含标记物的饲料颗粒,在水产区域内投放饲料颗粒;
步骤2,通过工业摄像头检测水产区域获得饲料分布图及原始饲料分布图;
步骤3,对饲料分布图及原始饲料分布图进行强化并分割,得到饲料颗粒分布,筛选得到饲料峰摄食分布;
步骤4,分析饲料峰摄食分布,评价诱食剂的诱食性能;
其中,步骤2中,通过工业摄像头检测水产区域获得饲料分布图及原始饲料分布图的子步骤为:
投放包括诱食剂的饲料颗粒后,启动紫外光源,工业摄像头抓取原始饲料分布图;
使水产动物开始对饲料颗粒进行摄食,工业摄像头以固定间隔抓取水产区域的图像作为饲料分布图,并输出饲料分布图及原始饲料分布图;
步骤3中,对饲料分布图及原始饲料分布图进行强化并分割,得到饲料颗粒分布,筛选得到饲料峰摄食分布的子步骤为:
以水产动物开始对饲料颗粒进行摄食后得到的所有饲料分布图构成饲料分布图集合;
分别对饲料分布图集合中的每个饲料分布图进行边缘识别获取到对应的饲料区域;饲料含有显色物质使得饲料能在紫外光下显出颜色,从而被工业摄像头捕捉到并与水产区域的其他主体区分;
记原始饲料分布图为PD0,饲料分布图集合PD;
分别对饲料分布图集合PD的饲料分布图进行强化;
步骤3.1,初始化变量i的值为1,使PDi表示饲料分布图集合中第i个饲料分布图;
对原始饲料分布图进行图像边缘识别并根据识别的边缘进行图像分割,分割后的独立区域作为初始时刻里所有饲料颗粒的初始摄食集合EJ0,并对EJ0里的饲料颗粒根据亮度强度进行降序排序;
步骤3.2,对PDi图像分割后获得饲料颗粒,筛选面积大于第一阈值的饲料颗粒记为摄食集合EJi;
其中,第一阈值根据饲料进入水中的时间确定,即对于每个饲料分布图的第一阈值不同;
步骤3.3,对摄食集合EJi中的饲料颗粒根据亮度强度进行降序排序;
在有序的摄食集合EJi中,获取饲料颗粒的摄食值:
;
式中,O为一个饲料颗粒的摄食值,I(EJij)为饲料分布图集合PD中第i个饲料分布图中第j个饲料颗粒的亮度强度值,I(EJi-1j)为饲料分布图集合PD中第i-1个饲料分布图中第j个饲料颗粒的亮度强度值,如果摄食集合EJi-1中不存在第j个值则I(EJi-1j)取Imean(EJi-1),Imean(EJi-1)为饲料分布图集合PD中第i-1个饲料分布图的饲料颗粒亮度平均值,minI(EJi-1)为取饲料分布图集合PD中第i-1个饲料分布图中饲料颗粒亮度的最小值;A(EJij)为饲料分布图集合PD中第i个饲料分布图中第j个饲料颗粒的面积,A(EJi-1j)为饲料分布图集合PD中第i-1个饲料分布图中第j个饲料颗粒的面积,如果第i-1个饲料分布图中不存在第j个饲料颗粒则A(EJi-1j)取第i-1个饲料分布图中所有饲料颗粒的平均面积,minA(EJi-1)为取饲料分布图集合PD中第i-1个饲料分布图中饲料颗粒面积的最小值;依次遍历一个饲料分布图中每个饲料颗粒的摄食值,得到一个饲料分布图中获得O=1的累计饲料颗粒数量Oj;
步骤3.4,使i的值增加1,如果i大于饲料分布图集合PD的大小则跳转至步骤3.5,否则跳转步骤3.2;
步骤3.5,得到累计饲料颗粒数量最大的饲料分布图作为饲料峰摄食分布;
步骤4中,分析饲料峰摄食分布,评价诱食剂的诱食性能的子步骤为:
步骤4.1,使饲料峰摄食分布与原始饲料分布图对比后获得诱食性能,具体为:
;
式中,len(PD0)为取集合PD0的大小,A为诱食性能系数,饲料峰摄食分布为PDJ,原始饲料分布图为PD0,PDJ和PD0都经过图像边缘识别并根据识别的边缘进行图像分割得到多个独立区域,并对集合里的饲料颗粒根据亮度强度进行降序排序;
分割后的独立区域作为饲料颗粒,C1和C2分别为饲料颗粒在水中的亮度相关系数和面积相关系数,用于控制诱食性能计算中饲料颗粒的识别趋向,I(PD0n)为PD0中第n个饲料颗粒的亮度强度值,I(PDJn)为PDJ中第n个饲料颗粒的亮度强度值,如果PDJ中不存在第n个饲料颗粒则取Imean(PDJ)即饲料峰摄食分布中饲料颗粒区域亮度的平均值;A(PD0n)为PD0中第n个饲料颗粒的面积,A(PDJn)为PDJ中第n个饲料颗粒的面积,如果PDJ中不存在第n个饲料颗粒则取饲料峰摄食分布中的饲料颗粒的平均面积,OJ为饲料峰摄食分布中饲料颗粒获得饲料颗粒的摄食值为1的累计饲料颗粒数量;
步骤4.2,根据获得的A值对比不同饲料间的诱食性能,A的值越大表明当前饲料组合诱食性能越好。
2.根据权利要求1所述的一种用于评价水产诱食性效果的试验方法,其特征在于,步骤1中,制备包含标记物的饲料颗粒,在水产区域内投放饲料颗粒的子步骤为:
制备包含标记物的饲料颗粒,所述标记物在饲料颗粒中均匀分布;
所述诱食剂包括一种或多种氨基酸混合,生物碱类,大蒜素,脂类或动植物提取物,含硫基有机物中的一种或多种;所述饲料颗粒中均匀混合标记物,标记物使得饲料在水中被传感器捕捉并记录,标记物是荧光示踪剂,在紫外光源或者激光下可以显色;饲料颗粒显色后被所述工业摄像头抓取并与视野中其他物体区分。
3.一种用于评价水产诱食性效果的试验系统,其特征在于,所述系统包括:
图像获取模块:用于抓取水产区域的照片并得到突出显示的饲料颗粒照片;
数据处理模块:处理来自图像获取模块的饲料颗粒照片,执行如权利要求1~2任一权利要求的方法,得到诱食性能;
结果输出模块:输出水产饲料的诱食性能。
4.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~2中任一项所述一种用于评价水产诱食性效果的试验方法的步骤。
5.一种电子设备,其特征在于,包括:存储器,其上存储有计算机程序;处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1~2中任一项所述一种用于评价水产诱食性效果的试验方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310692009.2A CN116432909B (zh) | 2023-06-13 | 2023-06-13 | 一种用于评价水产诱食性效果的试验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310692009.2A CN116432909B (zh) | 2023-06-13 | 2023-06-13 | 一种用于评价水产诱食性效果的试验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116432909A CN116432909A (zh) | 2023-07-14 |
CN116432909B true CN116432909B (zh) | 2023-10-20 |
Family
ID=87087616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310692009.2A Active CN116432909B (zh) | 2023-06-13 | 2023-06-13 | 一种用于评价水产诱食性效果的试验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116432909B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116930182B (zh) * | 2023-07-17 | 2024-04-05 | 江苏海洋大学 | 养殖网箱内饲料颗粒扩散分布的动态采集与测试分析方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1672553A (zh) * | 2005-04-12 | 2005-09-28 | 苏州大学 | 一种水产动物诱食剂的筛选方法 |
CN108037041A (zh) * | 2017-12-27 | 2018-05-15 | 广东产品质量监督检验研究院 | 一种尘螨引诱剂甄别装置及其方法 |
CN110646568A (zh) * | 2019-10-12 | 2020-01-03 | 中国农业科学院麻类研究所 | 一种基于动物群体行为的饲料适口性筛选方法 |
CN112136741A (zh) * | 2020-08-28 | 2020-12-29 | 盐城工学院 | 视觉面积精准喂食方法 |
CN112683814A (zh) * | 2021-03-19 | 2021-04-20 | 广东省农业科学院动物科学研究所 | 一种基于养殖水质大数据评价水产饲料的方法及系统 |
WO2022025604A1 (ko) * | 2020-07-30 | 2022-02-03 | 아주대학교 산학협력단 | 바이오 센서, 이의 제조방법 및 이를 이용한 분석 방법 |
CN114241291A (zh) * | 2021-12-15 | 2022-03-25 | 广东省农业科学院动物科学研究所 | 基于惰性元素标记法与计算机视觉的诱食剂筛选方法 |
CN114419432A (zh) * | 2021-12-23 | 2022-04-29 | 中国农业大学 | 一种鱼群摄食强度评估方法及装置 |
CN114680250A (zh) * | 2022-04-15 | 2022-07-01 | 正虹集团(宿迁)农业发展有限公司 | 一种荧光式鱼饲料的制备方法 |
CN116030054A (zh) * | 2023-03-28 | 2023-04-28 | 南通得樽科技发展有限公司 | 一种饲料加工筛分质量评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2826456A1 (en) * | 2013-09-10 | 2015-03-10 | 2345422 Ontario Inc. | Method and apparatus for controlling herbivore fowl populations |
-
2023
- 2023-06-13 CN CN202310692009.2A patent/CN116432909B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1672553A (zh) * | 2005-04-12 | 2005-09-28 | 苏州大学 | 一种水产动物诱食剂的筛选方法 |
CN108037041A (zh) * | 2017-12-27 | 2018-05-15 | 广东产品质量监督检验研究院 | 一种尘螨引诱剂甄别装置及其方法 |
CN110646568A (zh) * | 2019-10-12 | 2020-01-03 | 中国农业科学院麻类研究所 | 一种基于动物群体行为的饲料适口性筛选方法 |
WO2022025604A1 (ko) * | 2020-07-30 | 2022-02-03 | 아주대학교 산학협력단 | 바이오 센서, 이의 제조방법 및 이를 이용한 분석 방법 |
CN112136741A (zh) * | 2020-08-28 | 2020-12-29 | 盐城工学院 | 视觉面积精准喂食方法 |
CN112683814A (zh) * | 2021-03-19 | 2021-04-20 | 广东省农业科学院动物科学研究所 | 一种基于养殖水质大数据评价水产饲料的方法及系统 |
CN114241291A (zh) * | 2021-12-15 | 2022-03-25 | 广东省农业科学院动物科学研究所 | 基于惰性元素标记法与计算机视觉的诱食剂筛选方法 |
CN114419432A (zh) * | 2021-12-23 | 2022-04-29 | 中国农业大学 | 一种鱼群摄食强度评估方法及装置 |
CN114680250A (zh) * | 2022-04-15 | 2022-07-01 | 正虹集团(宿迁)农业发展有限公司 | 一种荧光式鱼饲料的制备方法 |
CN116030054A (zh) * | 2023-03-28 | 2023-04-28 | 南通得樽科技发展有限公司 | 一种饲料加工筛分质量评估方法 |
Non-Patent Citations (2)
Title |
---|
中华鳖低鱼粉饲料开发及其蛋白代谢和摄食调控的研究;孙存鑫;《中国博士学位论文全文数据库农业科技辑》(第7期);第D052-15页 * |
酵母产品对凡纳滨对虾的诱食效果及生长性能的影响;陈晓瑛等;《水产工业》;第41卷(第12期);第42-49页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116432909A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Libungan et al. | Otolith shape: a population marker for Atlantic herring Clupea harengus | |
Depczynski et al. | The role of cryptobenthic reef fishes in coral reef trophodynamics | |
Shoup et al. | The effects of turbidity on prey selection by piscivorous largemouth bass | |
Groner et al. | Rising temperatures, molting phenology, and epizootic shell disease in the American lobster | |
CN116432909B (zh) | 一种用于评价水产诱食性效果的试验方法 | |
Hare et al. | The use of early life stages in stock identification studies | |
Leone et al. | Skin marks in bottlenose dolphins (Tursiops truncatus) interacting with artisanal fishery in the central Mediterranean Sea | |
Domeier et al. | Dispersal of adult black marlin (Istiompax indica) from a Great Barrier Reef spawning aggregation | |
Copping et al. | Does bathymetry drive coastal whale shark (Rhincodon typus) aggregations? | |
Barros et al. | Plagioscion squamosissimus (Sciaenidae) and Parachromis managuensis (Cichlidae): A threat to native fishes of the Doce River in Minas Gerais, Brazil | |
Segers et al. | Prey selection by North Sea herring (Clupea harengus), with special reference to fish eggs | |
Robert et al. | Individual growth history of larval Atlantic mackerel is reflected in daily condition indices | |
Ruzzante et al. | Resource polymorphism in a Patagonian fish Percichthys trucha (Percichthyidae): phenotypic evidence for interlake pattern variation | |
Bacheler et al. | Spatial distribution of reef fish species along the southeast US Atlantic coast inferred from underwater video survey data | |
Paukert et al. | Effects of predation and environment on quality of yellow perch and bluegill populations in Nebraska sandhill lakes | |
Morat et al. | The great melting pot. Common sole population connectivity assessed by otolith and water fingerprints | |
Gillanders | Tools for studying biological marine ecosystem interactions—natural and artificial tags | |
Sokolova et al. | Towards sustainable demersal fisheries: NepCon image acquisition system for automatic Nephrops norvegicus detection | |
CN116778309A (zh) | 残饵监测方法、装置、系统和存储介质 | |
Greer et al. | Associations between lobster phyllosoma and gelatinous zooplankton in relation to oceanographic properties in the northern Gulf of Mexico | |
Vanderklift et al. | Density of reef sharks estimated by applying an agent-based model to video surveys | |
Tanaka et al. | Early life history | |
Moraes et al. | Sexual and ontogenetic morphometric variation in Xiphopenaeus kroyeri (Crustacea, Decapoda, Penaeidae): a new approach with linear and angular morphometric data | |
CN114557308B (zh) | 应用于循环水养殖的精准投喂系统及方法 | |
Thompson et al. | A novel method for the rapid enumeration of planktonic salmon lice in a mixed zooplankton assemblage using fluorescence |
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 |