CN117256545A - 智能饲养监测装置及其监测系统 - Google Patents
智能饲养监测装置及其监测系统 Download PDFInfo
- Publication number
- CN117256545A CN117256545A CN202311553506.0A CN202311553506A CN117256545A CN 117256545 A CN117256545 A CN 117256545A CN 202311553506 A CN202311553506 A CN 202311553506A CN 117256545 A CN117256545 A CN 117256545A
- Authority
- CN
- China
- Prior art keywords
- bait
- adjusting
- pontoon
- bait tray
- monitoring device
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000012806 monitoring device Methods 0.000 title claims abstract description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 32
- 238000007667 floating Methods 0.000 claims description 31
- 238000001514 detection method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 16
- 241000238557 Decapoda Species 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000003756 stirring Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000003825 pressing Methods 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims 1
- 241000238565 lobster Species 0.000 abstract description 16
- 230000033228 biological regulation Effects 0.000 abstract description 5
- 241000238017 Astacoidea Species 0.000 description 16
- 230000004927 fusion Effects 0.000 description 9
- 238000005286 illumination Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007585 cortical function Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000004634 feeding behavior Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 235000008935 nutritious Nutrition 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000004243 retinal function Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000021404 traditional food Nutrition 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- 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
- A01K61/50—Culture of aquatic animals of shellfish
- A01K61/59—Culture of aquatic animals of shellfish of crustaceans, e.g. lobsters or shrimps
-
- 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
- A01K61/80—Feeding devices
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- General Physics & Mathematics (AREA)
- Zoology (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开一种智能饲养监测装置及其监测系统,涉及智能监测技术领域,智能饲养监测装置,包括浮船,浮船周侧至少两边呈对称设有气囊;投料组件,投料组件包括可升降的饵料托盘,饵料托盘位于浮船下方;调节组件,用以调节气囊相对浮船竖直方向的位置高度,以控制饵料托盘的入水深度;监测组件,监测组件位于饵料托盘的上方,采集饵料托盘上的图像上传至边缘计算设备终端。本实施例通过可升降调节的饵料托盘以及气囊,进而对饵料托盘的入水状态进行切换,以便于饵料的放置和龙虾的喂养,进一步通过监测组件对龙虾的进食进行监测,获取龙虾的生长状况以及饵料的余量,实现龙虾的科学饲养。
Description
技术领域
本公开属于智能监测技术领域,具体涉及一种智能饲养监测装置及其监测系统。
背景技术
小龙虾养殖在经济发展和食品供应方面具有重要意义。中国小龙虾产业总产值呈增长趋势,并成为国内市场上备受欢迎的传统美食。小龙虾养殖业吸引了众多投资者,维持了产业的健康发展,同时为当地创造了许多就业机会。小龙虾的价格相对稳定,且需求量大,可作为一种重要农产品来增加地方财政收入。通过科学管理,小龙虾养殖能高效地利用水资源,提高地方水产资源的利用率,同时为消费者提供安全、健康、有营养且美味的食品。
近年来,随着人们对食品的需求不断增长,小龙虾养殖业经历了快速发展。然而,在小龙虾饲养过程中存在着一些问题,主要包括饵料的浪费和饲养的监测难题。其中在饵料的投喂上常出现过量或时间不合适等问题。此外,过多饵料残留在水底会导致水体污染、富营养化和藻类滋生等问题。同时,一些养殖场也难以准确控制每次饵料的投入量,从而造成浪费。在密度较高的情况下,养殖场为了保证饵料供应,往往采用过度投喂的方法,导致浪费饵料和增加疾病发生率。
因此,检测饵料量是小龙虾喂养中一个非常重要的环节,能够有效提高养殖效益和小龙虾的健康状态。
发明内容
针对现有技术的不足,本公开的目的在于提供一种智能饲养监测装置及监测系统,以解决上述背景技术中提出的问题。
本实施例的目的可以通过以下技术方案实现:智能饲养监测装置,包括浮船,所述浮船周侧至少两边呈对称设有气囊,气囊与浮船活动连接,还包括
投料组件,投料组件包括可升降的饵料托盘,所述饵料托盘位于浮船下方;
调节组件,用以调节气囊相对浮船竖直方向的位置高度,以控制饵料托盘的入水深度;
监测组件,监测组件位于饵料托盘的上方,采集饵料托盘上的图像上传至边缘计算设备终端,通过图像处理算法分析获取监测结果。
作为本公开进一步的方案,所述投料组件还包括升降支架和储料仓,所述升降支架位于浮船的上方,升降支架底端设有连杆牵引饵料托盘上下运动,所述储料仓通过浮船上预设的投料通道向饵料托盘上投料。
作为本公开进一步的方案,所述饵料托盘上方设有饵料平整机构,所述平整机构包括可转动的搅拌杆,所述搅拌杆沿径向设有压杆,搅拌杆旋转时将饵料托盘上的饵料推平并压实。
作为本公开进一步的方案,所述气囊与浮船侧边铰接,所述调节组件包括齿轮和水平运动的连接杆,所述齿轮与浮船固定连接,所述连接杆上开设有齿槽与齿轮啮合连接。
作为本公开进一步的方案,所述调节组件还包括调节支座,所述调节支座与浮船转动连接,所述调节支座上端面开设有第一驱动槽,所述连接杆远离齿轮一端止抵于第一驱动槽,调节支座转动时牵引连接杆水平直线运动。
作为本公开进一步的方案,所述升降支架与调节支座之间设有连接组件,当升降支架上下运动时通过连接组件驱动调节支座往复转动。
作为本公开进一步的方案,所述连接组件包括连接块和调节杆,所述连接块呈圆筒状,所述连接块上周侧上径向开设有第二驱动槽,所述调节杆一端与升降支架固定连接,所述调节杆另一端止抵于第二驱动槽,当所述调节杆沿上下运动时止抵第二驱动槽使得连接块沿其轴线转动。
智能饲养监测系统,包括上述的智能饲养监测装置,还包括,
传感采集模块,包含多个传感器和一个摄像头;
通信模块,用于将采集到的数据传输至中央控制系统或云端服务器,接收、处理及融合附近多个水下监测器上传的水环境数据,并将数据传输至陆地基站;
信息接收处理模块,由陆地基站和服务器组成,接收通信模块传来的信息;对收集到的图像数据利用深度学习方法进行预处理;
图像检测模块,利用YoloV8算法对预处理的图像进行检测,识别出饵料和龙虾的位置、大小等信息;
数据处理输出模块,根据接收到的数据和检测结果输出龙虾大小、数量、饵料残留量、水质参数等数据。
本公开的有益效果:本公开通过可升降调节的饵料托盘以及气囊,进而对饵料托盘的入水状态进行切换,以便于饵料的放置和龙虾的喂养,进一步通过监测组件对龙虾的进食进行监测,获取龙虾的生长状况以及饵料的余量,实现龙虾的科学饲养。进而提高防尘效果;本实施例通过其他技术效果以结合具体实施例详细说明。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,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是本实施例中第一工作状态示意图;
图2是图1前后竖直方向的中心剖视图;
图3是本实施例中的图1的内部结构示意图;
图4是图1中调节组件的状态示意图;
图5是本实施例中调节支座的结构示意图;
图6是本实施例中浮船的结构示意图;
图7是本实施例中第二工作状态示意图;
图8是图7前后竖直方向的中心剖视图;
图9是本实施例中动态卷积结构示意图;
图10是本实施例中改进后目标检测模型的结构图;
图中:1、控制箱;2、壳体;3、浮船;4、气囊;5、饵料托盘;6、摄像头;7、搅拌杆;8、升降支架;9、调节支座;11、连接杆;12、齿轮;13、调节杆;21、盖板;22、投料通道;23、调节板;81、圆杆;91、连接块;100、电机;131、球型连接块;200、叶轮;201、储料仓;300、气缸;301、圆孔;302、连接孔;501、圆槽;901、第一驱动槽;902、第二驱动槽;903、凹槽。
具体实施方式
下面将结合本公开实施例中的附图,对本公开例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实施例一部分实施例,而不是全部的实施例。基于本公开的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本实施例保护的范围。
请参阅图1和2所示,本公开实施例中,一种智能饲养监测装置,包括壳体2和浮船3,浮船3下方设有叶轮200用于驱动浮船3行进,所述浮船3的四周均设有气囊4,为了保证浮船3的漂浮稳定性,至少呈对称设置两组气囊4,气囊4与浮船3活动连接,使得气囊4可相对浮船3的高度进行调整,进而调整浮船3底部与水面的距离;壳体2倒扣在浮船3上,对浮船3上的部件进行防护;壳体2上还设有控制箱1,控制箱1内设有通信模块和PLC控制模块,用以控制浮船3上的驱动组件以及提供通信网络等等。
还包括投料组件,投料组件包括可升降的饵料托盘5,所述饵料托盘5位于浮船3下方;在饵料托盘5上投放饵料后下降至水内以便于龙虾喂养,在进行投料时将饵料托盘5向上抬升使得饵料托盘5的上表面高于水面,以便于饵料的放置;饵料托盘5上除了饵料放置区域其他均设置为镂空状,减少饵料托盘5的浮力,便于其更好的下伸入水底;
调节组件,用以调节气囊4相对浮船3竖直方向的位置高度,进一步控制饵料托盘5的入水深度;在进行投放饵料时,需将饵料托盘5进行向上抬升使得饵料托盘5的上表面高出水面,因而,通过调节气囊4相对于浮船3下移,如图7和8所示,即气囊4的位置低于浮船3的底部,进而保证饵料托盘5位于浮船3底部与水面之间的位置进行饵料放置,饵料放置结束后,将饵料托盘5下移,此时通过调节组件调节气囊4的高度相对于浮船3上移动,如图1和2所示,进而增大了饵料托盘5的入水深度,便于龙虾的喂养;
监测组件,监测组件位于饵料托盘5的上方,采集饵料托盘5上的图像上传至边缘计算设备终端,通过图像处理模块进行分析对龙虾的喂养状态进行监测,监测组件主要采用摄像头6,摄像头6可设置多组位于浮船3的底部,采集饵料托盘5上的图像。本实施例通过可升降调节的饵料托盘5以及气囊4,进而对饵料托盘5的入水状态进行切换,以便于饵料的放置和龙虾的喂养,进一步通过监测组件对龙虾的进食进行监测,获取龙虾的生长状况以及饵料的余量,实现龙虾的科学饲养。相较于随意投放饵料,精确掌握合适的饵料量可以提高小龙虾的利用率并减少饵料的浪费。这种监测方法基于图像处理和人工智能技术的龙虾进食监测系统实现。通过该系统,可以监测小龙虾的进食行为,包括饵料量和小龙虾生长状态。此外,系统还可根据监测信息提供合理的投喂建议给养殖者。这种系统可使养殖者更好地控制饲料量,减少饵料浪费和污染,提高小龙虾健康状况和养殖效益。
具体地,所述投料组件还包括升降支架8和储料仓201,如图2和3所示,储料仓201固定在壳体2上,储料仓201上设有盖板21对储料仓201进行密封,盖板21与储料仓201可拆卸了连接,便于向储料仓201内投放饵料,所述升降支架8位于浮船3的上方,升降支架8底端设有连杆牵引饵料托盘5上下运动,如图6所示,浮船3上开设有连接孔302,升降支架8底端设有圆杆81穿过连接孔302与饵料托盘5固定连接,升降支架8与浮船3上表面之间设有气缸300,还可以采用其他的直线驱动机构,如直线电机等替换气缸300,所述浮船3中间位置开设有圆孔301,所述储料仓201底端设有投料通道22将储料仓201内的饵料传输至圆孔301内,进而投放到饵料托盘5,如图2所示,在投料通道22上设有调节板23用以控制投料通道22的打开和闭合状态,所述调节板23的工作通过电磁阀进行控制。
在一些实施例中,考虑饵料托盘5入水后饵料会受到水的浮力而脱离饵料托盘5,在所述饵料托盘5上方设有饵料平整机构,如图2所示,所述平整机构包括可转动的搅拌杆7,搅拌杆7的顶端与电机100连接,电机100固定安装在浮船3上,所述搅拌杆7沿径向设有压杆,搅拌杆7旋转时将饵料托盘5上的饵料推平并压实;如图3所示,在饵料托盘5的上表面开设有圆槽501用以放置饵料,即如图8所示,当饵料经过圆孔301投放至饵料托盘5上时,通过电机100驱动搅拌杆7转动,进而将饵料铺平圆槽501并进行压实。
可选地,如图3所示,所述气囊4与浮船3侧边铰接,所述调节组件包括齿轮12和水平运动的连接杆11,所述齿轮12与浮船3固定连接,所述连接杆11上开设有齿槽与齿轮12啮合连接,即连接杆11沿水平运动时驱动齿轮12转动,进而驱动气囊4上下翻转,进而调节气囊4相对浮船3的高度。连接杆11可采用直线驱动机构控制连接杆11水平往复移动,例如伸缩气缸和直线电机等等,在一些实施例中,气囊4可采用与浮船3侧壁滑动连接的方式,通过驱动机构调整气囊4上下滑动也可以实现同等的效果,其他实现气囊4上下条件实现同种效果的均属本实施例保护范围之内。
优选地,所述调节组件还包括调节支座9,如图5所示,所述调节支座9与浮船3转动连接,所述调节支座9上端面开设有第一驱动槽901,所述第一驱动槽901对应气囊4设置的数量进行等量开设,多个第一驱动槽901呈圆周阵列设置,所述连接杆11远离齿轮12一端止抵于第一驱动槽901,即连接杆11靠近第一驱动槽901一端设有圆柱插入第一驱动槽901内与第一驱动槽901槽口配合,即调节支座9转动时,第一驱动槽901的内壁止抵于连接杆11的圆柱,当调节支座9转动时第一驱动槽901的内壁止抵于连接杆11的圆柱进而驱动连接杆11水平移动,通过调节支座9的设置可以同时牵引四周的气囊4同时运动,提高了整体的集成度,简化了结构,且便于控制;进一步地,可通过转动驱动机构驱动调节支座9转动,此处不做具体介绍。
进一步地,在所述升降支架8与调节支座9之间设有连接组件,即当升降支架8上下运动时通过连接组件驱动调节支座9往复转动,进而替代其他的驱动机构对调节支座9进行单独的控制,具体可选地,所述连接组件包括连接块91和调节杆13,如图4和5所示,所述连接块91呈圆筒状,即连接块91中间开设有通孔,在连接块91上周侧上径向开设有第二驱动槽902,调节杆13和第二驱动槽902设置有两组,所述调节杆13呈对称设置,所述第二驱动槽902呈圆周阵列分布,所述调节杆13上端与升降支架8固定连接,调节杆13的下端设有球型连接块131,所述球型连接块131伸入第二驱动槽902内,所述第二驱动槽902止抵于球型连接块131,当所述调节杆13沿上下运动时止抵第二驱动槽902使得连接块91沿其轴线往复转动。同时,在连接块91的端面轴向开设有凹槽903对投料通道22进行避让,如图2所示,即投料通道22穿过凹槽903伸入圆孔301内。
一种智能饲养监测系统,包括上述的智能饲养监测装置,还包括,
传感采集模块:包含多个传感器和一个摄像头6。浮船底部还安装有多种传感器,用于监测水质参数,如温度、pH值、溶解氧含量等。传感器实时监测水质参数,摄像头6则对饵料托盘5上的饵料及小龙虾进行拍摄。
通信模块:浮船上配备无线通信模块,如蜂窝网络、卫星通信或无线局域网等,用于将采集到的数据传输至中央控制系统或云端服务器。利用无线射频组件将数据传输至浮标节点;浮标节点安放在水面浮船上,接收、处理及融合附近多个水下监测器上传的水环境数据,并将数据传输至陆地基站;基站布设在被监测水域附近的陆地上,负责接收和处理浮标节点上传的数据。
信息接收处理模块:由陆地基站和服务器组成,接收通信模块传来的信息。同时会对摄像头6收集到的图像数据利用深度学习方法进行预处理,提高后续检测的准确率,以降低误报漏报的风险。
图像检测模块:利用YoloV8算法对预处理的图像进行检测,识别出饵料和龙虾的位置、大小等信息。
数据处理输出模块:根据接收到的数据和检测结果输出龙虾大小、数量、饵料残留量、水质参数等数据,并根据这些数据对下次投饵料量进行合理建议,从而帮助养殖者更好地掌握饵料投放的合理量,减少浪费和污染。
本实施例中还包括一个图像处理模块,通过数据线连接到水下摄像机,接收并处理摄像机6采集的图像。
其中,针对采集到的图像,本实施例首选采用完美反射算法进行白平衡调整,以更好地还原出真实颜色。完美反射算法假设图片中最亮的点就是一面镜子,并完美地反映了外部光照。因此,在图像中存在“镜面”的情况下,可以将所获得的“镜面”的色彩信息视为当前光源的信息。针对本实施例中水下监测场景,可以使用饵料托盘5作为白色参照点。具体而言,本实施例通过以下步骤进行完美反射算法的白平衡处理:
步骤1:遍历图像每一个像素点,计算各点R+G+B像素和,并同时找到图像中的最亮点并保存。
步骤2:根据像素和值的大小,计算出前10%或其他Ratio的参考点的阈值T。
步骤3:再次遍历图像中的每个点,计算R+G+B大于T的所有点的R、G、B分量的累积和均值。
步骤4:根据最亮点的值和上一步计算的R、G、B均值,计算图像各通道的增益系数。
步骤5:根据增益系数,将图像中的每个像素各通道进行处理,同时保证量化在区间。
本实施例采用多尺度Retinex算法MSRCR进行图像增强处理。Retinex是一种基于视网膜和皮层功能的图像增强方法,能够在不失真或畸变的情况下对图像进行增强。主要思想是将图像分解为反射、光照和阴影三部分,并根据这三部分的特点进行增强。其中,MSRCR(多尺度Retinex)被广泛应用于图像增强领域。其基本原理就是通过将原始的低对比度图像分解成不同尺度的高斯金字塔,然后分别计算每个尺度上的Retinex变换系数,最后将这些系数结合起来恢复亮度和对比度。
具体而言,本实施例采用MSRCR算法对水下监测图像进行增强处理。首先,对原始图像进行多次高斯模糊,得到多尺度高斯金字塔。然后,对每个尺度的图像进行Retinex变换,计算出每个尺度图像的增强系数。最后,将所有尺度上的增强系数结合起来,对原始图像进行亮度和对比度的恢复。通过实验验证,本实施例的图像增强效果优于传统的直方图均衡化等方法,能够显著地提高水下监测图像的清晰度和观察效果。
对于给定的输入图像I(x,y),任务是估计图像的照明分量L(x,y)和反射分量R(x,y)。为了实现这个目标,可以使用Retinex算法进行估计。Retinex算法是基于图像中的亮度不变性原理,将图像的亮度分解为照明分量和反射分量。在Retinex算法中,通过对图像进行滤波操作,捕捉图像中的全局和局部细节信息,从而得到估计的照明分量L(x,y)。然后,通过将输入图像与估计的照明分量进行除法操作,可以得到估计的反射分量R(x,y)。最终,将估计的照明分量和估计的反射分量相乘,即可得到恢复后的图像。MSRCR算法是是基于Retinex理论的多尺度Retinex图像增强算法。它通过对图像进行多尺度分解和多通道处理,来实现对图像的全局和局部细节增强。而多尺度Retinex算法则有如下公式:
其中,I′(x,y)是增强后的图像,Ri(x,y)是第i个尺度的反射分量,L(x,y)是照明分量,wi是权重。
本实施例还采用中值滤波对水下监测图像进行去噪处理。中值滤波是一种非线性滤波方法,可以有效地去除图像中的随机噪声。具体而言,本实施例在Canny边缘检测之前,对图像进行中值滤波处理,以减少噪点对视频的影响,提高Canny边缘检测的效果。具体过程如下:
首先,对输入的图像进行高斯滤波,以减少图像中的噪声。通过卷积输入图像与5x5的高斯核来实现。
接着,计算梯度。在经过滤波的图像上,使用Sobel算子计算每个像素点的梯度幅值和方向。通过计算图像中每个像素点的水平和垂直方向的导数,可以获得每个像素点的梯度强度和方向。公式如下,Gx和Gy表示图像在(x, y)处的水平和垂直梯度分量,,atan2表示具有两个参数的arctan函数。
之后进行非极大值抑制。对于计算得到的梯度幅值图像,遍历每个像素点,并与其在梯度方向上相邻的两个像素点进行比较。如果该像素点的梯度幅值不是该方向上的局部最大值,则将其置为零。这一步骤可以帮助细化边缘,使得检测结果更加精确。双阈值处理:
最后,应用双阈值确定边缘,即一个高阈值和一个低阈值来区分边缘像素。将像素点的梯度幅值划分为强边缘、弱边缘和非边缘三个阈值范围。如果像素点的梯度幅值超过高阈值,则将其标记为强边缘;如果在低阈值和高阈值之间,则标记为弱边缘;如果小于低阈值,则被认为是非边缘。这一步骤有助于筛选出重要的边缘。
通过连接具有强边缘的像素点及其周围的弱边缘像素点,形成连续的、闭合的边缘轮廓。
通过实验验证,本实施例采用中值滤波后再应用Canny边缘检测算法,能够有效地提高图像的边缘清晰度,为用户提供更好的水下监测体验。
本实施例涉及一种基于YOLOV8算法的图像检测模块,过对图像处理模块输入的图像进行处理和分析,实现对龙虾数量、大小以及饲料残留情况的实时检测。
具体实施方式如下:
数据集准备:本实施例收集一定量的龙虾及饵料图像,并使用LabelImg标注龙虾苗、生长期龙虾、成熟龙虾以及饲料标签。将数据集按照7:2:1的比例划分为训练集、验证集和测试集。
数据增强和训练:对训练集的融合图像进行数据增强,采取翻转、镜像、缩放、裁剪、平移、仿射等多种方式,使图像数量满足目标检测网络要求。然后,在图像增强后,骨干网络中使用动态卷积Dynamic Convolution替换C2F模块。通过训练可以得到一个实时检测小龙虾大小、数目及饲料残留情况的目标检测网络。
本实施例采用动态卷积Dynamic Convolution替换YoloV8算法中的C2F模块,以适应不同形状的物体和特征。动态卷积是一种新颖的卷积操作,通过注意力机制来动态生成卷积核,使得卷积操作更加灵活和自适应,具体结构如图9。
动态卷积层使用n个卷积核的线性组合与注意机制进行动态加权,使卷积操作依赖于输入。动态卷积运算可以定义为:
其中x为输入数据,y为表示输出数据。表示第i个输出卷积核,ɑ 表示对卷积核的注意力。
动态卷积具有k个并行卷积核,它们共享相同的内核大小和输入输出维度,/>,/>分表表示第k个核的权重和偏置。这些卷积核使用注意力权重/>对输入的x进行动态聚合得到权重/>,偏差也使用相同的注意力进行聚合,在聚合卷积之后使用批量归一化和激活函数Leaky ReLU来构建动态卷积层。Leaky ReLU公式为:
其中x为输入,取默认值0.01。Leaky ReLU给所有负值赋予一个非零斜率,加强非线性变化能力。
注意力部分应用压缩和激励模块来计算内核注意力。输入信息首先被全局平均池化压缩。然后使用两个全连接层和 softmax 来为K个卷积核生成归一化的注意力权重。
本实施例还提供了一种基于改进的Yolov8算法的目标检测方法,旨在提高对小目标的感知能力并减小模型体积及参数量。所述方法包括特征提取层、BiFPN特征融合层和极小目标检测层。在特征提取层之后,引入BiFPN结构进行特征融合,通过自上而下和自下而上的路径传递和融合不同层级的特征图,获得更丰富的语义信息。在特征融合层引入BiFPN思想与特征提取层进行特征融合,并额外引入跨尺度连接以融合更多的特征信息。进一步地,添加一个160*160的极小目标检测层,用于提取细粒度的特征表示,并改善对小目标的检测性能。同时,去除原本的20*20大目标检测层,以减小模型体积及运算量。
具体的,保留第2层和第5层的特征融合层,并且借鉴BiFPN的核心思想添加了2条跨尺度连接线,详细结构如图10所示。
在特征融合层,引入BiFPN思想添加跨尺度连接。BiFPN利用自上而下和自下而上的路径来传递和融合不同层级的特征图,使得特征图能够融合全局和局部的语义信息。除了与原本的3至5层进行特征融合外,额外引入跨尺度连接,将顶部特征图与底部特征图进行融合,从而获取更丰富的语义信息。通过这种特征融合方式,能够提高对小目标的感知能力,并在不增加过多计算成本的前提下融合更多的特征。
在极小目标检测层,经过两次向上采样后,再进行一次向上采样,将其与底层特征图进行融合。通过借助动态卷积模块进一步提取特征,并进行输出,以便实现对尺寸较小目标的检测。同时,去除原本的20*20大目标检测层,以减小模型体积及参数量。
通过上述改进,本实施例的目标检测方法在提高对小目标的感知能力的同时,能够有效减小模型体积及参数量,具有实用性和创新性等优点。
根据图像检测模块提供的数据,计算输出检测结果及建议。如果饲料数量相对饵料托盘5占比少于15%,则提醒进行喂食。如果饲料位于15%—50%之间,则提醒少量喂食。如果饲料超过50%,则提醒残饵过多,无需喂食。此外,系统还实时显示各类龙虾数目及检测图像,水质检测相关信息(水温、水质、pH值等),方便按需调整喂食策略,及时调整水质参数,监控龙虾生长状态,以确保龙虾的良好生长环境。
在本实施例的描述中,需要理解的是,术语“上”、“下”、“左”、“右”等指示方位或者位置关系为为基于附图所示的方位或位置关系,仅是为了便于描述本实施例和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造或操作,因此不能理解为对本实施例的限制。
此外。术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在本实施例的描述中,“若干”的含义是两个或两个以上,除非另有明确具体的限定。
对于本领域技术人员而言,可以理解在不脱离本实施例的原理和精神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。因此,从任意一处来说,都应将实施例看作是指导性的,而且是非限制性的,本实施例的范围由所附权利要求而不是上述说明限定,本实施例的较佳实施例而已,并不用以限制本实施例,凡在本实施例的精神和原则之内,所有的任何修改、等同替换、改进等,均应包含在本实施例的保护范围之内。
Claims (8)
1.智能饲养监测装置,包括浮船(3),其特征在于,所述浮船(3)周侧至少两边呈对称设有气囊(4),气囊(4)与浮船(3)活动连接,还包括
投料组件,投料组件包括可升降的饵料托盘(5),所述饵料托盘(5)位于浮船(3)下方;
调节组件,用以调节气囊(4)相对浮船(3)竖直方向的位置高度,以控制饵料托盘(5)的入水深度;
监测组件,监测组件位于饵料托盘(5)的上方,采集饵料托盘(5)上的图像上传至边缘计算设备终端,通过图像处理算法分析获取监测结果。
2.根据权利要求1所述的智能饲养监测装置,其特征在于,所述投料组件还包括升降支架(8)和储料仓(201),所述升降支架(8)位于浮船(3)的上方,升降支架(8)底端设有连杆牵引饵料托盘(5)上下运动,所述储料仓(201)通过浮船(3)上预设的投料通道(22)向饵料托盘(5)上投料。
3.根据权利要求2所述的智能饲养监测装置,其特征在于,所述饵料托盘(5)上方设有饵料平整机构,所述平整机构包括可转动的搅拌杆(7),所述搅拌杆(7)沿径向设有压杆,搅拌杆(7)旋转时将饵料托盘(5)上的饵料推平并压实。
4.根据权利要求2所述的智能饲养监测装置,其特征在于,所述气囊(4)与浮船(3)侧边铰接,所述调节组件包括齿轮(12)和水平运动的连接杆(11),所述齿轮(12)与浮船(3)固定连接,所述连接杆(11)上开设有齿槽与齿轮(12)啮合连接。
5.根据权利要求4所述的智能饲养监测装置,其特征在于,所述调节组件还包括调节支座(9),所述调节支座(9)与浮船(3)转动连接,所述调节支座(9)上端面开设有第一驱动槽(901),所述连接杆(11)远离齿轮(12)一端止抵于第一驱动槽(901),调节支座(9)转动时牵引连接杆(11)水平直线运动。
6.根据权利要求5所述的智能饲养监测装置,其特征在于,所述升降支架(8)与调节支座(9)之间设有连接组件,当升降支架(8)上下运动时通过连接组件驱动调节支座(9)往复转动。
7.根据权利要求6所述的智能饲养监测装置,其特征在于,所述连接组件包括连接块(91)和调节杆(13),所述连接块(91)呈圆筒状,所述连接块(91)上周侧上径向开设有第二驱动槽(902),所述调节杆(13)一端与升降支架(8)固定连接,所述调节杆(13)另一端止抵于第二驱动槽(902),当所述调节杆(13)沿上下运动时止抵第二驱动槽(902)使得连接块(91)沿其轴线转动。
8.智能饲养监测系统,其特征在于,包括权利要求1-7任一所述的智能饲养监测装置,还包括,
传感采集模块,包含多个传感器和一个摄像头(6);
通信模块,用于将采集到的数据传输至中央控制系统或云端服务器,接收、处理及融合附近多个水下监测器上传的水环境数据,并将数据传输至陆地基站;
信息接收处理模块,由陆地基站和服务器组成,接收通信模块传来的信息;对收集到的图像数据利用深度学习方法进行预处理;
图像检测模块,利用YoloV8算法对预处理的图像进行检测,识别出饵料和龙虾的位置、大小等信息;
数据处理输出模块,根据接收到的数据和检测结果输出龙虾大小、数量、饵料残留量、水质参数等数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311553506.0A CN117256545B (zh) | 2023-11-21 | 2023-11-21 | 智能饲养监测装置及其监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311553506.0A CN117256545B (zh) | 2023-11-21 | 2023-11-21 | 智能饲养监测装置及其监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117256545A true CN117256545A (zh) | 2023-12-22 |
CN117256545B CN117256545B (zh) | 2024-02-02 |
Family
ID=89210901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311553506.0A Active CN117256545B (zh) | 2023-11-21 | 2023-11-21 | 智能饲养监测装置及其监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117256545B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1033092A1 (ru) * | 1982-04-23 | 1983-08-07 | Саратовский Ордена "Знак Почета" Институт Механизации Сельского Хозяйства Им.М.И.Калинина | Устройство дл разравнивани кормов |
JP2001299136A (ja) * | 2000-04-20 | 2001-10-30 | Yamaha Motor Co Ltd | 自動給餌装置 |
CN107743142A (zh) * | 2017-10-12 | 2018-02-27 | 江苏大学 | 一种基于水下视频监控与云计算平台的蟹塘养殖健康管理系统及方法 |
CN213281158U (zh) * | 2020-10-10 | 2021-05-28 | 安徽浮顶山生态农业科技有限公司 | 一种稻虾养殖用自调式龙虾喂养机构 |
KR102318565B1 (ko) * | 2021-03-30 | 2021-10-29 | 주식회사 제이제이앤컴퍼니스 | 수중 생태 및 환경 감시 시스템 |
CN113795145A (zh) * | 2019-06-12 | 2021-12-14 | 渔觅创新私人有限公司 | 水栖动物养殖支援系统、升降装置、投饵装置、水栖动物的养殖方法及水栖动物养殖支援程序 |
CN114813224A (zh) * | 2022-03-30 | 2022-07-29 | 佛山市高明区易海农业技术服务有限公司 | 一种应用于虾塘的采样装置及方法 |
CN115843733A (zh) * | 2022-12-23 | 2023-03-28 | 江苏大学 | 一种基于机器视觉的河蟹养殖电子食台装置及工作方法 |
CN218999205U (zh) * | 2022-11-07 | 2023-05-12 | 青岛瑞和农牧设备有限公司 | 一种养猪喂食槽 |
CN116152718A (zh) * | 2023-03-15 | 2023-05-23 | 上海海洋大学 | 一种对虾养殖智能化观测装置及观测方法 |
-
2023
- 2023-11-21 CN CN202311553506.0A patent/CN117256545B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1033092A1 (ru) * | 1982-04-23 | 1983-08-07 | Саратовский Ордена "Знак Почета" Институт Механизации Сельского Хозяйства Им.М.И.Калинина | Устройство дл разравнивани кормов |
JP2001299136A (ja) * | 2000-04-20 | 2001-10-30 | Yamaha Motor Co Ltd | 自動給餌装置 |
CN107743142A (zh) * | 2017-10-12 | 2018-02-27 | 江苏大学 | 一种基于水下视频监控与云计算平台的蟹塘养殖健康管理系统及方法 |
CN113795145A (zh) * | 2019-06-12 | 2021-12-14 | 渔觅创新私人有限公司 | 水栖动物养殖支援系统、升降装置、投饵装置、水栖动物的养殖方法及水栖动物养殖支援程序 |
CN213281158U (zh) * | 2020-10-10 | 2021-05-28 | 安徽浮顶山生态农业科技有限公司 | 一种稻虾养殖用自调式龙虾喂养机构 |
KR102318565B1 (ko) * | 2021-03-30 | 2021-10-29 | 주식회사 제이제이앤컴퍼니스 | 수중 생태 및 환경 감시 시스템 |
CN114813224A (zh) * | 2022-03-30 | 2022-07-29 | 佛山市高明区易海农业技术服务有限公司 | 一种应用于虾塘的采样装置及方法 |
CN218999205U (zh) * | 2022-11-07 | 2023-05-12 | 青岛瑞和农牧设备有限公司 | 一种养猪喂食槽 |
CN115843733A (zh) * | 2022-12-23 | 2023-03-28 | 江苏大学 | 一种基于机器视觉的河蟹养殖电子食台装置及工作方法 |
CN116152718A (zh) * | 2023-03-15 | 2023-05-23 | 上海海洋大学 | 一种对虾养殖智能化观测装置及观测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117256545B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019232247A1 (en) | Biomass estimation in an aquaculture environment | |
WO2020046524A1 (en) | Automatic feed pellet monitoring based on camera footage in an aquaculture environment | |
CN107094683B (zh) | 一种水产养殖的自动投饵和水质监测控制系统 | |
CN110108704A (zh) | 一种蓝藻自动监测预警方法及其自动监测预警系统 | |
US11532153B2 (en) | Splash detection for surface splash scoring | |
EP4116840A1 (en) | System and method of detection and identification of crops and weeds | |
CN109325495A (zh) | 一种基于深度神经网络建模的作物图像分割系统及方法 | |
CN110220845B (zh) | 一种着生藻生长带的原位监测方法及装置 | |
CN105466523B (zh) | 基于单摄像机图像的堆粮高度的测量方法和装置 | |
CN108664839A (zh) | 一种图像处理方法和设备 | |
CN106791320A (zh) | 一种养殖鱼类图像增强装置及方法 | |
CN107590467A (zh) | 一种基于机器视觉的智能投喂系统 | |
CN109380146A (zh) | 生猪自动测量装置和方法 | |
CN117256545B (zh) | 智能饲养监测装置及其监测系统 | |
CN112986157A (zh) | 一种养殖水环境预警调控方法、装置及系统 | |
CN115862004A (zh) | 一种玉米果穗表面缺陷检测方法及装置 | |
Pramudhita et al. | Strawberry Plant Diseases Classification Using CNN Based on MobileNetV3-Large and EfficientNet-B0 Architecture | |
CN208187400U (zh) | 一种基于机器视觉的鱼类体长测量装置 | |
CN116912702B (zh) | 杂草覆盖度确定方法、系统、装置及电子设备 | |
Liang et al. | Recognition and classification of ornamental fish image based on machine vision | |
CN105548222A (zh) | 一种谷类农作物在线病虫害检测装置 | |
CN117063868A (zh) | 一种鱼池智能投喂方法 | |
CN106417104A (zh) | 养殖鱼类游动方向测定系统和方法 | |
CN115457437A (zh) | 作物识别方法、装置、系统及农药喷施机器人 | |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |