ES2786798B2

ES2786798B2 - Biomass estimation system in aquaculture based on optical sensors and neural networks

Info

Publication number: ES2786798B2
Application number: ES201930332A
Authority: ES
Inventors: García Daniel Pérez; Martín Francicsco Javier Ferrero; García Ignacio Alvarez; Llopis Marta Valledor; Rodríguez Juan Carlos Campo; Blanco Juan Menéndez; González José Ramón Blanco
Original assignee: Universidad de Oviedo
Current assignee: Universidad de Oviedo
Priority date: 2019-04-11
Filing date: 2019-04-11
Publication date: 2022-02-08
Anticipated expiration: 2039-04-11
Also published as: ES2786798A1

Description

DESCRIPCIÓNDESCRIPTION

Sistema de estimación de biomasa en acuicultura basado en sensores ópticos y redes neuronalesBiomass estimation system in aquaculture based on optical sensors and neural networks

La presente invención se refiere a un sistema de estimación de la biomasa necesaria para la alimentación en el campo técnico de la acuicultura. La estimación se realiza mediante el empleo de sensores ópticos y redes neuronales para establecer la cantidad de biomasa óptima para la alimentación de los peces en instalaciones de acuicultura intensiva con el margen de error más pequeño posible.The present invention refers to a system for estimating the biomass necessary for feeding in the technical field of aquaculture. The estimation is made through the use of optical sensors and neural networks to establish the optimal amount of biomass for feeding fish in intensive aquaculture facilities with the smallest possible margin of error.

Estado de la técnicaState of the art

La reducción de los costes de alimentación en acuicultura resulta fundamental para lograr la sostenibilidad de la industria, existiendo un gran potencial, tanto en la disminución de los costes por unidad de alimentación como a través de la adopción de estrategias de gestión de alimentación adecuadas.The reduction of feed costs in aquaculture is essential to achieve the sustainability of the industry, and there is great potential, both in reducing costs per feed unit and through the adoption of appropriate feed management strategies.

En las instalaciones de acuicultura intensiva, la alimentación se realiza mediante el suministro de varias raciones diarias de pienso, donde la ración óptima supone un peso diario de alimentos de alrededor del 4% de la biomasa presente, dependiendo de las especies y otras condiciones ambientales. Los errores en la estimación de la biomasa implican que la alimentación diaria no esté optimizada, lo que puede suponer una sobrealimentación o una subalimentación del cultivo y, por lo tanto, en cualquier caso, un incremento de los costes del cultivo.In intensive aquaculture facilities, feeding is done by supplying several daily feed rations, where the optimum ration involves a daily feed weight of around 4% of the biomass present, depending on the species and other environmental conditions. Errors in estimating biomass imply that the daily feeding is not optimized, which can lead to overfeeding or underfeeding of the crop and, therefore, in any case, an increase in crop costs.

Los sistemas de estimación de biomasa que existen actualmente en el mercado no han conseguido alcanzar precisiones estables y con márgenes de error suficientemente pequeños. Las causas por las que la biomasa no se calcula correctamente son complejas e incluyen una combinación entre la tecnología empleada para el recuento y el tamaño de los peces, el mal uso de las tecnologías de recuento e incluso razones de tipo biológico y medioambiental. Un objetivo que se plantea a medio plazo es alcanzar una incertidumbre del 0,1% en el sistema de conteo de peces y del 1% en la estimación de la biomasa. Una reducción dentro de estos márgenes supone un gran impacto en el resultado económico de las empresas acuícolas. Así, por ejemplo, un error del 5% en la estimación de la biomasa supone, sólo en la industria europea de los salmónidos, doradas y lubinas, aproximadamente 91 millones de dólares anuales.Biomass estimation systems that currently exist on the market have not managed to achieve stable accuracy and with sufficiently small margins of error. The reasons why biomass is not calculated correctly are complex and include a combination of the technology used for counting and the size of the fish, the misuse of counting technologies and even biological and environmental reasons. A medium-term objective is to reach an uncertainty of 0.1% in the fish counting system and 1% in the estimation of biomass. A reduction within these margins has a great impact on the economic results of aquaculture companies. Thus, for example, a 5% error in estimating biomass means, only in the European industry of salmon, sea bream and sea bass, approximately 91 million dollars annually.

Para alcanzar el objetivo propuesto, es decir, para alcanzar cifras de error iguales o inferiores al 0,1% en el conteo de peces y del 1% en la estimación de la biomasa, no sólo es necesario mejorar las prácticas actuales de control, así como un mejor uso de la instrumentación existente, sino que también resulta necesario una mejora en los métodos de medida y de control utilizados en la actualidad.In order to achieve the proposed objective, that is, to reach error figures equal to or less than 0.1% in fish counting and 1% in biomass estimation, it is not only necessary to improve current control practices, but also as a better use of the existing instrumentation, but also an improvement in the measurement and control methods currently used is necessary.

Un ejemplo de las mejoras que se están introduciendo en la tecnología es el método y el sistema descrito en WO2019/002881 A1. Este documento se refiere a un método y un aparato para proporcionar un proceso de toma de decisiones dinámica con relación a la alimentación de animales en el agua. Más particularmente, la invención descrita en este documento se refiere a un método y a un aparato cuyo objeto es la mejora de las estrategias de alimentación y/o cultivo utilizadas en una instalación de acuicultura que emplea una pluralidad de sensores y técnicas de inteligencia artificial para optimizar la alimentación de los peces.An example of the improvements being made to the technology is the method and system described in WO2019/002881 A1. This document relates to a method and apparatus for providing a dynamic decision making process in relation to feeding animals in water. More particularly, the invention described in this document refers to a method and an apparatus whose object is the improvement of the feeding and/or cultivation strategies used in an aquaculture facility that employs a plurality of sensors and artificial intelligence techniques to optimize feeding the fish.

Para la estimación de la biomasa existen dos soluciones comerciales: Vaki Biomass Daily (de Pentair) y Varó Aqua’s Biomass Measurement Frame (de Storvik). Ambos productos utilizan un marco, que contiene dos cortinas de luz infrarroja. Cuando el pez atraviesa el marco, su altura se calcula a partir de los haces infrarrojos que son cortados, mientras que su longitud se estima a partir del tiempo de paso y de la velocidad de paso del pez. Un modelo aplicado usualmente en las granjas marinas para caracterizar la relación entre la longitud del pez (l) y la masa (m) es m = ql3, siendo q un parámetro empírico característico de la especie. Un modelo alternativo que incluye la altura (h) del pez es m = chl2 donde c es otro parámetro empírico característico de la especie. Estos métodos de medida de los peces contribuyen, sin duda, al error o incertidumbre en el cálculo de la biomasa.There are two commercial solutions for biomass estimation: Vaki Biomass Daily (from Pentair) and Varó Aqua's Biomass Measurement Frame (from Storvik). Both products use a frame, which contains two infrared light curtains. When the fish crosses the frame, its height is calculated from the infrared beams that are cut, while its length is estimated from the passage time and the passage speed of the fish. A model usually applied in marine farms to characterize the relationship between fish length ( l) and mass (m) is m = ql3, where q is an empirical parameter characteristic of the species. An alternative model that includes the height (h) of the fish is m = chl2 where c is another empirical parameter characteristic of the species. These methods of measuring fish undoubtedly contribute to the error or uncertainty in the calculation of biomass.

La tecnología de los marcos de luz infrarroja está bien establecida, aunque para la estimación del peso de los peces se ha comprobado que tiene una exactitud muy baja y que para la acuicultura intensiva no es una técnica adecuada, ya que las mediciones se alejan notablemente de la realidad. Aunque en los catálogos de estos equipos se indica una exactitud del método superior al 90%, estos porcentajes sólo se alcanzan en condiciones ideales, cuando los peces se mueven en línea recta y a una velocidad moderada. Sin embargo, cuando el pez avanza muy rápido o muy lento, la medida se distorsiona y se aleja de la realidad. Infrared light frame technology is well established, although for fish weight estimation it has been found to have very low accuracy and for intensive aquaculture it is not a suitable technique, as measurements are significantly off the mark. reality. Although the catalogs of this equipment indicate an accuracy of the method greater than 90%, these percentages are only reached in ideal conditions, when the fish move in a straight line and at a moderate speed. However, when the fish moves too fast or too slow, the measurement becomes distorted and far from reality.

Por tanto, los problemas técnicos que se han detectado en el estado de la técnica y que pretende resolver la presente invención son los siguientes:Therefore, the technical problems that have been detected in the state of the art and that the present invention intends to solve are the following:

a) La velocidad de paso del pez puede no ser constante, pudiendo desviarse el patrón de nado por las corrientes locales e incluso el pez se puede llegar a detener dentro del marco. La capacidad de medir la velocidad del pez es un aspecto tecnológico que es necesario mejorar en el marco.a) The speed of passage of the fish may not be constant, the swimming pattern may be deviated by local currents and the fish may even stop within the frame. The ability to measure the speed of the fish is a technological aspect that needs to be improved in the framework.

b) La distancia entre los emisores y receptores de luz infrarroja es de, aproximadamente, 1 centímetro, lo que se traduce en una muy baja resolución, especialmente para peces pequeños y, consecuentemente, en un error de medida. Este error de medida se propaga en el cálculo del peso del pez, debido a que en estos equipos se mide la altura de los peces y se estima el peso en función de una fórmula matemática que depende de la longitud al cubo, la altura y un factor intrínseco de la propia especie del pez.b) The distance between the emitters and receivers of infrared light is approximately 1 centimeter, which translates into a very low resolution, especially for small fish and, consequently, into a measurement error. This measurement error is propagated in the calculation of the weight of the fish, because in this equipment the height of the fish is measured and the weight is estimated based on a mathematical formula that depends on the length cubed, the height and a intrinsic factor of the fish species itself.

c) La medida de la altura del pez, que es el parámetro a partir del cual se estima el peso, puede verse condicionada si el movimiento del pez no es perpendicular al marco. Si el pez entra o sale del marco de manera oblicua, la altura del pez se puede sobreestimar. Estos equipos tienen problemas cuando, a través del marco, pasan varios peces u otros elementos -falsos positivos- que pueden distorsionar la silueta e inducir un error en la medida de los peces. Todo ello obliga a evaluar un gran número de peces para lograr una buena estimación del peso. Finalmente, el sistema Storvik no es un sistema en línea, por lo que no puedes ser utilizado para el control de la alimentación en acuicultura.c) The measurement of the height of the fish, which is the parameter from which the weight is estimated, can be conditioned if the movement of the fish is not perpendicular to the frame. If the fish enters or leaves the frame obliquely, the height of the fish may be overestimated. These teams have problems when, through the frame, several fish or other elements pass through the frame -false positives- that can distort the silhouette and induce an error in the measurement of the fish. All this makes it necessary to evaluate a large number of fish to achieve a good estimate of weight. Finally, the Storvik system is not an online system, so it cannot be used for feed control in aquaculture.

Con el sistema objeto de la invención se pretende dar solución a los problemas técnicos indicados mediante el empleo de nuevos sistemas ópticos, una electrónica de bajo coste y algoritmos con redes neuronales.With the system object of the invention, it is intended to solve the technical problems indicated by using new optical systems, low-cost electronics and algorithms with neural networks.

Explicación de la invenciónExplanation of the invention

En acuicultura, como se ha indicado, el coste de alimentación representa un importante porcentaje de los costes de operación en una granja de producción piscícola, representando aproximadamente un 45% de los costes totales de operación. En las instalaciones de acuicultura intensiva, la alimentación se realiza mediante el suministro de varias raciones diarias de pienso, totalizando la ración óptima un peso diario de alimentos de entrono al 4% de la biomasa presente.In aquaculture, as has been indicated, the cost of feeding represents a significant percentage of the operating costs in a fish production farm, representing approximately 45% of the total operating costs. In intensive aquaculture facilities, feeding is carried out by supplying several daily rations of feed, with the optimal ration totaling a daily weight of 4% environmental feed. of the biomass present.

Es un objeto de la presente invención proporcionar un sistema para la estimación de la biomasa en una instalación acuícola con una precisión estable y un margen de error suficientemente pequeño. Este objetivo se consigue por medio de la invención tal y como está definida en la reivindicación 1. Otros aspectos de la invención se describen en otras reivindicaciones independientes. En las reivindicaciones dependientes se definen realizaciones preferidas o particulares de los distintos aspectos que conforman la presente invención.It is an object of the present invention to provide a system for biomass estimation in an aquaculture facility with stable precision and a sufficiently small margin of error. This object is achieved by the invention as defined in claim 1. Other aspects of the invention are described in other independent claims. Preferred or particular embodiments of the different aspects that make up the present invention are defined in the dependent claims.

Más concretamente, el sistema de estimación de la biomasa desarrollado consiste en dos cortinas de luz infrarroja. Estas cortinas de luz actúan como una especie de «escáner» de forma que, cuando el pez lo atraviesa, la luz emitida por los emisores no llega a los receptores y, de esta forma, es posible reconstruir la silueta del pez. Para obtener una imagen del pez con una resolución adecuada se requiere que las cortinas de emisores estén muy próximas y que, tanto los emisores como los receptores, estén lo más próximos posibles, en una realización práctica del orden de los 5 mm.More specifically, the biomass estimation system developed consists of two curtains of infrared light. These light curtains act as a kind of "scanner " so that, when the fish passes through it, the light emitted by the emitters does not reach the receivers and, in this way, it is possible to reconstruct the silhouette of the fish. In order to obtain an image of the fish with adequate resolution, it is required that the curtains of emitters be very close and that both the emitters and the receivers be as close as possible, in a practical embodiment of the order of 5 mm.

La activación de los emisores y receptores se realiza secuencialmente, controlada por un microcontrolador. Cuando el pez atraviesa la primera cortina se obtiene la altura del pez. Para obtener la longitud del pez es necesario conocer su velocidad, la cual puede variar, y el tiempo que tarda en alcanzar la segunda cortina. De ahí que, cuanto más cerca estén las cortinas de luz entre sí, menor será el error cometido en la medida de la velocidad del pez.The activation of the emitters and receivers is done sequentially, controlled by a microcontroller. When the fish crosses the first curtain, the height of the fish is obtained. To obtain the length of the fish it is necessary to know its speed, which can vary, and the time it takes to reach the second curtain. Hence, the closer the light curtains are to each other, the smaller the error in measuring the speed of the fish.

El peso del pez se obtiene a partir de sus dimensiones, en anchura y altura, y de un parámetro que depende del tipo de especie. Para concentrar el haz de luz sobre los receptores se han diseñado unas novedosas lentes que van colocadas delante de los emisores. Esto es importante, ya que cuando los receptores reciben más luz, se compensa la atenuación de la luz al propagarse en el agua.The weight of the fish is obtained from its dimensions, in width and height, and from a parameter that depends on the type of species. In order to concentrate the light beam on the receivers, innovative lenses have been designed that are placed in front of the emitters. This is important, because when the receptors receive more light, the attenuation of the light propagating in the water is compensated.

El sistema de la invención debe resolver el problema técnico relativo a la identificación de los peces cuando pasan dos o más peces u otros objetos. Para discriminar este tipo de situaciones, la imagen 2D del pez se procesa digitalmente, lo que permite identificar en tiempo real el pez. Para ello, se ejecuta un método de estimación de la biomasa en base a la altura y anchura del pez. The system of the invention must solve the technical problem related to the identification of the fish when two or more fish or other objects pass by. To discriminate against this type of situation, the 2D image of the fish is digitally processed, which allows the fish to be identified in real time. For this, a biomass estimation method is executed based on the height and width of the fish.

Por lo tanto, el sistema de la invención propone un sistema óptico de mayor resolución. El sistema óptico, aunque está también basado en un marco de emisores y receptores ópticos, aporta significativas ventajas con respecto a los productos existentes. La tecnología actual permite emplear fuentes y receptores de luz de menor tamaño y mayor potencia. Con ello se consigue aumentar la resolución -al poder situar los emisores y receptores a menor distancia entre sí- y obtener un perfil del pez más real. A esto contribuye también que los emisores y receptores están recubiertos de unas lentes cilindricas convexas realizadas en material plástico que concentran la luz sobre los receptores, reduciendo la proporción de luz dispersada.Therefore, the system of the invention proposes an optical system with higher resolution. The optical system, although it is also based on a framework of optical transmitters and receivers, provides significant advantages over existing products. Current technology allows the use of smaller, more powerful light sources and receptors. With this, it is possible to increase the resolution -by being able to place the emitters and receivers at a smaller distance from each other- and obtain a more realistic profile of the fish. This is also helped by the fact that the emitters and receivers are covered with convex cylindrical lenses made of plastic material that concentrate the light on the receivers, reducing the proportion of scattered light.

La estimación de la biomasa presente en la jaula en tiempo real es una ventaja técnica que se deriva del hecho que las barreras llevan incrustada una antena que, junto con un lector, constituye un sistema de radio frecuencia (RFID) que permite identificar en tiempo real el pez que está pasando por las barreras en cada instante de tiempo. Esta novedad, no presente en los equipos comerciales, aporta una mejora sustancial en la estimación de la biomasa, ya que permite conocer en tiempo real la biomasa presente en la jaula y, en función de ella, gestionar en línea el sistema automático de alimentación.The estimation of the biomass present in the cage in real time is a technical advantage derived from the fact that the barriers have an embedded antenna that, together with a reader, constitutes a radio frequency system (RFID) that allows real-time identification of the fish that is passing through the barriers at each instant of time. This novelty, not present in commercial equipment, provides a substantial improvement in the estimation of biomass, since it allows knowing in real time the biomass present in the cage and, based on it, managing the automatic feeding system online.

Finalmente, el sistema de la invención está configurado para la clasificación de las condiciones del pez mediante redes neuronales. El objetivo es la identificación unívoca de que el objeto que pasa por las barreras es un pez, descartando falsos positivos. Para ello, se han entrenado redes neuronales que, en colaboración con el sistema RFID, permiten descartar objetos que no son peces, es decir, los falsos positivos. En los sistemas actuales, esta tarea la realiza, en el mejor de los casos, un operario a partir de grabaciones de video obtenidas mediante una cámara.Finally, the system of the invention is configured to classify the conditions of the fish by means of neural networks. The objective is the unambiguous identification that the object passing through the barriers is a fish, ruling out false positives. To do this, neural networks have been trained that, in collaboration with the RFID system, allow discarding objects that are not fish, that is, false positives. In current systems, this task is performed, in the best of cases, by an operator from video recordings obtained by a camera.

A lo largo de la descripción y de las reivindicaciones, la palabra «comprende» y sus variantes no pretenden excluir otras características técnicas, aditivos, componentes o pasos. Para los expertos en la materia, otros objetos, ventajas y características de la invención se desprenderán en parte de la invención y en parte de la práctica de la invención. Los siguientes ejemplos y dibujos se proporcionan a modo de ilustración y no se pretende que restrinjan la presente invención. Además, la invención cubre todas las posibles combinaciones de realizaciones particulares y preferidas aquí indicadas. Throughout the description and claims, the word "comprise" and its variants are not intended to exclude other technical characteristics, additives, components or steps. Other objects, advantages and features of the invention will be apparent to those skilled in the art in part from the invention and in part from the practice of the invention. The following examples and drawings are provided by way of illustration and are not intended to limit the present invention. Furthermore, the invention covers all possible combinations of particular and preferred embodiments indicated here.

Breve descripción de los dibujosBrief description of the drawings

A continuación, se pasa a describir de manera muy breve una serie de dibujos que ayudan a comprender mejor la invención y que se relacionan expresamente con una realización de dicha invención, que se ilustra como un ejemplo no limitativo de ésta.Next, a series of drawings will be briefly described that help to better understand the invention and that are expressly related to an embodiment of said invention, which is illustrated as a non-limiting example of it.

La figura 1 muestra un diagrama de bloques del sistema de estimación de biomasa en acuicultura basado en sensores ópticos y redes neuronales, objeto de la presente invención.Figure 1 shows a block diagram of the biomass estimation system in aquaculture based on optical sensors and neural networks, object of the present invention.

La figura 2 muestra, de forma esquemática, una vista de las barreras ópticas que conforman el sistema para la estimación de la biomasa en acuicultura, de acuerdo con una realización particular de la invención.Figure 2 shows, schematically, a view of the optical barriers that make up the system for estimating biomass in aquaculture, according to a particular embodiment of the invention.

La figura 3 muestra un diagrama de flujo con el algoritmo de cálculo de la biomasa de los peces de acuerdo con un aspecto de la presente invención.Figure 3 shows a flowchart with the fish biomass calculation algorithm according to one aspect of the present invention.

La figura 4 muestra una gráfica con los resultados de la estimación de la biomasa de los peces de acuerdo con el algoritmo de cálculo mostrado en la figura 3 estimando la masa a partir de la longitud.Figure 4 shows a graph with the results of estimating the biomass of the fish according to the calculation algorithm shown in Figure 3 estimating the mass from the length.

La figura 5 muestra una gráfica con los resultados de la estimación de la biomasa de los peces de acuerdo con el algoritmo de cálculo mostrado en la figura 3 estimando la masa a partir del área de la silueta.Figure 5 shows a graph with the results of fish biomass estimation according to the calculation algorithm shown in Figure 3 estimating the mass from the area of the silhouette.

Descripción detallada de una realización práctica de la invenciónDetailed description of a practical embodiment of the invention

Tal y como se puede observar en las figuras adjuntas, el sistema propuesto por la presente invención comprende dos barreras ópticas idénticas. En la figura 1 se muestra el diagrama de bloques del sistema objeto de la presente invención. Los bloques 1 y 2 representan, respectivamente, el primer bloque emisor 1 y el segundo bloque receptor 2 de luz en el espectro infrarrojo. Estos bloques emisor 1 y receptor 2, en una realización práctica, están separados como máximo 300 mm.As can be seen in the attached figures, the system proposed by the present invention comprises two identical optical barriers. Figure 1 shows the block diagram of the system object of the present invention. Blocks 1 and 2 represent, respectively, the first emitting block 1 and the second receiving block 2 of light in the infrared spectrum. These transmitter 1 and receiver 2 blocks, in a practical embodiment, are separated by a maximum of 300 mm.

El primer bloque emisor 1 comprende una pluralidad de fotoemisores que -en una realización práctica no limitativa- consisten en 96 micro LED (diodos emisores de luz) de alta potencia cuya emisión en el espectro infrarrojo está centrada en los 940 nm. La activación y el control individual de cada uno de estos emisores de luz se realiza desde un circuito de acondicionamiento de señal 3 que comprende, al menos, un multiplexor digital con interfaz serie y una pluralidad de circuitos driver configurados para aumentar la corriente de salida del, al menos uno, multiplexor digital y poder activar de esta forma los diodos emisores de luz del primer bloque emisor 1.The first emitting block 1 comprises a plurality of light emitters which -in a non-limiting practical embodiment- consist of 96 high power micro LEDs (light emitting diodes) whose emission in the infrared spectrum is centered at 940 nm. The activation and the individual control of each of these light emitters is carried out from a signal conditioning circuit 3 comprising at least one digital multiplexer with a serial interface and a plurality of driver circuits configured to increase the output current of, at least one, digital multiplexer and thus be able to activate the light-emitting diodes of the first emitting block 1.

El segundo bloque receptor 2 comprende una pluralidad de fotorreceptores que consisten -en una realización práctica no limitativa- en 96 fototransistores (al menos un fotorreceptor por cada fotoemisor) cuya banda de detección en el espectro infrarrojo está comprendida entre los 870 nm y los 950 nm. La salida de los fototransistores se conecta directamente con, al menos, un circuito convertidor analógico-digital 4 (CAD). Este circuito convertidor analógico-digital 4 en unas realizaciones prácticas puede ser un circuito independiente o bien estar integrado en un microcontrolador 5.The second receiver block 2 comprises a plurality of photoreceptors consisting -in a non-limiting practical embodiment- of 96 phototransistors (at least one photoreceptor for each photoemitter) whose detection band in the infrared spectrum is between 870 nm and 950 nm . The output of the phototransistors is directly connected to at least one analog-to-digital converter circuit 4 (ADC). This analog-digital converter circuit 4 in practical embodiments can be an independent circuit or be integrated into a microcontroller 5.

El circuito CAD 4 dispone, en esta realización práctica, de ocho entradas y, por tanto, están conectados y son capaces de leer la medida de hasta ocho fototransistores. La resolución de los circuitos CAD 4 es de doce bits. Gracias al empleo de detectores con lectura analógica se consigue una mejor resolución en la detección de objetos, ya que permite interpolar mediciones en los bordes de los objetos detectados, dando lugar a una resolución efectiva que mejora el empleo de los 96 fototransistores empleados en esta realización práctica.The CAD circuit 4 has, in this practical embodiment, eight inputs and, therefore, they are connected and are capable of reading the measurement of up to eight phototransistors. The resolution of the CAD 4 circuits is twelve bits. Thanks to the use of detectors with analog reading, a better resolution is achieved in the detection of objects, since it allows measurements to be interpolated at the edges of the detected objects, giving rise to an effective resolution that improves the use of the 96 phototransistors used in this embodiment. practice.

Cada barrera óptica 1 y 2, está controlada por un microcontrolador 5 que se conecta en serie, a su vez, con una unidad central de procesamiento 6.Each optical barrier 1 and 2 is controlled by a microcontroller 5 which is connected in series, in turn, with a central processing unit 6.

El microcontrolador 5, en una realización práctica, comprende núcleo procesador y al menos una memoria donde se almacena un programa o programas compuestos por instrucciones que, cuando son ejecutadas por el núcleo procesador hacen que el microcontrolador 5 genere una secuencia temporizada de encendido y lectura de las barreras ópticas 100 y 200, y la comunicación en serie con una unidad central de procesamiento 6. En un ejemplo práctico no limitativo, este microcontrolador 5 es un «Arduino Nano» que se encarga de generar la secuencia de encendido de los fotoemisores y de la lectura de los fotorreceptores asociados con cada fotoemisor, en una secuencia con temporizaciones controladas.The microcontroller 5, in a practical embodiment, comprises a processor core and at least one memory where a program or programs composed of instructions are stored which, when executed by the processor core, cause the microcontroller 5 to generate a timed sequence of power-up and reading of the optical barriers 100 and 200, and the serial communication with a central processing unit 6. In a non-limiting practical example, this microcontroller 5 is an "Arduino Nano" that is in charge of generating the light-emitting and switching-on sequence. the reading of the photoreceptors associated with each photoemitter, in a sequence with controlled timings.

Así pues, los valores leídos en los circuitos CAD 4 son transmitidos, mediante un protocolo de puerto serie virtual a 115200 baudios a la unidad central de procesamiento 6. Esta unidad de procesamiento 6, en un ejemplo práctico, se trata de una SBC de tipo Raspberry Pi clase B que dispone de cuatro puertos USB integrados, lo que permite establecer cuatro comunicaciones serie con otros tantos microcontroladores 5, en definitiva, con cada unidad central de procesamiento 6 es posible controlar tantas barreras ópticas 100 y 200 como puertos serie sean disponibles, en este ejemplo práctico, hasta cuatro.Thus, the values read in the CAD circuits 4 are transmitted, by means of a virtual serial port protocol at 115200 bauds, to the central processing unit 6. This unit of processing 6, in a practical example, it is a Raspberry Pi class B SBC that has four integrated USB ports, which allows four serial communications to be established with as many other microcontrollers 5, in short, with each central processing unit 6 it is possible to control as many optical barriers 100 and 200 as serial ports are available, in this practical example, up to four.

La unidad central de procesamiento 6 está alojada en una envolvente industrial con protección IP68, aunque podría ser otra envolvente con un grado de protección aún mayor con de tal de que pueda instalarse junto con las barreras 1 y 2, sumergida en el agua.The central processing unit 6 is housed in an industrial enclosure with IP68 protection, although it could be another enclosure with an even higher degree of protection as long as it can be installed together with barriers 1 and 2, submerged in water.

Para maximizar la tasa de transferencia de datos de las comunicaciones entre el microcontrolador 5 y la unidad central de procesamiento 6 se utiliza un protocolo digital. Las lecturas analógicas son transmitidas mediante un flujo continuo de datos usando sólo 8 bits (1 byte) por bloque receptor 2. El carácter 0xFF (d255) se ha reservado para indicar los finales de la cadena de datos y, por tanto, se truncan el resto de los resultados de conversión a un valor máximo de 0xFE (d254). Con este protocolo se consiguen una transferencia de datos inferiores a 2 ms por bloque receptor 2, con 96 fotorreceptores individuales.To maximize the data transfer rate of the communications between the microcontroller 5 and the central processing unit 6 a digital protocol is used. Analog readings are transmitted as a continuous stream of data using only 8 bits (1 byte) per receiver block 2. The character 0xFF (d255) has been reserved to indicate the ends of the data string and therefore the data string is truncated. rest of the conversion results to a maximum value of 0xFE (d254). With this protocol, a data transfer of less than 2 ms is achieved per receiver block 2, with 96 individual photoreceptors.

Finalmente, para minimizar el número de conexiones necesarias, el sistema ha sido diseñado para comunicarse con el exterior mediante comunicaciones Ethernet, realizándose la alimentación mediante POE («Power over Ethernet»). Un inyector externo aporta la alimentación POE en el cable Ethernet y en la envolvente donde se aloja la unidad central de procesamiento 6 se ha incluido también un «splitter» que suministra a ésta los 5 Vdc que necesita para funcionar a partir de la alimentación POE. De esta forma, del agua sólo tiene que salir un único cable, con las comunicaciones y la alimentación eléctrica.Finally, to minimize the number of necessary connections, the system has been designed to communicate with the outside via Ethernet communications, power being supplied via POE ( "Power over Ethernet"). An external injector provides the POE power supply in the Ethernet cable and a "splitter" has also been included in the enclosure where the central processing unit 6 is housed, which supplies it with the 5 Vdc it needs to operate from the POE power supply. In this way, only a single cable, with communications and power supply, has to come out of the water.

La figura 2 muestra la construcción física de las barreras ópticas 100 y 200. Los bloques emisores 1 y receptores 2 están divididos en módulos 7, donde cada módulo 7, a su vez, está dividido en tres placas de circuito impreso idénticas entre sí, cada una de las cuales cuenta con 32 fotoemisores o fotorreceptores, que totalizan los 96 fotoemisores o fotorreceptores de este ejemplo práctico de ejecución de la invención. La separación entre cada uno de los fotoemisores o cada uno de los fotorreceptores es como máximo de 4 mm, mientras que la separación entre cada bloque emisor 1 o cada bloque receptor 2 es como máximo de 100 mm. Figure 2 shows the physical construction of the optical barriers 100 and 200. The emitting 1 and receiving 2 blocks are divided into modules 7, where each module 7, in turn, is divided into three identical printed circuit boards, each one of which has 32 light emitters or photoreceptors, totaling the 96 light emitters or photoreceptors of this practical example of execution of the invention. The separation between each of the light emitters or each of the photoreceptors is a maximum of 4 mm, while the separation between each emitter block 1 or each receiver block 2 is a maximum of 100 mm.

Las placas de circuito impreso están alojadas en el interior de una envolvente estanca 8 realizada en PVC negro de alta densidad. La tapa de la envolvente estanca 8 es una lámina de metacrilato 9 que actúa como un filtro para la luz infrarroja procedente del exterior. De cada módulo 7 sale un único cable 10 con diez conductores, incluyendo los terminales de alimentación. Se utilizan prensaestopas para sellar el cable contra la entrada de agua.The printed circuit boards are housed inside a watertight casing 8 made of high-density black PVC. The lid of the sealed enclosure 8 is a sheet of methacrylate 9 that acts as a filter for infrared light coming from outside. From each module 7 comes a single cable 10 with ten conductors, including the power terminals. Cable glands are used to seal the cable against the ingress of water.

Los bloques emisor 1 y receptor 2 están provistos, cada uno de ellos, de una lente cilíndrica convexa 11 realizada en material plástico que está configurada para concentrar la luz sobre los receptores 2, reduciendo la proporción de luz dispersada. Con ello se consigue mejorar la relación señal-ruido a la salida del circuito CAD 4, además de aumentar la distancia de separación entre módulos 7.The emitter 1 and receiver 2 blocks are each provided with a convex cylindrical lens 11 made of plastic material that is configured to concentrate the light on the receivers 2, reducing the proportion of scattered light. This improves the signal-to-noise ratio at the output of the CAD circuit 4, in addition to increasing the separation distance between modules 7.

La envolvente de las barreras 1 y 2 lleva embebida una antena 12 que se utiliza para la identificación de los peces por radiofrecuencia (RFID). Esta antena opera en la banda de baja frecuencia 134,2 kHz con un rango de hasta 500 mm. Cada uno de los peces llevan una etiqueta pasiva (PIT tag) que contiene un número identificativo único. La etiqueta se activa cuando el pez pasa cerca de la antena, enviando el código único identificativo único al lector RFID que se encuentra en el exterior de la balsa.The envelope of barriers 1 and 2 has an embedded antenna 12 that is used for radio frequency fish identification (RFID). This antenna operates in the low frequency band 134.2 kHz with a range of up to 500 mm. Each of the fish carries a passive tag (PIT tag) that contains a unique identification number. The tag is activated when the fish passes near the antenna, sending the unique identification code to the RFID reader located on the outside of the raft.

En la figura 3 se muestra el algoritmo para el cálculo de la biomasa de los peces. La primera tarea es calibrar cada bloque receptor 2, ya que la sensibilidad puede cambiar mucho entre cada pareja de fotoemisor y fotorreceptor. Para ello se implementan las etapas de lectura de las dos barreras ópticas 100 y 200 de la figura 2. Las etapas de lectura están referenciadas como 30.1 y 30.2, entendiéndose que todas las referencias de la figura 3 indicadas con ".1” o ".2” están referidas a las medidas tomadas en los bloques receptores 2 de las dos barreras ópticas 100 y 200 representadas en la figura 2.Figure 3 shows the algorithm for calculating fish biomass. The first task is to calibrate each receptor block 2, since the sensitivity can change a lot between each photoemitter and photoreceptor pair. For this, the reading stages of the two optical barriers 100 and 200 of figure 2 are implemented. The reading stages are referenced as 30.1 and 30.2, it being understood that all the references of figure 3 indicated with ".1" or ". 2” refer to the measurements taken in the receptor blocks 2 of the two optical barriers 100 and 200 represented in figure 2.

La calibración se realiza compensando la imagen 2D mediante los valores de ganancia y «offset» de cada fotorreceptor. Para medir el «offset» se utiliza una toma oscura («dark frame») obtenida con los emisores apagados. La ganancia se mide mediante una toma plana obtenida con los emisores activados y sin obstáculos («flat frame»). El proceso de obtención de las tomas de calibración 31.1, 31.2 debe repetirse periódicamente para compensar los efectos producidos por las variaciones de las condiciones de iluminación ambiental, la suciedad en las superficies ópticas y los cambios en la turbidez del agua. Para ello, la toma plana se actualiza dinámicamente aplicando un promedio de tipo mediana a una selección de las últimas tomas sin calibrar. La toma oscura se actualiza del mismoCalibration is performed by compensating the 2D image using the gain and offset values of each photoreceptor. To measure the «offset» a dark shot («dark frame») obtained with the emitters off is used. The gain is measured using a flat shot obtained with the emitters activated and without obstacles (“flat frame”). The process of obtaining the calibration shots 31.1, 31.2 must be repeated periodically to compensate for the effects produced by variations in ambient lighting conditions, dirt on the optical surfaces and changes in the turbidity of the water. To do this, the flat shot is dynamically updated by applying a median-like average to a selection of the latest uncalibrated shots. The dark take is updated the same

1 1

modo, es decir, a partir de las últimas tomas no iluminadas.mode, that is, from the last unlit shots.

Cada toma calibrada 31.1 y 31.2 consiste en una lista de 96 valores (en esta realización particular no limitativa) de «sombra», entre cero y uno. El valor cero indica que no existe oclusión entre emisor y receptor, mientras que el valor uno corresponde con un sensor bloqueado con un objeto interpuesto. Las últimas tomas de cada barrera óptica 1 y 2 se van almacenando en pilas FIFO 32.1 y 32.2. El tamaño de la pila se define previamente en función de la frecuencia de la lectura de las barreras ópticas 100 y 200 y una estimación de tiempo que puede tardar un pez en transitar frente a ella.Each calibrated shot 31.1 and 31.2 consists of a list of 96 values (in this particular non-limiting embodiment) of "shadow", between zero and one. The zero value indicates that there is no occlusion between emitter and receiver, while the value one corresponds to a sensor blocked with an intervening object. The last shots of each optical barrier 1 and 2 are stored in FIFO stacks 32.1 and 32.2. The size of the stack is previously defined as a function of the reading frequency of the optical barriers 100 and 200 and an estimation of the time that a fish may take to transit in front of it.

Las tomas almacenadas en cada cola FIFO 32.1, 32.2 se pueden interpretar como una imagen bidimensional de los peces que atraviesan las barreras ópticas 100 y 200, donde el eje vertical representa la posición de cada sensor (cada pareja fotoemisor-fotorreceptor) y el eje horizontal el instante en el que se ha obtenido la toma.The shots stored in each FIFO queue 32.1, 32.2 can be interpreted as a two-dimensional image of the fish passing through the optical barriers 100 and 200, where the vertical axis represents the position of each sensor (each light emitter-photoreceptor pair) and the horizontal axis the instant in which the shot was obtained.

A continuación, se buscan y etiquetan las siluetas que puedan existir en las colas FIFO mediante un algoritmo de segmentación. El resultado es una colección de segmentos 33.1 y 33.2 que son pequeñas imágenes rectangulares que contienen la silueta de un pez. Los segmentos 33.1 y 33.2 de cada barrera óptica 1,2 se emparejan teniendo en cuenta su posición y su instante de detección, de manera que, a cada tránsito de un pez le corresponden dos segmentos 33.1 y 33.2, uno por cada barrera óptica 1 y 2. A partir de los dos segmentos 33.1 y 33.2 y teniendo en cuenta los instantes de detección de ambos, se estima la velocidad del pez, que a su vez se utiliza para obtener un único segmento combinado 34 al que se debe corregir el eje horizontal 36. Así pues, cada segmento combinado 34 es etiquetado 35 con el instante de tiempo en el que ha sido detectado y el identificador único obtenido mediante la antena de radiofrecuencia 12. Los segmentos combinados 34 que no puedan ser identificados unívocamente con un identificador único RFID 35 son descartados. Finalmente, cada segmento combinado 34 y etiquetado 35 debe ser corregido en longitud. La corrección del eje horizontal 36 consiste en un escalado de la dimensión horizontal de la imagen, de forma que la escala horizontal (píxeles por unidad de longitud) sea igual que la vertical.Next, the silhouettes that may exist in the FIFO queues are searched for and labeled using a segmentation algorithm. The result is a collection of segments 33.1 and 33.2 which are small rectangular images containing the silhouette of a fish. The segments 33.1 and 33.2 of each optical barrier 1,2 are paired taking into account their position and their instant of detection, so that each transit of a fish corresponds to two segments 33.1 and 33.2, one for each optical barrier 1 and 2. From the two segments 33.1 and 33.2 and taking into account the instants of detection of both, the speed of the fish is estimated, which in turn is used to obtain a single combined segment 34 whose horizontal axis must be corrected 36. Thus, each combined segment 34 is labeled 35 with the instant of time in which it was detected and the unique identifier obtained by means of the radio frequency antenna 12. The combined segments 34 that cannot be uniquely identified with a unique RFID identifier 35 are discarded. Finally, each segment combined 34 and labeled 35 must be corrected in length. The horizontal axis correction 36 consists of a scaling of the horizontal dimension of the image, so that the horizontal scale (pixels per length unit) is the same as the vertical.

Posteriormente, una red neuronal clasifica 37 cada segmento corregido 36 en distintas categorías que representan las distintas condiciones que pueden afectar a la medición. La red neuronal se entrena previamente mediante la clasificación a mano de un conjunto de segmentos. Las posibles categorías, en este ejemplo de realización práctica son: «bueno», «inclinado», «mezcla», «distorsionado» e «irreconocible». Los segmentos no clasificados con la categoría «bueno» se pueden descartar o almacenar en una base de datos externa para su posterior examen por un operario.Subsequently, a neural network classifies 37 each corrected segment 36 into different categories that represent the different conditions that can affect the measurement. The neural network is previously trained by hand-classifying a set of segments. The possible categories, in this example of practical realization are: «good», "tilted", "blend", "distorted" and "unrecognizable". Segments not classified as "good" can be discarded or stored in an external database for later examination by an operator.

Para estimar la masa del pez 38 a partir de los segmentos categorizados como «bueno» por la red neuronal 37 se pueden usar dos subprocesos distintos:To estimate the mass of the fish 38 from the segments categorized as "good" by the neural network 37 two different threads can be used:

a) A partir de la longitud. Existen varios modelos alternativos para estimar la masa del pez en función de su longitud. Un modelo general es de la forma M = f(L ) = aLb, donde M es la masa, L es la longitud y a,b son parámetros empíricos que dependen de la especie. En la figura 4 se muestran los resultados obtenidos aplicando este modelo a truchas de la especie arcoiris.a) From the length. There are several alternative models to estimate the mass of the fish based on its length. A general model is of the form M = f ( L ) = aL b, where M is the mass, L is the length, and a,b are empirical parameters that depend on the species. Figure 4 shows the results obtained by applying this model to trout of the rainbow species.

b) A partir del área de su silueta. Para ello basta con hacer una suma del valor de cada píxel del segmento y aplicar, al igual que en el caso de la longitud, una fórmula que relaciona el área con la masa. Un modelo general es de la forma M = f(Á ) = cA d donde M es la masa, A es el área de la silueta y c,d son parámetros empíricos que dependen de la especie. En la figura 5 se muestran los resultados obtenidos aplicando este modelo a truchas de la especie arcoíris.b) From the area of its silhouette. To do this, it is enough to make a sum of the value of each pixel of the segment and apply, as in the case of length, a formula that relates the area to the mass. A general model is of the form M = f ( Á ) = cA d where M is the mass, A is the area of the silhouette and c,d are empirical parameters that depend on the species. Figure 5 shows the results obtained by applying this model to trout of the rainbow species.

Finalmente, los segmentos válidos con sus identificadores y su clasificación son introducidos en una base de datos externa 39, que se comunica vía Ethernet con la unidad central de procesamiento 6 que es el dispositivo que ejecuta el método indicado y en la que también se almacenarán periódicamente registros sobre la calidad del agua, la cantidad de alimento suministrado y otros datos relevantes para la instalación de acuicultura. Finally, the valid segments with their identifiers and their classification are entered into an external database 39, which communicates via Ethernet with the central processing unit 6, which is the device that executes the indicated method and in which they will also be stored periodically. records on water quality, amount of feed supplied and other data relevant to the aquaculture facility.

Claims

1.

- A method for estimating biomass in aquaculture based on optical sensors and neural networks, where the optical sensors are installed on optical barriers (100,200) and consist of a photoemitter and a photoreceptor (1,2) in the infrared spectrum paired one to one; and where the method is characterized in that it comprises the steps of:

provide a passive radio frequency tag with a unique identification code to each fish within an aquaculture facility;

acquire the reading of the optical barriers (100,200) and establish a two-dimensional image of at least one fish that crosses the optical barriers (100,200) where the vertical axis represents the position of each optical sensor and the horizontal axis represents the instant in which that the measurement has been taken from the same optical sensor;

segment the two-dimensional images obtained from at least one fish that crosses the optical barriers (100,200), in such a way that each segment (33.1,33.2) of each optical barrier (100,200) is matched taking into account its position and its detection instant, obtaining a single combined segment (34) and estimating the speed of the fish that has crossed the optical barrier (100,200);

associating each combined segment (34) with a unique identification code recorded on the passive tag placed on the fish that has passed the optical barrier (100,200); and

classify by means of a neural network (37) the segments univocally associated with the unique identification code recorded in the passive tag placed on the fish, each segment being categorized in such a way that only the segments univocally identified as an individualized fish are used for the estimation of the mass of the fish (38) from its length and/or from its silhouette area.

two.

method according to claim 1 comprising a calibration step compensating the two-dimensional image for the measurements acquired from the optical barriers (100,200) by means of the «offset» and gain values of each photoreceptor (2), where to measure the «offset» a dark shot obtained with the light emitters (1) off is used and the gain is measured by means of a flat shot obtained with the light emitters (1) activated and without obstacles.

3. Method according to any one of claims 1 or 2, comprising a communication step via Ethernet with an external database (39) where, at least, the valid segments with their identifiers and their classification are stored.

Four.

biomass estimation system in aquaculture based on optical sensors and neural networks comprising:

two optical barriers (100,200) identical to each other, where each optical barrier (100,200) comprises, in turn:

a first emitter block (1) comprising a plurality of light emitters in the infrared spectrum, where each light emitter is activated individually;

a second receiving block (2) comprising a plurality of photoreceptors in the infrared spectrum, where at least each photoreceptor is paired with a photoemitter;

characterized in that the optical barriers (100, 200) are housed in a sealed enclosure (8) provided with a radio frequency antenna (12) configured to univocally detect a unique identification code recorded on a passive label arranged in at least one fish;

and where the optical barriers (100,200) are connected to a microcontroller (5) which in turn is connected in series with a central processing unit (6);

and where the central processing unit (6) comprises, at least, a processor, a memory and a program or programs that are stored in the memory and that comprise a plurality of instructions that, when executed by the processor, cause the unit processing center (6) is configured to execute the method according to any one of claims 1 to 3.

5.

system according to claim 4, where each light emitter of the first emitting block (1) is activated individually by means of a signal conditioning circuit (3)

6.

system according to claim 5, where the signal conditioning circuit (3) comprises at least one digital multiplexer with a serial interface and a plurality of driver circuits configured to increase the output current of the at least one digital multiplexer and activate each one of the light emitting diodes.

7.

system according to any one of claims 4 to 6, where the first emitting block (1) comprises a plurality of light-emitting diodes in the infrared spectrum whose emission is centered in the 940 nm band.

8. - The system according to any one of the preceding claims, wherein the photoreceptors of the second receiver block (2) are phototransistors whose detection band is between 870 nm and 950 nm.

9.

system according to any one of the preceding claims, where the output of the second receiver block (2) is connected to the microcontroller (5) through an analog-digital converter circuit (4).

10.

system according to any one of claims 4 to 9, where the microcontroller (5) comprises a processor core and at least one memory where a program or programs composed of instructions are stored which, when executed by the processor core, make the microcontroller (5) generate a timed sequence of individualized ignition and reading of each pair of photoemitter and photoreceptor and serial communication with a central processing unit (6) for the transmission of the acquired measurement.

eleven.

system according to any one of the preceding claims, wherein the central processing unit (6) is housed in an industrial enclosure with a degree of protection equal to or greater than IP68.

12.

system according to any one of the preceding claims, where the power supply is carried out over an Ethernet communications cable.

13.

system according to any one of the preceding claims, where each emitter (1) and receiver (2) block is covered by a convex cylindrical lens (11).

14.

system according to any one of the preceding claims, where the transmitter (1) and receiver (2) blocks are divided into modules (7) equal to each other and are housed within the sealed enclosure (8).

fifteen.

system according to claim 14 where the separation between optical barriers (1, 2) is a maximum of 300 mm, while the separation between consecutive emitting blocks (1) or receivers (2) is a maximum of 100 mm and the separation between photoemitters and photoreceptors within each module (7) is a maximum of 4 mm.

1 1