KR20180057785A - 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법 - Google Patents
영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법 Download PDFInfo
- Publication number
- KR20180057785A KR20180057785A KR1020160155517A KR20160155517A KR20180057785A KR 20180057785 A KR20180057785 A KR 20180057785A KR 1020160155517 A KR1020160155517 A KR 1020160155517A KR 20160155517 A KR20160155517 A KR 20160155517A KR 20180057785 A KR20180057785 A KR 20180057785A
- Authority
- KR
- South Korea
- Prior art keywords
- fish
- learning
- unit
- population
- data
- Prior art date
Links
Images
Classifications
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G06F17/30247—
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Technology (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Quality & Reliability (AREA)
- Mining & Mineral Resources (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Farming Of Fish And Shellfish (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법에 관한 것으로 그 구성은 수중에 양식장 어류 개체수, 어류 변동 개체수의 확인을 위해 다수개의 영상 카메라가 구비되어 어군의 크기, 어군의 밀도 에 따른 어류 계수 변이를 촬영하여 촬영된 어류 개체수 및 변동 개체수를 학습장치로 전송하는 가두리 양식장 환경장치; 양식장 별 양식장에서 양식중인 어류 개체수가 저장되는 것으로서, 학습장치의 변동 어류 개체수 측정을 위해 양식장의 어류 개체수를 전송하는 데이터베이스(DB); 상기 데이터베이스에 저장된 양식장의 어류 개체수와 상기 가두리 양식장 환경장치에 촬영된 어류 개체수, 어류 개체수의 변동수, 어군의 크기 및 밀도를 수집하여 기계학습 모듈의 변수와 파라미터 학습을 통해 새로운 어류 개체수 측정하는 학습장치; 및 양식장별 인지된 개체수에 대해 최종 측정된 확률변수를 통해 학습장치를 통해 예측된 양식장별 어류 계수를 월, 분기, 년 등 설정된 주기별로 해당 양식장 별로 그 변동 추세를 관리하는 관리서버;를 포함하여 구성되는 것을 특징으로 한다.
Description
본 발명은 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법에 관한 것으로, 보다 구체적으로는, 본 발명은 기존 양식장의 어장 어류 계수, 영상 카메라를 통해 촬영된 어류 계수, 어군의 크기 밀도의 수집된 데이터를 트레이닝 및 테스터 데이터로 구분하여 트레이닝 데이터의 파라미터 정보를 기초로 학습장치를 통해 학습 및 검증하고 관측 데이터를 통해 어류 계수를 예측하고 확률 변수를 통해 전체 군의 어류 계수를 계산할 수 있는 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법에 관한 것이다.
또한, 본 발명은 기존 인지된 개체수의 양식장을 대상으로 촬영된 영상에 포함된 어류 개체수, 촬영된 영상에서 어류 개체수의 변동수를 기준으로 학습에 사용할 데이터를 수집하고 수집된 데이터를 통해 학습 모듈의 변수 및 파라미터 학습을 통해 개체수 측정을 위한 새로운 어장에서 수집된 데이터를 기계 학습장치에 입력하여 개체수를 예측할 수 있는 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법에 관한 것이다.
일반적으로 어류의 생태 및 개체수 측정은 수중이라는 환경적 제한에 의해 촬영되는 개체가 한정이며, 양식장 내에 어류의 분포가 균등하지 않아 이미 카운트된 개체를 다시 카운트하게 될 확률이 높은 현실이다.
한편, 최근 고가형 양식어종을 대상으로 하는 외해 가두리 양식장은 태풍 등의 재해에도 비교적 안전하고, 환경에 미치는 영향도 거의 없으며, 연안이나 육상양식에 비해 물고기의 성장률이 높고 특이한 질병도 없어 경제성도 높은 것으로 나타났다.
이러한 외해 가두리 양식장에서 어류의 크기나 개체수 등 어류의 생태를 파악하기 위해서는, 직접 다이버가 해당 수역에 입수하여 수중카메라를 이용하여 촬영하고, 촬영된 영상을 별도의 장비를 이용하여 분석하여야 한다.
또한, 우리나라 주변 연안해역이나 이와 같이 가두리내 다이버가 직접 수중 촬영을 수행할 경우, 다이버의 숙련도에 따라 촬영된 영상이나 결과가 달라질 수 있으며, 촬영된 영상만으로는 어체의 크기, 개체수, 유영거리, 및 유영속도 등을 파악하기 어려운 점이 있다. 즉, 다이버와 고가 촬영장비의 사용으로 비용이 많이 소요되는 반면, 데이터의 정확도는 보장할 수 없다는 단점이 있었다.
이러한 문제점 때문에, 어체의 크기를 측정할 때, 표본으로서 몇 마리의 어류를 직접 채집하여 크기를 측정하고 있다. 그런데 어류를 채집할 경우, 어류들이 스트레스를 받아 성장이 저해되며, 채집시 발생하는 어체의 손상으로 인해 어류의 상품가치가 떨어지고, 채집한 어류는 판매가 불가능하므로, 경제적으로 손해가 막대하였다.
이에, 양식장 내 양식 중인 어류 개체수를 측정하기 위한 새로운 시도가 필요하고 본 발명에서는 기계학습을 사용하여 어류 개체수의 정확도를 높이는 방안을 제시하고자 한다.
[관련기술문헌]
1. 스테레오비전 기반의 어류 개체수 측정방법과 이를 적용한 패턴인식 시스템(Method measuring fish number based on stereovision and pattern recognition system adopting the same)(특허출원번호 제10-2013-0156235호)
2. 디지털 영상처리 기법을 이용한 식물성 플랑크톤 개체수측정방법(Method for measuring cells of plankton using digitalimage processing method)(특허출원번호 제10-2004-0032138호)
본 발명은 상기의 문제점을 해결하기 위한 것으로, 본 발명은 기존 양식장의 어장 어류 계수, 영상 카메라를 통해 촬영된 어류 계수, 어군의 크기 밀도의 수집된 데이터를 트레이닝 및 테스터 데이터로 구분하여 트레이닝 데이터의 파라미터 정보를 기초로 학습장치를 통해 학습 및 검증하고 관측 데이터를 통해 어류 계수를 예측하고 확률 변수를 통해 전체 군의 어류 계수를 계산할 수 있는 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법을 제공하기 위한 것이다.
또한, 본 발명은 기존 인지된 개체수의 양식장을 대상으로 촬영된 영상에 포함된 어류 개체수, 촬영된 영상에서 어류 개체수의 변동수를 기준으로 학습에 사용할 데이터를 수집하고 수집된 데이터를 통해 학습 모듈의 변수 및 파라미터 학습을 통해 개체수 측정을 위한 새로운 어장에서 수집된 데이터를 기계 학습장치에 입력하여 개체수를 예측할 수 있는 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법을 제공하기 위한 것이다.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 영상분석을 통한 어류 개체수 측정 시스템은, 수중에 양식장 어류 개체수, 어류 변동 개체수의 확인을 위해 다수개의 영상 카메라가 구비되어 어군의 크기, 어군의 밀도 에 따른 어류 계수 변이를 촬영하여 촬영된 어류 개체수 및 변동 개체수를 학습장치로 전송하는 가두리 양식장 환경장치; 양식장 별 양식장에서 양식중인 어류 개체수가 저장되는 것으로서, 학습장치의 변동 어류 개체수 측정을 위해 양식장의 어류 개체수를 전송하는 데이터베이스(DB); 상기 데이터베이스에 저장된 양식장의 어류 개체수와 상기 가두리 양식장 환경장치에 촬영된 어류 개체수, 어류 개체수의 변동수, 어군의 크기 및 밀도를 수집하여 기계학습 모듈의 변수와 파라미터 학습을 통해 새로운 어류 개체수 측정하는 학습장치; 및 양식장 별 인지된 개체수에 대해 최종 측정된 확률변수를 통해 학습장치를 통해 예측된 양식장 별 어류 계수를 월, 분기, 년 등 설정된 주기별로 해당 양식장 별로 그 변동 추세를 관리하는 관리서버;를 포함하여 구성되는 것을 특징으로 한다.
또한, 본 발명의 다른 실시예에 따른 영상분석을 통한 어류 개체수 측정방법은 양만장 환경장치의 영상 카메라를 통해 확인된 어류 개체수, 어군의 크기, 밀도에 따른 어류의 변동 개체수, 데이터베이스(DB)에 저장된 해당 양식장의 어류 개체수를 수신하여 데이터를 수집하는 제 1 과정; 수집된 어장의 어류 개체수, 촬영되어 전송된 어류 계수 및 변이에 따라 설정부를 통해 트레이닝 데이터 및 테스트 데이터로 구분하여 수집된 데이터 중 60 ~ 70%는 트레이닝 데이터로 사용하고 나머지 데이터는 학습된 기계의 성능 평가에 사용하도록 분류하는 제 2 과정; 수집된 데이터 중 60 ~ 70%는 트레이닝 데이터를 제 1 학습부를 통해 트레이닝 세트를 이용하여 기계의 파라미터 학습을 진행하고, 제 2 학습부를 이용하여 트레이닝 데이터로 사용되지 않은 잔여 데이터를 테스트 데이터로 지정하고 이 테스트 데이터 입력을 통해 정확도를 분석하여 해당 테스트 데이터를 검증하는 제 3 과정; 관측된 데이터를 학습유닛의 학습 기계에 입력하여 어류 계수를 측정하는데, 이는 어장의 어류 계수를 알지 못하는 상태에서 나머지 데이터를 입력함으로써 어류 계수를 측정하는 제 4 과정; 및 확률변수를 사용하여 기계학습 모듈과 파라미터 학습을 통해 개체수 측정을 위한 새로운 어장에서 수집된 데이터를 학습모듈에 입력하여 트레이닝 데이터를 기계의 파라미터 학습을 통해 예측된 어류의 계수의 A군에 속할 확률과 타군(B군)에 속할 확률로 어류 개체수를 예측하는 제 5 과정;으로 구성되는 것을 특징으로 한다.
본 발명의 실시예에 따른 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법은, 양식장 내 구비된 영상 카메라를 통해 촬영된 어류 계수, 어군의 크기 밀도의 수집된 데이터를 트레이닝 및 테스터 데이터로 구분하여 트레이닝 데이터의 파라미터 정보를 기초로 학습장치를 통해 학습 및 검증하고 관측 데이터를 통해 어류 계수를 예측하고 확률 변수를 통해 전체 군의 어류 계수를 계산함으로써 양식장의 어류 개체수를 용이하게 측정할 수 있다.
또한, 또한, 본 발명의 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법은 기존 인지된 개체수의 양식장을 대상으로 촬영된 영상에 포함된 어류 개체수, 촬영된 영상에서 어류 개체수의 변동수를 기준으로 학습에 사용할 데이터를 수집하고 수집된 데이터를 통해 학습 모듈의 변수 및 파라미터 학습을 통해 개체수 측정을 위한 새로운 어장에서 수집된 데이터를 기계 학습장치에 입력하여 개체수를 예측함으로서 어류 개체수의 정확도를 높일 수 있다.
뿐만아니라, 본 발명에 따른 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법은 학습장치에 특정 영역내 어류 수, 어군의 크기와 형태, 어중에 따른 특징과 어장 내 물고기 수를 입력하여 트레이닝 데이터 과정을 통해 기계학습을 실행하고, 학습장치를 통해 개체수 예측 과정을 통해 어장 내 물고기의 확률적인 개체수 변동을 예측하여 어장의 효율적인 관리를 제공할 수 있다.
도 1은 본 발명에 따른 영상분석을 통한 어류 개체수 측정 시스템의 구성도
도 2는 도 1의 영상분석을 통한 어류 개체수 측정 시스템의 개략적인 개괄도.
도 3은 도 2의 영상분석을 통한 어류 개체수 측정 시스템 학습장치의 영상판독유닛의 세부구성을 도시한 블록도
도 4는 도 2의 영상분석을 통한 어류 개체수 측정 시스템 학습장치의 학습유닛의 세부구성을 도시한 블록도
도 5는 본 발명에 따른 영상분석을 통한 어류 개체수 측정방법을 도시한 흐름도
도 6은 도 5에 따른 학습장치의 트레이닝 과정을 도시한 모식도
도 7은 도 5에 따른 학습장치의 개체수 예측과정을 도시한 모식도
도 2는 도 1의 영상분석을 통한 어류 개체수 측정 시스템의 개략적인 개괄도.
도 3은 도 2의 영상분석을 통한 어류 개체수 측정 시스템 학습장치의 영상판독유닛의 세부구성을 도시한 블록도
도 4는 도 2의 영상분석을 통한 어류 개체수 측정 시스템 학습장치의 학습유닛의 세부구성을 도시한 블록도
도 5는 본 발명에 따른 영상분석을 통한 어류 개체수 측정방법을 도시한 흐름도
도 6은 도 5에 따른 학습장치의 트레이닝 과정을 도시한 모식도
도 7은 도 5에 따른 학습장치의 개체수 예측과정을 도시한 모식도
이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.
도 1은 본 발명에 따른 영상분석을 통한 어류 개체수 측정 시스템의 구성도를 나타낸다. 도 1을 참조하여 본 발명의 영상분석을 통한 어류 개체수 측정 시스템의 세부 구성 및 동작을 살펴보면, 본 발명에 따른 영상분석을 통한 어류 개체수 측정 시스템은 가두리 양식장 환경장치(100), 데이터베이스(DB)(200), 학습장치(300) 및 관리서버(400)로 구성된다.
상기 가두리 양식장 환경장치(100)는 수중에 양식장 어류 개체수, 어류 변동 개체수의 확인을 위해 다수개의 영상 카메라가 구비되어 어군의 크기, 어군의 밀도 에 따른 어류 계수 변이를 촬영하여 촬영된 어류 개체수 및 변동 개체수를 학습장치(300)로 전송하게 된다.
상기 데이터베이스(DB)(200)는 양식장 별 양식장에서 양식중인 어류 개체수가 저장되는 것으로서, 학습장치(300)의 변동 어류 개체수 측정을 위해 양식장의 어류 개체수를 전송하도록 구성된다.
상기 학습장치(300)는 상기 데이터베이스(200)에 저장된 양식장의 어류 개체수와 상기 가두리 양식장 환경장치(100)에 촬영된 어류 개체수, 어류 개체수의 변동수, 어군의 크기 및 밀도를 수집하여 기계학습 모듈의 변수와 파라미터 학습을 통해 새로운 개체수 측정한다.
상기 학습장치(300)는 가두리 양식장 환경장치(100)의 양식장 별 인지된 개체수 즉, 영상 카메라를 통해 촬영된 영상에 포함된 어류 개체수, 촬영된 영상에서 어류 개체수의 변동수를 통해 양식장 별 학습에 사용할 데이터를 수집하고 수집된 데이터를 이용하여 트레이닝 데이터와 테스트 데이터로 구분하고 트레이닝 세트를 이용하여 기계학습을 진행하고 전단계에서 학습된 기계에 테스트 데이터를 입력하여 정확도를 분석한 후, 입력된 관측데이터를 통해 어장의 어류 계수를 알지 못하는 상태에서 나머지 데이터를 입력하여 어류 계수를 측정하고 확률변수를 사용하여 최종적으로 어류 계수를 예측한다.
상기 수집된 데이터 중 60 ~ 70%는 트레이닝 데이터로 사용하고 나머지 데이터는 학습된 기계의 성능 평가에 사용하게 된다.
즉, 상기 학습장치(300)는 기계학습 모듈과 파라미터 학습을 통해 개체수 측정을 위한 새로운 어장에서 수집된 데이터를 학습모듈에 입력하여 개체수를 예측한다.
상기 관리서버(400)는 양식장 별 인지된 개체수에 대해 최종 측정된 확률변수를 통해 학습장치(300)를 통해 예측된 양식장 별 어류 계수를 월, 분기, 년 등 설정된 주기별로 해당 양식장 별로 그 변동 추세를 관리한다.
도 2는 도 1의 영상분석을 통한 어류 개체수 측정 시스템의 개략적인 개괄도이고, 도 3은 도 2의 영상분석을 통한 어류 개체수 측정 시스템 학습장치의 영상판독유닛의 세부구성을 도시한 블록도를 나타낸다. 도 1 내지 도 3를 참조하여 본 발명의 영상분석을 통한 어류 개체수 측정 시스템의 학습장치의 동작을 살펴보면, 먼저, 본 발명의 학습장치(300)는 크게 영상판독유닛(310), 개체산출유닛(320), 입력부(330) 및 학습유닛(340)으로 구성된다.
상기 영상판독유닛(310)은 상기 가두리 양식장 환경장치(100) 내 구비된 영상 카메라를 통해 촬영된 영상을 이용하여 어류 개체수, 어군의 크기 밀도를 측정하고 촬영된 영상을 이용하여 어류의 변동 개체수를 확인한다.
상기 개체산출유닛(320)은 양식장 내 영상 카메라를 통해 촬영된 영상을 이용하여 카메라 위치에 따라 촬영된 영상의 편위를 수정하고 수정된 편위 영상을 이용하여 어류의 변위정보를 추출하고, 추출된 변위정보와 카메라 위치에 따른 어류와 카메라 사이의 거리를 산출하여 어류의 크기, 어군의 크기 및 어군의 밀도를 산출하게 된다.
상기 입력부(330)은 상기 영상판독유닛(310)을 통해 확인된 어류 개체수, 어군의 크기 밀도에 따른 어류의 변동 개체수와 상기 개체산출유닛(320)을 통해 산출된 어류의 크기, 어군의 크기 및 어군의 밀도를 입력받고, 상기 데이터베이스(DB)(200)를 통해 저장된 해당 양식장의 양식중인 어류 개체수를 수신하여 학습유닛(340)로 전송한다.
상기 학습유닛(340)은 상기 입력부(330)를 통해 전송된 양식장의 어류 개체수와 영상판독유닛(310) 및 개체산출유닛(320)을 통해 확인된 어류 개체수, 어군의 크기 및 밀도의 기초 데이터를 수집하여 트레이닝 및 테스트 데이터로 구분하고 테스트 데이터를 검증, 관측 테이터를 기계 학습을 통해 확률 변수를 사용하여 어류 개체수 예측하게 된다.
한편, 상기 개체산출유닛(320)은 변위추출부(321), 거리산출부(323) 및 어류크기 산출부(325)로 구분되는데, 상기 변위추출부(321)는 양식장 환경장치(100) 내 카메라를 통해 촬영하여 전송된 영상을 이용하여 각 카메라의 위치에 따라 촬영된 영상의 편위를 수정하고 수정된 편위 영상을 통해 어류의 변위정보를 추출한다.
상기 거리산출부(323)는 상기 변위추출부(321)에서 추출된 어류의 변위정보를 기초로 카메라 위치에 따른 어류와 카메라 사이의 거리를 산출하고, 상기 어류크기산출부(325)는 상기 거리산출부(323)에서 산출된 어류와 카메라 사이의 거리를 이용하여 어류의 크기, 어군의 크기 및 어군의 밀도를 산출하게 된다.
상기 도 4는 도 2의 영상분석을 통한 어류 개체수 측정 시스템 학습장치의 학습유닛의 세부구성을 도시한 블록도를 나타낸다. 본 발명에 따른 영상분석을 통한 어류 개체수 측정 시스템의 학습장치는 크게, 제어부(341), 수집부(342), 판단부(343), 설정부(344), 제 1 학습부(345), 제 2 학습부(346), 측정부(347) 및 예측부(348)를 포함하여 구성된다. 이하, 첨부된 도 1 내지 도 4를 참조하여 본 발명에 따른 영상분석을 통한 어류 개체수 측정 시스템의 학습장치(300)의 세부구성 및 동작을 살펴보면, 먼저, 상기 제어부(341)는 DB에 저장된 전송된 양식장 별 어류 개체수와 가두리 양식장 환경장치(100)의 영상 카메라를 통해 촬영되어 전송된 어류 개체수, 어류 개체수의 변동수, 어군의 크기 및 밀도를 수집하여 기계학습 모듈의 변수와 파라미터 학습을 통해 새로운 개체수 측정 및 어류 계수 예측을 위해 학습유닛(340)의 전반적인 동작을 제어한다.
상기 수집부(342)는 상기 제어부(341)의 제어신호에 따라 상기 입력부(330)를 통해 상기 영상판독유닛(310)을 통해 확인된 어류 개체수, 어군의 크기 밀도에 따른 어류의 변동 개체수와 상기 개체산출유닛(320)을 통해 산출된 어류의 크기, 어군의 크기 및 어군의 밀도를 입력받고, 데이터베이스(DB)(200)를 통해 저장된 해당 양식장의 양식중인 어류 개체수를 수신한다.
상기 판단부(343)는 상기 제어부(341)의 제어신호에 반응하여 상기 수집부(342)를 통해 수신된 촬영되어 확인된 어류 개체의 변이, 해당 양식장의 어류 계수를 수집하여 어군의 크기, 어군의 밀도를 판단한다.
상기 설정부(344)는 상기 제어부(341)의 제어신호에 따라 상기 수집부(342)를 통해 수집된 어장의 어류 개체수, 촬영되어 전송된 어류 계수 및 변이에 따라 트레이닝 데이터 및 테스트 데이터로 구분한다. 이때, 상기 설정부(344)는 수집된 데이터 중 60 ~ 70%는 트레이닝 데이터로 사용하고 나머지 데이터는 학습된 기계의 성능 평가에 사용하도록 분류한다.
상기 제 1 학습부(345)는 상기 제어부(341)의 제어신호에 반응하여 상기 설정부(344)를 통해 분류되어 설정된 트레이닝 데이터를 트레이닝 세트를 이용하여 기계의 파라미터로 학습을 진행하며, 제 2 학습부(346)는 상기 제어부(341)의 제어신호에 따라 상기 제 1 학습부(345)에서 학습된 기계에 테스트 데이터를 입력하여 학습유닛의 정확도를 분석하여 테스트 데이터를 검증한다.
상기 측정부(347)는 상기 제 1 학습부(345) 및 제 2 학습부(346)를 통해 검증시 사용되지 않는 관측 데이터를 입력하여 학습 기계를 통해 어류 계수를 측정하고, 상기 예측부(348)는 상기 제어부(341)의 제어신호에 반응하여 확률변수를 사용하여 어류 계수를 예측한다. 상기 예측부(348)는 기계학습 모듈과 파라미터 학습을 통해 개체수 측정을 위한 새로운 어장에서 수집된 데이터를 학습모듈에 입력하여 개체수를 예측하는데, 상기 트레이닝 데이터를 기계의 파라미터 학습을 통해 예측된 어류의 계수의 A군에 속할 확률과 타군(B군)에 속할 확률로 구분하여 예측하게 된다. 즉, A군과 B군의 거리를 이용하여 적당항 어류 계수를 계산하게 되는데, 예를들어 1만마리 미만일 확률을 80%이고, 2만마리 미만일 확률이 20%라면 1만 2천마리로 예측을 한다.
도 5는 본 발명에 따른 영상분석을 통한 어류 개체수 측정 방법의 흐름도를 도시한 것으로서, 첨부된 도 1 내지 도 5를 참조하여 영상분석을 통한 어류 개체수 측정방법을 살펴보면, 먼저, 학습장치(300)는 양만장 환경장치(100)의 영상 카메라를 통해 확인된 어류 개체수, 어군의 크기, 밀도에 따른 어류의 변동 개체수, 데이터베이스(DB)(200)에 저장된 해당 양식장의 어류 개체수를 수신하여 데이터를 수집하게 된다.(S100 단계참조)
상기 학습장치(300)는 수집된 어장의 어류 개체수, 촬영되어 전송된 어류 계수 및 변이에 따라 설정부(344)를 통해 트레이닝 데이터 및 테스트 데이터로 구분한다.(S200 단계참조) 이때, 학습장치(300)는 수집된 데이터 중 60 ~ 70%는 트레이닝 데이터로 사용하고 나머지 데이터는 학습된 기계의 성능 평가에 사용하도록 분류한다.
이후, 상기 학습장치(300)는 수집된 데이터 중 60 ~ 70%는 트레이닝 데이터를 제 1 학습부(345)를 통해 트레이닝 세트를 이용하여 기계의 파라미터 학습을 진행하게 된다.(S300 단계참조)
첨부된 도 6에 도시된 바와 같이 데이터베이스(DB)(200)에 저장된 특정 어장의 영역 내 어류 개체수, 어군의 크기와 형태, 어종에 따른 특징이 학습장치(300)로 입력되고, 상기 가두리 양식장 환경장치(100)의 영상카메라를 통해 촬영되어 입력된 어장 내 개체수가 기계학습의 트레이닝 과정이 진행되게 된다.
상기 제 2 학습부(346)는 트레이닝 데이터로 사용되지 않은 잔여 데이터를 테스트 데이터로 지정하고 이 테스트 데이터 입력을 통해 정확도를 분석하여 해당 테스트 데이터를 검증한다.(S400 단계참조)
상기 절차에 의해 관측된 데이터를 학습유닛의 학습 기계에 입력하여 어류 계수를 측정하는데, 이는 어장의 어류 계수를 알지 못하는 상태에서 나머지 데이터를 입력함으로써 어류 계수를 측정할 수 있다.(S500 단계참조)
이후, 상기 학습장치(300)는 확률변수를 사용하여 기계학습 모듈과 파라미터 학습을 통해 개체수 측정을 위한 새로운 어장에서 수집된 데이터를 학습모듈에 입력하여 개체수를 예측한다.(S600 단계참조) 즉, 상기 트레이닝 데이터를 기계의 파라미터 학습을 통해 예측된 어류의 계수의 A군에 속할 확률과 타군(B군)에 속할 확률로 구분하여 예측하게 된다.
첨부된 도 7에 도시된 바와 같이 상기 학습장치(300)를 통해 기계학습을 통해 개체수가 측정함으로서 해당 어장의 어류의 개체수를 예측할 수 있다.
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
100 : 가두리 양식장 환경장치
200 : 데이터베이스(DB)
300 : 학습장치
310 : 영상판독유닛 320 : 개체산출유닛
321 : 변위추출부 323 : 거리산출부
325 : 어류크기 산출부 330 : 입력부
340 : 학습유닛 341 : 제어부
342 : 수집부 343 : 판단부
344 : 설정부 345 : 제 1 학습부
346 : 제 2 학습부 347 : 측정부
348 : 예측부
400 : 관리서버
200 : 데이터베이스(DB)
300 : 학습장치
310 : 영상판독유닛 320 : 개체산출유닛
321 : 변위추출부 323 : 거리산출부
325 : 어류크기 산출부 330 : 입력부
340 : 학습유닛 341 : 제어부
342 : 수집부 343 : 판단부
344 : 설정부 345 : 제 1 학습부
346 : 제 2 학습부 347 : 측정부
348 : 예측부
400 : 관리서버
Claims (5)
- 수중에 양식장 어류 개체수, 어류 변동 개체수의 확인을 위해 다수개의 영상 카메라가 구비되어 어군의 크기, 어군의 밀도에 따른 어류 계수 변이를 촬영하여 촬영된 어류 개체수 및 변동 개체수를 학습장치(300)로 전송하는 가두리 양식장 환경장치(100);
양식장 별 양식장에서 양식중인 어류 개체수가 저장되는 것으로서, 학습장치(200)의 변동 어류 개체수 측정을 위해 양식장의 어류 개체수를 전송하는 데이터베이스(DB)(200);
상기 데이터베이스(200)에 저장된 양식장의 어류 개체수와 상기 가두리 양식장 환경장치(100)에 촬영된 어류 개체수, 어류 개체수의 변동수, 어군의 크기 및 밀도를 수집하여 기계학습 모듈의 변수와 파라미터 학습을 통해 새로운 어류 개체수 측정하는 학습장치(300); 및
양식장별 인지된 개체수에 대해 최종 측정된 확률변수를 통해 학습장치(300)를 통해 예측된 양식장 별 어류 계수를 월, 분기, 년의 설정된 주기별로 해당 양식장 별로 그 변동 추세를 관리하는 관리서버(400);를 포함하여 구성되는 것을 특징으로 하는 영상분석을 통한 어류 개체수 측정 시스템.
- 제 1 항에 있어서,
상기 학습장치(300)는 가두리 양식장 환경장치(100)의 양식장 별 인지된 개체수 즉, 영상 카메라를 통해 촬영된 영상에 포함된 어류 개체수, 촬영된 영상에서 어류 개체수의 변동수를 통해 양식장 별 학습에 사용할 데이터를 수집하고 수집된 데이터를 이용하여 트레이닝 데이터와 테스트 데이터로 구분하고 트레이닝 세트를 이용하여 기계학습을 진행하고 전단계에서 학습된 기계에 테스트 데이터를 입력하여 정확도를 분석한 후, 입력된 관측데이터를 통해 어장의 어류 계수를 알지 못하는 상태에서 나머지 데이터를 입력하여 어류 계수를 측정하고 확률변수를 사용하여 최종적으로 어류 계수를 예측하는 것을 특징으로 하는 영상분석을 통한 어류 개체수 측정 시스템.
- 제 1 항에 있어서,
상기 학습장치(300)는
상기 가두리 양식장 환경장치(100) 내 구비된 영상 카메라를 통해 촬영된 영상을 이용하여 어류 개체수, 어군의 크기 밀도를 측정하고 촬영된 영상을 이용하여 어류의 변동 개체수를 확인하는 영상판독유닛(310),
양식장 내 영상 카메라를 통해 촬영된 영상을 이용하여 카메라 위치에 따라 촬영된 영상의 편위를 수정하고 수정된 편위 영상을 이용하여 어류의 변위정보를 추출하고, 추출된 변위정보와 카메라 위치에 따른 어류와 카메라 사이의 거리를 산출하여 어류의 크기, 어군의 크기 및 어군의 밀도를 산출하는 개체산출유닛(320),
상기 영상판독유닛(310)을 통해 확인된 어류 개체수, 어군의 크기 밀도에 따른 어류의 변동 개체수와 상기 개체산출유닛(320)을 통해 산출된 어류의 크기, 어군의 크기 및 어군의 밀도를 입력받고, 상기 데이터베이스(DB)(200)를 통해 저장된 해당 양식장의 양식중인 어류 개체수를 수신하여 학습유닛(340)로 전송하는 입력부(330),
상기 입력부(330)를 통해 전송된 양식장의 어류 개체수와 영상판독유닛(310) 및 개체산출유닛(320)을 통해 확인된 어류 개체수, 어군의 크기 및 밀도의 기초 데이터를 수집하여 트레이닝 및 테스트 데이터로 구분하고 테스트 데이터를 검증, 관측 테이터를 기계 학습을 통해 확률 변수를 사용하여 어류 개체수 예측하는 학습유닛(340)을 더 포함하여 구성되는 것을 특징으로 하는 영상분석을 통한 어류 개체수 측정 시스템.
- 제 3 항에 있어서,
상기 학습유닛(340)은
DB에 저장된 전송된 양식장 별 어류 개체수와 가두리 양식장 환경장치(100)의 영상 카메라를 통해 촬영되어 전송된 어류 개체수, 어류 개체수의 변동수, 어군의 크기 및 밀도를 수집하여 기계학습 모듈의 변수와 파라미터 학습을 통해 새로운 개체수 측정 및 어류 계수 예측을 위해 학습유닛(340)의 전반적인 동작을 제어하는 제어부(341),
상기 제어부(341)의 제어신호에 따라 상기 입력부(330)를 통해 상기 영상판독유닛(310)을 통해 확인된 어류 개체수, 어군의 크기 밀도에 따른 어류의 변동 개체수와 상기 개체산출유닛(320)을 통해 산출된 어류의 크기, 어군의 크기 및 어군의 밀도를 입력받고, 데이터베이스(DB)(200)를 통해 저장된 해당 양식장의 양식중인 어류 개체수를 수신하는 수집부(342),
상기 제어부(341)의 제어신호에 반응하여 상기 수집부(342)를 통해 수신된 촬영되어 확인된 어류 개체의 변이, 해당 양식장의 어류 계수를 수집하여 어군의 크기, 어군의 밀도를 판단하는 판단부(343)
상기 제어부(341)의 제어신호에 따라 상기 수집부(342)를 통해 수집된 어장의 어류 개체수, 촬영되어 전송된 어류 계수 및 변이에 따라 트레이닝 데이터 및 테스트 데이터로 구분하고, 수집된 데이터 중 60 ~ 70%는 트레이닝 데이터로 사용하고 나머지 데이터는 학습된 기계의 성능 평가에 사용하도록 분류하는 설정부(344),
상기 제어부(341)의 제어신호에 반응하여 상기 설정부(344)를 통해 분류되어 설정된 트레이닝 데이터를 트레이닝 세트를 이용하여 기계의 파라미터로 학습을 진행하는 제 1 학습부(345),
상기 제어부(341)의 제어신호에 따라 상기 제 1 학습부(345)에서 학습된 기계에 테스트 데이터를 입력하여 학습유닛의 정확도를 분석하여 테스트 데이터를 검증하는 제 2 학습부(346),
상기 제 1 학습부(345) 및 제 2 학습부(346)를 통해 검증시 사용되지 않는 관측 데이터를 입력하여 학습 기계를 통해 어류 계수를 측정하고, 상기 예측부(348)는 상기 제어부(341)의 제어신호에 반응하여 확률변수를 사용하여 어류 계수를 예측하는 측정부(347), 및
기계학습 모듈과 파라미터 학습을 통해 개체수 측정을 위한 새로운 어장에서 수집된 데이터를 학습모듈에 입력하여 개체수를 예측하는것으로 트레이닝 데이터를 기계의 파라미터 학습을 통해 예측된 어류의 계수의 A군에 속할 확률과 타군(B군)에 속할 확률로 구분하여 측정하는 예측부(348)을 더 포함하여 구성되는 것을 특징으로 하는 영상분석을 통한 어류 개체수 측정 시스템
- 양만장 환경장치(100)의 영상 카메라를 통해 확인된 어류 개체수, 어군의 크기, 밀도에 따른 어류의 변동 개체수, 데이터베이스(DB)(200)에 저장된 해당 양식장의 어류 개체수를 수신하여 데이터를 수집하는 제 1 과정;
수집된 어장의 어류 개체수, 촬영되어 전송된 어류 계수 및 변이에 따라 설정부(344)를 통해 트레이닝 데이터 및 테스트 데이터로 구분하여 수집된 데이터 중 60 ~ 70%는 트레이닝 데이터로 사용하고 나머지 데이터는 학습된 기계의 성능 평가에 사용하도록 분류하는 제 2 과정;
수집된 데이터 중 60 ~ 70%는 트레이닝 데이터를 제 1 학습부(345)를 통해 트레이닝 세트를 이용하여 기계의 파라미터 학습을 진행하고, 제 2 학습부(346)를 이용하여 트레이닝 데이터로 사용되지 않은 잔여 데이터를 테스트 데이터로 지정하고 이 테스트 데이터 입력을 통해 정확도를 분석하여 해당 테스트 데이터를 검증하는 제 3 과정;
관측된 데이터를 학습유닛의 학습 기계에 입력하여 어류 계수를 측정하는데, 이는 어장의 어류 계수를 알지 못하는 상태에서 나머지 데이터를 입력함으로써 어류 계수를 측정하는 제 4 과정; 및
확률변수를 사용하여 기계학습 모듈과 파라미터 학습을 통해 개체수 측정을 위한 새로운 어장에서 수집된 데이터를 학습모듈에 입력하여 트레이닝 데이터를 기계의 파라미터 학습을 통해 예측된 어류의 계수의 A군에 속할 확률과 타군(B군)에 속할 확률로 어류 개체수를 예측하는 제 5 과정;으로 구성되는 것을 특징으로 하는 영상분석을 통한 어류 개체수 측정 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160155517A KR20180057785A (ko) | 2016-11-22 | 2016-11-22 | 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160155517A KR20180057785A (ko) | 2016-11-22 | 2016-11-22 | 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180057785A true KR20180057785A (ko) | 2018-05-31 |
Family
ID=62454328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160155517A KR20180057785A (ko) | 2016-11-22 | 2016-11-22 | 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180057785A (ko) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102017814B1 (ko) * | 2019-03-25 | 2019-09-03 | 주식회사 글로비트 | 어류 계수 시스템 |
| WO2020111593A1 (ko) * | 2018-11-27 | 2020-06-04 | 수상에스티(주) | 관상어 영상인식을 통한 이상행동패턴 분석 시스템 및 그 방법 |
| CN112734714A (zh) * | 2020-12-31 | 2021-04-30 | 中国水产科学研究院渔业机械仪器研究所 | 一种计鱼数装置及方法 |
| CN113326743A (zh) * | 2021-05-10 | 2021-08-31 | 大连海洋大学 | 一种养殖背景条件下鱼群运动行为参数提取和分析方法 |
| CN113454444A (zh) * | 2018-12-21 | 2021-09-28 | 艾克斯波特西溶液公司 | 用于预测生物体的种群的生长的系统和方法 |
| CN113658124A (zh) * | 2021-08-11 | 2021-11-16 | 杭州费尔马科技有限责任公司 | 一种盘点水下养殖资产的方法 |
| KR20220055141A (ko) * | 2020-10-26 | 2022-05-03 | 충남대학교병원 | 실험동물 관리방법 |
| CN115250986A (zh) * | 2022-07-26 | 2022-11-01 | 江苏中农物联网科技有限公司 | 基于机器视觉的鱼类养殖控制系统 |
| CN115486391A (zh) * | 2022-09-13 | 2022-12-20 | 浙江大学 | 一种珍珠龙胆石斑鱼精准投喂养殖方法 |
| CN116579508A (zh) * | 2023-07-13 | 2023-08-11 | 海煜(福州)生物科技有限公司 | 一种鱼类预测方法、装置、设备及存储介质 |
| CN117044661A (zh) * | 2023-08-30 | 2023-11-14 | 广州淏瀚生物科技有限公司 | 一种水产健康生态调水系统 |
-
2016
- 2016-11-22 KR KR1020160155517A patent/KR20180057785A/ko active IP Right Grant
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020111593A1 (ko) * | 2018-11-27 | 2020-06-04 | 수상에스티(주) | 관상어 영상인식을 통한 이상행동패턴 분석 시스템 및 그 방법 |
| CN113454444A (zh) * | 2018-12-21 | 2021-09-28 | 艾克斯波特西溶液公司 | 用于预测生物体的种群的生长的系统和方法 |
| KR102017814B1 (ko) * | 2019-03-25 | 2019-09-03 | 주식회사 글로비트 | 어류 계수 시스템 |
| KR20220055141A (ko) * | 2020-10-26 | 2022-05-03 | 충남대학교병원 | 실험동물 관리방법 |
| CN112734714A (zh) * | 2020-12-31 | 2021-04-30 | 中国水产科学研究院渔业机械仪器研究所 | 一种计鱼数装置及方法 |
| CN113326743A (zh) * | 2021-05-10 | 2021-08-31 | 大连海洋大学 | 一种养殖背景条件下鱼群运动行为参数提取和分析方法 |
| CN113326743B (zh) * | 2021-05-10 | 2023-10-13 | 大连海洋大学 | 一种养殖背景条件下鱼群运动行为参数提取和分析方法 |
| CN113658124A (zh) * | 2021-08-11 | 2021-11-16 | 杭州费尔马科技有限责任公司 | 一种盘点水下养殖资产的方法 |
| CN113658124B (zh) * | 2021-08-11 | 2024-04-09 | 杭州费尔马科技有限责任公司 | 一种盘点水下养殖资产的方法 |
| CN115250986B (zh) * | 2022-07-26 | 2023-12-01 | 江苏中农物联网科技有限公司 | 基于机器视觉的鱼类养殖控制系统 |
| CN115250986A (zh) * | 2022-07-26 | 2022-11-01 | 江苏中农物联网科技有限公司 | 基于机器视觉的鱼类养殖控制系统 |
| CN115486391A (zh) * | 2022-09-13 | 2022-12-20 | 浙江大学 | 一种珍珠龙胆石斑鱼精准投喂养殖方法 |
| CN115486391B (zh) * | 2022-09-13 | 2024-02-06 | 浙江大学 | 一种珍珠龙胆石斑鱼精准投喂养殖方法 |
| CN116579508B (zh) * | 2023-07-13 | 2023-10-13 | 海煜(福州)生物科技有限公司 | 一种鱼类预测方法、装置、设备及存储介质 |
| CN116579508A (zh) * | 2023-07-13 | 2023-08-11 | 海煜(福州)生物科技有限公司 | 一种鱼类预测方法、装置、设备及存储介质 |
| CN117044661A (zh) * | 2023-08-30 | 2023-11-14 | 广州淏瀚生物科技有限公司 | 一种水产健康生态调水系统 |
| CN117044661B (zh) * | 2023-08-30 | 2024-01-19 | 广州淏瀚生物科技有限公司 | 一种水产健康生态调水系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20180057785A (ko) | 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법 | |
| US20190114481A1 (en) | Methods and systems for pattern characteristic detection | |
| CN107077626B (zh) | 动物用非侵入式多模态生物特征辨识系统 | |
| Schmid et al. | The LOKI underwater imaging system and an automatic identification model for the detection of zooplankton taxa in the Arctic Ocean | |
| KR101598898B1 (ko) | 음향 및 영상분석을 통한 넙치 질병 예방 시스템 | |
| CN107771212A (zh) | 菌落对比度收集 | |
| US8488878B2 (en) | Sky detection system used in image extraction device and method using sky detection system | |
| Banhazi et al. | Improved image analysis based system to reliably predict the live weight of pigs on farm: Preliminary results | |
| CA3176420A1 (en) | Analysis and sorting in aquaculture | |
| CN109784200B (zh) | 基于双目视觉的奶牛行为图像获取与体况智能监测系统 | |
| CN111141653B (zh) | 一种基于神经网络的隧道渗漏速率预测方法 | |
| CN114463701B (zh) | 一种基于多源大数据动物养殖数据挖掘的监测预警系统 | |
| EP3853763A1 (en) | Image feature detection | |
| Descamps et al. | Automatic flamingo detection using a multiple birth and death process | |
| CN112580671A (zh) | 一种基于深度学习的稻穗多发育期自动检测方法及系统 | |
| CN113204990B (zh) | 基于智能鱼竿的机器学习方法与装置 | |
| CN113807132B (zh) | 植物生长区域的灌水状态的识别方法、装置和存储介质 | |
| JP5403575B2 (ja) | 環境負荷濃度変化判定装置 | |
| CN116721344A (zh) | 基于航拍设备的植被检测方法、装置和设备 | |
| CN205608801U (zh) | 奶牛体况自动评分装置 | |
| CN114022831A (zh) | 一种基于双目视觉的牲畜体况监测方法及系统 | |
| CN111476129A (zh) | 一种基于深度学习的土壤杂质检测方法 | |
| Bharti et al. | Detection and classification of plant diseases | |
| CN113807133B (zh) | 植物生长区域的灌水状态的识别方法、装置和存储介质 | |
| CN116523866B (zh) | 一种小麦赤霉病抗性鉴定方法、系统、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |