TWI687159B - 魚苗計數系統及魚苗計數方法 - Google Patents
魚苗計數系統及魚苗計數方法 Download PDFInfo
- Publication number
- TWI687159B TWI687159B TW107123821A TW107123821A TWI687159B TW I687159 B TWI687159 B TW I687159B TW 107123821 A TW107123821 A TW 107123821A TW 107123821 A TW107123821 A TW 107123821A TW I687159 B TWI687159 B TW I687159B
- Authority
- TW
- Taiwan
- Prior art keywords
- fry
- central computing
- water
- computing device
- tank
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M1/00—Design features of general application
- G06M1/27—Design features of general application for representing the result of count in the form of electric signals, e.g. by sensing markings on the counter drum
- G06M1/272—Design features of general application for representing the result of count in the form of electric signals, e.g. by sensing markings on the counter drum using photoelectric means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
一種魚苗計數系統,具有用以放置水及複數魚苗的待測魚苗水箱、供魚苗從待測魚苗水箱流出的單向水道、設置於單向水道一隅的影像擷取裝置、以及連接影像擷取裝置的中央計算裝置。單向水道上以不同顏色標示有第一偵測區及於第一偵測區後的閘門偵測線。影像擷取裝置持續對著第一偵測區及閘門偵測線擷取複數影像。中央計算裝置對影像擷取裝置所擷取的複數影像進行分析,從複數影像中辨識並追蹤魚苗,並且於魚苗通過第一偵測區而進入閘門偵測線時累計魚苗數量。
Description
本發明涉及計數系統及計數方法,尤其涉及魚苗的計數系統及計數方法。
一般來說,市場上在買賣魚苗時,主要是以人工方式來計算魚苗的數量。然而,魚苗的體積小而且數量多,動輒數千數萬條,若單純以人工方式計算,實不具備經濟效益。
再者,若以上述人工方式計算魚苗數量,計算結果可能會具有較大的誤差。然而,現今部分魚苗的經濟價值相當高,若計算結果與實際數量的誤差太大,將會對賣家或買家造成難以承擔的損失。
為了解決上述人工計算魚苗數量所造成的問題,市場上已有多種自動魚苗計數裝置出現。此類魚苗計數裝置通常是在水道上設置感測器,令魚苗一一通過水道,再由感測器偵測通過的魚苗並一一計數。
然而,為了令感測器能夠成功感測通過的魚苗,則此類魚苗計數裝置必須控制讓魚苗循序地通過水道,因此水道的設計自然無法容許大量的魚苗同時且快速地通過。如此一來,當魚苗的數量過多時,此類魚苗計數裝置將會不敷使用。再者,若提高魚苗通過水道的數量或速度,則此類魚苗計數裝置的準確度將會大幅降低。
本發明的主要目的,在於提供一種魚苗計數系統及魚苗計數方法,可藉由影像的擷取與辨識分析來追蹤並分析魚苗,以準確地計算魚苗數量。
為了達成上述之目的,本發明的該魚苗計數系統主要包括:一待測魚苗水箱,用以放置水及複數魚苗,該待測魚苗水箱的一箱底處設置有一輸出口供該複數魚苗通過;一單向水道,對應該輸出口設置,該單向水道上以不同顏色標示有一第一偵測區及於該第一偵測區後的一閘門偵測線;一影像擷取裝置,設置於該單向水道一隅並持續擷取複數影像,其中該些影像至少涵蓋該第一偵測區及該閘門偵測線;及一中央計算裝置,連接該影像擷取裝置,並且包括:一信號接收單元,由該影像擷取裝置持續接收該些影像;及一中央計算單元,電性連接該信號接收單元,對該些影像進行影像分析,並於藉由該些影像判斷該些魚苗通過該第一偵測區並進入該閘門偵測線時記錄一魚苗數量。
為了達成上述之目的,本發明的該魚苗計數方法主要應用於上述該魚苗計數系統,並且包括下列步驟:a)該影像擷取裝置持續擷取複數影像,其中該些影像至少涵蓋該單向水道上的一第一偵測區及設置於該第一偵測區後的一閘門偵測線;b)該中央計算裝置持續由該影像擷取裝置接收該些影像;c)該中央計算裝置對該些影像進行影像分析;及
d)該中央計算裝置於藉由該些影像判斷該些魚苗通過該第一偵測區並進入該閘門偵測線時記錄一魚苗數量。
本發明主要是擷取單向水道的影像,並對所擷取的影像進行影像辨識以追蹤並分析影像中的魚苗。相較於相關技術,本發明可以更準確地記錄魚苗的數量,並且藉由影像來對各魚苗執行更進一步的分析。
1:魚苗計數系統
11:待測魚苗水箱
12:單向水道
121:入水口
122:出水口
123:第一偵測區
124:閘門偵測線
13:影像擷取裝置
14:中央計算裝置
141:信號接收單元
142:中央計算單元
143:顯示模組
15:資料庫
151:魚苗種類表
152:魚苗尺寸表
16:集魚水箱
161:細網
162:第一水層
162:第二水層
17:抽水設備
171:水管
172:幫浦
18:供氧裝置
181:出氣口
2:魚苗
I1:第一影像
I2:第二影像
I3:第三影像
S10~S22:計算步驟
S140~S144:標記步驟
S30~S36:判斷步驟
S40~S46:判斷步驟
S50~S62:處理步驟
圖1為本發明的魚苗計數系統的第一實施例的示意圖。
圖2為本發明的中央計算裝置的第一實施例的方塊圖。
圖3為本發明的魚苗計數方法的第一實施例的流程圖。
圖4A為本發明的魚苗追蹤第一示意圖。
圖4B為本發明的魚苗追蹤第二示意圖。
圖4C為本發明的魚苗追蹤第三示意圖。
圖5為本發明的物件標記程序的第一實施例的流程圖。
圖6為本發明的魚苗種類判斷程序的第一實施例的流程圖。
圖7為本發明的魚苗尺寸判斷程序的第一實施例的流程圖。
圖8為本發明的魚苗重疊處理程序的第一實施例的流程圖。
圖9為本發明的魚苗重疊示意圖。
茲就本發明之一較佳實施例,配合圖式,詳細說明如後。
參閱圖1,為本發明的魚苗計數系統的第一實施例的示意圖。本發明揭露了一種魚苗計數系統(下面將於說明書中簡稱為計數系統1),所述計數
系統1主要包括了待測魚苗水箱11、單向水道12、影像擷取裝置13及中央計算裝置14,其中中央計算裝置14以有線或無線方式連接影像擷取裝置13,以接收影像擷取裝置13所擷取的影像。
如圖1所示,所述待測魚苗水箱11用以放置水及複數魚苗2。具體地,待測魚苗水箱11主要是用以放置要由計數系統1來計算數量的複數魚苗2。待測魚苗水箱11的箱底處設置有至少一個輸出口,以供待測魚苗水箱11中的複數魚苗2通過。
所述單向水道12對應待測魚苗水箱11的輸出口設置,當魚苗2從輸出口流出待測魚苗水箱11時,將會流入單向水道12中。具體地,所述單向水道12的前端設置有入水口121,後端設置有對應的出水口122。所述入水口121連接待測魚苗水箱11的輸出口,以令魚苗2從待測魚苗水箱11流入單向水道12中,並且最終由出水口122流出單向水道12。
於圖1所示的實施例中,所述單向水道12為螺旋狀水道。當使用者要進行計數而開啟所述入水口121及出水口122時,魚苗2主要是藉由水流動的力量而從待測魚苗水箱11流入單向水道12中。本實施例將所述單向水道12設置為螺旋狀水道,可避免複數魚苗2在流動過程中的碰撞,進而有效避免魚苗2受損。再者,本發明主要是藉由影像擷取裝置13擷取單向水道12的影像並進行影像辨識,以追蹤魚苗2的位移,若將所述單向水道12設置為螺旋狀水道,可大幅縮小本發明的計數系統1的整體體積。
值得一提的是,於圖1的實施例中所述單向水道12的數量是以兩條為例,但於其他實施例中,使用者亦可依據魚苗2的數量而增、減單向水道
12的數量,藉此得到使用者所需的計數速度。需注意的是,影像擷取裝置13的數量需與單向水道12的數量相同,以有效地於每一條單向水道12中追蹤魚苗。
為便於理解,下面將以單一條單向水道12及單一台影像擷取裝置13為例,進行文字說明。
所述影像擷取裝置13設置於單向水道12的一隅,並且朝向單向水道12持續擷取複數影像。具體地,如圖1所示,所述單向水道12上以不同顏色標示有第一偵測區123及閘門偵測線124,所述閘門偵測線124標示於第一偵測區123的後方,並且緊貼第一偵測區123。本實施例中,影像擷取裝置13所擷取的影像至少需涵蓋單向水道12上的第一偵測區123及閘門偵測線124。
值得一提的是,魚苗2的顏色一般較為深色,因此於一實施例中,所述單向水道12可被設置為較鮮豔的顏色(例如亮綠色)。如此一來,當影像擷取裝置13所擷取的影像中同時包含單向水道12以及魚苗2時,所述中央計算裝置14可容易地從影像中鎖定魚苗2(容後詳述)。
於一實施例中,所述第一偵測區123及閘門偵測線124可與單向水道12上的其他部位具有不同的顏色,但不加以限定。
請同時參閱圖2,為本發明的中央計算裝置的第一實施例的方塊圖。所述中央計算裝置14連接計數系統1中的一或多台影像擷取裝置13,以接收並分析影像擷取裝置13所擷取的複數影像。
如圖2所示,中央計算裝置14主要包括信號接收單元141及與信號接收單元141電性連接的中央計算單元142。信號接收單元141用以從影像擷取裝置13處持續接收所述影像。中央計算單元142對信號接收單元141所接收的複數影像進行影像分析,以對出現在複數影像中的魚苗2進行追蹤。
承上所述,當中央計算單元142追蹤所述魚苗2,判斷魚苗2通過了所述第一偵測區123並進入所述閘門偵測線124時,即可記錄魚苗數量,並累計通過魚苗總數量。具體地,於一般情況下,中央計算單元142在魚苗2抵達閘門偵測線124時計數魚苗數量為1,而於特殊情況下(例如複數魚苗重疊或並排),中央計算單元142會在魚苗2抵達閘門偵測線124時計數魚苗數量為2、3、4等,依實際辨識結果而定。若單向水道12為複數,則中央計算裝置14除了記錄並累計通過所有單向水道12的魚苗總數量,還可分別記錄並累計通過每一條單向水道12的魚苗數量,以供使用者參考。
所述中央計算裝置14還電性連接資料庫15,資料庫15中記錄有複數魚苗相關資料,以利中央計算裝置14對魚苗2的狀態做更進一步的分析(容後詳述)。
請再次參閱圖1。所述計數系統1還包括對應單向水道12的出水口122設置的集魚水箱16,所述魚苗2由待測魚苗水箱11流入單向水道12中,並且最終由單向水道12的出水口122流入集魚水箱16。當一只魚苗2流入集魚水箱16時,表示此魚苗2曾經出現在影像擷取裝置13所擷取的影像中,並且已經被中央計數裝置14分析過,意即,中央計算裝置14已計數了這只魚苗2(即,已將魚苗數量+1)。
如圖1所示,所述集魚水箱16內還設置有細網161,所述細網161上具有小於魚苗2的體積的複數孔洞。集魚水箱16藉由細網161將內部所容置的水隔離成第一水層162及第二水層163,而經由單向水道12流入集魚水箱16中的魚苗2會被細網161隔離於第一水層162。
如前文所述,由於魚苗2是隨著待測魚苗水箱11中的水一起流入單向水道12,並經由單向水道12流入集魚水箱16,因此隨著計數系統1的運作,待測魚苗水箱11中的水會越來越少,而集魚水箱16中的水會越來越多。
為解決上述問題,本發明另設置有抽水機制可將集魚水箱16中的水抽回待測魚苗水箱11中,以保持集魚水箱16以及待測魚苗水箱11中的水量。所述細網161可將已計數完畢的魚苗2阻擋在集魚水箱16中,而不會隨著水被抽回待測魚苗水箱11而造成計數錯誤。
具體地,本發明的計數系統1還包括抽水設備17,所述抽水設備17至少包括水管171與幫浦172。所述水管171的一端連接待測魚苗水箱11,另一端連接集魚水箱16。所述幫浦172連接水管171。本實施例中,所述水管171的另一端主要設置於集魚水箱16的第二水層163,當幫浦172啟動時,可由集魚水箱16中抽取第二水層163的水,並且經由水管171傳遞至待測魚苗水箱11中。如此一來,可確保待測魚苗水箱11中的水量不會過少,同時確保集魚水箱16中的水量不會過多。
所述計數系統1進一步還具有供氧裝置18。所述供氧裝置18具有出氣口181,供氧裝置18藉由出氣口181連接所述水管171上的一開口(圖未標示),用以將氧氣注入水管171中。如此一來,可確保抽水裝置17抽回待測魚苗水箱11的水具有足夠的含氧量。
續請參閱圖3,為本發明的魚苗計數方法的第一實施例的流程圖。本發明另揭露了一種魚苗計數方法(下面簡稱為計數方法),所述計數方法主要應用於如圖1所示的計數系統1。
具體地,於使用本發明的計數系統1時,首先將要計數的魚苗2放置於待測魚苗水箱11中,並且由影像擷取裝置13朝向單向水道12擷取影像(步驟S10)。其中,影像擷取裝置13所擷取的影像需至少涵蓋單向水道12上的第一偵測區123及閘門偵測線124。當待測魚苗水箱11的箱底處的輸出口被打開時,待測魚苗水箱11中的魚苗2可經由輸出口流入單向水道12中。當魚苗2流至影像擷取裝置13的影像擷取範圍內(例如流入第一偵測區123中)時,所述影像中即可補捉到魚苗2的存在。
中央計算裝置14由影像擷取裝置13接收所述影像(步驟S12),並且依序對所接收的影像執行影像分析程序(步驟S14)。於一實施例中,中央計算裝置14僅藉由上述影像分析程序來判斷影像中是否有物件(即,魚苗2)出現,並於後續接收的複數影像中追蹤同一物件。於另一實施例中,中央計算裝置14還藉由上述影像分析程序來萃取所述物件的特徵(步驟S16),以對所述物件執行進一步的分類、歸納等動作。本實施例中,若所述物件為魚苗2,則所述特徵可例如為魚苗2的外觀或紋理等,但不以此為限。
當中央計算裝置14經上述影像分析程序後發現了魚苗2存在於一張影像中,即可對魚苗2進行標記(tag),藉此中央計算裝置14可以在後續取得的複數影像中追蹤此魚苗2的位移。具體地,通過在複數影像中追蹤上述標記,中央計算裝置14可以判斷被標記的魚苗2是否已經通過所述第一偵測區123並且進入了所述閘門偵測線124(步驟S18)。
若被標記的魚苗2已經通過第一偵測區123並且進入了閘門偵測線124,則中央計算裝置14計數魚苗數量(步驟S20)。於正常情況下,中央計算
裝置14在步驟S20中會將魚苗數量+1。於特殊情況下(例如複數魚苗2重疊或並排),中央計算裝置14會視魚苗2的重疊或並排數量來累計魚苗數量(容後詳述)。
本發明的計數系統1在運作時,會持續判斷是否需要停止計數動作(步驟S22),例如判斷電源是否關閉、待測魚苗水箱11的輸出口是否關閉、是否長時間沒有偵測到魚苗2等。若判斷計數動作不需停止,則計數系統1返回步驟S10,由影像擷取裝置13持續擷取複數影像,並由中央計算裝置14持續進行影像分析並且計數魚苗數量。若判斷計數動作需要停止,則計數系統1結束本發明的計數方法。
參閱圖4A、圖4B及圖4C,分別為本發明的魚苗追蹤第一示意圖、魚苗追蹤第二示意圖及魚苗追蹤第三示意圖。本發明中,計數系統1是由影像擷取裝置13持續擷取單向水道12上的同一位置的影像,其中所述影像中至少涵蓋了所述第一偵測區123及閘門偵測線124。
圖4A揭露了影像擷取裝置13擷取的第一影像I1。中央計算裝置14對第一影像I1執行了影像分析程序後,可發現第一影像I1中沒有任何魚苗2存在。
圖4B揭露了影像擷取裝置13擷取的第二影像I2。中央計算裝置14對第二影像I2執行了影像分析程序後,可發現第二影像I2中有一只魚苗2存在,此時中央計算裝置14可對這只魚苗2進行標記(例如依據像素及時戳等參數將這只魚苗2所對應的影像區塊標記為“A”)。如此一來,中央計算裝置14可以藉由高速追蹤演算法在後續取得的影像中對這只魚苗2進行追蹤(容後詳述)。
於一實施例中,中央計算裝置14可將所述第一偵測區123設定為影像中的關注點(Point of Interesting,POI)。當所述魚苗2出現在影像的關注點中時,
中央計算裝置14即可對魚苗2進行標記。換句話說,中央計算裝置14不需在影像中取得魚苗2的完整影像,即可對魚苗2進行標記。
於一實施例中,所述關注點(即,第一偵測區123)較佳可設定為待測魚苗2的標準身長(例如6分苗為1.5公分、8分苗為2公分等),但不加以限定。
圖4C揭露了影像擷取裝置13擷取的第三影像I3。中央計算裝置14對第三影像I3執行了影像分析程序後,可發現標記A的魚苗2的存在,並且中央計算裝置14將第三影像I3與第二影像I2進行比對後,即可得到此魚苗2的位移資料。
值得一提的是,由於水流動的速度非常快,魚苗2在單向水道12中流動的速度也相對快速。於一實施例中,所述影像擷取裝置13的影像擷取速度為100FPS(即,所述中央計算裝置14的影像處理速度至少為100FPS),藉此可以精準追蹤魚苗2,不容易被前景或背景影響,進而實現本發明的高速追蹤演算法。
於一實施例中,所述高速追蹤演算法是由中央計算裝置14使用核心相關過濾追蹤器(Kernelized Correlation Filter Tracker,KFC Tracker)來於影像中追蹤目標物件(例如追蹤魚苗2的特徵點),並在所接收的複數影像中搜尋與目標物件的特徵點相關分數最高的區域。藉此,可以針對快速移動的魚苗2得到高效率、高準確性的追蹤結果。
如圖4C所示,中央計算裝置14對第三影像I3進行了分析後,可發現標記A的魚苗2已經過第一偵測區123而進入閘門偵測線124,此時即可累計魚苗數量。
為了確實追蹤影像中的物件,於一實施例中,係將單向水道12設置為鮮豔的顏色(魚苗2一般較為深色),藉此中央計算裝置14可較輕易地將物件由影像中分離出來。
續請參閱圖5,為本發明的物件標記程序的第一實施例的流程圖。具體地,圖5是對圖3的步驟S14做更進一步的說明。
如圖5所示,當中央計算裝置14由影像擷取裝置13取得一張影像後,係先對影像進行前景分離處理(步驟S140),以分離影像中的前景與背景(例如所述單向水道12),進而判斷影像中是否有物件(例如魚苗2)存在(步驟S142)。若中央計算裝置14判斷影像中確實有物件存在,且物件已進入了影像中的關注區(即,所述第一偵測區123),則中央計算裝置14對此物件進行標記(步驟S144)。於步驟S144後,中央計算裝置14即可藉由所述高速追蹤演算法以在後續收到的影像中追蹤這個已被標記的物件。
於一實施例中,本發明的中央計算裝置14採用具硬體加速的色彩空間轉換技術,將影像中的RGB色彩空間快速轉換至HSV色彩空間。由於HSV色彩空間可以將色相環上的顏色區段獨立分割出來,如此便可透過背景學習的過程將影像中的前景快速分離出來。
當得到每個像素點的像素平均值S及像素標準差D後,中央計算裝置14對每一個輸入進來的像素值進行判斷,若是此像素值的HSV數值在S±D範圍內,即視為背景;若是此像素值的HSV數值在S±D範圍外,即視為前景物件。如此,中央計算裝置14可快速地(處理一張畫面約需耗費5ms)將影像中的魚苗2(前景)從單向水道12(背景)中切割出來。通過對被切割出來的魚苗2進行標記,中央計算裝置14可以精確地在複數影像中追蹤魚苗2的位移。
除了標記並追蹤影像中的魚苗2,並在魚苗2通過單向水道12上的閘門偵測線124時累計魚苗數量之外,本發明還可選擇性地萃取魚苗2的特徵(例如執行圖3的步驟S16),以對魚苗2做更進一步的分析。
如圖2所示,計數系統1的製造者可以依據要計數的魚苗的特徵預先訓練一套模型,並記錄對應的魚苗種類表151及/或魚苗尺寸表152於資料庫15中。所述魚苗種類表151與魚苗尺寸表152可令中央計算裝置14對所追蹤的魚苗2做更進一步的分析。
參閱圖6,為本發明的魚苗種類判斷程序的第一實施例的流程圖。當中央計算裝置14由影像擷取裝置13取得影像,並確認物件存在時,可經由影像分析程序取得物件的特徵(步驟S30),例如魚苗的外觀或紋理等。值得一提的是,圖6的步驟S30係相同或相似於圖3的步驟16。於一實施例中,中央計算裝置14可在魚苗2到達所述閘門偵測線124前的任何時間點萃取物件的特徵,不加以限定。
接著,中央計算裝置14依據所取得的物件特徵查詢資料庫15中預先訓練完成的魚苗種類表151(步驟S32),並依據查詢結果確認這個物件所對
應的魚苗種類(步驟S34)。意即,中央計算裝置14可經由查詢魚苗種類表151來判斷影像中的魚苗的種類。
若所述中央計算裝置14具備有顯示模組(如圖2所示的顯示模組143),則中央計算裝置14可進一步於顯示模組143上顯示所述魚苗種類(步驟S36),以令使用者知曉。再者,所述中央計算裝置14亦可僅記錄魚苗種類而不直接顯示,或經由網路將所述魚苗種類傳送到遠端設備或可攜式裝置上顯示,不加以限定。
於前述步驟S30中(或圖3的步驟S16),中央計算裝置14主要是採用一特徵萃取演算法來從影像中取得物件的一或多個特徵。於一實施例中,所述特徵萃取演算法是藉由方向梯度直方圖(Histogram of Oriented Gradient,HOG)演算法以及紋理特徵描述法(Gabor Filter)的組合來萃取並描述魚苗2的特徵(主要為魚苗2的外觀形狀及紋理,但不加以限定)。
具體地,所述HOG演算法是先計算影像中各個像素點的梯度強度(包括X方向的強度Gx及Y方向的強度Gy),接著再依據強度Gx及強度Gy計算各個像素點的梯度方向(即,各個像素點的角度θ)。
HOG演算法將一個單元格(或稱為cell,每個cell例如可為6*6個像素)的梯度方向0到360度分成九個方向塊(bin),包含正負方向,每個方向塊的角度為20度。接著,在每個單元格當中建立此單元格的HOG直方圖,即,將每個單元格中的每個像素點之灰階梯度依照各個不同的向量方向塊之方向累積成九個方向的直方圖。
所述Gabor Filter是一種描述紋理特徵的演算法,其可將特徵遮罩依照頻率及相位分別計算出四十種不同的特徵。因此,結合Gabor Filter及上述
計算出來的直方圖,中央計算裝置14可以有效地將影像中的魚苗2的特徵描述出來。
於一實施例中,中央計算裝置14是採用魚種分類演算法來進行魚苗2種類的分類程序。所述魚種分類演算法主要是對上述計算好的直方圖進行區塊正規化(Block Normalize),其中,一個區塊的特徵是由四個單元格的特徵向量組合而成的。此演算法將各個單元格的梯度總和正規化後形成所述區塊特徵,再將屬於選定的視窗(Window)範圍中的區塊的特徵結合在一起。
具體地,此演算法計算完魚苗2的HOG特徵後會產生所述Window的特徵,其中一個Window產生十六個區塊,每個區塊包含了四個單元格,而每個單元格產生九個方向塊,也就是說總共有五百七十六個特徵。接著,將這五百七十六個特徵進行權重加權,並經由預先訓練好的支援向量機(Support Vector Machine,SVM)分類器判斷加權後的總和是否大於門檻值,藉此即可確認魚苗2的種類。
在一訓練階段(例如製造計數系統1時),製造商可將數十種養殖業常見的魚苗魚種套入上述的特徵萃取演算法,以預先訓練出一套可分類魚苗的模型(即,建立所述魚苗種類表151與魚苗尺寸表152)。在一偵測階段(例如使用計數系統1時),中央計算裝置14可利用上述訓練好的模型,同樣計算影像中的魚苗2的HOG及Gabor特徵(例如執行圖6的步驟S30),再通過上述SVM分類器來分類此魚苗2所對應的魚種(例如執行圖6的步驟S32及步驟S34)。
值得一提的是,經由上述演算法,本發明不但能分析影像中的魚苗2的種類,亦可進一步分析魚苗2的尺寸。
參閱圖7,為本發明的魚苗尺寸判斷程序的第一實施例的流程圖。當中央計算裝置14從影像擷取裝置13處取得影像,並且發現物件存在時,即可經由影像分析程序取得物件的特徵(步驟S40)。具體地,圖7的步驟S40係相同或相似於圖6的步驟S30,並且中央計算裝置14是採用前文所述的特徵萃取演算法來取得物件的特徵。
接著,中央計算裝置14依據物件的特徵查詢資料庫15中預先訓練完成的魚苗尺寸表152(步驟S42),並依據查詢結果確認這個物件所對應的魚苗尺寸(步驟S44)。意即,中央計算裝置14可經由查詢魚苗尺寸表152來判斷影像中的魚苗的尺寸大小。具體地,除了魚苗的尺寸大小外所述魚苗尺寸表152亦可依據魚苗的特徵來對應記錄魚苗的年齡、重量等,不加以限定。當中央計算裝置14依據物件的特徵查詢了魚苗尺寸表152後,可同時得到目標魚苗的尺寸大小、年齡及重量。
進一步,中央計算裝置14可直接於所述顯示模組143上顯示所述魚苗尺寸(步驟S46),或是經由網路將所述魚苗尺寸傳送到遠端設備或可攜式裝置上顯示。
如前文中所述,於正常情況下,中央計算裝置14會在所追蹤的魚苗2經過單向水道12的閘門偵測線124時,計數魚苗數量為1;於特殊情況下(例如複數魚苗2重疊或並排),中央計算裝置14會視魚苗2的重疊或並排數量來計數魚苗數量。並排的複數魚苗2很容易在進行前景分離處理時,被一一辨識出來並分別標記,但重疊的複數魚苗2則可能被標記為單一魚苗2。因此,中央計算裝置14需要在所追蹤的魚苗2到達閘門偵測線124之前,藉由影像分析程序來判斷影像中的魚苗2的重疊狀況。
參閱圖8,為本發明的魚苗重疊處理程序的第一實施例的流程圖。首先,中央計算裝置14從影像擷取裝置13處取得影像(步驟S50)。於一實施例中,圖8的步驟S50是相同或相似於圖3的步驟S12。於另一實施例中,中央計算裝置14在步驟S50是由所接收的影像中進一步取得關注區(即,第一偵測區123)的影像。
接著,若影像中的物件位於第一偵測區123內,則中央計算裝置14擷取物件的所有輪廓點(Contours)(步驟S52)。並且,中央計算裝置14依據所有輪廓點計算此物件的凸包(Convex Hull),意即,連接所有輪廓點以產生此物件的外框(步驟S54)。接著,中央計算裝置14判斷此物件的外框的比例或長度是否異常(步驟S56)。
請同時參閱圖9,為本發明的魚苗重疊示意圖。當複數魚苗2重疊時,可能被中央計算裝置14視為單一個物件。若未對此物件進行分析,則當此物件通過閘門偵測線124時中央計算裝置14將只會設定魚苗數量為1,因而造成了計數誤差。
如圖9所示,若複數魚苗2重疊,則當中央計算裝置14擷取了此物件的所有輪廓點且產生了此物件的外框後,可發現此物件的外框比例或長度明顯異於標準魚苗的外框比例或長度。也就是說,當一物件的外框的比例或長度異常時,表示此物件同時包含了複數魚苗2。
回到圖8。若中央計算裝置14判斷此物件的外框的比例或長度沒有異常,即可單純地將魚苗數量設定為1(步驟S58)。具體地,中央計算裝置14是將此物件視為一只魚苗2,並於此物件通過閘門偵測線124時將魚苗數量+1。
若中央計算裝置14判斷此物件的外框的比例或長度異常,則進一步依據此物件的所有輪廓點分析此物件上的質心數量(步驟S60),並且再依據計算所得的質心數量切割並設定此物件上重疊的魚苗數量(步驟S62)。例如,若計算出一個物件上具有兩個質心,則中央計算裝置14將魚苗數量設定為二;若計算出一個物件上具有三個質心,則中央計算裝置14將魚苗數量設定為三,以此類推。
具體地,上述步驟S62是以Convex Hull計算此物件上各個輪廓點(或稱為角點)的分佈,並以幾何方式計算這些輪廓點與物件邊緣的關係(內角關係或外角關係),藉此計算出此物件中有幾個質心。上述質心數量的計算方式屬於影像分析領域的常用手段,於此不再贅述。通過質心數量的計算,可令中央計算裝置14所計數的魚苗數量與實際通過閘門偵測線124的魚苗數量相符,以大幅降低計數誤差。
通過本發明的計數系統與計數方法,使用者可快速地計算魚苗的數量,提高計數準確度,同時分析魚苗的種類及尺寸等資訊,相較於相關技術中的魚苗計數系統實更具備市場價值。
以上所述僅為本發明之較佳具體實例,非因此即侷限本發明之專利範圍,故舉凡運用本發明內容所為之等效變化,均同理皆包含於本發明之範圍內,合予陳明。
1:魚苗計數系統
11:待測魚苗水箱
12:單向水道
121:入水口
122:出水口
123:第一偵測區
124:閘門偵測線
13:影像擷取裝置
14:中央計算裝置
15:資料庫
16:集魚水箱
161:細網
162:第一水層
163:第二水層
17:抽水設備
171:水管
172:幫浦
18:供氧裝置
181:出氣口
2:魚苗
Claims (20)
- 一種魚苗計數系統,包括:一待測魚苗水箱,用以放置水及複數魚苗,該待測魚苗水箱的一箱底處設置有一輸出口供該些魚苗通過;一單向水道,對應該輸出口設置,並且該單向水道上以不同顏色標示有一第一偵測區及於該第一偵測區後的一閘門偵測線,其中該些魚苗及水經由該待測魚苗水箱的該輸出口流入該單向水道並朝下流動;一影像擷取裝置,設置於該單向水道一隅並持續擷取複數影像,其中該些影像至少涵蓋該第一偵測區及該閘門偵測線;一中央計算裝置,連接該影像擷取裝置,並且包括:一信號接收單元,持續接收由該影像擷取裝置擷取之該些影像;及一中央計算單元,電性連接該信號接收單元,對該些影像進行影像分析以追蹤該些魚苗於該單向水道內的移動,並於藉由該些影像判斷該些魚苗通過該第一偵測區並進入該閘門偵測線時記錄一魚苗數量;及一細網,對應該單向水道的一出水口設置,具有小於各該魚苗的複數孔洞,用以阻擋已計數完畢並由該出水口流出的各該魚苗。
- 如請求項1所述的魚苗計數系統,其中該單向水道為一螺旋狀水道,該螺旋狀水道的前端設置有連接該輸出口的一入水口,後端設置有該出水口。
- 如請求項2所述的魚苗計數系統,其中更包括對應該出水口設置的一集魚水箱,該集魚水箱內設有該細網以隔離出一第一水層及一第二水層, 其中經由該單向水道流入該集魚水箱的該些魚苗由該細網隔離於該第一水層中。
- 如請求項3所述的魚苗計數系統,其中更包括一抽水設備,包括一水管及一幫浦,該水管一端連接該待測魚苗水箱,另一端連接該集魚水箱,該幫浦連接該水管,用以抽取該第二水層的水並經由該水管傳遞至該待測魚苗水箱。
- 如請求項4所述的魚苗計數系統,其中更包括一供氧裝置,具有與該水管上的一開口連結的一出氣口,用以將氧氣注入該水管中。
- 如請求項1所述的魚苗計數系統,其中該中央計算單元對該些影像進行一前景分離處理以判斷該些影像中是否有一物件存在,並且於該物件存在且進入該第一偵測區時對該物件進行標記。
- 如請求項6所述的魚苗計數系統,其中該中央計算單元依據該標記於該些影像中追蹤該物件的位移,萃取該物件的特徵,並於判斷該被標記的物件進入該閘門偵測線時記錄該魚苗數量。
- 如請求項7所述的魚苗計數系統,其中該物件為該魚苗,該特徵為該魚苗的外觀或紋理。
- 如請求項7所述的魚苗計數系統,其中該中央計算裝置更包括一顯示模組及一資料庫,該資料庫記錄一魚苗種類表,該中央計算裝置依據該物件的該特徵查詢該魚苗種類表,以取得對應的一魚苗種類並顯示於該顯示模組。
- 如請求項7所述的魚苗計數系統,其中該中央計算裝置更包括一顯示模組及一資料庫,該資料庫記錄一魚苗尺寸表,該中央計算裝置依據該物 件的該特徵查詢該魚苗尺寸表,以取得對應的一魚苗尺寸並顯示於該顯示模組。
- 如請求項7所述的魚苗計數系統,其中該中央計算裝置於該物件位於該第一偵測區內時擷取該物件上的所有輪廓點(Contours),連接所有輪廓點以產生一外框,並且該中央計算裝置於偵測到該外框的比例或長度異常時依據該些輪廓點分析該物件的一質心數量,再依據該質心數量切割該物件上重疊的魚苗數量。
- 一種魚苗計數方法,應用於一魚苗計數系統,該魚苗計數系統包括具有一輸出口以供複數魚苗通過的一待測魚苗水箱、對應該輸出口設置的一單向水道、設置於該單向水道一隅的一影像擷取裝置、連接該影像擷取裝置的一中央計算裝置及對應該單向水道的一出水口設置且具有小於各該魚苗的複數孔洞的一細網,其中該些魚苗及水經由該待測魚苗水箱的該輸出口流入該單向水道並朝下流動,該細網阻擋已計數完畢並由該出水口流出的各該魚苗,並且該魚苗計數方法包括:a)該影像擷取裝置持續擷取複數影像,其中該些影像至少涵蓋該單向水道上的一第一偵測區及設置於該第一偵測區後的一閘門偵測線;b)該中央計算裝置持續接收由該影像擷取裝置擷取之該些影像;c)該中央計算裝置對該些影像進行影像分析以追蹤該些魚苗於該單向水道內的移動;及d)該中央計算裝置於藉由該些影像判斷該些魚苗通過該第一偵測區並進入該閘門偵測線時記錄一魚苗數量。
- 如請求項12所述的魚苗計數方法,其中該單向水道為一螺旋狀水道,該螺旋狀水道的前端設置有連接該輸出口的一入水口,後端設置有該出水口。
- 如請求項13所述的魚苗計數方法,其中該魚苗計數系統更包括對應該出水口設置的一集魚水箱,該集魚水箱內設有該細網以隔離出一第一水層及一第二水層,其中經由該單向水道流入該集魚水箱的該些魚苗由該細網隔離於該第一水層中。
- 如請求項14所述的魚苗計數方法,其中該魚苗計數系統更包括一抽水設備及一供氧裝置,該抽水設備包括一水管及一幫浦,該水管一端連接該待測魚苗水箱,另一端連接該集魚水箱,該幫浦連接該水管,用以抽取該第二水層的水並經由該水管傳遞至該待測魚苗水箱,供氧裝置具有與該水管上的一開口連結的一出氣口,用以將氧氣注入該水管中。
- 如請求項12所述的魚苗計數方法,其中該步驟c)包括下列步驟:c1)該中央計算裝置對該些影像進行一前景分離處理;c2)步驟c1)後,判斷該些影像中是否有一物件存在;及c3)於該物件存在且進入該第一偵測區時,對該物件進行標記。
- 如請求項16所述的魚苗計數方法,其中該步驟d)是依據該標記於該些影像中追蹤該物件的位移,並於判斷該被標記的物件進入該閘門偵測線時記錄該魚苗數量,其中該物件為該魚苗。
- 如請求項17所述的魚苗計數方法,其中更包括下列步驟:e)萃取該物件的一特徵,其中該特徵為該魚苗的外觀或紋理;f)該中央計算裝置依據該物件的該特徵查詢一資料庫中的一魚苗種類表; g)依據查詢結果取得該物件對應的一魚苗種類;及h)顯示該魚苗種類於該中央計算裝置的一顯示模組。
- 如請求項17所述的魚苗計數方法,其中更包括下列步驟:i)萃取該物件的一特徵,其中該特徵為該魚苗的外觀或紋理;j)該中央計算裝置依據該物件的該特徵查詢一資料庫中的一魚苗尺寸表;k)依據查詢結果取得該物件對應的一魚苗尺寸;及l)顯示該魚苗尺寸於該中央計算裝置的一顯示模組。
- 如請求項17所述的魚苗計數方法,其中該步驟d前更包括下列步驟:d01)該中央計算裝置於該物件位於該第一偵測區內時擷取該物件上的所有輪廓點;d02)連接所有輪廓點以產生一外框;d03)於偵測到該外框的比例或長度異常時依據該些輪廓點分析該物件的一質心數量;及d04)依據該質心數量切割該物件上重疊的魚苗數量。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107123821A TWI687159B (zh) | 2018-07-10 | 2018-07-10 | 魚苗計數系統及魚苗計數方法 |
CN201810865842.1A CN110766123A (zh) | 2018-07-10 | 2018-08-01 | 鱼苗计数系统及鱼苗计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107123821A TWI687159B (zh) | 2018-07-10 | 2018-07-10 | 魚苗計數系統及魚苗計數方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202005522A TW202005522A (zh) | 2020-02-01 |
TWI687159B true TWI687159B (zh) | 2020-03-11 |
Family
ID=69328849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107123821A TWI687159B (zh) | 2018-07-10 | 2018-07-10 | 魚苗計數系統及魚苗計數方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110766123A (zh) |
TW (1) | TWI687159B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111657206B (zh) * | 2020-06-17 | 2021-12-10 | 东平东原技术开发有限公司 | 一种水产养殖用鱼苗分选计数装置 |
CN111882451A (zh) * | 2020-08-12 | 2020-11-03 | 滨州学院 | 海洋养殖区经济数据分析系统 |
CN112380920B (zh) * | 2020-10-23 | 2021-08-10 | 中国水产科学研究院东海水产研究所 | 一种利用视频数据统计鱼苗数量的方法 |
US11915445B2 (en) * | 2020-12-31 | 2024-02-27 | National Sun Yat-Sen University | System and method for counting aquatic creatures |
CN112931434A (zh) * | 2021-04-02 | 2021-06-11 | 青岛丰禾星普科技有限公司 | 对虾收获装置 |
CN113197145B (zh) * | 2021-05-08 | 2022-02-08 | 浙江大学 | 基于循环神经网络与红外测量光栅的鱼类生物量估算系统 |
CN115281139A (zh) * | 2022-01-23 | 2022-11-04 | 仰恩大学 | 一种鱼苗计数及分类装置 |
CN115187636B (zh) * | 2022-07-26 | 2023-09-19 | 金华市水产技术推广站(金华市水生动物疫病防控中心) | 一种基于多窗口的鱼苗识别计数方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256639A (zh) * | 2008-04-10 | 2008-09-03 | 山东省寄生虫病防治研究所 | 小型水生昆虫计数分装机 |
TW201118761A (en) * | 2009-11-17 | 2011-06-01 | Inst Information Industry | Aquatic animal counting system, method and recording medium thereof |
CN106204626A (zh) * | 2016-07-26 | 2016-12-07 | 浙江省海洋水产研究所 | 一种基于图像处理的鱼苗计数器及计数方法 |
TW201712317A (zh) * | 2015-09-22 | 2017-04-01 | 億觀生物科技股份有限公司 | 檢測裝置、檢測模組及檢測方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005202674A (ja) * | 2004-01-15 | 2005-07-28 | Chugoku Electric Power Co Inc:The | 魚道を通る魚の計数方法、魚道を通る魚の数を計数するシステム、情報処理装置、及びプログラム |
CN101430775B (zh) * | 2008-11-17 | 2011-09-07 | 浙江海洋学院 | 基于计算机视觉的鱼苗自动计数装置和方法 |
CN102073905A (zh) * | 2009-11-23 | 2011-05-25 | 财团法人资讯工业策进会 | 水产动物的计数系统及方法 |
CN102805044B (zh) * | 2012-07-16 | 2014-01-29 | 宁波大学 | 基于计算机视频处理的鱼虾蟹苗自动计数装置及其方法 |
CN203490730U (zh) * | 2013-08-08 | 2014-03-19 | 曲楠 | 鱼(虾)苗计数机 |
CN105374042B (zh) * | 2015-11-30 | 2018-11-02 | 中国计量学院 | 基于机器视觉的鱼苗在线自动计数装置与方法 |
-
2018
- 2018-07-10 TW TW107123821A patent/TWI687159B/zh active
- 2018-08-01 CN CN201810865842.1A patent/CN110766123A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256639A (zh) * | 2008-04-10 | 2008-09-03 | 山东省寄生虫病防治研究所 | 小型水生昆虫计数分装机 |
TW201118761A (en) * | 2009-11-17 | 2011-06-01 | Inst Information Industry | Aquatic animal counting system, method and recording medium thereof |
TW201712317A (zh) * | 2015-09-22 | 2017-04-01 | 億觀生物科技股份有限公司 | 檢測裝置、檢測模組及檢測方法 |
CN106204626A (zh) * | 2016-07-26 | 2016-12-07 | 浙江省海洋水产研究所 | 一种基于图像处理的鱼苗计数器及计数方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202005522A (zh) | 2020-02-01 |
CN110766123A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI687159B (zh) | 魚苗計數系統及魚苗計數方法 | |
Balntas et al. | Pose guided RGBD feature learning for 3D object pose estimation | |
CN106802113B (zh) | 基于多弹孔模式识别算法的智能报靶系统和方法 | |
Puttemans et al. | Automated visual fruit detection for harvest estimation and robotic harvesting | |
Kurtulmus et al. | Green citrus detection using ‘eigenfruit’, color and circular Gabor texture features under natural outdoor conditions | |
CN108520226B (zh) | 一种基于躯体分解和显著性检测的行人重识别方法 | |
CN107909081B (zh) | 一种深度学习中图像数据集的快速获取和快速标定方法 | |
WO2018119668A1 (zh) | 一种行人头部识别方法及系统 | |
CN109154978A (zh) | 用于检测植物疾病的系统和方法 | |
He et al. | A method of green litchi recognition in natural environment based on improved LDA classifier | |
CN107341688A (zh) | 一种客户体验的采集方法及系统 | |
Ali et al. | Visual tree detection for autonomous navigation in forest environment | |
Yao et al. | Fast human detection from videos using covariance features | |
CN108960047B (zh) | 基于深度二次树的视频监控中人脸去重方法 | |
Qing et al. | Automated detection and identification of white-backed planthoppers in paddy fields using image processing | |
CN101980245B (zh) | 一种基于自适应模板匹配的客流统计方法 | |
CN106971182A (zh) | 嵌入式电力继电压板投退状态智能识别装置及实现方法 | |
WO2021000829A1 (zh) | 多维度身份信息识别方法、装置、计算机设备及存储介质 | |
CN106599880A (zh) | 一种面向无人监考的同人判别方法 | |
Yao et al. | Fast human detection from joint appearance and foreground feature subset covariances | |
CN109635634A (zh) | 一种基于随机线性插值的行人再识别数据增强方法 | |
WO2013075295A1 (zh) | 低分辨率视频的服装识别方法及系统 | |
CN104484680A (zh) | 一种多模型多阈值组合的行人检测方法 | |
CN106909883A (zh) | 一种基于ros的模块化手部区域检测方法和装置 | |
Su et al. | Evaluation of mask RCNN for learning to detect fusarium head blight in wheat images |