申请/专利权人：中国水产科学研究院黑龙江水产研究所

申请日：2023-11-23

公开（公告）日：2024-06-07

公开（公告）号：CN117541623B

主分类号：G06T7/246

分类号：G06T7/246;G06T7/73;G06V20/05;G06V10/764;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2024.05.10#著录事项变更;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明公开了一种鱼群活动轨迹监测系统，属于视觉检测技术领域，包括：图像采集模块，用于拍摄鱼群图像；预处理模块，与所述图像采集模块连接，用于对鱼群图像进行特征增强处理，获得预处理图像集，并将所述预处理图像集分为训练集和测试集；识别模型构建模块，与所述预处理模块连接，用于基于预处理图像集通过卷积神经网络构建识别模型；监测模块，与所述识别模型构建模块连接，用于基于识别模型对鱼群进行跟踪监测。本发明通过对鱼群图像的分析构建识别模型，通过识别模型对鱼群进行跟踪监测，实现了对鱼群的自动跟踪监测，能够为水质污染预警和扩散提供研究数据支持。

主权项：1.一种鱼群活动轨迹监测系统，其特征在于，包括：图像采集模块，用于拍摄鱼群图像；预处理模块，与所述图像采集模块连接，用于对鱼群图像进行特征增强处理，获得预处理图像集，并将所述预处理图像集分为训练集和测试集；所述预处理模块包括清晰化处理单元、标记单元和划分单元；所述清晰化处理单元用于对鱼群图像进行清晰化处理，获得清晰化图像；所述标记单元用于从所述清晰化图像中标记出鱼群，获得标记图像集；所述划分单元用于根据图像拍摄时间将标记图像集划分为比例为8:2的训练集和测试集；所述标记单元包括边缘检测子单元和范围标注子单元；所述边缘检测子单元用于检测出鱼的轮廓边缘；范围标注子单元用于基于鱼的轮廓边缘标注鱼群范围；所述边缘检测子单元包括像素梯度计算子单元、非极大值抑制子单元、滞后阈值处理子单元和孤立弱边缘抑制子单元；所述像素梯度计算子单元用于通过Sobel算子计算清晰化图像的像素梯度，获得梯度强度矩阵；所述非极大值抑制子单元用于抑制非极大值像素，消除杂散效应；所述滞后阈值处理子单元用于通过设置阈值得到强边缘点和弱边缘点；所述孤立弱边缘抑制子单元用于判断弱边缘点的8连通邻域像素是否存在强边缘点，当存在强边缘点时保留弱边缘点，不存在强边缘点时删除弱边缘点，最后强边缘点和剩余的弱边缘点组成鱼轮廓边缘；所述范围标注子单元包括计算子单元和区域搜寻子单元；所述计算子单元用于计算鱼与鱼之间的最大距离；所述区域搜寻子单元用于以一条鱼为开始种子，以鱼与鱼之间的最大距离为连通区域的搜寻扩张距离进行鱼群区域搜寻，以搜寻扩张距离边缘为轮廓边缘画出鱼群标记线；识别模型构建模块，与所述预处理模块连接，用于基于预处理图像集通过卷积神经网络构建识别模型；所述识别模型构建模块包括预处理单元、特征识别单元和分类器单元；所述预处理单元用于对画出鱼群标记线的训练集中的鱼群图像进行灰度化和归一化处理；所述特征识别单元用于将归一化处理后的鱼群图像输入到卷积神经网络中，获得鱼群特征；所述分类器单元用于基于鱼群特征对测试集中的鱼群图像进行鱼群识别，当识别结果小于误差阈值时，获得识别模型；获得鱼群特征方法如下：将训练集分成1、12、13的三个尺度；在第一个尺度上输入100×100×3的红外图像，经过核尺寸3×3的4个卷积核，选择步长为1×1，得到100×100×4的卷积层输出；采用Relu激活函数激活并输出；经过核尺寸2×2，步长为4×4的最大值池化层后，得到25×25×4的池化层输出；重复两次上述的卷积、激活、池化后，得到2×2×8的特征；在第二个尺度上，输入50×50×3的红外图像，经上述卷积神经网络后得到2×2×8的特征；在第三个尺度上，输入为33×33×3的红外图像，经上述卷积神经网络后得到2×2×8的特征；将三个特征重整为一维度数组后进行系列特征融合即将三个特征串联得到1×64的一维度数组作为卷积神经网络提取到的多尺度鱼群特征；监测模块，与所述识别模型构建模块连接，用于基于识别模型对鱼群进行跟踪监测。

全文数据：

权利要求：

百度查询： 中国水产科学研究院黑龙江水产研究所 一种鱼群活动轨迹监测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD