申请/专利权人：山东世融信息科技有限公司

申请日：2024-04-09

公开（公告）日：2024-06-25

公开（公告）号：CN118015551B

主分类号：G06V20/52

分类号：G06V20/52;G01D21/02;G06V20/40;G06V10/44;G06V10/46;G06V10/54;G06V10/80;G06V10/82;G06N3/084;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明涉及湿地监测技术领域，具体地说，涉及应用于野外生态湿地的浮岛式监测系统。其包括浮岛监测单元，浮岛监测单元用于监测和记录湿地生态环境与青头潜鸭的生态行为；视频监测模块用于记录青头潜鸭的行为活动，视频监测模块包括物种识别模块、物种分类模块和异常预警模块；存储单元用于存储监测数据和水禽物种信息，无线传输单元将分布在不同位置的浮岛监测单元进行无线连接，并在监测点之间构建无线局域网；供电单元为浮岛监测单元和无线传输单元供电。采用多模态融合算法，并将湿地环境参数纳入特征向量，能够利用更丰富的信息来源来表征物种，从而提高了对外来入侵物种的识别准确性，多模态融合有助于减少受环境条件影响而产生的误判。

主权项：1.应用于野外生态湿地的浮岛式监测系统，其特征在于：包括浮岛监测单元（1），所述浮岛监测单元（1）用于监测和记录湿地生态环境与物种的生态行为，且所述浮岛监测单元（1）包括多路监测模块和视频监测模块；其中，所述多路监测模块用于收集并记录湿地环境参数；所述视频监测模块用于记录物种的行为活动，并进行物种识别与分析，并提供外来物种入侵预警，所述视频监测模块包括物种识别模块、物种分类模块和异常预警模块；存储单元（2），所述存储单元（2）用于存储监测数据和水禽物种信息，其中，所述存储单元（2）包括本地存储模块和云端存储模块；无线传输单元（3），所述无线传输单元（3）用于将分布在不同位置的浮岛监测单元（1）进行无线连接，并在监测点之间构建无线局域网，用户通过在局域网内访问云端存储模块来读取监测数据；供电单元（4），所述供电单元（4）用于为浮岛监测单元（1）和无线传输单元（3）供电；所述物种识别模块用于对监测区域的水禽物种进行实时监控，物种识别模块基于图像处理与机器学习融合算法，识别并区分物种与其他水禽种类，由物种分类模块在其他水禽种类中进一步识别出外来入侵物种，并由异常预警模块并及时发出警报；所述物种识别模块识别并区分物种与外来入侵物种的具体步骤为：S1.1、将通过物种识别模块捕获的湿地水禽的图像数据进行预处理；S1.2、采用图像处理技术提取图像数据中的轮廓特征、纹理特征和关键点信息，其中，关键点信息包括喙部、头部形状和体型特征信息；S1.3、使用存储单元（2）中保存的水禽物种信息，对基于多模态融合算法的机器学习模型进行训练，并根据实时图像数据，由训练好的机器学习模型识别并区分物种与其他水禽种类；S1.4、通过物种分类模块从其他水禽种类中识别出外来入侵天敌物种；S1.5、当物种分类模块识别到外来入侵天敌物种后，异常预警模块及时发出警报，将预警信息发送至监控中心；所述S1.2中，图像处理技术涉及的具体步骤为：S1.21、通过Canny算法获取图像数据中的轮廓信息；S1.22、采用灰度共生矩阵算法提取图像中的羽毛纹理特征；S1.23、利用SIFT算法提取喙部、头部形状和体型特征信息；所述S1.3中，机器学习模型具体为：已知特征向量，并将湿地环境参数E纳入特征向量中，形成多模态特征向量，则多模态特征向量，其中，特征向量X包括轮廓特征C、纹理特征D、喙部特征B、头部形状特征H和体型特征S，将多模态特征向量映射到对应的物种标签Y，其中，物种为，其他水禽种类为；样本被分类为物种的概率为： ；样本被分类为其他水禽种类的概率为： ；式中，表示为物种的概率；表示为其他水禽种类的概率；表示物种的权重向量；表示其他水禽种类的权重向量；表示是向量与特征向量的内积；表示是向量与特征向量的内积；表示sigmoid函数；表示向量的转置操作；表示物种的偏置项；表示其他水禽种类的偏置项；所述S1.4中，物种分类模块识别外来入侵天敌物种的具体步骤为：S1.41、根据存储单元（2）中保存的外来物种数据库和特征标签，构建物种天敌数据集，并基于上述步骤S1.2中的图像处理技术，提取物种天敌的特征向量和湿地环境参数中，形成多模态特征向量，则多模态特征向量，其中，特征向量包括轮廓特征、纹理特征、喙部特征、头部形状特征和体型特征；S1.42、将物种天敌的数据集作为训练集，训练并优化上述步骤S1.3中机器学习模型的权重参数；S1.43、通过训练好的机器学习模型对外来入侵物种潜在天敌的图像样本进行识别；S1.44、采用逻辑回归分类器对上述步骤S1.43中机器学习模型输出的结果进行分类，并与数据库中标记的物种天敌的特征标签进行对比，判定该物种是否为外来入侵天敌；所述S1.43中，样本被分类为外来入侵天敌物种的概率为： ；式中，表示为外来入侵天敌物种的概率；表示外来入侵天敌物种的权重向量；表示其他水禽种类的权重向量；表示是向量与特征向量的内积；表示外来入侵天敌物种的偏置项；所述S1.44中，判定该物种是否为外来入侵天敌的具体方法为：设置分类阈值，将得到的外来入侵天敌物种的概率与分类阈值进行对比，得到： ；若，则判定为外来入侵天敌物种；若，则判定为非外来入侵天敌物种；当若时，将对应的特征向量与数据库中标记的物种天敌的特征标签，基于特征匹配确定该物种是否为外来入侵天敌。

全文数据：

权利要求：

百度查询： 山东世融信息科技有限公司 应用于野外生态湿地的浮岛式监测系统

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