首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种深远海网箱养殖鱼群数量测量方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国水产科学研究院南海水产研究所;江苏海洋大学;三亚热带水产研究院

摘要:本发明公开了一种深远海网箱养殖鱼群数量测量方法,包括:用全向声呐对目标网箱进行整体扫描,以转换为单次网箱扫描视频;训练得到鱼群识别模型;通过整体扫描和鱼群识别模型,得到目标单次网箱扫描视频的每一帧声呐扫描图像中每一条被识别鱼类的空间三维坐标;设置多个水层;对每一个水层的空间三维坐标进行密度聚类处理,以得到每一个水层的水层聚类估算鱼量;获得足够数量的神经网络训练数据;训练得到网箱总鱼量拟合模型;在目标时间,通过步骤三至步骤五和网箱总鱼量拟合模型,输出目标网箱的网箱总鱼量测量值。本发明能够用全向声呐以较为简单快速的数据采集方式,实现对目标网箱内网箱总鱼量的测量,具有较高的测量准确率。

主权项:1.一种深远海网箱养殖鱼群数量测量方法,其特征在于,包括:步骤一、将全向声呐1置于目标网箱2内,并带动全向声呐1沿竖直方向在水面2a与网箱底面2b之间匀速移动,以在移动过程中通过全向声呐1对目标网箱2进行一次整体扫描;并且,将全向声呐1进行一次整体扫描输出的数据,通过全向声呐1的配套软件进行回放,以转换为单次网箱扫描视频,将该单次网箱扫描视频的视频帧记为声呐扫描图像;步骤二、按照步骤一对目标网箱2进行多次整体扫描,获得足够数量的单次网箱扫描视频作为训练数据,以通过深度学习模型训练得到鱼群识别模型,该鱼群识别模型能够识别单次网箱扫描视频的每一帧声呐扫描图像中每一条被识别鱼类的位置;步骤三、按照步骤一对目标网箱2进行一次整体扫描,以获得目标单次网箱扫描视频,并用鱼群识别模型识别该目标单次网箱扫描视频的每一帧声呐扫描图像中每一条被识别鱼类的位置;并且,从鱼群识别模型的识别结果中,提取并转换得到目标单次网箱扫描视频的每一帧声呐扫描图像中每一条被识别鱼类的空间三维坐标x,y,d,其中,x和y分别表示被识别鱼类在被识别时刻的水平面横坐标和水平面纵坐标,d表示被识别鱼类在被识别时刻的水深;步骤四、从水面开始,按照预设的水深间隔△d设置多个水层,且相邻两个水层具有预设的水深重叠间隔δd,即:dmax-dmin=△d,d1max-d2min=δd,dmax和dmin分别表示任意一个水层的水深最大值和水深最小值,d1max和d2min分别表示相邻两个水层中的上一个水层的水深最大值和下一个水层的水深最小值;并且,按照水深d,将步骤三得到的每一个被识别鱼类的空间三维坐标x,y,d分别归属到相应的水层中;步骤五、对于每一个所述水层,均对归属于水层的空间三维坐标x,y,d进行密度聚类处理,以得到每一个水层的聚类簇;并且,统计每一个所述水层的聚类簇数量,记为水层聚类估算鱼量;步骤六、在不同的测试条件下,分别执行步骤三至步骤五,以获得足够数量的神经网络训练数据;其中,所述测试条件包含以下条件中的至少一个:条件一、将不同数量的鱼投放于目标网箱2内,也即:目标网箱2内包含不同的网箱实际投放鱼量;条件二、在步骤五的密度聚类处理中设置不同的聚类半径;步骤七、采用步骤六获得的神经网络训练数据,以通过步骤三至步骤五计算得到的多个水层的水层聚类估算鱼量作为输入,以网箱实际投放鱼量作为输出,对神经网络进行训练,以得到网箱总鱼量拟合模型;步骤八、在目标时间,先按照步骤三至步骤五计算得到多个水层的水层聚类估算鱼量,再将计算得到的多个水层的水层聚类估算鱼量输入所述网箱总鱼量拟合模型,以输出目标网箱2的网箱总鱼量测量值。

全文数据:

权利要求:

百度查询: 中国水产科学研究院南海水产研究所 江苏海洋大学 三亚热带水产研究院 一种深远海网箱养殖鱼群数量测量方法

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。