【技術實現步驟摘要】
本專利技術涉及圖像檢測領域，尤其涉及一種多維數據的蝦群健康自動評估方法。
技術介紹
1、隨著科技的進步，深度學習技術被用于對蝦類進行形態測量和健康評估，這有助于優化飼養、預測收獲產量、確定選擇性育種所需的性狀、分級過程以及監測蝦群的健康狀況。這項技術通過數字成像和訓練預測模型，能夠快速準確地獲取水產養殖物種的表型數據，這些技術的發展和應用為多維數據的蝦群健康自動評估方法提供了技術基礎和實現途徑，使得蝦群健康評估更加科學、準確和高效。
2、中國專利申請公開號：cn103761565a公開了一種基于計算機視覺的水下魚蝦蟹苗數量估計與行為監測裝置及方法，特點包括帶動視頻采集裝置在育苗池中全方位、不同水層采樣的雙向卷揚機與電機、用于承載電機的浮子，用于采集幼苗視頻的視頻采集裝置，步驟如下：將視頻采集裝置放置在水中，分別由雙向卷揚機與電機帶動在育苗池中采集幼苗視頻，將采集到的不同水層不同方位的幼苗圖像，運用圖像處理技術估計整個育苗池中幼苗的數目和密度；打開光誘光源，將拍攝到的視頻運用圖像處理技術計算出目標的游泳速度和群心坐標來反應幼苗的運動能力和光誘能力，優點是具有結構簡單、監測范圍廣、使用便利、準確度高的特點，適合于自動化水產養殖苗期生物數量估計和行為監測。
3、中國專利申請公開號：cn119096931a?公開了一種基于神經網絡的水產養殖智能化增氧裝置，采用低能耗和高效率技術顯著提升水體溶氧量，促進水生動物如蝦、蟹和魚群的健康生長。該裝置適用于小至中大型養殖塘環境，通過智能控制系統調節鼓風機頻率來自適應調節水體
4、但是，上述方法存在以下問題：無法通過監測某一變量，直觀地對待監測目標的健康情況進行評估。
技術實現思路
1、為此，本專利技術提供一種多維數據的蝦群健康自動評估方法，用以克服現有技術中的無法通過監測某一變量，直觀地對待監測目標的健康情況進行評估的問題。
2、為實現上述目的，本專利技術提供一種多維數據的蝦群健康自動評估方法，包括：
3、在水中抽樣所得的待監測蝦群的中心位置正上方設置主監測器，并在所述主監測器兩側等間距對稱設置若干輔助監測器，形成輔助監測集群；
4、所述主監測器和所述輔助監測器對所述待監測蝦群進行拍攝，形成對應的健康評估圖像，其中，
5、所述健康評估圖像包括所述主監測器拍攝的主評估圖像和所述輔助監測器拍攝的輔助評估圖像；
6、將所述健康評估圖像按照拍攝時間順序進行編號；
7、對所述健康評估圖像進行預學習，并生成對應的評估預數據；
8、健康學習模型對所述主評估預數據進行學習，以生成氣泡數量變化圖，并將所述氣泡數量變化圖與數量閾值進行比較，并根據比較結果生成對應的健康評估結果；
9、所述健康評估結果未合格時，所述健康學習模型對所述輔助評估預數據進行學習，以生成輔助判斷圖，將所述氣泡數量變化圖和所述輔助判斷圖按預設比例進行加權平均值計算，生成對應的評估均值；
10、將所述評估均值與所述數量閾值進行比較，并生成健康評估最終結果；
11、其中，所述評估預數據包括所述主評估圖像對應的主評估預數據和所述輔助評估圖像對應的輔助評估預數據；
12、所述健康學習模型根據若干評估預數據形成的訓練集進行訓練生成。
13、進一步地，設置監測器的步驟包括：
14、將所述主監測器設置于所述待監測蝦群的正上方；
15、以所述主監測器為中心，兩側間隔預設間距設置若干輔助監測器；
16、將所述主監測器和所述輔助監測器調整為預設分辨率，其中，
17、所述預設分辨率與所述待監測蝦群的密度有關。
18、進一步地，拍攝健康評估圖像的步驟包括：
19、服務器連接到所述主監測器和所述輔助監測器時，發送拍攝指令；
20、所述主監測器和所述輔助監測器對所述待監測蝦群進行拍攝，獲得對應的健康評估圖像；
21、將所述健康評估圖像按照對應的拍攝時間順序進行編號；
22、其中，所述主監測器和所述輔助監測器中設置有可調節角度的攝像頭；
23、所述輔助監測器的角度對準所述待監測蝦群。
24、進一步地，對健康評估圖像進行預學習的步驟包括：
25、預學習器對所述健康評估圖像進行像素過濾，并形成對應的評估過濾信息；
26、選取所述評估過濾信息的若干特異點；
27、對所述評估過濾信息進行標準化處理，并生成對應的評估預數據；
28、其中，所述預學習器中設置有像素閾值；
29、所述特異點包括所述評估過濾信息的像素大小、氣泡尺寸大小和/或氣泡密度；
30、所述標準化處理為將所述評估過濾信息按標準學習率進行分割；
31、所述標準學習率為所述健康學習模型能夠識別的學習率，其與所述健康評估圖像的像素成反比，像素越高對應的標準學習率越低，且對于單次學習，對應的標準學習率為單個學習率。
32、進一步地，預學習器對健康評估圖像進行像素過濾的步驟包括：
33、所述預學習器獲取所述健康評估圖像的像素信息；
34、將所述像素信息與所述像素閾值進行比較；
35、其中，當所述像素信息大于所述像素閾值時，保留所述健康評估圖像，當所述像素信息小于所述像素閾值時，將所述健康評估圖像過濾。
36、進一步地，健康學習模型對主評估預數據進行學習的步驟包括：
37、將所述健康學習模型的學習率調整為所述標準學習率；
38、將所述主評估預數據傳入所述健康學習模型；
39、所述健康學習模型對所述主評估預數據進行學習，并得出對應的氣泡數量變化圖。
40、進一步地，將所述氣泡數量變化圖的數值與所述數量閾值比較，
41、其中，當所述氣泡數量變化圖的數值大于所述數量閾值時，將所述健康評估結果標記為合格并進行輸出；
42、當所述氣泡數量變化圖的數值小于所述數量閾值時，將所述健康評估結果標記為未合格，并將所述輔助評估預數據傳入所述健康學習模型進行學習。
43、進一步地，所述健康學習模型生成對應的輔助判斷圖，統計相同時刻下，所述氣泡數量變化圖和所述輔助判斷圖在預設比例下的加權平均值，并將所述加權平均值作為評估均值進行輸出。
44、進一步地，將所述評估均值與所述數量閾值進行比較，
45、其中，當所述評估均值大于所述數量閾值時本文檔來自技高網...
【技術保護點】
1.一種多維數據的蝦群健康自動評估方法，其特征在于，包括：
2.根據權利要求1所述的多維數據的蝦群健康自動評估方法，其特征在于，設置監測器的步驟包括：
3.根據權利要求2所述的多維數據的蝦群健康自動評估方法，其特征在于，拍攝健康評估圖像的步驟包括：
4.根據權利要求3所述的多維數據的蝦群健康自動評估方法，其特征在于，對健康評估圖像進行預學習的步驟包括：
5.根據權利要求4所述的多維數據的蝦群健康自動評估方法，其特征在于，預學習器對健康評估圖像進行像素過濾的步驟包括：
6.根據權利要求5所述的多維數據的蝦群健康自動評估方法，其特征在于，健康學習模型對主評估預數據進行學習的步驟包括：
7.根據權利要求6所述的多維數據的蝦群健康自動評估方法，其特征在于，將所述氣泡數量變化圖的數值與所述數量閾值比較，
8.根據權利要求7所述的多維數據的蝦群健康自動評估方法，其特征在于，所述健康學習模型生成對應的輔助判斷圖，統計相同時刻下，所述氣泡數量變化圖和所述輔助判斷圖在預設比例下的加權平均值，并將所述加權平均值作為評
9.根據權利要求8所述的多維數據的蝦群健康自動評估方法，其特征在于，將所述評估均值與所述數量閾值進行比較，
10.根據權利要求9所述的多維數據的蝦群健康自動評估方法，其特征在于，當所述評估均值小于所述數量閾值時，將所述健康評估最終結果標記為未合格，服務器獲取所述氣泡數量變化圖并計算對應的放養密度，并根據所述待監測蝦群對應品種的適宜密度對所述放養密度進行調節。
...【技術特征摘要】
1.一種多維數據的蝦群健康自動評估方法，其特征在于，包括：
2.根據權利要求1所述的多維數據的蝦群健康自動評估方法，其特征在于，設置監測器的步驟包括：
3.根據權利要求2所述的多維數據的蝦群健康自動評估方法，其特征在于，拍攝健康評估圖像的步驟包括：
4.根據權利要求3所述的多維數據的蝦群健康自動評估方法，其特征在于，對健康評估圖像進行預學習的步驟包括：
5.根據權利要求4所述的多維數據的蝦群健康自動評估方法，其特征在于，預學習器對健康評估圖像進行像素過濾的步驟包括：
6.根據權利要求5所述的多維數據的蝦群健康自動評估方法，其特征在于，健康學習模型對主評估預數據進行學習的步驟包括：
7.根據權利要求6所述的多維數據的蝦群...
【專利技術屬性】
技術研發人員：黃灼，邢雁，黃錫雄，劉琰，
申請(專利權)人：廣州機智云物聯網科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。