【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及水產(chǎn)養(yǎng)殖，更具體地，涉及一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法及系統(tǒng)。
技術(shù)介紹
1、鱘魚是一種高經(jīng)濟價值的水產(chǎn)養(yǎng)殖品種，其魚子醬在國際市場上備受青睞。然而，鱘魚養(yǎng)殖過程中面臨諸多挑戰(zhàn)，其中最為突出的就是魚類疾病難以及時發(fā)現(xiàn)和處理的問題。傳統(tǒng)的鱘魚養(yǎng)殖監(jiān)測方法主要依賴人工巡查，存在以下缺點：
2、1)監(jiān)測頻率低：人工巡查通常每天進行有限次數(shù)，難以實現(xiàn)全天候監(jiān)控；
3、2)觀察范圍有限：養(yǎng)殖池的水深通常在1.5米左右，人眼難以全面觀察到水下情況；
4、3)主觀性強：不同工作人員的經(jīng)驗和判斷標準可能存在差異，導致監(jiān)測結(jié)果不一致；
5、4)反應(yīng)滯后：當肉眼可見魚類異常時，疾病可能已經(jīng)發(fā)展到較嚴重階段；
6、5)數(shù)據(jù)記錄和分析困難：人工監(jiān)測難以形成系統(tǒng)性的數(shù)據(jù)積累和分析。
7、目前已經(jīng)出現(xiàn)了一些智能化養(yǎng)殖系統(tǒng)，在某些方面提高了水產(chǎn)養(yǎng)殖的監(jiān)測能力，例如，現(xiàn)有的專利文件中公開了一種水產(chǎn)養(yǎng)殖監(jiān)測系統(tǒng)，包括在要監(jiān)測的水池中設(shè)置池水收集器，池水收集器中設(shè)置有水質(zhì)采集裝置，在水質(zhì)采集裝置中設(shè)有傳感器模塊，傳感器模塊用來監(jiān)測水的溫度，水的含氧量，水的ph值，水的溶氧度，傳感器通過控制模塊與微處理器連接，微處理器設(shè)置在監(jiān)控基站上，同時監(jiān)控基站上連接有輸出裝置顯示儀，命令輸入裝置鍵盤，數(shù)據(jù)存儲裝置和供電電源，微處理器接收和傳達控制模塊的命令，同時微處理器連接有排污裝置，水泵，輸氧設(shè)備，水溫調(diào)節(jié)裝置，攝像頭，報警模塊，排水閥門，鹽度調(diào)節(jié)裝置，然而該系統(tǒng)通過水質(zhì)傳感器、
8、除此之外，現(xiàn)有的智能化養(yǎng)殖系統(tǒng)仍存在以下不足：
9、1)數(shù)據(jù)源單一：大多數(shù)系統(tǒng)僅依賴單一類型的傳感器數(shù)據(jù)，難以全面反映魚類健康狀況；
10、2)智能分析能力不足：缺乏對多源數(shù)據(jù)的融合分析，無法充分利用各類數(shù)據(jù)的互補性；
11、3)針對性不強：大多為通用水產(chǎn)養(yǎng)殖監(jiān)測系統(tǒng)，未針對鱘魚的特性進行優(yōu)化，監(jiān)測精度不高；
12、4)人機交互不便：管理人員難以隨時隨地獲取監(jiān)測信息和進行遠程操作。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)為克服上述現(xiàn)有技術(shù)中人工監(jiān)測的效率、實時性不高且主觀性較強，智能監(jiān)測系統(tǒng)數(shù)據(jù)源單一、監(jiān)測精度不高且不全面的缺陷，提供一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法及系統(tǒng)，能夠全面、智能、實時地監(jiān)測鱘魚的健康狀況，以提高養(yǎng)殖效率，減少經(jīng)濟損失。
2、為解決上述技術(shù)問題，本專利技術(shù)的技術(shù)方案如下：
3、一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，包括以下步驟：
4、s1：實時同步采集鱘魚養(yǎng)殖池的水下圖像數(shù)據(jù)和紅外熱像數(shù)據(jù)，并分別進行預(yù)處理；
5、s2：將所述預(yù)處理后的水下圖像數(shù)據(jù)輸入預(yù)先訓練好的魚體檢測模型中，定位每張圖像中的所有鱘魚，獲取鱘魚位置信息，并根據(jù)所述鱘魚位置信息搜索預(yù)處理后的紅外熱像數(shù)據(jù)中的鱘魚魚體；
6、s3：根據(jù)所述鱘魚位置信息對鱘魚進行行為分析，獲取鱘魚行為特征；所述行為分析包括：游動軌跡分析、游動速度分析、姿態(tài)分析和群體行為分析；
7、提取所述預(yù)處理后的紅外熱像數(shù)據(jù)中每條鱘魚的魚體溫度特征；
8、s4：將所述鱘魚行為特征和魚體溫度特征進行特征融合，獲取鱘魚融合特征；
9、s5：將所述鱘魚融合特征輸入預(yù)先訓練好的異常檢測模型中，獲取異常檢測結(jié)果，完成鱘魚健康的智能監(jiān)測。
10、優(yōu)選地，所述步驟s1中，對所述水下圖像數(shù)據(jù)進行以下操作，獲取預(yù)處理后的水下圖像數(shù)據(jù)：
11、圖像去噪：使用高斯濾波或中值濾波去除水下環(huán)境引起的噪點；
12、對比度增強：采用限制對比度自適應(yīng)直方圖均衡算法提高水下圖像數(shù)據(jù)的清晰度；
13、色彩校正：在水下圖像數(shù)據(jù)中選取參考白點，計算所述參考白點在紅、綠和藍三個顏色通道上的平均值，并分別與紅、綠和藍三個顏色通道預(yù)設(shè)的標準值進行比較，得到各個顏色通道的增益系數(shù)；利用紅、綠和藍三個顏色通道的增益系數(shù)對水下圖像數(shù)據(jù)進行白平衡調(diào)整；
14、對所述紅外熱像數(shù)據(jù)進行以下操作，獲取預(yù)處理后的紅外熱像數(shù)據(jù)：
15、圖像分割：將所述紅外熱像數(shù)據(jù)轉(zhuǎn)換為灰度圖，使用otus算法計算水面和魚體區(qū)域的分割閾值，根據(jù)分割閾值將所述灰度圖二值化，分離出水面和魚體區(qū)域。
16、優(yōu)選地，所述步驟s2中，魚體檢測模型具體為：yolov8目標檢測模型，所述鱘魚位置信息包括：鱘魚的魚體中心點坐標和魚體輪廓點。
17、優(yōu)選地，所述步驟s2中，根據(jù)所述鱘魚位置信息搜索預(yù)處理后的紅外熱像數(shù)據(jù)中的鱘魚魚體，包括以下步驟：
18、使用仿射變換建立水下圖像數(shù)據(jù)和紅外熱像數(shù)據(jù)之間的坐標系映射關(guān)系，表示為：
19、
20、其中，(xi,yi)為水下圖像數(shù)據(jù)坐標系中的第i個像素點坐標，(x′i,y′i)為紅外熱像數(shù)據(jù)坐標系中的對應(yīng)像素點坐標，(xi,yi)和(x′i,y′i)構(gòu)成一組像素點對；為線性變換矩陣，為平移矩陣；
21、利用n組像素點對構(gòu)建以下線性方程組：
22、
23、其中，n為正整數(shù)；
24、使用最小二乘法求解所構(gòu)建的線性方程組，得到線性變換矩陣和平移矩陣的計算結(jié)果；
25、根據(jù)所述計算結(jié)果將所述鱘魚位置信息映射至預(yù)處理后的紅外熱像數(shù)據(jù)中，在紅外熱像數(shù)據(jù)中形成若干個表示鱘魚位置的映射中心，分別以每個映射坐標為中心，設(shè)置搜索窗口，在所述搜索窗口內(nèi)尋找溫度高于預(yù)設(shè)值的連通區(qū)域，獲取對應(yīng)的鱘魚魚體。
26、優(yōu)選地，所述步驟s3中，提取每條鱘魚的魚體溫度特征包括：
27、在所述預(yù)處理后的紅外熱像數(shù)據(jù)中，對于每個定位到的鱘魚魚體區(qū)域，提取該區(qū)域內(nèi)所有像素點的溫度值，計算該區(qū)域內(nèi)所有像素點的溫度均值作為對應(yīng)鱘魚的魚體平均溫度，并進一步計算魚群中所有鱘魚的平均溫度和標準差；
28、根據(jù)每個時刻的魚體平均溫度，計算溫度變化率；
29、將所述魚體平均溫度和溫度變化率共同保存為鱘魚的魚體溫度特征。
30、優(yōu)選地，所述步驟s3中，游動軌跡分析包括：
31、基于上一時刻的魚體中心點位置，使用kalman濾波算法實時預(yù)測和更新下一時刻的魚體中心點位置，獲取一段時間內(nèi)的魚體中心點運動軌跡，并進一步獲取運動軌跡的長度、曲率和運動方向變化頻率，將運動軌跡的長度、曲率和運動方向變化頻率共同保存為游動軌跡特征，完成游動軌跡分析；
32、所述游動速度分析包括：
33、根據(jù)若干個時刻的魚體中心點坐標計算單位時間內(nèi)的魚體位移，并進一步計算鱘魚的瞬時速度，根據(jù)鱘魚的瞬時速度計算一段時間內(nèi)的平均速度，將平均速度保存為游動速度特征，完成游動速度分析；
34、所述姿態(tài)分析包括：
35、使用主成分分析方法計算魚體本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟S1中，對所述水下圖像數(shù)據(jù)進行以下操作，獲取預(yù)處理后的水下圖像數(shù)據(jù)：
3.根據(jù)權(quán)利要求1所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟S2中，魚體檢測模型具體為：YOLOv8目標檢測模型，所述鱘魚位置信息包括：鱘魚的魚體中心點坐標和魚體輪廓點。
4.根據(jù)權(quán)利要求1所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟S2中，根據(jù)所述鱘魚位置信息搜索預(yù)處理后的紅外熱像數(shù)據(jù)中的鱘魚魚體，包括以下步驟：
5.根據(jù)權(quán)利要求4所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟S3中，提取每條鱘魚的魚體溫度特征包括：
6.根據(jù)權(quán)利要求3所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟S3中，游動軌跡分析包括：
7.根據(jù)權(quán)利要求5和6所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法
8.根據(jù)權(quán)利要求7所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟S5中，異常檢測模型具體為多層LSTM神經(jīng)網(wǎng)絡(luò)模型；
9.根據(jù)權(quán)利要求8所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述訓練好的異常檢測模型基于以下規(guī)則判斷各特征指標是否異常：
10.一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測系統(tǒng)，應(yīng)用權(quán)利要求1～9任意一項中所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟s1中，對所述水下圖像數(shù)據(jù)進行以下操作，獲取預(yù)處理后的水下圖像數(shù)據(jù)：
3.根據(jù)權(quán)利要求1所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟s2中，魚體檢測模型具體為：yolov8目標檢測模型，所述鱘魚位置信息包括：鱘魚的魚體中心點坐標和魚體輪廓點。
4.根據(jù)權(quán)利要求1所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟s2中，根據(jù)所述鱘魚位置信息搜索預(yù)處理后的紅外熱像數(shù)據(jù)中的鱘魚魚體，包括以下步驟：
5.根據(jù)權(quán)利要求4所述的一種基于多源數(shù)據(jù)融合的鱘魚健康智能監(jiān)測方法，其特征在于，所述步驟s3中，提取每條鱘魚的魚體溫度特征包括：
...【專利技術(shù)屬性】
技術(shù)研發(fā)人員：何泰華，高溦，王宇林，伍尚鏗，賈書凝，張濤，陳瑤，溫宇，
申請(專利權(quán))人：廣東海洋大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。