巡塘方法和装置制造方法及图纸

本发明专利技术实施例提供一种巡塘方法和装置。其中，巡塘方法包括：获取待巡查池塘的水面图像；将水面图像输入至检测模型，获取检测模型输出的水面图像中指标水产动物的数量；将指标水产动物的数量与预先确定的数量阈值进行比较，根据比较的结果确定待巡查池塘的巡查结果。本发明专利技术实施例提供的巡塘方法和装置，通过将待巡查池塘的水面图像输入检测模型，获得指标水产动物的数量，并根据指标水产动物的数量确定待巡查池塘的巡查结果，能自动生成待巡查池塘的巡查结果，能减少省渔民巡塘次数、节省大量人工、减少养殖成本。

【技术实现步骤摘要】
巡塘方法和装置
本专利技术实施例涉及图像处理
，尤其涉及一种巡塘方法和装置。
技术介绍
水产养殖是农业生产的重要组成部分。传统的渔业养殖过程中，为了及时了解池塘的中池鱼的生长状况、避免过度浮头和泛塘，渔民每天通常会进行至少三次巡塘。巡塘是对养鱼工作的综合检查，通过巡塘可全面了解和掌握池、鱼状况和生产情况，使渔民能做到心中有数。通过巡塘可以将每个池塘每天的投饵、肥水、水温、气温、溶解氧、ph值的测定，注水、增氧等日常工作都应做好记录。通过巡塘，更有利于积累材料，分析问题，总结经验，提高养鱼效率。巡塘可以观察到池塘中的水质变化及养殖的鱼类和虾蟹类的活动情况，特别是清晨或傍晚，鱼类和虾蟹类不能维持正常呼吸活动，而被迫浮到水面张口吸气，这就是俗称的“浮头”，重则“泛塘”如不能及时发现并采取措施抢救，鱼类和虾蟹类就会因窒息而死亡，造成严重损失。现有水产养殖中，巡塘由渔民人工完成，巡塘效率较低。渔民每天通常会进行多次巡塘，大量人工用于巡塘，导致浪费大量人工、增加养殖成本。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供巡塘方法和装置。第一方面，本专利技术实施例提供一种巡塘方法，包括：获取待巡查池塘的水面图像；将所述水面图像输入至检测模型，获取所述检测模型输出的所述水面图像中指标水产动物的数量；将所述指标水产动物的数量与预先确定的数量阈值进行比较，根据比较的结果确定待巡查池塘的巡查结果；其中，所述检测模型是基于池塘水面样本的样本图像以及样本图像中指标水产动物的标签进行训练后得到的；所述指标水产动物的标签是根据所述样本图像预先确定的。第二方面，本专利技术实施例提供一种巡塘装置，包括：图像获取模块，用于获取待巡查池塘的水面图像；分类计数模块，用于将所述水面图像输入至检测模型，获取所述检测模型输出的所述水面图像中指标水产动物的数量；巡塘预警模块，用于将所述指标水产动物的数量与预先确定的数量阈值进行比较，根据比较的结果确定待巡查池塘的巡查结果；其中，所述检测模型是基于池塘水面样本的样本图像以及样本图像中指标水产动物的标签进行训练后得到的；所述指标水产动物的标签是根据所述样本图像预先确定的。第三方面，本专利技术实施例提供一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的巡塘方法。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的巡塘方法。本专利技术实施例提供的巡塘方法和装置，通过将待巡查池塘的水面图像输入检测模型，获得指标水产动物的数量，并根据指标水产动物的数量确定待巡查池塘的巡查结果，能自动生成待巡查池塘的巡查结果，能减少省渔民巡塘次数、节省大量人工、减少养殖成本，从而为增加渔民的收入提供技术支撑。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为根据本专利技术实施例提供的巡塘方法的流程示意图；图2为根据本专利技术实施例提供的巡塘装置的功能框图；图3为根据本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为了克服现有技术的上述问题，本专利技术实施例提供一种巡塘方法，其专利技术构思是，通过图像采集设备(例如摄像头)自动采集池塘的水面图像，对采集的水面图像进行处理，获得水面图像中指标水产动物的数量，并根据水面图像中指标水产动物的数量确定巡塘结果。图1为根据本专利技术实施例提供的巡塘方法的流程示意图。如图1所示，一种巡塘方法包括：步骤S101、获取待巡查池塘的水面图像。需要说明的是，本专利技术实施例提供的巡塘方法适用于对养殖水产动物的池塘的巡查。养殖水产动物的池塘，可以为鱼类、虾类、蟹类或其他类的水产动物。例如，对养殖鱼类的池塘(即鱼塘)的巡塘。具体地，当需要对待巡查池塘进行巡查时，通过固定的或可移动的图像采集设备对待巡查池塘的水面进行拍照后，根据拍照获得的图像数据，可以获取待巡查池塘的水面图像。步骤S102、将水面图像输入至检测模型，获取检测模型输出的水面图像中指标水产动物的数量；其中，检测模型是基于池塘水面样本的样本图像以及样本图像中指标水产动物的标签进行训练后得到的；指标水产动物的标签是根据样本图像预先确定的。可以理解的是，步骤S102之前，基于池塘水面样本的样本图像以及样本图像中指标水产动物的标签进行训练，可以得到检测模型。池塘水面样本，指用于对检测模型进行训练的池塘在不同时刻的水面。通过对池塘水面样本进行拍照，可以获得池塘水面样本的样本图像。池塘水面样本对应的池塘中养殖的水产动物，与待巡查池塘中养殖的水产动物的种类相同。例如，二者中养殖的均为鱼类、或均为虾类，或均为蟹类。获得池塘水面样本的样本图像后，对于每一池塘水面样本的样本图像，对样本图像中的各指标水产动物均进行标注，为每一指标水产动物标注预先确定的标签。对于每一类型的指标水产动物，标注该类型对应的标签。指标水产动物，指能够表征池塘的状态的水产动物。例如，浮头是水产动物缺氧的标志，因此，浮头的水产动物，可以表征池塘中溶解氧的状态，从而反映池塘的状态对水产动物是否合适，即可以将浮头的水产动物作为指标水产动物。由于涉及对图像进行处理和目标检测，检测模型可以是基于卷积神经网络(ConvolutionalNeuralNetwork，简称CNN)以及改进的卷积神经网络建立的模型。改进的卷积神经网络至少包括RCNN(RegionwithCNNfeature)、Fast-RCNN、Faster-RCNN或MobileNet，本专利技术实施例对此不作具体限制。由于CNN的特征检测网络通过训练数据进行学习，所以在使用基于CNN以及改进的CNN建立原始模型时，避免了显式的特征抽取，而隐式地从训练数据中进行学习，将特征提取功能融合进检测模型中，使得检测模型能够直接用于处理基于图像的目标检测。MobileNet是一种轻量级的卷积神经网络，尤其适用于在处理能力有限的硬件上运行，从而能减少数据的处理时间，更快地获得待巡查池塘的水面图像中指标水产动物的数量。将已经为指标水产动物标注了预先确定的标签的样本图像作为训练数据。建立原始模型后，基于训练数据对原始模型进行训练，从而得到检测模型。训练时，将已经为指标水产动物标注了预先确定的标签的样本图像输入原始模型，根据原始模型的输出确定损失误差；根据损失误差更新原始模型的参数，原始模型的参数包括卷积核的参数和神经元的偏置；将训练数据输入参数更新后的原始模型，进本文档来自技高网...

【技术保护点】
1.一种巡塘方法，其特征在于，包括：获取待巡查池塘的水面图像；将所述水面图像输入至检测模型，获取所述检测模型输出的所述水面图像中指标水产动物的数量；将所述指标水产动物的数量与预先确定的数量阈值进行比较，根据比较的结果确定待巡查池塘的巡查结果；其中，所述检测模型是基于池塘水面样本的样本图像以及样本图像中指标水产动物的标签进行训练后得到的；所述指标水产动物的标签是根据所述样本图像预先确定的。

【技术特征摘要】
1.一种巡塘方法，其特征在于，包括：获取待巡查池塘的水面图像；将所述水面图像输入至检测模型，获取所述检测模型输出的所述水面图像中指标水产动物的数量；将所述指标水产动物的数量与预先确定的数量阈值进行比较，根据比较的结果确定待巡查池塘的巡查结果；其中，所述检测模型是基于池塘水面样本的样本图像以及样本图像中指标水产动物的标签进行训练后得到的；所述指标水产动物的标签是根据所述样本图像预先确定的。2.根据权利要求1所述的方法，其特征在于，所述指标水产动物包括：浮头的水产动物和/或死亡的水产动物。3.根据权利要求1所述的方法，其特征在于，所述获取待巡查池塘的水面图像的具体步骤包括：获取待巡查池塘的水面的原始图像数据，对所述原始图像数据进行去噪和二值化处理，获得所述待巡查池塘的水面图像。4.根据权利要求3所述的方法，其特征在于，所述获取待巡查池塘的水面的原始图像数据的具体步骤包括：获取待巡查池塘水面各区域的图像数据，将采集的待巡查池塘水面各区域的图像数据进行图像拼接，获得待巡查池塘的水面的原始图像数据。5.根据权利要求4所述的方法，其特征在于，所述待巡查池塘水面各区域的图像数据是通过设置于无人机上的图像采集设备采集的。6.根据权利要求1所述的方法，其特征在于，所述将所述水面图像输入至检测模型，输出所述水面图像中指标水产动物的数量的具体步骤包括：将所述水面图像...

【专利技术属性】
技术研发人员：孙龙清，罗冰，刘岩，邹远炳，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11