The invention discloses a method, the estimated number of extended Calman filter combined with nearest neighbor clustering algorithm based on fish swarm which comprises the following steps: (1) fixed frequency sonar identification; (2) underwater detection by moving out of the way, and obtain the acoustic data; (3) data processing, and using the extended Calman filter with the recent neighbor clustering algorithm statistical fish number; (4) calculating sweep water volume, calculate the fish density; (5) according to the known water storage capacity, estimated the number of fish in the water. The invention uses dual frequency sonar underwater acoustic emission recognition principle, obstacle return acoustic signals, by receiving the echo signal, and signal processing, to obtain information of fish under water, so as to estimate the number of fish, which is simple, efficient and does not damage the fish resources and other advantages, and the ratio of the target strength of traditional use the integral method has higher accuracy, it provides a new way for the evaluation of fishery resources.
【技术实现步骤摘要】
基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法
本专利技术属于渔业资源评估
,尤其涉及一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法。
技术介绍
渔业资源评估是现代渔业开发过程中的重要环节,其中鱼群数量统计是渔业资源评估最基本的要求。传统方法主要依靠采样捕捞,这对鱼类资源本身具有损害;或者采用计量鱼探仪,利用回波积分法或回波计数法进行量测,这只能粗略估算鱼群数量,误差较大。现代社会对渔业资源的质量和产量提高、有效保护海洋生态系统,实现海洋资源的可持续发展提出了更高要求。例如应运而生的海洋牧场,就是传统捕捞和养殖方式向增殖和管理利用方式转变的一种现代渔业形式。在这样的情况下,如何快速准确,又不需要大量人力、物力消耗地高精度鱼群数量估计成为目前急需解决的问题。
技术实现思路
本专利技术的目的是针对上述不足,提供一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法。为了达到上述目的,本专利技术所采用的技术方案如下:基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法,包括以下步骤:(1)将双频识别声呐固定在调查船的船舷外侧或船底,并将其朝下浸没于水中,将姿态传感器固定在调查船上;(2)将双频识别声呐通过网线与上位机相连,上位机实时获取走航时的声学数据,同时将姿态传感器接入上位机,上位机获取当前时刻调查船的姿态信息;(3)对步骤(2)获得的声学数据进行图像构建及图像预处理,得到处理后的声学图像,通过目标检测算法识别图像中的鱼体目标,再通过扩展卡尔曼滤波结合最近邻聚类算法进行目标关联与跟踪,并统计声学图像中的鱼体数量;(4)将GPS接入 ...
【技术保护点】
一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法,其特征在于,包括以下步骤:(1)将双频识别声呐固定在调查船的船舷外侧或船底,并将其朝下浸没于水中,将姿态传感器固定在调查船上。(2)将双频识别声呐通过网线与上位机相连,上位机实时获取走航时的声学数据,同时将姿态传感器接入上位机,上位机获取当前时刻调查船的姿态信息。(3)对步骤(2)获得的声学数据进行图像构建及图像预处理,得到处理后的声学图像,通过目标检测算法识别图像中的鱼体目标,再通过扩展卡尔曼滤波结合最近邻聚类算法进行目标关联与跟踪,并统计声学图像中的鱼体数量。(4)将GPS接入上位机,上位机记录下探测航迹,并结合双频识别声呐的探测范围,得到双频识别声呐扫过水体的体积,将步骤(3)获得的目标数量除以双频识别声呐扫过水体的体积,得到鱼群密度。(5)根据已知水域的蓄水量,乘上步骤(4)中的鱼群密度,得到整个水域中鱼体数量。
【技术特征摘要】
1.一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法,其特征在于,包括以下步骤:(1)将双频识别声呐固定在调查船的船舷外侧或船底,并将其朝下浸没于水中,将姿态传感器固定在调查船上。(2)将双频识别声呐通过网线与上位机相连,上位机实时获取走航时的声学数据,同时将姿态传感器接入上位机,上位机获取当前时刻调查船的姿态信息。(3)对步骤(2)获得的声学数据进行图像构建及图像预处理,得到处理后的声学图像,通过目标检测算法识别图像中的鱼体目标,再通过扩展卡尔曼滤波结合最近邻聚类算法进行目标关联与跟踪,并统计声学图像中的鱼体数量。(4)将GPS接入上位机,上位机记录下探测航迹,并结合双频识别声呐的探测范围,得到双频识别声呐扫过水体的体积,将步骤(3)获得的目标数量除以双频识别声呐扫过水体的体积,得到鱼群密度。(5)根据已知水域的蓄水量,乘上步骤(4)中的鱼群密度,得到整个水域中鱼体数量。2.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法,其特征在于,所述声学数据由多帧数据组成,每一帧数据代表一幅矩形声学图像。3.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法,其特征在于,所述双频识别声呐布置于水面附近,深度不超过1米。4.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法,其特征在于,所述双频识别声呐波束探测方向与水面夹角选取0°至90°之间任意角度。5.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法,其特征在于,所述调查船的航速不大于6节。6.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法,其特征在于,所述步骤(3)具体为:(3.1)根据笛卡尔坐标系到极坐标系的坐标转换关系,将权利要求2中的矩形声学图像转换成扇形图,并通过插值将扇形图填充完整;(3.2)将(3.1)得到的扇形图像进行线性拉伸处理;(3.3)利用图像差分原理,将拉伸后的图像中的背景去除,留下图像中的有效目标,即水中的鱼体;(3.4)利用扩展卡尔曼滤波结合最近邻聚类算法对图像中的有效目标进行关联、跟踪处理,统计目标个数;(3.5)将拉伸后的图像进行实时显示,并用不同颜色将每一个目标的轨迹显示出来。7.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法,其特征在于,所述步骤(3.4)具体为:(3.4.1)首先定义观测量为其中r是声纳图像中有效目标相对于扇形对应的圆心的观测距离,α是对应的观测角度,系统的量测方程:其中δr为距离值量测误差,δα为角度量测误差,(x,y)是有效目标在声纳图像中的位...
【专利技术属性】
技术研发人员:韩军,荆丹翔,王杰英,杜鹏飞,章旻昊,任佳,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。