一种鱼群监测方法技术

本发明专利技术公开了一种鱼群监测方法，该方法包括：（1）获取异常鱼的图片，分类并进行标引；（2）得到按照位置分类的异常图像训练集合；（3）根据异常图像训练集合得到深度学习的神经网络；（4）视频识别水下鱼群；（5）根据识别结果打捞鱼群。本发明专利技术提供了一种鱼群监测方法，通过大数据以及视频采集实现鱼异常状况的判断，并根据采集的GPS、水压、时间得到具体异常鱼出现的信息，进而使得养殖人员能够及时将异常鱼打捞出来，避免对水域的污染，提高产量。

【技术实现步骤摘要】
一种鱼群监测方法
本专利技术涉及一种养鱼的方法，尤其是一种鱼群监测方法。
技术介绍
鱼是人们喜欢吃的食物。为了满足日益增加的对鱼的需求，需要大量的养殖鱼。而要培养出能够售卖的鱼就需要时刻注意鱼的身体状况。现有的观测鱼身体状况的方法是人工在固定时间去打捞一部分样本。然而，这样无法及时的发电鱼中存在的问题。而且，即使打捞上来的样本没有问题，也不能保证不存在异常鱼。如果长时间放任异常鱼在水域中不管不顾，将会使得异常鱼污染水域，将其自身存在的问题传染给其他健康的鱼，从而导致鱼大量的非自然死亡，极大的降低了鱼的成活率和生长性，造成了巨大的经济损失。
技术实现思路
因此，针对上述问题，本专利技术提供了一种鱼群监测方法，通过大数据以及视频采集实现鱼异常状况的判断，并根据采集的GPS、水压、时间得到具体异常鱼出现的信息，进而使得养殖人员能够及时将异常鱼打捞出来，避免对水域的污染，提高产量。为了达到上述目的，本专利技术提出了一种鱼群监测方法，其特征在于，该方法包括：(1)获取异常鱼的图片，分类并进行标引；从互联网上搜索与异常鱼相关的多张图片，将图片中不属于异常鱼本身的部分扣除得到仅表示异常鱼本身图像的子图片，所述异常鱼是鱼表面存在红肿、溃烂、变色的鱼，并根据每张子图片显示的鱼所异常的位置对每张子图片进行位置标注，即该子图片表明该异常鱼所异常的位置是头部、身体、尾部中的哪一种；(2)得到按照位置分类的异常图像训练集合；搜索标注为头部的所有子图片，形成头部异常图像训练集合；搜索标注为身体的所有子图片，形成身体异常图像训练集合；搜索标注为尾部的所有子图片，形成尾部异常图像训练集合；(3)根据异常图像训练集合得到深度学习的神经网络；将头部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在头部异常的第一神经网络；将身体异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在身体异常的第二神经网络；将尾部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在尾部异常的第三神经网络；(4)视频识别水下鱼群；采用可自行在水下移动的红外热成像仪扫描水下环境，当红外热成像仪成像中至少存在一个鱼的形状时，采用摄像头对准红外热成像仪扫描的方向进行拍摄，直至红外热成像仪成像中不再出现鱼的形状时，摄像头停止拍摄，得到一段视频，且在摄像头进行拍摄的期间一直采用GPS、水压、时间轴对视频进行打标，即每一帧视频均对应有该帧视频拍摄时的时间，表明拍摄该帧视频时摄像头所处二维环境的GPS位置，表明拍摄该帧视频时摄像头所处水深情况的水压，将该视频传送到陆上服务器；陆上服务器将视频按照每帧的方式拆分成多个具有GPS、水压、时间标记的图片，并将每张图片分割成若干个部分重叠的子图片，将所有子图片输入到第一神经网络，如果第一神经网络判断某一图片包含头部异常鱼，则输出该具有GPS、水压、时间标记的图片并标注头部异常，还将所有子图片输入到第二神经网络，如果第二神经网络判断某一图片包含身体异常鱼，则输出该具有GPS、水压、时间标记的图片并标注身体异常，还将所有子图片输入到第三神经网络，如果第三神经网络判断某一图片包含尾部异常鱼，则输出该具有GPS、水压、时间标记的图片并标注尾部异常；(5)根据识别结果打捞鱼群；比对得到的标注头部异常、身体异常、尾部异常的图片，如果存在三张相同的图片则判定需要人工干预，根据该三张相同的图片标记的GPS、水压、时间，对鱼群进行打捞。具体实施方式实施例一。一种鱼群监测方法，其特征在于，该方法包括：(1)获取异常鱼的图片，分类并进行标引；从互联网上搜索与异常鱼相关的多张图片，将图片中不属于异常鱼本身的部分扣除得到仅表示异常鱼本身图像的子图片，所述异常鱼是鱼表面存在红肿、溃烂、变色的鱼，并根据每张子图片显示的鱼所异常的位置对每张子图片进行位置标注，即该子图片表明该异常鱼所异常的位置是头部、身体、尾部中的哪一种；(2)得到按照位置分类的异常图像训练集合；搜索标注为头部的所有子图片，形成头部异常图像训练集合；搜索标注为身体的所有子图片，形成身体异常图像训练集合；搜索标注为尾部的所有子图片，形成尾部异常图像训练集合；(3)根据异常图像训练集合得到深度学习的神经网络；将头部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在头部异常的第一神经网络；将身体异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在身体异常的第二神经网络；将尾部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在尾部异常的第三神经网络；(4)视频识别水下鱼群；采用可自行在水下移动的红外热成像仪扫描水下环境，当红外热成像仪成像中至少存在一个鱼的形状时，采用摄像头对准红外热成像仪扫描的方向进行拍摄，直至红外热成像仪成像中不再出现鱼的形状时，摄像头停止拍摄，得到一段视频，且在摄像头进行拍摄的期间一直采用GPS、水压、时间轴对视频进行打标，即每一帧视频均对应有该帧视频拍摄时的时间，表明拍摄该帧视频时摄像头所处二维环境的GPS位置，表明拍摄该帧视频时摄像头所处水深情况的水压，将该视频传送到陆上服务器；陆上服务器将视频按照每帧的方式拆分成多个具有GPS、水压、时间标记的图片，并将每张图片分割成若干个部分重叠的子图片，将所有子图片输入到第一神经网络，如果第一神经网络判断某一图片包含头部异常鱼，则输出该具有GPS、水压、时间标记的图片并标注头部异常，还将所有子图片输入到第二神经网络，如果第二神经网络判断某一图片包含身体异常鱼，则输出该具有GPS、水压、时间标记的图片并标注身体异常，还将所有子图片输入到第三神经网络，如果第三神经网络判断某一图片包含尾部异常鱼，则输出该具有GPS、水压、时间标记的图片并标注尾部异常本文档来自技高网...

【技术保护点】
一种鱼群监测方法，其特征在于，该方法包括：（1）获取异常鱼的图片，分类并进行标引；从互联网上搜索与异常鱼相关的多张图片，将图片中不属于异常鱼本身的部分扣除得到仅表示异常鱼本身图像的子图片，所述异常鱼是鱼表面存在红肿、溃烂、变色的鱼，并根据每张子图片显示的鱼所异常的位置对每张子图片进行位置标注，即该子图片表明该异常鱼所异常的位置是头部、身体、尾部中的哪一种；（2）得到按照位置分类的异常图像训练集合；搜索标注为头部的所有子图片，形成头部异常图像训练集合；搜索标注为身体的所有子图片，形成身体异常图像训练集合；搜索标注为尾部的所有子图片，形成尾部异常图像训练集合；（3）根据异常图像训练集合得到深度学习的神经网络；将头部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在头部异常的第一神经网络；将身体异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在身体异常的第二神经网络；将尾部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在尾部异常的第三神经网络；（4）视频识别水下鱼群；采用可自行在水下移动的红外热成像仪扫描水下环境，当红外热成像仪成像中至少存在一个鱼的形状时，采用摄像头对准红外热成像仪扫描的方向进行拍摄，直至红外热成像仪成像中不再出现鱼的形状时，摄像头停止拍摄，得到一段视频，且在摄像头进行拍摄的期间一直采用GPS、水压、时间轴对视频进行打标，即每一帧视频均对应有该帧视频拍摄时的时间，表明拍摄该帧视频时摄像头所处二维环境的GPS位置，表明拍摄该帧视频时摄像头所处水深情况的水压，将该视频传送到陆上服务器；陆上服务器将视频按照每帧的方式拆分成多个具有GPS、水压、时间标记的图片，并将每张图片分割成若干个部分重叠的子图片，将所有子图片输入到第一神经网络，如果第一神经网络判断某一图片包含头部异常鱼，则输出该具有GPS、水压、时间标记的图片并标注头部异常，还将所有子图片输入到第二神经网络，如果第二神经网络判断某一图片包含身体异常鱼，则输出该具有GPS、水压、时间标记的图片并标注身体异常，还将所有子图片输入到第三神经网络，如果第三神经网络判断某一图片包含尾部异常鱼，则输出该具有GPS、水压、时间标记的图片并标注尾部异常；（5）根据识别结果打捞鱼群；比对得到的标注头部异常、身体异常、尾部异常的图片，如果存在三张相同的图片则判定需要人工干预，根据该三张相同的图片标记的GPS、水压、时间，对鱼群进行打捞。...

【技术特征摘要】
1.一种鱼群监测方法，其特征在于，该方法包括：（1）获取异常鱼的图片，分类并进行标引；从互联网上搜索与异常鱼相关的多张图片，将图片中不属于异常鱼本身的部分扣除得到仅表示异常鱼本身图像的子图片，所述异常鱼是鱼表面存在红肿、溃烂、变色的鱼，并根据每张子图片显示的鱼所异常的位置对每张子图片进行位置标注，即该子图片表明该异常鱼所异常的位置是头部、身体、尾部中的哪一种；（2）得到按照位置分类的异常图像训练集合；搜索标注为头部的所有子图片，形成头部异常图像训练集合；搜索标注为身体的所有子图片，形成身体异常图像训练集合；搜索标注为尾部的所有子图片，形成尾部异常图像训练集合；（3）根据异常图像训练集合得到深度学习的神经网络；将头部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在头部异常的第一神经网络；将身体异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在身体异常的第二神经网络；将尾部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列...

【专利技术属性】
技术研发人员：马肃，
申请(专利权)人：佛山市洛克威特科技有限公司，
类型：发明
国别省市：广东,44