基于红外光栅的鱼类智能检测方法技术

本发明专利技术公开了一种基于红外光栅的鱼类智能检测方法，其包括基于光栅信号获得过鱼图像，计算过鱼图像的七维特征向量A，并计算其与存储的所有种类鱼在不同生长阶段的七维特征向量C之间的欧氏距离；选取预设数量的最小欧式距离，并获得满足一定条件的最小欧式距离，确定出鱼可能位于的种类；之后计算过鱼图像对应鱼的游速A，获取满足一定条件的最小欧式距离对应的游速B，计算所有游速A与游速B之间的差异，并判断最小差异是否位于预设范围内，若是，则当前通过的鱼为最小差异的欧式距离对应的鱼种类；否则提醒管理人员新增当前通过的鱼在不同生长阶段的七维特征向量及每个生长阶段的平均游速至数据库。段的平均游速至数据库。段的平均游速至数据库。

【技术实现步骤摘要】
基于红外光栅的鱼类智能检测方法


[0001]本专利技术涉及水下目标监测的方法，具体涉及一种基于红外光栅的鱼类智能检测方法。

技术介绍

[0002]近年来我国兴建了大量各型水电站，这些电站的坝体给鱼类自由迁移造成了困难，尤其是季节性和生理性迁徙带来了问题，威胁到鱼类的生存和繁衍。为解决这一问题，目前新建的大坝上专门设计有供鱼类通过的鱼道，并利用光、声及生化诱鱼技术试图将鱼诱导到鱼道入口，引导并帮助其通过鱼道。
[0003]鱼道是在闸、坝或天然障碍处为沟通鱼类洄游通道而设置的一种过鱼建筑物，是河流生态系统健康的评价指标之一，也是水利水电工程环境影响评价中生态环境保护的重要指标。当前，国内外对于鱼道的监测，主要在于监控过鱼的种类和数量，以验证鱼道的有效性，从而进行鱼道的改良，传统的鱼道中鱼类型的检测方式有基于光栅数据结合Hu不变矩，实现鱼类的确定，由于鱼在经过光栅时，若不能按照固定方式经过，其采集信息差距较大，使得难以实现过鱼类型的准确识别。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的基于红外光栅的鱼类智能检测方法解决了现有技术中基于Hu不变矩进行鱼类识别准确率差的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0006]提供一种基于红外光栅的鱼类智能检测方法，其包括：
[0007]S1、接收位于过鱼通道处安装的红外光栅上传被遮挡产生的光栅信号，并基于连续的光栅信号得到过鱼图像；
[0008]S2、提取过鱼图像中鱼的轮廓，并计算轮廓的7个Hu不变矩构成当前过鱼图像的七维特征向量A；
[0009]S3、获取数据库中存储的所有种类鱼在不同生长阶段的七维特征向量C，并计算七维特征向量A与获取的所有七维特征向量之间的欧氏距离；
[0010]S4、对所有欧式距离进行递增排序，选取前面预设数量的欧式距离，从数据库中读取选取的欧式距离对应的鱼种类的标准差；
[0011]S5、判断是否存在一个欧式距离是否小于其对应的标准差的3倍标，若是，进入步骤S6，否则进入步骤S10；
[0012]S6、取过鱼图像对应的所有帧光栅信号中图形的中心点，计算相邻两帧光栅信号内的中心点的变化距离；
[0013]S7、根据相邻帧光栅的时间间隔和所有的变化距离，计算多个鱼的瞬时速度，之后计算同一过鱼图像的所有瞬时速度的平均值作为当前鱼的游速A；
[0014]S8、获取欧式距离对应的鱼所在生长阶段的平均游速，并将平均游速换算成过鱼
图像对应时间段的游速B；
[0015]S9、计算所有游速A与游速B之间的差异，并判断最小差异是否位于预设范围内，若是，则当前通过的鱼为最小差异的欧式距离对应的鱼种类；否则进入步骤S10；
[0016]S10、提醒管理人员新增当前通过的鱼在不同生长阶段的七维特征向量及每个生长阶段的平均游速至数据库。
[0017]本专利技术的有益效果为：本方案首先基于红外光栅与Hu不变矩对过鱼图像中鱼可能存在的类型进行粗筛分，之后再在粗筛分的基础上结合鱼的游速对过鱼的类型进行确定，这种方式可以降低鱼进入红外光栅时姿势不标准，引起与类型确定不准确的问题。
附图说明
[0018]图1为红外光栅的鱼类智能检测方法的流程图。
[0019]图2为一组红外光栅的示意图。
[0020]图3为通过循环算法连接合并连续的光栅信号的程序代码。
具体实施方式
[0021]下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。
[0022]参考图1，图1示出了基于红外光栅的鱼类智能检测方法；如图1所示，该方法包括步骤S1至步骤S10。
[0023]在步骤S1中，接收位于过鱼通道处安装的红外光栅(红外光栅的示意图参考图2)上传被遮挡产生的光栅信号，并基于连续的光栅信号得到过鱼图像。其中红外光栅的扫描频率为100Hz。
[0024]实施时，本方案优选得到过鱼图像的方法为：将每一帧光栅信号的十六进制数据转化为二进制，通过循环算法连接合并连续的光栅信号得到过鱼图像；其中循环算法的代码可以参见图3。
[0025]在步骤S2中，提取过鱼图像中鱼的轮廓，并计算轮廓的7个Hu不变矩构成当前过鱼图像的七维特征向量A；
[0026]在步骤S3中，获取数据库中存储的所有种类鱼在不同生长阶段的七维特征向量C，并计算七维特征向量A与获取的所有七维特征向量之间的欧氏距离。
[0027]在本专利技术的一个实施例中，数据库中存储的所有种类鱼在不同生长阶段的七维特征向量的获取方法包括：
[0028]获取同一种类鱼在不同生长阶段通过过鱼通道的视频和图像，并提取每个阶段鱼的图像轮廓；
[0029]根据Hu氏不变矩算法，计算图像轮廓的7个Hu氏不变矩，形成图像轮廓的七维特征向量B；
[0030]根据七维特征向量，求出每一维度的一阶原点矩，采用七个维度的一阶原点矩组合构成鱼每个生长阶段最终的七维特征向量C。
[0031]在步骤S4中，对所有欧式距离进行递增排序，选取前面预设数量的欧式距离，从数据库中读取选取的欧式距离对应的鱼种类的标准差；
[0032]实施时，本方案优选所述标准差的获取方法为：
[0033]计算同一种类鱼所有生长阶段的七维特征向量C的平均值，作为平均七维特征向量；
[0034]计算同一种类鱼所有生长阶段的七维特征向量C与平均七维特征向量之间的欧式距离的标准差δ：
[0035][0036]其中，x
i
为同一种类鱼第i个生长阶段的七维特征向量C；x
a
为平均七维特征向量；N为同一种类鱼的生长阶段总个数。
[0037]在步骤S5中，判断是否存在一个选取的欧式距离小于其对应的标准差的3倍标，若是，进入步骤S6，否则进入步骤S10；
[0038]在步骤S6中，取过鱼图像对应的所有帧光栅信号中图形的中心点，计算相邻两帧光栅信号内的中心点的变化距离；
[0039]在步骤S7中，根据相邻帧光栅的时间间隔和所有的变化距离，计算多个鱼的瞬时速度，之后计算同一过鱼图像的所有瞬时速度的平均值作为当前鱼的游速A；
[0040]在步骤S8中，获取欧式距离(该欧式距离满足其小于其对应的标准差的3倍标的条件)对应的鱼所在生长阶段的平均游速，并将平均游速换算成过鱼图像对应时间段的游速B；
[0041]为了进一步提高得到的游速A的准确性，在步骤S7和步骤S8之间还包括：
[0042]获取过鱼通道两侧的红外光栅在预设时间段内的光栅信号，并采用循环算法连接合并连续的光栅信号得到过鱼图像；
[0043]提取过鱼图像中轮廓的最小外接矩形，比较两套基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于红外光栅的鱼类智能检测方法，其特征在于，包括：S1、接收位于过鱼通道处安装的红外光栅上传被遮挡产生的光栅信号，并基于连续的光栅信号得到过鱼图像；S2、提取过鱼图像中鱼的轮廓，并计算轮廓的7个Hu不变矩构成当前过鱼图像的七维特征向量A；S3、获取数据库中存储的所有种类鱼在不同生长阶段的七维特征向量C，并计算七维特征向量A与获取的所有七维特征向量C之间的欧氏距离；S4、对所有欧式距离进行递增排序，选取前面预设数量的欧式距离，从数据库中读取选取的欧式距离对应的鱼种类的标准差；S5，判断是否存在一个选取的欧式距离小于其对应的标准差的3倍标，若是，进入步骤S6，否则进入步骤S10；S6、取过鱼图像对应的所有帧光栅信号中图形的中心点，计算相邻两帧光栅信号内的中心点的变化距离；S7、根据相邻帧光栅的时间间隔和所有的变化距离，计算多个鱼的瞬时速度，之后计算同一过鱼图像的所有瞬时速度的平均值作为当前鱼的游速A；S8、获取欧式距离对应的鱼所在生长阶段的平均游速，并将平均游速换算成过鱼图像对应时间段的游速B；S9、计算所有游速A与游速B之间的差异，并判断最小差异是否位于预设范围内，若是，则当前通过的鱼为最小差异的欧式距离对应的鱼种类；否则进入步骤S10；S10、提醒管理人员新增当前通过的鱼在不同生长阶段的七维特征向量及每个生长阶段的平均游速至数据库。2.根据权利要求1所述的基于红外光栅的鱼类智能检测方法，其特征在于，所述数据库中存储的所有种类鱼在不同生长阶段的七维特征向量的获取方法包括：获取同一种类鱼在不同生长阶段通过过鱼通道的视频和图像，并提取每个阶段鱼的图像轮廓；根据Hu氏不变矩算法，计算图像轮廓的7个Hu氏不变矩，形成图像轮廓的七维特征向量B；根据七维特征向量，求出每...

【专利技术属性】
技术研发人员：严映峰，陈帮富，田若朝，靳帅，卞高山，何海锋，何波，
申请(专利权)人：成都大汇物联科技有限公司，
类型：发明
国别省市：