【技术实现步骤摘要】
一种可拆卸式水利鱼道监控装置及鱼道监控方法
[0001]本专利技术涉及人工智能
,尤其涉及一种可拆卸式水利鱼道监控装置及鱼道监控方法。
技术介绍
[0002]鱼道(即供鱼类洄游的通道)是由于人类活动破坏了鱼类洄游的通道后而采取的补救措施,比如通过在水闸或坝上修建人工水槽来保护鱼类的习性。为了对鱼道内鱼类以及相关的环境进行监测,通常在鱼道内安装有监控装置。
[0003]然而,现有的鱼道监控装置存在以下缺陷:
[0004]1、需要采用专用的水下相机及光源,相机和光源均需具备防水功能,成本较高;
[0005]2、因相机及光源均安装在自然环境下,且水深度较深,相机及光源表面容易覆盖青苔、水藻、泥沙等污物,影响以可见光成像为原理的视频监控。现有的具备自清洗功能的相机,清洗杆等容易被水中的石子、螺蛳等物体卡住,使用寿命无法达到预期需求;
[0006]3、水流速度、水位高度需要用其他装置进行采集,设备安装越多,使得成本越来越高。
技术实现思路
[0007]本专利技术为解决现有的鱼道监控装置存在安装成本高、监控效果不佳问题,提供一种可拆卸式水利鱼道监控装置和鱼道监控方法,具有安装成本低,使用寿命长,智能化程度高,监控效果能够保证,监控功能多样的特点。
[0008]本专利技术采用的技术方案是:
[0009]一种可拆卸式水利鱼道监控装置,所述装置包括:
[0010]密封壳体,所述密封壳体呈竖向方式布置于鱼道内的一侧侧壁上;至少所述密封壳体的前壁透明,其高度大致 ...
【技术保护点】
【技术特征摘要】
1.一种可拆卸式水利鱼道监控装置,其特征在于,所述装置包括:密封壳体,所述密封壳体呈竖向方式布置于鱼道内的一侧侧壁上;至少所述密封壳体的前壁透明,其高度大致与鱼道的深度一致;视频相机组件,所述视频相机组件设置有多套;每套所述视频相机组件均具有视频相机,且所述视频相机的摄录方向朝向所述密封壳体的前壁方向;多套所述视频相机组件呈纵向队列方式安装在所述密封壳体内,可同时对鱼道内从顶部到底部的情况进行视频监控;补光灯,所述补光灯设置有多个,其安装在所述密封壳体的内侧前壁上;每个所述补光灯的灯光照射方向朝向所述密封壳体的前壁外侧;多个所述补光灯呈两个纵向队列方式排布,且两列所述补光灯的位置不与所述视频相机组件的主要视野区域重叠;水尺,所述水尺的表面具有刻度线和数字标识,其长度大致与鱼道的深度一致;所述水尺呈竖向方式设置在鱼道内与所述视频相机组件相对的另一侧侧壁上;控制器,所述控制器与所述视频相机和所述补光灯连接,对所述视频相机获取的视频图像进行处理和分析,完成鱼道内鱼类种类识别、水流速度检测和液位高度检测,以及控制所述补光灯的启用与否和亮度调节;显示器,所述显示器与控制器通讯连接;输入设备,所述输入设备与控制器连接。2.根据权利要求1所述的可拆卸式水利鱼道监控装置,其特征在于,所述装置还包括:固定框,所述固定框呈竖向方式设置,并与鱼道内的一侧侧壁可拆卸式安装;至少所述固定框的顶壁和前壁敞口,其内腔所述密封壳体配合;所述固定框的高度大致与鱼道的深度一致;喷水管,所述喷水管设置有两根;两根所述喷水管分别沿所述固定架的高度方向安装在所述固定架外侧前壁两边,其一端均可与高压供水设备连接;在所述喷水管的管壁上开设有若干喷水孔,所述喷水孔的喷射方向倾斜朝向密封壳体的外侧前壁。3.根据权利要求2所述的可拆卸式水利鱼道监控装置,其特征在于,若干所述喷水孔沿所述喷水管的长度方向呈纵向列方式布置;同列的所述喷水孔的喷射方向相同,每列所述喷水孔的喷射方向不同。4.基于权利要求1、2或3所述的可拆卸式水利鱼道监控装置的鱼道监控方法,其特征在于:所述方法包括:步骤S1,由补光灯根据光照变化对鱼道内进行补光,并通过视频相机组件实时拍摄鱼道内的情况;将视频相机组件获取的实时图像发送至控制器和显示器,于显示器上展示实时图像;步骤S2,利用鱼道内液面以下的所述视频相机组件,由控制器根据该视频相机组件获取的实时图像由其内置的程序对该实时图像进行处理,完成鱼道内鱼类种类识别;步骤S3,由任意一台视频相机组件捕捉标志物,该标志物为鱼道顺水流动的内非鱼类的物体;由该视频相机组件对该标志物进行拍摄,先后获取第一标志物图像和第二标志物图像;步骤S4,根据第一标志物图像和第二标志物图像中标志物的位置信息和第一标志物图像和第二标志物图像的拍摄间隔周期,计算出水流速度。
步骤S5,利用鱼道内液面以上且邻近液面的视频相机组件对水尺区域进行拍摄,获取清晰的液面环境图像;步骤S6,将该液面环境图像导入水尺刻度模板进行水位识别,得到液位高度。5.根据权利要求4所述的鱼道监控方法,其特征在于,所述步骤S2中,利用鱼道内液面以下的视频相机组件,由控制器根据该视频相机组件获取的实时图像由其内置的程序对该实时图像进行处理,完成鱼道内鱼类种类识别的具体过程包括:步骤S21,利用鱼道内液面以下的视频相机组件,采用鱼类识别的数据增广方法,获得第三鱼类图像的数据集和对应的第二记录文件的数据集;步骤S22,将第三鱼类图像的数据集和对应的第二记录文件的数据集按照数据量比8∶2分为训练集和测试集,送入卷积神经网络进行鱼类识别模型训练,保留识别性能最高的鱼类识别模型,并将识别性能最高的鱼类识别模型作为最终鱼类识别模型;步骤S23,获取鱼道内实时画面,将画面帧输入最终鱼类识别模型中,自动进行鱼类标注。6.根据权利要求5所述的鱼道监控方法,其特征在于,所述步骤S21中,采用鱼类识别的数据增广方法,获得第三鱼类图像的数据集和对应的第二记录文件的数据集的具体过程包括:步骤S211,确立不同的水下场景,针对每种水下场景至少获取一张水下环境图像;不同的水下场景由自然环境、水体清澈程度和/或光线变化产生,且鱼类未在该水下场景中出现;每张水下环境图像的像素尺寸均相同;步骤S212,设置清水水下场景,并在该清水水下场景中放入鱼类;获取若干清水水下场景的第一鱼类图像;每张第一鱼类图像的像素尺寸均相同,且第一鱼类图像的像素尺寸与水下环境图像的像素尺寸相同;步骤S213,选择一张第一鱼类图像,逐一确定该第一鱼类图像中可识别的鱼类并进行标注,并记入第一记录文件中;标注内容包括鱼类类别和位置信息,标注格式为:{(class),(x1,y1),(x2,y2)},其中,class为鱼类类别;(x1,y1)为单条鱼类最大外接矩形左上角的坐标点;(x2,y2)为同一单条鱼类最大外接矩形右下角的坐标点;步骤S...
【专利技术属性】
技术研发人员:邱建忠,邬君,董超群,张堃博,安杨,
申请(专利权)人:宝尼宁波智能科技有限公司,
类型:发明
国别省市:
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。