基于计算机视觉识别的养殖对象耗氧量估算方法及系统技术方案

本发明专利技术涉及智能水产养殖技术领域，具体涉及了一种基于计算机视觉识别的养殖对象耗氧量估算方法及系统。包括以下步骤：影像获取步骤：采集养殖对象在养殖区域内的影像数据；影像处理步骤：筛选影像数据中的关键数据，生成数据集；影像识别步骤：以数据集作为样本数据训练模型，将实时获取到的影像数据输入训练好的模型，输出养殖对象的数量和体型特征；影响分析步骤：获取养殖对象耗氧量影响因素对养殖对象耗氧量的影响情况，训练耗氧量分析模型，所述耗氧量影响因素包括养殖对象的数量以及体型特征；耗氧量预测步骤：将识别出的养殖对象数量以及体型特征输入已训练好的耗氧量分析模型，输出养殖对象耗氧量。能够对养殖对象的耗氧量进行估算。的耗氧量进行估算。的耗氧量进行估算。

【技术实现步骤摘要】
基于计算机视觉识别的养殖对象耗氧量估算方法及系统


[0001]本专利技术涉及智能水产养殖
，具体涉及了一种基于计算机视觉识别的养殖对象耗氧量估算方法及系统。

技术介绍

[0002]水产养殖是农业生产的重要组成部分，我国水产养殖产量连续多年位居世界第一，是世界上重要的水产品生产和出口大国之一，水产养殖已成为我国农业生产的重要组成部分，是不少地方农村经济发展的支柱产业。
[0003]对于鱼类的养殖，不同品种的养殖鱼对溶解氧的需求是不同的，不仅正常生长需求值、呼吸困难点、窒息点不同，而且即便是同一品种的鱼，在不同生长阶段对溶解氧的需求也不同，这是由养殖鱼的生理因素所决定，养殖鱼对溶解氧的适应水平具有一个适合其生长的最佳范围，其含量既不能过高也不能过低，而如何对养殖鱼的实际耗氧量进行计量，从而对养殖水域中的溶解氧进行补充，是亟待解决的问题。

技术实现思路

[0004]本专利技术所解决的技术问题在于提供一种基于计算机视觉识别的养殖对象耗氧量估算方法及系统，能够对养殖对象的耗氧量进行估算。
[0005]本专利技术提供的基础方案：基于计算机视觉识别的养殖对象耗氧量估算方法，包括以下步骤：
[0006]影像获取步骤：采集养殖对象在养殖区域内的影像数据；
[0007]影像处理步骤：筛选影像数据中的关键数据，生成数据集；
[0008]影像识别步骤：以数据集作为样本数据训练模型，将新获得的影像数据输入训练好的模型，输出养殖对象的数量和体型特征；
[0009]影响分析步骤：获取养殖对象耗氧量影响因素对养殖对象耗氧量的影响情况，训练耗氧量分析模型，所述耗氧量影响因素包括养殖对象数量以及体型特征；
[0010]耗氧量预测步骤：将识别出的养殖对象数量以及体型特征输入已训练好的耗氧量分析模型，输出养殖对象耗氧量。
[0011]本专利技术的原理及优点在于：通过拍摄养殖区域中养殖对象的影像，对影像进行筛选，得到适合进行计算机视觉识别的数据集，以数据集作为样本数据训练识别模型，之后将新获得的影像数据输入到模型中，自动输出识别到的养殖对象的数量和体型。养殖对象的体型是决定养殖单个养殖对象耗氧量的主要因素，养殖对象的数量是判断养殖区域中所有养殖对象整体耗氧量的主要参数，因此将养殖对象的数量、体型作为耗氧量影响因素，通过深度学习的方式训练耗氧量分析模型，将新采集到的养殖对象的数量、体型输入到训练好的耗氧量分析模型中之后，从而能够大致估算出进行检测的养殖区域内养殖对象的实际耗氧量，进而能够根据当前养殖区域的实际溶解氧判断是否符合养殖对象生长的需求，以便于及时做出调整。
[0012]进一步，所述影像处理步骤具体包括以下步骤：
[0013]S110：获取养殖对象的非进食时段以及非沉底时段，以养殖对象的非进食时段与非沉底时段的交集，作为分析时段；
[0014]S120：获取分析时段的影像数据；
[0015]S130：提取分析时段的影像数据的关键帧，作为数据集。
[0016]对采集到的影像数据进行筛选，因为通过计算机视觉对影像中的养殖对象的数量和体型进行识别，因此需要选择养殖对象在自然状态下的清晰的影像进行识别，提高识别的准确性。去除进食时段的影像，因为养殖对象在进食过程中，较为聚集，会使得影像中会存在大量养殖对象重叠的情况，不便于对数量和体型进行识别。去除养殖对象沉底时段的影像数据，因为养殖对象沉底后，影像数据中的养殖对象会存在模糊不清的情况，同样不便于统计。通过提取筛选出来影像数据的关键帧，去除模糊的片段，以清晰的部分作为数据集进行训练，以及以该时段的影像数据作为输入影像，提高识别的准确性。
[0017]进一步，所述影像识别步骤具体包括以下步骤：
[0018]S210：对数据集中的养殖对象轮廓进行标记，训练图像分割模型；
[0019]S220：将新获取到的分析时段内的影像数据输入训练好的图像分割模型，图像分割模型从影像数据中分割出养殖对象影像；
[0020]S230：根据养殖对象影像，确定养殖对象数量；
[0021]S240：获取参照目标参数，根据参照目标参数以及养殖对象影像，判断养殖对象的体型特征，所述体型特征包括体长和体宽。
[0022]首先，对获取到的数据集中的养殖对象轮廓进行标记，通过一系列标记好的图像训练图像分割模型。在后续应用时，将新获取到的影像数据输入到图像分割模型中之后，便能够自动从影像数据中分割出养殖对象影像。得到分割结果后，基于分割出的养殖对象影像，能够对养殖对象的数量进行统计。同时，结合参照目标参数和养殖对象影像，对养殖对象的体长和体宽进行识别。
[0023]进一步，所述影像识别步骤还包括以下步骤：
[0024]S250：获取已训练好的养殖对象体重转换模型；
[0025]S251：将养殖对象的体型特征输入养殖对象体重转换模型，输出养殖对象体重。
[0026]根据养殖对象的体长和体宽，将其输入已经训练好的体重转换模型，根据体长、体宽与养殖对象体重的映射关系，便能够得到养殖对象的体重，通过养殖对象的体重对养殖对象的耗氧量进行估算。
[0027]进一步，所述S230包括以下步骤：
[0028]S231：分别判断分割出的各个养殖对象影像中是否存在多个养殖对象重叠，若否则标记为第一影像，若是则标记为第二影像；
[0029]S232：统计第一影像的数量，得到第一养殖对象数量；
[0030]S233：统计第二影像中养殖对象的头部数量和尾部数量；
[0031]S234：选取第二影像中，头部数量与尾部数量的较大值，作为第二养殖对象数量；
[0032]S235：根据第一养殖对象数量和第二养殖对象数量，计算养殖对象总数量。
[0033]通过养殖对象影像对养殖对象数量进行计量时，若养殖对象影像不存在多个养殖对象重叠，那么标记为第一影像，第一影像中只存在一个养殖对象，直接通过计量第一影像
的数量，便能够计算出影像中未重叠的养殖对象数量，得到第一养殖对象数量。若是养殖对象影像存在重叠，标记为第二影像，第二影像中存在多个养殖对象，通过计算第二影像中的头部数量和尾部数量，计算出影像中重叠的养殖对象数量，由于影像中的养殖对象重叠，可能存在头部或者尾部遮挡的情况，因此选择头部数量和尾部数量中的较大值作为第二养殖对象数量。最终将第一养殖对象数量和第二养殖对象数量相加，得到养殖对象总数量。
[0034]进一步，所述影响分析步骤包括以下步骤：
[0035]S310：获取养殖对象体重对耗氧量的影响情况，训练耗氧量分析模型；
[0036]S320：获取本次测得的养殖对象数量以及各个养殖对象体重。
[0037]所述耗氧量预测步骤包括以下步骤：
[0038]S410：将测得的养殖对象数量以及养殖对象体重输入耗氧量分析模型，输出预测耗氧量。
[0039]通过获取到养殖对象的体重对耗氧量的影响情况，训练耗氧量分析模型。在后续使用时，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于计算机视觉识别的养殖对象耗氧量估算系统，其特征在于：包括以下步骤：影像获取步骤：采集养殖对象在养殖区域内的影像数据；影像处理步骤：筛选影像数据中的关键数据，生成数据集；影像识别步骤：以数据集作为样本数据训练模型，将实时获取到的影像数据输入训练好的模型，输出养殖对象的数量和体型特征；影响分析步骤：获取养殖对象耗氧量影响因素对养殖对象耗氧量的影响情况，训练耗氧量分析模型，所述耗氧量影响因素包括养殖对象的数量以及体型特征；耗氧量预测步骤：将识别出的养殖对象数量以及体型特征输入已训练好的耗氧量分析模型，输出养殖对象耗氧量。2.根据权利要求1所述的基于计算机视觉识别的养殖对象耗氧量估算系统，其特征在于：所述影像处理步骤具体包括以下步骤：S110：获取养殖对象的非进食时段以及非沉底时段，以养殖对象的非进食时段与非沉底时段的交集，作为分析时段；S120：获取分析时段的影像数据；S130：提取分析时段的影像数据的关键帧，作为数据集。3.根据权利要求2所述的基于计算机视觉识别的养殖对象耗氧量估算系统，其特征在于：所述影像识别步骤具体包括以下步骤：S210：对数据集中的养殖对象轮廓进行标记，训练图像分割模型；S220：将新获取到的分析时段内的影像数据输入训练好的图像分割模型，图像分割模型从影像数据中分割出养殖对象影像；S230：根据养殖对象影像，确定养殖对象数量；S240：获取参照目标参数，根据参照目标参数以及养殖对象影像，判断养殖对象的体型特征，所述体型特征包括体长和体宽。4.根据权利要求3所述的基于计算机视觉识别的养殖对象耗氧量估算系统，其特征在于：所述影像识别步骤还包括以下步骤：S250：获取已训练好的养殖对象体重转换模型；S251：将养殖对象的体型特征输入养殖...

【专利技术属性】
技术研发人员：杨军超，刘意，周月明，齐高相，张冰，申渝，
申请(专利权)人：重庆南向泰斯环保技术研究院有限公司，
类型：发明
国别省市：