海洋生态分析方法和系统技术方案

本发明专利技术提供一种海洋生态分析方法和系统，属于生态环境评价技术领域。所述方法包括：获取海洋生物的图像；根据所述图像，通过生物识别模型确定生物信息；根据所述生物信息间接判断所在海域生态健康状况。通过本申请的技术方案，可以准确地识别出造礁珊瑚、鱼类、大型底栖动物等海洋中的生物，提高了海洋生态监控能力，为海洋生态分析提供了依据。为海洋生态分析提供了依据。为海洋生态分析提供了依据。

【技术实现步骤摘要】
海洋生态分析方法和系统


[0001]本专利技术涉及生态环境评价的
，具体地涉及一种海洋生态分析方法和系统。

技术介绍

[0002]海洋生态监测是海洋综合管理的基础和重要组成部分，通过海洋生态监测可以预测海洋环境的质量，为有效地利用海洋资源和环境保护提供依据。
[0003]现有的海洋生态监测方法主要是人工监测，根据监控摄像头实时获取海底的视频信息，人工统计出视频中出现的海洋生物的种类与数量，但是，由于海洋生物环境复杂，人工监测容易将颜色、体型相近的海洋鱼及珊瑚礁混淆，导致海洋鱼类及珊瑚礁的误检、漏检率偏高，同时，人工监测容易用眼疲劳，进一步降低判断结果的准确可信程度，对海洋生态分析造成很大的影响。

技术实现思路

[0004]本专利技术实施例的目的是提供一种海洋生态分析方法和系统，通过采用该分析方法和系统，可以准确识别出造礁珊瑚、鱼类、大型底栖动物等海洋中的生物，提高海洋生态监控能力，为海洋生态分析提供依据。
[0005]为了实现上述目的，本专利技术实施例提供一种海洋生态分析方法，所述方法包括：获取海洋生物的图像；根据所述图像，通过生物识别模型确定生物信息；根据所述生物信息间接判断所在海域生态健康状况。
[0006]可选的，所述获取海洋生物的图像包括：利用Retinex水下图像增强算法对视频图像进行处理。
[0007]可选的，所述通过生物识别模型确定生物信息包括：将所述图像输入到所述生物识别模型中确定所述生物信息。
[0008]可选的，利用faster rcnn目标检测算法训练得到所述生物识别模型。
[0009]可选的，所述生物识别模型包括鱼类识别模型、造礁珊瑚识别模型和大型底栖动物识别模型，所述鱼类识别模型用于确定鱼类的生物信息，所述造礁珊瑚识别模型用于确定造礁珊瑚的生物信息，所述大型底栖动物识别模型用于确定大型底栖动物的生物信息。
[0010]可选的，所述生物信息包括生物的种类、位置和数量中的至少一种。
[0011]可选的，所述间接判断所在海域生态状况包括：根据健康评价公式计算出生态系统健康指数CHI。
[0012]可选的，所述健康评价公式为：其中，W
i
表示第i个一级指标的权重，Y
ij
表示第i个一级指标中第j个二级指标的赋值得分，W
ij
表示第i个一级指标中第j个二级指标的权重；
[0013]所述一级指标包括：珊瑚、鱼类、大型底栖动物、环境；所述二级指标包括：珊瑚覆
盖率、珊瑚种类数、鱼类种类数、鱼类密度、长棘海星个体数、温度、PH等。
[0014]相应的，本专利技术实施例还提供一种海洋生态分析系统，所述系统包括：获取模块：用于获取海洋生物的图像；识别模块：根据所述图像，通过生物识别模型确定生物信息；判断模块：用于根据所述生物信息间接判断所在海域生态状况。
[0015]可选的，所述系统用于执行本专利技术实施例提供的海洋生态分析方法。
[0016]通过上述技术方案，可以准确识别出造礁珊瑚、鱼类、大型底栖动物等海洋中的生物，提高了海洋生态监控能力，为海洋生态分析提供了依据。
[0017]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0018]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：
[0019]图1是本专利技术实施例提供的海洋生态分析方法的流程图。
[0020]图2是本专利技术实施例提供的水下图像增强效果图。
[0021]图3是本专利技术实施例提供的海洋生态分析系统的结构框图。
具体实施方式
[0022]以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。
[0023]本专利技术实施例提供一种海洋生态分析方法，如图1所示，所述方法包括：
[0024]步骤S100：获取海洋生物的图像；
[0025]所述海洋生物的图像可以通过通讯设备拍摄获得，优选的，可以使用视频监控点的摄像头捕获视频图像。针对水下所述视频图像质量下降的表现，如对比度下降、偏色、图像模糊等，可以通过图像增强方法进行增强处理，优选的，利用Retinex水下图像增强算法对所述视频图像信息进行处理，具体的:
[0026]a.对输入图像S(i,j)进行分析，分解为RGB三个通道SR(i,j)、SG(i,j)、SB(i,j)的灰度图像，并将图像类型进行转换，等到从位图转换到双字节格式；
[0027]b.将输入图像S(i,j)放在对数域中处理，即S'(i,j)＝log S(i,j)(式1)
[0028]c.将增强后的结果图像R(i,j)中的像素点的灰度值都初始化为constan t，即R(i,j)＝constan t(式2)；
[0029]d.水平方向上，令h＝width/2，计算S'(i,j)与S'(i+h,j)之间的相对明暗关系Re lation(i,j)，并对R(i,j)进行修正；
[0030]e.垂直方向上，令l＝height/2，计算S'(i,j)与S'(i,j+l)之间的相对明暗关系Re lation(i,j)，并对R(i,j)进行修正；f.令h＝h/2，l＝l/2，重复步骤4和步骤5，直到h＝1且l＝1；
[0031]g.对增强后的图像R(i,j)进行线性拉伸，将线性拉伸后的3幅图像按R、G、B顺序依次写入一个24位的彩色图像中输出。
[0032]如图2所示为利用增强算法得到的水下图像效果图，通过该优选实施方式，能够有
效提高图像亮度、突出边缘细节和局部对比度，减小低照度情况下海洋鱼和珊瑚礁的漏检率。
[0033]步骤S200：根据所述图像，通过生物识别模型确定生物信息；
[0034]可选的，可以将所述图像输入到所述生物识别模型中确定生物信息，所述生物信息包括：生物的种类、位置和数量中的至少一种，需要说明的是，本专利技术所述的生物信息不限于此，可以根据需要，调整所述生物识别模型以及计算方式得到不同的生物信息。
[0035]可选的，可以利用基于深度学习的目标检测与识别算法训练得到所述生物识别模型，优选的，可以通过faster rcnn目标检测算法训练得到所述生物识别模型，具体的：
[0036]a：输入任意大小的图片进入主干网络resnet50进行卷积，输出FeatureMap；
[0037]b：Feature Map通过RPN模块生成多个anchor boxes，对anchor boxes进行裁剪后，通过softmax判断属于前景或者背景，再利用边框回归修正anchors，获得proposals；cd
[0038]c：Rol Pooling层利用RPN模块生成的proposals和之前获得的特征映射，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种海洋生态分析方法，其特征在于，所述方法包括：获取海洋生物的图像；根据所述图像，通过生物识别模型确定生物信息；根据所述生物信息间接判断所在海域生态健康状况。2.根据权利要求1所述的海洋生态分析方法，其特征在于，所述获取海洋生物的图像包括：利用Retinex水下图像增强算法对视频图像进行处理。3.根据权利要求1或2所述的海洋生态分析方法，其特征在于，所述通过生物识别模型确定生物信息包括：将所述图像输入到所述生物识别模型中确定所述生物信息。4.根据权利要求3所述的海洋生态分析方法，其特征在于，利用faster rcnn目标检测算法训练得到所述生物识别模型。5.根据权利要求4所述的海洋生态分析方法，其特征在于，所述生物识别模型包括鱼类识别模型、造礁珊瑚识别模型和大型底栖动物识别模型，所述鱼类识别模型用于确定鱼类的生物信息，所述造礁珊瑚识别模型用于确定造礁珊瑚的生物信息，所述大型底栖动物识别模型用于确定大型底栖动物的生物信息。6.根据权利要求5所述的海洋生态分析方法，其特征在于，所述生物信息包括生物的种类、位置和数量中的至少一...

【专利技术属性】
技术研发人员：相文玺，东韩，张宏晔，曹英志，田丁，
申请(专利权)人：江河瑞通北京技术有限公司，
类型：发明
国别省市：