鱼道智能监测系统技术方案

本发明专利技术涉及鱼道智能监测技术领域，具体而言，涉及鱼道智能监测系统，包括：鱼道综合监测模块，包括游鱼实时监测子模块、过鱼数量统计子模块、鱼道流速趋势分析子模块、鱼道水浊度统计子模块、鱼道水位水温变化趋势统计子模块；其中，过鱼数量统计子模块具体为通过红外光栅与摄像头实现，红外光栅为设定套数，竖直、等高且平行的设置在鱼塘入口处，从红外光栅的信号被遮挡开始判定为过鱼开始信号，并以设定频率进行扫描，每次扫描得到的由上到下设定个数的光栅点的遮挡状态数据，汇总形成一帧光栅数据并上报，当过鱼结束后停止上报，将每一帧光栅数据进行连接合并成像，得到过鱼的完整图像。像。像。

【技术实现步骤摘要】
鱼道智能监测系统


[0001]本专利技术涉及鱼道智能监测
，具体而言，涉及鱼道智能监测系统。

技术介绍

[0002]就目前而言，现有的鱼道为了对进入其内的鱼类的状态进行有效监测，设置了繁杂的监测装置，但存在以下问题：一方面受水流影响，监测装置容易发生移位或晃动，导致监测信息不准确，另一方面，监测装置集成度低，各装置之间配合不理想，并且现有鱼道仅仅作为一个供给鱼类洄游的通道其能效无法进行把控。对过鱼大小、过鱼种类、过鱼数量、过鱼环境等影响生态健康的重要因素无法把控，因此使鱼道的功能和应用效果受到极大的限制。基于此，我们设计了鱼道智能监测系统，用以克服上述问题。

技术实现思路

[0003]本专利技术的目的在于提供鱼道智能监测系统，其用于解决上述技术问题。
[0004]本专利技术的实施例通过以下技术方案实现：
[0005]鱼道智能监测系统，包括：
[0006]鱼道综合监测模块，包括游鱼实时监测子模块、过鱼数量统计子模块、鱼道流速趋势分析子模块、鱼道水浊度统计子模块、鱼道水位水温变化趋势统计子模块；
[0007]其中，过鱼数量统计子模块具体为通过红外光栅与摄像头实现，红外光栅为设定套数，竖直、等高且平行的设置在鱼塘入口处，从红外光栅的信号被遮挡开始判定为过鱼开始信号，并以设定频率进行扫描，每次扫描得到的由上到下设定个数的光栅点的遮挡状态数据，汇总形成一帧光栅数据并上报，当过鱼结束后停止上报，将每一帧光栅数据进行连接合并成像，得到过鱼的完整图像。
[0008]可选的，其中，上报的光栅数据除连接合并成像外，还经过了过鱼的游速测定与洄游方向测定。
[0009]可选的，设定鱼到达第一套红外光栅的时间为T1，第一套红外光栅信号完全恢复的时间为T
s
，则鱼长的计算公式如下：
[0010]L＝V*(T
s
‑
T1)
[0011]其中，T1为鱼到达第一套红外光栅的时间，T
s
为第一套红外光栅信号完全恢复的时间，V为过鱼的游速。
[0012]可选的，在过鱼数量统计子模块中，还预设有过鱼识别方法，该方法的步骤包括：
[0013]将过鱼的完整图像输入至完成训练的CNN模型中，通过完成训练的CNN模型中预设的YoloV5算法对过鱼的完整图像进行目标检测，识别过鱼的种类，并获取过鱼的像素大小，根据摄像头视野大小和像素大小的比例关系，计算得到过鱼的真实大小。
[0014]可选的，所述CNN模型的训练过程如下：
[0015]输入历史过鱼图像，通过构建的CNN模型对历史过鱼图像进行特征提取，得到历史过鱼图像特征；
[0016]通过区域生成网络对历史过鱼图像特征进行处理，生成历史过鱼图像特征的描框，经裁剪过滤后，通过softmax对历史过鱼图像特征的描框进行归一化处理，得到历史过鱼图像特征的分类概率；
[0017]对归一化处理后的历史过鱼图像特征描框进行二分类，筛选得到ROI，通过ROI pooling层使得ROI生成设定尺寸的feature map，同时将proposal windows映射到CNN模型最后一层的feature map上，通过softmax loss和Smooth L1 Loss对历史过鱼图像特征的分类概率和描框进行回归联合训练，得到完成训练的CNN模型。
[0018]可选的，其中，在对历史过鱼图像进行特征提取时，还将历史过鱼图像的颜色作为分类特征，并通过色相明亮度表示历史过鱼图像的颜色。
[0019]可选的，完成训练的CNN模型内还预设有多目标跟踪算法，用以获取过鱼的速度、数量以及方向数据，具体为：
[0020]获取跟踪框ID以及框位置信息；
[0021]设定计数线BC，计算当前跟踪框中心位置A'，与前一帧同一ID的跟踪框中心位置A，定义运动向量为若与计数线BC相交，则判定鱼游过计数线BC，为过鱼的方向，之后更新每个跟踪框ID过线的帧数，假设某一跟踪框ID在超过帧数阈值的情况下再次游过计数线，则视为鱼再次通过，并进行计数，否则视为鱼处于徘徊状态，不重复进行计数。
[0022]可选的，在过鱼数量统计子模块中，还预设有误差反向传播ANN分类器，从过鱼的完整图像中的像素中判断是否属于鱼类，其中，设定鱼类的标签为1，其他生物或物体的标签为
‑
1，误差反向传播ANN分类器的输出指示像素是否属于鱼类。
[0023]可选的，还包括：
[0024]生态环境监控模块，包括生态环境实时监测子模块、环境监测设备管理子模块、上下游数据趋势统计子模块；
[0025]智能监控中心，包括鱼道水下实时监控子模块、历史游鱼信息查询子模块；
[0026]系统配置中心，包括用户注册子模块、用户权限管理子模块、密码修改子模块、数据备份子模块、组织机构管理子模块、系统参数配置子模块。
[0027]可选的，其中，摄像头与红外光栅所获取的数据具体通过水下接驳器进行接收，并上报至服务器处。
[0028]本专利技术实施例的技术方案至少具有如下优点和有益效果：
[0029]在本专利技术中，过鱼监测装置通过模拟真实环境实验，并进行认真分析总结进行设计，过鱼监测装置主箱体：口径：宽：300mm；高：400mm；长：600mm。最大外形尺寸：宽x高x长＝1165x552x1372。过鱼监测装置的进口端和出口端分别设置有一圈第一红外光栅和第二红外光栅，过鱼监测装置的顶板和侧板上分别安装有第一图像采集箱和第二图像采集箱，第一图像采集箱和第二图像采集箱中均设置有水下摄像头和水下光源。在过鱼监测装置中间增加了动态的拦网装置，可以根据实际情况，调整过鱼摄像的最佳位置，并通过视频和红外光栅相结合，有效解决了现有技术中在水源浑浊和游鱼重叠时鱼道监测数据不准确的问题。
[0030]在本专利技术中，由于计算机视觉技术相比传统方法智能便捷，准确反映水下真实情况。通过核心算法实时目标检测，多目标追踪，自定义统计算法实现过鱼种类、计数、大小、速度、游向等关键指标，克服了行业在不同水环境下的鱼类视频监测的困惑。
[0031]在本专利技术中，能够充分发挥物联网、大数据、人工智能等技术手段，实时视频和水文数据(浑浊度、流速、温度、水位等)监测，通过创新视觉技术实现过鱼数目与游向算法模型和红外光栅的鱼类智能检测模型，基于鱼类的生活情况和实时水文数据的创新应用分析，为流域生态保护、生态养护提供更好的服务。
[0032]在本专利技术中，视频数据和水环境数据都在水下进行采集，水下的环境由于自然环境和季节变化的影响，采集的难度比较大，环境也是变化多变。由于当前主流的无线LoRa技术有自组网、穿透性强、远距离的特点、低功耗等优势。本专利技术就采用LoRa技术对视频数据和水环境数据进行采集，保障了数据实时监测的稳定性、可靠性。
附图说明
[0033]图1为本专利技术提供的鱼道智能监测系统的框架示意图；
[0034]图2为本专利技术提供的过鱼成像以及识别模型的构造本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.鱼道智能监测系统，其特征在于，包括：鱼道综合监测模块，包括游鱼实时监测子模块、过鱼数量统计子模块、鱼道流速趋势分析子模块、鱼道水浊度统计子模块、鱼道水位水温变化趋势统计子模块；其中，过鱼数量统计子模块具体为通过红外光栅与摄像头实现，红外光栅为设定套数，竖直、等高且平行的设置在鱼塘入口处，从红外光栅的信号被遮挡开始判定为过鱼开始信号，并以设定频率进行扫描，每次扫描得到的由上到下设定个数的光栅点的遮挡状态数据，汇总形成一帧光栅数据并上报，当过鱼结束后停止上报，将每一帧光栅数据进行连接合并成像，得到过鱼的完整图像。2.根据权利要求1所述的鱼道智能监测系统，其特征在于，其中，上报的光栅数据除连接合并成像外，还经过了过鱼的游速测定与洄游方向测定。3.根据权利要求1所述的鱼道智能监测系统，其特征在于，设定鱼到达第一套红外光栅的时间为T1，第一套红外光栅信号完全恢复的时间为T
s
，则鱼长的计算公式如下：L＝V*(T
s
‑
T1)其中，T1为鱼到达第一套红外光栅的时间，T
s
为第一套红外光栅信号完全恢复的时间，V为过鱼的游速。4.根据权利要求3所述的鱼道智能监测系统，其特征在于，在过鱼数量统计子模块中，还预设有过鱼识别方法，该方法的步骤包括：将过鱼的完整图像输入至完成训练的CNN模型中，通过完成训练的CNN模型中预设的YoloV5算法对过鱼的完整图像进行目标检测，识别过鱼的种类，并获取过鱼的像素大小，根据摄像头视野大小和像素大小的比例关系，计算得到过鱼的真实大小。5.根据权利要求4所述的鱼道智能监测系统，其特征在于，所述CNN模型的训练过程如下：输入历史过鱼图像，通过构建的CNN模型对历史过鱼图像进行特征提取，得到历史过鱼图像特征；通过区域生成网络对历史过鱼图像特征进行处理，生成历史过鱼图像特征的描框，经裁剪过滤后，通过softmax对历史过鱼图像特征的描框进行归一化处理，得到历史过鱼图像特征的分类概率；对归一化处理后的历史过鱼图像特征描框进行二分类，筛选得到R...

【专利技术属性】
技术研发人员：靳帅，田若朝，袁静，江杰，付彦伟，
申请(专利权)人：国能大渡河枕头坝发电有限公司，
类型：发明
国别省市：