一种对虾养殖智能化观测装置及观测方法制造方法及图纸

技术编号:37675336 阅读:13 留言:0更新日期:2023-05-26 04:39
本发明专利技术公开了一种对虾养殖智能化观测装置及观测方法,包括支架;透明饲料盘,透明饲料盘内能够放置供对虾摄食的饲料;驱动单元,固定在支架上,驱动单元用于驱动透明饲料盘上升或下降;对虾图像获取模块,用于采集对虾摄食过程中的视频;对虾图像处理模块,与对虾图像获取模块相连接,对虾图像处理模块能够根据对虾摄食过程中的视频,对对虾的摄食强度、活性状态、肝胰腺进行识别和分析;水听器模块,设置在透明饲料盘的正下方;应力传感器模块,安装在透明饲料盘的内部中间位置。本发明专利技术实现远程化,智能化观测对虾的生长状况,根据收集到的数据与对虾正常生长的样本数据进行比对,做出相应的调整措施,降低人力,物力,财力的消耗。财力的消耗。财力的消耗。

【技术实现步骤摘要】
一种对虾养殖智能化观测装置及观测方法


[0001]本专利技术涉及水产养殖
,尤其涉及一种对虾养殖智能化观测装置及观测方法。

技术介绍

[0002]随着全球经济的快速发展和人民生活水平的提高,过去二十年我们水产养殖产品的消耗量一直在快速的增长,为了满足人们对于水产养殖品的需求,我们需要密切关注水产养殖生物的生长状况。由于气候的多变,导致全球水产养殖业遭受了巨大的损失。
[0003]为了确保对虾的健康成长和渔民的丰收,我们迫切需要一种对虾养殖智能化观测方法与装置。
[0004]传统的方法往往依靠人工或者养殖人员的经验从养殖池塘或者网箱中捞出对虾,用肉眼去观察虾的体长,这种传统方法是一个耗时且劳动密集的过程,并且依赖于虾农的经验,用肉眼去观测对虾的体色是否纯净,肝胰腺是否病变等。在这个过程中,一个边缘透明的饲料盘被淹没在水面附近。将饵料放在饲料盘上一段时间。然后记录并测量饲料盘上的虾。除体长外,还记录虾的数量和剩余残饵的数量,以评估其生长状况和食欲。虽然这种方法可能可靠且经常使用,但它耗时且主观。最重要的是,虾是底栖动物,这一过程也会扰乱摄食过程,可能无法反映它们的实际行为。因此,需要一种适当和自动的方法来估计虾的体长。另外人工的捞取会给对虾的成长带来一定的影响,频繁的捞取会导致对虾遭受过大的压力,甚至会出现死亡,这会给养殖人员带来一定的损失。
[0005]现如今,随着人工智能的发展,我们可以采用机器视觉图像处理技术对摄像头拍摄的对虾摄食视频逐帧进行处理,以此获取对虾的体长,肝胰腺,残饵量等数据,实时观测对虾的生长状况,根据收集到的数据与对虾正常生长的样本数据进行比对,做出相应的调整措施,以此减少损失。因此提出了一种对虾养殖智能化观测装置及观测方法。

技术实现思路

[0006]基于此,有必要针对上述技术问题,提供一种对虾养殖智能化观测装置及观测方法,来实现远程化,智能化观测对虾生长状况,获取对虾的体长、数量和残饵量,提高饵料的利用率,给养殖人员带来极大便利的同时,也减少了成本。
[0007]一种对虾养殖智能化观测装置,包括:
[0008]支架;
[0009]透明饲料盘,所述透明饲料盘内能够放置供对虾摄食的饲料;
[0010]驱动单元,固定在所述支架上,所述驱动单元用于驱动所述透明饲料盘上升或下降;
[0011]对虾图像获取模块,所述对虾图像获取模块位于所述透明饲料盘的上方,且所述对虾图像获取模块用于采集对虾摄食过程中的视频;
[0012]对虾图像处理模块,与对虾图像获取模块相连接,所述对虾图像处理模块能够根
据对虾摄食过程中的视频,对对虾的摄食强度、活性状态、肝胰腺进行识别和分析;
[0013]水听器模块,设置在所述透明饲料盘的正下方,所述水听器模块用于判断对虾的摄食强度;
[0014]应力传感器模块,安装在所述透明饲料盘的内部中间位置,所述应力传感器模块能够感应对虾的活性状态。
[0015]在其中一个实施例中,所述饲料盘包括饲料盘上壁和下底板,所述饲料盘上壁和下底板均采用PMMA型材料制成。
[0016]在其中一个实施例中,所述支架包括:
[0017]竖杆,所述竖杆的一侧设置有横杆;
[0018]三角支撑,连接在所述竖杆和所述横杆之间。
[0019]在其中一个实施例中,所述驱动单元包括:
[0020]电机,与太阳能电池板相连接;
[0021]第一U型固定架和第二U型固定架,固定在所述横杆的上表面,所述第一U型固定架和第二U型固定架分别安装有第一滑轮和第二滑轮;
[0022]绳索,所述绳索的一端缠绕在所述电机上,所述绳索的另一端依次穿过所述第一滑轮和第二滑轮后与所述透明饲料盘相连接。
[0023]一种对虾养殖智能化观测装置的观察方法,包括以下步骤:
[0024]S1、采集对虾摄食过程中的视频;
[0025]S2、将获取到的视频逐帧截取获得图像,使用Mosaic数据增强算法改进版技术得到原始的数据集;
[0026]S3、使用Labelme将原始数据集划分为训练集,测试集和验证集;
[0027]S4、目标识别阶段,将训练集输入到特征提取网络,得到特征图;
[0028]S5、将特征图分别输入区域建议网络和感兴趣区域池化,分别生成候选检测框和建议特征图;
[0029]S6、利用Faster R

CNN对候选检测框和建议特征图进行识别分类和回归;
[0030]S7、得出对虾的体长、数量和残饵量。
[0031]在其中一个实施例中,所述步骤S2包括:
[0032]S21、选取逐帧截取的5张原始图片,并在5张原始图片从中随机挑出4张图片进行翻转,缩放,色域变化;
[0033]S22、将原始图片按照第一张图片摆放在左上,第二张图片摆放在左下,第三张图片摆放在右下,第四张图片摆放在右上四个方向位置摆好;
[0034]S23、最后将组合好的图片与剩下的一张图片进行融合,得到丰富的数据集作为原始数据集。
[0035]在其中一个实施例中,所述步骤S3包括:使用Labelme对原始数据集进行标注并将其按照8:1:1来划分为训练集、测试集和验证集。
[0036]在其中一个实施例中,所述步骤S5中,将特征图输入区域建议网络包括:
[0037]输入区域建议网络后输出所有可能包含目标的候选框;
[0038]采用滑动窗口的方法进行候选框提取;
[0039]使用分类器判别是目标还是背景,用回归器进一步对候选框进行定位修正,完成
目标定位最终获取既包含目标又经过定位调整后的候选框,同时剔除太小和超出边界的候选框;
[0040]最后,用非极大值抑制来确定包含检测目标的候选检测框。
[0041]在其中一个实施例中,所述步骤S5中,将特征图输入感兴趣区域池化包括:收集区域建议网络生成的每个候选框的坐标,并且在最初的特征图上标注出来,生成建议特征图。
[0042]在其中一个实施例中,所述步骤S7中,所述对虾的体长数据获取方式包括:
[0043]将拍摄到的对虾摄食过程中的视频逐帧输入Faster R

CNN;Faster R

CNN对运动中的对虾进行身体部位的检测;
[0044]当检测到对虾的一定数量的身体部位时,将会绘制一个边界框覆盖整个虾体,绘制的边界框中心相对应的单独节点也将分配给每个正确检测到的身体部位;
[0045]当检测达到充足时,即检测到相邻两个部位时,就可以利用对虾身体特征得到有效的有向循环图DCG;
[0046]对虾身体部位的关键部分来定义对虾的姿势,得出包含一系列姿势的姿势矩阵,然后,对所得到的对虾的姿势矩阵进行编码;
[0047]比对确定对虾的姿势,然后根据边界框的大小,估计出对虾的体长。
[0048]上述对虾养殖智能化观测装置及观测方法本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种对虾养殖智能化观测装置,其特征在于,包括:支架;透明饲料盘(16),所述透明饲料盘(16)内能够放置供对虾摄食的饲料;驱动单元,固定在所述支架上,所述驱动单元用于驱动所述透明饲料盘(16)上升或下降;对虾图像获取模块(10),所述对虾图像获取模块(10)位于所述透明饲料盘(16)的上方,且所述对虾图像获取模块(10)用于采集对虾摄食过程中的视频;对虾图像处理模块(17),与对虾图像获取模块(10)相连接,所述对虾图像处理模块(17)能够根据对虾摄食过程中的视频,对对虾的摄食强度、活性状态、肝胰腺进行识别和分析;水听器模块(15),设置在所述透明饲料盘(16)的正下方,所述水听器模块(15)用于判断对虾的摄食强度;应力传感器模块(13),安装在所述透明饲料盘(16)的内部中间位置,所述应力传感器模块(13)能够感应对虾的活性状态。2.如权利要求1所述的对虾养殖智能化观测装置,其特征在于,所述饲料盘包括饲料盘上壁(11)和下底板(12),所述饲料盘上壁(11)和下底板(12)均采用PMMA型材料制成。3.如权利要求2所述的对虾养殖智能化观测装置,其特征在于,所述支架包括:竖杆(3),所述竖杆(3)的一侧设置有横杆(9);三角支撑(4),连接在所述竖杆(3)和所述横杆(9)之间。4.如权利要求3所述的对虾养殖智能化观测装置,其特征在于,所述驱动单元包括:电机(2),与太阳能电池板(1)相连接;第一U型固定架(6)和第二U型固定架(8),固定在所述横杆(9)的上表面,所述第一U型固定架(6)和第二U型固定架(8)分别安装有第一滑轮(5)和第二滑轮(7);绳索,所述绳索的一端缠绕在所述电机(2)上,所述绳索的另一端依次穿过所述第一滑轮(5)和第二滑轮(7)后与所述透明饲料盘(16)相连接。5.一种根据权利要求1

4任一项所述的对虾养殖智能化观测装置的观察方法,其特征在于,包括以下步骤:S1、采集对虾摄食过程中的视频;S2、将获取到的视频逐帧截取获得图像,使用Mosaic数据增强算法改进版技术得到原始的数据集;S3、使用Labelme将原始数据集划分为训练集,测试集和验证集;S4、目标识别阶段,将训练集输入到特征提取网络,得到特征图;S5、将特征图分别输入区域建议网络和感兴趣区域池化,分别生成候选检测框和建议特征图;S6、利用Faster R

【专利技术属性】
技术研发人员:张铮朱豪男姜龙童琳涵
申请(专利权)人:上海海洋大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1