【技术实现步骤摘要】
本专利技术涉及渔业养殖，更具体的说是涉及一种渔业精准投喂系统。
技术介绍
1、目前我国大部分养殖场采用人工投喂的方式，平均100亩地需要一名技术人员。人工投喂饲料主要依靠工人的工作经验，通过对鱼群数量的大致估计，不同鱼类的食用饲料情况、快慢、多少来大致计算所需要投喂的饲料重量。人工投喂不仅会增加生产成本还与鱼类对饲料量的需求存在一定偏差，并且对工作人员的经验丰富程度和熟练程度有较高要求。同时在全面信息化和智能化的今天，已经涌现了不少针对智能投喂饲料而研发出的产品。比如定时定点投喂系统，操作人员可以在平台上预先设计好投喂时间和投喂的重量。不过与此同时操作人员还需要在一段时间后根据鱼类的生长状况重新修改投喂的时间、次数以及投喂饲料的重量，但依然无法实现全面的自动化投料。虽然市面上已经出现了部分投喂机器可以通过调整投喂速率、投喂范围来减少工作人员的工作量以及饲料袋的使用，但常为了鱼类充分生长而过量投料造成饲料浪费，增加了饲料成本与水质保障的压力。
2、在实际渔业养殖中，鱼塘常出现鱼分布不均的问题，尤其在大范围水域这个现象更为明显，而通常人们会采取水域内平均且过量的投料策略，这会使得饲料浪费而增加成本，同时，没被食用的鱼饲料还会造成水体富营养化，污染水质，影响鱼的生存环境，使得鱼的病死率增加。
3、因此，如何综合各区域鱼的分布、鱼的生长规律、日期、温度、饲料种类等因素，构建出一套能够精准且科学地进行投喂的自动化系统是本领域技术人员亟需解决的技术问题。
技术实现思路
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种渔业精准投喂系统，包括：水中识别装置、边缘端服务器、智能投料装置，水中识别装置、边缘端服务器、智能投料装置依次相连；
4、水中识别装置，用于获取含鱼类运动的视频流信息并通过局域网发送至边缘端服务器；
5、边缘端服务器，用于通过预训练的yolov8网络对视频流信息中的目标鱼类进行识别并计数，确定不同区域的目标鱼类的实时比例，获取不同区域的饲料用量数据并发送至对应的智能投料装置；
6、智能投料装置，基于接收的饲料用量数据完成投喂。
7、可选的，水中识别装置包括用于供电与数据传输的水上部分、用于获取视频流信息的水下部分；
8、水上部分包括：用于监测水面情况的水上摄像头、对水上摄像头进行供电的电能供应模块、对水上摄像头所采集数据进行暂存和无线发送的通信模块；
9、水下部分包括：用于获取水下图像信息的水下摄像头、用于稳定水下摄像头的锚定装置。
10、可选的，电能供应模块包括依次连接的太阳能电池板、蓄电池和降压供电模块，降压供电模块的输出端与水上摄像头相连。
11、可选的，通信模块为树莓派picow开发板。
12、可选的，边缘端服务器包括：图像获取模块、模型改进模块、计数模块、饲料用量确定模块；
13、图像获取模块，用于从视频流信息中选取具有一条或多条完整轮廓的目标鱼类图像，对目标鱼类图像进行清洗并以整尾鱼、鱼头、鱼尾完成图像标注，获得预处理图像；
14、模型改进模块，用于对选取的yolov8基本模型进行改进，得到预训练的yolov8网络；
15、计数模块，通过预训练的yolov8网络对每一帧预处理图像进行识别，获取每一区域中的目标鱼类尾数并确定不同区域的目标鱼类的实时比例；
16、饲料用量确定模块，基于目标鱼类在不同时期生长所需的饲料量和数学模型，获取各区域的饲料用量数据。
17、可选的，模型改进模块包括：注意力机制引入子模块、损失函数调整子模块、抗噪子模块；
18、注意力机制引入子模块，用于在yolov8基本模型的neck部分中的连接层和卷积层之间添加simam注意力模块，统一权值；
19、损失函数调整子模块，用于将yolov8基本模型中的小目标检测层的损失权重降低，将中目标检测层、大目标检测层的损失权重提高；
20、抗噪子模块，通过在模型训练时使用label smoothing策略，得到预训练的yolov8网络。
21、可选的，计数模块包括：局部优选子模块、平均子模块、比例获取子模块；
22、局部优选子模块，基于鱼头、鱼尾和整尾鱼三种类型对每一帧图像进行识别并计数，取三者的最大值作为该帧视频的鱼数；
23、平均子模块，用于将视频流中的鱼数与视频流的总帧数取平均，得到各个局部区域的平均鱼数；
24、比例获取子模块，基于各个局部区域的平均鱼数，得到每一个局部区域总鱼数占鱼塘鱼苗总数的比例。
25、可选的，饲料用量确定模块获取的各区域的饲料用量数据表示为：
26、qi＝kapri(i＝1,2,3,…,m)；
27、式中：qi表示第i个区域的投料量；k表示饲料系数，即生产单位质量鱼肉所需要的饲料投放量；a表示饲料的搭配比例，p表示鱼塘内的计划鱼产量，ri表示第i个区域的目标鱼类的实时比例。
28、可选的，智能投料装置包括：上位机、投料机；
29、上位机，用于在设定的投放时间向投料机发出投料指令，通过控制投料机的工作时间和方向进行投料数量和投料位置的控制；
30、投料机，基于投料指令完成投料操作。
31、经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种渔业精准投喂系统，通过对养殖水域进行分区并在每一块水域部署水中识别装置，通过摄像头获取水下鱼类活动视频信息并通过无线网络将数据传输至边缘端服务器，利用预训练的神经网络对视频流信息进行识别并计数，确定不同区域的目标鱼类的实时比例，按照数学模型给出不同区域的饲料用量并传输至投料机。本专利技术使用深度学习计算机视觉技术，能够较为精准地通过各区域鱼的分布来投料，具有智能化的优点；通过智能精准投喂的方式，节省了鱼饲料，同时能够防止过量投料带来的水质污染，水上部分采取太阳能供电模式，进一步节省能源，具有节约和绿色的优点。
本文档来自技高网...【技术保护点】
1.一种渔业精准投喂系统，其特征在于，包括：水中识别装置、边缘端服务器、智能投料装置，水中识别装置、边缘端服务器、智能投料装置依次相连；
2.根据权利要求1所述的一种渔业精准投喂系统，其特征在于，水中识别装置包括用于供电与数据传输的水上部分、用于获取视频流信息的水下部分；
3.根据权利要求2所述的一种渔业精准投喂系统，其特征在于，电能供应模块包括依次连接的太阳能电池板、蓄电池和降压供电模块，降压供电模块的输出端与水上摄像头相连。
4.根据权利要求2所述的一种渔业精准投喂系统，其特征在于，通信模块为树莓派picow开发板。
5.根据权利要求1所述的一种渔业精准投喂系统，其特征在于，边缘端服务器包括：图像获取模块、模型改进模块、计数模块、饲料用量确定模块；
6.根据权利要求5所述的一种渔业精准投喂系统，其特征在于，模型改进模块包括：注意力机制引入子模块、损失函数调整子模块、抗噪子模块；
7.根据权利要求5所述的一种渔业精准投喂系统，其特征在于，计数模块包括：局部优选子模块、平均子模块、比例获取子模块；
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。