基于机器视觉的河蟹生长阶段监测浮式平台及方法

本发明属于河蟹生长无损监测，尤其涉及一种基于机器视觉的河蟹生长阶段监测浮式平台及方法。

背景技术：

1、自1993年以来，我国河蟹养殖的成蟹产量快速、稳定增长，预计到2024年止，全国河蟹养殖相关企业超7600家，产值规模超1000亿元。我国河蟹产量一直保持较高的水平，庞大的企业、消费群体使得河蟹智能生产机械都具有广阔的销售市场前景。

2、相比鱼、虾类经济水产养殖而言，开展中华绒螯蟹生态养殖及提升河蟹智慧养殖水平，存在水体环境复杂使得水质控制过程更为复杂、难以依据河蟹生长习性精准投饲和均匀投饲等问题，归根究底是当下河蟹养殖中生长数据采集方法难以做到无损，因此难以实时获得河蟹全面的生长数据，导致当下河蟹养殖过程仍以经验养殖为主，科学养殖水平较低。

3、现有技术1(cn106305567a)公开了一种用于河蟹判别的图像识别方法，其利用河蟹图像数据构建河蟹模式图并计算特征值，从而判定河蟹群体，在河蟹选育、获取河蟹产地方面发挥作用，但是无法用于河蟹养殖中对于生长情况的直接判断；现有技术2(cn117011795b)公开了一种基于类高斯模糊支持度的河蟹生长状态无损监测评估平台及方法，其针对河蟹习性搭建监测平台，采集河蟹图像与重量信息，基于类高斯模糊支持度对河蟹生长状态进行无损监测，但是其对于河蟹生长状态判定较为模糊，仅能实现对河蟹成熟、异常与否进行判断，对于河蟹养殖的指导性较低。

4、因此，如何获取河蟹当下的生长阶段，实现及时的生长状况判断是提高河蟹养殖质量、加快河蟹养殖设备自动化进程的关键步骤，也是目前亟需解决的技术问题。

技术实现思路

1、针对现有技术中存在的不足，本发明提供了一种基于机器视觉的河蟹生长阶段监测浮式平台及方法，能够采集河蟹的体征数据实现其生长阶段的监测，实现了露天河蟹养殖条件下河蟹生长状态的实时数据采集与分析评估。

2、本发明通过以下技术手段实现上述技术目的。

3、一种基于机器视觉的河蟹生长阶段监测浮式平台，包括由多块板材拼接组成的一端开口的箱式监测通道，监测通道放置在浮台上，监测通道开口处与引蟹地笼一端出口连接，引蟹地笼倾斜布置且另一端伸入水下并设置进口供河蟹进入；监测通道底部安装有压力传感器，压力传感器检测数据由监测通道侧面防水箱内的控制终端进行收集，并进一步发送到工作站或者服务器中进行处理；压力传感器正上方安装有摄像头组件，控制终端根据压力传感器的启闭控制摄像头组件的启闭，摄像头组件采集到的数据由控制终端进行收集，并进一步发送到工作站或者服务器中进行处理。

4、进一步地，所述浮台包括浮台平台、浮台支架、浮球，浮台支架由几根空心圆管通过三通连接件相连接组成，其上固定有浮台平台，多个浮球穿过空心圆管，具体浮球数量根据不同养殖状况手动调整，浮台平台上放置监测通道并固定，整个浮台通过栓绳或者插杆的方式限制其在小范围内移动。

5、一种利用上述基于机器视觉的河蟹生长阶段监测浮式平台的基于机器视觉的河蟹生长阶段监测方法，包括如下过程：

6、步骤1：将河蟹生长阶段监测浮式平台布置在待测养殖塘区域内；

7、步骤2：河蟹通过引蟹地笼爬入压力传感器平面，压力传感器检测到压力信号时发送电信号到控制终端，控制终端控制摄像头组件工作，采集河蟹图像数据；

8、步骤3：控制终端将摄像头组件采集到的图像数据传输至工作站或者服务器中进行处理分析，获取河蟹的生长体征数据；

9、步骤4：控制终端将压力传感器采集的数据传输至工作站或服务器进行处理，获取河蟹的重量数据；

10、步骤5：基于所获取的河蟹生长体征数据与河蟹重量数据，工作站或服务器利用改进的支持向量机分类算法模型对河蟹进行生长阶段分类判别；

11、步骤6：工作站或服务器输出河蟹生长阶段信息并进行可视化展示，供相关人员查看。

12、进一步地，所述步骤3的具体过程如下：

13、步骤3.1：将所得图像提取g通道值；因为河蟹的颜色接近绿色，提取g通道更容易与背景进行区分；

14、步骤3.2：将所得图像先进行二值化处理，将河蟹与背景区分开；

15、步骤3.3：将所得图像进行开运算，即先腐蚀后膨胀，提取图像中的主体信息；

16、步骤3.4：将所得图像进行降噪处理，减少图像中噪点对于图像处理的影响；

17、步骤3.5：将所得图像进行边缘提取，提取河蟹轮廓的边缘信息；

18、步骤3.6：将所得轮廓建立直角坐标系，获得轮廓各点中横纵坐标的最大值、最小值分别为xmax、xmin和ymax、ymin，之后再以(xmax,ymax)、(xmin,ymin)为对角线的矩形内逐点扫描，计算各点与轮廓线上各点的距离总和：

19、

20、其中，l为所求距离总和，q为轮廓线上所有点，a为轮廓各点序号，la代表该点与轮廓线上单个点的距离，la的计算方式如下：

21、

22、其中，(x1,y1)和(x2,y2)分别为所求点与轮廓线上一点的坐标；

23、步骤3.7：比较计算得到的l值，当l值最小时，对应点即为河蟹轮廓内切圆圆心，圆心与轮廓线的最小距离即为内切圆半径，内切圆半径即为河蟹的生长体征数据。

24、进一步地，所述步骤4中，由于河蟹会在平台上爬动，因此压力传感器的示数会有所波动，因此对压力传感器的采集进行处理，具体压力传感器的工作设置包括如下几项：

25、设定压力传感器在检测到压力信号后每隔两秒再次检测，避免因压力传感器持续信号导致大量重复图像数据积压；

26、在一个监测周期中，压力传感器持续预设次数后读取不到信号视为完成一只河蟹的监测，在下一次压力传感器感受到压力信号后视为开启下一个监测周期；

27、在一个监测周期开始时新建一个数组，在一个监测周期结束后，舍弃该数组内前后各20％的数值，并求平均值；求得平均值后将数组内的数值与平均值做差值，然后将差值的绝对值与设定的阈值相比，如小于或等于所设阈值，则认为该值具有实际意义，选择保留本次采样值；一旦大于所设阈值，则认为此数值偏差较大选择舍弃本次采样值；最终保留下的数值重新求平均值即视为河蟹的实际重量。

28、进一步地，所述步骤5的具体过程如下：

29、将所得到的河蟹生长体征数据和重量数据作为输入值，采用改进的支持向量机分类算法进行分类，分类结果为“蜕壳一次”、“蜕壳两次”、“蜕壳三次”、“蜕壳四次”和“蜕壳五次”；

30、改进的支持向量机分类算法对传统支持向量机分类算法进行了改进，由“一对一对一”的分类改为“一对多”的形式，首先对于待分类的i类和j类，计算i类和j类各自类的中心点位置：

31、

32、其中，ci代表i类中心点坐标，ni代表i类样本总数，xi代表i类的所有样本点；x表示i类样本点的坐标值；j类中心点坐标cj计算方式同理；

33、然后计算i类和j类之间的欧式距离dij：

34、dij＝(dji)＝‖ci-cj‖

35、通过比较多个类别之间的欧式距离来优化分类过程，具体的分类步骤如下所示：

36、基于上述计算原理首先计算i类与其他所有类别之间的欧氏距离dij，dik，dil…,dim；

37、然后取i类与其他类别所有的欧式距离的最小值为bi：

38、

39、其中，dip表示i类与其他类别之间的欧氏距离，p表示分类序号，也就是除i类以外的其他类别总数；j、k、l、m均表示类别；

40、然后选择所有bi值的最大值，所选类别即为最先分类的一类；如果出现两类bi值同为最大，则比较第二小欧氏距离，如若仍然相等则继续比较再小一级的欧式距离，直至比较出大小；

41、在分类完第一种类别之后再对剩余p-1类重复上述步骤，直至完成所有分类。

42、进一步地，在完成河蟹蜕壳阶段分类处理之后，由于河蟹的蜕壳时间不固定，即使养殖条件相同，蜕壳期也将持续一周左右，因此仅通过单只河蟹不足以代表蟹塘整体的生长状况；因此对于生长阶段的判断要通过河蟹的分类结果进行投票，河蟹群体的生长阶段判定公式如下：

43、

44、其中，st表示此时蟹塘内河蟹生长状况的判定结果；sti和sti+1分别代表蜕壳前后的两次生长阶段，si和si+1分别代表前后两次生长阶段的河蟹在过去监测一定次数内所占的比例。当过去一定次数内监测的河蟹群体中上一生长阶段的河蟹数量超过90％，代表此时蟹塘还未彻底开始蜕壳，依然处于上一生长阶段；反之若一定次数内监测的河蟹群体中完成蜕壳进入下一生长阶段的河蟹数量超过90％，代表此时蟹塘已完成蜕壳，此时判定为处于下一生长阶段；若前后两次生长阶段的河蟹数量均未占到90％，则证明此时蟹塘处于前后两生长阶段之间的蜕壳期。

45、本发明具有如下有益效果：

46、本发明设计的河蟹生长监测浮式平台实现了对河蟹的无损监测，河蟹由于自身生物习性自发行动，减少了人类行动的干涉；并且浮式平台相较于固定式的平台提高了灵活性，可以按照养殖人员需要进行转塘放置，并且在需要更换调整平台的时候可以转移到岸上进行操作更为方便。此外，本发明利用改进的svm多分类算法适用于河蟹的多个生长阶段的分类情况，可以快速得到当下养殖塘内河蟹的生长状况，为养殖户制定养殖策略和自动化养殖设备的工作提供参数基础。