基于计算机视觉识别的养殖对象耗氧量估算方法及系统与流程

1.本发明涉及智能水产养殖技术领域，具体涉及了一种基于计算机视觉识别的养殖对象耗氧量估算方法及系统。


背景技术：

2.水产养殖是农业生产的重要组成部分，我国水产养殖产量连续多年位居世界第一，是世界上重要的水产品生产和出口大国之一，水产养殖已成为我国农业生产的重要组成部分，是不少地方农村经济发展的支柱产业。
3.对于鱼类的养殖，不同品种的养殖鱼对溶解氧的需求是不同的，不仅正常生长需求值、呼吸困难点、窒息点不同，而且即便是同一品种的鱼，在不同生长阶段对溶解氧的需求也不同，这是由养殖鱼的生理因素所决定，养殖鱼对溶解氧的适应水平具有一个适合其生长的最佳范围，其含量既不能过高也不能过低，而如何对养殖鱼的实际耗氧量进行计量，从而对养殖水域中的溶解氧进行补充，是亟待解决的问题。


技术实现要素：

4.本发明所解决的技术问题在于提供一种基于计算机视觉识别的养殖对象耗氧量估算方法及系统，能够对养殖对象的耗氧量进行估算。
5.本发明提供的基础方案：基于计算机视觉识别的养殖对象耗氧量估算方法，包括以下步骤：
6.影像获取步骤：采集养殖对象在养殖区域内的影像数据；
7.影像处理步骤：筛选影像数据中的关键数据，生成数据集；
8.影像识别步骤：以数据集作为样本数据训练模型，将新获得的影像数据输入训练好的模型，输出养殖对象的数量和体型特征；
9.影响分析步骤：获取养殖对象耗氧量影响因素对养殖对象耗氧量的影响情况，训练耗氧量分析模型，所述耗氧量影响因素包括养殖对象数量以及体型特征；
10.耗氧量预测步骤：将识别出的养殖对象数量以及体型特征输入已训练好的耗氧量分析模型，输出养殖对象耗氧量。
11.本发明的原理及优点在于：通过拍摄养殖区域中养殖对象的影像，对影像进行筛选，得到适合进行计算机视觉识别的数据集，以数据集作为样本数据训练识别模型，之后将新获得的影像数据输入到模型中，自动输出识别到的养殖对象的数量和体型。养殖对象的体型是决定养殖单个养殖对象耗氧量的主要因素，养殖对象的数量是判断养殖区域中所有养殖对象整体耗氧量的主要参数，因此将养殖对象的数量、体型作为耗氧量影响因素，通过深度学习的方式训练耗氧量分析模型，将新采集到的养殖对象的数量、体型输入到训练好的耗氧量分析模型中之后，从而能够大致估算出进行检测的养殖区域内养殖对象的实际耗氧量，进而能够根据当前养殖区域的实际溶解氧判断是否符合养殖对象生长的需求，以便于及时做出调整。
12.进一步，所述影像处理步骤具体包括以下步骤：
13.s110：获取养殖对象的非进食时段以及非沉底时段，以养殖对象的非进食时段与非沉底时段的交集，作为分析时段；
14.s120：获取分析时段的影像数据；
15.s130：提取分析时段的影像数据的关键帧，作为数据集。
16.对采集到的影像数据进行筛选，因为通过计算机视觉对影像中的养殖对象的数量和体型进行识别，因此需要选择养殖对象在自然状态下的清晰的影像进行识别，提高识别的准确性。去除进食时段的影像，因为养殖对象在进食过程中，较为聚集，会使得影像中会存在大量养殖对象重叠的情况，不便于对数量和体型进行识别。去除养殖对象沉底时段的影像数据，因为养殖对象沉底后，影像数据中的养殖对象会存在模糊不清的情况，同样不便于统计。通过提取筛选出来影像数据的关键帧，去除模糊的片段，以清晰的部分作为数据集进行训练，以及以该时段的影像数据作为输入影像，提高识别的准确性。
17.进一步，所述影像识别步骤具体包括以下步骤：
18.s210：对数据集中的养殖对象轮廓进行标记，训练图像分割模型；
19.s220：将新获取到的分析时段内的影像数据输入训练好的图像分割模型，图像分割模型从影像数据中分割出养殖对象影像；
20.s230：根据养殖对象影像，确定养殖对象数量；
21.s240：获取参照目标参数，根据参照目标参数以及养殖对象影像，判断养殖对象的体型特征，所述体型特征包括体长和体宽。
22.首先，对获取到的数据集中的养殖对象轮廓进行标记，通过一系列标记好的图像训练图像分割模型。在后续应用时，将新获取到的影像数据输入到图像分割模型中之后，便能够自动从影像数据中分割出养殖对象影像。得到分割结果后，基于分割出的养殖对象影像，能够对养殖对象的数量进行统计。同时，结合参照目标参数和养殖对象影像，对养殖对象的体长和体宽进行识别。
23.进一步，所述影像识别步骤还包括以下步骤：
24.s250：获取已训练好的养殖对象体重转换模型；
25.s251：将养殖对象的体型特征输入养殖对象体重转换模型，输出养殖对象体重。
26.根据养殖对象的体长和体宽，将其输入已经训练好的体重转换模型，根据体长、体宽与养殖对象体重的映射关系，便能够得到养殖对象的体重，通过养殖对象的体重对养殖对象的耗氧量进行估算。
27.进一步，所述s230包括以下步骤：
28.s231：分别判断分割出的各个养殖对象影像中是否存在多个养殖对象重叠，若否则标记为第一影像，若是则标记为第二影像；
29.s232：统计第一影像的数量，得到第一养殖对象数量；
30.s233：统计第二影像中养殖对象的头部数量和尾部数量；
31.s234：选取第二影像中，头部数量与尾部数量的较大值，作为第二养殖对象数量；
32.s235：根据第一养殖对象数量和第二养殖对象数量，计算养殖对象总数量。
33.通过养殖对象影像对养殖对象数量进行计量时，若养殖对象影像不存在多个养殖对象重叠，那么标记为第一影像，第一影像中只存在一个养殖对象，直接通过计量第一影像
的数量，便能够计算出影像中未重叠的养殖对象数量，得到第一养殖对象数量。若是养殖对象影像存在重叠，标记为第二影像，第二影像中存在多个养殖对象，通过计算第二影像中的头部数量和尾部数量，计算出影像中重叠的养殖对象数量，由于影像中的养殖对象重叠，可能存在头部或者尾部遮挡的情况，因此选择头部数量和尾部数量中的较大值作为第二养殖对象数量。最终将第一养殖对象数量和第二养殖对象数量相加，得到养殖对象总数量。
34.进一步，所述影响分析步骤包括以下步骤：
35.s310：获取养殖对象体重对耗氧量的影响情况，训练耗氧量分析模型；
36.s320：获取本次测得的养殖对象数量以及各个养殖对象体重。
37.所述耗氧量预测步骤包括以下步骤：
38.s410：将测得的养殖对象数量以及养殖对象体重输入耗氧量分析模型，输出预测耗氧量。
39.通过获取到养殖对象的体重对耗氧量的影响情况，训练耗氧量分析模型。在后续使用时，将实际测得的养殖对象的体重和养殖对象数量输入到已经训练好的耗氧量分析模型中，输出养殖对象的耗氧量，从而实现通过依据养殖对象的体重和数量，预估到符合养殖对象生长需求的耗氧量。
40.进一步，还包括溶解氧预测步骤：
41.s510：获取温度数据、ph值数据对溶解氧的影响情况，训练溶解氧预测模型；
42.s520：实时获取养殖区域内的温度数据、ph值数据以及溶解氧数据，输入溶解氧预测模型，生成溶解氧预测曲线。
43.水中的溶解氧除了养殖对象的消耗外，还与温度值和ph值有关，通过训练温度数据、ph值数据对溶解氧影响的预测模型，将测得的温度数据、ph值数据以及溶解氧数据，输入溶解氧预测模型，预测未来时段的溶解氧变化趋势。
44.进一步，结合养殖对象耗氧量和溶解氧预测曲线，生成曝气策略。
45.结合养殖对象耗氧量和溶解氧预测曲线，生成曝气策略，从而能够对养殖区域的溶解氧进行补偿。
46.本发明还公开了一种基于计算机视觉识别的养殖对象耗氧量估算系统，该系统使用了上述的基于计算机视觉识别的养殖对象耗氧量估算方法。
附图说明
47.图1为本发明计算机视觉识别的养殖对象耗氧量估算方法实施例的流程示意图；
48.图2为本发明计算机视觉识别的养殖对象耗氧量估算方法实施例影像处理步骤的流程示意图；
49.图3为本发明计算机视觉识别的养殖对象耗氧量估算方法实施例影像识别步骤的流程示意图。
具体实施方式
50.下面通过具体实施方式进一步详细说明：
51.实施例基本如附图1所示：
52.基于计算机视觉识别的养殖对象耗氧量估算方法，包括以下步骤：
53.影像获取步骤：采集养殖对象在养殖区域内的影像数据。
54.具体的，在本实施例中，养殖区域为鱼塘，养殖对象为鱼。通过将摄像设备设置在鱼塘的各个区域，根据鱼塘的面积，制定摄像设备的数量，对养殖对象的图像进行拍摄。
55.影像处理步骤：筛选影像数据中的关键数据，生成数据集。影响处理步骤具体包括以下步骤。
56.s110：获取养殖对象的非进食时段以及非沉底时段，以养殖对象的非进食时段与非沉底时段的交集，作为分析时段；
57.s120：获取分析时段的影像数据；
58.s130：提取分析时段的影像数据的关键帧，作为数据集。
59.首先获取到养殖对象的非进食时段和非沉底时段，标记为分析时段，本实施例中非进食时段和非沉底时段的获取，采用人工标记和影像识别两种方式结合进行获取。非进食时段由人工录入计算机，非沉底时段具体通过影像数据进行分析。具体的，通过获取到养殖区域的深度，以水面以下三分之二的深度作为非沉底区域，根据影像数据，判断养殖对象大多数活跃在非沉底区域的时段为非沉底时段，选取非进食时段和非沉底时段的交集作为分析时段，获取分析时段的影像数据，从而使得获取到的影像数据中的养殖对象是处于正常养殖状态下，不会过于聚集导致影像中的养殖对象大多存在重叠，也不会导致影像中的养殖对象过于模糊导致无法识别，使得识别结果更加准确。获取到分析时段的影像数据后，通过关键帧提取算法进行关键帧的提取。本实施例中具体选择平均帧间差分强度局部最大值的帧作为影像数据的关键帧，具体方式如下：
60.(1)逐帧读取视频，进行灰度化与高斯滤波处理。
61.(2)计算绝对值差分值，进行二值化处理与差分值列表平滑。
62.(3)在预设窗口内寻找局部最大值。
63.(4)遍历所有视频帧，提取视频关键帧并保存。
64.通过对关键帧的提取，去除掉部分模糊的影像，最终获得了养殖对象在自然养殖状态下的水下清晰影像的数据集。
65.影像识别步骤：以数据集作为样本数据训练模型，将新获得的影像数据输入训练好的模型，输出养殖对象的数量和体型特征。影像识别步骤具体包括有以下步骤：
66.s210：对数据集中的养殖对象轮廓进行标记，训练图像分割模型；
67.s220：将新获取到的分析时段内的影像数据输入训练好的图像分割模型，图像分割模型从影像数据中分割出养殖对象影像；
68.s230：根据养殖对象影像，确定养殖对象数量；
69.s240：获取参照目标参数，根据参照目标参数以及养殖对象影像，判断养殖对象的体型特征，所述体型特征包括体长和体宽。
70.s250：获取已训练好的养殖对象体重转换模型；
71.s251：将养殖对象的体型特征输入养殖对象体重转换模型，输出养殖对象体重。
72.首先，对获取到的数据集中的养殖对象轮廓进行标记，通过一系列标记好的图像训练图像分割模型。之间将新获取到的影像输入进图像分割模型，便能够自动从影像数据中分割出养殖对象影像，且轮廓清晰可分辨。通过图像分割的方式，从影像数据从识别出各个养殖对象影像后，对养殖对象影像进行识别分析，识别出养殖对象的数量和体型。
73.对于养殖对象数量的识别，s230包括以下步骤：
74.s231：分别判断分割出的各个养殖对象影像中是否存在多个养殖对象重叠，若否则标记为第一影像，若是则标记为第二影像；
75.s232：统计第一影像的数量，得到第一养殖对象数量；
76.s233：统计第二影像中养殖对象的头部数量和尾部数量；
77.s234：选取第二影像中，头部数量与尾部数量的较大值，作为第二养殖对象数量；
78.s235：根据第一养殖对象数量和第二养殖对象数量，计算养殖对象总数量。
79.判断分割出的养殖对象影像中，是否有存在多个养殖对象重叠的情况，若未重叠则标记为第一影像，若重叠则标记为第二影像。第一影像中的养殖对象为单个，因此统计第一影像的数量，计算第一养殖对象数量，便能够得到未重叠的养殖对象的数量。第二影像中存在多个养殖对象重叠，因此通过图像分析的方式，识别出第二影像中的头部数量以及尾部数量，因为第二影像中的养殖对象存在重叠，可能存在某个养殖对象的头部或尾部被遮挡的情况，因此以头部数量和尾部数量中更大的一个数值，作为第二养殖对象数据，保证结果准确性。将第一养殖对象数量与第二养殖对象数量相加，最终确定出养殖对象的总数。
80.确定养殖对象数量之后，根据养殖对象影像与参照物进行比较的方式，判断养殖对象的体型特征。通过选择影像中固定不变的物体进行参照，本实施例中的参照物优选为池塘中的排污管，获取到参照目标参数，即排污管的深度、排污管的像素尺寸以及排污管的实际尺寸，并在影像采集同时，根据双目测距的方式，确定养殖对象的深度，根据养殖对象影像确定养殖对象的像素尺寸，已知排污管深度、排污管像素尺寸、排污管实际尺寸、养殖对象深度、养殖对象像素尺寸，通过等比例换算得到养殖对象的实际尺寸，从而得到养殖对象的体型特征，包括有养殖对象体长和体宽。
81.获取到养殖对象的体长和体宽之后，将养殖对象的体长和体宽代入带已训练好的体重分析模型，设体长为l1，l2，
……
ln；体宽为b1，b2，
……
bn；体重为w1，w2，
……
wn。
[0082][0083]
将养殖对象的体长和体宽输入到训练好的体重分析模型，根据养殖体长、体宽与体重的映射关系转换得到养殖对象的体重。得到养殖对象的体重之后，根据养殖对象的数量和养殖对象体重，对养殖对象的耗氧量进行估算。
[0084]
影响分析步骤包括以下步骤：
[0085]
s310：获取养殖对象体重对耗氧量的影响情况，训练耗氧量分析模型；
[0086]
s320：获取本次测得的养殖对象数量以及各个养殖对象体重。
[0087]
所述耗氧量预测步骤包括以下步骤：
[0088]
s410：将测得的养殖对象数量以及养殖对象体重输入耗氧量分析模型，输出预测耗氧量。
[0089]
养殖对象的体重不同，会导致养殖对象的耗氧量不同，本实施例中估算得到的养殖对象提取以克为单位取整，统计到不同体重的养殖对象数量，之后将不同的养殖对象体重以及其对应的数量输入到耗氧量分析模型，耗氧量分析模型根据不同的养殖对象体重输出对应耗氧量，并结合其数量，输出估算出养殖对象在下一时段，总的耗氧量。
[0090]
还包括溶解氧预测步骤：
[0091]
s510：获取温度数据、ph值数据对溶解氧的影响情况，训练溶解氧预测模型；
[0092]
s520：实时获取养殖区域内的温度数据、ph值数据以及溶解氧数据，输入溶解氧预测模型，生成溶解氧预测曲线。
[0093]
曝气策略步骤：结合养殖对象耗氧量和溶解氧预测曲线，生成曝气策略。
[0094]
本发明还公开了一种基于计算机视觉识别的养殖对象耗氧量估算系统，该系统使用了上述的基于计算机视觉识别的养殖对象耗氧量估算方法。
[0095]
本实施例中，溶解氧预测曲线以前一时间段的数据，预测下一时间段的数据，例如以t-2、t-1、t时刻的数据预测t+1时刻的值，之后根据溶解氧预测区域和养殖对象在一个时间段内的耗氧量的关系，制定曝气策略。
[0096]
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本技术给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本技术的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本技术要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。