[發明專利]基于仿生海鰻的海洋牧場漁業資源養護效果評價方法

在審

• 申請號: 202010323948.6
• 申請日: 2020-04-23
• 公開（公告）號: CN111406693A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 劉必林;孔祥洪;陳新軍;孫翁杰
• 申請（專利權）人: 上海海洋大學
• 主分類號: A01K61/95
• 分類號: A01K61/95;G06N3/04;G06K9/00;G06K9/62
• 代理公司: 上海申浩律師事務所 31280
• 代理人: 張潔

本發明公開了一種基于仿生海鰻的海洋牧場漁業資源養護效果評價方法，該方法包括：步驟S110：通過仿生海鰻獲取海洋牧場中魚類的圖像信息及環境信息；步驟S120：根據所述魚類的圖像信息，通過訓練樣本構建神經網絡模型對獲取的圖像信息中的魚，按魚的種類進行識別和分類；步驟S130：根據所述魚類的圖像信息和識別分類結果，通過目標跟蹤算法對海洋牧場中魚群的魚體數量進行估計；步驟S140：根據所述魚類的識別分類結果、魚群信息和環境信息，評價海洋牧場漁業資源的養護效果。本發明可以高效準確地完成對海洋牧場漁業資源養護效果的評價；靈活地在各海域中活動，降低各種資源消耗；降低對海洋環境造成的擾動，保護海洋資源。

技術領域

本發明涉及生物分類及對海洋牧場的評價方法，更具體地，涉及一種基于圖像處理領域分類生物來評價海洋牧場漁業資源養護效果的方法。

背景技術

目前，海洋牧場正處在一個快速發展的階段，而發展海洋牧場的基礎就是對海洋牧場中漁業資源進行評估。

在對海洋牧場漁業資源評估時，傳統上使用捕撈抽樣調查，這會消耗很多的人力、物力、財力，且整個調查周期長，只能估算大致的魚群數量；專利申請號為CN201911053994.2的一種基于統計的深遠海養殖網箱的生物量評估裝置與方法，所采取的分類方式是魚根據大小對應于質量分類為N類，應用統計學方法統計出網箱內魚總質量，不能識別生物種類以及種類數量，評估的準確度不夠，而采用基于神經網絡分類模型以及目標追蹤統計魚類數量能夠直觀地反應養殖水域養殖品種的生長狀況以及資源狀況，且硬航行器在評估海洋牧場漁業資源時，噪聲大、對環境擾動大，對漁業資源本身就會造成傷害。在這種情況下，如何靈活準確，但又不需要大量人力、物力、財力的條件下，完成對海洋牧場漁業資源的評估就是一個需要解決的問題。而近年來，在仿生水下航行器和深度學習的物種識別上有了很大進展。

因此，發明一種基于仿生水下航行器和深度學習的海洋牧場資源評價方法來解決上述問題就很有必要。

發明內容

本發明提供一種基于仿生海鰻的海洋牧場漁業資源養護效果評價方法，以仿生海鰻帶動水下攝像機的視覺識別為手段，通過構建神經網絡模型和一種基于擴展卡爾曼濾波算法的目標跟蹤算法，觀測海洋牧場養殖產品的生長狀況和資源狀況，結合統計分析準確評估出海洋牧場生物的養護效果。

本發明的目的可通過下列技術方案來實現：

基于仿生海鰻的海洋牧場漁業資源養護效果評價方法，該方法包括：

步驟S110：通過仿生海鰻獲取海洋牧場中魚類的圖像信息及環境信息；

步驟S120：根據所述魚類的圖像信息，通過訓練樣本構建神經網絡模型對獲取的圖像信息中的魚，按種類進行識別和分類；

步驟S130：根據所述魚類的圖像信息和識別分類結果，通過目標跟蹤算法對海洋牧場中魚群的魚體數量進行估計；

步驟S140：根據所述魚類的識別分類結果、魚群信息和環境信息，評價海洋牧場漁業資源的養護效果。

進一步，所述步驟S110中的環境信息包括：水溫、鹽度、溶氧量、PH值、海水流速。

進一步，所述步驟S120中的訓練樣本包括：同一種類的魚的不同姿態的圖像；同一種類的魚的不同角度的圖像；不同種類的魚在相似姿態的圖像；不同種類地魚在相同角度的圖像。

進一步，對所述步驟S120中的魚類的圖像信息進行預處理操作，包括：對訓練樣本的原始圖像，通過圖像分割、圖像拉伸、統一圖像尺寸和分辨率，得到統一規格的圖像；根據統一規格的圖像，通過中值濾波去除圖像中的噪聲，高斯濾波平滑圖像邊緣，得到預處理后圖像。

進一步，所述步驟S120中的神經網絡模型為基于深度學習的神經網絡模型，包括：一層數據層，三層壓縮層，一層分類層。