[發明專利]一種魚類攝食狀態的檢測方法及裝置

在審

• 申請號: 202011364526.X
• 申請日: 2020-11-27
• 公開（公告）號: CN112381044A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 劉春紅;孔慶辰;葉榮珂;李道亮;陳英義;段青玲;張玉泉;蔡振鑫
• 申請（專利權）人: 中國農業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06Q50/02
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 孫怡

本發明水產養殖技術領域，尤其涉及一種魚類攝食狀態的檢測方法。所述檢測方法包括：獲得魚群采食時的紋理特征和形狀特征；將所述魚群采食時的紋理特征和形狀特征代入預設深度森林模型中，得到所述待測魚群的攝食狀態。該方法將魚群采食時的紋理特征和形狀特征以及對應的攝食狀態相結合構建深度森林模型，進而可以直接通過魚群采食照片的紋理特征和形狀特征判斷魚群的攝食狀態，準確率高，可達到95％左右，這為魚類的精準飼喂提供理論支持和解決途徑。

技術領域

本發明涉及水產養殖技術領域，尤其涉及一種魚類攝食狀態的檢測方法及裝置。

背景技術

目前，集約化水產養殖的發展導致飼料在總成本中的比例增加。因此，在生產過程中投喂不足或者過度投喂，都會對魚類的正常生長造成影響。投喂不足將導致魚類體重下降，經濟效益下滑。過度投喂會導致經濟效益損失，而且未吃完的飼料也會污染環境，造成水體富營養化。因此在循環水養殖系統中，對魚類精準投喂的控制提出了更高的要求。

現有技術對魚類攝食行為的研究中，主要包括間接檢測和直接檢測兩類方法。間接檢測法是通過實時檢測水中殘余餌料數量，從而估計魚群的攝食狀態。但實際循環水養殖車間常常光線較弱、魚群密集，導致從拍攝圖片中分割殘餌目標極其困難。中國專利申請號CN201710238952.0、名稱為“一種水產養殖的自動投餌和水質監測控制系統及方法”用OTSU和EM算法計算殘餌數量，但由于餌料重疊、魚群和水草雜物等遮擋，造成測量精度不穩定，容易產生誤差。直接檢測法首先對目標魚群的饑餓狀態進行標記，然后將訓練樣本輸入設定好的卷積神經網絡里進行模型訓練，該方法與傳統檢測方法相比，具有精度高的特點，但此類方法通常需要較大的樣本量以及過多的超參數，導致實際操作困難。中國專利申請號CN201910805322.6、名稱為“一種河蟹養殖投餌量的精準確定方法”用水下攝像頭拍攝河蟹照片訓練多層卷積神經網絡，所需時間較長、設置超參數過多、需要樣本量過大。

發明內容

為了解決現有技術中間接檢測法測量結果誤差較大，直接檢測法需要較大的樣本量以及過多的超參數的技術問題，本發明提供一種魚類攝食狀態的檢測方法及裝置。

第一方面，本發明提供一種魚類攝食狀態的檢測方法，包括：

拍照得到魚群采食圖片；

提取所述魚群采食圖片的紋理特征和形狀特征；

將所述紋理特征和形狀特征輸入預設深度森林模型中，得到所述待測魚群的攝食狀態；

所述預設深度森林模型為基于魚群的攝食狀態與對應的攝食時的紋理特征和形狀特征訓練得到；所述攝食狀態包括飽腹、低度饑餓、中度饑餓和高度饑餓。

進一步地，提取所述魚群采食圖片的紋理特征和形狀特征，具體為：

針對所述魚群采食圖片去除背景后建立灰度共生矩陣，將所述灰度共生矩陣的熵作為紋理特征；

將所述灰度共生矩陣的圓弧度作為形狀特征。

進一步地，將所述紋理特征和形狀特征輸入預設深度森林模型中，得到所述待測魚群的攝食狀態，具體為：

通過多粒度掃描模塊對所述紋理特征和形狀特征進行掃描得到特征向量；

將所述特征向量輸入多粒度掃描模塊中的隨機森林和完全隨機森林后輸出分類向量；

將所述分類向量與所述紋理特征和形狀特征連接輸入到所述預設深度森林模型中，得到所述待測魚群的攝食狀態。

進一步地，所述預設深度森林模型的構建方法如下：

對不同攝食狀態的魚群進行拍攝得到多張魚群采食照片和每張魚群采食照片對應的攝食狀態；

針對每張魚群采食照片去除背景，后建立相應的灰度共生矩陣；