申请/专利权人：中国水产科学研究院南海水产研究所

申请日：2023-08-30

公开（公告）日：2024-01-09

公开（公告）号：CN116821807B

主分类号：G06F18/2411

分类号：G06F18/2411;G06Q50/02;G06V10/28;G06V10/764;G01S15/86;G01N21/31;G01N33/18

优先权：

专利状态码：有效-授权

法律状态：2024.01.09#授权;2023.10.24#实质审查的生效;2023.09.29#公开

摘要：本发明公开了一种基于机器视觉的渔获物识别与自动录取方法及系统，包括以下步骤：检测识别区域的水质情况和微生物种类及密度情况，生成第一渔获物信息；所述第一渔获物信息结合处理后的声呐信息生成第二渔获物信息；所述第二渔获物信息结合经过处理后的二值化灰度图像生成第三渔获物信息，将所述第三渔获物信息进行导入SVM分类模型中进行分类后生成渔获物分类数据，构建数据录取平台，所述数据录取平台自动录取所述渔获物分类数据。

主权项：1.一种基于机器视觉的渔获物识别与自动录取方法，其特征在于，包括以下步骤：对识别区域内的水质进行检测，得到水质检测结果，通过分光光度计获取识别区域内的微生物种类及密度数据，将所述水质检测结果、微生物种类及密度数据和渔获物种类历史数据相结合，得到第一渔获物信息；在带检测区域内投放声呐设备，声呐设备发射声呐信号并接收识别区域中反射的声呐信号，分析处理所述识别区域中反射的声呐信号，结合第一渔获物信息生成第二渔获物信息；获取识别区域拍摄图像，对所述识别区域拍摄图像进行Canny边缘检测及二值化处理，生成二值化灰度图像；提取所述二值化灰度图像中渔获物的视觉特征信息，将所述渔获物的视觉特征信息和第二渔获物信息结合并导入SVM分类模型中进行分类处理，生成渔获物分类数据；将所述渔获物分类数据转换为符合录取格式的渔获物分类数据，构建数据录取平台，对符合录取格式的渔获物分类数据进行自动录取，所述数据录取平台在自动录取过程中进行录取监控；其中，所述对识别区域内的水质进行检测，得到水质检测结果，通过分光光度计获取识别区域内的微生物种类及密度数据，将所述水质检测结果、微生物种类及密度数据和渔获物种类历史数据相结合，得到第一渔获物信息，具体为：确定识别区域，在所述识别区域内放入水质检测传感器，所述水质检测传感器采集识别区域内的水进行水质检测，生成水质监测结果，所述水质检测结果包括溶解氧检测结果、温度检测结果和pH值检测结果；获取识别区域的水样，将所述带检测区域的水样放入分光光度计中，所述水样品内各种微生物吸收特定波长的光能量，间能级跃迁产生具有特征性的带状光谱；不同的微生物产生的带状光谱不同，通过不同微生物的带状光谱制作微生物种类-密度-吸光度曲线，根据所述微生物种类-密度-吸光度曲线反推得出识别区域内的微生物种类及密度数据；通过大数据检索，获取识别区域内渔获物种类的历史信息；结合所述水质监测结果、识别区域内的微生物种类及密度数据和识别区域内渔获物种类的历史信息，生成第一渔获物信息；其中，所述在带检测区域内投放声呐设备，声呐设备发射声呐信号并接收识别区域中反射的声呐信号，分析处理所述识别区域中反射的声呐信号，结合第一渔获物信息生成第二渔获物信息，具体为：通过声呐设备的发射装置在所述识别区域内发射声呐信号，并通过声呐设备的接收装置接收识别区域中反射的声呐信号；将所述识别区域中反射的声呐信号使用离散小波变换方法进行小波分解，得到不同频率读数的小波系数；设定声呐标准信号阈值，保留小波系数大于声呐标准信号阈值的声呐信号，将小波系数小于声呐标准信号阈值的声呐信号去除；对保留的小波系数通过逆离散小波变换，生成初始去噪处理声呐信号，对初始去噪处理声呐信号重复进行小波分解和噪声消除，生成去噪处理声呐信号；根据所述去噪处理声呐信号的回波振幅大小、回波振幅频率和回波持续时间，生成渔获物声呐信息；所述渔获物声呐信息与第一渔获物信息相结合，得到第二渔获物信息；其中，所述提取所述二值化灰度图像中渔获物的视觉特征信息，将所述渔获物的视觉特征信息和第二渔获物信息结合并导入SVM分类模型中进行分类处理，生成渔获物分类数据，具体为：剔除所述二值化灰度图像中定义为0的像素点，得到渔获物纹理特征灰度化图像，由所述渔获物纹理特征灰度化图像获得渔获物的视觉特征信息；将所述渔获物的视觉特征信息和第二渔获物信息结合，生成第三渔获物信息；将所述第三渔获物信息导入SVM分类模型中，生成各种特征向量，对所述特征向量进行数据清洗处理；将结果数据清洗处理后的各种特征向量划分为训练集和测试集，在所述SVM分类模型中选用高斯径向基函数作为核函数；所述高斯径向基函数使用训练集对SVM分类模型进行训练，将所述训练集的各种特征向量映射至SVM分类模型中的高维特征空间，取各种特征向量间隔距离最大处构建超平面，所述各种特征向量在超平面上呈线性分布；分析超平面上的各种特征向量，判断各种特征向量的种类和数量，并根据特征向量种类进行分类处理；使用测试集对已训练的SVM分类模型的准确率、精确度、召回率和F1分数进行评估，生成评估结果，根据所述评估结果对SVM分类模型进行修正；将分类处理后的特征向量导出SVM分类模型，得到渔获物分类数据；其中，所述将所述渔获物分类数据转换为符合录取格式的渔获物分类数据，构建数据录取平台，对符合录取格式的渔获物分类数据进行自动录取，所述数据录取平台在自动录取过程中进行录取监控，具体为：创建数据文本映射表，根据渔获物种类历史信息在所述数据文本映射表中编辑渔获物种类文本，将所述渔获物分类数据导入至数据文本映射表中，使渔获物分类数据与渔获物种类文本相对应，生成渔获物文本信息，构建数据存储库，将所述渔获物文本信息存储进数据存储库中；构建数据录取平台，在所述数据录取平台内预设渔获物分类信息录取模块，将所述数据存储库与数据录取平台通过全连接的方式，使数据存储库中的渔获物文本信息自动录取进所述渔获物分类信息录取模块中；根据各种渔获物的种类特征信息，预设各种渔获物种类的特征阈值，若一种渔获物信息在自动录取过程中不在对应渔获物种类的特征阈值范围内，则渔获物分类信息录取模块不录取此渔获物信息；此外，所述一种基于机器视觉的渔获物识别与自动录取方法，还包括以下步骤：在所述识别区域上使用无人机进行激光地形地貌测量，通过无人机上的激光探测仪发射激光波束，根据激光波束返回的时间差得到识别区域各地方的水深；根据所述识别区域各地方的水深构建三维地形地貌模型，获取该识别区域内渔获物的生存环境，根据所述三维地形地貌模型与渔获物的生存环境，得到各种渔获物在该识别区域内的具体分布位置；继续对高斯滤波灰度化图像使用Canny边缘检测法进行捕捞渔获物工具的特征提取，若在高斯滤波灰度化图像识别出在非官方人员捕捞渔获物时间内有捕捞渔获物工具，则制定应对方案。

全文数据：

权利要求：

百度查询： 中国水产科学研究院南海水产研究所 一种基于机器视觉的渔获物识别与自动录取方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD