基于鱼群游泳能耗分析的循环水养殖鱼类投喂决策系统转让专利

申请号 : CN202110311997.2

文献号 : CN113040081B

文献日 :

基本信息:

PDF:

法律信息:

相似专利:

发明人 : 叶章颖文彦慈赵建魏丹朋泽群朱松明

申请人 : 浙江大学

摘要 :

本发明公开了一种基于鱼群游泳能耗分析的循环水养殖鱼类智能投喂决策系统,该系统包括循环水处理系统、投饲机、循环水养殖池、PLC控制器、LED补光灯、高清摄像机、计算机、变频水泵;该系统主要运用机器视觉和深度学习技术对循环水养殖鱼群的游泳能耗进行实时分析和评估,并利用自主构建的“饱食程度‑游泳能耗”模型预测养殖鱼群实时摄食需求,进而实现循环水养殖中投喂量的智能决策。本发明的系统结构简单,方法简便有效,能大大降低依赖人工经验进行投喂量决策所带来的不确定性,在满足养殖鱼群生长所需的能量供给,有效提高循环水养殖的生产效率,符合水产养殖福利化的发展需求。

权利要求 :

1.一种基于鱼群游泳能耗分析的循环水养殖鱼类智能投喂决策系统,其特征在于:包括循环水处理系统、投饲机、循环水养殖池、PLC控制器、LED补光灯、高清摄像机、计算机、变频水泵;

所述循环水处理系统和变频水泵分别设于循环水养殖池的两侧;所述LED补光灯设于循环水养殖池上端;

所述高清摄像机安装于循环水养殖池的正上方,并与计算机连接;

PLC控制器的输出端连接投饲机与变频水泵,其输入端连接计算机;

所述智能投喂决策系统通过分析养殖对象游泳能耗情况进行循环水养殖中投喂决策,具体包括如下步骤:

投喂校正阶段:

1)在循环水养殖池内放入超过24h未摄食的养殖鱼群,并将群体规模n输入系统中,循环水养殖池正上方的高清摄像机实时传输图像信息至计算机;

2)计算机中的图像处理程序每间隔1s读取所存储的图像It并利用深度学习算法实现对分析图像It中的养殖对象进行语义分割,并计算图像中连通域个数cn;若连通域个数cn等于群体规模n,则提取每个连通域的中心线,以水平方向为x轴、竖直方向为y轴建立坐标系,线性拟合中心线上以头部为起点的前20%的像素点,可得头部拟合直线斜率ki,i为鱼个体编号;若连通域个数cn不等于群体规模n,不做任何处理;

3)如果满足 即头部拟合直线与竖直方向夹角小于10°,计算当前鱼群中第i条鱼的中心线像素点数li,并计算此时鱼群总体长 δ为当前单个像素与1mm的比值,获取至少10个总体长的数据后取平均值,得到鱼群总体长 同时计算机通过发送信号至PLC来控制投饲机进行少量多次投喂,投喂间隔为5s,单次投喂量单位为g,其中a0为校正系数;

4)从第一次投喂开始计算机程序通过读取实时图像每间隔1s识别并计算残饵,可得实时 残饵 数 f nt ,t 为自 投 喂 至此 时 所 经过 的 时 间 ,单 位 为s ;若 满足为单颗饵料重量,单位为g,即20s内鱼群几乎没有进行摄食,则停止投喂,此时可得鱼群从空腹至饱食状态下所需摄食量Fs:

5)计算所养殖鱼群的饱食系数s:将该值存储于计算机内以用于后续投喂量计算;最后将循环水养殖池中残饵捞出后进入日常投喂阶段;

日常投喂阶段:

1)根据不同养殖状况设置期望饱食程度T,循环水养殖池正上方的高清摄像机实时传输图像信息至计算机;

2)计算机中的图像处理程序实时读取图像It并利用深度学习算法实现对图像It中的养殖对象进行语义分割,计算图像It中连通域个数cn;

3)若图像It满足下述任一舍弃条件,则舍弃:a.若图像It中连通域个数cn不等于群体规模n,则舍弃该图像;b.若图像It中连通域个数cn等于群体规模n,则提取每个连通域的中心线,以水平方向为x轴、竖直方向为y轴建立坐标系,线性拟合中心线上以头部为起点的前

20%的像素点,可得头部拟合直线方程y=kix+bi,若不满足 则舍弃该图像;

若图像It后1s内存在任一图像It+α,α=1,2,…,fs,fs为摄像机图像采集频率,满足舍弃条件a或b,则舍弃时间t~t+fs所对应的所有图像;

4)重复上述步骤2)和3),直到获取连续图像集合It+β,β=0,1,…,fs,则可进行下一步计算;

5)由连续图像集合It+β,可得图像It+β的中心线集合,由此可获取第i条鱼的头部坐标(hxi,hyi)、尾部坐标(txi,tyi)和鱼群总体长 liβ为个体中心线像素点数,δ为当前单个像素与1mm的比值,进而可得尾部到头部拟合直线的距离diβ:diβ的正负分别代表此时尾部摆动位于中心线左侧或右侧,此时当以时间t为横坐标、距离di为纵坐标建立二维坐标,可得到第i条鱼的尾部摆动函数Di(β)=diβ,β=0,1,…,fs;

6)将尾部摆动函数Di(β)进行希尔伯特变换可得H[Di(β)],通过H[Di(β)]进而求得此时连续图像集合It+β内第i条鱼的平均尾部摆动幅值 平均摆动频率其中, 为第i条鱼的尾部摆动相位;

7)对鱼群中n条鱼的头部坐标(hxi,hyi)两两计算欧几里得距离,通过比较可得第i条鱼的最邻近个体的头部坐标(NNDxi,NNDyi),由此可得连续图像集合It+β内第i条鱼与最邻近个体的平均相对水平距离

8)已知此时连续图像集合It+β内第i条鱼的平均尾部摆动幅值 平均摆动频率 最邻近个体的平均相对水平距离 循环水养殖池内流速u=V/A,其中V为流量计读数,A为循环水养殖池垂直流速方向的横截面积、平均体长 此时可得在这1s内鱼群游泳能耗状态值SEC:

9)用sigmoid函数结构拟合饱食程度DS和游泳能耗状态值SEC,构建出“饱食程度‑游泳能耗”模型;利用“饱食程度‑游泳能耗”模型,可计算出这1s内鱼群饱食程度DS:若DS

10)投喂结束,从步骤2)开始重复上述步骤。

说明书 :

基于鱼群游泳能耗分析的循环水养殖鱼类投喂决策系统

技术领域

[0001] 本发明涉及鱼群游泳行为分析和循环水养殖系统投喂量决策方法领域,尤其是涉及一种基于鱼群游泳能耗分析的循环水养殖鱼类智能投喂决策系统。

背景技术

[0002] 循环水养殖是21世纪以来蓬勃发展的一类水产养殖模式,属于水资源利用率较高的集约化养殖模式,此类系统相对于传统水产养殖系统可节约90%‑99%的水资源,且可实
现生产和环境因素可控,也被认为是未来渔业的必然发展趋势。在循环水养殖模式中投喂
对养殖生产效益有着直接且至关重要的影响,然而投喂量的高效决策却一直以来都是亟待
解决的生产管理难题。过于依赖人工经验的投喂决策给所投喂饲料的利用效率带来极大的
不确定性,而饲料利用效率又进一步关系到了养殖鱼类生长效率、养殖水环境质量和生产
成本等一系列问题。因此,循环水养殖过程中,投喂量的决策必须尽可能与养殖鱼类实时摄
食需求靠拢。
[0003] 现有预测鱼类摄食需求的技术方法主要分为残饵法和光流法,前者是通过识别水面的残饵数量的方法,这类方法一方面会使鱼类摄入过多饲料而引起相应的健康问题,另
一方面所产生的残饵会造成饲料利用率下降和水质恶化;后者是通过识别鱼群活动所引起
的水面反光变化的方法,该法的准确性受制于鱼群数量、体型大小、光照环境等因素,目前
仅适用于与群体规模和体型较大的养殖鱼群。另外,上述技术都仅能通过一些外界信息间
接反映养殖鱼群摄食需求,实际上这些外界信息还需要结合人工投喂经验才能进一步预测
鱼群摄食需求,且与鱼群实时摄食需求还有一定差距。

发明内容

[0004] 本发明的目的在于提供了一种基于鱼群游泳能耗分析的循环水养殖鱼类智能投喂决策系统,可依据鱼群游泳行为信息所预测的摄食需求完成投喂量的决策,为循环水养
殖的智能化投喂作业提供良好的技术支持。
[0005] 本发明采用的技术方案如下:
[0006] 一种基于鱼群游泳能耗分析的循环水养殖鱼类智能投喂决策系统,包括循环水处理系统1、投饲机2、循环水养殖池3、PLC控制器4、LED补光灯5、高清摄像机6、计算机7、变频
水泵8;
[0007] 所述循环水处理系统1和变频水泵8分别设于循环水养殖池3的两侧;所述LED补光灯5设于循环水养殖池3上端;
[0008] 所述高清摄像机6安装于循环水养殖池3的正上方,并与计算机 7连接;
[0009] PLC控制器4的输出端连接投饲机2与变频水泵8,其输入端连接计算机7;
[0010] 所述智能投喂决策系统通过分析养殖对象游泳能耗情况进行循环水养殖中投喂决策,具体包括如下步骤:
[0011] 投喂校正阶段:
[0012] 1)在本系统的循环水养殖池内放入超过24h未摄食(即空腹状态)的养殖鱼群,并将群体规模n输入系统中,循环水养殖池正上方的高清摄像机实时传输图像信息至计算机;
[0013] 2)计算机中的图像处理程序每间隔1s读取所存储的图像It并利用深度学习算法实现对分析图像It中的养殖对象进行语义分割,并计算图像中连通域个数cn;若连通域个
数cn等于群体规模n,则提取每个连通域的中心线,以水平方向为x轴、竖直方向为y轴建立
坐标系,线性拟合中心线上以头部为起点的前20%的像素点,可得头部拟合直线斜率ki(i
为鱼个体编号);若连通域个数cn不等于群体规模n,不做任何处理;
[0014] 3)如果满足 (即头部拟合直线与竖直方向夹角小于10°),计算当前鱼群中第i条鱼的中心线像素点数li,并计算此时鱼群总体长 (δ为当前单个
像素与1mm的比值),获取至少10个总体长的数据后取平均值得到鱼群总体长 同时计算机
通过发送信号至PLC来控制投饲机进行少量多次投喂,投喂间隔为5s,单次投喂量
单位为g,其中a0为校正系数,数值越小,摄食量校正精度越高,建议取
值为7.9~15.8。
[0015] 4)从第一次投喂开始计算机程序通过读取实时图像每间隔1s识别并计算残饵,可得实 时 残饵 数f n t (t为 自 投喂 至此 时 所经 过的 时 间 ,  s ) ,若 满 足
( 为单颗饵料重量,g),即20s内鱼群几乎没有进行摄食,则
停止投喂,此时可得鱼群从空腹至饱食状态下所需摄食量Fs:
[0016]
[0017] 5)计算所养殖鱼群的饱食系数s:
[0018]
[0019] 并将该值存储于计算机内以用于后续投喂量计算;最后将循环水养殖池中残饵捞出后进入日常投喂阶段。
[0020] 日常投喂阶段:
[0021] 1)根据不同养殖状况(如养殖目的、养殖阶段、养殖品种习性等)设置期望饱食程度T(%,即养殖鱼群所需要达到的饱食程度),循环水养殖池正上方的高清摄像机实时传输
图像信息至计算机;
[0022] 2)计算机中的图像处理程序实时读取图像It并利用深度学习算法实现对图像It中的养殖对象进行语义分割,计算图像It中连通域个数cn;
[0023] 3)若图像It满足下述任一舍弃条件,则舍弃:a.若图像It中连通域个数cn不等于群体规模n,则舍弃该图像;b.若图像It中连通域个数 cn等于群体规模n,则提取每个连通域
的中心线,以水平方向为x轴、竖直方向为y轴建立坐标系,线性拟合中心线上以头部为起点
的前 20%的像素点,可得头部拟合直线方程y=kix+bi(i为鱼个体编号),若不满足
则舍弃该图像信息;
[0024] 若图像It后1s内存在任一图像It+α(α=1,2,...,fs,fs为摄像机图像采集频率)满足舍弃条件a或b,则舍弃时间t~t+fs所对应的所有图像;
[0025] 4)重复上述步骤2)和3),直到获取连续图像集合 It+β(β=0,1,...,fs),则可进行下一步计算。
[0026] 5)由连续图像集合It+β(β=0,1,...,fs),可得图像It+β的中心线集合,由此可获取第i条鱼的头部坐标(hxi,hyi)、尾部坐标 (txi,tyi)和鱼群总体长 (liβ为个
体中心线像素点数,δ为当前单个像素与1mm的比值),进而可得尾部到头部拟合直线的距离
diβ:
[0027]
[0028] diβ的正负分别代表此时尾部摆动位于中心线左侧或右侧,此时当以时间t为横坐标、距离di为纵坐标建立二维坐标,可得到第i条鱼的尾部摆动函数Di(β)=diβ(β=0,
1,...,fs);
[0029] 6)将尾部摆动函数Di(β)进行希尔伯特变换可得H[Di(β)],通过 H[Di(β)]可进而求得此时连续图像集合It+β(β=0,1,...,fs)内第i 条鱼的平均尾部摆动幅值 平均摆动
频率
[0030]
[0031] 其中, 为第i条鱼的尾部摆动相位;
[0032] 7)对鱼群中n条鱼的头部坐标(hxi,hyi)两两计算欧几里得距离,通过比较可得第i条鱼的最邻近个体的头部坐标(NNDxi,NNDyi),由此可得连续图像集合It+β(β=0,1,...,fs)
内第i条鱼与最邻近个体的平均相对水平距离
[0033]
[0034] 8)已知此时连续图像集合It+β(β=0,1,...,fs)内第i条鱼的平均尾部摆动幅值平均摆动频率 最邻近个体的平均相对水平距离 循环水养殖池内流速u(u=V/
A,其中V为流量计读数,A为循环水养殖池垂直流速方向的横截面积)、平均体长
此时可得在这1s内鱼群游泳能耗状态值SEC:
[0035]
[0036] 9)利用“饱食程度‑游泳能耗”模型,可计算出这1s内鱼群饱食程度DS:
[0037]
[0038] 若DS<T,计算机发送相应信号至PLC来控制投饲机进行少量多次投喂,单次投喂量a和投喂间隔应与校正阶段一致,总投喂量 (Wd
为日常投喂系数,以避免鱼群过度饱食,一般取0.85‑0.95);否则从步骤2)开始重复上述步
骤;
[0039] 10)投喂结束,从步骤2)开始重复上述步骤。
[0040] 本发明的发明原理为:
[0041] 摄食行为和游泳行为都是鱼类最基础的行为模式,分别关系着鱼类的能量摄入和能量消耗,而这种能量的供求关系导致鱼类的饱食程度会一定程度上影响其游泳行为(如
尾部摆动频率、尾部摆动幅度、鱼群内个体间相互距离等),进而影响游泳能耗效率;利用饱
食程度与游泳行为相关参数的内在联系,根据游泳行为中的关键参数与游泳能耗的相关关
系,定义“游泳能耗状态值SEC”来表征鱼群的实时游泳能耗,用sigmoid函数结构拟合饱食
程度和游泳能耗状态值SEC,即可构建出“饱食程度‑游泳能耗”模型。
[0042] 本发明的一种基于鱼群游泳能耗分析的循环水养殖鱼类智能投喂决策系统,充分利用养殖鱼类自身行为信息来反映鱼群实时饱食程度和摄食需求,摆脱人工经验和外界环
境等因素所带来的不确定性,实现循环水养殖中投喂量的精准控制,在满足养殖鱼群生长
所需的能量供给的同时,有效提高循环水养殖的生产效率。
[0043] 本发明的有益效果是;
[0044] 本发明的基于鱼群游泳能耗分析的循环水养殖鱼类智能投喂决策系统,结构简单,方法精准有效,投喂量的决策是基于鱼群游泳行为信息来实时反馈鱼群饱食程度,充分
利用养殖鱼类自身行为信息,重视养殖鱼类实时摄食需求,摆脱投喂量决策过程中对人工
经验的过度依赖,符合水产养殖福利化的发展趋势,且在满足养殖鱼群生长所需的能量供
给的同时,有效提高循环水养殖的生产效率。

附图说明

[0045] 图1是基于鱼群游泳能耗分析的循环水养殖鱼类智能投喂决策系统结构图。
[0046] 图中:1‑循环水处理系统;2‑投饲机;3‑循环水养殖池;4‑PLC 控制器4;5‑LED补光灯;6‑高清摄像机;7‑计算机;8‑变频水泵。

具体实施方式

[0047] 下面结合附图对本发明做进一步说明。
[0048] 参照图1,本发明的一种鱼群游泳能耗分析的循环水养殖鱼类智能投喂决策系统,包括循环水处理系统1、投饲机2、循环水养殖池3、PLC控制器4、LED补光灯5、高清摄像机6、
计算机7、变频水泵8;
[0049] 所述循环水处理系统1和变频水泵8分别设于循环水养殖池3的两侧;所述LED补光灯5设于循环水养殖池3上端;
[0050] 所述高清摄像机6安装于循环水养殖池3的正上方,并与计算机 7连接;
[0051] PLC控制器4的输出端连接投饲机2与变频水泵8,其输入端连接计算机7;
[0052] 所述智能投喂决策系统通过分析养殖对象游泳能耗情况进行循环水养殖中投喂决策,具体包括如下步骤:
[0053] 投喂校正阶段:
[0054] 1)在本系统的循环水养殖池内放入超过24h未摄食(即空腹状态)的养殖鱼群,并将群体规模n输入系统中,循环水养殖池正上方的高清摄像机实时传输图像信息至计算机;
[0055] 2)计算机中的图像处理程序每间隔1s读取所存储的图像It并利用深度学习算法实现对分析图像It中的养殖对象进行语义分割,并计算图像中连通域个数cn;若连通域个
数cn等于群体规模n,则提取每个连通域的中心线,以水平方向为x轴、竖直方向为y轴建立
坐标系,线性拟合中心线上以头部为起点的前20%的像素点,可得头部拟合直线斜率ki(i
为鱼个体编号);若连通域个数cn不等于群体规模n,不做任何处理;
[0056] 3)如果满足 (即头部拟合直线与竖直方向夹角小于10°),计算当前鱼群中第i条鱼的中心线像素点数li,并计算此时鱼群总体长 (δ为当前单个
像素与1mm的比值),获取 10个总体长的数据后取平均值得到鱼群总体长
同时计算机通过发送信号至PLC来控制投饲机进行少量多次投喂,投喂间隔为5s,单次投喂
量 单位为g,其中a0为校正系数,数值越小,摄食量校正精度越高,建议
取值为7.9~15.8。
[0057] 4)从第一次投喂开始计算机程序通过读取实时图像每间隔1s识别并计算残饵,可得实 时 残饵 数f n t (t为 自 投喂 至此 时 所经 过的 时 间 ,  s ) ,若 满 足
( 为单颗饵料重量,g),即20s内鱼群几乎没有进行摄食,则
停止投喂,此时可得鱼群从空腹至饱食状态下所需摄食量Fs:
[0058]
[0059] 5)计算所养殖鱼群的饱食系数s:
[0060]
[0061] 并将该值存储于计算机内以用于后续投喂量计算;最后将循环水养殖池中残饵捞出后进入日常投喂阶段。
[0062] 日常投喂阶段:
[0063] 1)根据不同养殖状况(如养殖目的、养殖阶段、养殖品种习性等)设置期望饱食程度T(%,即养殖鱼群所需要达到的饱食程度),循环水养殖池正上方的高清摄像机实时传输
图像信息至计算机;
[0064] 2)计算机中的图像处理程序实时读取图像It并利用深度学习算法实现对图像It中的养殖对象进行语义分割,计算图像It中连通域个数cn;
[0065] 3)若图像It满足下述任一舍弃条件,则舍弃:a.若图像It中连通域个数cn不等于群体规模n,则舍弃该图像;b.若图像It中连通域个数 cn等于群体规模n,则提取每个连通域
的中心线,以水平方向为x轴、竖直方向为y轴建立坐标系,线性拟合中心线上以头部为起点
的前 20%的像素点,可得头部拟合直线方程y=kix+bi(i为鱼个体编号),若不满足
则舍弃该图像信息;
[0066] 若图像It后1s内存在任一图像It+α(α=1,2,..,,fs,fs为摄像机图像采集频率)满足舍弃条件a或b,则舍弃时间t~t+fs所对应的所有图像;
[0067] 4)重复上述步骤2)和3),直到获取连续图像集合 It+β(β=0,1,...,fs),则可进行下一步计算。
[0068] 5)由连续图像集合It+β(β=0,1,...,fs),可得图像It+β的中心线集合,由此可获取第i条鱼的头部坐标(hxi,hyi)、尾部坐标 (txi,tyi)和鱼群总体长 (liβ为个
体中心线像素点数,δ为当前单个像素与1mm的比值),进而可得尾部到头部拟合直线的距离
diβ:
[0069]
[0070] diβ的正负分别代表此时尾部摆动位于中心线左侧或右侧,此时当以时间t为横坐标、距离di为纵坐标建立二维坐标,可得到第i条鱼的尾部摆动函数Di(β)=diβ(β=0,
1,...,fs);
[0071] 6)将尾部摆动函数Di(β)进行希尔伯特变换可得H[Di(β)],通过 H[Di(β)]可进而求得此时连续图像集合It+β(β=0,1,...,fs)内第i 条鱼的平均尾部摆动幅值 平均摆动
频率
[0072]
[0073] 其中, 为第i条鱼的尾部摆动相位;
[0074] 7)对鱼群中n条鱼的头部坐标(hxi,hyi)两两计算欧几里得距离,通过比较可得第i条鱼的最邻近个体的头部坐标(NNDxi,NNDyi),由此可得连续图像集合It+β(β=0,1,...,fs)
内第i条鱼与最邻近个体的平均相对水平距离
[0075]
[0076] 8)已知此时连续图像集合It+β(β=0,1,...,fs)内第i条鱼的平均尾部摆动幅值平均摆动频率 最邻近个体的平均相对水平距离 循环水养殖池内流速u(u=V/
A,其中V为流量计读数,A为循环水养殖池垂直流速方向的横截面积)、平均体长
此时可得在这1s内鱼群游泳能耗状态值SEC:
[0077]
[0078] 9)利用“饱食程度‑游泳能耗”模型,可计算出这1s内鱼群饱食程度DS:
[0079]
[0080] 若DS<T,计算机发送相应信号至PLC来控制投饲机进行少量多次投喂,单次投喂量a和投喂间隔应与校正阶段一致,总投喂量 (Wd
为日常投喂系数,以避免鱼群过度饱食,一般取0.85‑0.95);否则从步骤2)开始重复上述步
骤;
[0081] 10)投喂结束,从步骤2)开始重复上述步骤。
[0082] 以上公开的仅为本发明的具体实施例,但本发明并非局限于此,对于本领域的普通技术人员来说,在不脱离本发明的前提下,做出的变形应视为属于本发明保护范围。