一种鱼类摄食强度评估方法技术

本发明专利技术涉及一种鱼类摄食强度评估方法，包括如下步骤：获取养殖池水面的深度图和近红外图；同时获取所述养殖池水面音频信息；对所述深度图、近红外图和音频信息进行特征提取；融合所述各类信息的特征，获得量化的鱼类摄食强度。本发明专利技术参考人脑处理信息的过程，利用多个不同的物理特征进行鱼类摄食强度的检测，具有高稳定性和高精准度的优点，同时降低了软件的计算成本。计算成本。计算成本。

【技术实现步骤摘要】
一种鱼类摄食强度评估方法


[0001]本专利技术涉及一种信息评估方法，特别是涉及一种鱼类摄食强度评估方法。

技术介绍

[0002]随着水产养殖现代化的发展，精细化养殖成为水产养殖的主要趋势。养殖人员通过观测鱼类水体表面的抢食行为，来评估鱼的饱食程度，再基于所述鱼的饱食程度，实现更精准的投喂。现有技术大多使用机器视觉为基础，来构建基于鱼类摄食行为反馈的闭环控制系统。现有技术中，主要通过机器视觉来分析水产动物的图像，以提取水产动物表层信息。然而，水产生物的多样性意味着其行为特征复杂多变，其在不同时间、地点或环境下所表现出的基本信息也不尽相同。并且，鱼类在高强度摄食阶段通常伴随水波的剧烈振荡或产生水花，从而为图像分隔和特征提取带来了极大困难，使图像的单一特征难以准确反应鱼类的摄食强度，进而难以在实际应用中实现精确稳定地量化鱼类的摄食强度。
[0003]现有技术中，部分摄食强度评估方法和系统通过采用多特征融合和信息互补，以提高摄食强度评估的精准度。农业机械学报第51卷第2期刊登的“基于特征加权融合的鱼类摄食活动强度评估方法”中，通过获取鱼类摄食的RGB(红、绿、蓝)图像，从摄食图像的颜色、形状和纹理的十一类特征中筛选出贡献率最大的三个摄食评价因子，采用加权融合方法确定每个评价因子的最佳权重，并通过融合后的特征对摄食活动强度进行评估。
[0004]然而，上述文献使用的多特征都来自于单一的图像信息源，具有相对同一的物理属性，所述多特征之间的有效性难以通过其他方法交互认证，从而难以确保评估结果的稳健性。同时，由于多特征数据的高维度特性，多特征计算需要耗费大量的计算资源，增加了软件设计成本和硬件成本。

技术实现思路

[0005]基于此，本专利技术的目的在于，提供一种鱼类摄食强度评估方法，其具有高稳定性和高精准度的优点，同时降低了软件的计算成本。
[0006]一种鱼类摄食强度评估方法，包括如下步骤：
[0007]S1：获取养殖池水面的深度图和近红外图；同时获取所述养殖池水面音频信息；
[0008]S2:对所述深度图、近红外图和音频信息进行特征提取
[0009]S3：融合所述各类信息的特征，获得量化的鱼类摄食强度。
[0010]相比于传统彩色图，深度图包含的深度信息能更有效地反映出三维空间里鱼类摄食的动态特征。所述深度图、近红外图和音频信息，其各具有不同的物理属性，通过融合分析三者的数据，可互相认证其数据可靠性，实现稳定和精确的量化效果。
[0011]进一步地，在深度图中提取所述鱼类特征，对所述鱼类特征进行差值运算，得到摄食能量数据；过滤所述近红外图数据，进行差值运算，获得水波震荡数据；将所述麦克风录制的音频转化为音频数据，其通过所述音频原数据的电压表示所述音频的强度。
[0012]进一步地，将深度图中，像素点在(x,y)位置的取值定为f(x,y)，利用以下公式，获
得鱼类目标图像信息g(x,y)；Z0为所述深度相机的摄像头平面与所述养殖池水面的垂直距离；d为摄像头在水下的成像范围；
[0013]Z1＝Z0+d
[0014][0015]g(x,y)＝f(x,y).{ε[f(x,y)
‑
Z0]‑
ε[f(x,y)
‑
Z1]}
[0016]进一步地，利用以下公式，将所述鱼类目标图像信息g(x,y)转化为摄食能量数据S1(t)：
[0017]F(x,y,t)＝|g(x,y,t)
‑
g(x,y,t
‑
t0)|,0≤x≤(X
‑
1),0≤y≤(Y
‑
1)
[0018][0019][0020]X和Y为所述深度图像素点的最大位置，即所述深度图分辨率为X*Y；g(x,y,t)为g(x,y)在t时刻的数值；
[0021]进一步地，对所述近红外图数据I(x,y,t)，利用以下阈值滤波公式，进行过滤，提取出其中的适当亮度值I1(x,y,t)：
[0022][0023]进一步地，通过以下公式，将所述亮度值转换为水波震荡数据
S2
(t)：
[0024]ΔI(x,y,t)＝|I1(x,y,t)
‑
I1(x,y,t
‑
t0)|0≤x≤(X
‑
1),0≤y≤(Y
‑
1)；
[0025][0026][0027]进一步地，接收所述摄食能量数据S1(t)、水波震荡数据S2(t)、音频数据S3(t)，并通过以下公式，分别将三者转化为短时能量谱E1(n)、E2(n)和E3(n)：
[0028][0029]ω(n)为窗函数；N为窗长，即单位时间内的样本数量。
[0030]进一步地，将所述N为窗长的窗函数设为矩形窗，即，使用如下公式：
[0031][0032]进一步地，还包括一加权步骤；根据所述方法的使用环境，结合实际生活经验中视
觉和听觉对认知判断的影响，为所述短时能量谱E1(n)、E2(n)和E3(n)分配对应的权重k1、k2和k3，且k1+k2+k3＝1；融合相加所述加权的短时能量谱，即，
[0033]E
T
(n)＝k1*E1(n)+k2*E2(n)+k3*E3(n)
[0034]进一步地，为所述权重分别赋值为，k1＝0.45、k2＝0.45和k3＝0.1。
[0035]进一步地，将E
T
(n)幅度大于0.25的峰值定义为高强度摄食，进一步定义所述量化结果，为其赋予实际意义。
[0036]进一步地，在步骤S1中，使用KINECT深度相机，获得深度图。
[0037]为了更好地理解和实施，下面结合附图详细说明本专利技术。
附图说明
[0038]图1为本专利技术实施例的鱼类摄食强度评估方法的流程图；
[0039]图2为鱼类摄食不同阶段的鱼池图，从左至右分别为高强度、中强度和无摄食；
[0040]图3为图4所示各摄食阶段的深度图；
[0041]图4为图4所示各摄食阶段的近红外图；
[0042]图5为本专利技术实施例中，处理器计算得到的摄食能量数据S1(t)、水波震荡数据S2(t)、音频数据S3(t)；
[0043]图6为短时能量转化步骤对图7所示数据分别处理后，得到的短时能量谱E1(n)、E2(n)和E3(n)；
[0044]图7为所述短时能量谱E1(n)、E2(n)和E3(n)放在同一张图上实现时间对齐的比较图(a)，并与所述鱼类摄食强度E
T
(n)数据图(b)进行对比；
[0045]图8为所述短时能量谱E1(n)、E2(n)、E3(n)和所述鱼类摄食强度E
T
(n)的量化数据对比图。
具体实施方式
[0046]本专利技术通过模仿养殖人员判断鱼类摄食强度的过程，融合鱼类摄食过程中产生的视觉和听觉信息，全方位量化鱼类摄食强度。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鱼类摄食强度评估方法，其特征在于，包括如下步骤：S1：获取养殖池水面的深度图和近红外图；同时获取所述养殖池水面音频信息；S2：对所述深度图、近红外图和音频信息进行特征提取S3：融合所述各类信息的特征，获得量化的鱼类摄食强度。2.根据权利要求1所述的鱼类摄食强度评估方法，其特征在于：步骤S2中，从深度图提取所述鱼类特征，对所述鱼类特征进行差值运算，得到摄食能量数据；过滤所述近红外图数据，进行差值运算，获得水波震荡数据；将所述麦克风录制的音频转化为音频数据，其通过所述音频原数据的电压表示所述音频的强度。3.根据权利要求2所述的鱼类摄食强度评估方法，其特征在于：将深度图中像素点在(x，y)位置的取值定为f(x，y)，利用以下公式，获得鱼类目标图像信息g(x，y)；Z0为所述深度相机的摄像头平面与所述养殖池水面的垂直距离；d为所述摄像头在水下的成像范围；Z1＝Z0+dg(x，y)＝f(x，y).{ε[f(x，y)
‑
Z0]
‑
ε[f(x，y)
‑
Z1]}利用以下公式，将所述鱼类目标图像信息g(x，y)转化为摄食能量数据S1(t)：F(x，y，t)＝|g(x，y，t)
‑
g(x，y，t
‑
t0)|，0≤x≤(X
‑
1)，0≤y≤(Y
‑
1)1)X和Y为所述深度图像素点的最大位置，即所述深度图分辨率为X*Y；g(x，y，t)为g(x，y)在t时刻的数值。4.根据权利要求3所述的鱼类摄食强度评估方法，其特征在于：从所述近红外图数据I(x，y，t)，利用以下阈值滤波公式，进行过滤，提取出其中的适当亮度值I1(...

【专利技术属性】
技术研发人员：郑金存，张慧，黄平，赵峰，李廷会，巫钊，
申请(专利权)人：玉林师范学院，
类型：发明
国别省市：