用于蟹塘的识别系统与识别方法技术方案

一种用于蟹塘的识别系统与识别方法，包括：识别平台；运行在识别平台上的单元包括识别模块；所述识别模块用于模型训练，由此识别出蟹塘。所述识别模块包括抽取子模块、Resize子模块、定义子模块一、定义子模块二和训练子模块；有效避免了现有技术中市面上并没有一项可实现识别蟹塘的技术的缺陷。可实现识别蟹塘的技术的缺陷。可实现识别蟹塘的技术的缺陷。

【技术实现步骤摘要】
用于蟹塘的识别系统与识别方法


[0001]本专利技术涉及蟹塘识别
，具体涉及一种用于蟹塘的识别系统与识别方法。

技术介绍

[0002]一些养殖螃蟹的地区几乎是家家户户都有自己的蟹塘,这是农村人的主要经济来源。蟹塘都是经多年养殖老塘，中间通常为田板，四周为深沟，水深1.3～1.8m，平均水深1.4m，池底淤泥深度15～30cm，平均21.3cm。蟹塘周边必须具备蓄水池，蓄水池由各养殖户根据蟹塘及周边条件改造而成，蓄水池形状不限，水深1～2m，总计面积平均占蟹塘面积的15.3％，蓄水池主要作用相当于湿地，通过蟹塘、蓄水池水体交换，净化蟹塘水质，同时是蓄水备用，外河水经蓄水池净化后再注入蟹塘，可有效避免蟹塘误进污水。
[0003]然而目前市面上并没有一项可实现识别蟹塘的技术。

技术实现思路

[0004]为解决所述问题，本专利技术提供了一种用于蟹塘的识别系统和方法，有效避免了现有技术中市面上并没有一项可实现识别蟹塘的技术的缺陷。
[0005]要克服现有技术中的不足，本专利技术提供了一种用于蟹塘的识别系统和方法的解决方案，具体如下：
[0006]一种用于蟹塘的识别系统，包括：
[0007]识别平台；
[0008]运行在识别平台上的单元包括识别模块；
[0009]所述识别模块用于模型训练，由此识别出蟹塘。
[0010]所述识别模块包括抽取子模块、Resize子模块、定义子模块一、定义子模块二和训练子模块；
[0011]所述抽取子模块用于抽取训练集中的200张地图图片作为测试样本，其余800张地图图片作为训练样本；
[0012]所述Resize子模块用于对输入进来的每一个图片进行Resize，Resize成[1024,1024,3]的矩阵；
[0013]所述定义子模块一用于定义两个颜色，分别用于背景和蟹塘；
[0014]所述定义子模块二用于定义模型resnet50，输入[1024,1024,3]的矩阵，输出[0,0,0]或[0,255,0]；
[0015]所述训练子模块用于训练并优化模型，以此在图片中识别出蟹塘；用于随机打乱所述[1024,1024,3]的矩阵的数据；用于设置训练参数；将随机打乱的数据的90％用于训练，剩余10％用于估计；用于设置权值保存的细节；用于设置学习率下降的方式；用于设定早停模式，其中参数val_loss多次不下降自动结束训练，表示模型基本收敛。
[0016]所述识别平台和监控平台都位于无线网中，运行在识别平台上的单元还包括：
[0017]认定单元一，用于认定识别平台是不是位于小比特率的条件下；
[0018]认定单元二，用于认定识别平台是不是位于无线网性能差的条件下；
[0019]再次传递单元，用于如果认定值都为是，就运行识别出蟹塘的图片信息的加快型再次传递模式。
[0020]一种用于蟹塘的识别系统的识别方法，包括：
[0021]步骤1：数据下载，获取训练集；
[0022]步骤2:人工标注训练集；
[0023]步骤3：模型训练，由此识别出蟹塘。
[0024]所述步骤1具体包括：
[0025]步骤1
‑
1：人工下载蟹塘所在地区的地图影像，下载软件能是图新软件；
[0026][0027]步骤1
‑
2：将所在地区的地图影像裁剪成若干以像素为单位的区域大小为1024*1024的正方形地图图片；
[0028]步骤1
‑
3：随机选取若干正方形地图图片中的1000张地图图片作为训练集。
[0029]所述步骤2具体包括：
[0030]将训练集进行手工数据标注，可将蟹塘部分标注为红色，而将非蟹塘部分标注为黑色。
[0031]所述步骤3具体包括：
[0032]步骤3
‑
1：抽取训练集中的200张地图图片作为测试样本，其余800张地图图片作为训练样本；
[0033]步骤3
‑
2：对输入进来的每一个图片进行Resize，Resize成[1024,1024,3]的矩阵；
[0034]步骤3
‑
3：定义两个颜色，分别用于背景和蟹塘，能用RGB值[0,0,0]和RGB值[0,255,0]分别用于背景和蟹塘；
[0035]步骤3
‑
4：定义模型resnet50，输入[1024,1024,3]的矩阵，输出[0,0,0]或[0,255,0]；
[0036]步骤3
‑
5：训练并优化模型，以此在图片中识别出蟹塘。
[0037]所述步骤3
‑
5包括：
[0038]步骤3
‑5‑
1：随机打乱所述[1024,1024,3]的矩阵的数据；
[0039]步骤3
‑5‑
2：设置训练参数；将随机打乱的数据的90％用于训练，剩余10％用于估计；
[0040]步骤3
‑5‑
3：设置权值保存的细节；
[0041]步骤3
‑5‑
4：设置学习率下降的方式；
[0042]步骤3
‑5‑
5：设定早停模式，其中参数val_loss多次不下降自动结束训练，表示模型基本收敛。
[0043]识别平台把识别出蟹塘的图片信息经由无线网传递到监控平台来执行异地监控的方法，包括：
[0044]步骤4
‑
1：认定识别平台是不是位于小比特率的条件下且认定所述识别平台是不是位于无线网性能差的条件下；
[0045]步骤4
‑
2：如果认定值都为是，就运行识别出蟹塘的图片信息的加快型再次传递模式；
[0046]如果一个以上的认定值为不是，就不运行识别出蟹塘的图片信息的加快型再次传递模式。
[0047]认定识别平台是不是位于小比特率的条件下，包括：
[0048]总计事先设定的时间内识别平台传递识别出蟹塘的图片信息的信息帧的总量；
[0049]依据事先设定的时间内识别平台传递识别出蟹塘的图片信息的信息帧的总长度同临界数一执行对比来获得对比值一；
[0050]依据对比值一认定识别平台是不是位于小比特率的条件下，这里，如果对比值一代表事先设定的时间内识别平台传递识别出蟹塘的图片信息的信息帧的总长度低于临界数一时，就认定识别平台位于小比特率的条件下。
[0051]运用传递速度侦听单元总计事先设定的时间中所述识别平台传递识别出蟹塘的图片信息的信息帧的总长度。
[0052]认定识别平台位于无线网性能差的条件下，包括：
[0053]推导识别平台的再次传递时刻；
[0054]将识别平台的再次传递时刻与临界数二执行对比来获得对比值二；
[0055]依据对比值二认定识别平台是不是位于所无线网性能差的条件下，这里，如果对比值二代表识别平台的再次传递时刻不大于临界数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于蟹塘的识别系统，其特征在于，包括：识别平台；运行在识别平台上的单元包括识别模块；所述识别模块用于模型训练，由此识别出蟹塘。2.根据权利要求1所述的用于蟹塘的识别系统，其特征在于，所述识别模块包括抽取子模块、Resize子模块、定义子模块一、定义子模块二和训练子模块；所述抽取子模块用于抽取训练集中的200张地图图片作为测试样本，其余800张地图图片作为训练样本；所述Resize子模块用于对输入进来的每一个图片进行Resize，Resize成[1024,1024,3]的矩阵；所述定义子模块一用于定义两个颜色，分别用于背景和蟹塘；所述定义子模块二用于定义模型resnet50，输入[1024,1024,3]的矩阵，输出[0,0,0]或[0,255,0]；所述训练子模块用于训练并优化模型，以此在图片中识别出蟹塘；用于随机打乱所述[1024,1024,3]的矩阵的数据；用于设置训练参数；将随机打乱的数据的90％用于训练，剩余10％用于估计；用于设置权值保存的细节；用于设置学习率下降的方式；用于设定早停模式，其中参数val_loss多次不下降自动结束训练，表示模型基本收敛。3.根据权利要求1所述的用于蟹塘的识别系统，其特征在于，所述识别平台和监控平台都位于无线网中，运行在识别平台上的单元还包括：认定单元一，用于认定识别平台是不是位于小比特率的条件下；认定单元二，用于认定识别平台是不是位于无线网性能差的条件下；再次传递单元，用于如果认定值都为是，就运行识别出蟹塘的图片信息的加快型再次传递模式。4.一种用于蟹塘的识别系统的识别方法，其特征在于，包括：步骤1：数据下载，获取训练集；步骤2:人工标注训练集；步骤3：模型训练，由此识别出蟹塘。5.根据权利要求4所述的用于蟹塘的识别系统的识别方法，其特征在于，所述步骤1具体包括：步骤1
‑
1：人工下载蟹塘所在地区的地图影像，下载软件能是图新软件；步骤1
‑
2：将所在地区的地图影像裁剪成若干以像素为单位的区域大小为1024*1024的正方形地图图片；步骤1
‑
3：随机选取若干正方形地图图片中的1000张地图图片作为训练集。6.根据权利要求4所述的用于蟹塘的识别系统的识别方法，其特征在于，所述步骤2具体包括：将训练集进行手工数据标注，可将蟹塘部分标注为红色，而将非蟹塘部分标注为黑色。7.根据权利要求4所述的用于蟹塘的识别系统的识别方法，其特征在于，所述步骤3具体包括：步骤3
‑
1：抽取训练集中的200张地图图片作为测试样本，其余800张地图图片作为训练
样本；步骤3
‑
2：对输入进来的每一个图片进行Resize，Resize成[1024,1024,3]的矩阵；步骤3
‑
3：定义两个颜色，分别用于背景和蟹塘，能用RGB值[0,0,0]和RGB值[0,255,0]分别用于背景和蟹塘；步骤3
‑
4：定义模型resnet50，输入[1024,1024,3]的矩阵，输出[0,0,0]或[0,255,0]；步骤3
‑
5：训练并优化模型，以此在图片中识别出蟹塘。8.根据权利要求4所述的用于蟹塘的识别系统的识别方法，其特征在于，所述步骤3
‑
5包括：步骤3
‑5‑
1：随机打乱所述[1024,1024,3]的矩阵的数据；步骤3
‑5‑
2：设置训练参数；将随机打乱的数据的90％用于训练，剩余10％用于估计；步骤3
‑5‑
3：设置权值保存的细节；步骤3
‑5‑
4：设置学习率下降的方式；步骤3
‑5‑
5：设定早停模式，其中参数val_loss多次不下降自动结束训练，表示模型基本收敛。9.根据权利要求4所述的用于蟹塘的识别系统的识别方法，其特征在于，识别平台...

【专利技术属性】
技术研发人员：张静鹏，赵翔鹏，
申请(专利权)人：江苏蟹联网科技有限公司，
类型：发明
国别省市：