System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种鱼群状态监测方法及相关装置制造方法及图纸_技高网

一种鱼群状态监测方法及相关装置制造方法及图纸

技术编号:44840521 阅读:1 留言:0更新日期:2025-04-01 19:38
本申请公开了一种鱼群状态监测方法及相关装置,涉及人工智能技术领域,包括:预先利用鱼群声音信号样本以及鱼群声音信号样本对应的鱼群状态标签训练得到鱼群状态监测模型,在获取待监测的鱼群声音信号之后,将待监测的鱼群声音信号输入鱼群状态监测模型,即可得到鱼群状态监测模型对待监测的鱼群声音信号进行处理后输出的鱼群状态监测结果,由于鱼群声音信号在深远海中能在水下远距离传播,且设备要求较低,因此能够适用于深远海养殖环境的鱼群状态的有效监测。

【技术实现步骤摘要】

本申请涉及人工智能,尤其涉及一种鱼群状态监测方法及相关装置


技术介绍

1、鱼群状态监测是渔业养殖规避风险、获得高经济效益的重要保障和必要条件,但深远海养殖箱离岸距离较远,无法依靠传统人工巡查方式全天候监测养殖箱内鱼群的养殖状态。

2、目前,鱼群状态的监测大多采用基于计算机视觉的方法,其需要以水体清澈、光照充足和背景稳定为前提,因此常局限于光照条件较好的室内或者小型养殖场内,对于深远海养殖环境无法满足光照条件,限制了此类方法的应用效果。

3、因此,如何提供一种适用于深远海养殖环境的鱼群状态监测方法,成为本领域技术人员亟待解决的技术问题。


技术实现思路

1、鉴于上述问题,本申请提供了一种鱼群状态监测方法及相关装置,以实现对深远海养殖环境的鱼群状态进行有效监测的目的。具体方案如下:

2、本申请第一方面提供一种鱼群状态监测方法,包括:

3、获取待监测的鱼群声音信号;

4、将所述待监测的鱼群声音信号输入鱼群状态监测模型,得到所述鱼群状态监测模型对所述待监测的鱼群声音信号进行处理后输出的鱼群状态监测结果,所述鱼群状态监测模型是利用鱼群声音信号样本以及所述鱼群声音信号样本对应的鱼群状态标签训练得到的。

5、在一种可能的实现中,所述获取待监测的鱼群声音信号,包括:

6、获取初始鱼群声音信号;

7、对所述初始鱼群声音信号进行标准化处理,得到标准化处理后的鱼群声音信号;

8、所述标准化处理后的鱼群声音信号即为所述待监测的鱼群声音信号。

9、在一种可能的实现中,所述对所述初始鱼群声音信号进行标准化处理,得到标准化处理后的鱼群声音信号,包括:

10、对所述初始鱼群声音信号进行数据转换处理、去直流处理以及前置滤波处理中的至少一种,得到标准化处理后的鱼群声音信号。

11、在一种可能的实现中,所述对所述初始声音信号进行数据转换、去直流处理以及前置滤波处理中的至少一种,得到标准化处理后的声音信号,包括:

12、对所述初始鱼群声音信号进行数据转换处理,得到数据转换处理后的鱼群声音信号;

13、对所述数据转换处理后的鱼群声音信号进行去直流处理,得到去直流处理后的鱼群声音信号;

14、对所述去直流处理后的鱼群声音信号进行前置滤波处理,得到所述标准化处理后的鱼群声音信号。

15、在一种可能的实现中,所述鱼群状态监测模型的训练方式包括:

16、利用所述鱼群声音信号样本输入深度自编码器中的编码器,以所述深度自编码器中的解码器的输出趋近于所述鱼群声音信号样本为目标,对所述深度自编码器进行无监督训练,得到训练好的深度自编码器;

17、将所述训练好的深度自编码器中的编码器与预设分类网络连接,构建得到所述鱼群状态监测模型;

18、将所述鱼群声音信号样本输入所述训练好的深度自编码器中的编码器,以所述预设分类网络的预测标签趋近于所述鱼群声音信号样本对应的鱼群状态标签为目标,对所述鱼群状态监测模型进行训练。

19、在一种可能的实现中,所述鱼群状态监测模型对所述待监测的鱼群声音信号进行处理,输出鱼群状态监测结果的方式,包括:

20、所述鱼群状态监测模型对所述待监测的鱼群声音信号进行特征提取和压缩,得到所述待监测的鱼群声音信号的特征向量;

21、对所述待监测的鱼群声音信号的特征向量进行分类,输出所述鱼群状态监测结果。

22、本申请第二方面提供一种鱼群状态监测装置,包括:

23、获取单元,用于获取待监测的鱼群声音信号;

24、监测单元,用于将所述待监测的鱼群声音信号输入鱼群状态监测模型,得到所述鱼群状态监测模型对所述待监测的鱼群声音信号进行处理后输出的鱼群状态监测结果,所述鱼群状态监测模型是利用鱼群声音信号样本以及所述鱼群声音信号样本对应的鱼群状态标签训练得到的。

25、在一种可能的实现中,所述获取单元,包括:

26、初始信号获取单元,用于获取初始鱼群声音信号;

27、标准化处理单元,用于对所述初始鱼群声音信号进行标准化处理,得到标准化处理后的鱼群声音信号;

28、所述标准化处理后的鱼群声音信号即为所述待监测的鱼群声音信号。

29、在一种可能的实现中,所述标准化处理单元,具体用于:

30、对所述初始鱼群声音信号进行数据转换处理、去直流处理以及前置滤波处理中的至少一种,得到标准化处理后的鱼群声音信号。

31、在一种可能的实现中,所述标准化处理单元,具体用于:

32、对所述初始鱼群声音信号进行数据转换处理,得到数据转换处理后的鱼群声音信号;

33、对所述数据转换处理后的鱼群声音信号进行去直流处理,得到去直流处理后的鱼群声音信号;

34、对所述去直流处理后的鱼群声音信号进行前置滤波处理,得到所述标准化处理后的鱼群声音信号。

35、在一种可能的实现中,所述装置还包括:鱼群状态监测模型训练单元,所述鱼群状态监测模型训练单元,具体用于:

36、利用所述鱼群声音信号样本输入深度自编码器中的编码器,以所述深度自编码器中的解码器的输出趋近于所述鱼群声音信号样本为目标,对所述深度自编码器进行无监督训练,得到训练好的深度自编码器;

37、将所述训练好的深度自编码器中的编码器与预设分类网络连接,构建得到所述鱼群状态监测模型;

38、将所述鱼群声音信号样本输入所述训练好的深度自编码器中的编码器,以所述预设分类网络的预测标签趋近于所述鱼群声音信号样本对应的鱼群状态标签为目标,对所述鱼群状态监测模型进行训练。

39、在一种可能的实现中,所述监测单元,具体用于:

40、所述鱼群状态监测模型对所述待监测的鱼群声音信号进行特征提取和压缩,得到所述待监测的鱼群声音信号的特征向量;

41、对所述待监测的鱼群声音信号的特征向量进行分类,输出所述鱼群状态监测结果。

42、本申请第三方面提供一种计算机程序产品,包括计算机可读指令,当所述计算机可读指令在电子设备上运行时,使得所述电子设备实现上述第一方面或第一方面任一实现方式的鱼群状态监测方法。

43、本申请第四方面提供一种电子设备,包括至少一个处理器和与所述处理器连接的存储器,其中:

44、所述存储器用于存储计算机程序;

45、所述处理器用于执行所述计算机程序,以使所述电子设备能够实现上述第一方面或第一方面任一实现方式的鱼群状态监测方法。

46、本申请第五方面提供一种计算机可读存储介质,所述存储介质承载有一个或多个计算机程序,当所述一个或多个计算机程序被电子设备执行时,能够使所述电子设备上述第一方面或第一方面任一实现方式的鱼群状态监测方法。

47、借由上述技术方案,本申请提供的一种鱼群状态监测方法及相本文档来自技高网...

【技术保护点】

1.一种鱼群状态监测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述获取待监测的鱼群声音信号,包括:

3.根据权利要求2所述的方法,其特征在于,所述对所述初始鱼群声音信号进行标准化处理,得到标准化处理后的鱼群声音信号,包括:

4.根据权利要求3所述的方法,其特征在于,所述对所述初始声音信号进行数据转换、去直流处理以及前置滤波处理中的至少一种,得到标准化处理后的声音信号,包括:

5.根据权利要求1所述的方法,其特征在于,所述鱼群状态监测模型的训练方式包括:

6.根据权利要求1所述的方法,其特征在于,所述鱼群状态监测模型对所述待监测的鱼群声音信号进行处理,输出鱼群状态监测结果的方式,包括:

7.一种鱼群状态监测装置,其特征在于,包括:

8.一种计算机程序产品,其特征在于,包括计算机可读指令,当所述计算机可读指令在电子设备上运行时,使得所述电子设备实现如权利要求1至6中任意一项所述的鱼群状态监测方法。

9.一种电子设备,其特征在于,包括至少一个处理器和与所述处理器连接的存储器,其中:

10.一种计算机可读存储介质,其特征在于,所述存储介质承载有一个或多个计算机程序,当所述一个或多个计算机程序被电子设备执行时,能够使所述电子设备实现如权利要求1至6中任意一项所述的鱼群状态监测方法。

...

【技术特征摘要】

1.一种鱼群状态监测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述获取待监测的鱼群声音信号,包括:

3.根据权利要求2所述的方法,其特征在于,所述对所述初始鱼群声音信号进行标准化处理,得到标准化处理后的鱼群声音信号,包括:

4.根据权利要求3所述的方法,其特征在于,所述对所述初始声音信号进行数据转换、去直流处理以及前置滤波处理中的至少一种,得到标准化处理后的声音信号,包括:

5.根据权利要求1所述的方法,其特征在于,所述鱼群状态监测模型的训练方式包括:

6.根据权利要求1所述的方法,其特征在于,所述鱼群状态监测模型对所述...

【专利技术属性】
技术研发人员:马林刘俊华杨仁友杨靓高天刘恒双叶威郑凯健
申请(专利权)人:科大讯飞股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1