本實用新型涉及漁業(yè)信息化技術(shù)領(lǐng)域，特別是涉及一種水產(chǎn)養(yǎng)殖魚群聚集指數(shù)計算裝置。

背景技術(shù)：

隨著水產(chǎn)養(yǎng)殖規(guī)模的增大，有必要對養(yǎng)殖對象的行為實時監(jiān)控。其中，魚類的聚集程度是衡量魚類群體行為的一個重要指標(biāo)，及時準(zhǔn)確的獲取魚類的聚集程度可以為后續(xù)行為分析(例如魚類疾病預(yù)警、投飼控制等)提供重要依據(jù)。

目前魚類的聚集指數(shù)測定主要是利用人工觀察，尚無有效的魚類聚集指數(shù)計算方法。

技術(shù)實現(xiàn)要素：

(一)要解決的技術(shù)問題

本實用新型要解決的技術(shù)問題是如何有效獲取魚群的聚集指數(shù)，且不影響魚類正常生長。

(二)技術(shù)方案

為了解決上述技術(shù)問題，本實用新型提供一種水產(chǎn)養(yǎng)殖魚群聚集指數(shù)計算裝置，其包括控制處理器和分別與所述控制處理器相連的近紅外圖像采集單元、近紅外光源和光照度變送器，所述近紅外圖像采集單元、近紅外光源和光照度變送器分別設(shè)置在養(yǎng)殖區(qū)域水面的上方；

所述近紅外圖像采集單元，用于采集魚群的近紅外圖像；

所述光照度變送器，用于采集當(dāng)前環(huán)境的光照強度數(shù)據(jù)；

所述近紅外光源，用于根據(jù)光照強度數(shù)據(jù)為所述近紅外圖像采集單元補光；

所述控制處理器，用于接收所述魚群的近紅外圖像，并進行處理以獲取魚群的聚集指數(shù)。

其中，所述光照度變送器包括依次相連的光照度傳感器、微控制器和通信接口：

所述光照度傳感器，用于采集光照強度數(shù)據(jù)；

所述微控制器，用于控制所述光照度傳感器采集光照強度數(shù)據(jù)，并將光照強度數(shù)據(jù)的模擬信號轉(zhuǎn)換為數(shù)字信號；

所述通信接口，用于將光照強度數(shù)據(jù)的數(shù)字信號傳送至所述控制處理器。

其中，所述近紅外光源為環(huán)形點狀光源，且其焦點與所述近紅外圖像采集單元鏡頭的焦點重合。

其中，所述近紅外光源由多顆環(huán)繞分布在所述近紅外圖像采集單元周圍的近紅外燈組成。

其中，所述近紅外燈所發(fā)出光線的中心波長優(yōu)選為850nm，功率優(yōu)選為3W。

其中，所述近紅外圖像采集單元為近紅外工業(yè)相機。

其中，所述近紅外圖像采集單元和近紅外光源設(shè)置于養(yǎng)殖區(qū)域水面的正上方，所述近紅外圖像采集單元和近紅外光源的光線垂直于養(yǎng)殖區(qū)域水面設(shè)置。

其中，所述控制處理器為PC機或工控機。

(三)有益效果

與現(xiàn)有技術(shù)相比，本實用新型具有以下優(yōu)點：

本實用新型提供的一種水產(chǎn)養(yǎng)殖魚群聚集指數(shù)計算裝置根據(jù)光照度變送器采集光照強度數(shù)據(jù)，通過設(shè)置近紅外圖像采集單元以及近紅外光源獲取魚群的近紅外圖像，并由控制處理器分析處理近紅外圖像獲取魚群的聚集指數(shù)。

本實用新型可以在光線較暗的水產(chǎn)養(yǎng)殖現(xiàn)場使用，不改變魚類的生長環(huán)境，不會對其生長造成影響，還能實時監(jiān)控魚群的聚集指數(shù)，為監(jiān)控魚類行為提供可靠依據(jù)。

附圖說明

圖1為本實用新型一種水產(chǎn)養(yǎng)殖魚群聚集指數(shù)計算裝置的結(jié)構(gòu)示意圖；

圖2為圖1中近紅外光源與近紅外圖像采集單元的位置關(guān)系示意圖；

圖3為圖1中光照度變送器的結(jié)構(gòu)示意圖；

圖4為本實用新型一種水產(chǎn)養(yǎng)殖魚群聚集指數(shù)計算裝置的工作流程示意圖；

圖中：1：近紅外光源；2：近紅外圖像采集單元；3：光照度變送器；31：光照度傳感器；32：微控制器；33：通信接口；34：電源模塊；4：控制處理器；5：養(yǎng)殖區(qū)域水面。

具體實施方式

為使本實用新型實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本實用新型實施例中的附圖，對本實用新型實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本實用新型一部分實施例，而不是全部的實施例。基于本實用新型中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本實用新型保護的范圍。

如圖1所示，為本實用新型提供的一種水產(chǎn)養(yǎng)殖魚群聚集指數(shù)計算裝置，其包括控制處理器4和分別與所述控制處理器4相連的近紅外圖像采集單元2、近紅外光源1和光照度變送器3，所述近紅外圖像采集單元2、近紅外光源1和光照度變送器3分別設(shè)置在養(yǎng)殖區(qū)域水面5的上方；

所述近紅外圖像采集單元2，用于采集魚群的近紅外圖像；

所述光照度變送器3，用于采集當(dāng)前環(huán)境的光照強度數(shù)據(jù)；

所述近紅外光源1，用于根據(jù)光照強度數(shù)據(jù)在控制處理器4的控制下按需或者按設(shè)定啟動為所述近紅外圖像采集單元2補光，以獲取到高質(zhì)量的近紅外圖像；

所述控制處理器4，用于接收所述魚群的近紅外圖像，并進行處理以獲取魚群的聚集指數(shù)。

如圖3所示，所述光照度變送器3包括依次相連的光照度傳感器31、微控制器32和通信接口33，具體地，光照度傳感器31與所述微控制器32可以通過I²C總線相連，通信接口33和所述微控制器32可以通過UART接口相連，且設(shè)有電源模塊34為光照度傳感器31、微控制器32和通信接口33供電：

所述光照度傳感器31，用于采集光照強度數(shù)據(jù)；

所述微控制器32，用于控制所述光照度傳感器31采集光照強度數(shù)據(jù)，并將光照強度數(shù)據(jù)的模擬信號轉(zhuǎn)換為數(shù)字信號；

所述通信接口33，用于將光照強度數(shù)據(jù)的數(shù)字信號傳送至所述控制處理器4。在本實用新型的實施例中，光照度傳感器31選用的型號為ISL29020，微控制器32的型號為LPC832M101FDH20，通信接口33選擇電平轉(zhuǎn)換芯片為MAX232。

如圖2所示，所述近紅外光源1為環(huán)形點狀光源，且其焦點與所述近紅外圖像采集單元2鏡頭的焦點重合，以達到最佳的補光效果，其開啟方式為按需要自動開啟或者按照設(shè)定值開啟。

其中，所述近紅外光源1優(yōu)選由多顆環(huán)繞分布在所述近紅外圖像采集單元2周圍的近紅外燈組成，例如，近紅外燈的數(shù)量可以為8顆，每顆近紅外燈與近紅外工業(yè)相機的距離r為約5cm。并且，每顆所述近紅外燈所發(fā)出光線的中心波長優(yōu)選為850nm，功率優(yōu)選為3W。

其中，所述近紅外圖像采集單元2優(yōu)選為近紅外工業(yè)相機，近紅外工業(yè)相機所采集的近紅外圖像與該近紅外工業(yè)相機物理像素上接收的光線的反射強度呈線性分布。實際應(yīng)用中，相對于魚池中的水對光線的吸收情況，由空氣和水中小顆粒引起的光線散射可以忽略。可選地，本實用新型實施例中，近紅外工業(yè)相機采用型號為Manta G-223B NIR近紅外工業(yè)相機，且其鏡頭型號為KOWA LM8HC，8mm定焦，其視場角為79.7×63.0。

其中，所述近紅外圖像采集單元2和近紅外光源1設(shè)置于養(yǎng)殖區(qū)域水面5的正上方，所述近紅外圖像采集單元2和近紅外光源1的光線互相平行且垂直于養(yǎng)殖區(qū)域水面5設(shè)置，以保證最佳的圖像采集視角。

其中，所述控制處理器4可以為PC機或工控機，當(dāng)然，控制處理器4也可以采用其他處理器，選擇不同的圖像處理方法得到上述質(zhì)心位置坐標(biāo)，同樣可以實現(xiàn)本實用新型的技術(shù)方案，得到基本相同的技術(shù)效果，同樣落入本實用新型的保護范圍。

如圖4所示，利用本實用新型一種水產(chǎn)養(yǎng)殖魚群聚集指數(shù)計算裝置獲取魚群聚集指數(shù)的具體操作步驟如下：

步驟S1：從近紅外圖像中獲取目標(biāo)物體即魚體并去除圖像背景；

實際應(yīng)用中，近紅外圖像中魚體的亮度要比魚池返回的光線的亮度高，可以首先取100幀圖片，計算其平均像素亮度。當(dāng)位置(x，y)處的平均像素亮度大于δI_(x，y)時，此時背景亮度為I_(x，y)，反之背景亮度為校正系數(shù)δ取值范圍為(0，1)，I_(x，y)為此位置的像素點亮度。該δ可以根據(jù)現(xiàn)場情況多次實驗得到，在此不再說明。

對于位置(x，y)，若則此像素點為背景，反之為探測到的目標(biāo)物體；其中，σ_(x,y)為背景方差。

在確定近紅外圖像中背景后，可以將近紅外圖像拆分為僅包含背景和僅包含目標(biāo)物體的近紅外圖像。

步驟S2：在去除圖像背景的近紅外圖像中檢測并分割目標(biāo)物體的邊緣以得到多個目標(biāo)物體的像素點；

實際應(yīng)用中，目標(biāo)物體所處位置的深度不同，其亮度也不同。因此本實用新型實施例中利用上述特征分割上下重疊的目標(biāo)物體的邊緣?？蛇x地，在水平面重疊目標(biāo)的分割中，本實用新型實施例中采用分水嶺算法在僅包含目標(biāo)物體的近紅外圖像上實現(xiàn)目標(biāo)物體的邊緣分割，從而可以得到每個目標(biāo)物體內(nèi)的像素點位置與數(shù)量。

步驟S3：去除像素點數(shù)量位于最小預(yù)設(shè)像素值和最大預(yù)設(shè)像素值之外的目標(biāo)物體，以獲取剩余目標(biāo)物體的圖像；

根據(jù)像素點數(shù)量去除與魚體相比過大或者過小的目標(biāo)物體，濾除噪聲、以及沒有分離的重疊的斑點。將每個目標(biāo)物體內(nèi)的像素點數(shù)量與最大預(yù)設(shè)像素值和最大預(yù)設(shè)像素值進行比較。若該目標(biāo)物體的像素點數(shù)量位于最小預(yù)設(shè)像素值和最大預(yù)設(shè)像素值之外，則說明該目標(biāo)物體過大或者過小，需要去除。

步驟S4：計算該幀圖像中每個剩余目標(biāo)物體的質(zhì)心；

本實施例的目標(biāo)像素區(qū)域為離散的圖像，本實用新型實施例中采用一階距的方法計算目標(biāo)質(zhì)心，對于目標(biāo)圖像，其階距為：

其中，p和q為非負(fù)整數(shù)，i和j為圖像像素索引，其目標(biāo)質(zhì)心得坐標(biāo)(x_c，y_c)為：

利用上述公式計算出魚體在二值圖像的質(zhì)心。

步驟S5：將獲取到圖像中的所有質(zhì)心為頂點進行Delaunay三角剖分，得到Delaunay三角網(wǎng)；

利用魚體的目標(biāo)質(zhì)心作為構(gòu)建Delaunay三角剖分的點集P，根據(jù)構(gòu)建Delaunay三角網(wǎng)的準(zhǔn)則，任何一個Delaunay三角形的外接圓的內(nèi)部不能包含其他任何點(空圓特性)。每兩個相鄰的三角形構(gòu)成凸四邊形的對角線，在相互交換后，六個內(nèi)角的最小角不再增大(最大化最小角特性)。本實用新型實施例中利用三角網(wǎng)生長法，對點集P進行Delaunay三角剖分，得到以質(zhì)心為頂點的Delaunay三角網(wǎng)。

步驟S6：分別計算每個Delaunay三角形的周長，并取該幀圖像中全部Delaunay三角形周長的平均值作為該幀圖像魚群的聚集指數(shù)。

在Delaunay三角形中，每個三角形的三個點對應(yīng)于其最小外接圓，因此三角形中每個三角形的大小可以在一定程度上反映各個頂點距離的距離。因此，對于多幀圖像中的多條魚，三角形的周長的平均值可以用于反映聚集度。因此，在Delaunay三角網(wǎng)中，對于多幀圖像中的多條魚，其聚集指數(shù)FI可以表示為：

其中，n為當(dāng)前幀圖像中Delaunay三角形的個數(shù)。P_i為第i個三角形周長，L_i1，L_i2，L_i3為第i個三角形的三個邊。由以上定義可知，F(xiàn)I為Delaunay三角網(wǎng)中每個三角形的周長平均值，代表了魚類的聚集程度，越小說明魚類的聚集程度越高。

為進一步提高計算精度，還可以包括步驟S7：更新背景，將步驟S1中背景作為下一幀圖像的背景，然后重新獲取近紅外圖像，重復(fù)步驟S1～S6。

其中，所述最小預(yù)設(shè)像素值和所述最大預(yù)設(shè)像素值通過以下步驟獲?。?/p>

步驟S31：將所有目標(biāo)物體的像素點數(shù)量按照由大到小的順序進行排序；當(dāng)按照由大到小的順序進行排序時，越是排序靠前的魚體越大，其包含的像素點數(shù)量越多；

步驟S32：分別從排序后的像素點前段和后段獲取預(yù)設(shè)數(shù)量的目標(biāo)物體的像素點，并分別計算平均值作為最大預(yù)設(shè)像素值和最小預(yù)設(shè)像素值。上述預(yù)設(shè)數(shù)量是指一定數(shù)量的魚體的數(shù)量,例如，可以分別選擇最大的20條魚體和最小的20條魚體對應(yīng)的像素點數(shù)量，然后分別計算平均像素點值作為最大預(yù)設(shè)像素值和最小預(yù)設(shè)像素值。當(dāng)然，本領(lǐng)域技術(shù)人員也可以改變上述預(yù)設(shè)數(shù)量，以獲取更精確的最大預(yù)設(shè)像素值和最小預(yù)設(shè)像素值。

由以上實施例可以看出，本實用新型通過獲取增強并去除近紅外圖像的背景，然后對目標(biāo)物體邊緣進行分割，并利用每個目標(biāo)物體內(nèi)的像素點數(shù)量確定魚體；最后計算每條魚的質(zhì)心，并以質(zhì)心為頂點進行Delaunay三角剖分，得到Delaunay三角網(wǎng)。將三角網(wǎng)中所有三角形的周長的和的平均值作為表征魚群聚集程度的聚集指數(shù)。從而能夠得到實時的魚群聚集指數(shù)，為監(jiān)控魚類行為提供可靠依據(jù)。

應(yīng)說明的是：以上各實施例僅用以說明本實用新型的技術(shù)方案，而非對其限制；盡管參照前述各實施例對本實用新型進行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分或者全部技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本實用新型各實施例技術(shù)方案的范圍，其均應(yīng)涵蓋在本實用新型的權(quán)利要求和說明書的范圍當(dāng)中。