[发明专利]基于深度学习的深海网箱鱼类健康识别系统和方法

说明书

本发明公开了一种基于深度学习的深海网箱鱼类健康识别系统和方法，包括图像采集模块、图像识别模块和健康识别监控终端，其中，图像采集模块包括水下主控板、实时传输模块、存储模块、水下照明模块、水下摄像机、水下电池舱、电源电路；所述健康识别监控终端包括数据中心、远程监控终端和实时接收模块。本发明面向水产养殖集约、高产、高效、生态、安全的发展需求，基于深度学习与无线传感器技术开发的，集图像信息在线采集、无线传输、图像识别与处理、预警信息发布、决策支持、远程与自动控制等功能。

技术领域

本发明属于海洋领域，特别涉及一种基于深度学习的深海网箱鱼类健康识别系统和方法。

背景技术

随着近年来深海网箱养殖的快速发展，水产品的产量与品质都得到了大幅的提升。然而也暴露出一些问题，比如网箱内鱼病起初不能及时的了解与处理，导致网箱内鱼类大量死亡等，往往发生类似情况都需要渔民凭借经验判断是否采取措施，费时费力。为了进一步提高深海网箱的养殖效益，节约人工成本，避免上诉事件发生，急需基于深度学习的深海网箱鱼类健康识别系统，利用无线通讯技术，将网箱内的监控视频实时传输至陆地监控中心，并在监控终端实时显示，监控中心的图像识别模块运用CNN为基础搭建深度学习模型，选择适合多分类任务的softmax分类器来对图片中的类别进行判断，同时使用卷积核提取生物相关的特征，根据这些特征来判断鱼的种类与健康状况，从而养殖人员根据这些信息,采取相应措施，避免灾害发生，提高养殖效益。

发明内容

有鉴于此，本发明的目的在于提供一种基于深度学习的深海网箱鱼类健康识别系统，面向水产养殖集约、高产、高效、生态、安全的发展需求，基于深度学习与无线传感器技术开发的，集图像信息在线采集、无线传输、图像识别与处理、预警信息发布、决策支持、远程与自动控制等功能。

为达到上述目的，本发明提供了一种基于深度学习的深海网箱鱼类健康识别系统，包括图像采集模块、图像识别模块和健康识别监控终端，其中，

所述图像采集模块包括水下主控板、实时传输模块、存储模块、水下照明模块、水下摄像机、水下电池舱、电源电路；所述健康识别监控终端包括数据中心、远程监控终端和实时接收模块；

水下电池舱和电源电路为图像采集模块中其他部分供电；水下主控板与实时传输模块、存储模块、水下照明模块和水下摄像机分别连接，水下照明模块为水下摄像机在拍摄时辅助灯光，水下摄像机拍摄到的图像存储于存储模块，水下主控板将采集到的图像处理后通过实时传输模块发送给实时接收模块，实时接收模块与数据中心连接，图像识别模块与远程监控终端分别于数据中心连接，图像识别模块对数据中心中的图像根据以卷积神经网络为基础搭建的深度学习模型，选择适合分类器进行识别判断后发送给远程监控终端；远程监控终端接收并实时显示监控视频，并对图像识别模块发送的识别结果进行分析应用，并根据分析结果进行报警。

优选地，所述图像采集模块还包括温度传感器和压力传感器，采集水下环境温度与水压。

优选地，所述存储模块为机械硬盘。

优选地，所述实时传输模块与实时接收模块的实时传输采用无线网桥。

优选地，所述无线网桥采用LA-5839网桥08。

基于上述目的，本发明还提供了一种图像识别方法，包括以下步骤：

S10，将数据中心视频流信息分解成图片信息，利用LabelImg工具对图片进行手工标定获得类别标签，用标签来判定每个标定框中目标鱼健康状况及鱼的类别；

S20，对标记好的数据进行训练及验证，将图片和图片标签作为深度学习神经网络的训练集和验证集，通过fine-tune VGG16卷积神经网络最后的全连接层并利用Adam优化算法对数据进行训练得到最优鱼类健康识别模型；