[发明专利]一种养殖监测方法和装置

说明书

发明人提出了一种养殖监测方法：获取来自两个或多个位置相邻的图像采集设备的当前时刻的图像信息，所述图像信息可由其来源的图像采集设备提供监测区域特征标识；建立网络模型，具体包括：对来自每一图像采集设备的图像信息进行预处理，然后基于经过预处理的图像信息获取该区域的拼接特征数据；对来自相邻区域的拼接特征数据做加权求和，获得空间融合特征数据；基于空间融合特征数据输出对应检测结果；每隔预设时间间隔，以上述网络模型进行检测计算，并优化检测结果。发明人同时还提供了实现上述方法的养殖监测装置，使得在确保监测速度、稳定性的前提下，具备更加可靠的质量检测精确度和鲁棒性，进而促进该海带养殖监测系统的监测效果。

技术领域

本发明涉及计算机软件领域，特别涉及一种基于多尺度时空特征融合图像分类算法的养殖物监测方法。

背景技术

中国是水产行业规模庞大的国家，其中，海带产业在世界规模最大，中国的海带产量占世界海带产量的九成以上。海带是一种营养丰富的食用褐藻，含有60多种营养成分，成为一种理想的天然海洋食品。海带的生长受水温、水深、水质等多种环境影响，导致海带生产质量无法得到完全保证，即便是同一片水域下培育的海带其质量往往也参差不齐。另外，水域中的鱼群侵扰也会给海带的生长带来破坏性的影响。

海带的质量好坏一般由海带的色泽、轮廓、表面纹理等属性进行判断。品质优良的海带呈较深的褐色，海带表面无明显斑点，具有较为完整的轮廓。相反，颜色偏浅，表面长有斑点，或是被鱼群食用过导致轮廓残缺的海带可视为质量较差。

传统的海带质量检测方法一般基于人工观观测，经验丰富的海带养殖人员可以通过肉眼识别出海带的质量好坏。然而,对于处在生长期的海带而言,养殖人员无法便捷、频繁地获取到海带的生长质量信息。得益于计算机视觉技术的快速发展，我们可以利用搭载图像分类算法的水下机器人，代替人工观测，构造便捷、实时、精确的海带养殖监测系统。

海带的轮廓、色泽信息属于整体信息，海带上的斑点信息属于局部信息。通用的图像分类算法在多次下采样操作后,常常容易丢失一些位置、细节等信息，反映在海带质量检测任务上可能会导致斑点信息被忽略。

采用多尺度特征融合的做法能够较好的解决下采样过程中信息丢失的问题，同时还可以保留图像的整体信息。将多尺度特征融合机制应用至海带养殖监测系统中，改善图像分类算法对影响海带质量的必要属性的特征感知能力，可提高海带养殖监测系统的整体效果。

因此，有必要发明一种基于多尺度特征融合图像分类算法的海带养殖监测方案。同时，这种监测方案也可以用于其他农业或渔业等养殖监测。

发明内容

基于此，有必要发明一种提供一种基于多尺度特征融合图像分类算法的养殖物监测方案，通过结合摄像头、基于多尺度特征融合图像分类模型、养殖监测客户端，实现智能化、可靠性强的养殖监测，以图在如海带养殖等领域起到较好预期效果。

为此，发明人提出了一种养殖监测方法，包括如下步骤：

获取来自两个或多个位置相邻的图像采集设备的当前时刻的图像信息，所述图像信息可由其来源的图像采集设备提供监测区域特征标识；

建立网络模型，具体包括：对来自每一图像采集设备的图像信息进行预处理，然后基于经过预处理的图像信息获取该区域的拼接特征数据；对来自相邻区域的拼接特征数据做加权求和，获得空间融合特征数据；基于空间融合特征数据输出对应检测结果；

每隔预设时间间隔，以上述网络模型进行检测计算，并优化检测结果。

进一步地，所述的养殖监测方法中，还包括步骤：当一时间范围内的检测结果满足预设条件时，发出通讯信息。