[发明专利]一种渔业资源的密度智能识别方法及系统在审
申请号: | 202210008453.3 | 申请日: | 2022-01-06 |
公开(公告)号: | CN114494837A | 公开(公告)日: | 2022-05-13 |
发明(设计)人: | 吴鹏;刘永;肖雅元;李纯厚 | 申请(专利权)人: | 中国水产科学研究院南海水产研究所;南方海洋科学与工程广东省实验室(广州) |
主分类号: | G06V20/05 | 分类号: | G06V20/05;G06V20/52;G06V10/46;G06V10/74;G06V10/774;G06V10/80;G06K9/62 |
代理公司: | 佛山粤进知识产权代理事务所(普通合伙) 44463 | 代理人: | 耿鹏 |
地址: | 510260 *** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 渔业资源 密度 智能 识别 方法 系统 | ||
本发明公开了一种渔业资源的密度智能识别方法及系统,涉及渔业资源监测领域,包括:获取目标海域的海洋环境信息,通过所述海洋环境信息提取环境特征;获取各渔业资源的适生条件,将所述环境特征与所述适生条件进行对比生成偏差信息,根据所述偏差信息对目标海域进行分区,建立渔业资源密度识别模型,获取各海域渔业资源图像信息,通过所述渔业资源密度识别模型根据所述渔业资源图像信息生成目标海域渔业资源密度信息;建立目标海域内的渔业资源数据库,通过所述渔业资源数据库对目标海域的渔业资源进行监控,确保目标海域的渔业资源处于预设范围内。本发明实现了目标海域内渔业资源的智能自动化检测,节约了人力资源,同时保证了识别精度。
技术领域
本发明涉及渔业资源监测领域,更具体的,涉及一种渔业资源的密度智能识别方法及系统。
背景技术
海洋生态平衡是地球生态平衡的一个重要组成部分,保护海洋中渔业资源就显得尤为重要,只有科学合理化开发利用渔业资源才能实现可持续发展。在渔业资源的开发利用中,海域内渔业资源调查是不可或缺的环节之一,在渔业资源调查中渔业资源密度的判定大多是采用逐站拖网进行估算的等传统的方式进行,而传统的判定方式需要繁琐的步骤,同时需要大量的人力资源,因此对目标海域内渔业资源密度进行智能化识别就显得尤为重要。
为了对渔业资源的密度进行智能化识别,需要开发一款系统与之匹配进行实现,本系统包括通过获取目标海域的海洋环境信息提取环境特征;获取各渔业资源的适生条件与分布特征,将环境特征与适生条件及分布特征进行对比生成偏差信息,根据所述偏差信息对目标海域进行分区,建立渔业资源密度识别模型,生成目标海域渔业资源密度信息,并通过渔业资源数据库对目标海域的渔业资源进行监控,确保目标海域的渔业资源处于预设范围内。该系统实现过程中,如何生成各海域渔业资源密度信息及如何对目标海域的渔业资源进行监控都是亟不可待需要解决的问题。
发明内容
为了解决上述技术问题,本发明提出了一种渔业资源的密度智能识别方法及系统。
本发明第一方面提供了一种渔业资源的密度智能识别方法,包括:
将目标海域划分为若干海域分区,获取所述海域分区的海洋环境信息,通过所述海洋环境信息提取环境特征;
获取各种类渔业资源的适生条件及分布特征,将所述环境特征与所述适生条件及分布特征进行对比生成偏差信息,根据所述偏差信息对所述海域分区进行区分归类;
建立渔业资源密度识别模型,获取各海域分区渔业资源图像信息,通过所述渔业资源密度识别模型根据所述渔业资源图像信息生成目标海域渔业资源密度信息;
建立目标海域内的渔业资源数据库,通过所述渔业资源数据库对目标海域的渔业资源进行监控。
本方案中,所述的获取所述海域分区的海洋环境信息,通过所述海洋环境信息提取环境特征,具体为:
获取所述海域分区的水文数据、海洋地理数据及海洋气象数据,并将获取的数据进行数据预处理;
将预处理后的数据进行提取特征,将所述特征进行融合构成多特征矩阵;
将所述海域分区预设编号信息,将所述多特征矩阵与预设编号信息进行匹配构建海域分区的环境多特征矩阵集合。
本方案中,所述的将所述环境特征与所述适生条件及分布特征进行对比生成偏差信息,根据所述偏差信息对所述海域分区进行区分归类,具体为:
根据各种类渔业资源的适生条件及分布特生成渔业资源特征矩阵集合,将所述渔业资源特征矩阵集合与海域分区的环境多特征矩阵集合进行相似度计算,生成各海域分区环境特征与渔业资源特征的相似度;
将各海域分区的相似度进行两两对比,获取各海域分区之间的相似度偏差信息;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国水产科学研究院南海水产研究所;南方海洋科学与工程广东省实验室(广州),未经中国水产科学研究院南海水产研究所;南方海洋科学与工程广东省实验室(广州)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210008453.3/2.html,转载请声明来源钻瓜专利网。