[发明专利]一种基于石斑鱼应激行为学的氨氮预警方法及系统在审
申请号: | 202210585703.X | 申请日: | 2022-05-26 |
公开(公告)号: | CN114998378A | 公开(公告)日: | 2022-09-02 |
发明(设计)人: | 聂鹏程;汪清平 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06T7/136 | 分类号: | G06T7/136;G06T5/00 |
代理公司: | 北京方圆嘉禾知识产权代理有限公司 11385 | 代理人: | 王月松 |
地址: | 310058 *** | 国省代码: | 浙江;33 |
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 基于 石斑鱼 应激 行为学 预警 方法 系统 | ||
1.一种基于石斑鱼应激行为学的氨氮预警方法,其特征在于,包括:
利用摄像头获取石斑鱼养殖池的视频信息,并根据视频信息截取图片信息;所述图片信息为RGB格式;
对所述图片信息进行高斯滤波去噪;
将高斯滤波去噪后的图片信息转换为HSV格式;
对格式转化后的图片信息进行石斑鱼目标图像分割;
以石斑鱼目标图像分割后的图像中的背景为障碍物,以分割的石斑鱼目标图像为机器人可行走的目标路径,利用人工势场算法,确定石斑鱼体态特征曲线;并利用所述石斑鱼体态特征曲线确定曲率;
根据所述曲率监测所述石斑鱼养殖池的氨氮含量。
2.根据权利要求1所述的一种基于石斑鱼应激行为学的氨氮预警方法,其特征在于,所述对所述图片信息进行高斯滤波去噪,具体包括:
利用大小为3*3的卷积核对所述图片信息进行高斯滤波去噪。
3.根据权利要求1所述的一种基于石斑鱼应激行为学的氨氮预警方法,其特征在于,所述对格式转化后的图片信息进行石斑鱼目标图像分割,具体包括:
根据所述格式转化后的图片信息,利用MATLAB确定灰度直方图;
根据所述灰度直方图确定图分割阈值;
利用所述图分割阈值对所述格式转化后的图片信息进行石斑鱼目标图像分割。
4.根据权利要求1所述的一种基于石斑鱼应激行为学的氨氮预警方法,其特征在于,所述并利用所述石斑鱼体态特征曲线确定曲率,具体包括:
利用gredient函数对所有的所述石斑鱼体态特征曲线进行求解,确定每一石斑鱼体态特征曲线的曲率;
根据所有的曲率确定平均曲率。
5.根据权利要求4所述的一种基于石斑鱼应激行为学的氨氮预警方法,其特征在于,所述根据所述曲率监测所述石斑鱼养殖池的氨氮含量,具体包括:
判断所述平均曲率是否超过曲率阈值;
若超过,则确定所述石斑鱼养殖池的氨氮含量超过含量阈值,并进行报警;
若未超过,则确定所述石斑鱼养殖池的氨氮含量未超过含量阈值。
6.根据权利要求5所述的一种基于石斑鱼应激行为学的氨氮预警方法,其特征在于,所述曲率阈值为0.01;含量阈值为5.74mg/L。
7.一种基于石斑鱼应激行为学的氨氮预警系统,其特征在于,包括:
图片信息获取模块,用于利用摄像头获取石斑鱼养殖池的视频信息,并根据视频信息截取图片信息;所述图片信息为RGB格式;
高斯滤波去噪模块,用于对所述图片信息进行高斯滤波去噪;
格式转换模块,用于将高斯滤波去噪后的图片信息转换为HSV格式;
图像分割模块,用于对格式转化后的图片信息进行石斑鱼目标图像分割;
曲率确定模块,用于以石斑鱼目标图像分割后的图像中的背景为障碍物,以分割的石斑鱼目标图像为机器人可行走的目标路径,利用人工势场算法,确定石斑鱼体态特征曲线;并利用所述石斑鱼体态特征曲线确定曲率;
氨氮含量监测模块,用于根据所述曲率监测所述石斑鱼养殖池的氨氮含量。
8.根据权利要求7所述的一种基于石斑鱼应激行为学的氨氮预警系统,其特征在于,所述高斯滤波去噪模块具体包括:
高斯滤波去噪单元,用于利用大小为3*3的卷积核对所述图片信息进行高斯滤波去噪。
9.根据权利要求7所述的一种基于石斑鱼应激行为学的氨氮预警系统,其特征在于,所述图像分割模块具体包括:
灰度直方图确定单元,用于根据所述格式转化后的图片信息,利用MATLAB确定灰度直方图;
图分割阈值确定单元,用于根据所述灰度直方图确定图分割阈值;
图像分割单元,用于利用所述图分割阈值对所述格式转化后的图片信息进行石斑鱼目标图像分割。
10.根据权利要求7所述的一种基于石斑鱼应激行为学的氨氮预警系统,其特征在于,所述曲率确定模块具体包括:
曲率确定单元,用于利用gredient函数对所有的所述石斑鱼体态特征曲线进行求解,确定每一石斑鱼体态特征曲线的曲率;
平均曲率确定单元,用于根据所有的曲率确定平均曲率。
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浙江大学,未经浙江大学许可,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/202210585703.X/1.html,转载请声明来源钻瓜专利网。