本發(fā)明涉及計(jì)算機(jī)視覺，尤其涉及一種魚群攝食強(qiáng)度量化方法及系統(tǒng)。

背景技術(shù)：

1、量化是指用數(shù)量形式表示目標(biāo)的當(dāng)前狀態(tài)，便于精準(zhǔn)的掌握目標(biāo)的情況，及時(shí)的進(jìn)行調(diào)節(jié)控制，在多個(gè)領(lǐng)域都有廣泛應(yīng)用。魚群攝食強(qiáng)度量化是水產(chǎn)養(yǎng)殖行業(yè)中進(jìn)行攝食需求評(píng)估基礎(chǔ)操作，不僅有助于實(shí)時(shí)掌握魚群的攝食需求，也對(duì)實(shí)現(xiàn)飼料精準(zhǔn)投喂、降低養(yǎng)殖成本與提高生產(chǎn)率有著重要的指導(dǎo)作用。傳統(tǒng)的魚群攝食強(qiáng)度量化方法都將其識(shí)別為幾個(gè)離散的類別，無法精準(zhǔn)掌握魚群的攝食強(qiáng)度。因此，需要一種方法，能夠及時(shí)、精準(zhǔn)、高效的實(shí)現(xiàn)魚群攝食強(qiáng)度的量化。

2、隨著計(jì)算機(jī)視覺技術(shù)的迅速發(fā)展，一種基于計(jì)算機(jī)視覺的魚群攝食強(qiáng)度量化方法應(yīng)運(yùn)而生，因其具有精準(zhǔn)、高效等優(yōu)點(diǎn)，成為一種研究攝食強(qiáng)度量化的重要手段。該方法先獲取魚體側(cè)視圖像，通過構(gòu)建均值背景、魚體圖像預(yù)處理、背景差分與降噪等操作，獲得魚體目標(biāo)前景，然后從中提取魚的個(gè)體特征與群體特征，在此基礎(chǔ)上構(gòu)建量化公式，實(shí)現(xiàn)對(duì)魚群攝食強(qiáng)度的連續(xù)量化。

3、目前的魚群攝食強(qiáng)度量化方法普遍從單一的群體角度將魚群攝食強(qiáng)度識(shí)別為幾個(gè)離散的類別，無法精準(zhǔn)掌握魚群的攝食情況。針對(duì)上述問題，本文提出了一種融合魚群個(gè)體與群體行為特征的攝食強(qiáng)度連續(xù)量化方法。首先采集魚群側(cè)視圖像，通過構(gòu)建均值背景、魚體圖像預(yù)處理、背景差分與降噪等操作，獲得魚體目標(biāo)前景，將魚群特征劃分為個(gè)體與群體特征進(jìn)行分類提取與分析，在此基礎(chǔ)上構(gòu)建量化公式，最后采用融合魚群個(gè)體與群體行為特征的方法實(shí)現(xiàn)魚群攝食強(qiáng)度的連續(xù)精準(zhǔn)量化。

4、在融合魚群個(gè)體與群體行為特征的攝食強(qiáng)度量化方法中，首先按照閾值法將魚群連通區(qū)域按照面積大小劃分為聚集區(qū)域與非聚集區(qū)域，然后將魚群行為特征劃分為個(gè)體特征與群體特征，針對(duì)不同分類的特征進(jìn)行分析，在此基礎(chǔ)上構(gòu)建攝食強(qiáng)度量化公式，實(shí)現(xiàn)對(duì)魚群攝食強(qiáng)度的連續(xù)、精準(zhǔn)量化。提出了一種融合魚群個(gè)體與群體行為特征的攝食強(qiáng)度量化方法，實(shí)現(xiàn)了魚群攝食強(qiáng)度的連續(xù)精準(zhǔn)量化，解決了魚群攝食強(qiáng)度識(shí)別中分類過于模糊，無法精準(zhǔn)掌握魚群攝食強(qiáng)度變化問題。

5、在魚群攝食強(qiáng)度量化方法的過程中，從哪些層面提取魚體行為特征，如何實(shí)現(xiàn)魚群攝食強(qiáng)度的連續(xù)精準(zhǔn)量化，是一個(gè)亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有技術(shù)中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明提供了一種魚群攝食強(qiáng)度量化方法，能夠準(zhǔn)確提取魚體特征，實(shí)現(xiàn)對(duì)魚群攝食強(qiáng)度的連續(xù)精準(zhǔn)量化，為實(shí)現(xiàn)水產(chǎn)養(yǎng)殖中的精準(zhǔn)投喂、提高養(yǎng)殖效益提供支持。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案，一種魚群攝食強(qiáng)度量化方法，包括：搭建鯽魚圖像采集平臺(tái)，進(jìn)行魚群攝食圖像采集；將實(shí)驗(yàn)?zāi)繕?biāo)魚體與圖像背景從原始數(shù)據(jù)中分離出來，形成新的魚體圖像數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；根據(jù)新的魚體圖像數(shù)據(jù)提取魚體圖像中個(gè)體與群體兩個(gè)層面的行為特征表示整個(gè)圖像的信息；融合提取的個(gè)體與群體行為特征構(gòu)建攝食強(qiáng)度量化公式，獲取魚群攝食強(qiáng)度量化指標(biāo)，實(shí)現(xiàn)魚群攝食強(qiáng)度的連續(xù)、精準(zhǔn)量化。

4、作為本發(fā)明所述的一種魚群攝食強(qiáng)度量化方法的一種優(yōu)選方案，其中：所述鯽魚圖像采集平臺(tái)包括，魚缸、增氧機(jī)、攝像頭、計(jì)算機(jī)；

5、采用支架將攝像頭固定在魚缸側(cè)面，距離魚缸1m，通過網(wǎng)線連接攝像頭與計(jì)算機(jī)，采集到的魚群視頻數(shù)據(jù)被傳送到計(jì)算機(jī)中存儲(chǔ)，從采集到的魚群視頻數(shù)據(jù)中截取視頻幀，獲得魚群側(cè)視圖像。

6、作為本發(fā)明所述的一種魚群攝食強(qiáng)度量化方法的一種優(yōu)選方案，其中：所述魚體與圖像數(shù)據(jù)包括，讀取養(yǎng)殖魚缸的背景數(shù)據(jù)集，對(duì)背景圖像中每個(gè)像素的顏色求均值，將色彩均值合成為背景模型，表示為，

7、

8、其中，framek為背景數(shù)據(jù)集中的第k條圖像數(shù)據(jù)，(xi,yi)為圖像的像素點(diǎn)坐標(biāo)，time表示背景合成用到的數(shù)據(jù)視頻時(shí)長；

9、通過傅里葉變換增強(qiáng)目標(biāo)魚群圖像，通過閾值過濾、反色填充與開、閉運(yùn)算，去除圖像中的殘餌、糞便噪聲以及填充魚體表面的空洞，獲得魚群連通域的圖像，將圖像中面積小于閾值的連通區(qū)域定義為雜質(zhì)并去除，反色填充則是通過將原二值圖反轉(zhuǎn)處理，再利用閾值將魚體中的空洞保留，去除背景，最后將原圖與反轉(zhuǎn)圖疊加，實(shí)現(xiàn)魚體連通區(qū)域的空洞填充，獲得魚群連通域圖像。

10、作為本發(fā)明所述的一種魚群攝食強(qiáng)度量化方法的一種優(yōu)選方案，其中：所述個(gè)體特征包括個(gè)體到水面的平均距離表示為，

11、

12、其中，adfs表示個(gè)體到水面的平均距離，yi表示第i個(gè)個(gè)體到水面的距離，num為圖像中的魚體個(gè)數(shù)；

13、個(gè)體間的平均距離adbi表示為，

14、

15、其中，fishi代表第i個(gè)個(gè)體，min_dis為計(jì)算除個(gè)體本身外的距離最近的兩個(gè)個(gè)體的距離，fishes[]為圖像數(shù)據(jù)中出現(xiàn)的所有個(gè)體的集合；

16、魚體傾斜度表示為，

17、td＝[∑abs((yright_top-yleft_bottom)/(xright_top-xleft_bottom))]/num

18、其中，(yright_top-yleft_bottom)、(xright_top-xleft_bottom)分別為魚體圖像中最右上與左下角的像素點(diǎn)，以兩點(diǎn)連線的斜率描述魚體姿態(tài)；

19、個(gè)體與投食點(diǎn)的關(guān)系表示為，

20、f(dist，radian)＝abs(dist*sqrt|radian*2|)

21、其中，dist代表個(gè)體與固定投食點(diǎn)的距離，radian是個(gè)體與固定投食點(diǎn)連線的傾斜角的弧度值，f(dist，radian)為個(gè)體與投食點(diǎn)關(guān)系計(jì)算得出的特征值，特征值與攝食強(qiáng)度呈現(xiàn)負(fù)相關(guān)，單獨(dú)個(gè)體的行為無法表征群體趨勢(shì)且為了減少偶然現(xiàn)象發(fā)生，特征的最終數(shù)據(jù)取群體的f(dist，radian)均值；

22、rifp＝[∑f(dist，radian)]/num

23、其中，rifp表示為個(gè)體與投食點(diǎn)的關(guān)系。

24、作為本發(fā)明所述的一種魚群攝食強(qiáng)度量化方法的一種優(yōu)選方案，其中：所述群體特征包括聚集區(qū)域面積占比表示為，

25、paa＝[∑areai(areai＞thresh)]/∑areai*100％

26、其中，areai為第i個(gè)連通域的面積，thresh為面積過濾算法中的自適應(yīng)閾值，用于區(qū)分聚集與非聚集區(qū)域；

27、聚集個(gè)數(shù)占比piaa表示為，

28、

29、其中g(shù)ather_areai表示第i個(gè)聚集區(qū)域中的魚體數(shù)量，num為圖像中魚體的總數(shù)；

30、魚群離散程度指標(biāo)表示為，

31、

32、其中，n為delaunay三角形的個(gè)數(shù)，li為每個(gè)三角形周長，li1，li2，li3分別為三角形的三條邊，disf為delaunay三角網(wǎng)中三角形周長的平均值，代表魚群離散度。

33、作為本發(fā)明所述的一種魚群攝食強(qiáng)度量化方法的一種優(yōu)選方案，其中：所述攝食強(qiáng)度量化公式表示為，

34、liffi＝(1000-abs(adfs-α*disf-adbi)*dai)*td/10*rifp

35、其中，α為disf在的權(quán)重系數(shù)，dai為魚群的聚集度指標(biāo)，dai＝paa*piaa，adfs表示為攝食強(qiáng)度呈現(xiàn)負(fù)相關(guān)的關(guān)系，disf與adbi與攝食強(qiáng)度為正相關(guān)，由于最終的標(biāo)準(zhǔn)化處理將前期結(jié)果進(jìn)行了差值處理，在攝食強(qiáng)度量化公式中所占的權(quán)值系數(shù)均需反轉(zhuǎn)；

36、α參數(shù)的獲取過程通過二分法的思想對(duì)參數(shù)進(jìn)行尋優(yōu)，當(dāng)攝食強(qiáng)度識(shí)別準(zhǔn)確率達(dá)到最大值且在規(guī)定數(shù)值范圍內(nèi)不再變化時(shí)確定參數(shù)。

37、本發(fā)明的另外一個(gè)目的是提供一種魚群攝食強(qiáng)度量化系統(tǒng)，其能通過構(gòu)建魚群攝食強(qiáng)度量化系統(tǒng)，解決了現(xiàn)有魚群攝食強(qiáng)度測量技術(shù)中的精度不足，難以實(shí)現(xiàn)連續(xù)監(jiān)測問題。

38、作為本發(fā)明所述的一種魚群攝食強(qiáng)度量化系統(tǒng)的一種優(yōu)選方案，其中采集處理模塊、數(shù)據(jù)分離模塊、特征提取模塊、攝食強(qiáng)度量化模塊；

39、采集處理模塊，搭建鯽魚圖像采集平臺(tái)，進(jìn)行魚群攝食圖像采集；

40、數(shù)據(jù)分離模塊，將實(shí)驗(yàn)?zāi)繕?biāo)魚體與圖像背景從原始數(shù)據(jù)中分離出來，形成新的魚體圖像數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；

41、特征提取模塊，根據(jù)新的魚體圖像數(shù)據(jù)提取魚體圖像中個(gè)體與群體兩個(gè)層面的行為特征表示整個(gè)圖像的信息；

42、攝食強(qiáng)度量化模塊，融合提取的個(gè)體與群體行為特征構(gòu)建攝食強(qiáng)度量化公式，獲取魚群攝食強(qiáng)度量化指標(biāo)，實(shí)現(xiàn)魚群攝食強(qiáng)度的連續(xù)、精準(zhǔn)量化。

43、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)一種魚群攝食強(qiáng)度量化方法中任一項(xiàng)所述的方法的步驟。

44、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)一種魚群攝食強(qiáng)度量化方法中任一項(xiàng)所述的方法的步驟。

45、本發(fā)明的有益效果：本方法提出了一種融合魚群個(gè)體與群體行為特征的攝食強(qiáng)度量化方法，實(shí)現(xiàn)了魚群攝食強(qiáng)度的連續(xù)精確量化，解決了魚群攝食強(qiáng)度識(shí)別中分類過于模糊，無法精準(zhǔn)掌握魚群攝食強(qiáng)度變化問題。提出了一種多層面魚群特征提取方案，從個(gè)體與群體兩個(gè)層面進(jìn)行特征提取與分析，實(shí)現(xiàn)對(duì)魚群局部和全局特性的綜合考量，能夠更好的反映真實(shí)的魚群攝食強(qiáng)度。