本發(fā)明涉及水產(chǎn)蝦類懷卵測定，尤其涉及一種用于測定蝦類懷卵量的方法及系統(tǒng)。

背景技術(shù)：

1、蝦類的懷卵量是指雌性蝦在繁殖季節(jié)中一次產(chǎn)卵的數(shù)量。蝦類懷卵量可以綜合反映蝦類的繁殖能力和繁殖狀態(tài)，對于幫助研究人員了解蝦類的種群動態(tài)、環(huán)境對其生殖的影響、蝦類養(yǎng)殖以及種群管理等方面都具有重要意義，因此測定蝦類懷卵量是蝦類養(yǎng)殖至關(guān)重要的一個步驟。但現(xiàn)有技術(shù)的蝦類懷卵量測定方法仍然需要依靠人工撈出蝦體并運用專門的測量工具進行測定，此過程復雜繁瑣且需要大量人力的協(xié)同執(zhí)行才可完成，且人工測定的結(jié)果往往存在較大的誤差率，降低了蝦類懷卵量的測定效率和質(zhì)量；同時傳統(tǒng)測定方法難以實現(xiàn)根據(jù)蝦卵變化對于懷卵整體的影響進行測定調(diào)整，進一步加劇了測定結(jié)果存在誤差的現(xiàn)象。

技術(shù)實現(xiàn)思路

1、本發(fā)明克服了現(xiàn)有技術(shù)的不足，提供了一種用于測定蝦類懷卵量的方法及系統(tǒng)。

2、為達上述目的，本發(fā)明采用的技術(shù)方案為：

3、本發(fā)明第一方面提供了一種用于測定蝦類懷卵量的方法，包括以下步驟：

4、獲取目標蝦類的水下影像數(shù)據(jù)，引入光流估計算法對所述水下影像數(shù)據(jù)進行計算分析，得到目標蝦類的動態(tài)特征光流模型，根據(jù)所述動態(tài)特征光流模型提取目標蝦類懷卵顏色變化時的目標懷卵膨脹hermite曲面；

5、基于目標蝦類的品種信息識別構(gòu)建四叉樹模型以獲取與目標懷卵膨脹hermite曲面相匹配的標準懷卵膨脹hermite曲面，根據(jù)標準懷卵膨脹hermite曲面分析是否存在懷卵期望顏色特征，得到一類懷卵膨脹狀態(tài)與二類懷卵狀態(tài)；

6、若懷卵膨脹狀態(tài)為一類懷卵膨脹狀態(tài)，則引入k-means聚類算法對懷卵膨脹模型圖的蝦卵分布格局進行簇節(jié)點聚類并構(gòu)建描述蝦卵繁殖分裂的最小生成樹，根據(jù)最小生成樹對蝦卵處于不同懷卵顏色的基準體積模型進行擬合并統(tǒng)計，得到第一蝦類懷卵量測定方案；

7、若懷卵膨脹狀態(tài)為二類懷卵膨脹狀態(tài)，則基于蝦卵所處繁殖階段的蝦卵分布圖像數(shù)據(jù)提取標準蝦卵分布紋理，并獲取懷卵膨脹模型圖中的實際蝦卵分布紋理，通過所述標準蝦卵分布紋理與實際蝦卵分布紋理的比值對蝦卵的標準表型執(zhí)行變異處理并擬合統(tǒng)計出最終懷卵量，得到第二蝦類懷卵量測定方案。

8、進一步的，本發(fā)明的一個較佳的實施例中，所述獲取目標蝦類的水下影像數(shù)據(jù)，引入光流估計算法對所述水下影像數(shù)據(jù)進行計算分析，得到目標蝦類的動態(tài)特征光流模型，根據(jù)所述動態(tài)特征光流模型提取目標蝦類懷卵顏色變化時的目標懷卵膨脹hermite曲面，具體包括以下步驟：

9、獲取水下攝影機的初始布局圖以及攝影視野范圍，構(gòu)建目標蝦類在蝦類養(yǎng)殖區(qū)域的多維遷移分布圖，通過多維遷移分布圖分析所述初始布局圖以及攝影視野范圍的攝影合理性并執(zhí)行相應調(diào)整，得到水下攝影機布局策略與攝影優(yōu)化策略；

10、獲取蝦類養(yǎng)殖區(qū)域，通過在蝦類養(yǎng)殖區(qū)域執(zhí)行所述水下攝影機布局策略與拍攝優(yōu)化策略對目標蝦類進行捕捉拍攝，得到目標蝦類的水下影像數(shù)據(jù)；

11、引入光流估計算法，在光流估計算法中預設最小幀數(shù)閾值，基于所述最小幀數(shù)閾值對所述水下影像數(shù)據(jù)進行圖像幀提取，得到相鄰間隔最小的兩幀影像數(shù)據(jù)，并通過sobel算子計算兩幀所述影像數(shù)據(jù)的空間矢量梯度；

12、預設局部矩陣窗口閾值，根據(jù)所述局部矩陣窗口閾值將兩幀影像數(shù)據(jù)劃分為若干個局部矩陣窗口，并基于兩幀所述影像數(shù)據(jù)的空間矢量梯度在每個局部矩陣窗口內(nèi)構(gòu)建光流矩陣方程與光流向量方程；

13、對于每個局部矩陣窗口，通過聯(lián)立所述光流矩陣方程和光流向量方程求解計算速度，得到每個局部矩陣窗口的光流速度，獲取所有局部矩陣窗口的光流速度，合并所有局部矩陣窗口的光流速度，生成動態(tài)特征光流場；

14、獲取水下影像數(shù)據(jù)中所有相鄰影像幀的動態(tài)特征光流場，整合所有相鄰影像幀的動態(tài)特征光流場構(gòu)建目標蝦類的動態(tài)特征光流模型，并通過所述動態(tài)特征光流模型提取出目標蝦類的懷卵膨脹動態(tài)特征與懷卵顏色動態(tài)特征；

15、根據(jù)懷卵顏色動態(tài)特征設置多組懷卵膨脹控制節(jié)點，基于多組懷卵膨脹控制節(jié)點將懷卵膨脹動態(tài)特征進行時序上的樣條插值，生成目標蝦類懷卵顏色變化時的懷卵膨脹hermite曲面，定義為目標懷卵膨脹hermite曲面。

16、進一步的，本發(fā)明的一個較佳的實施例中，所述獲取水下攝影機的初始布局圖以及攝影視野范圍，構(gòu)建目標蝦類在蝦類養(yǎng)殖區(qū)域的多維遷移分布圖，通過多維遷移分布圖分析所述初始布局圖以及攝影視野范圍的攝影合理性并執(zhí)行相應調(diào)整，得到水下攝影機布局策略與攝影優(yōu)化策略，具體包括以下步驟：

17、獲取蝦類養(yǎng)殖區(qū)域以及蝦類養(yǎng)殖日志，通過所述蝦類養(yǎng)殖日志調(diào)取目標蝦類在預設時間段內(nèi)處于蝦類養(yǎng)殖區(qū)域中的若干歷史水下多維圖像數(shù)據(jù)；

18、基于蝦類養(yǎng)殖區(qū)域構(gòu)建多維養(yǎng)殖虛擬領域，根據(jù)所述若干水下多維圖像數(shù)據(jù)生成目標蝦類在蝦類養(yǎng)殖區(qū)域的若干遷移點坐標，基于所述若干遷移點坐標在多維養(yǎng)殖虛擬領域內(nèi)擬合繪制目標蝦類的多維遷移分布圖；

19、獲取水下攝影機在蝦類養(yǎng)殖區(qū)域中的初始布局圖以及每個水下攝影機的攝影視野范圍，基于初始布局圖將多維養(yǎng)殖虛擬領域分割為m個子虛擬領域，并根據(jù)所述多維遷移分布圖剝離出每個子虛擬領域中目標蝦類的繁殖遷移空間區(qū)域；

20、根據(jù)每個水下攝影機的攝影視野范圍創(chuàng)建各個子虛擬領域的預設攝影區(qū)域，在多維養(yǎng)殖虛擬領域計算每個子虛擬領域中所述繁殖遷移空間區(qū)域與預設攝影區(qū)域之間的重合度，若重合度不大于預設重合度，則對各個子虛擬領域內(nèi)水下攝影機的布局進行對應調(diào)整，生成水下攝影機布局策略；

21、若重合度大于預設重合度，則通過多維遷移分布圖提取出目標蝦類的繁殖遷移路線，并獲取水下攝影機的當前攝影角度以及當前攝影方向，基于預設攝影區(qū)域、當前攝影角度和當前攝影方向分析定位出每個水下攝影機對于蝦類養(yǎng)殖區(qū)域的當前攝影區(qū)域；

22、獲取當前攝影角度與當前攝影方向應當拍攝的預期蝦卵特征，根據(jù)所述預期蝦卵特征設置準確攝影規(guī)劃閾值，在所述繁殖遷移路線上規(guī)劃出準確拍攝區(qū)域，直至達到準確攝影規(guī)劃閾值，生成繁殖遷移路線上的準確攝影區(qū)域；

23、逐一計算所述準確攝影區(qū)域與每個所述當前攝影區(qū)域之間的歐氏距離，若歐氏距離大于預設歐氏距離，則調(diào)整水下攝影機的當前攝影角度和方向，得到攝影優(yōu)化策略。

24、進一步的，本發(fā)明的一個較佳的實施例中，所述基于目標蝦類的品種信息識別構(gòu)建四叉樹模型以獲取與目標懷卵膨脹hermite曲面相匹配的標準懷卵膨脹hermite曲面，根據(jù)標準懷卵膨脹hermite曲面分析是否存在懷卵期望顏色特征，得到一類懷卵膨脹狀態(tài)與二類懷卵狀態(tài)，具體包括以下步驟：

25、通過所述動態(tài)特征光流模型提取目標蝦類的表性特征，基于所述表性特征在大數(shù)據(jù)網(wǎng)絡中檢索獲取目標蝦類的品種信息；

26、獲取蝦類養(yǎng)殖區(qū)域的當前生長養(yǎng)殖環(huán)境參數(shù)，同時基于大數(shù)據(jù)網(wǎng)絡獲取蝦類養(yǎng)殖案例知識圖譜，通過蝦類養(yǎng)殖案例知識圖譜對所述生長養(yǎng)殖環(huán)境參數(shù)以及所述品種信息進行識別；

27、通過識別，獲取目標蝦類在預設時序上處于當前生長養(yǎng)殖環(huán)境參數(shù)時的多個標準懷卵膨脹度，并根據(jù)每個所述標準懷卵膨脹度繪制目標蝦類處于當前生長養(yǎng)殖環(huán)境參數(shù)時的若干個標準懷卵膨脹hermite曲面；

28、引入四叉樹算法，基于所述若干個標準懷卵膨脹hermite曲面在四叉樹算法中構(gòu)建四叉樹空間，在四叉樹空間中創(chuàng)建根節(jié)點，將所述目標懷卵膨脹hermite曲面插入于四叉樹空間中；

29、若目標懷卵膨脹hermite曲面所處當前節(jié)點的容量限制未達到預設容量限制，則將目標懷卵膨脹hermite曲面存儲于當前節(jié)點中，若達到預設容量限制，則以根節(jié)點為初始分割節(jié)點將當前節(jié)點分割為四個子節(jié)點象限；

30、將當前節(jié)點的目標懷卵膨脹hermite曲面重新分配至四個子節(jié)點象限中索引并不斷分割遞歸配準，得到目標懷卵膨脹hermite曲面在各個子節(jié)點象限中與懷卵期望膨脹hermite曲面的配準值，若配準值大于預設配準值，則停止分割遞歸操作，輸出相匹配的標準懷卵膨脹hermite曲面；

31、基于蝦類養(yǎng)殖案例知識圖譜獲取目標蝦類出現(xiàn)相匹配的懷卵期望膨脹hermite曲面時的標準懷卵顏色特征，若所有懷卵顏色動態(tài)特征中至少存在一個及以上的標準懷卵顏色特征，則將目標懷卵膨脹hermite曲面標記為一類懷卵膨脹狀態(tài)；若不存在，則標記為二類懷卵狀態(tài)。

32、進一步的，本發(fā)明的一個較佳的實施例中，所述若懷卵膨脹狀態(tài)為一類懷卵膨脹狀態(tài)，則引入k-means聚類算法對懷卵膨脹模型圖的蝦卵分布格局進行簇節(jié)點聚類并構(gòu)建描述蝦卵繁殖分裂的最小生成樹，根據(jù)最小生成樹對蝦卵處于不同懷卵顏色的基準體積模型進行擬合并統(tǒng)計，得到第一蝦類懷卵量測定方案，具體包括以下步驟：

33、若懷卵膨脹狀態(tài)為一類懷卵膨脹狀態(tài)，則通過動態(tài)特征光流模型獲取目標蝦類不同二維平面的多個目標懷卵膨脹hermite曲面，基于多個所述目標懷卵膨脹hermite曲面構(gòu)建目標蝦類的懷卵膨脹模型圖；

34、引入k-means聚類算法對所述懷卵膨脹模型圖進行計算，生成若干組蝦卵簇，基于每組蝦卵簇中每一種懷卵顏色動態(tài)特征與每一種懷卵期望顏色特征之間的相似度構(gòu)建相似度矩陣，并預設理想相似度范圍；

35、若每組蝦卵簇的相似度矩陣中存在相似度處于理想相似度范圍，則將該蝦卵簇列為第一蝦卵分布格局，若不存在，則將該蝦卵簇列為第二蝦卵分布格局；

36、構(gòu)建最小生成樹，以蝦卵簇為簇節(jié)點訪問每一個蝦卵簇，訪問過程中計算當前訪問的簇節(jié)點與下一個未訪問的簇節(jié)點之間的最小權(quán)重邊，并將最小權(quán)重邊存儲于最小生成樹，直至訪問到所有簇節(jié)點，生成第一蝦卵分布格局最小生成樹與第二蝦卵分布格局最小生成樹；

37、基于所述第一蝦卵分布格局最小生成樹和第二蝦卵分布格局最小生成樹提取所有簇節(jié)點之間的最小權(quán)重邊分布，得到每一種懷卵顏色動態(tài)特征的蝦卵分裂路徑和每一種懷卵期望顏色特征的蝦卵分裂路徑；

38、通過蝦類養(yǎng)殖案例知識圖譜獲取蝦卵出現(xiàn)懷卵顏色動態(tài)特征的基準體積模型，定義為第一體積模型，以及獲取蝦卵出現(xiàn)懷卵期望顏色特征的基準體積模型，定義為第二體積模型；

39、通過動態(tài)特征光流模型生成目標蝦類產(chǎn)生懷卵膨脹模型圖后的最終懷卵模型，基于所述最終懷卵模型將第一體積模型對應擬合于所述每一種懷卵顏色動態(tài)特征的蝦卵分裂路徑上并統(tǒng)計擬合量，生成第一懷卵量；

40、重復上述步驟基于每一種懷卵期望顏色特征的蝦卵分裂路徑擬合第二體積模型并統(tǒng)計擬合量，得到第二懷卵量，合并所述第一懷卵量和第二懷卵量，生成第一蝦類懷卵量測定方案。

41、進一步的，本發(fā)明的一個較佳的實施例中，所述若懷卵膨脹狀態(tài)為二類懷卵膨脹狀態(tài)，則基于蝦卵所處繁殖階段的蝦卵分布圖像數(shù)據(jù)提取標準蝦卵分布紋理，并獲取懷卵膨脹模型圖中的實際蝦卵分布紋理，通過所述標準蝦卵分布紋理與實際蝦卵分布紋理的比值對蝦卵的標準表型執(zhí)行變異處理并擬合統(tǒng)計出最終懷卵量，得到第二蝦類懷卵量測定方案，具體包括以下步驟：

42、若懷卵膨脹狀態(tài)為二類懷卵膨脹狀態(tài)，則基于蝦類養(yǎng)殖案例知識圖譜對所述懷卵顏色動態(tài)特征進行識別，輸出蝦卵呈現(xiàn)卵顏色動態(tài)特征對應的繁殖階段；

43、獲取蝦卵處于所述繁殖階段的標準表型在目標蝦類的懷卵膨脹模型圖中的蝦卵分布圖像數(shù)據(jù)，引入glcm算法對所述蝦卵分布圖像數(shù)據(jù)進行灰度化，確定每組像素對的平面參數(shù)；

44、基于所述平面參數(shù)遍歷蝦卵分布圖像數(shù)據(jù)中的每組像素對并記錄灰度值對，得到若干組灰度值對，根據(jù)所述若干組灰度值對構(gòu)建灰度共生矩陣，并將灰度共生矩陣的每個像素對歸一化，得到蝦卵分布圖像數(shù)據(jù)中的標準蝦卵分布紋理；

45、構(gòu)建紋理對比度領域，通過glcm算法對懷卵膨脹模型圖進行紋理計算，得到懷卵膨脹模型圖中的實際蝦卵分布紋理，將所述標準蝦卵分布紋理與實際蝦卵分布紋理導入紋理對比度領域計算，得到標準紋理對比度以及實際紋理對比度；

46、計算所述實際紋理對比度與標準紋理對比度之間的比值，得到紋理對比度比值，若所述紋理對比度比值小于預設紋理對比度比值，則根據(jù)標準蝦卵分布紋理構(gòu)建標準蝦卵分布模型；

47、基于所述比值設置變異閾值，根據(jù)比值對所述標準蝦卵分布模型中每一個蝦卵的標準表型進行變異處理，直至達到變異閾值為止，生成蝦卵的實際表型模型；

48、根據(jù)實際蝦卵分布紋理將所述蝦卵的實際表型模型在所述懷卵模型中進行擬合并統(tǒng)計出最終擬合的懷卵量，得到第二蝦類懷卵量測定方案。

49、本發(fā)明第二方面提供了一種用于測定蝦類懷卵量的系統(tǒng)，所述一種用于測定蝦類懷卵量的系統(tǒng)包括存儲器與處理器，所述存儲器中儲存有一種用于測定蝦類懷卵量的方法程序，當所述一種用于測定蝦類懷卵量的方法程序被所述處理器執(zhí)行時，實現(xiàn)任一項所述的一種用于測定蝦類懷卵量的方法步驟。

50、本發(fā)明解決了背景技術(shù)中存在的技術(shù)缺陷，本發(fā)明的有益技術(shù)效果在于：

51、獲取目標蝦類的水下影像數(shù)據(jù)，引入光流估計算法對所述水下影像數(shù)據(jù)進行計算分析，得到目標蝦類的動態(tài)特征光流模型，根據(jù)所述動態(tài)特征光流模型提取目標蝦類懷卵顏色變化時的目標懷卵膨脹hermite曲面；基于目標蝦類的品種信息識別構(gòu)建四叉樹模型以獲取與目標懷卵膨脹hermite曲面相匹配的標準懷卵膨脹hermite曲面，根據(jù)標準懷卵膨脹hermite曲面分析是否存在標準懷卵顏色特征，得到一類懷卵膨脹狀態(tài)與二類懷卵狀態(tài)；若懷卵膨脹狀態(tài)為一類懷卵膨脹狀態(tài)，則對蝦卵分布格局進行簇節(jié)點聚類并構(gòu)建描述蝦卵繁殖分裂的最小生成樹，根據(jù)最小生成樹對蝦卵處于不同懷卵顏色的基準體積模型進行擬合并統(tǒng)計，得到第一蝦類懷卵量測定方案；若懷卵膨脹狀態(tài)為二類懷卵膨脹狀態(tài)，則基于蝦卵所處繁殖階段的蝦卵分布圖像數(shù)據(jù)提取標準蝦卵分布紋理，通過所述標準蝦卵分布紋理與實際蝦卵分布紋理的比值對蝦卵的標準表型執(zhí)行變異處理并擬合統(tǒng)計出最終懷卵量，得到第二蝦類懷卵量測定方案。本發(fā)明能夠?qū)ξr類懷卵量進行高效準確的測定，一方面代替?zhèn)鹘y(tǒng)人工測定繁瑣步驟，省時省力，另一方面大幅提高蝦類懷卵量的測定精準度，降低測定誤差率。