欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025103191901
申请人: 广东海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于特征图像识别的鱼类疾病监测方法,其特征在于,所述方法至少包括:通过水质传感器实时监测目标区域内的水质变化情况;所述水质变化情况包含以下参数:叶绿素浓度、溶解氧、温度、pH值;

采集目标区域内的鱼类图像信息;

对所述鱼类图像信息进行行为识别,以得到目标区域内各个鱼类对象的鱼类行为信息;

通过鱼类病变识别模型,将所述鱼类行为信息、所述鱼类图像信息以及所述水质变化情况进行病变识别,以得到各个鱼类对象的潜在病变信息;

根据所述潜在病变信息生成各个鱼类对象的病变风险信息,并展示到目标水域对应的可视化模型中;

所述鱼类病变识别模型至少包括以下结构:提取层、预测层、修正层;

所述通过鱼类病变识别模型,将所述鱼类行为信息、所述鱼类图像信息以及所述水质变化情况进行病变识别,以得到各个鱼类对象的潜在病变信息,包括:通过提取层,将所述鱼类行为信息、所述鱼类图像信息以及所述水质变化情况进行特征提取,以获得各个鱼类对象的图像特征信息;其中,各个鱼类对象的图像特征信息至少包括:各个鱼类对象的鱼类行为特征、体表图像特征、水质变化特征;

通过预测层,根据各个鱼类对象的体表图像特征以及水质变化特征,预测各个鱼类对象的体表病变概率;

通过修正层,采用各个鱼类对象的鱼类行为特征,修正各个鱼类对象的体表病变概率,以得到各个鱼类对象的潜在病变信息;

所述根据各个鱼类对象的体表图像特征以及水质变化特征,预测各个鱼类对象的体表病变概率,包括:根据各个鱼类对象的水质变化特征,确定目标区域内的能见度等级;

基于所述能见度等级对各个鱼类对象的体表图像特征进行锐化处理,得到各个鱼类对象的优化体表图像特征;

对所述优化体表图像特征进行多维可视化特征提取,以得到各个鱼类对象的多维体表图像特征;所述多维体表图像特征至少包括:体表纹理特征、体表亮度特征、体表色彩特征;

基于预先设置的体表病变标准图像库,预测所述多维体表图像特征与体表病变标准图像之间的相关性,并基于所述相关性计算各个鱼类对象的体表病变概率。

2.根据权利要求1所述基于特征图像识别的鱼类疾病监测方法,其特征在于,所述对所述鱼类图像信息进行行为识别,以得到目标区域内各个鱼类对象的鱼类行为信息,包括:提取所述鱼类图像信息中包含待识别对象的局部特征图像;

将所述局部特征图像与鱼类品种数据库中的标准鱼类特征图像进行对比,以得到待识别对象所属的鱼类品种;

基于所述鱼类品种对所述鱼类图像信息进行行为识别,得到所述鱼类图像信息中包含的鱼类行为类型、以及对应的鱼类行为参数,作为所述鱼类行为信息。

3.根据权利要求2所述基于特征图像识别的鱼类疾病监测方法,其特征在于,所述鱼类行为参数基于所述鱼类行为类型决定;

若所述鱼类行为类型包括移动行为,则所述鱼类行为参数至少包括:鱼类移动距离、移动方向、移动时间、移动轨迹类型;

若所述鱼类行为类型包括捕食,则所述鱼类行为参数至少包括:捕食对象类型、捕食时间、捕食次数、捕食频率;

若所述鱼类行为类型包括休眠,则所述鱼类行为参数至少包括:休眠时间、休眠次数、休眠地点。

4.根据权利要求2所述基于特征图像识别的鱼类疾病监测方法,其特征在于,所述将所述局部特征图像与鱼类品种数据库中的标准鱼类特征图像进行对比,以得到待识别对象所属的鱼类品种之后,还包括:实时监测当前时段的气候条件;

获取各个鱼类对象所出现的水体区域类型、以及目标区域所处地理位置范围;

基于所述气候条件、所述水体区域类型、以及目标区域所处地理位置范围,验证所述鱼类品种与目标区域之间的匹配度;

若匹配度不低于设定阈值,则以验证后的鱼类品种为最终输出的目标鱼类品种。

5.根据权利要求4所述基于特征图像识别的鱼类疾病监测方法,其特征在于,所述基于所述气候条件、所述水体区域类型、以及目标区域所处地理位置范围,验证所述鱼类品种与目标区域之间的匹配度之后,还包括:若匹配度高于设定阈值的鱼类品种有多个,则从验证后的多个鱼类品种中选取在目标区域内出现概率最大的鱼类品种,作为所述目标鱼类品种;

若匹配度低于设定阈值,则重新执行将所述局部特征图像与鱼类品种数据库中的标准鱼类特征图像进行对比,以得到待识别对象所属的鱼类品种的步骤。

6.根据权利要求1所述基于特征图像识别的鱼类疾病监测方法,其特征在于,所述多维体表图像特征中体表图像特征点Pi与体表病变标准图像之间的相关性的计算过程表示为如下公式:;

其中,表示体表图像特征点Pi与第j个体表病变标准图像之间的相关性,权重因子和λi2用于分别调整x维度和y维度上第j个体表病变标准图像的贡献度,x、y表示体表图像特征点Pi在x维度和y维度上的投影分量坐标值;

表示体表图像特征点Pi在第x维度上的实际坐标值,表示体表图像特征点Pi在第x维度上对应的标准坐标值,表示所述多维体表图像特征中所有体表图像特征点在第x维度上的平均坐标值,m为所述多维体表图像特征中体表图像特征点的数量,用于表示所述多维体表图像特征中各个体表图像特征点在第x维度上与第j个体表病变标准图像之间的平均相关性波动范围;

表示体表图像特征点Pi在第y维度上的实际坐标值,表示体表图像特征点Pi在第y维度上对应的标准坐标值,表示所述多维体表图像特征中所有体表图像特征点在第y维度上的平均坐标值,用于表示所述多维体表图像特征中各个体表图像特征点在第y维度上与第j个体表病变标准图像之间的平均相关性波动范围。

7.一种基于特征图像识别的鱼类疾病监测系统,其特征在于,所述系统至少包括以下单元:监测单元,用于通过水质传感器实时监测目标区域内的水质变化情况;所述水质变化情况包含以下参数:叶绿素浓度、溶解氧、温度、pH值;采集目标区域内的鱼类图像信息;

识别单元,用于对所述鱼类图像信息进行行为识别,以得到目标区域内各个鱼类对象的鱼类行为信息;通过鱼类病变识别模型,将所述鱼类行为信息、所述鱼类图像信息以及所述水质变化情况进行病变识别,以得到各个鱼类对象的潜在病变信息;

展示单元,用于根据所述潜在病变信息生成各个鱼类对象的病变风险信息,并展示到目标水域对应的可视化模型中;

所述鱼类病变识别模型至少包括以下结构:提取层、预测层、修正层;

所述通过鱼类病变识别模型,将所述鱼类行为信息、所述鱼类图像信息以及所述水质变化情况进行病变识别,以得到各个鱼类对象的潜在病变信息,包括:通过提取层,将所述鱼类行为信息、所述鱼类图像信息以及所述水质变化情况进行特征提取,以获得各个鱼类对象的图像特征信息;其中,各个鱼类对象的图像特征信息至少包括:各个鱼类对象的鱼类行为特征、体表图像特征、水质变化特征;

通过预测层,根据各个鱼类对象的体表图像特征以及水质变化特征,预测各个鱼类对象的体表病变概率;

通过修正层,采用各个鱼类对象的鱼类行为特征,修正各个鱼类对象的体表病变概率,以得到各个鱼类对象的潜在病变信息;

所述根据各个鱼类对象的体表图像特征以及水质变化特征,预测各个鱼类对象的体表病变概率,包括:根据各个鱼类对象的水质变化特征,确定目标区域内的能见度等级;

基于所述能见度等级对各个鱼类对象的体表图像特征进行锐化处理,得到各个鱼类对象的优化体表图像特征;

对所述优化体表图像特征进行多维可视化特征提取,以得到各个鱼类对象的多维体表图像特征;所述多维体表图像特征至少包括:体表纹理特征、体表亮度特征、体表色彩特征;

基于预先设置的体表病变标准图像库,预测所述多维体表图像特征与体表病变标准图像之间的相关性,并基于所述相关性计算各个鱼类对象的体表病变概率。

8.一种电子设备,其特征在于,包括存储器,用于存储计算机软件程序;

处理器,用于读取并执行所述计算机软件程序,进而实现权利要求1-5任一项所述的基于特征图像识别的鱼类疾病监测方法。