基于机器视觉的鱼群异常行为监测技术研究

发布时间：2021-12-30 22:49

　　通过对鱼群行为进行监测可以为鱼类健康和水体环境监控与预警提供最直观的信息,传统渔业养殖主要依靠人工观察加经验判断对鱼群的异常行为进行监测,主观性强,准确度低。随着人工智能、模式识别等技术的飞速发展,基于机器视觉的智能监控正发展成为新兴的应用方向。文章研究了一种基于机器视觉的鱼群异常行为监测方案,通过摄像机获取鱼群的运动视频,利用机器视觉分析的方法实现对鱼群运动目标的自动定位、识别和跟踪,在此基础上进一步分析出鱼群的平均游动速度、加速度、高度等运动参数,通过参数值的显著变化对鱼群的异常行为进行自动化实时监测,从而减少损失,提高养殖产量。 

【文章来源】：信息技术与信息化. 2020,(05)

【文章页数】：3 页

【部分图文】：

实验装置结构图

背景差分法的基本原理是首先选取背景图像进行建模,然后将目标图像帧的像素值与背景模型的像素值作差分运算,得到的差值结果即为运动目标的大致区域,最后经过阈值判断,将差值的绝对值大于阈值的像素点视为目标物体。该方法特别适用于对静止场景中的运动目标进行检测。背景差分法的基本流程如图2所示。假定目标图像帧为Ik(x,y),背景模型为Bk(x,y),将目标图像帧与背景模型相减可得差分图像,设定阈值为T(可采用Otsu自适应分割算法来确定图像分割阈值T),差分图像中大于阈值T的像素点视为前景目标,小于阈值T的像素点视为背景图像,最终可以得到二值化图像Rk(x,y)。

【参考文献】：
期刊论文
[1]基于图像处理的鱼群运动监测方法研究[J]. 袁永明,施珮.  南方水产科学. 2018(05)
[2]基于智能视觉物联网的水产养殖监测系统[J]. 邢俊,李庆武,何飞佳,卞乐.  应用科技. 2017(05)
[3]农业部印发《全国渔业发展第十三个五年规划》[J].   渔业致富指南. 2017(03)
[4]基于双边滤波的实时图像去雾技术研究[J]. 孙抗,汪渤,周志强,郑智辉.  北京理工大学学报. 2011(07)

硕士论文
[1]基于鱼群跟踪轨迹的生物水质预警方法研究[D]. 严升.西安邮电大学 2019
[2]基于计算机视觉的鱼群行为检测与结构特征研究[D]. 侯晓娇.太原科技大学 2014



本文编号：3559112