CN109360237A - 一种鱼类产量的预测方法 - Google Patents

Abstract

本申请涉及水产领域，尤其涉及一种鱼类产量的预测方法，包括：从水面上方朝向水面方向采集鱼类的摄食图像信息；从鱼类摄食图像信息中提取鱼类头口部三角形；计算提取的鱼类头口部三角形的面积；通过提取的鱼类头口部三角形的面积计算实际的鱼类头口部三角形面积；通过实际的鱼类头口部三角形面积计算鱼类体重。本申请实现的有益效果如下：通过在饵料投喂时间段采集的鱼类的摄食图像信息，可以对鱼类的生长、生存状态进行评估；从鱼类摄食图像信息中提取到鱼类头口部三角形，计算鱼类头口部三角形面积，最终可以计算出鱼类的体重，也就是鱼类的出塘产量，可以对鱼类最终的出塘产量进行评估。

Description

一种鱼类产量的预测方法

技术领域

本发明涉及水产领域，尤其涉及一种鱼类产量的预测方法。

背景技术

在水产养殖行业，养殖户和养殖企业需要经常性的查看养殖鱼类的生长、生存状态，并对养殖鱼类的最终出塘产量做出预估，并制定合理的饵料投喂方案，以保障水产品品质安全以及生产经营安全。但是水产养殖现有的对鱼类的出塘产量的评估尚未有有效可行的具体方法。同时，由于水产养殖现场监控范围有限、监控距离很远，根本无法做到对养殖鱼类生长、生存状况和出塘产量进行科学评估。

因此，如何对鱼类生长、生存状态和鱼类的最终出塘产量进行评估是本领域急需解决的问题。

发明内容

本申请提供了一种鱼类产量的预测方法，用以对鱼类生长、生存状态和鱼类的最终出塘产量进行评估。

为解决上述技术问题，本申请提供如下技术方案：

一种鱼类产量的预测方法，包括如下步骤：从水面上方朝向水面方向采集鱼类的摄食图像信息；从鱼类摄食图像信息中提取鱼类头口部三角形；计算提取的鱼类头口部三角形的面积；通过提取的鱼类头口部三角形的面积计算实际的鱼类头口部三角形面积；通过实际的鱼类头口部三角形面积计算鱼类体重。

优选地，还包括：统计提取的鱼类头口部三角形数量,作为预测的鱼的出塘尾数。

优选地，提取鱼类头口部三角形具体包括：基于灰度梯度和几何图形识别算法提取鱼体轮廓；根据线性矢量特征，检测二维图像中的线性矢量，提取之中两两相汇聚的矢量线段，将其连接，并将其开放的两端连接组成三角形；自动提取二维图像中的所有三角形，此三角形就是提取的鱼类头口部三角形。

优选地，通过公式p＝(a+b+c)/2和S_pic＝√p(p-a)(p-b)(p-c)计算提取的鱼类头口部三角形的面积；其中，a,b,c为鱼类头口部三角形的三条边长，p为半周长，三角形周长的一半，S_pic为提取的鱼类头口部三角形的面积。

优选地，通过公式S_real/S_pic＝(L/f)²计算实际的鱼类头口部三角形面积；其中，S_real为实际的鱼类头口部三角形面积，L为拍摄距离，f为图像成像焦距；L和f可以根据水面和现场条件调整固定为常数。

优选地，通过公式W＝54.606*√(S_real/α)–1093计算鱼类体重；其中，W为鱼类体重，α为基于不同养殖品种建立的鱼体特征指数，作为体重估算的品种特征参数。

优选地，通过公式α＝(1/16)*tan(γ/2)计算得到α；其中，γ为鱼体头口部三角形的嘴部角度。

优选地，通过实际的鱼类头口部三角形平均面积计算鱼类平均体重，包括如下子步骤：将每张二维图像中实际的鱼类头口部三角形面积S_{real_N_KN}相加得到三角形总面积，三角形总面积除以三角形数量K_N，求得每张二维图像中实际的鱼类头口部三角形平均面积；每张二维图像中实际的鱼类头口部三角形平均面积除以图片数量,计算得到实际的鱼类头口部三角形平均面积。

优选地，采集鱼类的摄食图像信息为图片或为视频。

优选地，采集鱼类的摄食图像信息时间段为饵料投喂时间段。

本申请实现的有益效果如下：通过在饵料投喂时间段采集的鱼类的摄食图像信息，可以对鱼类的生长、生存状态进行评估；从鱼类摄食图像信息中提取到鱼类头口部三角形，计算鱼类头口部三角形面积，最终可以计算出鱼类的体重，也就是鱼类的出塘产量，可以对鱼类最终的出塘产量进行评估。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的鱼类产量的预测方法的流程图；

图2是本申请实施例提取的鱼体轮廓和鱼类头口部三角形示意图；

图3是本申请实施例提供的鱼类体重计算流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

通常来讲，养殖池塘在一个生产周期只投放一批鱼苗，而且投放的鱼苗数量是确定的，投放的鱼苗规格也是基本一致的。随着养殖进程的推进，鱼苗会出现死亡损耗，甚至在鱼苗小规格时期还会出现被鸟类捕食的损耗。同时，健康状态产生的差异及其他不确定因素，养殖鱼类体型规格也会出现一定程度上的分化。在争抢饵料的过程中，体弱且规格较小的鱼无法竞争过体格强健规格较大的鱼，久而久之，存活下来的鱼类体型规格最终会基本接近。因此，通过养殖池塘中的部分鱼的信息就可以基本上反应池塘内全部鱼类个体的状态和数量。

基于此，如图1所示，本申请提供了一种鱼类产量的预测方法，包括如下步骤：

步骤S110、从水面上方朝向水面方向采集鱼类的摄食图像信息。

通常对养殖鱼类喂食会采用集中投放饵料的方式，例如：投喂时段分别为上午10-11点和下午3-4点两个时间段。在饵料投喂时段，鱼类养殖人员将饵料集中投放至饵料投喂区域后，池塘中大部分鱼类会集中游到饵料投喂区域进行摄食，鱼类在摄食的过程中鱼类头口部分会接近水面或浮出水面，通过正对水面饵料投喂区域上方的图像采集器朝向水面进行拍摄，可采集到鱼群摄食画面图像信息，也就是鱼类的头口部分可以被清晰的采集到，通过采集的鱼群摄食画面图像信息就可以对鱼类的生存、生长状态进行评估。

具体的，采集的鱼类的摄食图像信息可以为图片，也可以为视频。如果是图片,需要设置图像采集器的采集时间间隔,具体的,时间间隔可以为10秒,也可以为20秒。如果是视频，需要将其转化为图片。通常采用截图方式，截图时间间隔可以为10秒，也可以为20秒。本申请实施例中优选的采用采集视频形式，通过对视频截图获得图片，并且可以将图片作为采集到的鱼类摄食图像信息。

具体的，在一个采集时间段可以获取多张图片，本实施例中设定获得的图片数量为N张。以通过对N张图片进行分析预测鱼类产量。

步骤S120、从鱼类摄食图像信息中提取鱼类头口部三角形。

可以从获得的N张图片中挑选一张图片进行鱼类头口部三角形提取，也可以对N张图片中所有鱼类头口部三角形进行提取。由于鱼类头口部被图像采集器清晰的采集到，并最终转化为图片形式，所以在二维图像上可以清晰的获取到鱼类头口部三角形。

具体地,鱼类头口部位在二维图像上表现为纺锤形体型结构中的前端近似三角形，这种特征在该二维图像中具有唯一性特征，可基于灰度梯度和几何图形识别算法可准确的将二维图像中出现的接近水面甚至浮出水面的鱼体轮廓提取出来，进而根据线性矢量特征，检测二维图像中的线性矢量，提取之中两两相汇聚的矢量线段，将其连接，并将其开放的两端连接组成三角形，此三角形就是鱼类头口部三角形，自动提取二维图像中的所有三角形。

步骤S130、统计提取的鱼类头口部三角形数量,作为预测的鱼的出塘尾数。

如果是对一张图片进行鱼类头口部三角形提取，则统计这张图片在二维图像中提取的鱼类头口部三角形的数量K，对二维图像中提取的鱼类头口部三角形从1,2,3,4........K的顺序进行编号。K作为最终的鱼的出塘预测尾数。

如果是对N张图片中所有鱼类头口部三角形进行提取，先对N张图片从1,2,3,4.....N 的顺序进行编号。将第N张图片提取的鱼类头口部三角形数量统计为K_N。

其中，具体地，第1张图片在二维图像中提取的鱼类头口部三角形数量为K₁；

第2张图片在二维图像中提取的鱼类头口部三角形数量为K₂；

第N张图片在二维图像中提取的鱼类头口部三角形数量为K_N。

计算N张图片在二维图像中提取的所有鱼类头口部三角形的平均数量K_{_avg}。

其中，具体地，用到的公式为K_{_avg}＝(K₁+K₂+K₃+....K_N)/N；

K_{_avg}作为最终的鱼的出塘预测尾数。

步骤S140、计算提取的鱼类头口部三角形的面积。

如图2所示，图2为本申请实施例提供的二维图像中提取的鱼体轮廓和三角形示意图，其中标记出的三角形即是步骤S120中提取的鱼类头口部三角形。图中a、b、c为提取的鱼类头口部三角形的三条边长，通过三条边长来计算二维图像中提取的鱼类头口部三角形的面积 S_pic。

具体的，可以先通过公式p＝(a+b+c)/2计算得到半周长p(半周长就是三角形周长的一半)，然后通过公式S_pic＝√p(p-a)(p-b)(p-c)计算得到提取的鱼类头口部三角形的面积 S_pic。

依据二维图像提取的鱼类头口部三角形编号顺序对计算得到的提取的鱼类头口部三角形面积S_pic进行编号，分别为S_{pic_1}，S_{pic_2}，S_{pic_3},.....S_{pic_k}。

依据N张二维图像提取的鱼类头口部三角形编号顺序对计算得到的鱼类头口部三角形面积S_pic进行编号，第1张二维图像提取的鱼类头口部三角形面积编号分别为S_{pic_1_1}，S_{pic_1_2}， S_{pic_1_3},.....S_{pic_1_k1}；

第2张二维图像提取的鱼类头口部三角形面积编号分别为S_{pic_1_1}，S_{pic_1_2}，S_{pic_1_3},.....S_{pic_1_k2}；

第N张二维图像提取的鱼类头口部三角形面积编号分别为S_{pic_1_1}，S_{pic_1_2}，S_{pic_1_3},.....S_{pic_1_kN}；

步骤S150、通过提取的鱼类头口部三角形的面积计算实际的鱼类头口部三角形面积。

具体的，可以通过公式S_real/S_pic＝(L/f)²计算鱼的头口部实际三角形面积S_real；其中，L 为拍摄距离；f为图像成像焦距。L和f可以根据水面和现场条件调整固定为常数。

按照一张二维图像提取的鱼类头口部三角形面积S_pic的编号顺序对计算得到的S_real进行编号，分别为S_{real_1}，S_{real_2}，S_{real_3},.....S_{real_k}。

按照N张二维图像提取的鱼类头口部三角形面积S_pic的编号顺序对计算得到的S_real进行编号，第1张二维图像提取的鱼类头口部三角形对应的实际鱼类头口部三角形面积S_real编号顺序为S_{real_1_1}，S_{real_1_2}，S_{real_1_3},.....S_{real_1_k1}；

第2张二维图像提取的鱼类头口部三角形对应的实际鱼类头口部三角形面积S_real编号顺序为S_{real_2_1}，S_{real_2_2}，S_{real_2_3},.....S_{real_2_k2}；

第N张二维图像提取的鱼类头口部三角形对应的实际鱼类头口部三角形面积S_real编号顺序为S_{real_N_1}，S_{real_N_2}，S_{real_N_3},.....S_{real_N_kN}。

步骤S160、通过实际的鱼类头口部三角形面积计算鱼类体重。

实际鱼类头口部三角形面积大小为鱼的头部规格指标，鱼的头部规格和鱼的体重高度相关。通过得到的实际鱼类头口部三角形面积就可以计算出鱼的体重。

计算鱼的体重用到的公式为：W＝54.606*√(S_real/α)–1093。

其中，根据求得的实际的鱼类头口部三角形面积S_real和一个已知参数α就可以求得鱼的体重W，根据求得的体重就可以对池塘鱼类的产量进行评估。

其中，α为基于不同养殖品种建立的鱼体特征指数，作为体重估算的品种特征参数。由于北方常见的养殖品种(草、鲤、鲢、鳙)四大家鱼的头身比例、体态特征存在一定差异，需要根据实测数据开展分析，因此，建立鱼体特征指数α。

其中，α根据公式α＝(1/16)*tan(γ/2)计算得出，其中，γ为鱼体头口部三角形的嘴部角度，通常，某个品种健康、正常的纺锤形鱼体的头口部三角形的嘴部角度γ具备一致性，这个角度可以通过实际测量数据统计得出，作为标准常量。本申请实施例选用鲤鱼为例，经测量和统计得出鲤鱼嘴部角度γ的标准值为50°，通过公式α＝(1/16)*tan(γ /2)以及γ＝50°计算得出α＝0.029。

根据鱼的体重W和统计的鱼的出塘预测尾数就可以预测出鱼的出塘产量和鱼的出塘数量。

其中，为了可以更加准确的对鱼类出塘产量进行评估，优选地，选用通过计算N张二维图像中实际的鱼类头口部三角形面积的平均值的方式来计算鱼类的平均体重，具体的，如图 3所示，包括如下子步骤：

步骤S161、通过N张二维图像中实际的鱼类头口部三角形面积S_real和统计提取的三角形的数量计算每张二维图像的鱼类头口部实际三角形平均面积S_{real_N_avg}。

先将每张二维图像中实际的鱼类头口部三角形面积S_{real_N_KN}相加得到三角形总面积，再由三角形总面积除以三角形数量K_N，求得每张二维图像中实际的鱼类头口部三角形平均面积，计算每张二维图像中实际的鱼类头口部三角形平均面积用到的公式为：S_{real_N_avg}＝(S_{real_N_1}+S_{real_N_2}+....Sreal_{_N_KN})/K_N。

步骤S162、通过每张二维图像中实际的鱼类头口部三角形平均面积S_{real_N_avg}和图片数量N 计算实际的鱼类头口部三角形平均面积。

将求得的每张二维图像中实际的鱼类头口部三角形平均面积S_{real_N_avg}相加得到的结果除以图片数量N，求得实际的鱼类头口部三角形平均面积，计算鱼类头口部实际三角形平均面积用到的公式为：S_{real_avg}＝(S_{real_1_avg}+S_{real_2_avg}+S_{real_3_avg}+......S_{real_N_avg})/N。

步骤S163、通过鱼类头口部实际三角形平均面积来计算鱼的平均体重。

计算鱼的平均体重用到的公式为：W_avg＝54.606*√(S_real/α)–1093。

其中，根据求得的鱼类头口部实际三角形平均面积S_real和已知参数α就可以求得鱼的平均体重W_avg。

其中，公式W＝54.606*√(S/α)–1093由公式W＝54.606*L–1093和公式α＝S/L²推导而出。其中，公式W＝54.606*L–1093是通过采集大量实测数据，实测鲤鱼的长度 L和体重W，建立的数学回归分析模型，回归模型的相关系数r＝0.98348,r值越接近1，说明模型的数据拟合度越好。

如下所述表格为建立数学回归分析模型实测的鲤鱼长度L和体重W

	1	2	3	4	5	6	7	8	9
										体长(cm)	20	25	30	33	36.5	38	40	42	43.5
体重(g)	108.2	270.4	515.8	648	820.5	897.5	1017.5	1203	1357.2

实施例一：

在五个池塘分别投放一批锦鲤鱼苗，每个池塘的锦鲤鱼苗数量、大小都相同，并且都健康。在经过三个月的养殖时间后，按照步骤S110-S160进行计算统计得到如下所述的表格，表格为拉网出塘前3个月每个池塘锦鲤产量的预测结果。

通过表格数据可以看出，本算法在养殖锦鲤出塘尾数的预测上，平均预测准确度可达到 79％以上，对于出塘平均体重规格的预测准确度可达到84％以上，基本可以准确反映鱼的产量情况并且也满足了养殖场的应用需求。

优选的，虽然当前发明参考的示例被描述，其只是为了解释的目的而不是对本申请的限制，对实施方式的改变，增加和/或删除可以被做出而不脱离本申请的范围。

这些实施方式所涉及的、从上面描述和相关联的附图中呈现的领域中的技术人员将认识到这里记载的本申请的很多修改和其他实施方式。因此，应该理解，本申请不限于公开的具体实施方式，旨在将修改和其他实施方式包括在所附权利要求书的范围内。尽管在这里采用了特定的术语，但是仅在一般意义和描述意义上使用它们并且不是为了限制的目的而使用。

Claims (10)

1.一种鱼类产量的预测方法，其特征在于，包括如下步骤：

从水面上方朝向水面方向采集鱼类的摄食图像信息；

从鱼类摄食图像信息中提取鱼类头口部三角形；

计算提取的鱼类头口部三角形的面积；

通过提取的鱼类头口部三角形的面积计算实际的鱼类头口部三角形面积；

通过实际的鱼类头口部三角形面积计算鱼类体重。

2.根据权利要求1所述的鱼类产量的预测方法，其特征在于，还包括：统计提取的鱼类头口部三角形数量,作为预测的鱼的出塘尾数。

3.根据权利要求1所述的鱼类产量的预测方法，其特征在于，提取鱼类头口部三角形具体包括：

基于灰度梯度和几何图形识别算法提取鱼体轮廓；

根据线性矢量特征，检测二维图像中的线性矢量，提取之中两两相汇聚的矢量线段，将其连接，并将其开放的两端连接组成三角形；

自动提取二维图像中的所有三角形，此三角形就是提取的鱼类头口部三角形。

4.根据权利要求1所述的鱼类产量的预测方法，其特征在于，通过公式p＝(a+b+c)/2和S_pic＝√p(p-a)(p-b)(p-c)计算提取的鱼类头口部三角形的面积；

其中，a,b,c为鱼类头口部三角形的三条边长，p为半周长，三角形周长的一半，S_pic为提取的鱼类头口部三角形的面积。

5.根据权利要求4所述的鱼类产量的预测方法，其特征在于，通过公式S_real/S_pic＝(L/f)²计算实际的鱼类头口部三角形面积；

其中，S_real为实际的鱼类头口部三角形面积，L为拍摄距离，f为图像成像焦距；L和f可以根据水面和现场条件调整固定为常数。

6.根据权利要求5所述的鱼类产量的预测方法，其特征在于，通过公式W＝54.606*√(S_real/α)–1093计算鱼类体重；

其中，W为鱼类体重，α为基于不同养殖品种建立的鱼体特征指数，作为体重估算的品种特征参数。

7.根据权利要求6所述的鱼类产量的预测方法，其特征在于，通过公式α＝(1/16)*tan(γ/2)计算得到α；

其中，γ为鱼体头口部三角形的嘴部角度。

8.根据权利要求1所述的鱼类产量的预测方法，其特征在于，通过实际的鱼类头口部三角形平均面积计算鱼类平均体重，包括如下子步骤：

将每张二维图像中实际的鱼类头口部三角形面积相加得到三角形总面积，

三角形总面积除以三角形数量，求得每张二维图像中实际的鱼类头口部三角形平均面积；

每张二维图像中实际的鱼类头口部三角形平均面积相加得到的结果除以图片数量,计算得到实际的鱼类头口部三角形平均面积。

9.根据权利要求1所述的鱼类产量的预测方法，其特征在于，采集鱼类的摄食图像信息为图片或为视频。

10.根据权利要求1所述的鱼类产量的预测方法，其特征在于，采集鱼类的摄食图像信息时间段为饵料投喂时间段。