CN110046619B - 无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质 - Google Patents

无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质 Download PDF

Info

Publication number
CN110046619B
CN110046619B CN201910313053.1A CN201910313053A CN110046619B CN 110046619 B CN110046619 B CN 110046619B CN 201910313053 A CN201910313053 A CN 201910313053A CN 110046619 B CN110046619 B CN 110046619B
Authority
CN
China
Prior art keywords
fish
boat
suspected target
unmanned
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910313053.1A
Other languages
English (en)
Other versions
CN110046619A (zh
Inventor
马杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910313053.1A priority Critical patent/CN110046619B/zh
Publication of CN110046619A publication Critical patent/CN110046619A/zh
Application granted granted Critical
Publication of CN110046619B publication Critical patent/CN110046619B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质，该方法包括采集实时声呐图像，获取扫描圆及色度条；根据扫描圆内像素点的色度值获取回波强度值；获取二值化图像；通过区域生长算法在二值化图像内将疑似目标点进行合并，得到疑似目标区域；计算每个疑似目标区域的面积；判断疑似目标区域的面积是否在预置面积内。本发明通过采用扫描圆结合色度条的方式，将实时声呐图像在扫描圆内的像素点获取其色度值对应的回波强度，根据像素点对应回波强度与回波强度阈值进行比较后进行图像二值化，从而获取到鱼群对应的疑似目标区域，提高了鱼群的判断效率，然后将鱼群检测信息实时发送给渔船进行捕捞，以节约渔船的燃油消耗。

Description

无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储 介质
技术领域
本发明涉及探鱼方法技术领域，尤其是涉及一种无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质。
背景技术
我国是海洋渔业大国，拥有漫长的海岸线，但随着近海环境恶化与渔业资源枯竭，近海捕捞业发展已陷入困境，远洋捕捞业成为海洋捕捞业新的增长点。但是远洋捕捞需要大吨位渔船，并且作业距离远，渔船需要在大范围行驶，搜索及跟踪鱼群，工作效率低、燃油损耗大。
海洋渔业捕捞过程主要依靠助渔仪器来完成对水下鱼群的探测和跟踪，是渔船特有的装备，主要作用是发现鱼群，监测网情，探鱼类仪器主要包括探鱼仪、网情(检测)仪等。由于电磁波在水中衰减很快，探鱼类仪器的主要探测手段是声波。50年代初，挪威开始建造专门用来探鱼的声纳，由此诞生了最早的商用探鱼仪。到了60年代，探鱼仪已成为海洋捕捞中必不可少的助渔仪器。20世纪90年代后，数字技术的在探鱼仪中大量应用，探鱼仪性能和实用性跨越了一大步，数字渔用声呐开始在远洋渔船上大量装备。
目前传统的探鱼方法，普遍利用有人渔船搭载鱼探仪实现探鱼和捕捞，也有结合无人探鱼艇的方式，在无人探鱼艇上搭载探鱼仪，采用数据回传人工判读加上遥控的方式控制无人探鱼艇对鱼群进行搜索，上述第一种方法燃油损耗大，第二种方法人力成本高，工作效率低。
发明内容
基于此，有必要针对现有技术的不足，提供一种无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质，通过采用扫描圆结合色度条的方式，将实时声呐图像在扫描圆内的像素点获取其色度值对应的回波强度，根据像素点对应回波强度与回波强度阈值进行比较后进行图像二值化，从而获取到鱼群对应的疑似目标区域，提高了鱼群的判断效率，达到自动搜索及跟踪鱼群的目的，然后将鱼群检测信息实时发送给渔船进行捕捞，以节约渔船的燃油消耗。
为解决上述技术问题，本发明所采用的技术方案是：
第一方面，提供了一种无人探鱼艇全自动鱼群检测方法，其包括如下步骤：。
采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；
根据扫描圆内像素点的色度值获取该像素点对应的回波强度值；
获取实时声呐图像对应的二值化图像；在实时声呐图像的扫描圆内，回波强度值大于等于回波强度阈值对应的像素点为疑似目标点，将疑似目标点的像素值置为1，将回波强度值小于回波强度阈值对应的像素点的像素值置为0，得到实时声呐图像在扫描圆内对应的二值化图像；
通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P；
计算每个疑似目标区域的面积Sp；
判断疑似目标区域的面积Sp是否在预置面积内；若是，则疑似目标区域判定为鱼群。
第二方面，提供了一种无人探鱼艇全自动鱼群检测***，其包括：
采集模块，用于采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；
强度获取模块，用于根据扫描圆内像素点的色度值获取该像素点对应的回波强度值；
二值化模块，用于获取实时声呐图像对应的二值化图像；
疑似区域获取模块，用于通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P并计算每个疑似目标区域的面积Sp；
判断模块，用于判断疑似目标区域的面积Sp是否在预置面积内。
第三方面，提供了一种无人探鱼艇，其包括存储器及处理器；所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的无人探鱼艇全自动鱼群检测方法，并通过无线通讯方式将鱼群检测信息发送到渔船。
第四方面，提供了一种存储介质，其存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时实现上述的无人探鱼艇全自动鱼群检测方法。
综上所述，本发明无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质通过采用扫描圆结合色度条的方式，将实时声呐图像在扫描圆内的像素点获取其色度值对应的回波强度，根据像素点对应回波强度与回波强度阈值进行比较后进行图像二值化，从而获取到鱼群对应的疑似目标区域，提高了鱼群的判断效率，达到自动搜索及跟踪鱼群的目的，然后将鱼群检测信息实时发送给渔船进行捕捞，以节约渔船的燃油消耗。
附图说明
图1是本发明实施例提供的一种无人探鱼艇全自动鱼群检测方法的流程示意图；
图2是实施例提供的一种无人探鱼艇全自动鱼群检测方法的另一流程示意图；
图3是本发明实施例提供的无人探鱼艇全自动鱼群检测方法的具体流程示意图；
图4是本发明实施例提供的第一种无人探鱼艇全自动鱼群检测***的结构框图；
图5是本发明实施例提供的第二种无人探鱼艇全自动鱼群检测***的结构框图；
图6是本发明实施例提供的第三种无人探鱼艇全自动鱼群检测***的结构框图；
图7是本发明实施例提供的一种无人探鱼艇的内部结构框图；
图8是本发明实施例提供的一种实时声呐图像的展示图。
具体实施方式
为能进一步了解本发明的特征、技术手段以及所达到的具体目的、功能，下面结合附图与具体实施方式对本发明作进一步详细描述。
如图1是本发明实施例提供的一种无人探鱼艇全自动鱼群检测方法的流程示意图，如图1所示，该无人探鱼艇全自动鱼群检测方法，具体包括如下步骤：
步骤S110、采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；其中，实时声呐图像为探鱼仪探测预置范围内水下目标后输出到监视屏上显示的声呐图像，扫描圆为实时声呐图像中声呐图的最大覆盖范围，可通过人工方式选定扫描圆范围，色度条为实时声呐图像中声呐图各像素点色度值对应的分布图，所述色度条在探鱼仪的实时声呐图像中已有展现，所述色度条具体置于实时声呐图像中的右下角，如图8所示。
在一个实施例中，实时声呐图像的图像采集方式可采取视频端口扩展方式如VGA分线器，复制原探鱼仪设备的显示屏的输入信号到工控机，工控机采取图像采集卡进行模数转换，这样既保留了原探鱼仪设备自带的显示功能，又能避免不同显示设备差异带来的图像畸变和色差。
步骤S120、根据扫描圆内像素点的色度值获取该像素点对应的回波强度值，具体地，根据扫描圆内像素点的色度值获取该像素点对应的回波强度值的方法为：
步骤S121、获取扫描圆内一第一像素点的色度值c；
步骤S122、获取第一像素点的色度值c在色度条上的位置；
步骤S123、计算色度值为c的第一像素点对应的回波强度f(c)，其中，
Figure BDA0002032149840000041
xc为第一像素点的色度值c在色度条上出现位置的横坐标值，xl为色度条左边缘的横坐标值，xr为色度条右边缘的横坐标值。
其中，色度条所在的坐标系为监视屏屏幕所在的直角坐标系，坐标系的原点在屏幕的左下角，坐标系的x轴正方向朝右，坐标系的y轴方向朝上；第一像素点的色度值c在色度条上出现位置的横坐标值xc的获取方法为：
获取第一像素点的色度值c对应的色彩分量值Rc、Gc、Bc；
从左到右依次搜索色度条区域内的像素点，找到色彩分量值分别为Rc、Gc、Bc的色度值对应的第二像素点；
根据色度条所在的坐标系在色度条区域内获取到第二像素点的横坐标值xc。
经过上述方法，扫描圆内各个像素点对应的色度值均能转换成0～1范围内对应的回波强度值，从而实现对扫描圆内各像素点回波强度的判断，以方便后续鱼群的检测。
步骤S130、获取实时声呐图像对应的二值化图像；在实时声呐图像的扫描圆内，回波强度值大于等于回波强度阈值对应的像素点为疑似目标点，将疑似目标点的像素值置为1，将回波强度值小于回波强度阈值对应的像素点的像素值置为0，得到实时声呐图像在扫描圆内对应的二值化图像。
步骤S140、通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P。
步骤S150、计算每个疑似目标区域的面积Sp，其中，
Figure BDA0002032149840000051
ri＝D/L*K，ri为疑似目标区域P内任一疑似目标点i距离扫描圆圆心o的归一化距离，D为实时声呐图像中线段io的像素长度，L为扫描圆外径的像素长度，K为探鱼仪探测扫描范围半径，其中像素长度为单位长度内像素点的数量。
步骤S160、判断疑似目标区域的面积Sp是否在预置面积内，若是，则疑似目标区域判定为鱼群；若疑似目标区域的面积Sp大于预置面积的最大值S1，则疑似目标区域判定为外部噪声；若疑似目标区域的面积Sp小于预置面积的最小值S2，则疑似目标区域判定为水底；具体地，S1可取值为0.1K2，S2可取值为10平方米，预置面积表示待捕捞鱼群在实时声呐图像上水平投影区域的大小，预置面积的最大值及最小值可根据无人探鱼艇在工作海域的鱼情进行调节。
如图2是本发明实施例提供的一种无人探鱼艇全自动鱼群检测方法的另一流程示意图，如图2所示，所述步骤S160、判断疑似目标区域的面积Sp是否在预置面积内之后还包括：
步骤S170、根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d，其中，线段oT对应的的实际长度d的计算方法是首先获取线段oT的像素长度l，结合扫描圆扫描圆外径的像素长度L与探鱼仪探测扫描范围半径K可知，d＝l/L*K；疑似目标区域的几何重心T的坐标为(xT，yT)，
Figure BDA0002032149840000052
N为疑似目标区域的像素点数量，xi为疑似目标区域内第i个像素点对应的横坐标值，yi为疑似目标区域内第i个像素点对应的纵坐标值。
步骤S180、将夹角a作为鱼群方位角、线段oT对应的的实际长度d作为与鱼群相距的距离输入到无人探鱼艇的控制***，作为无人探鱼艇下一步运动的目标位置，从而控制无人探鱼艇跟踪鱼群。
其中，无人探鱼艇船速V∝d，无人探鱼艇航向α∝a，以一阶线性控制为例：假设当前无人探鱼艇船速为V0，航向α0，需要无人探鱼艇尾随鱼群100米距离，则无人探鱼艇下一步航速V1和航向α1应该为：
Figure BDA0002032149840000061
其中，dt相邻两帧实时声纳图像的输出时间间隔，m、n为大于0的可调的平滑系数，其值越小，无人探鱼艇运行轨迹越平稳，但是动态跟踪性能低；其值越大，无人探鱼艇跟踪精度越高，但是运行轨迹越震荡。
在一个实施例中，所述步骤S170、根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d之前还包括：
步骤S190、计算每个鱼群的距离面积加权指标θ，选取距离面积加权指标θ值最大的对应鱼群进行跟踪，其中距离面积加权指标θ＝Sp/d。
存在多个满足疑似目标区域的面积Sp在预置面积内的候选鱼群时，则根据距离面积加权指标θ最大的来选择合适的鱼群进行跟踪，无需人为进行选择，提高无人探鱼艇跟踪鱼群的效率。
图3是本发明实施例提供的无人探鱼艇全自动鱼群检测方法的具体流程示意图，为了更加清晰本发明的技术方案，下面再阐述优选实施例。
步骤S110、采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；
步骤S120、根据扫描圆内像素点的色度值获取该像素点对应的回波强度值；
步骤S130、获取实时声呐图像对应的二值化图像；在实时声呐图像的扫描圆内，回波强度值大于等于回波强度阈值对应的像素点为疑似目标点，将疑似目标点的像素值置为1，将回波强度值小于回波强度阈值对应的像素点的像素值置为0，得到实时声呐图像在扫描圆内对应的二值化图像；
步骤S140、通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P；
步骤S150、计算每个疑似目标区域的面积Sp；
步骤S160、判断疑似目标区域的面积Sp是否在预置面积内；若是，则疑似目标区域判定为鱼群；
步骤S190、计算每个鱼群的距离面积加权指标θ，选取距离面积加权指标θ值最大的对应鱼群进行跟踪，其中距离面积加权指标θ＝Sp/d；
步骤S170、根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d，其中，疑似目标区域的几何重心T的坐标为(xT，yT)，
Figure BDA0002032149840000071
步骤S180、将夹角a作为鱼群方位角、线段oT对应的的实际长度d作为与鱼群相距的距离输入到无人探鱼艇的控制***，即将鱼群检测信息输入到无人探鱼艇的控制***，作为无人探鱼艇下一步运动的目标位置，从而控制无人探鱼艇跟踪鱼群。
本实施例提供的无人探鱼艇全自动鱼群检测方法采用扫描圆结合色度条的方式，将实时声呐图像在扫描圆内的像素点获取其色度值对应的回波强度，根据像素点对应回波强度与回波强度阈值进行比较后进行图像二值化，从而获取到鱼群对应的疑似目标区域，提高了鱼群的判断效率，达到自动搜索及跟踪鱼群的目的，然后将鱼群检测信息实时发送给渔船进行捕捞，以节约渔船的燃油消耗。
图4是本发明实施例提供的第一种无人探鱼艇全自动鱼群检测***的结构框图，如图4所示，对应于上述无人探鱼艇全自动鱼群检测方法，本发明还提供一种无人探鱼艇全自动鱼群检测***，该无人探鱼艇全自动鱼群检测***包括用于执行上述无人探鱼艇全自动鱼群检测方法的模块，该***可以被配置于计算机设备等终端，应用本发明无人探鱼艇全自动鱼群检测***，通过扫描圆结合色度条的方式，将实时声呐图像在扫描圆内的像素点获取其色度值对应的回波强度，根据像素点对应回波强度与回波强度阈值进行比较后进行图像二值化，从而获取到鱼群对应的疑似目标区域，提高了鱼群的判断效率，达到自动搜索及跟踪鱼群的目的，然后将鱼群检测信息实时发送给渔船进行捕捞，以节约渔船的燃油消耗。
具体地，如图4所示，该无人探鱼艇全自动鱼群检测***包括采集模块110、强度获取模块120、二值化模块130、疑似区域获取模块140、及判断模块150。
采集模块110，用于采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；
强度获取模块120，用于根据扫描圆内像素点的色度值获取该像素点对应的回波强度值；
二值化模块130，用于获取实时声呐图像对应的二值化图像；
疑似区域获取模块140，用于通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P并计算每个疑似目标区域的面积Sp；
判断模块150，用于判断疑似目标区域的面积Sp是否在预置面积内。
在一个实施例中，所述强度获取模块120具体用于：
步骤S121、获取扫描圆内一第一像素点的色度值c；
步骤S122、获取第一像素点的色度值c在色度条上的位置；
步骤S123、计算色度值为c的第一像素点对应的回波强度f(c)，其中，
Figure BDA0002032149840000081
xc为第一像素点的色度值c在色度条上出现位置的横坐标值，xl为色度条左边缘的横坐标值，xr为色度条右边缘的横坐标值。
图5是本发明实施例提供的第二种无人探鱼艇全自动鱼群检测***的结构框图。如图5所示，本实施例提供的无人探鱼艇全自动鱼群检测***是在上述无人探鱼艇全自动鱼群检测***的基础上增加了夹角长度获取模块150及信息输出模块160。
夹角长度获取模块150，用于根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d。
信息输出模块160，用于将夹角a作为鱼群方位角、线段oT对应的的实际长度d作为与鱼群相距的距离输入到无人探鱼艇的控制***。
图6是本发明实施例提供的第三种无人探鱼艇全自动鱼群检测***的结构框图。如图6所示，本实施例提供的无人探鱼艇全自动鱼群检测***是在上述无人探鱼艇全自动鱼群检测***的基础上增加了鱼群选择模块170，所述鱼群选择模块用于计算每个鱼群的距离面积加权指标θ，选取距离面积加权指标θ值最大的对应鱼群进行跟踪。
本发明实施例提供的无人探鱼艇全自动鱼群检测***通过采用扫描圆结合色度条的方式，将实时声呐图像在扫描圆内的像素点获取其色度值对应的回波强度，根据像素点对应回波强度与回波强度阈值进行比较后进行图像二值化，从而获取到鱼群对应的疑似目标区域，提高了鱼群的判断效率，达到自动搜索及跟踪鱼群的目的，然后将鱼群检测信息实时发送给渔船进行捕捞，以节约渔船的燃油消耗。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述无人探鱼艇全自动鱼群检测***和各模块的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
图7是本发明实施例提供的一种无人探鱼艇的内部结构框图，如图7所示，本发明提供的无人探鱼艇包括通过***总线连接的通过***总线连接的存储器、处理器及网络接口；所述存储器上存储有计算机程序，所述处理器用于提供计算和控制能力，以支撑整个无人探鱼艇的运行，所述处理器执行所述计算机程序时实现上述的一种无人探鱼艇全自动鱼群检测方法，并通过无线通讯方式将鱼群检测信息发送到渔船，其中，鱼群检测信息为鱼群与无人探鱼艇的相对位置信息，具体地，鱼群与无人探鱼艇的相对位置信息包括将夹角a作为鱼群相对于无人探鱼艇的方位角、线段oT对应的的实际长度d作为无人探鱼艇与鱼群相距的距离。
存储器可以包括非易失性存储介质和内存储器，该非易失性存储介质存储有操作***，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现无人探鱼艇全自动鱼群检测方法。
该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行无人探鱼艇全自动鱼群检测方法。该网络接口用于与母船进行网络通信。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其他的无人探鱼艇的限定，具体的无人探鱼艇可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的无人探鱼艇全自动鱼群检测方法可实现为一种计算机程序的方式，计算机程序可以在如图7所示的无人探鱼艇上运行。无人探鱼艇的存储器中可存储组成该无人探鱼艇全自动鱼群检测***的各个程序模块，比如，图4所示的采集模块110、强度获取模块120、二值化模块130、疑似区域获取模块140、及判断模块150。各个程序模块构成的计算机程序使得处理器执行本说明中描述的本申请各个实施例的无人探鱼艇全自动鱼群检测***的步骤。例如，图7所示的无人探鱼艇可以通过如图4所示的无人探鱼艇全自动鱼群检测***中的采集模块110采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；强度获取模块120根据扫描圆内像素点的色度值获取该像素点对应的回波强度值；二值化模块130获取实时声呐图像对应的二值化图像；疑似区域获取模块140通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P并计算每个疑似目标区域的面积Sp；判断模块150判断疑似目标区域的面积Sp是否在预置面积内。
在一个实施例中，提出了一种无人探鱼艇，包括存储器和处理器，所述存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：步骤S110、采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；步骤S120、根据扫描圆内像素点的色度值获取该像素点对应的回波强度值；步骤S130、获取实时声呐图像对应的二值化图像；在实时声呐图像的扫描圆内，回波强度值大于等于回波强度阈值对应的像素点为疑似目标点，将疑似目标点的像素值置为1，将回波强度值小于回波强度阈值对应的像素点的像素值置为0，得到实时声呐图像在扫描圆内对应的二值化图像；步骤S140、通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P；步骤S150、计算每个疑似目标区域的面积Sp；步骤S160、判断疑似目标区域的面积Sp是否在预置面积内；若是，则疑似目标区域判定为鱼群。
在一个实施例中，所述处理器在实现所述步骤S120、根据扫描圆内像素点的色度值获取该像素点对应的回波强度值的步骤时，具体实现如下步骤：步骤S121、获取扫描圆内一第一像素点的色度值c；步骤S122、获取第一像素点的色度值c在色度条上的位置；步骤S123、计算色度值为c的第一像素点对应的回波强度f(c)，其中，
Figure BDA0002032149840000111
xc为第一像素点的色度值c在色度条上出现位置的横坐标值，xl为色度条左边缘的横坐标值，xr为色度条右边缘的横坐标值。
在一个实施例中，所述处理器在执行所述步骤S160、判断疑似目标区域的面积Sp是否在预置面积内之后，具体执行如下步骤：步骤S170、根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d，其中，疑似目标区域的几何重心T的坐标为(xT，yT)，
Figure BDA0002032149840000112
步骤S180、将夹角a作为鱼群方位角、线段oT对应的的实际长度d作为与鱼群相距的距离输入到无人探鱼艇的控制***，作为无人探鱼艇下一步运动的目标位置，从而控制无人探鱼艇跟踪鱼群。
在一个实施例中，所述处理器在执行所述步骤S170、根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d的步骤之前，具体执行如下步骤：步骤S190、计算每个鱼群的距离面积加权指标θ，选取距离面积加权指标θ值最大的对应鱼群进行跟踪，其中距离面积加权指标θ＝Sp/d。
应当理解，在本申请实施例中，处理器可以是中央处理单元(Central ProcessingUnit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机***中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如下步骤：步骤S110、采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；步骤S120、根据扫描圆内像素点的色度值获取该像素点对应的回波强度值；步骤S130、获取实时声呐图像对应的二值化图像；在实时声呐图像的扫描圆内，回波强度值大于等于回波强度阈值对应的像素点为疑似目标点，将疑似目标点的像素值置为1，将回波强度值小于回波强度阈值对应的像素点的像素值置为0，得到实时声呐图像在扫描圆内对应的二值化图像；步骤S140、通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P；步骤S150、计算每个疑似目标区域的面积Sp；步骤S160、判断疑似目标区域的面积Sp是否在预置面积内；若是，则疑似目标区域判定为鱼群。
在一个实施例中，所述处理器在执行程序指令而实现无人探鱼艇全自动鱼群检测方法还实现如下步骤：根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d，其中，疑似目标区域的几何重心T的坐标为(xT，yT)，
Figure BDA0002032149840000131
步骤S180、将夹角a作为鱼群方位角、线段oT对应的的实际长度d作为与鱼群相距的距离输入到无人探鱼艇的控制***，作为无人探鱼艇下一步运动的目标位置，从而控制无人探鱼艇跟踪鱼群。
在一个实施例中，所述处理器在执行程序指令而实现无人探鱼艇全自动鱼群检测方法还实现如下步骤：步骤S190、计算每个鱼群的距离面积加权指标θ，选取距离面积加权指标θ值最大的对应鱼群进行跟踪，其中距离面积加权指标θ＝Sp/d。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
综上所述，本发明一种无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇及存储介质通过采用扫描圆结合色度条的方式，将实时声呐图像在扫描圆内的像素点获取其色度值对应的回波强度，根据像素点对应回波强度与回波强度阈值进行比较后进行图像二值化，从而获取到鱼群对应的疑似目标区域，提高了鱼群的判断效率，达到自动搜索及跟踪鱼群的目的，然后将鱼群检测信息实时发送给渔船进行捕捞，以节约渔船的燃油消耗。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的***和方法，可以通过其它的方式实现。例如，以上所描述的***实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台无人探鱼艇(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明的保护范围应以所附权利要求为准。

Claims (10)

1.一种无人探鱼艇全自动鱼群检测方法，其特征在于，包括如下步骤：
采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；
根据扫描圆内像素点的色度值获取该像素点对应的回波强度值；
获取实时声呐图像对应的二值化图像；在实时声呐图像的扫描圆内，回波强度值大于等于回波强度阈值对应的像素点为疑似目标点，将疑似目标点的像素值置为1，将回波强度值小于回波强度阈值对应的像素点的像素值置为0，得到实时声呐图像在扫描圆内对应的二值化图像；
通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P；
计算每个疑似目标区域的面积Sp；
判断疑似目标区域的面积Sp是否在预置面积内；若是，则疑似目标区域判定为鱼群。
2.根据权利要求1所述的无人探鱼艇全自动鱼群检测方法，其特征在于，所述根据扫描圆内像素点的色度值获取该像素点对应的回波强度值的方法包括：
获取扫描圆内一第一像素点的色度值c；
获取第一像素点的色度值c在色度条上的位置；
计算色度值为c的第一像素点对应的回波强度f(c)，其中，
Figure FDA0002032149830000011
xc为第一像素点的色度值c在色度条上出现位置的横坐标值，xl为色度条左边缘的横坐标值，xr为色度条右边缘的横坐标值。
3.根据权利要求2所述的无人探鱼艇全自动鱼群检测方法，其特征在于，所述第一像素点的色度值c在色度条上出现位置的横坐标值的获取方法为：
获取第一像素点的色度值c对应的色彩分量值Rc、Gc、Bc；
从左到右依次搜索色度条区域内的像素点，找到色彩分量值分别为Rc、Gc、Bc的色度值对应的第二像素点；
根据色度条所在的坐标系在色度条区域内获取到第二像素点的横坐标值xc。
4.根据权利要求1所述的无人探鱼艇全自动鱼群检测方法，其特征在于，所述判断疑似目标区域的面积Sp是否在预置面积内之后还包括：
根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d，其中，疑似目标区域的几何重心T的坐标为(xT，yT)，
Figure FDA0002032149830000021
N为疑似目标区域的像素点数量，xi为疑似目标区域内第i个像素点对应的横坐标值，yi为疑似目标区域内第i个像素点对应的纵坐标值；
将夹角a作为鱼群方位角、线段oT对应的的实际长度d作为与鱼群相距的距离输入到无人探鱼艇的控制***。
5.根据权利要求1所述的无人探鱼艇全自动鱼群检测方法，其特征在于，所述根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d之前还包括：
计算每个鱼群的距离面积加权指标θ，选取距离面积加权指标θ值最大的对应鱼群进行跟踪，其中距离面积加权指标θ＝Sp/d。
6.一种无人探鱼艇全自动鱼群检测***，其特征在于，包括：
采集模块，用于采集实时声呐图像，获取实时声呐图像内扫描圆及色度条；
强度获取模块，用于根据扫描圆内像素点的色度值获取该像素点对应的回波强度值；
二值化模块，用于获取实时声呐图像对应的二值化图像；
疑似区域获取模块，用于通过区域生长算法在二值化图像内将相邻像素值为1的疑似目标点进行合并，得到疑似目标区域P并计算每个疑似目标区域的面积Sp；
判断模块，用于判断疑似目标区域的面积Sp是否在预置面积内。
7.根据权利要求6所述的一种无人探鱼艇全自动鱼群检测***，其特征在于，还包括夹角长度获取模块，用于根据疑似目标区域的几何重心T获取实时声呐图像中线段oT与y轴方向的夹角a及线段oT对应的的实际长度d；信息输出模块，用于将夹角a作为鱼群方位角、线段oT对应的的实际长度d作为与鱼群相距的距离输入到无人探鱼艇的控制***。
8.根据权利要求7所述的一种无人探鱼艇全自动鱼群检测***，其特征在于，还包括鱼群选择模块，用于计算每个鱼群的距离面积加权指标θ，选取距离面积加权指标θ值最大的对应鱼群进行跟踪。
9.一种无人探鱼艇，其特征在于：所述无人探鱼艇包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的无人探鱼艇全自动鱼群检测方法，并通过无线通讯方式将鱼群检测信息发送到渔船。
10.一种存储介质，其特征在于：所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时实现如权利要求1-5中任一项所述的无人探鱼艇全自动鱼群检测方法。
CN201910313053.1A 2019-04-18 2019-04-18 无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质 Active CN110046619B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910313053.1A CN110046619B (zh) 2019-04-18 2019-04-18 无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910313053.1A CN110046619B (zh) 2019-04-18 2019-04-18 无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质

Publications (2)

Publication Number Publication Date
CN110046619A CN110046619A (zh) 2019-07-23
CN110046619B true CN110046619B (zh) 2022-11-29

Family

ID=67277842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910313053.1A Active CN110046619B (zh) 2019-04-18 2019-04-18 无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质

Country Status (1)

Country Link
CN (1) CN110046619B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110443247A (zh) * 2019-08-22 2019-11-12 中国科学院国家空间科学中心 一种无人机地面运动小目标实时检测***及方法
CN113658124B (zh) * 2021-08-11 2024-04-09 杭州费尔马科技有限责任公司 一种盘点水下养殖资产的方法
CN114076949B (zh) * 2022-01-07 2022-05-20 视丰达科技（深圳）有限公司 一种探鱼器数据识别处理方法及其设备
CN114581421A (zh) * 2022-03-10 2022-06-03 北京市生态环境保护科学研究院 一种河流鱼类群落实时监测方法与***
CN115151132B (zh) * 2022-05-25 2023-08-18 广东逸动科技有限公司 捕鱼方法、捕鱼装置、渔船、捕鱼***及可读存储介质
CN117572438B (zh) * 2024-01-12 2024-05-03 中国水产科学研究院南海水产研究所 一种走航式鱼群探测方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007327855A (ja) * 2006-06-08 2007-12-20 Japan Radio Co Ltd 自動追尾スキャニングソナー
CN105572676A (zh) * 2015-12-16 2016-05-11 浙江大学 一种基于水平鱼探仪影像的围网目标鱼群追踪方法
CN108520511A (zh) * 2018-03-19 2018-09-11 中国海洋大学 一种基于鱼探仪的水下鱼类目标探测与识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007327855A (ja) * 2006-06-08 2007-12-20 Japan Radio Co Ltd 自動追尾スキャニングソナー
CN105572676A (zh) * 2015-12-16 2016-05-11 浙江大学 一种基于水平鱼探仪影像的围网目标鱼群追踪方法
CN108520511A (zh) * 2018-03-19 2018-09-11 中国海洋大学 一种基于鱼探仪的水下鱼类目标探测与识别方法

Also Published As

Publication number Publication date
CN110046619A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN110046619B (zh) 无人探鱼艇全自动鱼群检测方法及***、无人探鱼艇与存储介质
CN109283538B (zh) 一种基于视觉和激光传感器数据融合的海上目标大小检测方法
US10809376B2 (en) Systems and methods for detecting objects in underwater environments
US20190204416A1 (en) Target object detecting device, method of detecting a target object and computer readable medium
CN111476120B (zh) 一种无人机智能船舶水尺识别方法及装置
CN107219529A (zh) 一种高精度海底地形地貌图的获取方法及***
US11473914B2 (en) Navigation device and method of creating route
CN116596163B (zh) 一种基于图像探测的白姑鱼资源分布预测***及方法
US20210396525A1 (en) Ship target object detection system, method of detecting ship target object and reliability estimating device
CN115019187B (zh) 针对sar图像船舶目标的检测方法、装置、设备及介质
US20170261608A1 (en) Tracking processor and method of tracking processing
CN112526490A (zh) 一种基于计算机视觉的水下小目标声呐探测***与方法
CN117036993A (zh) 一种基于无人机的船舶水尺远程测量方法
CN112882037B (zh) 侧扫声呐海底线检测方法及装置
CN110069987B (zh) 基于改进vgg网络的单阶段船舶检测算法及装置
Shih et al. An adaptive bottom tracking algorithm for side-scan sonar seabed mapping
US11221409B2 (en) Underwater detection apparatus and underwater detection method
CN113837924A (zh) 一种基于无人艇感知***的水岸线检测方法
CN111142112B (zh) 一种水下锚系小目标快速非成像检测方法
US11119208B2 (en) Echo image generating device
CN116990824A (zh) 集群侧扫***的图形地理信息编码和融合方法
CN106991682B (zh) 自动港口货船的提取方法及装置
CN115113630B (zh) 无人船过桥方法、装置、计算机设备及存储介质
CN107941220B (zh) 一种基于视觉的无人船海天线检测与导航方法和***
TWI736446B (zh) 可濾橫紋雜訊之海床邊線偵測方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant