CN211048177U - 智能养殖*** - Google Patents

Abstract

本实用新型提出一种智能养殖***，包括养殖池、投饵机、摄影机与控制器。摄影机设置于养殖池当中，用以撷取水下影像。控制器根据水下影像计算出饲料剩余量，并根据饲料剩余量控制投饵机投入饲料至养殖池当中。借此，可以减少饲料的浪费。

Description

智能养殖***

技术领域

本实用新型是有关于一种智能养殖***，可以自动地投饵。

背景技术

目前的水产养殖技术中，虽然已有专用的喂食设备，但其只有简单的启动、关闭、及流量控制等功能，习知的喂食设备仍必须仰赖人员去开启喂食、停止、或调节饲料的流量等。当用人力来喂食时，最大的挑战即是混浊的养殖池水质。虾只的成长好坏取决于喂食的饲料数量与时间点，然而混浊的水质让渔民几乎无法以肉眼判断虾只的健康情况，很容易造成过度喂养虾群，导致水中残留过多的残饵与***物，使水质更加恶化。此外，不良的水质将增生细菌，进而使虾只生病，导致全池覆没。

根据调查，76％的中国台湾受访者已计划在未来开始采用或采用更多人工智能(artificial intelligence，AI)解决方案，但却有83％的受访者不知该从何处着手。目前为止，多数中国台湾企业尚未建立AI数据库，尤其是传统产业，多半依赖技术人员的经验在现场做出决策。传统产业若要转型突破，得找出隐藏在企业内部富含价值的重要数据，这必须仰赖稳固的信息科技架构做为基石。因此，如何利用人工智能自动地投饵，为此领域技术人员所关心的议题。

实用新型内容

本实用新型的实施例提出一种智能养殖***，包括养殖池、投饵机、摄影机与控制器。摄影机设置于养殖池当中，用以撷取水下影像。控制器通讯连接至摄影机与投饵机，用以取得水下影像。控制器根据水下影像计算出饲料剩余量或将水下影像传送至服务器由服务器计算出饲料剩余量。控制器根据饲料剩余量控制投饵机投入饲料至养殖池当中。

在一些实施例中，智能养殖***还包括一支架，设置于养殖池中，摄影机设置在此支架之上。投饵机将至少部分的饲料投入至支架中。

在一些实施例中，上述的支架包括网状平面与收集盘。摄影机的摄影方向朝向网状平面，收集盘从网状平面往外延伸。

在一些实施例中，支架还包含一支撑部，此支撑部设置于网状平面之下，借此使网状平面与养殖池的底部相隔一距离。

在一些实施例中，智能养殖***还包括清洗机，用以喷出水流或气泡至支架。控制器对水下影像执行影像切割演算法以取得支架影像区域，并根据支架影像区域的面积判断是否启动清洗机。

在一些实施例中，控制器对水下影像执行影像切割演算法以取得饲料影像区域，判断饲料影像区域的面积是否小于一临界值，若饲料影像区域的面积小于临界值则控制投饵机投入饲料至养殖池当中。

在一些实施例中，摄影机的摄影端为平面或凸面。

上述的***中，通过自动投饵可以减少饲料的浪费。

为让本实用新型的上述特征和优点能更明显易懂，下文特举实施例，并配合所附附图作详细说明如下。

附图说明

图1是根据一实施例绘示智能养殖***的示意图；

图2是根据一实施例绘示在支架上设置摄影机的示意图；

图3是根据一实施例绘示水下影像的示意图。

【符号说明】

100：智能养殖***

110：养殖池

112：摄影机

114：支架

116：投饵机

117：投饵管

118：照明装置

120：水质感测器

122：控制器

124：路由器

126：服务器

128：排污马达

130：使用者

201：收集盘

202：网状平面

203：支撑部

210：饲料

220：摄影方向

230：清洗机

241～243：摄影端

310：水下影像

320：饲料影像区域

330：污垢

具体实施方式

图1是根据一实施例绘示智能养殖***的示意图。请参照图1，智能养殖***100包括了养殖池110、摄影机112、支架114、投饵机116、投饵管117、照明装置118、水质感测器120、控制器122、路由器124、服务器126与排污马达128。

在此实施例中养殖池110的形状是圆形，其中养殖有虾子，但在其他实施例中养殖池110的形状也可以是方形或是其他任意形状，并且在其他实施例中也可以养殖鱼、螃蟹或其他水生物，本实用新型并不在此限。排污马达128是用以从养殖池110的底部抽水以排污。投饵机116可包括马达或其他合适的机械设备，投饵机116用以投下饲料，这些饲料是经过投饵管117投入支架114中，但投饵机116也可以具有其他的开口以将饲料直接投入至养殖池110中。

摄影机112是设置在养殖池110的水面以下，用以持续地撷取水下影像。摄影机112可包括感光耦合元件(Charge-coupled Device，CCD)感测器、互补性氧化金属半导体(Complementary Metal-Oxide Semiconductor)感测器或其他合适的光感测器，这些感测器可为可见光感测器或非可见光感测器，本实用新型并不在此限。在一些实施例中，摄影机112具有一红外线感测器与一可见光感测器，分别用以拍摄红外线影像与可见光影像。在一些实施例中，摄影机112也可以包括多个可见光感测器，根据这些感测器所拍摄的影像可以计算出三维场景。照明装置118可包括一或多个发光二极管，本实用新型并不限制这些发光二极管的波长。路由器124可为有线路由器或是无线路由器。

水质感测器120是用以感测溶氧量、温度或其他与水质相关的数值。控制器122通讯连接至水质感测器120、摄影机112、投饵机116与排污马达128，在此，通讯连接可为有线连接或是无线连接，例如透过互联网、区域网络、广域网络、近场通讯、红外线通讯、蓝芽、WiFi等通讯手段使得装置之间可以传送信号与数据。控制器122可为中央处理器、微处理器、微控制器、数字信号处理器、影像处理晶片或特殊应用集成电路等。控制器122可从摄影机112取得所拍摄的水下影像，并从水质感测器120收集相关的数值，这些收集的数据可透过路由器124传送至服务器126，使用者130可登入至服务器126以存取这些数据。

请参照图2，图2是根据一实施例绘示在支架上设置摄影机的示意图。在一些实施例中，支架114具有网状平面202、收集盘201与支撑部203，这些部件可由金属或其他合适的材料形成。饲料210会投入至网状平面202上，但由于在养殖池中的水流可能很大，饲料210可能会漂流到网状平面202之外，因此收集盘201是设置以从网状平面202往外延伸以接住这些饲料，图2中是为了简化起见并没有绘示完整的收集盘201，在一些实施例中收集盘201的展开角度可以是360度，借此可以接住更多饲料。摄影机112可设置在支架114的上半部，且摄影方向220是朝向网状平面202，也就是说上述撷取的水下影像的主要内容会是网状平面202与其上的饲料。此外，养殖池的水底通常很混浊，支撑部203是设置于网状平面202之下，借此使网状平面202与养殖池的底部相隔一距离，如此一来可以让撷取的水下影像较为清楚。然而，图2仅是一范例，本领域具有通常知识者当可根据上述揭示内容而设计出其他形状、大小的支架114，本实用新型并不在此限。此外，在其他实施例中网状平面202的形状也可以是长方形、其他多边形或任意形状。

图2中亦绘示了摄影机112的摄影端的放大示意图，其中在一个实施例中摄影端241为平面，在另一实施例中摄影端242为凸面。摄影端241、242上可设置透镜或保护盖板，本实用新型并不在此限。相较于习知技术的摄影端243来说，摄影端243上设置有挡墙，因此会形成气泡，这会影响所拍摄的影像。相反地，摄影端241、242上并不会形成气泡。

请参照图1与图2，在取得水下影像以后，可以根据水下影像计算出饲料剩余量，并根据此饲料剩余量控制投饵机116投入饲料至养殖池110当中。举例来说，当饲料剩余量大于一临界值时，则控制器122并不会控制投饵机116投入饲料，当饲料剩余量小于临界值时则控制器122会控制投饵机116投入饲料。如此一来，可以在需要的时候才投入饲料，减少饲料的浪费。上述饲料剩余量的计算可以由控制器122执行，或者控制器122也可以将水下影像传送至服务器126，由服务器126以云端的方式计算出饲料剩余量以后再将结果传回到控制器122。以下将举实施例来说明如何计算出饲料剩余量。

在此实施例中，是以机器学习的方式来计算出饲料剩余量，也就是说上述的水下影像会输入至一个机器学习模型，而此机器学习模型会输出一数字来代表饲料剩余量。上述的机器学习模型可以是卷积神经网络、支持向量机或其他合适的模型，本实用新型并不在此限。在一些实施例中，上述的机器学习模型是用以实施影像切割(imagesegmentation)，用以切割出水下影像中的饲料影像区域，例如请参照图3，从水下影像310中可以切割出饲料影像区域320。在一些实施例中，水下影像310为红外线影像，在红外线影像中可以较清楚地辨识出饲料，但在其他实施例中水下影像310也可以是可见光影像，本实用新型并不在此限。以卷积神经网络为例，在训练阶段时，将所撷取的水下影像输入至卷积神经网络，而卷积神经网络的输出则是人工切割过后的二值化影像(用以表示哪些是饲料，哪些不是)；在测试阶段，则可以将即时拍摄的水下影像输入至训练好的卷积神经网络，而卷积神经网络会输出切割后的二值化影像。上述的饲料影像区域320的面积与饲料剩余量成正比，因此当饲料影像区域320的面积小于一临界值时，表示饲料已经不够，因此可以控制投饵机116投入饲料至养殖池110当中。在另一些实施例中，可以实际量测饲料的重量，并根据此重量来训练机器学习模型，因此在测试阶段时所输出的会是预测的饲料重量。在其他实施例中，也可以根据饲料的体积、数量等来训练机器学习模型，也就是说上述的饲料剩余量可以是重量、体积、数量或饲料影像区域320的面积，本实用新型并不在此限。

请参照图2与图3，在一些实施例中更设置了清洗机230，此清洗机230是用以喷出水流或气泡来清洗支架114，清洗机230可包括马达、压缩机或其他合适的机械设备。在此也可以用机器学***面，使得上述的支架影像区域的面积会变小，当支架影像区域的面积小于一临界值时，表示支架114上具有许多污垢，因此控制器122会启动清洗机230来清洗支架114。

在一些实施例中，为了适应各种不同的养殖池，水下影像中的网状平面部分可以与其他的养殖池背景结合以产生更多的训练用影像，借此可以训练出更强健的卷积神经网络。举例来说，可以由人工切割出网状平面部分，将此部分贴至另一个养殖池的背景影像之中，两者的交界可以透过帕松方程式(poisson equation)来编辑，借此可以额外地生成出多张训练用水下影像。

在一些实施例中，控制器122或服务器126也可以对水下影像执行一除雾演算法，此时所采用的水下影像是可见光影像。具体来说，除雾演算法也可由卷积神经网络来执行，在训练阶段时卷积神经网络的输入为有雾的水下影像，而输出为以清晰的水下影像。透过除雾演算法可以得到清晰的水下影像，在一些实施例中可以对此清晰的水下影像执行一物件侦测演算法以侦测水下的动/植物。在一些实施例中，这些经过除雾的水下影像会传送至服务器126储存起来。

在上述的智能养殖***中，是利用影像处理技术来控制投饵量，借此可以减少饲料的浪费。此外，由于摄影机是架设在支架之上，因此所拍摄的水下影像大多是关于网状平面与饲料，这使得上述的***可以适用于不同的养殖池当中，较不容易受养殖池的背景变化所影响。

虽然本实用新型已以实施例揭露如上，然其并非用以限定本实用新型，任何所属技术领域中具有通常知识者，在不脱离本实用新型的精神和范围内，当可作些许的更动与润饰，故本实用新型的保护范围当视所附的权利要求书所界定的范围为准。

Claims (7)

1.一种智能养殖***，其特征在于，包括：

一养殖池；

一投饵机；

一摄影机，设置于该养殖池当中，用以撷取一水下影像；以及

一控制器，通讯连接至该摄影机与该投饵机，用以取得该水下影像，

其中该控制器根据该水下影像计算出一饲料剩余量或将该水下影像传送至一服务器由该服务器计算出该饲料剩余量，该控制器根据该饲料剩余量控制该投饵机投入饲料至该养殖池当中。

2.根据权利要求1所述的智能养殖***，其特征在于，还包括：

一支架，设置于该养殖池中，其中该摄影机设置在该支架之上，并且该投饵机将至少部分的该饲料投入至该支架中。

3.根据权利要求2所述的智能养殖***，其特征在于，其中该支架包括一网状平面与一收集盘，该摄影机的摄影方向朝向该网状平面，该收集盘从该网状平面往外延伸。

4.根据权利要求3所述的智能养殖***，其特征在于，其中该支架还包含一支撑部，该支撑部设置于该网状平面之下，借此使该网状平面与该养殖池的底部相隔一距离。

5.根据权利要求2所述的智能养殖***，其特征在于，还包括一清洗机，用以喷出水流或气泡至该支架，

其中该控制器对该水下影像执行一影像切割演算法以取得一支架影像区域，并根据该支架影像区域的面积判断是否启动该清洗机。

6.根据权利要求1所述的智能养殖***，其特征在于，其中该控制器对该水下影像执行一影像切割演算法以取得一饲料影像区域，判断该饲料影像区域的面积是否小于一临界值，若该饲料影像区域的面积小于该临界值则控制该投饵机投入饲料至该养殖池当中。

7.根据权利要求1所述的智能养殖***，其特征在于，其中该摄影机的一摄影端为平面或凸面。

Images