專利：魚(yú)菜共生系統(tǒng)及基于魚(yú)類行為的蔬菜氮元素需求估算方法.pdf

19 中華 人民共和國(guó) 國(guó)家知識(shí)產(chǎn)權(quán)局 12 發(fā)明 專利申請(qǐng) 10 申請(qǐng)公布號(hào) 43 申請(qǐng)公布日 21 申請(qǐng) 號(hào) 202110661641 1 22 申請(qǐng)日 2021 06 15 71 申請(qǐng)人 中國(guó)農(nóng)業(yè)大 學(xué) 地址 100193 北京市海淀區(qū) 圓明園西路2號(hào) 72 發(fā)明人 李 道亮 劉暢 王廣旭 杜 玲 74 專利代理 機(jī)構(gòu) 北京衛(wèi)平智業(yè)專利代理事務(wù) 所 普通 合 伙 1 1392 代理人 閆萍 51 Int Cl G06T 7 00 2017 01 G06T 7 80 2017 01 G06N 3 04 2006 01 G06N 3 08 2006 01 G06Q 50 02 2012 01 54 發(fā)明名稱 魚(yú)菜共生系統(tǒng)及基于魚(yú)類行為的蔬菜氮元 素需求估算方法 57 摘要 本發(fā) 明屬于智能魚(yú)菜共養(yǎng)技術(shù)領(lǐng)域 涉及一 種魚(yú)菜共生系統(tǒng)及基于魚(yú)類行為的蔬菜氮元素 需求估算方法 魚(yú)菜共生系統(tǒng)包括 種菜池 養(yǎng)魚(yú) 池 抽水泵 攝像機(jī) 過(guò)濾器和計(jì)算機(jī) 估算方法 包括以下步驟 步驟1 建立魚(yú)菜共生系統(tǒng) 步驟 2 分析和統(tǒng)計(jì)魚(yú)類行為數(shù)據(jù) 步驟3 建立魚(yú)類活 躍度與氮元素濃度之間的模型關(guān)系 步驟4 將測(cè) 試集輸入到訓(xùn)練好的最優(yōu)模型中 得到水中氮元 素含量的預(yù)測(cè)值 本申請(qǐng)采用機(jī)器視覺(jué)與數(shù)學(xué)模 型分析結(jié)合的方式綜合計(jì)算魚(yú)類行為數(shù)據(jù) 充分 反映魚(yú)類在不同氮元素濃度條件 下的活躍程度 更全面可靠地將魚(yú)類行為與植物營(yíng)養(yǎng)程度聯(lián)系 起來(lái) 將人工智能和魚(yú)菜共生系統(tǒng)進(jìn)行有機(jī)融 合 具有廣闊的應(yīng)用前景和較高應(yīng)用價(jià)值 可實(shí) 現(xiàn)產(chǎn)業(yè) 化 權(quán)利要求書(shū)2頁(yè) 說(shuō)明書(shū)6頁(yè) 附圖2頁(yè) CN 113516635 A 2021 10 19 CN 113516635 A 1 一種魚(yú)菜共生系統(tǒng) 其特征在于 包括 種菜池 5 養(yǎng)魚(yú)池 4 抽水泵 攝像機(jī) 過(guò)濾 器和計(jì)算機(jī) 在所述養(yǎng)魚(yú)池 4 中盛水 養(yǎng)魚(yú) 所述種菜 池 5 為 一水槽 在所述水槽中盛水 種植蔬菜 所述水槽位于所述養(yǎng)魚(yú)池 4 的上 方 在所述水槽的側(cè)面的兩端分別設(shè)置進(jìn)水口 2 和出 水口 3 在所述養(yǎng)魚(yú)池 4 中放置抽水泵 所述抽水泵通過(guò)管路將養(yǎng)魚(yú)池 4 中的水通過(guò)進(jìn)水口 2 循環(huán)到水槽中 直到水槽中的 水位上升 至指定水位線 以供蔬菜吸 收養(yǎng)分 水槽中的水通過(guò) 出 水口 3 處安裝的水 管回流至 養(yǎng)魚(yú)池 4 中 在所述養(yǎng)魚(yú)池 4 的正上 方和 側(cè)面分別放置設(shè)有攝 像機(jī) 所述攝 像機(jī)與計(jì)算機(jī)連接 所述攝像機(jī)用于 拍攝養(yǎng)魚(yú)池 4 監(jiān)測(cè)魚(yú)類行為 并將采集到的視頻實(shí)時(shí)傳輸至后 臺(tái) 監(jiān)控室的計(jì)算機(jī)中 其中 養(yǎng) 魚(yú)池 4 正上方的攝像機(jī)獲得俯視的視頻 養(yǎng) 魚(yú)池 4 側(cè)面的攝 像機(jī)獲得側(cè)視的視頻 所述計(jì)算機(jī)用于 計(jì)算和分析 出一段時(shí)間內(nèi)魚(yú)類的行為數(shù)據(jù) 2 如權(quán)利要求1所述的魚(yú)菜共生系統(tǒng) 其特征在于 所述養(yǎng)魚(yú)池 4 的正上方的攝像機(jī) 為 3 60度的球型攝 像機(jī) 6 以便拍攝整個(gè)養(yǎng)魚(yú)池 4 的無(wú) 死角畫(huà)面 3 如權(quán)利要求1所述的魚(yú)菜共生系統(tǒng) 其特征在于 所述攝像機(jī)采集的視頻格式為mp4 格式 4 如權(quán)利要求1所述的魚(yú)菜共生系統(tǒng) 其特征在于 在所述養(yǎng)魚(yú)池 4 旁放置過(guò)濾器 在 水槽與養(yǎng)魚(yú)池 4 之間的水 管中接入所述過(guò) 濾器 以便過(guò) 濾 水中的雜質(zhì) 5 一種基于魚(yú)類行為的蔬菜氮元素需求估算方法 應(yīng)用權(quán)利要求1 4任一權(quán)利要求所 述的魚(yú)菜 共生系統(tǒng) 其特 征在于 包括以下步驟 步驟1 建立實(shí)時(shí)監(jiān)測(cè)魚(yú)類行為的魚(yú)菜 共生系統(tǒng) 步驟2 分析和統(tǒng)計(jì)魚(yú)類行為數(shù)據(jù) 首 先對(duì)攝 像機(jī)采集的視頻圖像進(jìn)行 標(biāo)定 攝 像機(jī)初步采集視頻 然后將采集的視頻圖像建立基于 機(jī)器視 覺(jué)的目標(biāo)檢測(cè)模型 具體是 提取感興趣區(qū)域 并人工標(biāo)注感興趣區(qū)域 作為目標(biāo)檢測(cè)模型 攝 像機(jī)采集感興趣區(qū)域的視頻 并實(shí)時(shí)傳輸 至計(jì)算機(jī)中 計(jì)算機(jī)計(jì)算和分析 出一段時(shí)間內(nèi)魚(yú)類的行為數(shù)據(jù) 所述行為數(shù)據(jù)包括 游泳 速度 運(yùn)動(dòng)距離和撞壁次數(shù) 所述游泳 速度 運(yùn)動(dòng)距離和撞壁次數(shù)的三個(gè)分量構(gòu)成魚(yú)類行為活躍度數(shù)據(jù) 步驟3 建立魚(yú)類活躍度與氮元 素濃度之間的模型關(guān)系 獲得養(yǎng)魚(yú)池 4 中對(duì)應(yīng)活躍度數(shù)據(jù)的水的氮元 素含量 對(duì)所述活躍度數(shù)據(jù)和相應(yīng)的氮元 素含量劃分?jǐn)?shù)據(jù)集 劃分為 訓(xùn)練集和 測(cè)試集 將所述訓(xùn)練集輸入混合模型的輸入端 對(duì)混合模型進(jìn)行訓(xùn)練 同時(shí)調(diào)整混合模型參數(shù) 當(dāng)所述混合模型達(dá)到精度要求 時(shí) 得到訓(xùn)練好的最優(yōu)模型 保存最優(yōu)模型 當(dāng)所述混合 模型沒(méi)有達(dá) 到精度要求時(shí) 繼續(xù)調(diào)整模型參數(shù) 直到得到最優(yōu) 模型 權(quán) 利 要 求 書(shū) 1 2 頁(yè) 2 CN 113516635 A 所述混合模型為 基于卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期內(nèi)存網(wǎng)絡(luò)的混合模型 所述卷積神經(jīng)網(wǎng)絡(luò)作為混合模型的上層模塊 包括 卷積層和池化層 所述卷積層用于 提取輸入端數(shù)據(jù)的特 征 所述池化層用于 對(duì)卷積層所提取的特 征進(jìn)行 下采樣 以精簡(jiǎn)模型參數(shù) 所述長(zhǎng)短期內(nèi)存網(wǎng)絡(luò)作為混合模型的下層模塊 所述長(zhǎng)短期內(nèi)存 網(wǎng)絡(luò)用于 對(duì)池化層下采樣的特征進(jìn)行學(xué)習(xí) 保留有用信息 遺忘無(wú)效 信息 并將有用信息傳輸給全連接層 所述全連接層用于 壓縮輸出層之前的數(shù)據(jù) 以減少數(shù)據(jù)流的體量和輸出層的網(wǎng)絡(luò)參 數(shù) 并輸出 預(yù)測(cè)的氮元 素 結(jié)果 步驟4 將測(cè)試集輸入到訓(xùn)練好的最優(yōu) 模型中 得到水中氮元 素含量的預(yù)測(cè)值 6 如權(quán)利要求5所述的基于魚(yú)類行為的蔬菜氮元素需求估算方法 其特征在于 所述游 泳 速度的檢測(cè)方法如下 首先將計(jì)算機(jī)獲取的視頻分解成圖像幀 選定魚(yú)頭的位置作為游泳速度測(cè)量的基準(zhǔn) 計(jì)算前后相鄰兩圖像 幀中魚(yú)頭的距離變化 再用距離變化除以前后兩圖像 幀的時(shí)間差 得 到游泳 速度 7 如權(quán)利要求5所述的基于魚(yú)類行為的蔬菜氮元素需求估算方法 其特征在于 所述運(yùn) 動(dòng)距離的檢測(cè)方法如下 首先提取出養(yǎng)魚(yú)池 4 中自由游動(dòng)魚(yú)的骨架 然后將俯視 圖和側(cè)視圖中骨架特征的特 征點(diǎn)聯(lián)系起來(lái) 分別 繪制出俯視圖和側(cè)視圖的二維軌跡 再通過(guò)魚(yú)類骨架特征點(diǎn)之間的聯(lián) 系 從而得到魚(yú)類的三維運(yùn)動(dòng)軌跡 最后根據(jù)三維運(yùn)動(dòng)軌跡計(jì)算出魚(yú)類在一定時(shí)間內(nèi)的運(yùn) 動(dòng)距離 8 如權(quán)利要求5所述的基于魚(yú)類行為的蔬菜氮元素需求估算方法 其特征在于 所述撞 壁次數(shù)的檢測(cè)方法如下 在已對(duì)視頻中自由游動(dòng)的魚(yú)個(gè)體跟蹤的前提下 對(duì)視頻中的養(yǎng)魚(yú)池 4 的外壁進(jìn)行標(biāo) 記 從池壁向養(yǎng) 魚(yú)池 4 中心擴(kuò)充2c m的邊界區(qū)域 在此閾值范圍內(nèi)檢測(cè)到 魚(yú)頭時(shí) 標(biāo)記為一 次撞壁行為 9 如權(quán)利要求5所述的基于魚(yú)類行為的蔬菜氮元素需求估算方法 其特征在于 所述魚(yú) 類行為活躍度數(shù)據(jù)的獲取 條件如下 設(shè)置 養(yǎng)魚(yú)池 4 中水的氨 氮濃度變化范圍為 0mg L 5mg L 從養(yǎng)魚(yú)池 4 中水的氨氮濃度 為0mg L開(kāi)始 每 隔0 2mg改變一次氨氮濃度 直到水中氨 氮濃度為 5mg L 設(shè)置 養(yǎng)魚(yú)池 4 中水的硝酸態(tài) 氮濃度變化范圍為 0 100mg L 從養(yǎng)魚(yú)池 4 中水的硝酸態(tài)氮濃度為0mg L開(kāi)始 每隔10mg改變一次硝酸態(tài)氮濃度 直 到水中硝酸態(tài) 氮濃度為 10 0mg L 采集在上述不同氮元素濃度 條件下 養(yǎng)魚(yú)池 4 中魚(yú)類的運(yùn)動(dòng)速度 運(yùn)動(dòng)距離以及撞壁 次數(shù)作為活躍度數(shù)據(jù) 10 如權(quán)利要求5所述的基于魚(yú)類行為的蔬菜氮元素需求估算方法 其特征在于 將所 述池化層的大小設(shè)置為1 權(quán) 利 要 求 書(shū) 2 2 頁(yè) 3 CN 113516635 A 魚(yú)菜共生系統(tǒng)及 基于魚(yú)類行為的蔬菜氮元素需求估算方 法 技術(shù)領(lǐng)域 0001 本發(fā)明屬于智能魚(yú)菜共生養(yǎng)殖技術(shù)領(lǐng)域 涉及一種魚(yú)菜共生系統(tǒng)及基于魚(yú)類行為 的蔬菜氮元 素需求估算方法 背景技術(shù) 0002 魚(yú)菜共生是利用水產(chǎn)養(yǎng)殖排放水為植物提供營(yíng)養(yǎng) 利用魚(yú)飼料這種氮源生產(chǎn)魚(yú)和 蔬菜兩種農(nóng)產(chǎn)品 具有 水和氮源利用效率高 不使用化肥和抗生素和對(duì)環(huán)境友好等特點(diǎn) 是 一種 可持續(xù)的農(nóng)業(yè)發(fā)展方式 在傳統(tǒng)的魚(yú)菜共生系統(tǒng)中 氮元素作為蔬菜最主要的營(yíng)養(yǎng)來(lái) 源 包括 氨態(tài)氮 簡(jiǎn)稱 氨氮 亞硝態(tài)氮和硝酸態(tài)氮三種 其中 可被蔬菜直接吸收的為氨 態(tài)氮和硝酸態(tài)氮 也是魚(yú)菜共生系統(tǒng)中蔬菜最主要的氮元素來(lái)源 其診斷方法可以分為兩 類 一類是采用現(xiàn)代生物技術(shù)及化學(xué)實(shí)驗(yàn)手段 通過(guò)生理生化及組織形態(tài)分析 可以判斷植 物的營(yíng)養(yǎng)平衡狀況 直接對(duì)水培蔬菜中的氮元素進(jìn) 行檢測(cè)和診斷 例如 利用蔬菜葉片各 組 織形態(tài)檢驗(yàn)氮營(yíng)養(yǎng)元素水平 也可以用解剖學(xué)與組織化學(xué)相結(jié)合的方法來(lái)檢驗(yàn)植物中的營(yíng) 養(yǎng)平衡狀況 另一類是 利用計(jì)算機(jī)視覺(jué)的方法 蔬菜在生長(zhǎng)期如果缺 乏氮元素 葉片會(huì)失 綠黃化 或葉脈間失綠 果 實(shí)的色澤和形狀等也會(huì) 出現(xiàn)異常等 因此可利用計(jì)算機(jī)視覺(jué) 分析 植物的特定癥狀 長(zhǎng)勢(shì)長(zhǎng)相及葉片顏色等外觀特性進(jìn)行 營(yíng)養(yǎng)診斷 0003 以上現(xiàn)有技 術(shù)具有以下缺 點(diǎn)或不足 0004 生物化學(xué)的檢測(cè)方法無(wú)法實(shí)時(shí)自動(dòng)化地對(duì)植物氮元素的缺乏做出判斷 效率較 低 在采樣過(guò)程中對(duì)植株損害嚴(yán)重 植物的全氮分析只能在實(shí)驗(yàn)室進(jìn)行 結(jié)果較慢 且耗時(shí) 耗力 光譜及計(jì)算機(jī)視覺(jué)的診斷方法也只有在植物表現(xiàn)出明顯癥狀后才能進(jìn)行診斷 因而 不能及時(shí)發(fā)現(xiàn)問(wèn)題 起不到主動(dòng)預(yù)防的作用 且由于此種診斷依賴采集的植物圖像 易與機(jī) 械及物理?yè)p傷相混淆 更難做出正確的判斷 所以在實(shí)際應(yīng)用中有很大的局限性和延后性 除此之外 上述兩類檢測(cè)方法只是單一關(guān)注植物的生長(zhǎng)狀況 而忽略魚(yú)類的個(gè)體狀況 在魚(yú) 菜共生系統(tǒng)中 魚(yú)和菜的生長(zhǎng)是息息相關(guān)的 其效益的最大化建立在魚(yú)類健康與 蔬菜正常 生長(zhǎng)的前提下 通常情況下 水中氮元素含量對(duì)魚(yú)類的影響更加直觀和迅速 例如 氨氮含 量增加時(shí) 魚(yú)類會(huì) 出現(xiàn)明顯的應(yīng)激行為 撞 壁和擺尾次數(shù)明顯增加 游速變快 除此之外 當(dāng) 硝酸態(tài)氮含量增加到一定程度時(shí) 反而會(huì)抑制魚(yú)類的行為 出現(xiàn)明顯的攝食量下降 活躍程 度降低和游速變慢等不同程度的變化 因此 根據(jù)魚(yú)類出現(xiàn)的不同行為可直接反應(yīng)出水中 氨態(tài)氮和硝酸態(tài)氮含量的變化 從而間接反應(yīng)水中氮元素對(duì)植物的影響 只有不斷調(diào)節(jié)水 質(zhì)環(huán)境 才能充分保證魚(yú)和菜的正常生長(zhǎng) 從而實(shí)現(xiàn)魚(yú)菜 共生體系的生態(tài) 平衡 發(fā)明內(nèi)容 0005 本申請(qǐng)根據(jù)魚(yú)菜共生養(yǎng)殖系統(tǒng)的實(shí)際情況 利用攝像機(jī)對(duì)魚(yú)類行為進(jìn)行全天候的 實(shí)時(shí)監(jiān)測(cè) 將采集到的視頻數(shù)據(jù)進(jìn)行處理 統(tǒng)計(jì)魚(yú)菜共生養(yǎng)殖系統(tǒng)中魚(yú)類的每天的活躍程 度 包括 游泳速度 運(yùn)動(dòng)距離和撞壁次數(shù) 再通過(guò)改變水中的氮元素含量 對(duì)不同氮元素含 量下的魚(yú)類活躍程度和蔬菜長(zhǎng)勢(shì)進(jìn)行 統(tǒng)計(jì)分析 建立氮元素含量與魚(yú)類活躍程度和蔬菜營(yíng) 說(shuō) 明 書(shū) 1 6 頁(yè) 4 CN 113516635 A 養(yǎng) 之 間的函數(shù)模型關(guān)系 從而將魚(yú)的行為與蔬菜營(yíng)養(yǎng)聯(lián)系起來(lái) 解決傳統(tǒng)方法中 只單一診 斷蔬菜營(yíng)養(yǎng) 而 忽略魚(yú)類生長(zhǎng)的問(wèn)題 0006 本申請(qǐng)利用計(jì)算機(jī)視覺(jué)技術(shù)監(jiān)測(cè)魚(yú)的行為 是一種無(wú)接觸的診斷方法 且魚(yú)類行 為會(huì)因水中氮元素含量的改變 而迅速發(fā)生變化 因此 根據(jù)計(jì)算機(jī)采集到的魚(yú)類行為變化 的數(shù)據(jù) 可間接反應(yīng)出當(dāng)前魚(yú)菜共生系統(tǒng)中氮元素含量的變化情況 從而為蔬菜是否需要 補(bǔ)充營(yíng)養(yǎng)元 素做出輔助判斷 0007 本申請(qǐng)?zhí)岢龅臓I(yíng)養(yǎng)診斷方法無(wú)需使用任何生物化學(xué)類試劑 不會(huì)對(duì)環(huán)境和植株造 成損害 并且整個(gè)監(jiān)測(cè)和診斷過(guò)程不會(huì)對(duì)魚(yú)菜共生系統(tǒng)的正常運(yùn)行造成干擾 無(wú)需耗費(fèi)大 量的時(shí)間分析 可對(duì)魚(yú)類行為進(jìn)行實(shí)時(shí)監(jiān)測(cè) 建立實(shí)時(shí)的魚(yú)類行為變化與植物氮營(yíng)養(yǎng)關(guān)系 模型 可有效解決現(xiàn)有魚(yú)菜共生系統(tǒng)中蔬菜氮營(yíng)養(yǎng)檢測(cè)方法速度慢的問(wèn)題 且可同時(shí)注重 魚(yú)類的健康生長(zhǎng)狀態(tài) 具體技 術(shù)方案如下 0008 一種魚(yú)菜 共生系統(tǒng) 包括 種菜 池5 養(yǎng)魚(yú)池4 抽水泵 攝 像機(jī) 過(guò) 濾器和計(jì)算機(jī) 0009 在所述養(yǎng)魚(yú)池4中盛水 養(yǎng)魚(yú) 0010 所述種菜 池5為 一水槽 在所述水槽中盛水 種植蔬菜 0011 所述水槽位于所述養(yǎng)魚(yú)池4的上 方 0012 在所述水槽的側(cè)面的兩端分別設(shè)置進(jìn)水口2和出 水口3 0013 在所述養(yǎng)魚(yú)池4中放置抽水泵 0014 所述抽水泵通過(guò)管路將養(yǎng)魚(yú)池4中的水通過(guò)進(jìn)水口2循環(huán)到水槽中 直到水槽中的 水位上升 至指定水位線 以供蔬菜吸 收養(yǎng)分 0015 水槽中的水通過(guò) 出 水口3處安裝的水 管回流至 養(yǎng)魚(yú)池4中 0016 在所述養(yǎng)魚(yú)池4的正上 方和 側(cè)面分別放置設(shè)有攝 像機(jī) 所述攝 像機(jī)與計(jì)算機(jī)連接 0017 所述攝像機(jī)用于 拍攝養(yǎng)魚(yú)池4 監(jiān)測(cè)魚(yú)類行為 并將采集到的視頻實(shí)時(shí)傳輸至后 臺(tái)監(jiān)控室的計(jì)算機(jī)中 其中 養(yǎng) 魚(yú)池4正上方的攝像機(jī)獲得俯視的視頻 養(yǎng) 魚(yú)池4側(cè)面的攝像 機(jī)獲得側(cè)視的視頻 0018 養(yǎng)魚(yú)池4側(cè)面的攝 像機(jī)位于 養(yǎng)魚(yú)池4的側(cè)方 0019 所述計(jì)算機(jī)用于 計(jì)算和分析 出一段時(shí)間內(nèi)魚(yú)類的行為數(shù)據(jù) 0020 在上述技術(shù)方案的基礎(chǔ)上 所述養(yǎng)魚(yú)池4的正上方的攝像機(jī)為 360度的球型攝像 機(jī) 6 以便拍攝整個(gè)養(yǎng)魚(yú)池4的無(wú) 死角畫(huà)面 所述養(yǎng)魚(yú)池4的側(cè)方的攝 像機(jī)為 普通攝 像機(jī)1 0021 在上述 技 術(shù)方案的基礎(chǔ)上 所述攝 像機(jī)采集的視頻格式為mp4格式 0022 在上述技術(shù)方案的基礎(chǔ)上 在所述養(yǎng)魚(yú)池4旁放置過(guò)濾器 在水槽與養(yǎng)魚(yú)池4之間 的水 管中接入所述過(guò) 濾器 以便過(guò) 濾 水中的雜質(zhì) 0023 一種基于魚(yú)類行為的蔬菜氮元素需求估算方法 應(yīng)用上述魚(yú)菜共生系統(tǒng) 包括以 下步驟 0024 步驟1 建立實(shí)時(shí)監(jiān)測(cè)魚(yú)類行為的魚(yú)菜 共生系統(tǒng) 0025 步驟2 分析和統(tǒng)計(jì)魚(yú)類行為數(shù)據(jù) 0026 首 先對(duì)攝 像機(jī)采集的視頻圖像進(jìn)行 標(biāo)定 0027 攝 像機(jī)初步采集視頻 0028 然后將采集的視頻圖像建立基于 機(jī)器視 覺(jué)的目標(biāo)檢測(cè)模型 具體是 0029 提取感興趣區(qū)域 并人工標(biāo)注感興趣區(qū)域 作為目標(biāo)檢測(cè)模型 說(shuō) 明 書(shū) 2 6 頁(yè) 5 CN 113516635 A 0030 攝 像機(jī)采集感興趣區(qū)域的視頻 并實(shí)時(shí)傳輸 至計(jì)算機(jī)中 0031 計(jì)算機(jī)計(jì)算和分析 出一段時(shí)間內(nèi)魚(yú)類的行為數(shù)據(jù) 0032 所述行為數(shù)據(jù)包括 游泳 速度 簡(jiǎn)稱速度 運(yùn)動(dòng)距離 簡(jiǎn)稱距離 和撞壁次數(shù) 0033 所述游泳 速度 運(yùn)動(dòng)距離和撞壁次數(shù)的三個(gè)分量構(gòu)成魚(yú)類行為活躍度數(shù)據(jù) 0034 步驟3 建立魚(yú)類活躍度與氮元 素濃度之間的模型關(guān)系 0035 獲得養(yǎng)魚(yú)池4中對(duì)應(yīng)活躍度數(shù)據(jù)的水的氮元 素含量 0036 對(duì)所述活躍度數(shù)據(jù)和相應(yīng)的氮元 素含量劃分?jǐn)?shù)據(jù)集 劃分為 訓(xùn)練集和 測(cè)試集 0037 將所述訓(xùn)練集輸入混合模型的輸入端 對(duì)混合模型進(jìn)行訓(xùn)練 同時(shí)調(diào)整混合模型 參數(shù) 0038 當(dāng)所述混合模型達(dá)到精度要求時(shí) 得到訓(xùn)練好的最優(yōu)模型 保存最優(yōu)模型 當(dāng)所述 混合模型沒(méi)有達(dá) 到精度要求時(shí) 繼續(xù)調(diào)整模型參數(shù) 直到得到最優(yōu) 模型 0039 所述混合模型為 基于卷積神經(jīng)網(wǎng)絡(luò) CN N 與長(zhǎng)短期內(nèi)存網(wǎng)絡(luò) LSTM 的混合模型 0040 所述卷積神經(jīng)網(wǎng)絡(luò)作為混合模型的上層模塊 包括 卷積層和池化層 0041 所述卷積層用于 提取輸入端數(shù)據(jù)的特 征 0042 所述池化層用于 對(duì)卷積層所提取的特 征進(jìn)行 下采樣 以精簡(jiǎn)模型參數(shù) 0043 所述長(zhǎng)短期內(nèi)存網(wǎng)絡(luò)作為混合模型的下層模塊 0044 所述長(zhǎng)短期內(nèi)存網(wǎng)絡(luò)用于 對(duì)池化層下采樣的特征進(jìn)行學(xué)習(xí) 保 留有用信息 遺忘 無(wú)效信息 并將有用信息傳輸給全連接層 0045 所述全連接層用于 壓縮輸出層之前的數(shù)據(jù) 以減少 數(shù)據(jù)流的體量和輸出層的網(wǎng) 絡(luò)參數(shù) 并輸出 預(yù)測(cè)的氮元 素 結(jié)果 0046 步驟4 將測(cè)試集輸入到訓(xùn)練好的最優(yōu) 模型中 得到水中氮元 素含量的預(yù)測(cè)值 0047 LSTM在預(yù)測(cè)數(shù)據(jù)方面具有獨(dú)特的優(yōu)勢(shì) 在長(zhǎng)期 時(shí)間序列預(yù)測(cè)中 LSTM可有效避免 梯度消失的問(wèn)題 因此選擇CNN與LSTM結(jié)合的混合模型預(yù)測(cè)魚(yú)類活躍度與水中氮元素含量 之間的關(guān)系 0048 在上述 技 術(shù)方案的基礎(chǔ)上 所述游泳 速度的檢測(cè)方法如下 0049 首先將計(jì)算機(jī)獲取的視頻分解成圖像幀 運(yùn)動(dòng)時(shí)相鄰兩幀圖像中魚(yú)的位置分布會(huì) 有 所差異 再根據(jù)這種位置 分布上的差異 選定魚(yú)頭的位置作為游泳速度測(cè)量的基準(zhǔn) 計(jì)算 前后相鄰兩圖像 幀中魚(yú)頭的距離變化 再用距離變化除以前后兩圖像 幀的時(shí)間差 即可得 到 養(yǎng)魚(yú)池4中魚(yú)類的游泳 速度 又稱為 運(yùn)動(dòng)速度 0050 在上述 技 術(shù)方案的基礎(chǔ)上 所述 運(yùn)動(dòng)距離的檢測(cè)方法如下 0051 首先提取出養(yǎng)魚(yú)池4中自由游動(dòng)魚(yú)的骨架 然后將俯視圖和側(cè)視圖中骨架特征的 特征點(diǎn)聯(lián)系起來(lái) 分別繪制出俯視圖和側(cè)視圖的二維軌跡 再通過(guò)魚(yú)類骨架特征點(diǎn)之間的 聯(lián)系 從而得到魚(yú)類的三維運(yùn)動(dòng)軌跡 最后根據(jù)三維運(yùn)動(dòng)軌跡計(jì)算出魚(yú)類在一定時(shí)間內(nèi)的 運(yùn)動(dòng)距離 0052 在上述 技 術(shù)方案的基礎(chǔ)上 所述撞壁次數(shù)的檢測(cè)方法如下 0053 在已對(duì)視頻中自由游動(dòng)的魚(yú)個(gè)體跟蹤的前提下 對(duì)視頻中的養(yǎng)魚(yú)池4的外壁進(jìn)行 標(biāo)記 從池壁向養(yǎng) 魚(yú)池4中心擴(kuò)充2c m的邊界區(qū)域 在此閾值范圍內(nèi)檢測(cè)到魚(yú)頭時(shí) 標(biāo)記 為一 次撞壁行為 0054 在上述 技 術(shù)方案的基礎(chǔ)上 所述魚(yú)類行為活躍度數(shù)據(jù)的獲取 條件如下 說(shuō) 明 書(shū) 3 6 頁(yè) 6 CN 113516635 A 0055 設(shè)置 養(yǎng)魚(yú)池4中水的氨 氮濃度變化范圍為 0mg L 5mg L 0056 從養(yǎng)魚(yú)池4中水的氨氮濃度為0m g L開(kāi)始 每隔0 2m g改變一次氨氮濃度 直到水中 氨 氮濃度為 5mg L 0057 設(shè)置 養(yǎng)魚(yú)池4中水的硝酸態(tài) 氮濃度變化范圍為 0 100mg L 0058 從養(yǎng)魚(yú)池4中水的硝酸態(tài)氮濃度為0mg L開(kāi)始 每隔10mg改變一次硝酸態(tài)氮濃度 直到水中硝酸態(tài) 氮濃度為 10 0mg L 0059 采集在上述不同氮元素濃度條件下 養(yǎng)魚(yú)池4中魚(yú)類的運(yùn)動(dòng)速度 運(yùn)動(dòng) 距離以及撞 壁次數(shù)作為活躍度數(shù)據(jù) 0060 在上述技術(shù)方案的基礎(chǔ)上 將所述池化層的大小 設(shè)置為1 可有助于避免混合模型 過(guò)擬合 0061 本發(fā)明的有益 技 術(shù)效果如下 0062 1 快速無(wú)損 本發(fā)明采用計(jì)算機(jī)視覺(jué)技術(shù) 不需要對(duì)魚(yú)和菜進(jìn)行個(gè)體解剖和破壞 性采樣 操作 可以快速準(zhǔn)確地診斷水中氮元 素濃度對(duì)蔬菜的營(yíng)養(yǎng)程度 0063 2 可辨識(shí)度高 采用機(jī)器視覺(jué)與數(shù)學(xué)模型分析結(jié)合的方式綜合計(jì)算魚(yú)類行為數(shù) 據(jù) 可充分反映魚(yú)類在不同氮元素濃度條件下 的活躍程度 更全面更可靠地將魚(yú)類行為與 植物營(yíng)養(yǎng)程度聯(lián)系起 來(lái) 0064 3 將人工智能方法和魚(yú)菜共生系統(tǒng)進(jìn)行有機(jī)融合 具有廣闊的應(yīng)用前景和較高的 應(yīng)用價(jià) 值 可以實(shí)現(xiàn)產(chǎn)業(yè) 化 附圖說(shuō)明 0065 本發(fā)明有如下附圖 0066 圖1為本發(fā)明所述基于魚(yú)類行為的蔬菜氮元 素需求估算方法的流 程 示 意圖 0067 圖2為本發(fā)明所述魚(yú)菜 共生系統(tǒng)結(jié)構(gòu)示 意圖 0068 圖3為圖2中A A的剖視結(jié)構(gòu)示 意圖 0069 附圖標(biāo)記 0070 1 普通攝 像機(jī) 2 進(jìn)水口 3 出 水口 4 養(yǎng)魚(yú)池 5 種菜 池 6 球型攝 像機(jī) 具體實(shí)施方式 0071 下面結(jié)合附圖和實(shí)施例 對(duì)本發(fā)明的具體實(shí)施方式做進(jìn)一步詳細(xì)描述 以下實(shí)施 例僅用于說(shuō)明本發(fā)明 但不用來(lái)限制本發(fā)明的范圍 0072 如圖1所示 本發(fā)明所述基于魚(yú)類行為的蔬菜氮元素需求估算方法 包括以下步 驟 0073 第一 步 建立可實(shí)時(shí)監(jiān)測(cè)魚(yú)類行為的魚(yú)菜 共生系統(tǒng) 0074 搭建可對(duì)魚(yú)類行為實(shí)時(shí)監(jiān)測(cè)的魚(yú)菜共生系統(tǒng) 其結(jié)構(gòu) 示意如圖2 所示 圖3為圖2的 A A剖視結(jié)構(gòu)示意圖 視頻采集的格式為mp4 攝像機(jī)被放置在養(yǎng)魚(yú)池4的正上方和側(cè)面 其 中正上方俯視圖選擇360度的球型攝像機(jī)6 可拍攝整個(gè)養(yǎng) 魚(yú)池4的無(wú)死角畫(huà) 面 側(cè)面選擇普 通攝像機(jī)1 上方為可支撐蔬菜種植的水槽 所述種菜池5為一水槽 在所述水槽的側(cè)面的兩 端分別設(shè)置進(jìn)水口2和出 水口3 0075 養(yǎng)魚(yú)池4中放置抽水泵 將水循環(huán)到水槽中 供植物 吸收養(yǎng)分 直到水位上升至指 說(shuō) 明 書(shū) 4 6 頁(yè) 7 CN 113516635 A 定水位線 水槽中的水通過(guò)水管回流至養(yǎng)魚(yú)池4中 養(yǎng)魚(yú)池 旁邊放置可過(guò)濾水中雜質(zhì)的過(guò) 濾器 0076 第二 步 分析和統(tǒng)計(jì)魚(yú)類行為數(shù)據(jù) 0077 攝像機(jī)采集到的視頻實(shí)時(shí)傳輸至后臺(tái)監(jiān)控室的計(jì)算機(jī)中 再利用計(jì)算機(jī)計(jì)算和分 析出一段時(shí)間內(nèi)魚(yú)類的行為數(shù)據(jù) 所分析的行為數(shù)據(jù)包括 游泳速度 運(yùn)動(dòng)距離和撞壁次 數(shù) 所述游泳 速度 運(yùn)動(dòng)距離和撞壁次數(shù)的三個(gè)分量構(gòu)成魚(yú)類行為活躍度數(shù)據(jù) 0078 具體是 首先對(duì)攝像機(jī)采集的視頻圖像進(jìn)行標(biāo)定 數(shù)據(jù)處理時(shí) 先將采集的視頻圖 像建立基于機(jī)器視覺(jué)的目標(biāo)檢測(cè)模型 提取感興趣區(qū)域 并人工標(biāo)注感興趣區(qū)域 這也是作 為后期模型訓(xùn)練的真實(shí)數(shù)據(jù) 然后選定基于卷積神經(jīng)網(wǎng)絡(luò) CNN 與長(zhǎng)短期內(nèi)存網(wǎng)絡(luò) LSTM 的混合模型進(jìn)行訓(xùn)練 在完成參數(shù)的優(yōu)化和調(diào)整后 保存最優(yōu) 模型 0079 1 速度的檢測(cè) 0080 首先將計(jì)算機(jī)獲取的視頻分解成圖像幀 運(yùn)動(dòng)時(shí)相鄰兩幀圖像中魚(yú)的位置分布會(huì) 有 所差異 再根據(jù)這種位置 分布上的差異 選定魚(yú)頭的位置作為速度測(cè)量的基準(zhǔn) 計(jì)算前后 兩幀魚(yú)頭的距離變化 用這個(gè)距離變化除以前后兩幀的時(shí)間差 即可得到養(yǎng) 魚(yú)池4中魚(yú)類的 運(yùn)動(dòng)速度 0081 2 運(yùn)動(dòng)距離 0082 首先提取出養(yǎng)魚(yú)池4中自由游動(dòng)魚(yú)的骨架 然后將俯視圖和側(cè)視圖中骨架特征的 特征點(diǎn)聯(lián)系起來(lái) 分別繪制出俯視圖和側(cè)視圖的二維軌跡 再通過(guò)魚(yú)類骨架特征點(diǎn)之間的 聯(lián)系 從而得到魚(yú)類的三維運(yùn)動(dòng)軌跡 最后根據(jù)三維運(yùn)動(dòng)軌跡計(jì)算出魚(yú)類在一定時(shí)間內(nèi)的 運(yùn)動(dòng)距離 0083 3 撞壁次數(shù) 0084 在已對(duì)視頻中自由游動(dòng)的魚(yú)個(gè)體跟蹤的前提下 對(duì)視頻中的養(yǎng)魚(yú)池4的外壁進(jìn)行 標(biāo)記 從池壁向養(yǎng) 魚(yú)池4中心擴(kuò)充2c m的邊界區(qū)域 在此閾值范圍內(nèi)檢測(cè)到魚(yú)頭時(shí) 標(biāo)記 為一 次撞壁行為 0085 第三 步 建立魚(yú)類活躍度與氮元 素濃度之間的模型關(guān)系 0086 設(shè)置水中不 同氮元素濃度間隔變化 采集不 同濃度氮元素條件下養(yǎng)魚(yú)池4中魚(yú)類 的運(yùn)動(dòng)速度 運(yùn)動(dòng)距離以及撞壁次數(shù)作為活躍度 0087 具體是 設(shè)置 養(yǎng)魚(yú)池4中水的氨 氮濃度變化范圍為 0mg L 5mg L 0088 從養(yǎng)魚(yú)池4中水的氨氮濃度為0m g L開(kāi)始 每隔0 2m g改變一次氨氮濃度 直到水中 氨 氮濃度為 5mg L 0089 設(shè)置 養(yǎng)魚(yú)池4中水的硝酸態(tài) 氮濃度變化范圍為 0 100mg L 0090 從養(yǎng)魚(yú)池4中水的硝酸態(tài)氮濃度為0mg L開(kāi)始 每隔10mg改變一次硝酸態(tài)氮濃度 直到水中硝酸態(tài) 氮濃度為 10 0mg L 0091 采集在上述不同氮元素濃度條件下 養(yǎng)魚(yú)池4中魚(yú)類的運(yùn)動(dòng)速度 運(yùn)動(dòng) 距離以及撞 壁次數(shù)作為活躍度數(shù)據(jù) 0092 對(duì)所述活躍度數(shù)據(jù)和相應(yīng)的氮元 素含量劃分?jǐn)?shù)據(jù)集 劃分為 訓(xùn)練集和 測(cè)試集 0093 將所述訓(xùn)練集輸入混合模型的輸入端 對(duì)混合模型進(jìn)行訓(xùn)練 同時(shí)調(diào)整混合模型 參數(shù) 0094 當(dāng)所述混合模型達(dá)到精度要求時(shí) 得到訓(xùn)練好的最優(yōu)模型 保存最優(yōu)模型 當(dāng)所述 說(shuō) 明 書(shū) 5 6 頁(yè) 8 CN 113516635 A 混合模型沒(méi)有達(dá) 到精度要求時(shí) 繼續(xù)調(diào)整模型參數(shù) 直到得到最優(yōu) 模型 0095 所述混合模型為 基于卷積神經(jīng)網(wǎng)絡(luò) CN N 與長(zhǎng)短期內(nèi)存網(wǎng)絡(luò) LSTM 的混合模型 0096 所述卷積神經(jīng)網(wǎng)絡(luò)作為混合模型的上層模塊 包括 卷積層和池化層 0097 所述卷積層用于 提取輸入端數(shù)據(jù)的特 征 0098 所述池化層用于 對(duì)卷積層所提取的特征進(jìn)行下采樣 以精簡(jiǎn)模型參數(shù) 將池化層 的大小設(shè)置為1 可有助于避免模型 過(guò)擬合 0099 所述長(zhǎng)短期內(nèi)存網(wǎng)絡(luò)作為混合模型的下層模塊 0100 所述長(zhǎng)短期內(nèi)存網(wǎng)絡(luò)用于 對(duì)池化層下采樣的特征進(jìn)行學(xué)習(xí) 保 留有用信息 遺忘 無(wú)效信息 并將有用信息傳輸給全連接層 0101 所述全連接層用于 壓縮輸出層之前的數(shù)據(jù) 以減少 數(shù)據(jù)流的體量和輸出層的網(wǎng) 絡(luò)參數(shù) 并輸出 預(yù)測(cè)的氮元 素 結(jié)果 0102 第四步 將測(cè)試集輸入到訓(xùn)練好的最優(yōu) 模型中 得到水中氮元 素含量的預(yù)測(cè)值 0103 LSTM在預(yù)測(cè)數(shù)據(jù)方面具有獨(dú)特的優(yōu)勢(shì) 在長(zhǎng)期 時(shí)間序列預(yù)測(cè)中 LSTM可有效避免 梯度消失的問(wèn)題 因此選擇CNN與LSTM結(jié)合的混合模型預(yù)測(cè)魚(yú)類活躍度與水中氮元素含量 之間的關(guān)系 0104 本發(fā)明并不局限于前述的具體實(shí)施方式 本發(fā)明可擴(kuò)展到任何在本說(shuō)明書(shū)中展示 的新特 征或任何新的組合 以及展示的任一 新的方法或過(guò)程的步驟或任何新的組合 0105 本說(shuō)明書(shū)中未做詳細(xì)描述的內(nèi)容屬于 本領(lǐng)域?qū)I(yè) 技 術(shù)人員公知的現(xiàn)有技 術(shù) 說(shuō) 明 書(shū) 6 6 頁(yè) 9 CN 113516635 A 圖1 說(shuō) 明 書(shū) 附 圖 1 2 頁(yè) 10 CN 113516635 A 圖2 圖3 說(shuō) 明 書(shū) 附 圖 2 2 頁(yè) 11 CN 113516635 A