通過對魚群行為進行監(jiān)測可以為魚類健康和水體環(huán)境監(jiān)控與預警提供最直觀的信息,傳統(tǒng)漁業(yè)養(yǎng)殖主要依靠人工觀察加經驗判斷對魚群的異常行為進行監(jiān)測,主觀性強,準確度低。隨著人工智能、模式識別等技術的飛速發(fā)展,基于機器視覺的智能監(jiān)控正發(fā)展成為新興的應用方向。文章研究了一種基于機器視覺的魚群異常行為監(jiān)測方案,通過攝像機獲取魚群的運動視頻,利用機器視覺分析的方法實現(xiàn)對魚群運動目標的自動定位、識別和跟蹤,在此基礎上進一步分析出魚群的平均游動速度、加速度、高度等運動參數,通過參數值的顯著變化對魚群的異常行為進行自動化實時監(jiān)測,從而減少損失,提高養(yǎng)殖產量。 

【文章來源】：信息技術與信息化. 2020,(05)

【文章頁數】：3 頁

【部分圖文】：

實驗裝置結構圖

背景差分法的基本原理是首先選取背景圖像進行建模,然后將目標圖像幀的像素值與背景模型的像素值作差分運算,得到的差值結果即為運動目標的大致區(qū)域,最后經過閾值判斷,將差值的絕對值大于閾值的像素點視為目標物體。該方法特別適用于對靜止場景中的運動目標進行檢測。背景差分法的基本流程如圖2所示。假定目標圖像幀為Ik(x,y),背景模型為Bk(x,y),將目標圖像幀與背景模型相減可得差分圖像,設定閾值為T(可采用Otsu自適應分割算法來確定圖像分割閾值T),差分圖像中大于閾值T的像素點視為前景目標,小于閾值T的像素點視為背景圖像,最終可以得到二值化圖像Rk(x,y)。

【參考文獻】：
期刊論文
[1]基于圖像處理的魚群運動監(jiān)測方法研究[J]. 袁永明,施珮.  南方水產科學. 2018(05)
[2]基于智能視覺物聯(lián)網的水產養(yǎng)殖監(jiān)測系統(tǒng)[J]. 邢俊,李慶武,何飛佳,卞樂.  應用科技. 2017(05)
[3]農業(yè)部印發(fā)《全國漁業(yè)發(fā)展第十三個五年規(guī)劃》[J].   漁業(yè)致富指南. 2017(03)
[4]基于雙邊濾波的實時圖像去霧技術研究[J]. 孫抗,汪渤,周志強,鄭智輝.  北京理工大學學報. 2011(07)

碩士論文
[1]基于魚群跟蹤軌跡的生物水質預警方法研究[D]. 嚴升.西安郵電大學 2019
[2]基于計算機視覺的魚群行為檢測與結構特征研究[D]. 侯曉嬌.太原科技大學 2014



本文編號：3559112