基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法与流程

本发明涉及石斑鱼精准投饵及智能调控技术领域，具体涉及一种基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法。

背景技术：

循环水是目前国内外推广程度较高的一种新型的高密度养殖模式，该模式能在一定能程度上有效缓解由传统养殖模式所带来的挑战。然而在实际生产中，该种养殖模式下养殖对象的投喂福利却很难得到保障，极易造成养殖对象饥饿或过度饱食，对鱼肉品质带来影响。不仅如此，饲料成本占水产养殖成本的40％以上，直接影响企业养殖经济效益。传统投喂方法中的人工投喂费时费力，成本过高，且投喂效率低、稳定性较差；而机器定时定量投喂一定程度上解决人工投喂方式存在的成本高、投喂效率低、稳定性较差等问题，但人工根据经验预设的投喂时间和投喂量与养殖对象的实际采食需求差异较大，容易造成饲料投喂不足或过量，继而导致养殖对象生长效能降低、饲料浪费以及养殖水体污染。

近些年来，有研究人员将机器视觉技术应用到水产领域，为高效快速地查看水产养殖过程中存在的问题提供了新的思路，并取得了较好的进展。随着图像处理和光谱学等现代分析技术的不断创新和发展，鱼肉品质的检测正朝着快速、经济、准确、无损的方向发展。高光谱成像技术融合了传统的光谱技术(反映化学组成等)和图像技术(反映形态学特征)，不仅能同时捕捉到被测样品的光谱信息和图像信息，而且具有高分辨率、无需预处理、非破坏性、检测速度快、易于操作等特点，既弥补了传统光谱技术不能提供被测样品空间信息的不足，也打破了图像技术不能提供光谱信息的局限性。目前，高光谱成像技术已在水产品无损检测方面获得大量研究，并产生诸多成果。

综上所述，针对水产养殖中投饲机投饵范围固定、投饲不均匀、饲料利用率低等问题，研发基于水下成像以及高光谱技术的高密度水产养殖的智能投饲技术。

技术实现要素：

本发明提供一种基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法，基于水下机器人成像与高光谱鱼肉检测技术，建立养殖品饥饿识别模型，结合鱼群的运动规律及特点，判别投料最佳场所、数量及投料时间。

为实现上述的发明目的，本发明所采用的具体技术方案如下：

一种基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法，包括：

(1)获取鱼肉样本的光谱与高光谱图像，建立光谱数据与鱼肉内待测物质的相关性模型；

(2)改变饲料种类及投喂方式，利用高光谱检测鱼肉内待测物质的含量并建立含量与饲料种类及投喂方式的关系；

(3)选取最佳鱼肉品质所对应的饲料品种及投喂方式对养殖水产进行投喂。

作为优选的，所述的营养物质包括水分、蛋白质、脂肪、无机盐、矿物质和维生素。

作为优选的，采用可见/短波近红外400-1100nm和近红外900-1700nm获取鱼肉样本的光谱与高光谱图像。

作为优选的，提取样本图像的平均光谱并与其相应的待测物质含量化学值采用偏最小二乘回归和最小二乘支持向量机建立相关性模型。

作为优选的，采用基于竞争性自适应重加权算法分别在可见/短波近红外和近红外光谱区间提取16个和15个特征波长，并分别建立plsr和ls-svm模型；在选取最优模型用于预测物质含量。

作为优选的，利用水下成像采集鱼群图像，构建鱼群摄食行为的时空特征进行量化分析模型，同时结合递归神经网络和鱼群生理指标，评估鱼群整体饥饿程度。

作为优选的，通过高光谱获得的最佳饲料及投喂方式控制投喂装置对养殖对象进行投喂，并结合水下成像系统对养殖对象饥饿程度评估结果对养殖对象实时检测并实现对投喂装置的实时智能调控。

本发明中的基于高光谱技术的鱼肉品质模型，包括不同饵料的成分以及不同的投喂方式，高光谱检测鱼肉中营养物质含量进行检测并建模。

本发明中的养殖对象饥饿评估系统包括基于计算机视觉、图像处理和深度卷积神经网络技术，构建鱼群摄食行为的时空特征进行量化分析模型，同时结合递归神经网络和鱼群生理指标(肠胃饱满度、皮质醇、淀粉酶等)，建立适用于鱼群整体饥饿程度语义化的评估系统。

本发明在养殖对象饥饿程度评估系统的研究基础上，结合cfd模拟和力学分析技术，对投饲装置的各个机械部件(料仓、饲料传输部分、饲料投饲部分等)以及各个机械部件之间的衔接结构进行模拟和分析，基于养殖对象投喂福利智能调控投饲装置对鱼群进行投喂。

本发明利用高光谱技术实现鱼肉品质的快速、无损在线检测的要求，水下成像技术分析鱼群摄食行为并建立养殖对象饥饿程度评估系统，根据检测分析结果以及鱼肉饥饿程度来智能调控投饵机实现精准投饵，具有重要的科学研究价值和应用意义。

附图说明

图1为本实施例中石斑鱼精准投饵及调控方法的示意图；

图2为可见-近红外高光谱系统图；

图3为鱼肉样本的光谱曲线；

图4为不同脂肪含量的鱼肉成像图。

具体实施方式

下面结合实施例和附图来详细说明本发明，但本发明并不仅限于此。

本实施例中，基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法，整体结构见图1所示，包括以下内容：

采用的可见-近红外高光谱系统结构如图2所示，主要由光谱仪(imspectorv10e，specim，spectralimagingltd，芬兰)、线阵ccd相机(hamamatsu，日本)、镜头、卤素灯光源、步进电机控制的传送带、计算机等组成。

鱼肉中富含水分、蛋白质、脂肪、无机盐、矿物质和维生素等营养物质。鱼肉中化学组成成分的含量及分布不同时，对鱼肉的品质会产生一定的影响，比如其肌肉内的水分含量和分布会影响鱼肉的口感，脂肪含量的多少则与鱼肉的嫩度有关等，如图4所示。高光谱属于分子振动的倍频和合频光谱，与含氢基团如o-h、n-h、c-h等的倍频和合频的吸收区域一致，可通过提取光谱数据，分析样品中的含氢基团的特征信息，对被测样品化学成分进行定性和定量分析，不同的光谱波长所对应的生化基团见表1。

表1不同光谱波长对应的生化基团

采用可见/短波近红外(400-1100nm)和近红外(900-1700nm)系统获取鱼肉样本的光谱与高光谱图像，如图3所示。提取样本图像的平均光谱并与其相应的被测物质(水分，脂肪，蛋白质......)含量化学值采用偏最小二乘回归(partialleastsquaresregression，plsr)和最小二乘支持向量机(least-squaressupportvectormachines，ls-svm)建立相关性模型。为降低高光谱图像的共线性和冗余度,基于竞争性自适应重加权算法(competitiveadaptivereweightedsampling，cars)分别在可见/短波近红外和近红外光谱区间提取16个和15个特征波长，并分别建立plsr和ls-svm模型。最后，将最优模型用于预测物质含量。改变饲料种类及投喂方式后，利用高光谱检测待测物质的含量并建立含量与饲料种类及投喂方式的联系，选取最佳鱼肉品质所对应的饲料品种及投喂方法对养殖水产进行投喂。

养殖对象饥饿评估系统包括基于计算机视觉、图像处理和深度卷积神经网络技术，构建鱼群摄食行为的时空特征进行量化分析模型，同时结合递归神经网络和鱼群生理指标(肠胃饱满度、皮质醇、淀粉酶等)，建立适用于鱼群整体饥饿程度语义化的评估系统。

在养殖对象饥饿程度评估系统的研究基础上，结合cfd模拟和力学分析技术，对投饲装置的各个机械部件(料仓、饲料传输部分、饲料投饲部分等)以及各个机械部件之间的衔接结构进行模拟和分析，设计基于养殖对象投喂福利的智能投饲装置机械机构。针对不同粒径饲料，利用cfd模拟技术对投饲装置的饲料传输部分进行动态模拟和优化。

通过高光谱获得的最佳饲料及投喂方式控制投喂装置对养殖对象进行投喂，并结合水下成像系统对养殖对象饥饿程度评估结果对养殖对象实时检测并实现对投喂装置的实时智能调控。

以上所述仅为本发明的较佳实施举例，并不用于限制本发明，凡在本发明精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。