一种海洋经济物种的监测识别捕捞方法、系统及存储介质与流程

1.本发明涉及渔业捕捞技术领域，更具体的，涉及一种海洋经济物种的监测识别捕捞方法、系统及存储介质。


背景技术：

2.随着国家对海洋资源的日益重视，运用现代海洋信息技术，建立现代海洋产业体系已成为国家的重要举措之一，海洋经济物种的监测与识别，对水产养殖管理、水域环境监控、渔业资源研究等领域有着重要研究意义及价值。然而，受水下特殊成像环境的限制，水下图像存在对比度低、颜色失真、光照不均等质量退化现象，导致图像细节丢失，自动化分析困难；此外，鱼类形态各异，尺寸不一，种类繁多且差异细微，因此在渔业捕捞中针对特定海洋经济物种的识别和捕捞带来了严峻的挑战。
3.为了能够在目标海域内实现目标海洋经济物种的精准捕捞，需要开发一款系统与之配合进行实现，该系统通过获取目标海域水下环境监测视频流，根据水下环境监测视频流获取水下环境帧图像信息，将水下环境帧图像信息进行预处理；构建海洋生物识别模型，将预处理后水下环境帧图像信息导入所述海洋生物识别模型识别出图像中海洋经济物种，并获取海洋经济物种的主要生长阶段，估算目标区域内海洋经济物种的数量信息，根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划。在该系统的实现过程中如何对目标海洋经济物种进行识别是亟不可待需要解决的问题。


技术实现要素：

4.为了解决上述至少一个技术问题，本发明提出了一种海洋经济物种的监测识别捕捞方法、系统及可读存储介质。
5.本发明第一方面提供了一种海洋经济物种的监测识别捕捞方法，包括：
6.获取目标海域水下环境监测视频流，根据所述水下环境监测视频流获取水下环境帧图像信息，并将所述水下环境帧图像信息进行预处理；
7.构建海洋生物识别模型，将预处理后水下环境帧图像信息导入所述海洋生物识别模型，根据海洋生物模型的识别结果获取目标海洋经济物种；
8.获取目标海洋经济物种的主要生长阶段，同时估算目标区域内目标海洋经济物种的数量信息；
9.根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划。
10.本方案中，所述构建海洋生物识别模型，具体为：
11.基于mobilenet网络及yolov3网络并结合渔业声学技术构建海洋生物识别模型，通过mobilenet网络和渔业声学技术提取水下环境帧图像信息中不同尺度的特征图或特征数据；
12.将所述不同尺度的特征图或特征数据通过进行特征融合生成综合特征图或特征数据，将所述综合特征图或特征数据导入yolov3网络或人工智能算法进行先验框的预测，并将预测值与真实值进行对比，计算损失函数；
13.通过大数据获取海洋生物图像及标记数据，根据最小化损失函数进行海洋生物识别模型的训练；
14.通过训练后海洋生物识别模型生成水下环境帧图像信息中的带有海洋生物种类信息的标记框。
15.本方案中，所述的根据海洋生物识别模型的识别结果获取目标海洋经济物种，具体为：
16.获取目标海域的环境特征、水文特征及地理位置特征，根据所述环境特征、水文特征及地理位置特征生成目标海域特征序列；
17.根据所述目标海域特征序列通过大数据检索获取符合目标海域适生条件的海洋经济物种种类信息，通过所述海洋经济物种种类信息生成目标海洋经济物种列表；
18.将所述海洋生物识别模型的识别结果与所述目标海洋经济物种列表进行取交集处理，获取水下环境帧图像信息中含有的目标海洋经济物种种类信息。
19.本方案中，根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划，具体为：
20.获取预设时间内的水下环境帧图像信息时间序列，根据各时间点的水下环境帧图像信息中各种类海洋经济物种的数目估算预设区域内海洋经济物种的数量信息；
21.根据水下环境帧图像信息中目标海洋经济物种的轮廓信息及视差值获取目标海洋经济物种的的形态参数，根据同种类海洋经济物种的形态参数获取该种类海洋经济物种的主要生长阶段；
22.根据所述目标海洋经济物种种类信息预设对应的主要生长阶段及数量信息阈值，判断海洋经济物种的主要生长阶段是否大于预设主要生长阶段阈值；
23.若大于，则判断所述预设区域海洋经济物种的数量信息是否大于预设数量信息阈值；
24.若大于，则根据目标海域内预设区域的位置信息及目标海域的气象信息生成捕捞路线及捕捞计划。
25.本方案中，所述的根据目标海域内预设区域的位置信息及目标海域的气象信息生成捕捞路线及捕捞计划，具体为：
26.获取目标海域内预设区域的位置信息及环境特征、水文特征，根据所述环境特征及水文特征构建预设区域的特征序列；
27.在目标海域范围内搜寻与预设区域的特征序列相似度处于预设相似度预设范围的其他区域，并将所述其他区域作为候选捕捞区域；
28.根据所述预设区域的位置信息及候选捕捞区域的位置信息生成捕捞路线，当预设区域的渔获量小于预设渔获量阈值时，则进入候选捕捞区域进行捕捞；
29.同时获取目标海域各区域的气象信息，根据所述气象信息对捕捞区域进行修正，根据修正后的捕捞区域制定捕捞计划。
30.本方案中，还包括：
31.通过所述目标海域水下环境监测视频流对目标区域的海洋生物的运动行为进行监测；
32.获取预设时间内各水下环境帧图像信息中目标海洋生物的标记框，将连续两帧水下环境帧图像信息中的标记框进行关联度计算；
33.当所述关联度大于预设关联度阈值时，则根据连续两帧水下环境帧图像信息中的标记框生成轨迹段，根据所述轨迹段获取预设时间内目标海洋生物的轨迹信息；
34.构建海洋生物轨迹识别模型并进行初始化训练，提取目标海洋生物的轨迹信息的轨迹特征，根据所述轨迹特征基于生物轨迹识别模型获取海洋生物的异常运动行为；
35.根据所述异常运动行为分析海洋生物的活跃程度，根据季节及时段预设不同活跃程度阈值，当所述活跃程度大于活跃程度阈值，则生成目标海域水质预警信息。
36.本发明第二方面还提供了一种海洋经济物种的监测识别捕捞系统，该系统包括：存储器、处理器，所述存储器中包括一种海洋经济物种的监测识别捕捞方法程序，所述一种海洋经济物种的监测识别捕捞方法程序被所述处理器执行时实现如下步骤：
37.获取目标海域水下环境监测视频流，根据所述水下环境监测视频流获取水下环境帧图像信息，并将所述水下环境帧图像信息进行预处理；
38.构建海洋生物识别模型，将预处理后水下环境帧图像信息导入所述海洋生物识别模型，根据海洋生物模型的识别结果获取目标海洋经济物种；
39.获取目标海洋经济物种的主要生长阶段，同时估算目标区域内目标海洋经济物种的数量信息；
40.根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划。
41.本方案中，所述构建海洋生物识别模型，具体为：
42.基于mobilenet网络及yolov3网络并结合渔业声学技术构建海洋生物识别模型，通过mobilenet网络和渔业声学技术提取水下环境帧图像信息中不同尺度的特征图或特征数据；
43.将所述不同尺度的特征图或特征数据通过进行特征融合生成综合特征图或特征数据，将所述综合特征图或特征数据导入yolov3网络或人工智能算法进行先验框的预测，并将预测值与真实值进行对比，计算损失函数；
44.通过大数据获取海洋生物图像及标记数据，根据最小化损失函数进行海洋生物识别模型的训练；
45.通过训练后海洋生物识别模型生成水下环境帧图像信息中的带有海洋生物种类信息的标记框。
46.本方案中，所述的根据海洋生物识别模型的识别结果获取目标海洋经济物种，具体为：
47.获取目标海域的环境特征、水文特征及地理位置特征，根据所述环境特征、水文特征及地理位置特征生成目标海域特征序列；
48.根据所述目标海域特征序列通过大数据检索获取符合目标海域适生条件的海洋经济物种种类信息，通过所述海洋经济物种种类信息生成目标海洋经济物种列表；
49.将所述海洋生物识别模型的识别结果与所述目标海洋经济物种列表进行取交集
处理，获取水下环境帧图像信息中含有的目标海洋经济物种种类信息。
50.本方案中，根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划，具体为：
51.获取预设时间内的水下环境帧图像信息时间序列，根据各时间点的水下环境帧图像信息中各种类海洋经济物种的数目估算预设区域内海洋经济物种的数量信息；
52.根据水下环境帧图像信息中目标海洋经济物种的轮廓信息及视差值获取目标海洋经济物种的的形态参数，根据同种类海洋经济物种的形态参数获取该种类海洋经济物种的主要生长阶段；
53.根据所述目标海洋经济物种种类信息预设对应的主要生长阶段及数量信息阈值，判断海洋经济物种的主要生长阶段是否大于预设主要生长阶段阈值；
54.若大于，则判断所述预设区域海洋经济物种的数量信息是否大于预设数量信息阈值；
55.若大于，则根据目标海域内预设区域的位置信息及目标海域的气象信息生成捕捞路线及捕捞计划。
56.本方案中，所述的根据目标海域内预设区域的位置信息及目标海域的气象信息生成捕捞路线及捕捞计划，具体为：
57.获取目标海域内预设区域的位置信息及环境特征、水文特征，根据所述环境特征及水文特征构建预设区域的特征序列；
58.在目标海域范围内搜寻与预设区域的特征序列相似度处于预设相似度预设范围的其他区域，并将所述其他区域作为候选捕捞区域；
59.根据所述预设区域的位置信息及候选捕捞区域的位置信息生成捕捞路线，当预设区域的渔获量小于预设渔获量阈值时，则进入候选捕捞区域进行捕捞；
60.同时获取目标海域各区域的气象信息，根据所述气象信息对捕捞区域进行修正，根据修正后的捕捞区域制定捕捞计划。
61.本方案中，还包括：
62.通过所述目标海域水下环境监测视频流对目标区域的海洋生物的运动行为进行监测；
63.获取预设时间内各水下环境帧图像信息中目标海洋生物的标记框，将连续两帧水下环境帧图像信息中的标记框进行关联度计算；
64.当所述关联度大于预设关联度阈值时，则根据连续两帧水下环境帧图像信息中的标记框生成轨迹段，根据所述轨迹段获取预设时间内目标海洋生物的轨迹信息；
65.构建海洋生物轨迹识别模型并进行初始化训练，提取目标海洋生物的轨迹信息的轨迹特征，根据所述轨迹特征基于生物轨迹识别模型获取海洋生物的异常运动行为；
66.根据所述异常运动行为分析海洋生物的活跃程度，根据季节及时段预设不同活跃程度阈值，当所述活跃程度大于活跃程度阈值，则生成目标海域水质预警信息。
67.本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种海洋经济物种的监测识别捕捞方法程序，所述一种海洋经济物种的监测识别捕捞方法程序被处理器执行时，实现如上述任一项所述的一种海洋经济物种的监测识别捕捞方法的步骤。
68.本发明公开了一种海洋经济物种的监测识别捕捞方法、系统及存储介质，涉及渔业捕捞技术领域，包括：获取目标海域水下环境监测视频流，根据所述水下环境监测视频流获取水下环境帧图像信息，并将所述水下环境帧图像信息进行预处理；构建海洋生物识别模型，将预处理后水下环境帧图像信息导入所述海洋生物识别模型识别出图像中海洋经济物种，并获取海洋经济物种的主要生长阶段，估算目标区域内海洋经济物种的数量信息，根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划。本发明实现了目标海域内海洋经济物种的智能化检测识别，保证了识别精度，有利于海洋经济物种的精准捕捞。
附图说明
69.图1示出了本发明一种海洋经济物种的监测识别捕捞方法的流程图；
70.图2示出了本发明一种海洋经济物种的监测识别捕捞系统的框图。
具体实施方式
71.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
72.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
73.图1示出了本发明一种海洋经济物种的监测识别捕捞方法的流程图。
74.如图1所示，本发明第一方面提供了一种海洋经济物种的监测识别捕捞方法，包括：
75.s102，获取目标海域水下环境监测视频流，根据所述水下环境监测视频流获取水下环境帧图像信息，并将所述水下环境帧图像信息进行预处理；
76.s104，构建海洋生物识别模型，将预处理后水下环境帧图像信息导入所述海洋生物识别模型，根据海洋生物模型的识别结果获取目标海洋经济物种；
77.s106，获取目标海洋经济物种的主要生长阶段，同时估算目标区域内目标海洋经济物种的数量信息；
78.s108，根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划。
79.需要说明的是，所述目标海域水下环境监测视频流可通过目标海域内分布式部署的感知设备进行获取，将水下环境帧图像信息通过暗通道先验算法及阈值图像分割进行颜色及对比度等方面的图像增强，提高水下环境帧图像信息的对比度、去除模糊及噪音，改善水下图像质量；
80.根据所述所述构建海洋生物识别模型，具体为：基于mobilenet网络及yolov3网络并结合渔业声学技术构建海洋生物识别模型，通过mobilenet网络和渔业声学技术提取水下环境帧图像信息中不同尺度的的特征图或特征数据；将所述不同尺度的特征图或特征数据通过进行特征融合生成综合特征图或特征数据，将所述综合特征图或特征数据导入
yolov3网络或人工智能算法进行先验框的预测，并将预测值与真实值进行对比，计算损失函数；通过大数据获取海洋生物图像及标记数据，根据最小化损失函数进行海洋生物识别模型的训练，其中海洋生物识别模型的训练采用随机梯度下降的方法，预设初始学习率，训练至损失函数趋于稳定；将待检测水下环境帧图像信息输入训练好海洋生物识别模型，提取其特征，通过自适应特征融合模块对不同尺度的特征进行融合，得到融合特征，对融合特征进行位置和分类预测，通过非极大抑制算法去除掉冗余的先验框，生成水下环境帧图像信息中的带有海洋生物种类信息的标记框。
81.需要说明的是，所述的根据海洋生物识别模型的识别结果获取目标海洋经济物种，具体为：获取目标海域的环境特征、水文特征及地理位置特征，根据所述环境特征、水文特征及地理位置特征生成目标海域特征序列；根据所述目标海域特征序列通过大数据检索获取符合目标海域适生条件的海洋经济物种种类信息，通过所述海洋经济物种种类信息生成目标海洋经济物种列表；将所述海洋生物识别模型的识别结果与所述目标海洋经济物种列表进行取交集处理，获取水下环境帧图像信息中含有的目标海洋经济物种种类信息。
82.需要说明的是，根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划，具体为：获取预设时间内的水下环境帧图像信息时间序列，根据各时间点的水下环境帧图像信息中各种类海洋经济物种的数目估算预设区域内海洋经济物种的数量信息；根据水下环境帧图像信息中目标海洋经济物种的轮廓信息及视差值获取目标海洋经济物种的的形态参数，根据同种类海洋经济物种的形态参数获取该种类海洋经济物种的主要生长阶段；根据所述目标海洋经济物种种类信息及经济价值预设对应的主要生长阶段及数量信息阈值，判断海洋经济物种的主要生长阶段是否大于预设主要生长阶段阈值；若大于，则判断所述预设区域海洋经济物种的数量信息是否大于预设数量信息阈值；若大于，则根据目标海域内预设区域的位置信息及目标海域的气象信息生成捕捞路线及捕捞计划。
83.需要说明的是，所述的根据目标海域内预设区域的位置信息及目标海域的气象信息生成捕捞路线及捕捞计划，具体为：获取目标海域内预设区域的位置信息及环境特征、水文特征，根据所述环境特征及水文特征构建预设区域的特征序列；在目标海域范围内搜寻与预设区域的特征序列相似度处于预设相似度预设范围的其他区域，并将所述其他区域作为候选捕捞区域；根据所述预设区域的位置信息及候选捕捞区域的位置信息生成捕捞路线，根据所述捕捞路线优先在预设区域进行捕捞，当预设区域的渔获量小于预设渔获量阈值时，则进入候选捕捞区域进行捕捞；在制定捕捞路线的同时获取目标海域各区域的气象信息，通过气象信息判断是否适合进行捕捞活动，并根据所述气象信息对捕捞区域进行修正，根据修正后的捕捞区域制定捕捞计划。
84.需要说明的是，本发明还包括，获取目标区域内海洋生物的经异常运动行为，生成目标区域水质预警，具体为
85.通过所述目标海域水下环境监测视频流对目标区域的海洋生物的运动行为进行监测；获取预设时间内各水下环境帧图像信息中目标海洋生物的标记框，将连续两帧水下环境帧图像信息中的标记框进行关联度计算，由于目标海洋生物的运动连续性，则根据前后两帧图像信息中的标记框的重合程度及标记框中心点距离值作为关联度的判断标准，当所述关联度大于预设关联度阈值时，则根据连续两帧水下环境帧图像信息中的标记框生成
轨迹段，根据所述轨迹段获取预设时间内目标海洋生物的轨迹信息；基于决策树、循环神经网络等方法构建海洋生物轨迹识别模型并通过fish4knowledge数据集进行初始化训练，提取目标海洋生物的轨迹信息的轨迹特征，根据所述轨迹特征基于生物轨迹识别模型获取海洋生物的异常运动行为；根据所述异常运动行为分析海洋生物的活跃程度，由于海洋生物在遇到水质环境突变的情况下，通常会出现应激反应，如游速增加、浮头等行为，根据季节及时段预设不同活跃程度阈值，当所述活跃程度大于活跃程度阈值，则生成目标海域水质预警信息。
86.图2示出了本发明一种海洋经济物种的监测识别捕捞系统的框图。
87.本发明第二方面还提供了一种海洋经济物种的监测识别捕捞系统，该系统包括：存储器、处理器，所述存储器中包括一种海洋经济物种的监测识别捕捞方法程序，所述一种海洋经济物种的监测识别捕捞方法程序被所述处理器执行时实现如下步骤：
88.获取目标海域水下环境监测视频流，根据所述水下环境监测视频流获取水下环境帧图像信息，并将所述水下环境帧图像信息进行预处理；
89.构建海洋生物识别模型，将预处理后水下环境帧图像信息导入所述海洋生物识别模型，根据海洋生物模型的识别结果获取目标海洋经济物种；
90.获取目标海洋经济物种的主要生长阶段，同时估算目标区域内目标海洋经济物种的数量信息；
91.根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划。
92.需要说明的是，所述目标海域水下环境监测视频流可通过目标海域内分布式部署的感知设备进行获取，将水下环境帧图像信息通过暗通道先验算法及阈值图像分割进行颜色及对比度等方面的图像增强，提高水下环境帧图像信息的对比度、去除模糊及噪音，改善水下图像质量；
93.根据所述所述构建海洋生物识别模型，具体为：基于mobilenet网络及yolov3网络并结合渔业声学技术构建海洋生物识别模型，通过mobilenet网络和渔业声学技术提取水下环境帧图像信息中不同尺度的的特征图或特征数据；将所述不同尺度的特征图或特征数据通过进行特征融合生成综合特征图或特征数据，将所述综合特征图或特征数据导入yolov3网络或人工智能算法进行先验框的预测，并将预测值与真实值进行对比，计算损失函数；通过大数据获取海洋生物图像及标记数据，根据最小化损失函数进行海洋生物识别模型的训练，其中海洋生物识别模型的训练采用随机梯度下降的方法，预设初始学习率，训练至损失函数趋于稳定；将待检测水下环境帧图像信息输入训练好海洋生物识别模型，提取其特征，通过自适应特征融合模块对不同尺度的特征进行融合，得到融合特征，对融合特征进行位置和分类预测，通过非极大抑制算法去除掉冗余的先验框，生成水下环境帧图像信息中的带有海洋生物种类信息的标记框。
94.需要说明的是，所述的根据海洋生物识别模型的识别结果获取目标海洋经济物种，具体为：获取目标海域的环境特征、水文特征及地理位置特征，根据所述环境特征、水文特征及地理位置特征生成目标海域特征序列；根据所述目标海域特征序列通过大数据检索获取符合目标海域适生条件的海洋经济物种种类信息，通过所述海洋经济物种种类信息生成目标海洋经济物种列表；将所述海洋生物识别模型的识别结果与所述目标海洋经济物种
列表进行取交集处理，获取水下环境帧图像信息中含有的目标海洋经济物种种类信息。
95.需要说明的是，根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划，具体为：获取预设时间内的水下环境帧图像信息时间序列，根据各时间点的水下环境帧图像信息中各种类海洋经济物种的数目估算预设区域内海洋经济物种的数量信息；根据水下环境帧图像信息中目标海洋经济物种的轮廓信息及视差值获取目标海洋经济物种的的形态参数，根据同种类海洋经济物种的形态参数获取该种类海洋经济物种的主要生长阶段；根据所述目标海洋经济物种种类信息及经济价值预设对应的主要生长阶段及数量信息阈值，判断海洋经济物种的主要生长阶段是否大于预设主要生长阶段阈值；若大于，则判断所述预设区域海洋经济物种的数量信息是否大于预设数量信息阈值；若大于，则根据目标海域内预设区域的位置信息及目标海域的气象信息生成捕捞路线及捕捞计划。
96.需要说明的是，所述的根据目标海域内预设区域的位置信息及目标海域的气象信息生成捕捞路线及捕捞计划，具体为：获取目标海域内预设区域的位置信息及环境特征、水文特征，根据所述环境特征及水文特征构建预设区域的特征序列；在目标海域范围内搜寻与预设区域的特征序列相似度处于预设相似度预设范围的其他区域，并将所述其他区域作为候选捕捞区域；根据所述预设区域的位置信息及候选捕捞区域的位置信息生成捕捞路线，根据所述捕捞路线优先在预设区域进行捕捞，当预设区域的渔获量小于预设渔获量阈值时，则进入候选捕捞区域进行捕捞；在制定捕捞路线的同时获取目标海域各区域的气象信息，通过气象信息判断是否适合进行捕捞活动，并根据所述气象信息对捕捞区域进行修正，根据修正后的捕捞区域制定捕捞计划。
97.需要说明的是，本发明还包括，获取目标区域内海洋生物的经异常运动行为，生成目标区域水质预警，具体为
98.通过所述目标海域水下环境监测视频流对目标区域的海洋生物的运动行为进行监测；获取预设时间内各水下环境帧图像信息中目标海洋生物的标记框，将连续两帧水下环境帧图像信息中的标记框进行关联度计算，由于目标海洋生物的运动连续性，则根据前后两帧图像信息中的标记框的重合程度及标记框中心点距离值作为关联度的判断标准，当所述关联度大于预设关联度阈值时，则根据连续两帧水下环境帧图像信息中的标记框生成轨迹段，根据所述轨迹段获取预设时间内目标海洋生物的轨迹信息；基于决策树、循环神经网络等方法构建海洋生物轨迹识别模型并通过fish4knowledge数据集进行初始化训练，提取目标海洋生物的轨迹信息的轨迹特征，根据所述轨迹特征基于生物轨迹识别模型获取海洋生物的异常运动行为；根据所述异常运动行为分析海洋生物的活跃程度，由于海洋生物在遇到水质环境突变的情况下，通常会出现应激反应，如游速增加、浮头等行为，根据季节及时段预设不同活跃程度阈值，当所述活跃程度大于活跃程度阈值，则生成目标海域水质预警信息。
99.本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种海洋经济物种的监测识别捕捞方法程序，所述一种海洋经济物种的监测识别捕捞方法程序被处理器执行时，实现如上述任一项所述的一种海洋经济物种的监测识别捕捞方法的步骤。
100.本发明公开了一种海洋经济物种的监测识别捕捞方法、系统及存储介质，涉及渔
业捕捞技术领域，包括：获取目标海域水下环境监测视频流，根据所述水下环境监测视频流获取水下环境帧图像信息，并将所述水下环境帧图像信息进行预处理；构建海洋生物识别模型，将预处理后水下环境帧图像信息导入所述海洋生物识别模型识别出图像中海洋经济物种，并获取海洋经济物种的主要生长阶段，估算目标区域内海洋经济物种的数量信息，根据所述主要生长阶段及数量信息判断是否能够捕捞，并根据判断结果生成捕捞路线及捕捞计划。本发明实现了目标海域内海洋经济物种的智能化检测识别，保证了识别精度，有利于海洋经济物种的精准捕捞。
101.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
102.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
103.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
104.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
105.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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计算机设备(可以是个人计算机、服务器、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。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
106.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。