专利名称：：浅水湖泊沉水植物自动识别技术及装置的制作方法
技术领域：
：本发明属于水生态监测领域，尤其涉及一种利用声纳探测浅水湖泊沉水植物，进行自动识别，并对识别数据自动存储和处理的技术和装置。
背景技术：
：国内外许多经验表明，河流湖泊水生植被的恢复是水体环境和生态综合整治的一个重要环节，河湖的富营养水平，与水生植物这一环节密切相关。对河流湖泊中沉水植物多度和分布进行监测的常规方法，通常是采取目测法、潜水测量法和遥感监测法。目测法常常受到水深、透明度、悬浮物浓度等水域环境的限制；潜水法不仅耗时，且受地理条件的限制观测覆盖范围小，同时对水体环境具有一定的破坏性；遥感监测法仅对大型沉水植物有一定适用性，对于中小型沉水植物难以分辨。检索发现了浮游植物自动识别的发明专利，申请号为200510042345.4，名称为海洋浮游植物自动识别方法及装置，公开号为CN1806501A，它将已知的海洋浮游植物的图形特征及其描述相对应，形成海洋浮游植物数据库，预先存储于计算机的存储器中，用数字显微镜采集待识别海洋浮游植物的图形特征，并传送到计算机，利用计算机将数字显微镜釆集的待识别海洋浮游植物图形特征和存储器中海洋浮游植物数据库中的已知海洋浮游植物图形特征进行逐一对比，当待识别海洋浮游植物图形特征和已知海洋浮游植物图形特征的吻合率达到规定值时，输出该己知海洋浮游植物的描述。申请号为200510043621.9，名称为赤潮浮游植物的快速鉴别和测定方法，公开号为CN1696663A，它将海洋浮游植物分离培养，在激发波长为200-600nm,发射波民为200-800nm范围内测量三维荧光光谱，密度归一化后，建立浮游植物荧光光谱原始谱库，然后利用主成分分析方法(奇异值分解)，消除千扰因素，提取浮游植物二维荧光光谱的木征特征，建立浮游植物荧光光谱特征谱谱库。以此谱库为基础，借助多元回归分析技术对奇异值分解后的浮游植物混合样品荧光光谱进行拆分，遍历特征谱库内不同物种间特征谱的所有组合，选择残差最小的组合所对应的回归系数作为拆分结果，由此给出所测样品中所含浮游植物的种类和数量。由此可见，可以通过利用信号采集设备探测浅水湖泊沉水植物，与特征数据库相匹配，进行自动识别，对于浅水湖泊生态系统管理具有非常重要的现实意义。
发明内容本发明针对当前浅水湖泊沉水植物识别技术的不足，提供了一种集成声纳探测、数码相机成像和信号数字处理的浅水湖泊沉水植物识别技术及装置，通过声纳探测和数码相机辅助成结合，综合两种信号采集设备的优点，创新多项技术环节，实现浅水湖泊沉水植物的自动监测，取代或改进传统的目测法、潜水测量法和遥感监测法，提高工作质量和效率。与现有技术相比本专利技术具有以下优点(1)沉睡植物识别准确度高，5米以内浅水湖泊沉水植物识别率达到70%以上，经过精确校核后识别率达到80%。(2)所发明装置易于移植，可以快速安装到普通渔船、旅游船只或载货船只等民用水上交通工具上面，不需要购置专门的船只；(3)沉水植物识别成本低，110112以上浅水湖泊沉水植物监测成本降低90%以上；(4)提高工作效率100倍以上。附图给出了本发明的装置图。其中1为声纳2为数码相机3为数据库4为信号处理系统具体实施例方式以下详细说明本发明的工作原理及装置构造首先将声纳、信号处理系统和辅助设备连接，各设备开机运行后采集经声纳采集数据，传输到信号处理系统进行信号的过滤、纠错、识别、分类，绘制所监测区域的沉水植物分布图。(1)装置各装置详细说明如下1)声纳装置声纳装置采用TES-4000型主动声纳，采用脉冲体制向沉水植物发射声波。声纳装置由基阵、电子机柜和辅助设备三部分组成。基阵采用收发合一基阵，由水声换能器以球形排列组合而成。电子机柜包括发射、接收、显示和控制等分系统。换能器是声纳中的重要器件，将声能与电能相互转换，用丁水下发射和接受声波。声纳信号通过传输线路传输到数据库和信号处理系统。2)数码相机数码相机采用SealifeDC500，550万像素CCD,3倍光学变焦镜头，4倍数码变焦。通过实时传输线路传输到数据库和信号处理系统。3)数据库数据库采用Microsoftofficeaccess2003建立，数据库分为系统数据库和样地数据库，系统数据库为本系统S身数据库，通过在浅水湖泊经过大量监测获得，样地数据库根据具体采样地点的实际训练样本获得。4)信号处理系统信息处理系统工作平台采用浪潮金刚IV防水笔记本电脑，操作系统采用WindowsXP，软件支持平台采用ERDASImagine,数据预处理采用自主开发的系统AquaSonar。声纳数据的识别和匹配采用人工神经网络，根据采集数据和数据库中数据的相似程度，识别沉水植物。5)辅助设备辅助设备包括GPS、电源设备、连接电缆、水下接线箱和增音机、声纳导流罩等。(2)信号处理本装置的核心是信号采集和信号处理，信号采集使用成熟声纳和数码相机设备，信号处理包括信号预处理、信号特征提取和人工神经网络识别，具体原理如下1)图像预处理图像预处理包括图像的去噪和增强。本发明图像去噪采用如下方法，设采集到的图像/0,力为7VxiV的列阵，去噪后的图像为g(x,;;),换算关系如下:gO，力^去I]/0,力(i)其中，S是0c，;;)点邻域中心点的坐标的集合，M是S内坐标点的总数。通过灰度修正实现图像的增强变换，设原图像的灰度范围为(x，;O，变换后的灰度范围为(w，")，其变换模型为y-x2(5)直方图的熵//为255》001og2jp(r)(5)c=0综合上述直方图，反映图像的纹理信息。3)人工神经网络识别本发明利用误差反向传播人工神经网络进行信号识别。神经元的激发函数为,")=7^7(5)设有尸个输入输出对(A，7;),(A:-1,2，…，尸)。I,的维数为M，7;的为数7V,网络的实际输出向量为OpM^为前一层第/个神经元输入到后一层第/个神经元的权值，《为神经元j'的阈值。具体步骤如下(D给权值w力.(O)和阈值0/0)赋小的随机初始值提供训练样本输入矢量^^和期望输出矢量7;①计算网络的实际输出及隐含层单元的状态④计算输出层训练误差；^,(l-oJ(^-oJ(7)计算隐含层训练误差^-。w(1-。jEt(8)修正权值和阈值w力("l),(,)+賊A,(9)《(/+1)=，+賊,(10)其中/为训练次数，7为学习速率。⑦当t每经历1至i5后，判断指标是否满足精度要求e为给定的精度指标。重复1到7步，知道精度满足要求。(11)(12)(13)实施例某北方浅水湖泊主要沉水植物如表1所示，利用本发明选取典型样点进行识别，识别结果如表1所示。表1某北方浅水湖泊主要沉水植物识别结果<table>tableseeoriginaldocumentpage6</column></row><table>权利要求1、一种浅水湖泊沉水植物自动识别技术及装置，其特征在于通过对声纳和数码相机采集的信号进行去噪、增强、特征提取和人工神经网络分类识别，实现对浅水湖泊沉水植物的自动分类，5米以内浅水湖泊沉水植物识别率达到70％以上，经过精确校核后识别率达到80％。全文摘要本发明针对传统浅水湖泊沉水植物识别和分类方法工作量大、有地理条件限制、效率低等缺点发明了一种利用声纳探测浅水湖泊沉水植物，进行自动识别和分类，并对分类数据自动存储和处理的技术和装置，具有成本低、识别效率高、适用范围广的特点，对于浅水湖泊生态系统管理具有非常重要的现实意义。文档编号G01S15/89GK101614819SQ200910162570公开日2009年12月30日申请日期2009年8月4日优先权日2009年8月4日发明者杨志峰,贺陈申请人:北京师范大学