本发明涉及一种动物密度调查方法,具体涉及一种水生动物密度调查方法。
背景技术:
水生生物的密度调查有助于对水生生物种群的研究,以及种群密度得到合理的调整,能够最大化的利用养殖空间,增加养殖产量,普通的鱼种密度调查方法使用传统的随机区域捕捞,或目测来计算鱼种密度,这种方法误差太大,无法获得准确的鱼种密度。
技术实现要素:
本发明所要解决的技术问题是:普通的鱼种密度调查方法使用传统的随机区域捕捞,或目测来计算鱼种密度,这种方法误差太大,无法获得准确的鱼种密度,本发明提供了解决上述问题的一种水生动物密度调查方法。
本发明通过下述技术方案实现:
一种水生动物密度调查方法,包括以下步骤:
s1,将待测的水域进行区域划分;
s2,在每个区域中部使用360度潜水相机潜入水中进行拍照;
s3,使用图像识别系统识别出要调查的鱼种并将每个区域鱼种数量进行统计;
s4,重复步骤s1~s3,直到求出的数量值趋于稳定。
通过使用360度潜水相机对其水域水中的生物进行拍照,再使用图像识别技术对要调查的鱼种进行图像识别分析,得出相应的鱼种数量,根据水域大小便可得到鱼种密度,获取水下照片时,可以同时使用多个360度潜水相机同时对每个区域进行图像采集,这样可以避免生物运动导致数量统计不准确的效果,通过图像识别对所调查的生物进形全数统计,其统计结果精准度高。
进一步的,步骤s1中将待测水域进行区域划分是以相机在水下的能见度距离值为半径的圆形区域。通过区域划分半径为相机能见度距离范围内,避免有盲区。
进一步的,360度潜水相机包括五个独立相机,所述五个独立相机视角分别是水平朝向东、南、西、北的相机以及视角向下的相机;所述五个独立相机都是防水相机。各个方向使用独立相机获取图片,避免普通靠屈光镜头获取的图片产生畸变从而识别不精准的效果。
进一步的,360度潜水相机的五个独立相机都配置有独立的补光灯。通过设置补光灯使得能见度更高,图像更加清晰,方便识别。
进一步的,图像识别系统是基于神经网络的图像识别系统;包括以下步骤,选取要调查的鱼种图片作为神经网络的图像识别系统的训练标准,训练集合得到深度学习的神经网络,然后再将拍摄到的图片进行识别。
本发明具有如下的优点和有益效果:
1、本发明通过使用360度潜水相机对其水域水中的生物进行拍照,再使用图像识别技术对要调查的鱼种进行图像识别分析,得出相应的鱼种数量,根据水域大小便可得到鱼种密度,获取水下照片时,可以同时使用多个360度潜水相机同时对每个区域进行图像采集,这样可以避免生物运动导致数量统计不准确的效果,通过图像识别对所调查的生物进形全数统计,其统计结果精准度高;
2、本发明通过区域划分半径为相机能见度距离范围内,避免有盲区;
3、本发明各个方向使用独立相机获取图片,避免普通靠屈光镜头获取的图片产生畸变从而识别不精准的效果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
一种水生动物密度调查方法,包括以下步骤:
s1,将待测的水域进行区域划分;
s2,在每个区域中部使用360度潜水相机潜入水中进行拍照;
s3,使用图像识别系统识别出要调查的鱼种并将每个区域鱼种数量进行统计;
s4,重复步骤s1~s3,直到求出的数量值趋于稳定。
实施时,步骤s1中将待测水域进行区域划分是以相机在水下的能见度距离值为半径的圆形区域,360度潜水相机包括五个独立相机,所述五个独立相机视角分别是水平朝向东、南、西、北的相机以及视角向下的相机;所述五个独立相机都是防水相机,360度潜水相机的五个独立相机都配置有独立的补光灯,图像识别系统是基于神经网络的图像识别系统;包括以下步骤,选取要调查的鱼种图片作为神经网络的图像识别系统的训练标准,训练集合得到深度学习的神经网络,然后再将拍摄到的图片进行识别。操作过程中,该方法适用于有一定能见的水域生物的调查,应选在白天天气晴朗的,光照强度高的时候进行图像采集。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。