一种智能养殖系统的数据远程共享方法及装置与流程

本发明涉及智慧养殖，尤其涉及一种智能养殖系统的数据远程共享方法及装置。

背景技术：

1、在养殖领域，越来越多的人意识到养殖检测的重要性，并对智能化养殖检测所面临的困难提出了各种方法进行解决。例如：传统的水产检测方法主要有以下两种：利用声呐系统收集水下图像并对图像中水产目标进行识别，该方法具有一定的抗干扰能力，但在真实养殖场景下，通过声呐系统拍摄的图像分辨率不高、语义信息不准确，导致水下水产目标检测准确率较低；另外，通过图像中水产的轮廓特征评估一个阈值对鱼群进行检测，该方法的检测准确率较高，但需要有经验的专家总结有效的水产特征，检测效果依赖于专家的经验，随着水产种类和数量的增多，难免在智能养殖系统上的数据出现遗漏，从而影响了系统的数据可用性。

技术实现思路

1、有鉴于此，本发明提供了一种提高养殖图像采集的准确性和系统数据的完整性的智能养殖系统的数据远程共享方法及装置，来解决上述存在的技术问题，具体采用以下技术方案。

2、第一方面，本发明提供了一种智能养殖系统的数据远程共享方法，包括以下步骤：

3、获取拍摄的养殖图像并对养殖图像进行图像预处理得到图像数据，其中，图像预处理包括图像增强和图像修复，养殖图像包括水产、家禽和牲畜养殖图像；

4、对图像进行特征提取图像中养殖的特征，并将图像划分为多个网格完成图像中养殖的检测得到分类结果，其中，每个网格默认输出预测三个边界框；

5、将分类结果发送至智能养殖系统中进行数据相似度度量以构建异源数据集，其中，数据相似度度量包括数值型数据相似度度量、语义型数据相似度度量和共享相似度度量；

6、对异源数据集的相似性进行共享特征选择以构建共享数据集，其中，共享特征选择包括保留异源相似完整数据集中与缺失数据集相似性的属性维度作为可共享完整数据集、确定缺失数据集中不需要填充的数据集和需要填充的数据集以及用来填充的相似完整数据集。

7、作为上述技术方案的进一步优选，对异源数据集的相似性进行共享特征选择以构建共享数据集，包括：

8、从异源相似完整数据集中找到与缺失数据集中缺失对象最相似的完整对象，采用相似的异源完整对象对缺失独享加以填补完整，具体的填补过程包括：

9、将缺失性数据集l＝(u,a,v,f)和异源相似完整数据集z＝(r,b,m,f)作为输入、填充后数据集l'＝(u,a,v,f)，对收集的数据集进行数据预处理，对所有数值型数据进行归一化处理；

10、度量两个数据集各维度间的相似性并进行共享特征选择，即保留异源相似完整数据集中与缺失数据集相似的属性维度作为可共享完整数据集r'以组成共享数据集；

11、确定缺失数据集u中不需要填充的数据集uf，需要填充的数据集up和用于填充的相似完整数据集r'，并根据智能养殖系统建立各自的数据矩阵，设立缺失数据集合up有n个对象和m个属性，用来填充的完整数据集r'有h个对象和m个属性，将所有缺失数据采用*标记，则和

12、计算在异源相似完整数据集r'中与缺失对象i相似度最高的完整对象j，第所有的缺失数据对象采用表达式为填补得到完整的数据，其中表示对象j将属性q填充给相似对象i的属性q，以此类推把每个缺失对象填充完整，将填充好的数据集u'p和未填充数据集ut合并得到完整的数据集l'＝(u,a,v,f)。

13、作为上述技术方案的进一步优选，将水产分类结果发送至智能养殖系统中进行数据相似度度量以构建异源数据集，包括：

14、采用标准化欧氏距离的表达式为对数值型属性进行相似度度量，其中，m表示样本均值，s表示样本标准差，即标准化后的值＝(标准化前的值-分量的均值)/分量的标准差，标准化各维度数据的表达式为其中表示缺失数据集中n个缺失对象在属性m下的均值，表示相似完整数据集中缺失对象在属性m下的标准差，表示相似性完整数据集中l个相似完整对象在属性m下的标准差，f'(xi-am)表示缺失数据对象i在m属性值上的标准化结果，f'(yi-am)表示相似性完整数据对象j在m属性值上的标准化结果，标准化后的距离表达式为其中d(n,l)表示对象n和l间的局部欧式距离，且缺失对象中的缺失属性不参与它们之间的距离计算。

15、作为上述技术方案的进一步优选，采用本体的概念对两个相似度数据集的多源数据加以描述，使用表达式为其中p(c)、p(cn)和p(cl)分别表示位于本体对象n中其子孙数目的占有率；

16、采用混合相似度度量算法对两个数据对象进行数值属性与语义属性的综合计算，先使用标准化欧式距离计算共享数据集各维度数值型属性值的相似性，对语义属性进行相似度判断得到混合相似度，对应的表达式为d(n,l)＝d(n,l)+(1-a)sim(cn,cl)，其中d(n,l)和sim(cn,cl)分别由获得，0≤a≤1，用来衡量数值属性和语义属性在共享数据集相似性度量中所占的比重，p(c)＝count/sum，count表示概念c的子孙数目，sum表示该概念本体包含的所有概念数目，则-logp(c)表示概念c所拥有的信息量，s(ci,cj)表示包含ci和cj的祖先节点的概念集合。

17、作为上述技术方案的进一步优选，对图像进行特征提取图像中养殖的特征，并将图像划分为多个网格完成图像中养殖的检测得到分类结果，包括：

18、采用yolov5提取养殖图像中的特征，将养殖图像划分为76*76、38*38和19*19网格以预测不同大小的目标，目标中心所在的网格用于完成水下图像中水产的检测，边框对应位置的信息(x,y,w,b)和边界框conf(obj)精度的置信度信息的表达式为和conf(obj)＝pr(obj)×iou，其中pr(obj)表示是否有养殖目标落入该网格中，1表示是，0表示否，iou表示预测边界框与真实边界框的交并比，box(prd)表示预测边界框，box(trh)表示真实边界框，每个边界框包含4个参数，其中(x,y)表示预测边界中心距离真实边界框中心的偏移量，(w,h)表示预测边界框的宽度和高度。

19、作为上述技术方案的进一步优选，采用峰值信噪比psnr和结构相似度ssim作为评估标准，psnr是根据输入和输出图像对应像素点的误差来评估算法对图像修复的程度，ssim通过输入和输出图像对应的亮度、对比度和结构来评估图像的相似程度，psnr和ssim的表达式为ssim(il,iout)＝l(il,iout)·c(il,iout)·s(il,iout)，其中mse表示最终修复图像iout与背景层图像il的均方误差，l。c和s分别表示最终修复图像iout和背景层图像il的亮度、对比度和结构。

20、作为上述技术方案的进一步优选，获取拍摄的养殖图像并对养殖图像进行图像预处理得到图像数据，包括：

21、采用直方图均衡消除图像三要素中色调和饱和度信息，根据表达式为f＝0.2990×r+0.5870×g+0.1440×b对水下彩色水产图像进行灰度变换得到灰度图像f，其中r、g和b表示彩色图像各颜色空间的值。

22、作为上述技术方案的进一步优选，水下图像修复过程包括：

23、从水下图像中的模糊区域选取背景光估计，基于背景光估计得到景深图和透射率传播图估计以实现水下图像的场景目标复原。

24、作为上述技术方案的进一步优选，将模糊图像使用响应函数的估计逆值对图像进行线性化，应用伽马校正产生的数据作为输入传递给不同编码器；

25、编码器提取模糊图像的水产特征信息，将不同编码器提取的特征信息进行合并，将合并的特征信息输入至解码器端，每一个编码器提取的特征信息采用跳跃连接的方式输入至解码器端，通过编码器和跳跃连接将不同像素的语义信息映射到解码器使解码器融合相同尺度和不同尺度的特征信息得出所有像素点的特征图，将所得特征图送入色调映射器的映射网络得到清晰水产图像。

26、第二方面，本发明还提供了一种智能养殖系统的数据远程共享装置，包括：

27、数据获取模块，获取拍摄的养殖图像并对养殖图像进行图像预处理得到图像数据，其中，图像预处理包括图像增强和图像修复，养殖图像包括水产、家禽和牲畜养殖图像；

28、图像检测模块，用于对图像进行特征提取图像中养殖的特征，并将图像划分为多个网格完成图像中养殖的检测得到分类结果，其中，每个网格默认输出预测三个边界框；

29、构建模块，用于将分类结果发送至智能养殖系统中进行数据相似度度量以构建异源数据集，其中，数据相似度度量包括数值型数据相似度度量、语义型数据相似度度量和共享相似度度量；

30、填充模块，用于对异源数据集的相似性进行共享特征选择以构建共享数据集，其中，共享特征选择包括保留异源相似完整数据集中与缺失数据集相似性的属性维度作为可共享完整数据集、确定缺失数据集中不需要填充的数据集和需要填充的数据集以及用来填充的相似完整数据集。

31、本发明提供了一种智能养殖系统的数据远程共享方法及装置，通过获取拍摄的养殖图像并对养殖图像进行图像预处理得到图像数据，对图像进行特征提取水下图像中水产的特征，并将水产图像划分为多个网格完成水下图像中水产的检测得到水产分类结果，将分类结果发送至智能养殖系统中进行数据相似度度量以构建异源数据集，对异源数据集的相似性进行共享特征选择以构建共享数据集，解决了复杂背景下水产的识别能力，提升了养殖检测和识别的整体效果，对智能养殖系统的数据进行有效填充，从而提高了系统数据的完整性和工作可靠性。