计算机视觉技术在鱼类应激状态监测中应用研究
水产养殖过程中计算机视觉的应用
畜牧与饲料科学Animal Husbandry and Feed Science2017,38(12):91-92水产养殖过程中计算机视觉的应用骆桂兰，陈军，王会聪，王煜恒(江苏农林职业技术学院，江苏句容212400)摘要:介绍了计算机视觉的概念，并比较传统人工测量手段与计算机视觉技术的不同。
对养殖水环境监 控、鱼类生长监控、鱼类行为监控及投饵监控等方面的计算机视觉技术应用情况进行了综述。
关键词院计算机视觉;水产养殖;水生动物;鱼中图分类号:G712 文献标识码:A文章顺序编号=1672-5190(2017)12-0091-02 Application of Computer Vision in AquacultureLUO G ui-la n，CH EN Jun，W A N G H ui-co n g，W A N G Y u-h e n g(Jiangsu Vocational College of Agriculture And Forestr^^，Jurong212400,China)Abstract：This article introduces the concept of computer vision and compares the differences between traditional artificial measurement methods and computer vision technology.The application of computer vision in aquaculture water environment monitoring,fish behavior monitoring and feeding monitoring is also reviewed.Key w ords ：computer vision曰aquaculture曰aquatic animals曰fish近年来，水产养殖业作为农业生产的重要组成 部分，发展迅猛，成效显著。
计算机视觉技术在海洋监测中的应用案例分享
计算机视觉技术在海洋监测中的应用案例分享近年来，计算机视觉技术在海洋监测中的应用越来越广泛。
随着科技的发展和计算能力的提升，计算机视觉技术的应用已经超出了人们的想象。
本文将介绍一些在海洋监测中应用计算机视觉技术的成功案例，展示了其在海洋领域的巨大潜力。
首先，计算机视觉技术在海洋生物调查中起到了重要作用。
传统的海洋生物调查通常需要人工采集和分析样本，费时费力。
而有了计算机视觉技术，可以通过图像识别和分析来快速、准确地识别和计数海洋生物。
例如，研究人员利用计算机视觉技术开发了一种可以实时识别鲨鱼的系统。
该系统利用摄像头对海洋进行实时监测，通过计算机视觉算法对海洋中出现的鲨鱼进行自动识别和计数。
这大大提高了鲨鱼调查的效率和准确性，帮助研究人员更好地了解鲨鱼的栖息地和分布情况，为保护鲨鱼资源提供了有力的支持。
其次，计算机视觉技术在海洋环境监测和污染物检测中也发挥了重要的作用。
海洋环境监测需要对大量的海洋图像进行处理和分析，以了解海洋的生态系统状况和环境污染情况。
利用计算机视觉技术，可以自动识别海洋中的各类生物和物质，并对环境污染进行监测和预警。
例如，有研究人员开发了一种基于图像识别的海洋垃圾监测系统，该系统能够自动识别和计数海洋中的垃圾，并实时报警。
这种技术的应用可以帮助管理者及时发现和清理海洋中的垃圾，保护海洋生态环境的健康。
此外，计算机视觉技术在海洋资源勘探和海底地质调查中也起到了关键作用。
传统的勘探和调查方法通常需要进行人工观察和测量，工作量庞大且效率低下。
而利用计算机视觉技术，可以通过处理海洋图像和视频数据来提取有用信息，快速评估海洋资源和地质特征。
比如，在海底矿产资源勘探中，计算机视觉技术可以识别和测量海底矿物，分析其分布和特征。
这些信息对于资源评估和开发规划具有重要意义，可以为海洋矿产资源的管理和利用提供科学依据。
最后，计算机视觉技术还广泛应用于海洋自动化设备和机器人的发展中。
海洋环境复杂且危险，对人类的生命安全和健康构成极大挑战。
计算机视觉技术在水产养殖中的应用与展望(精)
计算机视觉技术在水产养殖中的应用与展望
近年来,计算机视觉技术在农业工程中的应用有了很大的发展,主要有农产品的品质检测、收获机器人、精准农业、生物生长状态的监测等[1],中国在这方面的应用研究起步较晚,主要集中在农产品的品质检测和作物生长状态监测等方面[2]。
随着鱼类设施养殖业的发展, 养殖密度不断增大,养殖水体水质变化很快,当鱼处于缺氧、水质恶化等应激条件下在较短的时间内就会产生严重的后果,造成较大的产量损失,迫切需要获得养殖设施中鱼的行为、应激状况、生物量等信息来为养殖过程的控制和管理提供指导,计算机视觉技术为获得这些信息提供了一个有效手段。
在水产养殖过程中养殖动物的生物量是很重要的参数,需要根据它来进行分级、投饵、捕获和控制养殖密度等。
绝大多数水产养殖动物是鱼类,传统测量生物量的方法是定期捕捞部分鱼称重,会对鱼产生应激和物理伤害,测量大型网箱中的鱼时更加困难和费时。
利用计算机视觉技术估计鱼的尺寸、质量,测量准确、迅速,可节省大量的人力物力。
利用计算机视觉技术对水产养殖动物的生长监测与作物监测有很大的不同,其特点是:1)监测对象在水中不停地游动,与摄像机之间的距离和角度不断变化, 鱼之间还会出现交叠,使图像分析过程更加复杂,但好处是使处于固定位置的摄像机可以测量不同鱼的生物量; 2)图像质量相对较差:养殖水体具有一定的浑浊度且光线较暗,使鱼和背景的对比度低,因鳞片反光出现高亮度使同一鱼体上亮、暗差别较大,鱼体的尾鳍、背鳍等较薄,使鱼的边界模糊,图像分割的难度较大。
计算机视觉技术在监测鱼类游泳行为中的研究进展
第32卷第4期 2 0 1 7年8月大连海洋大学学报JOURNAL OF DALIAN OCEAN UNIVERSITYV ol .32 N o .4 Aug . 2 0 17DOI ：10. 16535/j . cnki . dlhyxb .2017.04.019文章编号：2095-1388 (2017 ) 04-0493-08计算机视觉技术在监测鱼类游泳行为中的研究进展张胜茂，张衡，唐峰华，吴祖立，么宗利，樊伟(中国水产科学研究院东海水产研究所，农业部东海与远洋渔业资源开发利用重点实验室，上海200090)摘要：借助计算机视觉技术研究鱼类游泳行为已逐渐成为热点课题，它模拟生物视觉原理，通过处理采集的图片或视频获得动态目标参数信息，以达到对鱼类游泳行为监测分析的目的，本研究旨在介绍国内外该 领域的研究进展，并展望其发展趋势。
首先介绍鱼体监测目标的种类选择与影像获取方法，然后介绍影像 中的背景去除与目标检测，并对影像数据直接和拟合提取目标参数的单个鱼体目标游泳参数提取方法，以 及运动预测法和特征匹配法的多鱼体目标监测方法进行详细阐述，对游泳行为监测参数进行分类，并介绍 了相关影像处理常用软件，最后总结了计算机视觉监测存在的难点及未来发展趋势。
关键词：计算机视觉；游泳行为；目标检测；鱼类跟踪 中图分类号：S 917文献标志码：A计算机视觉（Computer vision )技术是一•种快速、经济、有效的测量和评价手段，通过实现人的 视觉功能，来感知、识别和理解三维场景，可以根 据轨迹、位置、尺寸、形状、加速度等进行鱼类游 泳行为的识别与分析[1-2]。
对鱼类游泳行为的研究 为改进捕捞技术、优化养殖环境、监测水源水 质[3-4]、增强渔业资源保护与管理能力提供了理论 基础，是鱼类行为学、生理学、生态学等学科的重 要研究内容[5]。
早期鱼类游泳行为监测以直接观 察和手工记录为主[6]，基本处于定性阶段，受人 为主观判断影响较大，且耗时较长，试验数据的可 靠性较低。
计算机视觉技术在海洋生物分类与监测中的应用
计算机视觉技术在海洋生物分类与监测中的应用随着人类经济规模的不断扩大，海洋资源的开发变得越来越重要。
而海洋生物分类与监测则是对于海洋生态系统的了解和保护的重要方面。
传统的海洋生物分类与监测方法往往需要大量人力和时间的支持，而近年来，随着计算机视觉技术的不断发展，海洋生物分类与监测的效率也得到了一定的提升。
本文将介绍计算机视觉技术在海洋生物分类与监测中的应用。
一、计算机视觉技术在海洋生物分类中的应用1.1 图像处理计算机视觉技术的一个重要应用就是对海洋生物图像进行处理和分析。
在海洋生物分类中，传统的方法需要由专家逐一分类，消耗了大量的人力和时间。
而计算机视觉技术则可以通过图像处理的方法实现自动分类，从而极大地降低了分类的成本。
例如，可以采用计算机视觉技术对不同种类的鱼进行自动分类，这些技术包括特征提取、机器学习、深度学习等。
通过这些技术，可以对鱼类图像进行自动分类，从而提高分类的效率和准确度。
1.2 目标检测计算机视觉技术还可以用于海洋生物的目标检测问题。
例如，在海洋监测中，需要对海洋生物、海洋污染物以及其他海洋物体进行自动检测。
传统的方法需要手工提取特征，而计算机视觉技术则可以通过深度学习的方法实现目标检测。
通过对多种海洋生物图像进行训练，可以得到一个深度学习模型，该模型可以对图像中的目标物体进行自动检测。
1.3 行为分析另一个重要的应用是海洋生物行为分析。
传统的方法需要通过人眼进行观察，然后对行为进行分类。
而计算机视觉技术则可以通过图像分析和深度学习的方法实现自动行为识别。
例如，可以采用计算机视觉技术对鲸鱼、海龟、海豚等海洋生物的不同行为进行自动识别。
通过对这些海洋生物的图像进行特征提取和模式识别，可以得到一个精确的行为分类模型。
二、计算机视觉技术在海洋生物监测中的应用2.1 鱼类数量估计计算机视觉技术可以用于估计鱼类数量。
海洋生物数量的估计是评估海洋生态系统健康程度的重要指标之一。
传统的方法需要进行大量的数据采集和人工计算，而计算机视觉技术则可以通过图像处理和模型训练实现鱼类数量估计。
鱼类行为学研究的新进展
鱼类行为学研究的新进展鱼类是水中的主要动物，它们的行为方式十分丰富多彩。
近年来，鱼类行为学这门学科得到了大力发展，不断涌现出新的研究成果和新的研究方法。
本文将从四个方面介绍鱼类行为学研究的新进展。
一、视觉行为视觉是鱼类主要的感知方式之一。
过去，研究人员主要依靠观察和记录鱼类的视觉行为来研究鱼类视力和视觉功能。
现在，人工智能技术的发展为研究鱼类视觉行为提供了新的方法。
研究人员可以利用计算机视觉技术自动识别和分析大量鱼类视频数据，揭示鱼类视觉行为与环境的关系。
例如，研究人员使用计算机视觉技术研究了鲈鱼在不同光照条件下的行为和视觉能力，并发现了鱼类的视觉行为和环境光照的关系。
二、声学行为声学是鱼类的另一种主要感知方式。
鱼类通过声音进行交流、配对和协作。
研究人员利用声音技术研究鱼类声学行为，可以揭示鱼类声音的分布、频率和调制方式等信息。
例如，研究人员用声音调制技术和灵敏的麦克风探测器，研究了雄性锦鲤的求偶声音及其对求偶成功的影响。
结果显示，雄性锦鲤的求偶声音会引起雌性锦鲤的注意并增加求偶成功的机会。
三、化学行为化学感知是鱼类寻找食物、躲避掠食者、配对和交流的重要手段。
研究人员利用化学分析技术和数学模型，可以了解鱼类化学通讯信号的成分、来源和作用机制。
例如，研究人员利用高分辨率气相色谱-质谱联用技术，研究了黄斑鱼的化学通讯信号成分和含量变化。
结果发现，黄斑鱼释放出的化学通讯信号中含有具有多种功能的氨基酸类化合物，对其生存和繁殖具有重要作用。
四、神经行为神经行为是指鱼类借助神经系统调节行为的过程。
研究人员利用神经科学技术研究鱼类神经系统的结构和功能，可以揭示鱼类行为的生理和生化基础。
例如，研究人员使用光遗传学技术进行神经元激活和调节，研究了斑马鱼的攻击和防御行为。
结果显示，斑马鱼表现出复杂的攻击和防御行为，这些行为与其类锁骨神经元的激活有关。
结论总之，近年来，鱼类行为学这门学科在视觉、声学、化学和神经等方面均得到了新的发展和突破。
浅析视觉技术在水产养殖中的运用
浅析视觉技术在水产养殖中的运用视觉技术是一种通过光学原理和图像处理技术来进行信息采集、分析和识别的技术手段。
在水产养殖中，视觉技术的运用可以帮助养殖户监控水产生长状况，提高养殖效率，减少投入成本，保障水产养殖的质量和安全。
本文将从水产养殖的现状出发，浅析视觉技术在水产养殖中的运用。
一、水产养殖现状随着人口增长和对水产品需求的不断增加，水产养殖已成为一种重要的养殖业。
由于水产养殖的环境和天然条件复杂，其管理和监控难度也随之增加。
而目前的水产养殖依然以传统的经验积累和人工观察为主，管理效率低下，存在一定的安全隐患。
需要引入更加智能化的技术手段，提高水产养殖的管理水平和效率。
二、视觉技术在水产养殖中的应用1. 图像识别技术图像识别技术可以通过摄像头和图像处理软件对水产进行非接触式监测。
养殖户可以通过安装摄像头和图像处理软件，实时观察养殖池或水产场的情况。
利用图像识别技术，可以对水产的种类、数量、生长状态等进行监测和识别，便于养殖户及时采取相应的养殖管理措施，提高养殖效率和质量。
2. 智能投喂系统通过视觉识别技术，可以实现智能投喂系统。
养殖户可以利用摄像头和图像处理软件对水产的数量和活动情况进行监测，并根据监测结果进行精准投喂。
这种方式不仅可以减少投喂浪费，降低投喂成本，还可以避免喂食过量引起的水质污染和水产生长不均匀等问题，提高养殖效率。
3. 疾病监测和预防视觉技术可以帮助养殖户监测水产的健康状况，及时发现水产的异常情况并进行预警。
养殖户可以通过摄像头和图像处理软件对水产的外貌、行为等进行监测，一旦发现水产出现异常状况，可以及时采取相应的防治措施，避免疾病的扩散和传播。
4. 环境监测通过摄像头和图像处理软件，养殖户可以实时监测养殖环境的状况，包括水质、水温、氧含量等。
这样一来，可以及时发现环境问题，保障水产的生长环境，提高养殖效率和质量。
5. 数据分析和管理利用视觉技术采集到的图像信息，可以通过图像处理软件进行数据分析和管理。
浅析视觉技术在水产养殖中的运用
浅析视觉技术在水产养殖中的运用随着现代科技的发展，视觉技术在各个行业中的运用越来越广泛。
而在水产养殖行业中，视觉技术也扮演着越来越重要的角色。
视觉技术能够帮助养殖户更好地监测水产动态、提高养殖效率和智能化管理。
本文将就视觉技术在水产养殖中的应用进行浅析。
一、视觉技术在养殖环境监测中的应用在水产养殖过程中，了解和监测养殖环境的状况是至关重要的。
而视觉技术能够帮助养殖户实时监测水质、水温、水深等环境指标，及时发现任何异常情况。
通过在养殖池中安装摄像头，可以观察到养殖池中鱼类的生长情况以及水质的清洁程度，并且可以通过图像处理技术将这些数据转化为数字信号，实现对养殖环境的智能监测和控制。
视觉技术还可以结合人工智能算法，对监测到的图像数据进行分析，识别出水产养殖中的疾病、寄生虫等问题，及时发出预警，帮助养殖户进行及时处置，最大限度地减少损失。
养殖体验是指消费者在养殖场进行自助式养殖和观赏的一种特殊消费形式。
而视觉技术可以在养殖体验中发挥重要作用。
通过在养殖池中设置观光窗口和摄像头，让消费者可以随时观看水产的生长情况，增加了消费者的参与感和互动性。
通过图像识别技术，还可以对养殖池中的鱼类进行实时计数和分析，方便养殖户进行零售计费和销售管理。
在一些养殖种类中，还可以利用虚拟现实技术，将水产养殖的整个过程通过VR眼镜呈现给消费者，让消费者能够更加直观地感受到水产养殖的全过程，增强了养殖体验的趣味性和吸引力。
随着养殖规模的扩大和养殖技术的提升，养殖户需要处理的信息和数据也越来越庞大。
而视觉技术可以帮助养殖户实现养殖场的智能化管理。
通过在养殖场中设置传感器和摄像头，可以实现对鱼类的实时定位和追踪，同时也可以进行鱼类的数量统计和生长状况的监测。
这样一来，养殖户可以通过手机或电脑对养殖场的情况进行实时监控，及时调整养殖策略，提高养殖效率和经济效益。
视觉技术还可以与大数据分析技术相结合，通过对养殖数据的分析来预测未来的养殖趋势和市场需求，帮助养殖户做出更加科学的经营决策。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
面的研 究进展 ， 并提 出了进一 步研 究的方向是 实际应 用过程 中量化鱼行为的新方法研 究． 以及根据鱼在不 同 条件下行为参数的 变化特点 ， 结合 统计方法和人 工智能算法建立 自动判断应激 的方 法。 关键词 ： 水产养殖 ； 图像 处理 ； 计算机视 觉； 应激 ； 为参数 ； 行 监测
切 需要及 时获 得养 殖设施 中鱼 的行 为 、 应激 、 健康 状 况等信 息 。 目前 ， 的 应 激信 息 常 通 过 人 的直 鱼
接 观察 获得 ， 受人 的主 观影 响较 大 ， 不容 易及 时 发
等 用 单 个水 下摄 像 机 监测 鱼 的活 跃 性 ， 采 用 但
了几 个基 于神 经 网络 的 自适 应 模 糊 推 理 系 统 ， 处 理过 程复 杂 。Ｉ ａｌ 和 Ｋｍｍ ｌ 的运 动投 影 图 ｓ ｅ ｒ ｉ ｉ ｅ
《 渔业现代化￣ ｏ ８ ２ｏ 年第 ３ ５卷第 ３ 期
在研究 鱼 的行为 与鱼 的应 激或疾 病状 态之 间
的关 系 时 ， 要 能 对鱼 的游 动 活跃 性 、 动 范 围 、 需 活
收 稿 日期 ：￣ ８０ —８ ２ －４ １ ；修 回 日期 ：０ ８ｏ 一６ ２ ｏ 一６ｏ 基金项 目： 国家“ ６ ” ８ ３ 高技 术研发项 目（０ ６ Ａ ０ ３ ５ ； ２ ０ Ａ １０ ０ ） 宁波大学人才基金项 目（ ０ ６２ ２ ００ ０） 作者简介 ： 徐建瑜 （９ ３ ）女 ， １ ７一 ， 副教授 ， 博士 ， 主要从事水产养殖工程及环境调 控、 数字图像 处理 等方 面的研究 。
现养 殖 系统 中出 现 的 问题 ， 算 机 视 觉 技术 为获 计 得这 些信 息提供 了一 个有 效手 段 。
方法 只能 间接 评估 鱼群 的活 跃 性 ， 能 给 出定量 不
的结果 。
１ 反映应激状况的行为参数
任何 能被连 续观 察 和量化 的行 为反 应都可 能
笔 者采 用 一 个 摄 像 机 从 玻 璃 水 槽 侧 面 拍 摄 （ １ ， 连 续 采 集 的 图像 序 列 进 行 阈 值 分 割后 图 ）对
自由游 动 的鱼 的生 理参 数如 心率 、 吸频率 、 动 呼 尾
频率 、 肉运 动 活性 等 ¨ 。本文 主要 讨 论 通 过 图 肌 Ｊ
像 处理 方法 获得 的行 为参 数 指 标 ， 以及 在 某些 常 见 应激条 件下 的行 为参 数变化 。
１ １ 群体 行 为参数 ．
进而 得 到每条 鱼 的体 长倍 数游 速 。各条 鱼 的平 均 游速 可 反映 鱼 群 体 的 活 跃 程 度 Ｊ 。一 段 时 间 内
在养殖 条 件 下 ， 在 群 体 中 彼 此 相 互 影 响 。 鱼
由于单条 鱼 的行 为具 有 较 大 的随 机 性 ， 且跟 踪 而 和量化群 体中某 一条鱼 的行为是很 困难 的 ， 以研 所
究 养殖条件 下的应激行为应着 重研究鱼 群体行为 。
１ １ １ 游 速 和 活 跃 程 度 ．．
前后 两 帧 图像相 减 ， 在帧 差 图像 中 ， 每条 鱼运 动所 引起 的面积 变化 和后 一 帧 图像 中每条鱼 的投 影面 积 相除 ， 得到 每 条鱼用 体 长倍数 表示 的游 动距 离 ，
在评估 应激 中用 作 生 物 指示 器 ， 利 用 生 物 遥 测 如 技术（ 鱼体 内植 入 传 感 器 和 发 射 装 置 ） 以 遥 测 可
维普资讯
《 渔业现代化１０ ８ ２０ 年第 ３ 卷第 ３期 ５
１ ５
பைடு நூலகம்
计 算 机 视 觉 技 术在 鱼 类 应 激 状 态 监 测 中应 用研 究
徐建瑜 刘 鹰 ，崔绍荣 ，苗香 雯
（ １宁波大学信息科学与工程学 院， 宁波 ３ ５ １ ；２中国科学 院海洋研究所 ， 岛 ２ ６７ ； １２ １ 青 ６ ０ １
多个 采样 间 隔里各 条鱼 游 动距离 的均值可 反 映群 体 的活跃 程度 。图像采 集 的时 间间 隔根据 鱼 的体 长和 游速 确定 ， 当鱼 游 动 较 快 时前 后 两 帧 图像 使 中鱼 的运 动距 离 不超 过 鱼 体 长 的 １倍 ， 的 密度 鱼 不 能太 大 。 １ １２ 鱼群 体 分布参 数 ．． 鱼 群体 空 间分 布 参 数 易 于 获得 和 计 算 ， 定 一 程 度上 可 以反 映鱼 群 的栖 息 位 置 、 寸 和 分 布 的 尺 密 集程度 。Ｉ ａｌ 和 Ｋｍｍ ｌ 计算 鱼 群 的重 心 ｓ ｅ ｒ ｉ ｉ ｅ
近年来 ， 着设施 渔业 的发 展 ， 殖 密度不 断 随 养
增大 ， 当鱼处 于 缺 氧 、 水质 恶 化 等应 激 条 件 下 ， 在 较 短 的时间 内就 会 造成 较 大 的产 量 损 失 ， 因此 迫
运 动轨 迹 等行 为 指标 进 行 量 化 ， 中鱼 的 游 速是 其
比较 重 要 的 ， 反 映 活 跃 性 的 指标 。鱼群 在 水 中 是 的活动 是多 目标 的三 维 运 动 ， 确 地 跟踪 和测 量 精 多 个 目标 的 运 动 速 度 是 比 较 困 难 的 。Ｗｈｔ ｌ ｉｅ ｓｌ
Ｅ ｍａ ：￣ｉｎ ｕ ｎ ｕ ｅ ｕ ｅ — ｉ ｘ ａｙ ＠ ｂ ，ｄ ｎ ｌ
维普资讯
１ ６
坐标 Ｃ Ｃ 表示 鱼群在 ｘ和 ｚ轴方 向 的平均 位 Ｘ、Ｚ， 置， 计算 鱼群 中各条 鱼 在 ｘ和 ｚ坐标 轴 方 向上 的
空 间标 准差 Ｓ Ｘ、Ｄ 一 定程 度上 能 表示 鱼 群 的 Ｄ Ｓ Ｚ，