浅析视觉技术在水产养殖中的运用
来源:用户上传
作者:
[摘要]基于新技术的发展趋势，计算机视觉技术应运而生。本文简要介绍了计算机视觉技术的广义概念，并结合水产养殖，分析了传统测量方法与计算机视觉技术的区别，最后浅析了计算机视觉技术在水产养殖方面的一些运用，以供相关专业人士参考、借鉴。
[关键词]计算机视觉技术;水产养殖;运用
除了农业发展，我国的水产养殖业也具有悠久的历史，水产养殖技术比较成熟，占据一定优势。从国务院新闻办公室发布的数据来看，2018年我国水产养殖的总产量超过5000万吨，在水产品总产量中的占比高达78%，可见，我国是世界上唯一养殖水产品总量超过了捕捞总量的国家。而自然捕捞或者人工养殖是水产品的主要生产方式，但是水域环境存在未知的危险因素，对捕捞人员的身体产生健康威胁，也影响水产品的质量与数量。传统的水产测量方式基于人为操作，存在一定的误差，容易受到测量习惯与个人经验的影响，外部客观环境也不利于测量结果的高效准确。同时，水产品可能对传统方式产生一定的应激反应，从而影响自身的生长。随着人们对水产品要求的提高，水产养殖方面的质量、疾病与环境等关键问题需要尽快得到解决。
1 计算机视觉技术
随着图形处理、模式识别、人工智能等新技术的发展与进步，计算机视觉技术逐渐进入人们的视野。视觉技术也称为视觉感知、视觉认知或者图像理解，从广义方面来说，计算机视觉技术指的是，通过摄像机、投影仪等机器，将自然视觉能力运用到电脑中，对外界信息进行获取、处理和解释，从而实现对研究目标的分类、识别、跟踪与决策等功能。整个处理过程涉及图像信号的获取与处理，然后将图像信号的信息转换为数字信号，进一步通过算法进行数字化信息的分析与处理，最终显示在机器界面。视觉技术应用领域广泛，比如，交通管理采用计算机视觉技术实现交通环境的可视化，直观有效地检测驾驶员是否疲劳驾驶，查看交通流量，实时监控交通状况等。在水产养殖方面，计算机视觉技术不仅能弥补传统测量方式的不足，从而提高水产品的生产效率与质量，还能降低人工操作环节中不必要的成本，减少人力需求。它在水产养殖中有许多运用，例如品种识别，水质监测，喂养监测以及行为监测等。
2 视觉技术在水产养殖中的运用
2.1 品种识别
我国淡水资源丰富多样，且营养价值丰富。而在品种分类过程中，传统的手工作业存在一些问题，在恶劣的工作环境中，筛选、分拣操作人员面临极大的劳动强度，而且品种识别的实际效率较低、准确性也不高，一般通过员工的肉眼识别。因此，计算机视觉技术可以有效替代人类的视觉进行品种识别操作，特别是基于视觉技术的鱼类识别技术。该技术可以识别出特定场景或者環境中鱼类的品种类别，从而更好地应用在生产生活中。此外，鱼类识别技术还可以协助海洋特定物种的调查研究、海洋生态系统的监测以及水产品的环境质量监测等等。目前，常用的鱼类识别技术主要包括基于特征值、支持向量机（SVM）以及神经网络的机器视觉技术。一般识别流程是：采取并收集鱼类的图像信息，然后进行图像预处理，提取鱼类形状、颜色与纹样等图像特征，在这个过程中建立良好的鱼类品种识别算法模型，最终实现鱼类的品种识别。
2.2 水质监测
在水产养殖的水质监测过程中，鱼类是其中的关键性指示生物，因为鱼类的行为特征、生理特性等数据信息反映了整个水域环境的优劣变化，也能表征当前养殖水环境的污染状况。在水产养殖领域，随着工业化技术的发展，研究人员开始了水质自动监控系统的探究，旨在对水环境进行采样、分析、数据传输以及处理，从而监控养殖水环境的水度、溶解氧、氨氮、亚硝酸盐、碱度等水质指标。水质监控系统研究也为水产养殖的视觉化水质监测技术奠定了基础。部分研究者在支持向量机的基础上，灵活运用了计算机视觉技术，通过分析鱼类行为参数、运动特征，间接对养殖水环境进行监测。整个处理流程大概分为三阶段：第一步，通过机器视觉技术实时采集鱼类的参数与特征值，并进行预处理;第二步，将数据集规范化，作为样本集待用，选择合适的算法建立支持向量机的水质监测模型;第三步，将样本集运用到算法模型中，通过数据分析水质异常情况。
2.3 喂养监测
在水产养殖领域，喂养是至关重要的环节，饲养量与喂养技术也是保证健康养殖和水产养殖持续发展的关键。目前，有人工喂养和诱饵自动喂养两种渔业养殖方式。其中，前者主要通过工作人员的经验积累进行实时观察喂养，该方法存在一定局限性，比如工作强度大。后者是自动化喂养，定时定量的投喂饵料，容易造成不必要的食物浪费，甚至污染养殖水环境。因此，基于视觉化的生产喂养具有极大的实用价值，智能化喂养系统成为研究热点。利用计算机视觉技术来控制投饵，不仅可以精确化控制饵料喂养量，还能观察鱼群的聚集情况，从而确定饵料利用情况并判断鱼只的健康状况，更有效改善水产品的生存环境，避免水污染现象严重。
2.4 行为监测
鱼类行为检测对促进渔业发展发挥极强的作用。基于计算机视觉技术的水产养殖生物的监测存在两方面的困难：（1）监测对象在不断运动，监测设备需要实时更换位置，可能造成采集数据的重叠现象;（2）水产品的运动以及饵料的投入导致养殖水环境存在一定的浑浊度，而且水下光源的可见度较低，模糊了水产品与水源的界限，导致采样图像质量较差，增加了图像处理难度。为解决这些问题，也为了更有效观察鱼类行为，研究者们开始多层次、多角度的计算机视觉技术研究，比如，通过视觉技术监测鱼类游泳行为的研究，视觉化的鱼体色明暗程度量化技术，以及基于三维计算机视觉的鱼类行为分析等等。此外，视觉技术还能监测鱼类的群体紊乱、少食、“炸群”等异常行为，通过监测并改善生理指标与水质指标，确保鱼类等水产品的健康生长。
3 结语
随着时代发展，计算机视觉技术能有效代替人类，实现实时观察与采样。在水产养殖领域，视觉化运用越来越广泛，计算机视觉监测技术也不断完善与成熟。视觉化技术可以用于品种识别，水质、喂养以及行为监测方面，为水产养殖提供极大的便利，也促进我国渔业发展。
【参考文献】
[1]骆桂兰，陈军，王会聪，等.计算机视觉技术在水产养殖中的应用[J].现代农业科技，2018（3）：233-234
[2]李雷华.基于鱼群运动的异常水质监测[D].燕山大学，2017.
转载注明来源:https://www.xzbu.com/1/view-14922732.htm
