計算機視覺技術(shù)在水產(chǎn)養(yǎng)殖中的應(yīng)用

駱桂蘭 陳軍 王會聰 王煜恒

摘要 本文介紹了計算機視覺的概念，比較了傳統(tǒng)測量方式與計算機視覺技術(shù)的不同，并從養(yǎng)殖水環(huán)境監(jiān)控、投餌監(jiān)控、魚類生長監(jiān)控及魚類行為監(jiān)控等幾個方面對計算機視覺技術(shù)應(yīng)用情況進行綜述。

關(guān)鍵詞 計算機視覺技術(shù)；水產(chǎn)養(yǎng)殖；應(yīng)用

中圖分類號 S858.31 文獻標(biāo)識碼 A 文章編號 1007-5739（2018）03-0233-02

Abstract In this paper，the concept of computer vision was introduced，the differences between traditional measurement method and computer vision technology were compared，the application of computer vision technology in aquaculture water environment monitoring，feeding monitoring，fish growth monitoring and fish behavior monitoring were summarized.

Key words computer vision technology；aquaculture；application

我國水產(chǎn)養(yǎng)殖行業(yè)發(fā)展一直處于世界領(lǐng)先地位，養(yǎng)殖產(chǎn)量超過全球水產(chǎn)養(yǎng)殖總產(chǎn)量的70%[1]。水產(chǎn)養(yǎng)殖已成為我國農(nóng)業(yè)生產(chǎn)的重要組成，在推動我國農(nóng)業(yè)經(jīng)濟發(fā)展方面發(fā)揮了重要作用。水產(chǎn)養(yǎng)殖中水生動物的形狀、尺寸、顏色及紋理等稱為水生動物的視覺屬性，該屬性是水產(chǎn)養(yǎng)殖業(yè)中的重要信息。其不僅可以反映水生動物的基本生長情況，還可以為水生動物的喂養(yǎng)、用藥、捕撈、選別、分級提供參考，同時為養(yǎng)殖水環(huán)境的監(jiān)測提供數(shù)據(jù)支持。

1 計算機視覺技術(shù)與傳統(tǒng)測量方式對比

1.1 傳統(tǒng)測量方式

傳統(tǒng)的測量方式主要是人工通過肉眼判斷、手工接觸或使用簡單的測量工具進行測量。這種測量方式雖然簡單易行，但卻容易受到測量者的個人習(xí)慣與經(jīng)驗影響，同時外部環(huán)境對測量結(jié)果的干擾也較大。這些因素導(dǎo)致傳統(tǒng)測量方式主觀性強、整齊性差、出錯率高。此外，水生動物敏感性較強，用手工接觸的方式進行測量容易導(dǎo)致水生動物感染疾病甚至死亡，從而不利于水生動物的生長[2]。

1.2 計算機視覺技術(shù)

人類的感覺包括視覺、聽覺、嗅覺、觸覺等，但依靠視覺獲取絕大部分的信息。計算機視覺（CV）是指賦予機器人類的視覺功能，該技術(shù)起源于統(tǒng)計模式識別，涉及到圖像分析、圖像處理、模式識別及人工智能等多種技術(shù)。其基本原理是通過圖像傳感器獲取圖像信號，然后傳送給圖像處理系統(tǒng)，再將圖像信號轉(zhuǎn)變?yōu)閿?shù)字信號，并針對數(shù)字信號進行復(fù)雜的運算與處理以提取特征信息，最終實現(xiàn)對目標(biāo)的識別、檢測與控制等[2]。

2 計算機視覺技術(shù)在水產(chǎn)養(yǎng)殖行業(yè)中的應(yīng)用

光學(xué)成像技術(shù)、圖像處理和模式識別技術(shù)、計算機信息技術(shù)等多項技術(shù)的不斷成熟推動了基于計算機視覺技術(shù)的自動化檢測手段的發(fā)展與應(yīng)用。計算機視覺技術(shù)在測量對象的線性尺寸、顏色等屬性方面優(yōu)勢明顯，具有經(jīng)濟快速、準(zhǔn)確一致、客觀專業(yè)等特點。計算機視覺技術(shù)在水產(chǎn)養(yǎng)殖行業(yè)中的應(yīng)用涵蓋了魚、蝦、蟹、貝等多種水產(chǎn)動物，并且已經(jīng)成為精細(xì)化水產(chǎn)養(yǎng)殖的關(guān)鍵技術(shù)手段之一。

2.1 水質(zhì)自動監(jiān)控

養(yǎng)殖水體中的許多參數(shù)需控制在合理的范圍之內(nèi)才可保證水生動物的良好生存環(huán)境。我國的水產(chǎn)養(yǎng)殖業(yè)中多采用不能長期連續(xù)使用的非在線型水質(zhì)測試儀表。這種儀表在使用過程中容易受到人為或儀器等原因影響從而造成測量數(shù)據(jù)誤差，即使是全天不間斷測試水質(zhì)，這種誤差也仍然存在。隨著工廠化水產(chǎn)養(yǎng)殖技術(shù)的發(fā)展，20世紀(jì)末開始研究自動化水質(zhì)監(jiān)控系統(tǒng)，對養(yǎng)殖水體中的水質(zhì)指標(biāo)進行監(jiān)控，包括溫度、濁度、溶氧、亞硝酸鹽、氨氮、鹽度、酸堿度等。目前，溶氧、水溫等指標(biāo)的監(jiān)控技術(shù)應(yīng)用比較廣，水體凈化設(shè)備和增氧設(shè)備等與其相關(guān)的執(zhí)行機械的監(jiān)控應(yīng)用也頗多[3]。

2.2 投餌監(jiān)控

投餌飼喂是水產(chǎn)養(yǎng)殖過程中的重要環(huán)節(jié)，減少投餌過程中的浪費可以有效降低水生動物的飼養(yǎng)成本，同時有利于減少污染水體的殘餌量、改善水生動物生存環(huán)境，從而保持養(yǎng)殖動物的健康狀態(tài)。利用計算機視覺技術(shù)來控制投餌，可以精確控制餌料投放量，同時可觀察到投餌過程中魚群的聚集情況，并以此判斷魚只的健康狀況及餌料的利用情況[4]。

2.3 生長監(jiān)控

對于水產(chǎn)養(yǎng)殖業(yè)來說，定期檢測魚體尺寸、重量等是一項非常重要的工作。傳統(tǒng)的定期打網(wǎng)捕撈檢測容易對魚體造成損傷，影響其后期的生長發(fā)育。目前可利用計算機視覺技術(shù)的圖像測量技術(shù)測量水中魚體的尺寸大小，從而判斷魚體的生長情況，對校正之后的魚體圖像進行去噪、二值化、分割，得到魚體的尺寸大小、魚眼位置、魚尾位置等。眾多試驗數(shù)據(jù)表明，計算機圖像測量技術(shù)和人工測量相比，魚體尺寸的實際值與測量值差異不大。據(jù)報道，RUFF、HARVEY、JONES等不同品種魚體的樣本試驗結(jié)果均表明計算機視覺圖像測量值與實際值之間無顯著差異[4]。采用計算機視覺技術(shù)檢測蝦夷扇貝大小，識別精度遠(yuǎn)遠(yuǎn)大于機械分級機，平均相對誤差僅為2.12%。既避免了機械碰撞等對扇貝造成的損傷，同時檢測精度也能夠滿足使用要求，因而認(rèn)為用計算機視覺技術(shù)控制扇貝分級是可行的，且實用價值很高[5]。

2.4 行為監(jiān)控

動物行為與其生理狀態(tài)及外界刺激密切相關(guān)，是機體的重要功能表現(xiàn)。水體環(huán)境發(fā)生改變或水生動物受到刺激時動物會表現(xiàn)出不同的行為：當(dāng)水體溶氧不足時，魚會拼命往水面上游動；魚生病時，其肢體無力，表現(xiàn)為游速變慢，對外界環(huán)境的刺激反應(yīng)遲鈍[6]。傳統(tǒng)的測量方式較難實現(xiàn)對水體中水生動物的疾病觀察，容易延誤病情。而應(yīng)用計算機視覺技術(shù)則可以實現(xiàn)直觀快速地對水生動物行為進行監(jiān)測，并可利用自動報警系統(tǒng)及時發(fā)現(xiàn)異常。同一養(yǎng)殖塘中養(yǎng)殖的水生動物品種相同，且大小相近，當(dāng)觀察到魚塘中魚出現(xiàn)側(cè)翻，說明有不適或者即將死亡。由于池塘水背景色較深而魚腹顏色較白，因而很容易觀測到。例如，可采用統(tǒng)計方法分割池塘水背景色及病魚的閾值，分別得到池塘內(nèi)魚體面積與腹部白色面積[7]。同時將池塘背景和魚腹部2種顏色的區(qū)域分割，再統(tǒng)計魚腹部白色區(qū)域面積大小，當(dāng)白色區(qū)域面積大于等于統(tǒng)計值下限且小于統(tǒng)計值上限時視作魚類出現(xiàn)不適，即可觸發(fā)報警[8]。采用計算機視覺技術(shù)既可減少人力的消耗，又可節(jié)省時間和成本。

3 結(jié)語

近年來，計算機視覺技術(shù)在漁業(yè)生產(chǎn)中的推廣應(yīng)用不斷增加，技術(shù)手段越來越成熟，同時也存在一些困難需要解決。由于水生動物都生活在水下，因而水質(zhì)、水溫、水流、魚鱗片反光等因素均會影響計算機視覺技術(shù)的測量結(jié)果。因此，應(yīng)繼續(xù)深入研究圖像處理技術(shù)的新方法和新手段，獲得高質(zhì)量圖像，使得計算機在水產(chǎn)養(yǎng)殖業(yè)的應(yīng)用前景更加廣闊[9]。

4 參考文獻

[1] 盧宏濤，張秦川.深度卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺中的應(yīng)用研究綜述[J]. 數(shù)據(jù)采集與處理，2016，31（1）：1-17.

[2] 張馳，劉菲，侯廣琦，等.光場成像技術(shù)及其在計算機視覺中的應(yīng)用[J].中國圖象圖形學(xué)報，2016，21（3）：263-281.

[3] 許志杰，王晶，劉穎，等.計算機視覺核心技術(shù)現(xiàn)狀與展望[J].西安郵電學(xué)院學(xué)報，2012，17（6）：1-8.

[4] 張梅，文靜華.淺談計算機視覺與數(shù)字?jǐn)z影測量[J].地理空間信息，2010，8（2）：15-17.

[5] 賈小軍，喻擎蒼.基于開源計算機視覺庫OpenCV的圖像處理[J].計算機應(yīng)用與軟件，2008（4）：276-278.

[6] 關(guān)君，李秀辰，劉輝.計算機監(jiān)控技術(shù)在水產(chǎn)養(yǎng)殖中的應(yīng)用[J].漁業(yè)現(xiàn)代化，2007（1）：45-47.

[7] 周顯青，孫儒泳，牛翠娟.應(yīng)激對水生動物生長、行為和生理活動的影響[J].農(nóng)業(yè)工程學(xué)報，2001，17（2）：154-158.

[8] 徐愫，田云臣，馬國強，等.計算機視覺在水產(chǎn)養(yǎng)殖與生產(chǎn)領(lǐng)域的應(yīng)用[J].天津農(nóng)學(xué)院學(xué)報，2014，21（4）：43-46.

[9] 劉濤，仲曉春，孫成明，等.基于計算機視覺的水稻葉部病害識別研究[J].中國農(nóng)業(yè)科學(xué)，2014，47（4）：664-674.