一種基于前視聲吶的養(yǎng)殖網(wǎng)箱內(nèi)魚群數(shù)量評估方法

崔智強,祝捍皓,宋偉華,馬志凱

(1 浙江海洋大學(xué)船舶與海運學(xué)院,浙江 舟山 316022; 2 海卓科(浙江自貿(mào)區(qū))科技有限公司,浙江 舟山 316020;3 浙江海洋大學(xué)海洋科學(xué)與技術(shù)學(xué)院,浙江 舟山 316022;4 浙江海洋大學(xué)國家海洋設(shè)施養(yǎng)殖工程技術(shù)研究中心,浙江 舟山 316022;5 浙江海洋大學(xué)水產(chǎn)學(xué)院,浙江 舟山 316022)

中國海洋漁業(yè)在經(jīng)歷了長期的“掠奪式”捕撈生產(chǎn)后,海洋的天然漁業(yè)資源正在趨于衰竭。為緩解海洋魚類產(chǎn)業(yè)“無漁可捕”的困境,中國漁業(yè)發(fā)展的重心逐漸向海水養(yǎng)殖轉(zhuǎn)移。近海網(wǎng)箱養(yǎng)殖、圍欄養(yǎng)殖等養(yǎng)殖模式作為海洋水產(chǎn)可持續(xù)發(fā)展的一個高新產(chǎn)業(yè)模式正在全國范圍內(nèi)迅速推廣,并已形成規(guī)?；酿B(yǎng)殖模式與產(chǎn)業(yè)。但現(xiàn)有各類海水養(yǎng)殖模式多屬于粗放型養(yǎng)殖,在過程中未能對養(yǎng)殖區(qū)內(nèi)魚類的數(shù)量、狀態(tài)等信息進行科學(xué)、有效的監(jiān)測與評估,導(dǎo)致當(dāng)下國內(nèi)海水魚類養(yǎng)殖產(chǎn)業(yè)始終未能形成生態(tài)化、高質(zhì)化、科學(xué)化的管理與生產(chǎn)方式,大大影響了海洋魚類養(yǎng)殖產(chǎn)業(yè)的發(fā)展[1-3]。因此,如何精準(zhǔn)評估出網(wǎng)箱養(yǎng)殖內(nèi)魚類的數(shù)量、分布特征等信息便是目前網(wǎng)箱養(yǎng)殖產(chǎn)業(yè)亟待解決的問題。

現(xiàn)已有學(xué)者在研究中曾提出,在對網(wǎng)箱等養(yǎng)殖設(shè)施進行信息監(jiān)測時,其首要監(jiān)測目標(biāo)是對設(shè)施內(nèi)養(yǎng)殖海洋魚類的容量與產(chǎn)出的評估,而核心是對設(shè)施內(nèi)魚群數(shù)量信息的準(zhǔn)確獲取[4-5]。隨著聲吶技術(shù)的發(fā)展,近年來利用水聲儀器在海洋資源評估、調(diào)查中已經(jīng)取得了一定的成效[6-10]。Zhang等[11]采用走航的方式,利用雙頻識別聲吶開展了對水庫魚類總量以及密度估算,并分析了其研究區(qū)域內(nèi)魚類的平面空間分布特征;Jing等[12]、Shen等[13]利用DIDSON成像聲吶所采集的聲學(xué)圖像,獲得了比一般回波探測聲吶更高的探測精度,實現(xiàn)了對水下魚類目標(biāo)的識別和自動計數(shù)[12-13]。上述研究表明,利用資源船攜帶聲吶設(shè)備進行漁業(yè)資源評估具有更快速高效、靈活便捷的優(yōu)勢。但由于現(xiàn)有海洋漁業(yè)資源調(diào)查方法多是依靠調(diào)查船進行走航作業(yè),無法用于小面積養(yǎng)殖設(shè)施內(nèi)的魚群調(diào)查。其次,船體走航所產(chǎn)生噪音對魚群會產(chǎn)生驅(qū)散作用,對所測結(jié)果的影響不容忽視,所以如何利用聲吶技術(shù)更高精度地獲取魚群數(shù)量信息仍需展開進一步研究。

現(xiàn)有文獻均表明使用前視聲吶進行水下目標(biāo)進行探測、評估已成為一種新型研究方向。其大多是采用數(shù)字圖像處理技術(shù)對目標(biāo)進行處理,在此基礎(chǔ)上衍生出檢測、識別等研究[14],并且在實際中已經(jīng)取得了一定的成效,理論上可以用來進行網(wǎng)箱內(nèi)魚群數(shù)量估計,但相關(guān)研究成果還未見報道。

針對上述研究現(xiàn)狀,提出了一種基于前視聲吶的養(yǎng)殖網(wǎng)箱內(nèi)魚群數(shù)量統(tǒng)計方法,并在舟山市東極鎮(zhèn)青浜島近岸大黃魚養(yǎng)殖網(wǎng)箱內(nèi)進行了測量驗證。

1 理論與方法

1.1 前視聲吶工作原理

前視聲吶工作時通過向前方以水平開角α、垂直開角β發(fā)射聲波信號,接收波束照射區(qū)內(nèi)目標(biāo)物的回波信號進行成像。聲吶所發(fā)出探測波束被水平分割成若干垂直開角為β的扇形波束,每個波束按圖1所示照射目標(biāo),形成一組距離、強度信息,所有波束的回波強度信息按位置關(guān)系排列構(gòu)成聲吶圖像[15-16]?；夭ㄐ盘柕膹姸却笮》从沉瞬煌繕?biāo)物的聲學(xué)反射特性,所產(chǎn)生的時延則可以確定目標(biāo)物相對于聲吶位置的實際距離[17],通過對聲散射信號圖像的信息提取即可獲得各類水下目標(biāo)的參數(shù),例如魚群密度、大小和方位等。

圖1a為垂直視角上聲吶工作示意圖,垂直視場角為β;圖1b為聲吶所采集到的一幀原始圖像,xoy坐標(biāo)系為聲吶水平視場坐標(biāo),則扇形(圖1c)則為坐標(biāo)變換后圖像,空包部分則由插值進行填充;像素點P(x,y)轉(zhuǎn)換為以聲吶所在位置為中心的扇形區(qū)域中的像素點P′(x′,y′),依據(jù)直角坐標(biāo)與極坐標(biāo)之間的關(guān)系,轉(zhuǎn)化公式如式(1)所示:

(1)

φ=∠B′O′O+x×Δφ

(2)

式中:P(x,y) 為聲吶采樣區(qū)域,即原始聲吶圖像大小,r為圖1c中O′P′的長度,r=L×y/n,L表示聲吶所設(shè)置的探測距離,φ表示對應(yīng)的極角。

本研究采用Gemini 1200 ik多波束前視圖像聲吶作為水下魚群散射聲圖采集設(shè)備,設(shè)備參數(shù)如表1所示。

1.2 魚群標(biāo)定

本研究以舟山大黃魚養(yǎng)殖網(wǎng)箱為主要應(yīng)用場景?？紤]到實際探測中,同一目標(biāo)在聲吶的不同方位,其在聲吶圖像中的特征及尺寸均會發(fā)生變化。為有效區(qū)分大黃魚在水下的目標(biāo)特征[18],借助在消聲水池內(nèi)對大黃魚試驗樣本進行的聲學(xué)標(biāo)定的方法來確定其在聲吶圖像上的特征值:二值化閾值以及目標(biāo)大小,以便于對其進行提取、統(tǒng)計。標(biāo)定場景如圖2a所示,標(biāo)定大黃魚樣本為大黃魚養(yǎng)殖網(wǎng)箱內(nèi)實際采樣魚體,圖2b為聲吶位于水下0.6 m處探測樣本大黃魚所形成的聲學(xué)圖像。

圖2 樣本大黃魚聲學(xué)標(biāo)定

(3)

(4)

(5)

ω0+ω1=1

(6)

(7)

(8)

采用遍歷的方法使得類間方差g接近最大的閾值T,即為所求閾值T=0.331?？紤]到適用場景主要為圍網(wǎng)、圍欄養(yǎng)殖,魚類在魚苗期統(tǒng)一下放,其區(qū)域內(nèi)的魚類大小個體差異不大,可將養(yǎng)殖區(qū)域內(nèi)魚體近似視為同一大小,因此試驗中采用當(dāng)季大黃魚作為樣本,體長約為20 cm。試驗中考慮到魚類聚集對目標(biāo)提取的影響,分別對不同數(shù)量下的魚體聲學(xué)圖像進行提取,如圖3所示,并給出提取結(jié)果的周長及面積(以一個像素點為單位),依據(jù)不同距離與不同數(shù)量在消聲水池試驗結(jié)果如表2所示,對應(yīng)目標(biāo)提取結(jié)果如圖4所示。

表2 聲學(xué)標(biāo)定結(jié)果

圖3 不同數(shù)量下的試驗樣品

圖4 聲學(xué)標(biāo)定圖像數(shù)據(jù)提取結(jié)果

圖4為對應(yīng)試驗組數(shù)的聲學(xué)標(biāo)定提取結(jié)果圖,結(jié)合表2的數(shù)據(jù)中b、c、d組對比可知,在與聲吶距離一致時,大黃魚數(shù)量愈多,聲吶圖像所提取的亮點大小愈大,并且當(dāng)魚群并非大部分重疊時,與單條魚的聲學(xué)圖像面積有疊加的關(guān)系;a、e、f對比可知,大黃魚樣本與聲吶距離變化,魚類聲吶圖像周長雖然有變化,但變化幅度太小,難以分辨,所以將圖像面積作為提取大黃魚目標(biāo)的依據(jù)。由于消聲水池大小限制,并且當(dāng)樣本過度集中在一起時,無法準(zhǔn)確區(qū)別樣本個數(shù),但可通過單條樣本的圖像面積進行估算;通過多次試驗后,最終取定單條魚的聲學(xué)圖像閾值均值δ=463個像素點,并以此為依據(jù),參考上述試驗結(jié)果作為提取目標(biāo)、劃分魚類的標(biāo)準(zhǔn),對實測數(shù)據(jù)進行魚群計數(shù)。

1.3 基于前視聲吶的網(wǎng)箱內(nèi)魚群數(shù)量評估方法

在完成目標(biāo)檢測網(wǎng)箱中養(yǎng)殖魚類聲學(xué)標(biāo)定的基礎(chǔ)上,設(shè)計基于前視聲吶的養(yǎng)殖網(wǎng)箱內(nèi)魚群數(shù)量評估方法。設(shè)計聲吶工作示意圖如圖5所示。

設(shè)計將聲吶安裝至可旋轉(zhuǎn)云臺上,由無人船攜帶云臺至網(wǎng)箱中心,通過定時旋轉(zhuǎn)云臺達到對網(wǎng)箱區(qū)域的全覆蓋掃測。

其中,以無人船為原點建立xyz空間坐標(biāo)系,θ表示聲吶照射方向在xoy平面上的投影與x軸夾角,φ表示聲吶照射方向與z軸夾角,水下目標(biāo)物位置則表示為f(x,y,z),將魚群標(biāo)定結(jié)果作為目標(biāo)提取的條件,利用圖像處理的手段實現(xiàn)對養(yǎng)殖網(wǎng)箱鐘的魚群數(shù)量進行統(tǒng)計。由于網(wǎng)箱空間有限,雖然船只無法進入,但是水域體積一定,為了統(tǒng)計整個網(wǎng)箱內(nèi)的魚群數(shù)量,采用聲吶在中心位置處通過水平以及垂直角度的旋轉(zhuǎn),實現(xiàn)對網(wǎng)箱的整體掃測。

聲吶垂直開角β=20°,水平角度α=120°,云臺先固定水平方向,垂直旋轉(zhuǎn)Δβ=20°記錄一次時間數(shù)據(jù),每次停留Δt=10 s,直至垂直海底后調(diào)回水平;后水平旋轉(zhuǎn)Δα=120°,重復(fù)操作直至探測范圍完全覆蓋網(wǎng)箱區(qū)域,記為i=1次測量。數(shù)據(jù)以8幀/s記錄,每次記錄約80 s。

以大黃魚聲學(xué)圖像閾值δ提取每幅聲吶圖像中的大黃魚數(shù)量,并記Δβ所測魚群平均數(shù)量Nj為此段魚群數(shù)量。采用逐段累加的方式確定整個網(wǎng)箱中的大黃魚數(shù)量Ni,最終得到整個網(wǎng)箱內(nèi)的大黃魚數(shù)量N,如式(9)所示。

(9)

式中:I為試驗次數(shù),J=3×(π/Δβ-1),其水箱內(nèi)的大黃魚密度ρ=N/V,V是整個網(wǎng)箱區(qū)域水下體積。

根據(jù)坐標(biāo)轉(zhuǎn)換后的聲吶圖像亮點位置坐標(biāo)以及聲吶探測角度,可以得到每個魚類目標(biāo)的空間位置坐標(biāo)。其空間位置坐標(biāo)f(x,y,z)轉(zhuǎn)換關(guān)系如式(10)所示,結(jié)合水深、統(tǒng)計目標(biāo)數(shù)可以獲得魚群在網(wǎng)箱中隨深度以及水平面上的分布密度,可得出大黃魚在網(wǎng)箱中的分布規(guī)律,以有效指導(dǎo)大黃魚網(wǎng)箱漁業(yè)養(yǎng)殖。

(10)

2 試驗與分析

2.1 試驗概況

為獲取實測數(shù)據(jù)對數(shù)量評估方法進行驗證,團隊于浙江省舟山市青浜島近海大黃魚養(yǎng)殖基地網(wǎng)箱中進行方法檢驗,試驗點位置與網(wǎng)箱照片如圖6所示。試驗時將聲吶安置于云臺之上,本次試驗網(wǎng)箱為直徑15 m、深8 m的圓柱形網(wǎng)箱,聲吶置于水下0.6 m處,探測方向可通過云臺無線控制。配置方式如圖7所示。

圖6 浙江省舟山市青浜島大黃魚養(yǎng)殖基地圖

圖7 聲學(xué)探測現(xiàn)場

2.2 試驗數(shù)據(jù)預(yù)處理

考慮實測海洋環(huán)境下,受水中各類環(huán)境噪聲及非目標(biāo)物散射影響,前視聲吶測量得到的聲吶圖像往往存在較多噪聲干擾。這些干擾將對后續(xù)開展基于前視聲吶的網(wǎng)箱內(nèi)魚群數(shù)量評估方法應(yīng)用帶來影響。因此在方法實際使用中,需先對前視聲吶實測圖像進行預(yù)處理,以實現(xiàn)所研究魚群評估方法的有效應(yīng)用。

網(wǎng)箱中實測聲吶圖像與經(jīng)預(yù)處理后的聲吶圖像對比情況如圖8給出。

圖8 實測聲吶圖與預(yù)處理后聲吶圖對比

在預(yù)處理中,首先通過分段線性拉伸算法提高原始聲吶圖(圖8a)中的信噪比,突出突顯圖像細節(jié)[19];其次通過中值濾波對拉伸后的聲吶圖像進行去噪處理得到圖8b,后采用Gaussian-Laplace濾波器對圖像處理,消除離散點噪聲[20-24],再由二值化處理將目標(biāo)與背景分開(圖8c)。在實際結(jié)果處理時,在確定閾值二值化處理后發(fā)現(xiàn)會存在小面積斑點,初步確認情況可能為經(jīng)過邊緣提取后的同一目標(biāo)存在邊緣斷裂的情況,為了防止不連續(xù)的邊緣被誤檢測為兩個目標(biāo),消除此類斑點噪聲的影響,以水池試驗中的聲學(xué)標(biāo)定結(jié)果為基準(zhǔn),通過形態(tài)學(xué)中膨脹處理的方法將圖像中斷裂的小型亮點消除,計算公式如式(11)所示,處理結(jié)果如圖8d所示。

P′(x,y)=P′(x-1,y)=P′(x+1,y)=P′(x,y-1)P′(x,y+1)=1, ifP(x,y)=1

(11)

式中:P′(x,y)代表圖像內(nèi)坐標(biāo)位于(x,y)的灰度值。

圖像拉伸雖然提高了目標(biāo)物與背景的對比度,但同時也將噪聲灰度值進行了變換[25-26]。中值濾波對所處理聲吶圖像有著較好的去噪效果,如圖8b所示,針對此類聲吶圖像,中值濾波后的圖像噪聲明顯降低,能相對減少后續(xù)處理中噪聲所帶來的誤差。圖8c中的每個目標(biāo)更加飽滿,有利于最后的目標(biāo)提取、分割計數(shù)。

2.3 網(wǎng)箱內(nèi)魚群數(shù)量評估

在利用前視聲吶數(shù)據(jù)對養(yǎng)殖網(wǎng)箱內(nèi)魚群數(shù)量進行評估時,在對實測聲吶圖像進行預(yù)處理后,依靠消聲水池實測標(biāo)定結(jié)果利用公式(9)進行目標(biāo)數(shù)量評估。最終以圖9扇形區(qū)域展示計算結(jié)果(以單幀圖像為例)。

圖9 實測數(shù)據(jù)處理結(jié)果

根據(jù)試驗?zāi)繕?biāo)統(tǒng)計結(jié)果,以云臺攜帶前視聲吶旋轉(zhuǎn)360°完整一次網(wǎng)箱內(nèi)掃描為一次有效數(shù)據(jù)。取5次有效數(shù)據(jù)的平均值,共同統(tǒng)計得出魚類目標(biāo)共約7 907條。所以探測區(qū)域可近似看作直徑15 m,高為8 m的圓柱體,可得探測區(qū)內(nèi)魚類目標(biāo)的平均密度約為5.59尾/m3。

為了驗證統(tǒng)計結(jié)果,通過在網(wǎng)箱中采用標(biāo)記重捕的方法進行統(tǒng)計,表3為人工重捕計數(shù)結(jié)果與聲吶圖像計數(shù)結(jié)果對比,圖像計數(shù)結(jié)果相對于人工計數(shù)結(jié)果誤差均在10%以下,并且均值計算后的相對誤差僅為2.45%,因此可以驗證本方法對于網(wǎng)箱內(nèi)大黃魚數(shù)量有著較好的評估效果。

表3 標(biāo)記重捕與圖像計數(shù)結(jié)果對比

2.4 網(wǎng)箱中大黃魚空間特征分析

以網(wǎng)箱區(qū)域為研究重點,由于魚群多呈聚集姿態(tài),并且網(wǎng)箱空間有限,試驗時魚群水平分布變化小。取5次試驗數(shù)據(jù)為例進行空間特征分析,監(jiān)測時間以及監(jiān)測海域流速如表4所示,對5次試驗結(jié)果取均值后,給出網(wǎng)箱中大黃魚的水平空間分布情況如圖10所示,其中彩色圓點表征此位置魚群總數(shù)量,顏色由深藍過渡到明黃色表示與魚群數(shù)量,即由少至多。

表4 試驗時間以及海水流速表

圖10 魚群水平分布特征

在實際探測時,聲吶雖相對穩(wěn)定在圍網(wǎng)中心,但聲吶轉(zhuǎn)動速度相比于魚群游動速度較慢,因此會出現(xiàn)將同一目標(biāo)進行重復(fù)標(biāo)記的情況。但在直徑為15 m尺度的網(wǎng)箱內(nèi),從整體上看,圖11能夠體現(xiàn)魚群的水平分布特征?？梢钥吹剿椒较蛏?網(wǎng)箱中間魚群分布所占水平空間區(qū)域較少,多呈聚集群體,魚群大都分布在網(wǎng)箱東南角區(qū)域,所測單個探測點魚群數(shù)量最多可至3 500尾[27-28]。

在計算魚群垂直分布時,給出五個時間段內(nèi)不同水層下的魚群數(shù)量進行統(tǒng)計。其中,xoz為以無人船為原點的平面坐標(biāo)系,結(jié)果表明,魚群在各個時間段內(nèi)均主要集中分布在4～7 m附近水層,主要分布在養(yǎng)殖網(wǎng)箱中的中下層水域。

結(jié)合文獻[29-32]中對養(yǎng)殖網(wǎng)箱中魚群分布特性的分析,其分布特征存在的主要原因有如下兩點:(1)人工養(yǎng)殖網(wǎng)箱中,通常習(xí)慣在貼近網(wǎng)箱邊緣投飼,長時間投飼使得大黃魚產(chǎn)生一定的馴化效果,從而聚集在靠近網(wǎng)箱邊緣區(qū)域;(2)大黃魚垂直分布最主要的影響因素為水溫以及溶氧含量,水溫垂直分布以及水域溶氧分布將影響大黃魚的垂直分布特性,眾多文獻表明,大黃魚主要活動在水下4～10 m區(qū)域,且主要集中于水深5～6 m位置處,網(wǎng)箱深8 m,所以大黃魚在網(wǎng)箱中的垂直分布呈現(xiàn)處在4～7 m處聚集,兩者分布情況大致相符。人工養(yǎng)殖時投飼區(qū)域位于網(wǎng)箱東南角,與其水平空間分布特性結(jié)果相符合。

青浜島大黃魚養(yǎng)殖網(wǎng)箱中大黃魚主要分布在水深4～7 m處,即養(yǎng)殖區(qū)域的中下層,且大多聚集在圍網(wǎng)邊緣,從聲學(xué)角度上分析是由于大黃魚對聲音較為敏感,且偏向于流速較大的水域,所以垂直主要分布于中下層區(qū)域,而由于網(wǎng)箱養(yǎng)殖中人工投喂餌料基本位于網(wǎng)箱邊緣,所以黃魚基本也聚集在此處。同時,這也符合養(yǎng)殖大黃魚的主要分布特性,為科學(xué)指導(dǎo)后續(xù)養(yǎng)殖提供了可靠依據(jù)。本研究利用圖像聲吶對大型深遠海養(yǎng)殖網(wǎng)箱進行了大黃魚的初步數(shù)量估計,但魚群數(shù)量估計的誤差來源是多方面的,既存在不同大黃魚姿態(tài)對聲學(xué)圖像的影響,也有水下環(huán)境復(fù)雜所帶來的干擾,但相較于傳統(tǒng)漁業(yè)資源評估的采樣捕撈等方式,通過聲吶圖像采集的水下聲學(xué)圖像進行網(wǎng)箱漁業(yè)資源分析的方式為現(xiàn)代漁業(yè)評估提供了新的思路。

3 結(jié)論

本研究主要通過對圖像聲吶所獲取的大黃魚聲學(xué)圖像進行研究分析,以消聲水池中大黃魚的聲學(xué)標(biāo)定結(jié)果為基礎(chǔ),結(jié)合圖像處理的手段,對探測區(qū)域的大黃魚數(shù)量進行了統(tǒng)計分析,完成了整個養(yǎng)殖網(wǎng)箱的魚群數(shù)量估計以及空間分布特征分析,主要結(jié)論如下:

(1)本研究嘗試基于大黃魚聲學(xué)標(biāo)定數(shù)據(jù)下的目標(biāo)提取算法,在有先驗標(biāo)定數(shù)據(jù)的情況下,能夠有效地對噪聲進行濾除,該算法具有計算方便、快捷,并且易于實現(xiàn)的特點。

(2)得益于網(wǎng)箱內(nèi)為封閉區(qū)域的優(yōu)勢,本研究方法能夠與網(wǎng)箱內(nèi)魚群的估計結(jié)果進行人工對比,在極大提升統(tǒng)計效率的基礎(chǔ)上,圖像計數(shù)結(jié)果相對于人工技術(shù)結(jié)果誤差均在10%以下,并且均值計算后的相對誤差僅為2.45%,初步證明了此類方法的實用性。

(3)從網(wǎng)箱養(yǎng)殖大黃魚的空間分布特征可以看出,人工飼養(yǎng)對其分布特征的影響十分明顯,根據(jù)此分布特征可以科學(xué)指導(dǎo)漁民投飼及捕撈等作業(yè)。針對魚群數(shù)量統(tǒng)計及分布特征分析的難點,圖像聲吶能在一定程度上輔助進行漁業(yè)評估。