Industry News
Fish, hungry? Machine vision technology can tell
■获奖论文
北京市科协主办第十四届北京青年优秀科技论文二等奖 《水产养殖鱼类图像处理方法》
■论文第一作者
国家农业信息化工程技术研究中心博士 周超
饿不饿:机器视觉察言观色
养鱼不仅是一门“艺术”,也需要高科技。比如,在喂鱼时,什么时候喂,喂多少,喂几次,降温了升温了怎么喂,鱼看起来胃口不好怎么办?这里面有很多的科学问题,投喂量不足会影响鱼类的生长,过量投喂也会降低饲料的转换效率。更为严重的是,过投会导致残余的饵料产生。这些未吃残饵的分解会消耗氧气,并产生氨氮等有毒物质,严重的会影响鱼类的生命和生长。
鱼类与人不能直接交流,那么怎么知道鱼饿不饿,胃口好不好呢?在实际生产中,人工观察鱼类食欲虽然比较直观,但是效果因人而异,效率较低。
国家农业信息化工程技术研究中心的周超博士通过分析和研究,发现与人类相似,鱼饿的时候也会有很多行为上的变化,可以直接反映其饥饿程度。
机器视觉技术非常适合用于获取和量化鱼类的摄食行为,它是人工智能发展的一个重要分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断,其通过图像摄取装置将被摄目标转换成图像信号,传送给专用的图像处理系统,对这些信号进行各种运算来抽取目标的特征。
机器视觉具有无损、开发简单、成本低的优点。然而,虽然机器视觉技术目前在工业现场用得比较成熟,但是其还没有大规模应用于水产养殖中。这是由水产养殖的特殊性决定的,一方面摄像头和研究对象之间隔了水这一特殊的介质,光的折射、反光等现象影响了使用效果;另一方面,鱼有随环境颜色的变化调整体色的习性,导致采集到的图像对比度非常低。为解决以上问题,周超研究了水面反光的处理方法,自适应的图像对比度增强方法,达到最优的视觉效果,增强了机器视觉在水产养殖中的使用效果。
最后,通过一系列的图像处理算法,综合鱼的位置、大小、方向、速度等信息,结合一系列的数学算法,就可以得到评价鱼类的食欲和饥饿程度的指标。
喂多少:智能算法说了算
利用智能算法,构建智能投喂决策方法,可以实现按鱼类的需要进行投喂。作为一种新兴的解决问题的形式,智能算法非常适合应用于水产养殖系统。然而其怎么实现投喂量和启停的判断呢?智能模型或者算法之所以被称为“智能”的,是因为这些模型类似于人的大脑,可以模拟人类的认识和经验的学习过程。其实主要是首先建立训练集,告诉模型什么样的行为参数输入可以得到什么样的输出,模型训练后,完成学习过程,建立了一定的规则(即“经验”)。后续就可以实现对输入行为参数的判断,自动输出控制指令(继续或者停止投喂),实现了按鱼类食欲调整的智能投喂决策,进而取代了以往靠简单选取阈值判断投喂。
在周超等人的研究中有很多自主创新的成果,研究水平已经处于国内外领先,得到了挪威卑尔根大学、中国海洋大学等国内外专家的肯定。他们首次提出了基于鱼类行为指标的智能投喂方法,是对原先人工判断的一个重大突破。实验结果也表明,它可以极大节省饲料。更重要的是,如果任由节省的这部分饲料在水里分解,势必会污染环境。实现以上的功能只需要摄像头和一系列的软件算法,在长期应用时成本优势明显,具有大规模推广应用的潜力。