[发明专利]一种鱼苗计数物联设备及鱼苗情况统计方法

权利要求书

1.一种鱼苗计数物联设备，其特征在于：包括箱体和电源盒(4)，同时，包括远程连接的统计单元；所述电源盒(4)为箱体提供电源，所述箱体上设置有采集单元、识别单元和控制单元：

所述采集单元设置在箱体内的底部，用于盛放待测鱼苗；

所述识别单元设置在箱体内的顶部，用于对采集单元内的鱼苗进行拍摄；

所述控制单元连接识别单元，用于控制识别单元工作并获取其拍摄的鱼苗图像，同时输出统计单元的处理结果；

所述统计单元为远程服务器，通过互联网络连接控制单元，用于对鱼苗图像进行处理并得到鱼苗活鱼个数、死鱼个数以及鱼苗周期。

2.根据权利要求1所述的一种鱼苗计数物联设备，其特征在于：所述采集单元为置于箱体内底部的托盘(11)，箱体侧面开设便于托盘(11)放置或取出的托盘开口(12)；所述所述识别单元包括CCD高清摄像头(21)和LED灯(22)；所述控制单元包括树莓派系统(31)；所述统计单元为远程GPU服务器，树莓派系统(31)把获取到的图片通过4G/5G传输到远程GPU服务器，远程GPU服务器利用YOLOV4算法分别识别并计算每帧图片的数量，取其最大值作为一次采集和识别鱼苗的活鱼个数、死鱼个数以及鱼苗周期。

3.一种基于权利要求2所述鱼苗计数物联设备的鱼苗情况统计方法，其特征在于：步骤为：

S1、实时采集鱼苗图像：控制单元控制识别单元对鱼苗的拍摄，并采集鱼苗图像、传输至统计单元进行识别，要求1秒内采集N帧高清图像，进行移动互联网压缩传输；

S2、边框检测和图片校正：统计单元对拍摄的图像进行预处理，对托盘(11)的边框检测，矫正变形图片；

S3、鱼苗的识别和数量的统计：利用深度学习YOLOv4算法模型对鱼苗图像进行训练，通过训练特征结果识别鱼苗个体，得到鱼苗数量，包括活鱼个数和死鱼个数，并将结果回传至控制单元输出；

S4、估算鱼苗周期：通过测量鱼苗长度，即统计拍摄图片中鱼苗长度，根据鱼苗长度和鱼苗生长周期对照表估算鱼苗生长周期，并将结果回传至控制单元输出。

4.根据权利要求3所述的鱼苗情况统计方法，其特征在于：步骤S1中，鱼苗拍摄、采集、传输和识别时间总和控制在3～10秒内。

5.根据权利要求3所述的鱼苗情况统计方法，其特征在于：步骤S1中，所述移动互联网压缩传输为通过网络传输算法，包括TCP和HTTP自适应算法，获得稳定可靠的图片和数据的传输。

6.根据权利要求3所述的鱼苗情况统计方法，其特征在于：步骤S2中，所述边框检测的具体步骤如下：

1)读取拍摄图片并转换为灰度图，对灰度图进行中值滤波去掉图像中的噪声点，然后对图像进行二值化，采用THRESH_BINARY二进制阈值化，thresh为经验阈值，大于thresh置白，否则置黑；

2)托盘(11)的边缘检测，采用OpenCV中的canny函数，检测图像托盘(11)的边缘；

3)检测图像托盘(11)的轮廓，根据给出的托盘(11)的轮廓四个角点计算图中轮廓的长度、宽度，单位为像素；

4)计算托盘(11)的图像与真实尺寸的比例，同一高度且同一物距条件下拍摄一个刻度尺，计算刻度尺在图中的坐标距离，算出像素点和真实尺寸的比例K；

5)根据步骤4)中的比例K换算检测到的托盘(11)的轮廓的计算尺寸；

6)根据步骤5)计算的轮廓计算尺寸和真实测量尺寸作差值，对差值和允许误差δ比较，判断边框是否完整，允许误差δ为0.1cm。

7.根据权利要求6所述的鱼苗情况统计方法，其特征在于：步骤S2中，所述图片校正为根据长方形的托盘(11)的边框，完成图片的矫正；对图片边缘进行检测并提取出轮廓，通过霍夫变换检测图中是否包含直线，直到图中可以检测到直线和矩形，且图中框的长度通过比例换算与实际框的长度比较，直至误差不大于0.1cm，即完成边框的矫正。