[发明专利]一种藻类图像数据的水下采集与原位识别装置及方法

权利要求书

1.一种藻类图像数据的水下采集与原位识别装置，其特征在于，包括数据采集单元以及与之信号连接的数据处理单元，数据处理单元包括主板（8），主板（8）上安装有主控模块，主控模块信号连接有控制器模块、恒流驱动模块、存储模块、信号转换模块、调制解调模块、图像识别模块以及网络模块；

数据采集单元包括防水箱，防水箱中安装有摄像头（3），摄像头（3）通过CIS接口（11）与主控模块信号连接，摄像头（3）正对的防水箱箱面为玻璃纤维面（9），玻璃纤维面（9）外侧平行布置有一个ABS树脂立面（1），ABS树脂立面（1）的上端、下端均板与玻璃纤维面（9）外壁面连接，左端和右两端与玻璃纤维面（9）均不连接，ABS树脂立面（1）与玻璃纤维面（9）之间形成一个允许水流通过的夹层。

2.根据权利要求1所述的藻类图像数据的水下采集与原位识别装置，其特征在于，所述防水箱中还安装有环形滑轨（7），摄像头（3）位于环形滑轨（7）中心，环形滑轨（7）上滑动安装有多个光学镜头支座（5），光学镜头支座（5）上安装有不同放大倍率的光学镜头（2），光学镜头（2）的安装高度与摄像头（3）相匹配，光学镜头支座（5）的运动受电机模块控制，电机模块与控制器模块信号连接。

3.根据权利要求2所述的藻类图像数据的水下采集与原位识别装置，其特征在于，所述防水箱中安装有蠕动泵（4），蠕动泵（4）与恒流驱动模块信号连接；蠕动泵（4）的两根过流管伸出防水箱后分别连接至夹层进水端和出水端。

4.根据权利要求3所述的藻类图像数据的水下采集与原位识别装置，其特征在于，所述摄像头（3）通过摄像头支座（6）安装在防水箱中，摄像头支座（6）上还安装有用于对摄像头（3）拍摄成像区域进行补光的LED照明模组（12），LED照明模组（12）与主控模块信号连接。

5.根据权利要求1所述的藻类图像数据的水下采集与原位识别装置，其特征在于，所述ABS树脂立面（1）与玻璃纤维面（9）之间间距为0.5mm，ABS树脂立面（1）、玻璃纤维面（9）均经过磁研磨抛光处理。

6.根据权利要求1所述的藻类图像数据的水下采集与原位识别装置，其特征在于，所述防水箱的其余面均由不透光的ABS树脂材料制成。

7.根据权利要求1所述的藻类图像数据的水下采集与原位识别装置，其特征在于，所述图像识别模块用于对摄像头（3）传递的摄像数据进行分割处理，并提取质量最好的帧作为识别用图像；图像识别模块中搭载有卷积神经网络的水下图像复原算法，用于对过曝、欠曝、模糊以及黏连藻类图像进行修正，得到清晰化的藻类图像；图像识别模块中还搭载有网络模型RN-Algae，用于对藻类图像进行识别。

8.根据权利要求2所述的藻类图像数据的水下采集与原位识别装置，其特征在于，所述控制器模块控制电机模块和恒流驱动模块，分别用于控制光学镜头（2）的移动和夹层内的过流速度；存储模块用于存储摄像头（3）传递的藻类图像数据；信号转换模块用于将接收到的摄像数据信号转换为数字信号，以降低传输和存储负荷；网络模块通过无线网卡将存储模块存储的藻类图像数据以及图像识别模块处理后的结果上传至服务器。

9.利用权利要求4所述藻类图像数据的水下采集与原位识别装置进行藻类图像数据的水下采集与原位识别的方法，其特征在于，包括如下步骤：

步骤1：将主板（8）封装于防水箱中，将防水箱固定在支撑立杆上，根据待测水体水深，调节防水箱的安装位置和高度，然后将支撑立杆固定在水体底部沉积层中，外部电源对主板（8）供电，进行藻类图像数据的水下采集与原位识别；

步骤2：通过控制器模块设置摄像头（3）拍摄频率，调节蠕动泵（4）功率以保证夹层内水流速度满足要求，然后摄像头（3）自动拍摄5～10张夹层内的藻类图像作为预实验样本；

步骤3：图像识别模块对摄像头（3）拍摄的预实验样本数据进行分析，判断是否满足算法识别要求；当图像亮度过低时，主控模块下发指令，控制LED照明模组（12）打开以保证摄像区域光线充足；当图像焦距不满足要求时，主控模块下发指令，控制器模块控制电机模块工作，带动光学镜头（2）旋转，直至选取到满足要求倍率的光学镜头（2）；

步骤4：摄像头（3）继续自动拍摄5～10张藻类图像并传递至图像识别模块进行分析，重复步骤3，直至预实验样本全部满足要求；

步骤5：摄像头（3）按照设定拍摄频率自动拍摄夹层内的视频数据，并通过CIS接口（11）传递至信号转换模块转换为数字信号，然后依次经过存储模块、主控模块、调制解调模块后最终传递至图像识别模块；图像识别模块分割视频数据并提取最优帧，再利用基于卷积神经网络的水下图像复原算法对提取的图像进行处理，对图像过曝、欠曝、模糊的栅格区域进行消除和改良，并基于凹点匹配算法对黏连藻类图像进行分割，最终得到满足藻类识别算法需要的高质量藻类图；

接着，图像识别模块基于网络模型RN-Algae，使用升级版的ResNet-50算法，针对藻类数据集Algae-6特点提取特征点，将图像与决策库进行比对，实时识别藻类品种，并以固定输出维度输出识别结果，识别结果传递至网络模块；

步骤6：网络模块通过无线网卡将结果上传至服务器，用户通过访问特定网址:查询识别结果。