基于神经网络的鱼类活性判断及其在水质监测中的应用

摘要

随着社会科技的快速发展，水质环境污染问题日益加剧，也更多的受到国家和人们的关注。面对日益加剧的水污染问题，特别是水体中存在毒性农药物质的污染，传统的理化分析技术，由于其检测时间长，不能对水体污染作出实时快速的预警。因此，快速高效的生物式水质监测预警成为了水质安全研究领域的一个重要课题，在国内外得到广泛的研究和应用。
　　本文以红鲫鱼作为生物式水质预警监测对象。通过将红鲫鱼暴露于添加了农药（杀虫剂、毒死蜱、乐果等）的水样中，完成了水样中鱼目标的自动识别和跟踪，并迸一步利用神经网络模型对鱼目标的活性状态进行识别，以此开发了水质毒性监测预警系统。本文研究的主要内容如下:
　　1、提出了基于选择力注意机制的鱼目标跟踪方法。人类识别目标时，总能将其注意力定位在待识别目标。根据这一原理，本文设计了视觉目标注意力区域，在该区域可有效对被跟踪目标进行分割。此外，为了连续跟踪到鱼目标，还提出了注意力区域更新算法。结果表明，该方法可在复杂背景下有效的跟踪鱼群中的单个鱼目标。
　　2、提出了基于神经网络模型的鱼目标活性状态判断方法。将提取的鱼目标作为神经网络的输入，根据误差反向传播算法训练网络以识别鱼目标是否处于活性（或者死亡）状态。实验结果表明，模型可以快速准确的判断水样中鱼所处的状态。结果表明，暴露在农药杀虫剂、毒死蜱和乐果下的鱼体目标，可以在设定阈值时间内通过神经网络模型判断出其活性状态。此外，该方法对于鱼群中是否存在死亡的个体同样有效。
　　3、开发了基于鱼类活性状态的水质毒性监测系统。系统利用C++语言开发，图形用户界面采用了跨平台的QT库，视频数据的预处理则采用了开源计算机视觉库。系统的主要功能包括了基于选择力注意机制的鱼目标跟踪，以及基于神经网络模型的鱼目标活性状态判断。目前，开发的系统目前已在绍兴某制水公司和萧山某制水公司试运行。

目录

声明

摘要

第1章 绪论

1．1 论文研究背景及意义

1．2 突发性水质污染对鱼类行为的影响

1．3 国内外研究现状

1．3．1 基于计算机视觉的鱼类行为量化

1．3．2 鱼类异常行为检测

1．3．3 鱼类预警系统

1．4 论文组织结构

第2章 基于计算机视觉的鱼类活性识别技术

．2．1 引言

2．2 鱼类常用特征提取跟踪

2．2．1 颜色特征

2．2．2 纹理特征

2．2．3 鱼类状态跟踪

2．3 鱼类活性状态分类算法

2．4 本章小结

第3章 基于选择力注意机制群体目标跟踪预测方法

3．1 引言

3．2 基于选择力注意的多目标跟踪方法

3．2．1 选择力注意区域

3．2．2 目标匹配检测

3．2．3 跟踪定位

3．3 实验结果分析

3．3．2 结果分析

3．4 本章小结

第4章 基于神经网络的鱼目标活性判断模型

4．1 引言

4．2 基于神经网络的鱼类活性检测

4．2．1 神经网络结构模型

4．2．2 基于神经网络算法的鱼类活性分类器

4．3 活性检测实验方案

4．4 活性检测实验结果分析

4．5 本章小结

第5章 水质毒性监测预警系统

5．1 引言

5．2 应用场景

5．3 系统设计

5．3．1 硬件平台

5．3．2 系统监测流程设计

5．3．3 软件功能

5．4 系统运行环境模式

5．4．1 系统硬件环境

5．4．2 系统软件环境

5．4．3 数据的完整性和可查看性

5．5 主要功能介绍

5．6 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读学位期间参加的科研项目和成果