一种AI智能水产养殖样本识别方法及养殖系统

摘要

本发明公开了一种AI智能水产养殖样本识别方法及养殖系统，包括以下步骤：录入水产养殖的种类、族群和行为等样本录入样本数据库中；建立族群活动范围框架；采集水厂养殖池中画面信息；提取特征画面并识别样本。本发明通过本地样本对比模块读取样本数据储存模块中的本地数据，同时互联网接入模块、爬虫平台搜索模块和互联网对比模块从互联网上定向搜索视频对比，对比有重合的则通过种类识别模块、族群识别模块和行为识别模块进行识别操作，对比模块无法识别画面提取模块传递至的画面由人工识别模块通过人工来识别，并将识别结果录入样本数据储存模块中，以供下次自动识别，从而使得该装置识别较为准确，并可有效的进行规范化养殖模型训练。

说明书

技术领域

本发明涉及人工智能技术领域，具体为一种AI智能水产养殖样本识别方法及养殖系统。

背景技术

现有智能水产养殖系统基于“互联网+”平台，主要用于整合养殖专家、水技站、品牌商和经销商等产业资源，构建现代化水产共同体。局限于信息资源的互享，能够做到以科学系统化的规范进行人工养殖生产，同时采集行业内数据样本，协助建设科学养殖的模型，目前的智能化水产养殖还处于半人工养殖，只是借助部分设施进行水质监测、生产管理、生态防控等功能。

但是现有技术在实际使用时，多数智能水产养殖，不具备AI性能，无法精准物种识别，簇群定位，这就使得无法规范化养殖模型训练。

发明内容

本发明的目的在于提供一种AI智能水产养殖样本识别方法及养殖系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：包括以下步骤：

S1：录入水产养殖的种类、族群和行为等样本录入样本数据库中；

S2：建立族群活动范围框架；

S3：采集水厂养殖池中画面信息；

S4：提取特征画面并识别样本；

S5：识别样本的种类或族群和行为；

S6：分析样本并得出结论。

优选的，所述步骤S1中样本数据库包括水厂养殖池中所有生物的种类和样本族群形状、规模和大小以及样本的饥饿行为、求偶行为和越狱行为。

优选的，所述步骤S2中族群活动范围框架为将每个样本族群规定的活动范围进行划分，并设立分界线。

优选的，所述步骤S3中画面信息为水养殖池中视频信息。

优选的，所述步骤S4中特征画面为含有水产画面，并将水产识别为样本。

优选的，所述步骤S5中识别样本的种类或族群和行为步骤包括：

画面采集模块从样本数据库中与采集样本对比识别；

画面提取模块运用爬虫平台在互联网上定向视频搜索，将互联网信息作为大样本数据库，并将互联网数据库定向搜索的视频百科与采集样本对比识别。

本发明还提供一种AI智能水产养殖样本识别养殖系统，其特征在于：包括画面采集模块、画面提取模块、对比模块、识别模块、样本数据录入模块、样本数据储存模块、监测模块和框架建立模块，所述画面采集模块的输出端与画面提取模块的输入端连接，所述画面提取模块的输出端与对比模块的输入端连接，所述样本数据录入模块的输出端与样本数据储存模块的输入端连接，所述样本数据储存模块的输出端与对比模块的输入端连接，所述对比模块的输出端与识别模块的输入端连接，且样本数据储存模块的输入端与识别模块的输出端连接，所述监测模块的输出端与识别模块的输入端连接，所述框架建立模块的输出端与识别模块的输入端连接，所述对比模块包括爬虫平台对比模块和本地样本对比模块，所述爬虫平台对比模块包括互联网接入模块、爬虫平台搜索模块和互联网对比模块，所述互联网接入模块的输出端与爬虫平台搜索模块的输入端连接，所述爬虫平台搜索模块的输出端与互联网对比模块的输入端连接，所述识别模块包括自动识别模块和人工识别模块，所述自动识别模块包括种类识别模块、族群识别模块和行为识别模块，所述监测模块包括水温监测模块、水位监测模块、氧浓度监测模块和PH检测模块。

优选的，所述互联网接入模块用于将爬虫平台搜索模块接入互联网，所述爬虫平台搜索模块用于运用爬虫平台进行定向视频搜索，所述互联网对比模块用于将互联网上搜索的视频与采集的画面相对比，所述本地样本对比模块用于将本地录入的样本与采集的画面相对比。

优选的，所述种类识别模块用于识别所选样本的种类，所述族群识别模块用于识别所选样本的族群，所述行为识别模块用于识别样本的行为且可识别样本是否脱离活动范围，所述人工识别模块用于人工识别。

与现有技术相比，本发明的有益效果是：

1、本发明通过本地样本对比模块读取样本数据储存模块中的本地数据进行对比，同时互联网接入模块、爬虫平台搜索模块和互联网对比模块从互联网上定向搜索视频对比，对比有重合的则通过种类识别模块、族群识别模块和行为识别模块进行识别操作，对比模块无法识别画面提取模块传递至的画面由人工识别模块通过人工来识别，并将识别结果录入样本数据储存模块中，以供下次自动识别，从而使得该装置识别较为准确，并可有效的进行规范化养殖模型训练。

附图说明

图1为本发明一种AI智能水产养殖样本识别方法整体结构流程图；

图2为本发明一种AI智能水产养殖样本识别养殖系统整体结构控制框图。

图中：1、画面采集模块；2、画面提取模块；3、对比模块；31、爬虫平台对比模块；311、互联网接入模块；312、爬虫平台搜索模块；313、互联网对比模块；32、本地样本对比模块；4、识别模块；41、自动识别模块；411、种类识别模块；412、族群识别模块；413、行为识别模块；42、人工识别模块；5、样本数据录入模块；6、样本数据储存模块；7、监测模块；71、水温监测模块；72、水位监测模块；73、氧浓度监测模块；74、PH检测模块；8、框架建立模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-2，本发明提供一种技术方案：包括以下步骤：

S1：录入水产养殖的种类、族群和行为等样本录入样本数据库中；

S2：建立族群活动范围框架；

S3：采集水厂养殖池中画面信息；

S4：提取特征画面并识别样本；

S5：识别样本的种类或族群和行为；

S6：分析样本并得出结论。

步骤S1中样本数据库包括水厂养殖池中所有生物的种类和样本族群形状、规模和大小以及样本的饥饿行为、求偶行为和越狱行为。

步骤S2中族群活动范围框架为将每个样本族群规定的活动范围进行划分，并设立分界线。

步骤S3中画面信息为水养殖池中视频信息。

步骤S4中特征画面为含有水产画面，并将水产识别为样本。

步骤S5中识别样本的种类或族群和行为步骤包括：

画面采集模块1从样本数据库中与采集样本对比识别；

画面提取模块2运用爬虫平台在互联网上定向视频搜索，将互联网信息作为大样本数据库，并将互联网数据库定向搜索的视频百科与采集样本对比识别。

本发明还提供一种AI智能水产养殖样本识别养殖系统，包括画面采集模块1、画面提取模块2、对比模块3、识别模块4、样本数据录入模块5、样本数据储存模块6、监测模块7和框架建立模块8，画面采集模块1的输出端与画面提取模块2的输入端连接，画面提取模块2的输出端与对比模块3的输入端连接，样本数据录入模块5的输出端与样本数据储存模块6的输入端连接，样本数据储存模块6的输出端与对比模块3的输入端连接，对比模块3的输出端与识别模块4的输入端连接，且样本数据储存模块6的输入端与识别模块4的输出端连接，监测模块7的输出端与识别模块4的输入端连接，框架建立模块8的输出端与识别模块4的输入端连接，对比模块3包括爬虫平台对比模块31和本地样本对比模块32，爬虫平台对比模块31包括互联网接入模块311、爬虫平台搜索模块312和互联网对比模块313，互联网接入模块311的输出端与爬虫平台搜索模块312的输入端连接，爬虫平台搜索模块312的输出端与互联网对比模块313的输入端连接，识别模块4包括自动识别模块41和人工识别模块42，自动识别模块41包括种类识别模块411、族群识别模块412和行为识别模块413，监测模块7包括水温监测模块71、水位监测模块72、氧浓度监测模块73和PH检测模块74。

互联网接入模块311用于将爬虫平台搜索模块312接入互联网，爬虫平台搜索模块312用于运用爬虫平台进行定向视频搜索，互联网对比模块313用于将互联网上搜索的视频与采集的画面相对比，本地样本对比模块32用于将本地录入的样本与采集的画面相对比。

种类识别模块411用于识别所选样本的种类，族群识别模块412用于识别所选样本的族群，行为识别模块413用于识别样本的行为且可识别样本是否脱离活动范围，人工识别模块42用于人工识别。

工作原理：在使用时，该发明通过画面采集模块1将养殖水池内部画面传递至画面提取模块2处，并通过画面提取模块2提取特征画面并传递至对比模块3处，通过样本数据录入模块5向样本数据储存模块6中录入样本数据，且当对比模块3进行对比时，通过本地样本对比模块32读取样本数据储存模块6中的本地数据进行对比，同时互联网接入模块311、爬虫平台搜索模块312和互联网对比模块313从互联网上定向搜索视频对比，对比有重合的则通过识别模块4中自动识别模块41自动进行种类识别模块411、族群识别模块412和行为识别模块413识别操作，且当对比模块3无法识别画面提取模块2传递至的画面时，此时识别模块4中人工识别模块42通过人工来识别，并将识别结果录入样本数据储存模块6中，以供下次自动识别，从而使得该装置识别较为准确，并可有效的进行规范化养殖模型训练，配合监测模块7中采集的数据，从而使得可得水养殖内部的水温、水位、氧浓度和PH的情况，进而有效的对水产进行管理。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。