基于机器视觉边缘AI识别的鱼浮头现象的监测方法及系统
技术特征:
1.一种基于机器视觉边缘ai识别的鱼浮头现象的监测方法,其特征在于,包括:
2.根据权利要求1所述的基于机器视觉边缘ai识别的鱼浮头现象的监测方法,其特征在于,布设监测装置时包括:
3.根据权利要求1所述的基于机器视觉边缘ai识别的鱼浮头现象的监测方法,其特征在于,根据比对结果排除投料影响时,包括:
4.根据权利要求3所述的基于机器视觉边缘ai识别的鱼浮头现象的监测方法,其特征在于,根据所述累计时长与鱼浮头密度数据并结合密度数据变化率确定风险等级时,包括:
5.根据权利要求4所述的基于机器视觉边缘ai识别的鱼浮头现象的监测方法,其特征在于,根据所述累计时长与鱼浮头密度数据并结合密度数据变化率确定风险等级时,还包括:
6.根据权利要求5所述的基于机器视觉边缘ai识别的鱼浮头现象的监测方法,其特征在于,确定风险等级时,包括:
7.根据权利要求1所述的基于机器视觉边缘ai识别的鱼浮头现象的监测方法,其特征在于,根据所述风险等级确定水质检测区域,基于无人机对所述水质检测区域进行水质检测时,包括:
8.根据权利要求7所述的基于机器视觉边缘ai识别的鱼浮头现象的监测方法,其特征在于,当水质检测为正常时,根据所述风险等级进行增氧时,包括:
9.一种基于机器视觉边缘ai识别的鱼浮头现象的监测系统,用于应用如权利要求1-8任一项所述的基于机器视觉边缘ai识别的鱼浮头现象的监测方法,其特征在于,包括:
技术总结
本发明涉及自动检测技术领域,公开了基于机器视觉边缘AI识别的鱼浮头现象的监测方法及系统,该方法包括:确定待监测区域布设监测装置;实时采集待监测区域内水面的图像数据,对图像数据进行解析获取鱼浮头密度数据,当鱼浮头密度数据大于最高密度阈值时进行确认监测模式;记录当前时刻并将图像数据与历史投料图像进行比对排除投料影响;采集鱼浮头现象出现的累计时长,根据累计时长与鱼浮头密度数据并结合密度数据变化率确定风险等级;根据风险等级确定水质检测区域,基于无人机对水质检测区域进行水质检测;当水质检测为正常时,根据风险等级进行增氧。本发明减少了对人工巡塘的依赖,提升了监测的实时性和准确性。
技术研发人员:唐宏,赖雨,曹沂华,艾旭旭,王涛,刘雄芳,方筠元,曾爽,郑云涛
受保护的技术使用者:赣南科技学院
技术研发日:
技术公布日:2024/11/26
文档序号 :
【 40125570 】
技术研发人员:唐宏,赖雨,曹沂华,艾旭旭,王涛,刘雄芳,方筠元,曾爽,郑云涛
技术所有人:赣南科技学院
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:唐宏,赖雨,曹沂华,艾旭旭,王涛,刘雄芳,方筠元,曾爽,郑云涛
技术所有人:赣南科技学院
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
