CN112683814A - 一种基于养殖水质大数据评价水产饲料的方法及系统 - Google Patents

Abstract

本发明公开了一种基于养殖水质大数据评价水产饲料的方法及系统，通过快速对比待测饲料与标准饲料在实验池中扩散的实验光谱图像序列和参考光谱图像序列的边缘线，计算其对应的梯度值并进行快速的大数据分析峰值，从而客观地、快速方便地、持续性地、精确地检测到饲料对养殖水质的污染。避免了在实际应用中水产动物对该类饲料的采食速度和饲料中的污染源的降解速度等不可控因素对饲料评测的影响，从而动态地判断衡量水产饲料的好坏。

Description

一种基于养殖水质大数据评价水产饲料的方法及系统

技术领域

本公开属于大数据、计算机图像处理技术、水产饲料检测技术领域，具体涉及一种基于养殖水质大数据评价水产饲料的方法及系统。

背景技术

水产养殖水质是影响动物生长和健康以及决定养殖经济效益的关键。评价养殖水质的主要指标包括：酸碱度（pH）、溶氧量、氨氮含量、亚硝酸盐含量、总磷含量、总氮含量、重金属含量等。现有技术一般通过化学检测和仪器检测两种方法，化学检测方法是采用商业水质检测试剂盒（如水质检测试剂盒系列），通过试剂盒中的化学试剂与水体中特定成分发生化学反应，以最终水体颜色变化来判断水质指标含量的多少。缺陷是检测范围局限、检测数值不精确，且取样量不具备代表性，费时费力。仪器检测方法是采用传感器探测水质，相对省时省力，但仪器经常需要校准，普遍精确度不高，误差大，可重复性差。

通过水质指标可以客观的评价饲料的环保性和品质，目前普遍采用以上两种方法。即通过将饲料投入水体饲喂水产动物，采集特定时间点或时间段的水体样本，根据检测的水质指标，判断饲料对水质的影响。由于上述检测方法的局限，如精度低、样本量少、费时费力等，导致对饲料的评估结果往往过于片面和存在较大缺陷。且鱼塘水质指标是动态变化的，经常受到天气状况、气温、气压和水体中动物活动的影响，某一时或短时间的检测结果并不能科学预判水质质量，从而导致对饲料的评估存在较大难度。

目前的饲料检验主要是为了提高蛋白质的生物学价值，从而采用理想的蛋白质模式，改善蛋白质中各种氨基酸的平衡状况，可提高蛋白质的生物学利用价值，有效降低饲料粗蛋白质水平，提高饲料中氮的利用率，减少粪便中氮的排泄量。这样既可节省大量的天然蛋白质饲料资源，又可减轻集约化水产养殖对环境的氮污染程度。

因片面考虑水产动物对蛋白质等营养物的需求量，配合饲料中添加大量鱼粉或动物性蛋白原料等比例不合适可能会导致饲料氮磷排放污染。如何检测出饲料中的污染物，比如氮、磷含量与标准饲料比是否超标，直接的化学检测费时费力，且无法快速地、持续性地、精确地检测到饲料对水质的污染。在实际应用中，水产动物对饲料的采食速度和饲料中污染源的降解速度等因素是不可控的，无法根据直接的化学指标来衡量水产饲料的好坏。

发明内容

本发明的目的在于提出一种基于养殖水质大数据评价水产饲料的方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

测试环境：设置2个大小一致的水产养殖池（5～20亩的养殖池）作为实验池和参考池，实验池和参考池内放养相同密度的鱼苗（以罗非鱼为例，规格8朝，密度2000-3000尾/亩），并且实验池和参考池的水深和水质相同；取等量的待测水产饲料（新配置的准备检测的鱼饲料）和标准水产饲料（商业0号罗非鱼饲料），在实验池和参考池的投喂点进行投喂。饲料日投喂量为鱼苗体重的3%-5%，早晚各一次。

为了实现上述目的，根据本公开的一方面，提供一种基于养殖水质大数据评价水产饲料的方法，所述方法包括以下步骤：

分别在实验池和参考池的投喂点投喂待测水产饲料和标准水产饲料后，开始执行以下步骤：

S100，通过设置于实验池和参考池投喂点上方的光谱图像采集设备开始同步采集实验池和参考池水面的光谱图像，分别记为实验光谱图像和参考光谱图像，以首次开始同步采集光谱图像的时间为T0，每隔时间间隔TG采集实验光谱图像和参考光谱图像得到实验光谱图像序列和参考光谱图像序列；其中，时间间隔TG的初始值设置为[5，60]分钟；

S200，将实验光谱图像序列和参考光谱图像序列中的实验光谱图像和参考光谱图像分别图像滤波后进行二值化并以边缘检测算子进行边缘检测，

从而通过边缘检测得到由实验光谱图像中最外层的边缘线构成的第一封闭区，通过边缘检测得到由参考光谱图像中最外层的边缘线构成的第二封闭区，

如果第一封闭区或者第二封闭区的内部首次出现第三边缘线构成的第三封闭区，则跳转到步骤S300；如果第一封闭区或者第二封闭区的内部没有出现第三边缘线构成的第三封闭区，则跳转到步骤S100；其中，第三边缘线为在第一封闭区或者第二封闭区中任意一个封闭区域的内部进行边缘检测得到的边缘线构成；

S300，记第三封闭区首次出现时的时间为T1，修改设置时间间隔TG为TG=(T1-T0)/n,即从开始采集光谱图像到第三封闭区出现时的采集时长(T1-T0)除以n，即T1与T0的差值，其中，n为实验光谱图像序列中实验光谱图像的数量或参考光谱图像序列中参考光谱图像的数量；（T1时刻时出现第三封闭区对应表示待测水产饲料和标准水产饲料其中有一个开始首先出现污染物扩散现象，此时修改采集光谱图像的时间的时间间隔使得采集的图像数量更少，加快系统的整体检测速度）；

S400，如果第三封闭区首先出现在第二封闭区内部时，则判断待测水产饲料合格并结束步骤；如果第三封闭区首先出现在第一封闭区中，则转到S500进行下一项测试；（其物理意义为表示参考池中的标准水产饲料污染物扩散更快，待测水产饲料不污染水体）；

S500，如果第二封闭区内部出现由第四边缘线构成的第四封闭区，记录第四封闭区出现的时间为T2；分别计算第一封闭区和第三封闭区、第二封闭区和第四封闭区的扩散梯度得到第一梯度和第二梯度，其中，所述第四封闭区为在新采集的参考光谱图像的内部进行边缘检测得到的第二封闭区内部中新产生的边缘线构成的封闭区域；

S600，循环执行步骤S100～S500，计算得到实验光谱图像序列和参考光谱图像序列中同步的时间拍摄的实验光谱图像和参考光谱图像的各个第一梯度和第二梯度；当第一梯度和第二梯度的变化均由递增转变为递减，或者在最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值相同时，选取实验光谱图像序列中各个实验光谱图像对应的第一梯度的最大值记为第一峰值（最大的第一梯度值），选取参考光谱图像序列中各个参考光谱图像对应的第二梯度的最大值记为第二峰值（最大的第二梯度值），并转到步骤S700（表示污染物由扩散趋势转变为收缩趋势或者已经扩散开不产生降解现象）；其中，(T2-T1)即为第三封闭区首次出现时到参考光谱图像序列中出现第四封闭区出现时的时长，即T2与T1的差值；

S700，当第一峰值小于第二峰值时，判断待测水产饲料合格，否则判断待测水产饲料不合格。

进一步地，在S100中，投喂点为：实验池和参考池中距离岸边0.5到2米水面上的任意一点。

进一步地，在S100中，光谱图像采集设备包括成像高光谱仪、光纤光谱仪、多光谱相机中任意一种。

进一步地，在S100中，实验光谱图像和参考光谱图像为高光谱遥感图像或者光谱图像的溶氧量、氨氮含量、亚硝酸盐含量、总磷含量、总氮含量、重金属含量中任意一种物理量通过公开号为CN109557030A中的水质反演模型、单波段遥感模型、波段组合遥感模型或者最小二乘支持向量机模型任意一种反演模型进行反演得到的图像。

进一步地，在S500和S600中，计算第一封闭区和第三封闭区的扩散梯度的方法为：

通过计算公式为G1=|B1-A1|÷H1计算扩散梯度，其中，G1值为在第一封闭区的边缘线和其内部的第三封闭区边缘线区间内对应的水体的浓度扩散梯度值，或称为扩散梯度值；

其中，B1的计算方法为：

计算第三封闭区边缘线上的各点到投喂点的欧氏距离的平均值作为第三封闭区扩散半径平均值，以所述投喂点为圆心、所述第三封闭区扩散半径平均值为半径在实验光谱图像中形成圆形的对应圆弧线得到一个圆弧线X1；（即，以圆心和半径在实验光谱图像上作圆弧，在实验光谱图像上的圆弧部分即为圆弧线）；

通过反演模型反演实验光谱图像的圆弧的对应位置获得圆弧线X1上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为B1，或者计算圆弧线X1上与实验光谱图像中对应像素点的灰度值的算数平均值作为B1；

其中，A1的计算方法为：（与B1计算方法相同）

计算第一封闭区边缘线到投喂点的欧氏距离的平均值作为第一封闭区扩散半径平均值，以所述投喂点为圆心、所述第一封闭区扩散半径平均值为半径在实验光谱图像中形成圆形的对应圆弧线得到一个圆弧线Y1；

通过反演模型反演实验光谱图像的圆弧的对应位置获得圆弧线Y1上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为A1，或者计算圆弧线Y1上与实验光谱图像中对应像素点的灰度值的算数平均值作为A1；

其中，H1为圆弧线X1和圆弧线Y1之间的距离（X1和Y1上距离最近的两点之间差值的绝对值）。

其中，反演模型为：溶氧量、氨氮含量、亚硝酸盐含量、总磷含量、总氮含量、重金属含量中任意一种物理量通过公开号为CN109557030A中的水质反演模型、单波段遥感模型、波段组合遥感模型或者最小二乘支持向量机模型任意一种反演模型。

进一步地，在S500和S600中，计算第二封闭区和第四封闭区的扩散梯度的方法为：

通过计算公式为G2=|B2-A2|÷H2计算扩散梯度，其中，G2值为在第二封闭区的边缘线和其内部的第四封闭区边缘线区间内对应的水体的浓度扩散梯度值，或称为扩散梯度值；

其中，B2的计算方法为：

计算第四封闭区边缘线上的各点到投喂点的欧氏距离的平均值作为第四封闭区扩散半径平均值，以所述投喂点为圆心、所述第四封闭区扩散半径平均值为半径在参考光谱图像中形成圆形的对应圆弧线得到一个圆弧线X2；（即，以圆心和半径在参考光谱图像上作圆弧，在参考光谱图像上的圆弧部分即为圆弧线）；

通过反演模型反演参考光谱图像的圆弧的对应位置获得圆弧线X2上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为B2，或者计算圆弧线X2上与参考光谱图像中对应像素点的灰度值的算数平均值作为B2；

其中，A2的计算方法为：（与B2计算方法相同）

计算第二封闭区边缘线到投喂点的欧氏距离的平均值作为第二封闭区扩散半径平均值，以所述投喂点为圆心、所述第二封闭区扩散半径平均值为半径在参考光谱图像中形成圆形的对应圆弧线得到一个圆弧线Y2；

通过反演模型反演参考光谱图像的圆弧的对应位置获得圆弧线Y2上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为A2，或者计算圆弧线Y2上与参考光谱图像中对应像素点的灰度值的算数平均值作为A2；

其中，H2为圆弧线X2和圆弧线Y2之间的距离（X2和Y2上距离最近的两点之间差值的绝对值）。

其中，反演模型为：溶氧量、氨氮含量、亚硝酸盐含量、总磷含量、总氮含量、重金属含量中任意一种物理量通过公开号为CN209557030A中的水质反演模型、单波段遥感模型、波段组合遥感模型或者最小二乘支持向量机模型任意一种反演模型。

进一步地，在S600中，判断第一梯度和第二梯度的变化均由递增转变为递减的方法为：在实验光谱图像序列和参考光谱图像序列中，最新采集到的实验光谱图像和参考光谱图像的拍摄时间为T3，令T3时采集的实验光谱图像和参考光谱图像的第一梯度和第二梯度分别为V1和V2；令T3-TG时采集的实验光谱图像和参考光谱图像的第一梯度和第二梯度分别为V3和V4；如果第一梯度和第二梯度的状态1转变为状态2，则第一梯度和第二梯度的变化均由递增转变为递减，其中，

状态1为：V3≤V1或者V4≤V2；

状态2为：V3＞V1并且V4＞V2。

进一步地，在S600中，判断在最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值是否相同的方法为：

S601，以最新采集到的实验光谱图像和参考光谱图像的拍摄时间为T3；计算滑动量m=(T2-T1)/TG，以n为实验光谱图像序列中实验光谱图像的数量或参考光谱图像序列中参考光谱图像的数量；设置初始值为0的变量i，设置初始值为0的变量j；

S602，如果i＜m时，对比实验光谱图像序列中第n-i-j个实验光谱图像的第一梯度值是否与参考光谱图像序列中第n-i-j个参考光谱图像的第二梯度值相等，如果相等则令j的值增加1，并转到步骤S603；如果不相等则设置j的值为0并且令i的值增加1并转到步骤S603；

S603，如果i≥m时，判断最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值不相同并结束步骤；

S604，如果j＜m时转到步骤S602；如果j≥m时，判断最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值相同并结束步骤。

发明还提供了一种基于养殖水质大数据评价水产饲料的系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

光谱图像同步采集单元，用于通过设置于实验池和参考池投喂点上方的光谱图像采集设备开始同步采集实验池和参考池水面的光谱图像，分别记为实验光谱图像和参考光谱图像，以首次开始同步采集光谱图像的时间为T0，每隔时间间隔TG采集实验光谱图像和参考光谱图像得到实验光谱图像序列和参考光谱图像序列；

光谱图像边缘检测单元，用于将实验光谱图像序列和参考光谱图像序列中的实验光谱图像和参考光谱图像分别图像滤波后进行二值化并以边缘检测算子进行边缘检测，从而通过边缘检测得到由实验光谱图像中最外层的边缘线构成的第一封闭区，通过边缘检测得到由参考光谱图像中最外层的边缘线构成的第二封闭区，如果第一封闭区或者第二封闭区的内部首次出现第三边缘线构成的第三封闭区，则跳转到采集时间间隔修正单元；如果第一封闭区或者第二封闭区的内部没有出现第三边缘线构成的第三封闭区，则跳转到光谱图像同步采集单元；

采集时间间隔修正单元，用于记第三封闭区首次出现时的时间为T1，修改设置时间间隔TG为TG=(T1-T0)/n,即从开始采集光谱图像到第三封闭区出现时的采集时长(T1-T0)除以n，即T1与T0的差值；

水产饲料初检单元，用于在如果第三封闭区首先出现在第二封闭区内部时，则判断待测水产饲料合格并结束步骤；如果第三封闭区首先出现在第一封闭区中，则转到梯度趋势计算单元；

梯度趋势计算单元，用于在如果第二封闭区内部出现由第四边缘线构成的第四封闭区时，记录第四封闭区出现的时间为T2；分别计算第一封闭区和第三封闭区、第二封闭区和第四封闭区的扩散梯度得到第一梯度和第二梯度；

峰值选择单元，用于循环执行光谱图像同步采集单元到梯度趋势计算单元，计算得到实验光谱图像序列和参考光谱图像序列中同步的时间拍摄的实验光谱图像和参考光谱图像的各个第一梯度和第二梯度；当第一梯度和第二梯度的变化均由递增转变为递减，或者在最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值相同时，选取实验光谱图像序列中各个实验光谱图像对应的第一梯度的最大值记为第一峰值，选取参考光谱图像序列中各个参考光谱图像对应的第二梯度的最大值记为第二峰值，并转到水产饲料合格判断单元；

水产饲料合格判断单元，用于在当第一峰值小于第二峰值时，判断待测水产饲料合格，否则判断待测水产饲料不合格。

本公开的有益效果为：本发明提供一种基于养殖水质大数据评价水产饲料的方法及系统，通过快速对比待测饲料与标准饲料在实验池中的扩散图像，客观地、快速方便地、持续性地、精确地检测到饲料对水体水质的污染。避免了在实际应用中水产动物对该类饲料的采食速度和饲料中的污染源的降解速度等不可控因素对饲料评测的影响，从而动态地判断衡量水产饲料的好坏。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：

图1所示为一种基于养殖水质大数据评价水产饲料的方法的流程图；

图2所示为一种基于养殖水质大数据评价水产饲料的系统结构图。

具体实施方式

以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数，外、内理解为相对的里外关系。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

如图1所示为根据本发明的一种基于养殖水质大数据评价水产饲料的方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种基于养殖水质大数据评价水产饲料的方法。

本公开提出一种基于养殖水质大数据评价水产饲料的方法，所述方法具体包括以下步骤：

测试环境：设置2个大小一致的水产养殖池（5～20亩的养殖池）作为实验池和参考池，实验池和参考池内放养相同密度的鱼苗（以罗非鱼为例，规格8朝，密度2000-3000尾/亩），并且实验池和参考池的水深和水质相同；取等量的待测水产饲料和标准水产饲料（商业0号罗非鱼饲料），在实验池和参考池的投喂点进行投喂。饲料日投喂量为鱼苗体重的3%-5%，早晚各一次。（物理原理：由于每种污染物在水中的扩散速率不同，在连续的光谱图像上，排除掉水流等干扰，各种污染物根据在水中扩散速度的快慢在图上呈现为以投喂点为圆心的同心圆）；由于鱼的进食和污染物的降解，该同心圆在后期会由扩散趋势转变为收缩趋势）。

S100，通过设置于实验池和参考池投喂点上方的光谱图像采集设备开始同步采集实验池和参考池水面的光谱图像，分别记为实验光谱图像和参考光谱图像，以首次开始同步采集光谱图像的时间为T0，每隔时间间隔TG采集实验光谱图像和参考光谱图像得到实验光谱图像序列和参考光谱图像序列；其中，时间间隔TG的初始值设置为[5，60]分钟；

S200，将实验光谱图像序列和参考光谱图像序列中的实验光谱图像和参考光谱图像分别图像滤波后进行二值化并以Sobel或者Robert边缘检测算子进行边缘检测，

本文提到的边缘检测、边缘线若无特别说明，均以Sobel或者Robert边缘检测算子对图像提取边缘线得到；

从而通过边缘检测得到由实验光谱图像中最外层的边缘线构成的第一封闭区，通过边缘检测得到由参考光谱图像中最外层的边缘线构成的第二封闭区，

如果第一封闭区或者第二封闭区的内部首次出现第三边缘线构成的第三封闭区，则跳转到步骤S300；如果第一封闭区或者第二封闭区的内部没有出现第三边缘线构成的第三封闭区，则跳转到步骤S100；其中，第三边缘线为在第一封闭区或者第二封闭区中任意一个封闭区域的内部进行边缘检测得到的边缘线构成；

S300，记第三封闭区首次出现时的时间为T1，修改设置时间间隔TG为TG=(T1-T0)/n,即从开始采集光谱图像到第三封闭区出现时的采集时长(T1-T0)除以n，其中，n为实验光谱图像序列中实验光谱图像的数量或参考光谱图像序列中参考光谱图像的数量；（T1时刻时出现第三封闭区对应表示待测水产饲料和标准水产饲料其中有一个开始首先出现污染物扩散现象，此时修改采集光谱图像的时间的时间间隔使得采集的图像数量更少，加快系统的整体检测速度）；

（在理想的光谱图像中光谱呈现的是同心圆形状，例如，在水中磷比氮扩散要快，则内圆和外圆的交集是磷和氮，外圆和内圆不是交集的外环则是只有磷）；

S400，如果第三封闭区首先出现在第二封闭区内部时，判断待测水产饲料合格；如果第三封闭区首先出现在第一封闭区中，转到S500进行下一项测试；（表示参考池中的标准水产饲料污染物扩散更快，待测水产饲料不污染水体）；

S500，如果第二封闭区内部出现由第四边缘线构成的第四封闭区，记录第四封闭区出现的时间为T2；分别计算第一封闭区和第三封闭区、第二封闭区和第四封闭区的扩散梯度得到第一梯度和第二梯度，其中，所述第四封闭区为在新采集的参考光谱图像的内部进行边缘检测得到的第二封闭区内部中新产生的边缘线构成的封闭区域；

S600，循环执行步骤S100到S500，计算实验光谱图像序列和参考光谱图像序列中同步的时间拍摄的实验光谱图像和参考光谱图像的各个第一梯度和第二梯度；当第一梯度和第二梯度的变化均由递增转变为递减，或者在最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值相同时，选取实验光谱图像序列中各个实验光谱图像对应的第一梯度的最大值记为第一峰值，选取参考光谱图像序列中各个参考光谱图像对应的第二梯度的最大值记为第二峰值，并转到步骤S700（表示污染物由扩散趋势转变为收缩趋势或者已经扩散开不产生降解现象）；其中，(T2-T1)即为第三封闭区首次出现时到参考光谱图像序列中出现第四封闭区出现时的时长；

S700，当第一峰值小于第二峰值时，判断待测水产饲料合格，否则判断待测水产饲料不合格。

进一步地，在S100中，投喂点为：实验池和参考池中距离岸边0.5到2米水面上的任意一点。

进一步地，在S100中，光谱图像采集设备包括成像高光谱仪、光纤光谱仪、多光谱相机中任意一种。

进一步地，在S100中，实验光谱图像和参考光谱图像为高光谱遥感图像或者光谱图像的溶氧量、氨氮含量、亚硝酸盐含量、总磷含量、总氮含量、重金属含量中任意一种物理量通过公开号为CN109557030A中的水质反演模型、单波段遥感模型、波段组合遥感模型或者最小二乘支持向量机模型任意一种反演模型进行反演得到的图像。

进一步地，在S500和S600中，计算第一封闭区和第三封闭区的扩散梯度的方法为：

通过计算公式为G1=|B1-A1|÷H1计算扩散梯度，其中，G1值为在第一封闭区的边缘线和其内部的第三封闭区边缘线区间内对应的水体的浓度扩散梯度值，或称为扩散梯度值；

其中，B1的计算方法为：

计算第三封闭区边缘线上的各点到投喂点的欧氏距离的平均值作为第三封闭区扩散半径平均值，以所述投喂点为圆心、所述第三封闭区扩散半径平均值为半径在实验光谱图像中形成圆形的对应圆弧线得到一个圆弧线X1；

通过反演模型反演实验光谱图像的圆弧的对应位置获得圆弧线X1上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为B1，或者计算圆弧线X1上与实验光谱图像中对应像素点的灰度值的算数平均值作为B1；

其中，A1的计算方法为：（与B1计算方法相同）

计算第一封闭区边缘线到投喂点的欧氏距离的平均值作为第一封闭区扩散半径平均值，以所述投喂点为圆心、所述第一封闭区扩散半径平均值为半径在实验光谱图像中形成圆形的对应圆弧线得到一个圆弧线Y1；

通过反演模型反演实验光谱图像的圆弧的对应位置获得圆弧线Y1上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为A1，或者计算圆弧线Y1上与实验光谱图像中对应像素点的灰度值的算数平均值作为A1；

其中，H1为圆弧线X1和圆弧线Y1之间的距离（差值的绝对值）。

其中，反演模型为：溶氧量、氨氮含量、亚硝酸盐含量、总磷含量、总氮含量、重金属含量中任意一种物理量通过公开号为CN109557030A中的水质反演模型、单波段遥感模型、波段组合遥感模型或者最小二乘支持向量机模型任意一种反演模型。

进一步地，在S500和S600中，计算第二封闭区和第四封闭区的扩散梯度的方法为：

通过计算公式为G2=|B2-A2|÷H2计算扩散梯度，其中，G2值为在第二封闭区的边缘线和其内部的第四封闭区边缘线区间内对应的水体的浓度扩散梯度值，或称为扩散梯度值；

其中，B2的计算方法为：

计算第四封闭区边缘线上的各点到投喂点的欧氏距离的平均值作为第四封闭区扩散半径平均值，以所述投喂点为圆心、所述第四封闭区扩散半径平均值为半径在参考光谱图像中形成圆形的对应圆弧线得到一个圆弧线X2；

通过反演模型反演参考光谱图像的圆弧的对应位置获得圆弧线X2上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为B2，或者计算圆弧线X2上与参考光谱图像中对应像素点的灰度值的算数平均值作为B2；

其中，A2的计算方法为：（与B2计算方法相同）

计算第二封闭区边缘线到投喂点的欧氏距离的平均值作为第二封闭区扩散半径平均值，以所述投喂点为圆心、所述第二封闭区扩散半径平均值为半径在参考光谱图像中形成圆形的对应圆弧线得到一个圆弧线Y2；

通过反演模型反演参考光谱图像的圆弧的对应位置获得圆弧线Y2上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为A2，或者计算圆弧线Y2上与参考光谱图像中对应像素点的灰度值的算数平均值作为A2；

其中，H2为圆弧线X2和圆弧线Y2之间的距离（差值的绝对值）。

其中，反演模型为：溶氧量、氨氮含量、亚硝酸盐含量、总磷含量、总氮含量、重金属含量中任意一种物理量通过公开号为CN209557030A中的水质反演模型、单波段遥感模型、波段组合遥感模型或者最小二乘支持向量机模型任意一种反演模型。

进一步地，在S600中，判断第一梯度和第二梯度的变化均由递增转变为递减的方法为：在实验光谱图像序列和参考光谱图像序列中，最新采集到的实验光谱图像和参考光谱图像的拍摄时间为T3，令T3时采集的实验光谱图像和参考光谱图像的第一梯度和第二梯度分别为V1和V2；令T3-TG时采集的实验光谱图像和参考光谱图像的第一梯度和第二梯度分别为V3和V4；如果第一梯度和第二梯度的状态1转变为状态2，则第一梯度和第二梯度的变化均由递增转变为递减，其中，

状态1为：V3≤V1或者V4≤V2；

状态2为：V3＞V1并且V4＞V2。

进一步地，在S600中，判断在最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值是否相同的方法为：

S601，以最新采集到的实验光谱图像和参考光谱图像（即最后一张，集到的第n张实验光谱图像和参考光谱图像）的拍摄时间为T3；计算滑动量m=(T2-T1)/TG，以n为实验光谱图像序列中实验光谱图像的数量或参考光谱图像序列中参考光谱图像的数量；设置初始值为0的变量i，设置初始值为0的变量j；

S602，如果i＜m时，对比实验光谱图像序列中第n-i-j个实验光谱图像的第一梯度值是否与参考光谱图像序列中第n-i-j个参考光谱图像的第二梯度值相等，如果相等则令j的值增加1，并转到步骤S603；如果不相等则设置j的值为0并且令i的值增加1并转到步骤S603；

S603，如果i≥m时，判断最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值不相同并结束步骤；

S604，如果j＜m时转到步骤S602；如果j≥m时，判断最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值相同并结束步骤。

本公开的实施例提供的一种基于养殖水质大数据评价水产饲料的系统，如图2所示为本公开的一种基于养殖水质大数据评价水产饲料的系统结构图，该实施例的一种基于养殖水质大数据评价水产饲料的系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于养殖水质大数据评价水产饲料的系统实施例中的步骤。

所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

光谱图像同步采集单元，用于通过设置于实验池和参考池投喂点上方的光谱图像采集设备开始同步采集实验池和参考池水面的光谱图像，分别记为实验光谱图像和参考光谱图像，以首次开始同步采集光谱图像的时间为T0，每隔时间间隔TG采集实验光谱图像和参考光谱图像得到实验光谱图像序列和参考光谱图像序列；

光谱图像边缘检测单元，用于将实验光谱图像序列和参考光谱图像序列中的实验光谱图像和参考光谱图像分别图像滤波后进行二值化并以边缘检测算子进行边缘检测，从而通过边缘检测得到由实验光谱图像中最外层的边缘线构成的第一封闭区，通过边缘检测得到由参考光谱图像中最外层的边缘线构成的第二封闭区，如果第一封闭区或者第二封闭区的内部首次出现第三边缘线构成的第三封闭区，则跳转到采集时间间隔修正单元；如果第一封闭区或者第二封闭区的内部没有出现第三边缘线构成的第三封闭区，则跳转到光谱图像同步采集单元；

采集时间间隔修正单元，用于记第三封闭区首次出现时的时间为T1，修改设置时间间隔TG为TG=(T1-T0)/n,即从开始采集光谱图像到第三封闭区出现时的采集时长(T1-T0)除以n，即T1与T0的差值；

水产饲料初检单元，用于在如果第三封闭区首先出现在第二封闭区内部时，则判断待测水产饲料合格并结束步骤；如果第三封闭区首先出现在第一封闭区中，则转到梯度趋势计算单元；

梯度趋势计算单元，用于在如果第二封闭区内部出现由第四边缘线构成的第四封闭区时，记录第四封闭区出现的时间为T2；分别计算第一封闭区和第三封闭区、第二封闭区和第四封闭区的扩散梯度得到第一梯度和第二梯度；

峰值选择单元，用于循环执行光谱图像同步采集单元到梯度趋势计算单元，计算得到实验光谱图像序列和参考光谱图像序列中同步的时间拍摄的实验光谱图像和参考光谱图像的各个第一梯度和第二梯度；当第一梯度和第二梯度的变化均由递增转变为递减，或者在最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值相同时，选取实验光谱图像序列中各个实验光谱图像对应的第一梯度的最大值记为第一峰值，选取参考光谱图像序列中各个参考光谱图像对应的第二梯度的最大值记为第二峰值，并转到水产饲料合格判断单元；

水产饲料合格判断单元，用于在当第一峰值小于第二峰值时，判断待测水产饲料合格，否则判断待测水产饲料不合格。

所述一种基于养殖水质大数据评价水产饲料的系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于养殖水质大数据评价水产饲料的系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于养殖水质大数据评价水产饲料的系统的示例，并不构成对一种基于养殖水质大数据评价水产饲料的系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于养殖水质大数据评价水产饲料的系统还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于养殖水质大数据评价水产饲料的系统运行系统的控制中心，利用各种接口和线路连接整个一种基于养殖水质大数据评价水产饲料的系统可运行系统的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于养殖水质大数据评价水产饲料的系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (7)

1.一种基于养殖水质大数据评价水产饲料的方法，其特征在于，所述方法包括以下步骤：

S100，通过设置于实验池和参考池投喂点上方的光谱图像采集设备开始同步采集实验池和参考池水面的光谱图像，分别记为实验光谱图像和参考光谱图像，以首次开始同步采集光谱图像的时间为T0，每隔时间间隔TG采集实验光谱图像和参考光谱图像得到实验光谱图像序列和参考光谱图像序列；

S200，将实验光谱图像序列和参考光谱图像序列中的实验光谱图像和参考光谱图像分别图像滤波后进行二值化并以边缘检测算子进行边缘检测，

从而通过边缘检测得到由实验光谱图像中最外层的边缘线构成的第一封闭区，通过边缘检测得到由参考光谱图像中最外层的边缘线构成的第二封闭区，

如果第一封闭区或者第二封闭区的内部首次出现第三边缘线构成的第三封闭区，则跳转到步骤S300；如果第一封闭区或者第二封闭区的内部没有出现第三边缘线构成的第三封闭区，则跳转到步骤S100；其中，第三边缘线为在第一封闭区或者第二封闭区中任意一个封闭区域的内部进行边缘检测得到的边缘线构成；

S300，记第三封闭区首次出现时的时间为T1，修改设置时间间隔TG为TG=(T1-T0)/n,即从开始采集光谱图像到第三封闭区出现时的采集时长(T1-T0)除以n；其中，n为实验光谱图像序列中实验光谱图像的数量或参考光谱图像序列中参考光谱图像的数量；

S400，如果第三封闭区首先出现在第二封闭区内部时，则判断待测水产饲料合格并结束步骤；如果第三封闭区首先出现在第一封闭区中，则转到S500进行下一项测试；

S500，如果第二封闭区内部出现由第四边缘线构成的第四封闭区，记录第四封闭区出现的时间为T2；分别计算第一封闭区和第三封闭区、第二封闭区和第四封闭区的扩散梯度得到第一梯度和第二梯度；其中，所述第四封闭区为在新采集的参考光谱图像的内部进行边缘检测得到的第二封闭区内部中新产生的边缘线构成的封闭区域；

S600，循环执行步骤S100～S500，计算得到实验光谱图像序列和参考光谱图像序列中同步的时间拍摄的实验光谱图像和参考光谱图像的各个第一梯度和第二梯度；当第一梯度和第二梯度的变化均由递增转变为递减，或者在最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值相同时，选取实验光谱图像序列中各个实验光谱图像对应的第一梯度的最大值记为第一峰值，选取参考光谱图像序列中各个参考光谱图像对应的第二梯度的最大值记为第二峰值，并转到步骤S700；

S700，当第一峰值小于第二峰值时，判断待测水产饲料合格，否则判断待测水产饲料不合格。

2.根据权利要求1所述的一种基于养殖水质大数据评价水产饲料的方法，其特征在于，在S100中，光谱图像采集设备包括成像高光谱仪、光纤光谱仪、多光谱相机中任意一种。

3.根据权利要求1所述的一种基于养殖水质大数据评价水产饲料的方法，其特征在于，在S500和S600中，计算第一封闭区和第三封闭区的扩散梯度的方法为：

通过计算公式为G1=|B1-A1|÷H1计算扩散梯度，其中，G1值为在第一封闭区的边缘线和其内部的第三封闭区边缘线区间内对应的水体的浓度扩散梯度值，或称为扩散梯度值；

其中，B1的计算方法为：

计算第三封闭区边缘线上的各点到投喂点的欧氏距离的平均值作为第三封闭区扩散半径平均值，以所述投喂点为圆心、所述第三封闭区扩散半径平均值为半径在实验光谱图像中形成圆形的对应圆弧线得到一个圆弧线X1；

通过反演模型反演实验光谱图像的圆弧的对应位置获得圆弧线X1上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为B1，或者计算圆弧线X1上与实验光谱图像中对应像素点的灰度值的算数平均值作为B1；

其中，A1的计算方法为：

计算第一封闭区边缘线到投喂点的欧氏距离的平均值作为第一封闭区扩散半径平均值，以所述投喂点为圆心、所述第一封闭区扩散半径平均值为半径在实验光谱图像中形成圆形的对应圆弧线得到一个圆弧线Y1；

通过反演模型反演实验光谱图像的圆弧的对应位置获得圆弧线Y1上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为A1，或者计算圆弧线Y1上与实验光谱图像中对应像素点的灰度值的算数平均值作为A1；

其中，H1为圆弧线X1和圆弧线Y1之间的距离。

4.根据权利要求1所述的一种基于养殖水质大数据评价水产饲料的方法，其特征在于，在S500和S600中，计算第二封闭区和第四封闭区的扩散梯度的方法为：

通过计算公式为G2=|B2-A2|÷H2计算扩散梯度，其中，G2值为在第二封闭区的边缘线和其内部的第四封闭区边缘线区间内对应的水体的浓度扩散梯度值，或称为扩散梯度值；

其中，B2的计算方法为：

计算第四封闭区边缘线上的各点到投喂点的欧氏距离的平均值作为第四封闭区扩散半径平均值，以所述投喂点为圆心、所述第四封闭区扩散半径平均值为半径在参考光谱图像中形成圆形的对应圆弧线得到一个圆弧线X2；

通过反演模型反演参考光谱图像的圆弧的对应位置获得圆弧线X2上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为B2，或者计算圆弧线X2上与参考光谱图像中对应像素点的灰度值的算数平均值作为B2；

其中，A2的计算方法为：

计算第二封闭区边缘线到投喂点的欧氏距离的平均值作为第二封闭区扩散半径平均值，以所述投喂点为圆心、所述第二封闭区扩散半径平均值为半径在参考光谱图像中形成圆形的对应圆弧线得到一个圆弧线Y2；

通过反演模型反演参考光谱图像的圆弧的对应位置获得圆弧线Y2上的各个像素点对应位置的水域中的污染物的浓度的算数平均值作为A2，或者计算圆弧线Y2上与参考光谱图像中对应像素点的灰度值的算数平均值作为A2；

其中，H2为圆弧线X2和圆弧线Y2之间的距离。

5.根据权利要求1所述的一种基于养殖水质大数据评价水产饲料的方法，其特征在于，在S600中，判断第一梯度和第二梯度的变化均由递增转变为递减的方法为：在实验光谱图像序列和参考光谱图像序列中，最新采集到的实验光谱图像和参考光谱图像的拍摄时间为T3，令T3时采集的实验光谱图像和参考光谱图像的第一梯度和第二梯度分别为V1和V2；令T3-TG时采集的实验光谱图像和参考光谱图像的第一梯度和第二梯度分别为V3和V4；如果第一梯度和第二梯度的状态1转变为状态2，则第一梯度和第二梯度的变化均由递增转变为递减，其中，

状态1为：V3≤V1或者V4≤V2；

状态2为：V3＞V1并且V4＞V2。

6.根据权利要求1所述的一种基于养殖水质大数据评价水产饲料的方法，其特征在于，在S600中，判断在最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值是否相同的方法为：

S601，以最新采集到的实验光谱图像和参考光谱图像的拍摄时间为T3；计算滑动量m=(T2-T1)/TG，以n为实验光谱图像序列中实验光谱图像的数量或参考光谱图像序列中参考光谱图像的数量；设置初始值为0的变量i，设置初始值为0的变量j；

S602，如果i＜m时，对比实验光谱图像序列中第n-i-j个实验光谱图像的第一梯度值是否与参考光谱图像序列中第n-i-j个参考光谱图像的第二梯度值相等，如果相等则令j的值增加1，并转到步骤S603；如果不相等则设置j的值为0并且令i的值增加1并转到步骤S603；

S603，如果i≥m时，判断最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值不相同并结束步骤；

S604，如果j＜m时转到步骤S602；如果j≥m时，判断最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值相同并结束步骤。

7.一种基于养殖水质大数据评价水产饲料的系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

光谱图像同步采集单元，用于通过设置于实验池和参考池投喂点上方的光谱图像采集设备开始同步采集实验池和参考池水面的光谱图像，分别记为实验光谱图像和参考光谱图像，以首次开始同步采集光谱图像的时间为T0，每隔时间间隔TG采集实验光谱图像和参考光谱图像得到实验光谱图像序列和参考光谱图像序列；

光谱图像边缘检测单元，用于将实验光谱图像序列和参考光谱图像序列中的实验光谱图像和参考光谱图像分别图像滤波后进行二值化并以边缘检测算子进行边缘检测，从而通过边缘检测得到由实验光谱图像中最外层的边缘线构成的第一封闭区，通过边缘检测得到由参考光谱图像中最外层的边缘线构成的第二封闭区，如果第一封闭区或者第二封闭区的内部首次出现第三边缘线构成的第三封闭区，则跳转到采集时间间隔修正单元；如果第一封闭区或者第二封闭区的内部没有出现第三边缘线构成的第三封闭区，则跳转到光谱图像同步采集单元；

采集时间间隔修正单元，用于记第三封闭区首次出现时的时间为T1，修改设置时间间隔TG为TG=(T1-T0)/n,即从开始采集光谱图像到第三封闭区出现时的采集时长(T1-T0)除以n，即T1与T0的差值；其中，n为实验光谱图像序列中实验光谱图像的数量或参考光谱图像序列中参考光谱图像的数量；

水产饲料初检单元，用于在如果第三封闭区首先出现在第二封闭区内部时，则判断待测水产饲料合格并结束步骤；如果第三封闭区首先出现在第一封闭区中，则转到梯度趋势计算单元；

梯度趋势计算单元，用于在如果第二封闭区内部出现由第四边缘线构成的第四封闭区时，记录第四封闭区出现的时间为T2；分别计算第一封闭区和第三封闭区、第二封闭区和第四封闭区的扩散梯度得到第一梯度和第二梯度；

峰值选择单元，用于循环执行光谱图像同步采集单元到梯度趋势计算单元，计算得到实验光谱图像序列和参考光谱图像序列中同步的时间拍摄的实验光谱图像和参考光谱图像的各个第一梯度和第二梯度；当第一梯度和第二梯度的变化均由递增转变为递减，或者在最近一个连续(T2-T1)的时间段内第一梯度和第二梯度值相同时，选取实验光谱图像序列中各个实验光谱图像对应的第一梯度的最大值记为第一峰值，选取参考光谱图像序列中各个参考光谱图像对应的第二梯度的最大值记为第二峰值，并转到水产饲料合格判断单元；

水产饲料合格判断单元，用于在当第一峰值小于第二峰值时，判断待测水产饲料合格，否则判断待测水产饲料不合格。

Images