中国海洋湖沼学会主办。
文章信息
- 张慧, 吴常文, 江丹丹, 赵乐, 桂福坤. 2016.
- ZHANG Hui, WU Chang-Wen, JIANG Dan-Dan, ZHAO Le, GUI Fu-Kun. 2016.
- 基于图像处理技术的养殖池集污特性研究
- MONITORING WASTE CUMULATINGIN AQUACULTURE PONDSUSING IMAGE PROCESSING TECHNOLOGY
- 海洋与湖沼, 47(2): 374-379
- Oceanologia et Limnologia Sinica, 47(2): 374-379.
- http://dx.doi.org/10.11693/hyhz20151200295
-
文章历史
- 收稿日期:2015-12-04
- 改回日期:2016-02-28
工厂化养殖是我国水产品生产的重要方式,养殖规模和产量不断增大,已成为我国海洋经济发展重要的支柱产业(黄翔鹄,2013)。工厂化养殖是高密度控温养殖,在此条件下,滞留于养殖池内生物排泄物和投喂残饵若不及时处理,容易在水中分解使池水生态环境迅速恶化,一旦发生水质恶化,养殖对象的摄食、生长都将会受到严重影响,甚至导致中毒、疾病和死亡(刘鹰等,1999)。目前,在生产上常采用频繁换水的方法来改善养殖池内的水体生态环境,对水资源和电力资源造成巨大压力,养殖成本增大。当前迫切需要一种高效的处理方法来处理养殖池内残饵粪便的聚集。然而,多数养殖池(尤其面积较大的虾池和鱼池)由于水体浑浊,难以直观地了解池内污物的聚集效果,缺乏有价值的经验数据。在基础研究和技术手段方面,这一领域的研究报道相对较少,也一定程度上限制了相关技术的提升。图像处理技术应用范围广泛,在水产养殖领域中也得到大量应用,主要有计算机图像处理技术在养殖生物的生物量和生长评估中的应用、计算机图像处理技术在鱼的行为监测和应激状态评估中的应用,还有利用计算机图像处理技术进行鱼的计数、分级和分类、判断鱼的成熟等(徐建瑜等,2005)。国内主要集中在对鱼和鱼苗计数与鱼类运动监测等方面(刘星桥等,2005; 范嵩等,2008),在工厂化养殖水体的水动力学方面,尤其是利用计算机图像处理技术研究养殖水体污染物分布少有报道。为此,笔者针对对虾养殖的残饵的图像特性,研发了残饵污物分布图像分析技术,并对采用边侧射流驱动条件下,不同射流角度对污物聚集分布特性影响,获得最佳的射流角度,以期为鱼虾养殖池的设计和优化提供参考。
1 材料与方法 1.1 试验设备试验所用养殖池高70cm,池面为200cm×200cm的正方形,正方形的四个角作弧型切角。虾池池底坡度为1︰15,向池中心倾斜。距池中心每隔10cm处画制圆圈,依次定义为第1圈至第9圈。养殖池通过布置于左右两个边侧的射流管形成水力驱动,射流管直径16mm,从上至下开设有5个直径4mm的小孔。池内中心为出水口,通过管道与水泵连接,然后再分别连接至两个射流管,形成封闭式的水力驱动系统,如图 1所示。
试验时,污物聚集分布情况通过图 1所示的图像采集系统获得,图像采集系统由高分辨率照相机、电脑、控制软件组成,照相机架设在虾池的正上方。试验时水泵持续工作,待水流稳定且污物分布状态稳定不变化后,对养殖池进行图像采集。
1.2 试验材料试验采用对虾1号专用饲料作为污物替代物(残饵),饲料购于宁波天邦股份有限公司。饲料平均直径约1.5mm,长约4.5mm。每次试验,称取饲料100g,均匀撒于试验池内。
1.3 试验条件试验前把饵料均匀投撒于虾池中,两个射流管对称分布在池壁的中间部位,射流流速固定为24cm/s,射流角度(射流方向与池壁的夹角)共8组,分别为α=0°、α=10°、α=20°、α=30°、α=40°、α=50°、α=60°、α=70°。
2 图像处理试验主要通过图像分析法,提取污物聚集面积和位置分布,研究不同射流条件对污物聚集的影响。有效的图像分析是重要前提,图像处理包括图像获取、图像预处理、图像增强、图像分割、二值化和轮廓提取等相关步骤。图像处理后,将进一步用于分析研究养殖池污物聚集面积与分布情况。
2.1 图像预处理试验中采集到的图片格式为JPEG,这种格式的图像存储方式涉及到编码,后期对图像进行处理需要解码(翟丽华,2008; 江丹丹,2015)。为减少运算量,加快处理速度,首先把采集到的JPEG格式图像转换成存储方式比较简单的BMP格式图像。
灰度化处理就是根据灰度等级的数目来对图像进行划分,使图像变成一种具有从黑到白256灰度级色的单色图像(孙少林等,2010)。在光线不好、阴影较重的情况下可进行灰度变换操作以得到背景光线较均匀的图像。灰度转换公式为
式中,Y表示灰度图像的亮度,R、B、G分别表示原图像的红、绿、蓝分量值。
2.2 图像增强 2.2.1 图像平滑处理图像平滑(章毓晋,2012)就是将变化较大和较快的高频部分滤去,以减少灰度值的起伏。图像平滑可以削弱或消除图像的高频成分而不影响低频部分,因此平滑主要是用来消除噪声。图像平滑的方法有很多种,常用的有均值滤波、高斯滤波、中值滤波等。由于采集到的图像包含的噪声不同,所以并没有一个全部情况都适用的滤波器。本文对上述三种滤波方法进行了对比分析,其中,中值滤波(马彦平等,2009)是把原图像中某像素点为中心的小窗口内,对窗口内的像素点按从小到大的顺序进行排列,然后找出这几个灰度值中值,用中值替代该像素点的灰度值来达到消除孤立噪声点的目的(栾庆磊等,2011; 张鹤等,2011)。中值滤波能在除去噪声的过程中不会消除任何像素点,所以可以更好的保护图像的边缘,并且它不需要计算图像的统计特性,计算也比较方便。针对饲料污物特性,考虑到中值滤波器可以避免模糊图像中尖锐不连续的区域以及能有效滤除脉冲干扰及图像扫描噪声等优点,本文采用3×3窗口的中值滤波器对图像进行了平滑处理。
2.2.2 灰度线性变换从采集的图像中可以看出图像整体比较暗,对比度也不明显,不利于对图像进行分割。线性灰度变换就是对图像中所有像素点的灰度级进行线性映射,根据线性灰度变换函数使原图像一定范围内的像素灰度值扩大或者缩小到具体的范围,增强图像中感兴趣的灰度区域,抑制不感兴趣的区域。图 4(a)中可以看出变换前的图像对比度不明显,经过(83,74)、(133,191)这两个控制点进行灰度拉伸变换后,对比度明显有所增强,整体显示效果更清晰,如图 4(b)所示。
2.3 图像分割经过灰度变换后,饵料目标和背景的对比度较明显,直方图峰谷特征对比也比较明显,采用迭代法阈值分割在这种情况下可以得到比较好的分割效果,图像的前景和背景部分能较好地分割出来。图像分割处理流程如下:
(1) 首先求出灰度图像的最大灰度值Gmax和最小灰度值Gmin,然后通过Gmax和Gmin求得平均阈值T,并把该阈值作为初始化阈值,计算公式如下:
(2) 用阈值Tk(其中k =0,1,2,…)分割图像为灰度值大于Tk的像素部分和灰度值小于等于Tk像素部分,这两部分分别记为G1和G2。
(3) 计算G1和G2像素的平均灰度值m1和m2;
式中,m1代表G1的平均灰度值,m2代表G2的平均灰度值,图像上点(i,j)的灰度值用G(i,j)表示,N(i,j)是点(i,j)的权重系数,一般N(i,j)=1.0。
(4) 求出一个新的阈值: T=(m1+m2)/2;
(5) 如果连续迭代中的值Tk=T,此时Tk为分割的最佳阈值,结束迭代,否则重复步骤2到4。
迭代法阈值分割方法基于逼近的思想,通过程序逐次迭代计算得到的目标和背景区域的均值分别为B0和B1,直到收敛于某个稳定的阈值这个值就是迭代法最终的分割阈值,通过该方法把饵料和背景分割开来。这种方法的本质是利用每幅图像的信息计算分割阈值,图像不同,分割的阈值就不同,具有自适应性。
2.4 轮廓提取目标图像的轮廓提取常采用链码法,常用的链码有4向、8向链码两种,是按照中心像素点邻接方向个数的不同来划分的(陈优广,2006)。因为任意一个像素周围均有8个邻接点,能够准确地描述中心像素点与其邻接点的信息。利用链码进行轮廓跟踪的算法具体步骤为:
(1) 按顺序扫描图像,当找到没有被标记跟踪结束记号的点时把它作为第一个边界起始点A。定义一个用来记录上一步中沿着前一个边界点到当前边界点的移动方向的方向变量dir,设其初始值为7;
(2) 按逆时针方向搜索当前象素的3×3邻域,设置起始搜索方向为(dir+7)mod 8。如果搜索到的当前像素值与第一个像素值相同时,便把当前像素作为新的边界点An,同时更新变量dir。
(3) 重复步骤2,直到第一个边界点A0等于第二个边界点A1,且前一个边界点An-1等于A0。
(4) 根据以上步骤找到边界点A0、A1、A2、…、An-2构成的边界就是需要跟踪的边界。
上图中,图 5(a)为经过迭代阈值法分割后的二值化图像,图 5(b)为二值化后去除背景图像中黑色圆圈标线后的二值图,利用多区域轮廓跟踪法提取的边缘比较细,同时空洞的部分没有被分割出来,只提取了图像边界,这样使得计算的面积比较接近真实的值。
2.5 面积与位置分析获得污物图像的轮廓后,可进一步计算各污物聚集点的面积和位置。污物聚集面积根据轮廓线包含的像素点进行统计,然后以图中预设圆圈的几何尺寸,换算获得污物聚集的真实面积。污物所在位置以池心为坐标原点,以到池心的距离为位置坐标。
3 结果与分析试验射流流速不变v=24cm/s,八种不同射流角度α对池内污物聚集特性的影响如图 6所示。由图可见,污物总体倾向于集中分布在左斜方向的区域内; 随着驱动角度增大,污物聚集度升高,当射流角度为40°时,出现最佳污物聚集现象。之后,随着射流角度进一步增大,污物聚集度开始降低。
进一步利用图像分析技术,量化分析不同射流角度条件下的污物聚集情况,如图 7所示。图中x轴代表各环序数,y轴为各环饵料所占面积,单位为m。由图可见,第二环内污物面积均为0,面积峰值位于第五、六环处,角度增大至50°时,外环内面积开始增大。
射流角度α对池内饵料所占总面积的影响如图 8所示,图中x轴代表射流角度α,y轴代表饵料所占总面积,单位m2。由图 8可见,污物所占总面积随角度增大先减小后增大,当射流角为40°时达到最小值。
4 讨论图像分析技术广泛应用于各种生产实践和科学研究中,本文针对养殖池残饵污物特性,开发了专用的图像分析软件,有效解决了残饵图像分析技术,成功获取了污物聚集面积和位置的量化数据,为进一步开展各种养殖池污物聚集特性分析等相关研究提供了重要的手段支撑。
养殖池污物聚集特性不仅与池型结构、水力驱动方式有关,而且也与污物的物理学特性有密切关系(Oca et al,2007)。本文针对一种常用的方形圆切角养
殖池,以对虾1号饲料作为残饵污物,研究了给定流速条件下,边侧垂管射流角度对池内污物聚集效果的影响。研究表明,射流角度为40°时,污物聚集效果最好,饵料所占总面积为0.129m2,显著优于其它射流角度。污物向池心聚集的原因与多种因素有关。养殖池在水力驱动下,形成环流,一般情况下流速由外向内逐步减小,由于池心存在出口流量,形成向心流,污物被水流驱动产生运动,在向心流和向心重力分量(由底坡引起)的作用下产生向心运动。在本试验中,同时发现污物并非都向池心聚集,在养殖池的左斜断面(参见图 6)也容易产生污物聚集,这可能是由于左斜断面底部流速存在衰减,低于污物的启动流速而产生聚集。尚需开展更深入的水动力特性研究,分析池内不同位置处的流场特征。当射流角度大于50°以后,污物的聚集逐步变得离散,这应与射流方向过于接近池心,使池外圈产生反向漩涡,流场变得
凌乱,无法有效的实现污物聚集。因此对于此类方形圆切角养殖池,在边侧射流水力驱动条件下,其最优射流角度应设置在40°左右。
本文仅针对直壁养殖水池的一种底坡情况下的水动力特性和集污效果进行了试验研究。实际生产中,养殖池的池型结构类型较多、水力驱动方式也有多种、污物的组成成分也较复杂,本文的研究成果可供参考,更系统全面的研究可以通过开展试验和数值模拟等方法进一步深化,最终为工厂化鱼类、虾蟹类养殖池的设计和池型优化提供更为系统科学的参考依据。