本发明涉及水产，更具体的说是涉及一种基于声学的池塘鱼类密度和产量的估算方法。
背景技术：
1、在水产养殖行业，养殖户和养殖企业需要经常性的查看养殖鱼类的生长、生存状态，并对养殖鱼类的最终出塘产量做出预估，并制定合理的饵料投喂方案，以保障水产品品质安全以及生产经营安全。但是水产养殖现有的对鱼类的出塘产量的评估尚未有有效可行的具体方法。同时，由于水产养殖现场监控范围有限、监控距离很远，根本无法做到对养殖鱼类生长、生存状况和出塘产量进行科学评估。
2、因此，如何对鱼类的出塘产量进行评估是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本发明提供了一种基于声学的池塘鱼类密度和产量的估算方法，通过声呐获取鱼群的密度，进一步以体长数据通过预测模型评估得出鱼类的平均体质量，从而评估得到池塘中鱼的总产量，实现了对鱼类的出塘产量的科学评估。
2、为了实现上述目的，本发明采用如下技术方案：
3、一种基于声学的池塘鱼类密度和产量的估算方法，包括：
4、s1：将同种鱼类养殖池塘按网格划分并选择采样区域，采用前视声呐获取所述采样区域的声散射信号图像；
5、s2：采用声学标定的方法确认所述声散射信号图像中鱼类的二值化阈值；以所述二值化阈值为初始阈值，计算类间方差，使用遍历的方法使得类间方差最接近所述初始阈值后，获取所有的所述鱼类在所述声散射信号图像的面积中的总像素数据；
6、s3：人工采样获取同种鱼类养殖池塘内鱼类的样本，获取所述样本的均值、标准差与经验累积分布函数；采用迭代法获取正态分布参数估计值，将正态分布参数与预设阈值相比较，获取其中在符合所述预设阈值大于所述正态分布参数的样本中的最小正态分布参数的样本作为最佳样本；
7、s4：获取所述最佳样本在散射信号图像的面积像素数据，通过所述总像素数据与所述面积像素数据获取鱼类的总数量，进一步通过所述总数量与采样区域面积获取鱼类密度；
8、s5：将所述面积像素数据输入经sta-net网络训练得到预测模型得到体长数据，将所述体长数据通过幂函数拟合得到体质量数据，根据所述鱼类密度与所述体质量数据得到池塘产量数据。
9、优选的，所述使用遍历的方法计算类间方差如下式所示：
10、
11、其中，m×n为声散射信号图像p(x,y)的像素矩阵，图像中像素的灰度值大于二值化阈值t的像素个数为n0′,像素灰度小于二值化阈值t的像素个数为n1′，t为前景与背景分割的二值化阈值，ω0为属于前景的像素点数占整幅图像的比例,p0为平均灰度，ω1为背景像素点数占整幅图像的比例,p1为平均灰度，p为整幅图像的平均灰度,g为类间方差。
12、优选的，所述s3具体包括：
13、s3.1：获得所述样本的均值和标准偏差；
14、s3.2：获得所述样本的经验累积分布函数；
15、s3.3：根据所述样本的均值和标准偏差和分布函数，利用迭代法获得所述样本的正态分布参数估计值；
16、s3.4：将正态分布参数与预设阈值相比较，获取其中在符合所述预设阈值大于所述正态分布参数的样本中的最小正态分布参数的样本作为最佳样本。
17、优选的，所述s4具体包括以所述面积像素数据提取每幅声散射信号图像中的所测鱼类平均数量nj为此段鱼类数量，采用逐段累加的方式确定所述采样区域垂直方向的鱼类数量ni,最终得到所述采样区域内的鱼类总数量n，如下式所示：
18、
19、其中，i为试验次数,j＝3×(π/δβ-1),δβ为前视声呐垂直旋转角度，采样区域内的鱼类密度ρ＝n/v,v是整个采样区域水下体积。
20、优选的，所述sta-net网络具体包括：
21、特征提取部分：包含四个不同深度的空洞卷积模块，卷积模块的步长为1，卷积核大小为3，空洞卷积系数为2，使用lrelu作为激活函数，则每个步长下卷积的结果如下式所示，其中l、m、u为滤波器尺寸，j、k为分别为输入图像长、宽尺寸，w为共享权重，bias为偏置；
22、
23、o为leaky-relu激活函数：
24、其中，j∈[0,hin),k∈[0,win),u∈[0,cin)；
25、每层的输出尺寸如公式所示：
26、
27、其中，hn、wn分别为输入第n层的特征图长度与宽度，cn为该卷积层的深度，yn为第n层卷积层的输出，p为填充的像素数，k是卷积核大小，d为空洞卷积系数，s为步长；
28、注意力机制部分：通过公式对卷积部分提取的特征图进行掩膜叠加得到一个有效特征更加明显的特征图；
29、yo＝y+sigmoid(y)*y；
30、
31、全连接回归部分：首先是一个含有4096个节点的全连接层，其次将其输出的包含4096个特征向量平均切成8片，每片单独进行体长回归，最后将预测的8个体长进行权重叠加计算出最终体长，如公式所示；
32、age＝w1*age1+w2*age2+...+w8*age8；
33、其中，age为最终体长，(w1,w2,...,w8)为权重系数，(age1,age2...,age8)为4096个特征向量平均所切成8片。
34、优选的，所述s2之前还包括通过分段线性拉伸算法提高所述声散射信号图像中的信噪比,突出突显图像细节；其次通过中值滤波对拉伸后的声呐图像进行去噪处理；采用gaussian-laplace滤波器对图像处理，消除离散点噪声；通过形态学中膨胀处理方法将图像中断裂的亮点消除。
35、优选的，所述通过幂函数拟合得到体质量数据具体包括：
36、w＝alb；
37、其中，w和l分别表示所获取鱼类样本的体质量和长度，a为条件因子,b为幂指数。
38、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于声学的池塘鱼类密度和产量的估算方法，通过声呐获取鱼群的密度，进一步以体长数据通过预测模型评估得出鱼类的平均体质量，从而评估得到池塘中鱼的总产量，实现了对鱼类的出塘产量的科学评估。
1.一种基于声学的池塘鱼类密度和产量的估算方法，其特征在于，包括：
2.根据权利要求1所述的一种基于声学的池塘鱼类密度和产量的估算方法，其特征在于，所述使用遍历的方法计算类间方差如下式所示：
3.根据权利要求1所述的一种基于声学的池塘鱼类密度和产量的估算方法，其特征在于，所述s3具体包括：
4.根据权利要求1所述的一种基于声学的池塘鱼类密度和产量的估算方法，其特征在于，所述s4具体包括以所述面积像素数据提取每幅声散射信号图像中的所测鱼类平均数量qj为此段鱼类数量，采用逐段累加的方式确定所述采样区域垂直方向的鱼类数量qi,最终得到所述采样区域内的鱼类总数量q，如下式所示：
5.根据权利要求1所述的一种基于声学的池塘鱼类密度和产量的估算方法，其特征在于，所述sta-net网络具体包括：
6.根据权利要求1所述的一种基于声学的池塘鱼类密度和产量的估算方法，其特征在于，所述s2之前还包括通过分段线性拉伸算法提高所述声散射信号图像中的信噪比,突出突显图像细节；其次通过中值滤波对拉伸后的声呐图像进行去噪处理；采用gaussian-laplace滤波器对图像处理，消除离散点噪声；通过形态学中膨胀处理方法将图像中断裂的亮点消除。
7.根据权利要求1所述的一种基于声学的池塘鱼类密度和产量的估算方法，其特征在于，所述通过幂函数拟合得到体质量数据具体包括：
