張 慧 吳常文 江丹丹 趙 樂 桂福坤

(浙江海洋大學(xué) 國家海洋設(shè)施養(yǎng)殖工程技術(shù)研究中心 舟山 316000)

工廠化養(yǎng)殖是我國水產(chǎn)品生產(chǎn)的重要方式, 養(yǎng)殖規(guī)模和產(chǎn)量不斷增大, 已成為我國海洋經(jīng)濟發(fā)展重要的支柱產(chǎn)業(yè)(黃翔鵠, 2013)。工廠化養(yǎng)殖是高密度控溫養(yǎng)殖, 在此條件下, 滯留于養(yǎng)殖池內(nèi)生物排泄物和投喂殘餌若不及時處理, 容易在水中分解使池水生態(tài)環(huán)境迅速惡化, 一旦發(fā)生水質(zhì)惡化, 養(yǎng)殖對象的攝食、生長都將會受到嚴(yán)重影響, 甚至導(dǎo)致中毒、疾病和死亡(劉鷹等, 1999)。目前, 在生產(chǎn)上常采用頻繁換水的方法來改善養(yǎng)殖池內(nèi)的水體生態(tài)環(huán)境, 對水資源和電力資源造成巨大壓力, 養(yǎng)殖成本增大。當(dāng)前迫切需要一種高效的處理方法來處理養(yǎng)殖池內(nèi)殘餌糞便的聚集。然而, 多數(shù)養(yǎng)殖池(尤其面積較大的蝦池和魚池)由于水體渾濁, 難以直觀地了解池內(nèi)污物的聚集效果, 缺乏有價值的經(jīng)驗數(shù)據(jù)。在基礎(chǔ)研究和技術(shù)手段方面, 這一領(lǐng)域的研究報道相對較少, 也一定程度上限制了相關(guān)技術(shù)的提升。圖像處理技術(shù)應(yīng)用范圍廣泛, 在水產(chǎn)養(yǎng)殖領(lǐng)域中也得到大量應(yīng)用, 主要有計算機圖像處理技術(shù)在養(yǎng)殖生物的生物量和生長評估中的應(yīng)用、計算機圖像處理技術(shù)在魚的行為監(jiān)測和應(yīng)激狀態(tài)評估中的應(yīng)用, 還有利用計算機圖像處理技術(shù)進(jìn)行魚的計數(shù)、分級和分類、判斷魚的成熟等(徐建瑜等, 2005)。國內(nèi)主要集中在對魚和魚苗計數(shù)與魚類運動監(jiān)測等方面(劉星橋等, 2005; 范嵩等,2008), 在工廠化養(yǎng)殖水體的水動力學(xué)方面, 尤其是利用計算機圖像處理技術(shù)研究養(yǎng)殖水體污染物分布少有報道。為此, 筆者針對對蝦養(yǎng)殖的殘餌的圖像特性, 研發(fā)了殘餌污物分布圖像分析技術(shù), 并對采用邊側(cè)射流驅(qū)動條件下, 不同射流角度對污物聚集分布特性影響, 獲得最佳的射流角度, 以期為魚蝦養(yǎng)殖池的設(shè)計和優(yōu)化提供參考。

1 材料與方法

1.1 試驗設(shè)備

試驗所用養(yǎng)殖池高70cm, 池面為200cm×200cm的正方形, 正方形的四個角作弧型切角。蝦池池底坡度為 1︰15, 向池中心傾斜。距池中心每隔 10cm處畫制圓圈, 依次定義為第1圈至第9圈。養(yǎng)殖池通過布置于左右兩個邊側(cè)的射流管形成水力驅(qū)動, 射流管直徑 16mm, 從上至下開設(shè)有 5個直徑 4mm的小孔。池內(nèi)中心為出水口, 通過管道與水泵連接, 然后再分別連接至兩個射流管, 形成封閉式的水力驅(qū)動系統(tǒng), 如圖1所示。

圖1 系統(tǒng)采集裝置示意圖Fig.1 Diagram of image acquisition system

試驗時, 污物聚集分布情況通過圖1所示的圖像采集系統(tǒng)獲得, 圖像采集系統(tǒng)由高分辨率照相機、電腦、控制軟件組成, 照相機架設(shè)在蝦池的正上方。試驗時水泵持續(xù)工作, 待水流穩(wěn)定且污物分布狀態(tài)穩(wěn)定不變化后, 對養(yǎng)殖池進(jìn)行圖像采集。

1.2 試驗材料

試驗采用對蝦 1號專用飼料作為污物替代物(殘餌), 飼料購于寧波天邦股份有限公司。飼料平均直徑約 1.5mm, 長約 4.5mm。每次試驗, 稱取飼料 100g,均勻撒于試驗池內(nèi)。

1.3 試驗條件

試驗前把餌料均勻投撒于蝦池中, 兩個射流管對稱分布在池壁的中間部位, 射流流速固定為24cm/s, 射流角度(射流方向與池壁的夾角)共 8組,分別為 α=0°、α=10°、α=20°、α=30°、α=40°、α=50°、α=60°、α=70°。

2 圖像處理

試驗主要通過圖像分析法, 提取污物聚集面積和位置分布, 研究不同射流條件對污物聚集的影響。有效的圖像分析是重要前提, 圖像處理包括圖像獲取、圖像預(yù)處理、圖像增強、圖像分割、二值化和輪廓提取等相關(guān)步驟。圖像處理后, 將進(jìn)一步用于分析研究養(yǎng)殖池污物聚集面積與分布情況。

2.1 圖像預(yù)處理

試驗中采集到的圖片格式為 JPEG, 這種格式的圖像存儲方式涉及到編碼, 后期對圖像進(jìn)行處理需要解碼(翟麗華, 2008; 江丹丹, 2015)。為減少運算量,加快處理速度, 首先把采集到的JPEG格式圖像轉(zhuǎn)換成存儲方式比較簡單的BMP格式圖像。

灰度化處理就是根據(jù)灰度等級的數(shù)目來對圖像進(jìn)行劃分, 使圖像變成一種具有從黑到白256灰度級色的單色圖像(孫少林等, 2010)。在光線不好、陰影較重的情況下可進(jìn)行灰度變換操作以得到背景光線較均勻的圖像?；叶绒D(zhuǎn)換公式為

式中, Y表示灰度圖像的亮度, R、B、G分別表示原圖像的紅、綠、藍(lán)分量值。

圖2 圖像預(yù)處理Fig.2 Image preprocessing

2.2 圖像增強

2.2.1 圖像平滑處理 圖像平滑(章毓晉, 2012)就是將變化較大和較快的高頻部分濾去, 以減少灰度值的起伏。圖像平滑可以削弱或消除圖像的高頻成分而不影響低頻部分, 因此平滑主要是用來消除噪聲。圖像平滑的方法有很多種, 常用的有均值濾波、高斯濾波、中值濾波等。由于采集到的圖像包含的噪聲不同, 所以并沒有一個全部情況都適用的濾波器。本文對上述三種濾波方法進(jìn)行了對比分析, 其中, 中值濾波(馬彥平等, 2009)是把原圖像中某像素點為中心的小窗口內(nèi), 對窗口內(nèi)的像素點按從小到大的順序進(jìn)行排列, 然后找出這幾個灰度值中值, 用中值替代該像素點的灰度值來達(dá)到消除孤立噪聲點的目的(欒慶磊等, 2011; 張鶴等, 2011)。中值濾波能在除去噪聲的過程中不會消除任何像素點, 所以可以更好的保護(hù)圖像的邊緣, 并且它不需要計算圖像的統(tǒng)計特性, 計算也比較方便。針對飼料污物特性, 考慮到中值濾波器可以避免模糊圖像中尖銳不連續(xù)的區(qū)域以及能有效濾除脈沖干擾及圖像掃描噪聲等優(yōu)點, 本文采用3×3窗口的中值濾波器對圖像進(jìn)行了平滑處理。

圖3 圖像平滑F(xiàn)ig.3 Image smoothing

2.2.2 灰度線性變換 從采集的圖像中可以看出圖像整體比較暗, 對比度也不明顯, 不利于對圖像進(jìn)行分割。線性灰度變換就是對圖像中所有像素點的灰度級進(jìn)行線性映射, 根據(jù)線性灰度變換函數(shù)使原圖像一定范圍內(nèi)的像素灰度值擴大或者縮小到具體的范圍, 增強圖像中感興趣的灰度區(qū)域, 抑制不感興趣的區(qū)域。圖4(a)中可以看出變換前的圖像對比度不明顯, 經(jīng)過(83, 74)、(133, 191)這兩個控制點進(jìn)行灰度拉伸變換后, 對比度明顯有所增強, 整體顯示效果更清晰, 如圖4(b)所示。

圖4 灰度變換Fig.4 Gray-scale conversion

2.3 圖像分割

經(jīng)過灰度變換后, 餌料目標(biāo)和背景的對比度較明顯, 直方圖峰谷特征對比也比較明顯, 采用迭代法閾值分割在這種情況下可以得到比較好的分割效果,圖像的前景和背景部分能較好地分割出來。圖像分割處理流程如下:

(1) 首先求出灰度圖像的最大灰度值 Gmax和最小灰度值 Gmin, 然后通過 Gmax和 Gmin求得平均閾值T, 并把該閾值作為初始化閾值, 計算公式如下:

(2) 用閾值 Tk(其中 =k 0,1,2,…)分割圖像為灰度值大于Tk的像素部分和灰度值小于等于Tk像素部分,這兩部分分別記為G1和G2。

(3) 計算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, 圖像上點(i, j)的灰度值用G(i, j)表示, N(i, j)是點(i, j)的權(quán)重系數(shù), 一般N(i, j)=1.0。

(4) 求出一個新的閾值: T=(m1+m2)/2;

(5) 如果連續(xù)迭代中的值Tk=T, 此時Tk為分割的最佳閾值, 結(jié)束迭代, 否則重復(fù)步驟2到4。

迭代法閾值分割方法基于逼近的思想, 通過程序逐次迭代計算得到的目標(biāo)和背景區(qū)域的均值分別為 B0和 B1, 直到收斂于某個穩(wěn)定的閾值這個值就是迭代法最終的分割閾值, 通過該方法把餌料和背景分割開來。這種方法的本質(zhì)是利用每幅圖像的信息計算分割閾值, 圖像不同, 分割的閾值就不同, 具有自適應(yīng)性。

2.4 輪廓提取

目標(biāo)圖像的輪廓提取常采用鏈碼法, 常用的鏈碼有4向、8向鏈碼兩種, 是按照中心像素點鄰接方向個數(shù)的不同來劃分的(陳優(yōu)廣, 2006)。因為任意一個像素周圍均有8個鄰接點, 能夠準(zhǔn)確地描述中心像素點與其鄰接點的信息。利用鏈碼進(jìn)行輪廓跟蹤的算法具體步驟為:

(1) 按順序掃描圖像, 當(dāng)找到?jīng)]有被標(biāo)記跟蹤結(jié)束記號的點時把它作為第一個邊界起始點A。定義一個用來記錄上一步中沿著前一個邊界點到當(dāng)前邊界點的移動方向的方向變量dir, 設(shè)其初始值為7;

(2) 按逆時針方向搜索當(dāng)前象素的 3×3鄰域,設(shè)置起始搜索方向為(dir+7) mod 8。如果搜索到的當(dāng)前像素值與第一個像素值相同時, 便把當(dāng)前像素作為新的邊界點An, 同時更新變量dir。

(3) 重復(fù)步驟2, 直到第一個邊界點A0等于第二個邊界點A1, 且前一個邊界點An-1等于A0。

圖5 圖像二值化與輪廓提取Fig.5 Image binarization and contour extraction

(4) 根據(jù)以上步驟找到邊界點A0、A1、A2、…、An-2構(gòu)成的邊界就是需要跟蹤的邊界。

上圖中, 圖5(a)為經(jīng)過迭代閾值法分割后的二值化圖像, 圖5(b)為二值化后去除背景圖像中黑色圓圈標(biāo)線后的二值圖, 利用多區(qū)域輪廓跟蹤法提取的邊緣比較細(xì), 同時空洞的部分沒有被分割出來, 只提取了圖像邊界, 這樣使得計算的面積比較接近真實的值。

2.5 面積與位置分析

獲得污物圖像的輪廓后, 可進(jìn)一步計算各污物聚集點的面積和位置。污物聚集面積根據(jù)輪廓線包含的像素點進(jìn)行統(tǒng)計, 然后以圖中預(yù)設(shè)圓圈的幾何尺寸, 換算獲得污物聚集的真實面積。污物所在位置以池心為坐標(biāo)原點, 以到池心的距離為位置坐標(biāo)。

3 結(jié)果與分析

試驗射流流速不變 v=24cm/s, 八種不同射流角度α對池內(nèi)污物聚集特性的影響如圖6所示。由圖可見, 污物總體傾向于集中分布在左斜方向的區(qū)域內(nèi);隨著驅(qū)動角度增大, 污物聚集度升高, 當(dāng)射流角度為40°時, 出現(xiàn)最佳污物聚集現(xiàn)象。之后, 隨著射流角度進(jìn)一步增大, 污物聚集度開始降低。

圖6 不同射流角度下污物聚集效果圖Fig.6 Waste accumulation patterns at different jetting angles

進(jìn)一步利用圖像分析技術(shù), 量化分析不同射流角度條件下的污物聚集情況, 如圖7所示。圖中x軸代表各環(huán)序數(shù), y軸為各環(huán)餌料所占面積, 單位為m2。由圖可見, 第二環(huán)內(nèi)污物面積均為 0, 面積峰值位于第五、六環(huán)處, 角度增大至 50°時, 外環(huán)內(nèi)面積開始增大。

射流角度α對池內(nèi)餌料所占總面積的影響如圖8所示, 圖中x軸代表射流角度α, y軸代表餌料所占總面積, 單位m2。由圖8可見, 污物所占總面積隨角度增大先減小后增大, 當(dāng)射流角為 40°時達(dá)到最小值。

4 討論

圖像分析技術(shù)廣泛應(yīng)用于各種生產(chǎn)實踐和科學(xué)研究中, 本文針對養(yǎng)殖池殘餌污物特性, 開發(fā)了專用的圖像分析軟件, 有效解決了殘餌圖像分析技術(shù), 成功獲取了污物聚集面積和位置的量化數(shù)據(jù), 為進(jìn)一步開展各種養(yǎng)殖池污物聚集特性分析等相關(guān)研究提供了重要的手段支撐。

圖7 射流角度α對池內(nèi)污物聚集效果的影響Fig.7 Impact of jetting angles on the waste accumulation

養(yǎng)殖池污物聚集特性不僅與池型結(jié)構(gòu)、水力驅(qū)動方式有關(guān), 而且也與污物的物理學(xué)特性有密切關(guān)系(Oca et al, 2007)。本文針對一種常用的方形圓切角養(yǎng)殖池, 以對蝦1號飼料作為殘餌污物, 研究了給定流速條件下, 邊側(cè)垂管射流角度對池內(nèi)污物聚集效果的影響。研究表明, 射流角度為 40°時, 污物聚集效果最好, 餌料所占總面積為 0.129m2, 顯著優(yōu)于其它射流角度。污物向池心聚集的原因與多種因素有關(guān)。養(yǎng)殖池在水力驅(qū)動下, 形成環(huán)流, 一般情況下流速由外向內(nèi)逐步減小, 由于池心存在出口流量, 形成向心流, 污物被水流驅(qū)動產(chǎn)生運動, 在向心流和向心重力分量(由底坡引起)的作用下產(chǎn)生向心運動。在本試驗中, 同時發(fā)現(xiàn)污物并非都向池心聚集, 在養(yǎng)殖池的左斜斷面(參見圖 6)也容易產(chǎn)生污物聚集, 這可能是由于左斜斷面底部流速存在衰減, 低于污物的啟動流速而產(chǎn)生聚集。尚需開展更深入的水動力特性研究,分析池內(nèi)不同位置處的流場特征。當(dāng)射流角度大于50°以后, 污物的聚集逐步變得離散, 這應(yīng)與射流方向過于接近池心, 使池外圈產(chǎn)生反向漩渦, 流場變得凌亂, 無法有效的實現(xiàn)污物聚集。因此對于此類方形圓切角養(yǎng)殖池, 在邊側(cè)射流水力驅(qū)動條件下, 其最優(yōu)射流角度應(yīng)設(shè)置在40°左右。

圖8 射流角度α對污物所占總面積的影響Fig.8 Impact of jetting angles on the total area of waste accumulation

本文僅針對直壁養(yǎng)殖水池的一種底坡情況下的水動力特性和集污效果進(jìn)行了試驗研究。實際生產(chǎn)中,養(yǎng)殖池的池型結(jié)構(gòu)類型較多、水力驅(qū)動方式也有多種、污物的組成成分也較復(fù)雜, 本文的研究成果可供參考,更系統(tǒng)全面的研究可以通過開展試驗和數(shù)值模擬等方法進(jìn)一步深化, 最終為工廠化魚類、蝦蟹類養(yǎng)殖池的設(shè)計和池型優(yōu)化提供更為系統(tǒng)科學(xué)的參考依據(jù)。

馬彥平, 白由路, 高祥照等, 2009. 基于數(shù)字圖像的玉米葉面積測量方法研究. 中國農(nóng)學(xué)通報, 25(22): 329—334

劉 鷹, 王玲玲, 1999. 集約化水產(chǎn)養(yǎng)殖污水處理技術(shù)及應(yīng)用.淡水漁業(yè), 29(10): 22—24

劉星橋, 孫玉坤, 趙德安等, 2005. 采用圖像處理技術(shù)對魚體健康狀況監(jiān)視和預(yù)報. 農(nóng)業(yè)工程學(xué)報, 21(6): 118—121

江丹丹, 2015. 圖像跟蹤分析在海水養(yǎng)殖試驗中的應(yīng)用技術(shù)研究. 舟山: 浙江海洋學(xué)院碩士學(xué)位論文, 23—24

孫少林, 馬志強, 湯 偉, 2010. 灰度圖像二值化算法研究.價值工程, 29(5): 142—143

張 鶴, 吳 謹(jǐn), 吳雪垠, 2011. 結(jié)合對稱差分和邊界信息的運動目標(biāo)檢測方法. 信息技術(shù), (11): 138—141

陳優(yōu)廣, 2006. 邊界跟蹤、區(qū)域填充及鏈碼的應(yīng)用研究. 上海:華東師范大學(xué)博士學(xué)位論文, 10—15

范 嵩, 劉 嬌, 楊 軼, 2008. 圖像識別技術(shù)在魚苗計數(shù)方面的研究與實現(xiàn). 水產(chǎn)科學(xué), 27(4): 210—212

徐建瑜, 崔紹榮, 苗香雯等, 2005. 計算機視覺技術(shù)在水產(chǎn)養(yǎng)殖中的應(yīng)用與展望. 農(nóng)業(yè)工程學(xué)報, 21(8): 174—178

欒慶磊, 趙為松, 2011. 動背景下幀差分法與邊緣信息融合的目標(biāo)檢測算法. 光電工程, 38(10): 77—83

黃翔鵠, 2013. 對蝦高位池水環(huán)境養(yǎng)殖污染和浮游微藻生態(tài)調(diào)控機制研究. 上海: 東華大學(xué)博士學(xué)位論文

章毓晉, 2012. 圖像工程(上冊): 圖像處理. 北京: 清華大學(xué)出版社, 2

翟麗華, 2008. 基于Linux和圖像處理的節(jié)電控制系統(tǒng)研究設(shè)計. 濟南: 山東建筑大學(xué)碩士學(xué)位論文

Oca J, Masaló I, 2007. Design criteria for rotating flow cells in rectangular aquaculture tanks. Aquacultural Engineering,36(1): 36—44