魚類多樣性監測系統

JD-FM型

本系統利用邊緣計(jì)算(suàn)的(de)先進能力、新興的(de)能源技(jì)術以及多傳感器(qì)整合技(jì)術，能夠通(tōng)過高(gāo)清攝像、水(shuǐ)下(xià)照(zhào)明(míng)增強和(hé)聲納探測等手段，對(duì)水(shuǐ)域生(shēng)态和(hé)魚類進行實時(shí)的(de)、全天候的(de)監視(shì)。所收集的(de)監控數據，可以通(tōng)過無線網絡（包括4G/5G）或物(wù)理(lǐ)連線的(de)方式，上(shàng)傳至雲端數據庫，為(wèi)水(shuǐ)生(shēng)生(shēng)物(wù)視(shì)頻(pín)圖像資料的(de)長(cháng)期積累提供了基礎，并構建起了一個(gè)主要魚種的(de)數據庫。 借助卷積神經網絡，我們構築了一個(gè)深度的(de)學習(xí)模型，它能夠自(zì)動地(dì)提取魚類的(de)精确特征并進行融合，從(cóng)而識别出視(shì)野範圍內(nèi)的(de)主導魚種；同時(shí)，它也能夠估計(jì)河流、湖(hú)泊、海(hǎi)岸線等區(qū)域的(de)生(shēng)物(wù)群落的(de)豐富度和(hé)密度；通(tōng)過對(duì)水(shuǐ)下(xià)生(shēng)物(wù)活動模式的(de)研究，進而評估生(shēng)态系統恢複的(de)趨勢。 在基于雲-邊端技(jì)術的(de)架構上(shàng)，結合邊緣計(jì)算(suàn)、新能源和(hé)多傳感技(jì)術，系統能以高(gāo)清成像、輔助水(shuǐ)下(xià)光(guāng)源和(hé)聲納掃描等手段，實現(xiàn)對(duì)水(shuǐ)下(xià)生(shēng)态及魚類的(de)持續、實時(shí)監測。這(zhè)些數據透過無線（4G/5G）或有(yǒu)線網絡傳輸至雲服務器(qì)，促成了水(shuǐ)生(shēng)生(shēng)物(wù)影像數據的(de)累積，并創建了核心魚種的(de)數據集合。 應用卷積神經網絡打造的(de)深度學習(xí)模型，可以自(zì)主地(dì)提煉與整合魚類的(de)關鍵特征，實現(xiàn)對(duì)視(shì)域內(nèi)常見魚種的(de)準确識别；此外(wài)，該模型還(hái)能估算(suàn)出河流、湖(hú)泊、近(jìn)海(hǎi)等區(qū)域中生(shēng)物(wù)種群的(de)豐裕度和(hé)密度；通(tōng)過分析水(shuǐ)下(xià)生(shēng)物(wù)的(de)行為(wèi)模式，進一步評價生(shēng)态環境的(de)複蘇趨勢。

應用範圍

· 生(shēng)态多樣性監測 ；

· 水(shuǐ)産養殖 ；

系統特點

· 智能化(huà)監測-支持電(diàn)腦端及手機(jī)端訪問(wèn)；

· 維護低(dī)，耐久性強；

· 搭配智慧化(huà)大數據平台及移動端app；

規格參數