魚類多(duō)樣性監測系統

JD-FM型

本系統利用(yòng)邊緣計算(suàn)的(de)先進能力、新興的(de)能源技術以及多(duō)傳感器整合技術，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)域生态和(hé)魚類進行實時(shí)的(de)、全天候的(de)監視。所收集的(de)監控數據，可(kě)以通(tōng)過無線網絡（包括4G/5G）或物(wù)理(lǐ)連線的(de)方式，上傳至雲端數據庫，爲水(shuǐ)生生物(wù)視頻(pín)圖像資料的(de)長(cháng)期積累提供了(le)基礎，并構建起了(le)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(le)一個(gè)深度的(de)學習(xí)模型，它能夠自動地提取魚類的(de)精确特征并進行融合，從而識别出視野範圍内的(de)主導魚種；同時(shí)，它也(yě)能夠估計河(hé)流、湖泊、海岸線等區(qū)域的(de)生物(wù)群落的(de)豐富度和(hé)密度；通(tōng)過對(duì)水(shuǐ)下(xià)生物(wù)活動模式的(de)研究，進而評估生态系統恢複的(de)趨勢。 在基于雲-邊端技術的(de)架構上，結合邊緣計算(suàn)、新能源和(hé)多(duō)傳感技術，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，實現對(duì)水(shuǐ)下(xià)生态及魚類的(de)持續、實時(shí)監測。這(zhè)些數據透過無線（4G/5G）或有線網絡傳輸至雲服務器，促成了(le)水(shuǐ)生生物(wù)影(yǐng)像數據的(de)累積，并創建了(le)核心魚種的(de)數據集合。 應用(yòng)卷積神經網絡打造的(de)深度學習(xí)模型，可(kě)以自主地提煉與整合魚類的(de)關鍵特征，實現對(duì)視域内常見魚種的(de)準确識别；此外，該模型還(hái)能估算(suàn)出河(hé)流、湖泊、近海等區(qū)域中生物(wù)種群的(de)豐裕度和(hé)密度；通(tōng)過分(fēn)析水(shuǐ)下(xià)生物(wù)的(de)行爲模式，進一步評價生态環境的(de)複蘇趨勢。

應用(yòng)範圍

· 生态多(duō)樣性監測 ；

· 水(shuǐ)産養殖 ；

系統特點

· 智能化(huà)監測-支持電腦(nǎo)端及手機端訪問；

· 維護低，耐久性強；

· 搭配智慧化(huà)大(dà)數據平台及移動端app；

規格參數