魚類多樣性監測系統

JD-FM型

本系統利用(yòng)邊緣計(jì)算(suàn)的先進能(néng)力、新興的能(néng)源技術以及多傳感器整合技術，能(néng)夠通過高(gāo)清攝像、水(shuǐ)下(xià)照明(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、全天候的監視(shì)。所收集的監控數據，可以通過無線網絡（包括4G/5G）或物理(lǐ)連線的方式，上(shàng)傳至雲端數據庫，爲水(shuǐ)生生物視(shì)頻圖像資料的長期積累提供了(le)基礎，并構建起了(le)一個主要魚種的數據庫。 借助卷積神經網絡，我們構築了(le)一個深度的學習模型，它能(néng)夠自(zì)動地提取魚類的精确特征并進行融合，從(cóng)而識别出視(shì)野範圍内的主導魚種；同時(shí)，它也(yě)能(néng)夠估計(jì)河(hé)流、湖泊、海岸線等區(qū)域的生物群落的豐富度和(hé)密度；通過對(duì)水(shuǐ)下(xià)生物活動模式的研究，進而評估生态系統恢複的趨勢。 在基于雲-邊端技術的架構上(shàng)，結合邊緣計(jì)算(suàn)、新能(néng)源和(hé)多傳感技術，系統能(néng)以高(gāo)清成像、輔助水(shuǐ)下(xià)光源和(hé)聲納掃描等手段，實現(xiàn)對(duì)水(shuǐ)下(xià)生态及魚類的持續、實時(shí)監測。這(zhè)些(xiē)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)生生物影像數據的累積，并創建了(le)核心魚種的數據集合。 應用(yòng)卷積神經網絡打造的深度學習模型，可以自(zì)主地提煉與整合魚類的關鍵特征，實現(xiàn)對(duì)視(shì)域内常見魚種的準确識别；此外(wài)，該模型還能(néng)估算(suàn)出河(hé)流、湖泊、近海等區(qū)域中生物種群的豐裕度和(hé)密度；通過分析水(shuǐ)下(xià)生物的行爲模式，進一步評價生态環境的複蘇趨勢。

應用(yòng)範圍

· 生态多樣性監測 ；

· 水(shuǐ)産養殖 ；

系統特點

· 智能(néng)化監測-支持電腦(nǎo)端及手機端訪問；

· 維護低(dī)，耐久性強；

· 搭配智慧化大(dà)數據平台及移動端app；

規格參數