[0013] 实施例一。
[0014] 一种鱼群监测系统，该系统包括：水下移动终端和陆上服务器。
[0015] 水下移动终端包括封闭壳体，设置在封闭壳体内部的无线电力接收线圈、整流滤波电路、蓄电池、控制器、通信器、时钟、GPS，紧贴壳体内部上表面的压力传感器，镶嵌在壳体表面的浆、摄像头、红外热成像仪，摄像头和红外热成像仪位置临近；
[0016] 设置摄像头和红外热成像仪位置临近才能保证二者的视角几乎相同，便于鱼的检测与拍摄。
[0017] 无线电力接收线圈通过与发送无线电力的无线电力发射线圈的电磁耦合来获得电能，该电能经过整流滤波电路后为蓄电池充电；蓄电池分别与控制器、通信器、时钟、GPS、浆、摄像头、红外热成像仪、压力传感器连接，为控制器、通信器、时钟、GPS、浆、摄像头、红外热成像仪、压力传感器提供工作电力，进而驱动控制器收发信号、通信器发送信息，时钟记录时间，GPS记录位置，浆在水中滑动带动水下移动终端在水中游动，摄像头拍摄视频，红外热成像仪实现红外热成像，压力传感器测量壳体内部上表面承受的压力；控制器与通信器、时钟、GPS、浆、摄像头、红外热成像仪、压力传感器连接，用于将信息传输给通信器使其发送信息，接收时钟记录的时间，接收GPS记录的位置，控制浆的运转速度，控制摄像头的开启和关闭并接收其拍摄的视频，接收红外热成像仪输出的成像、接收压力传感器测量的压力；
[0018] 考虑到水下移动终端的工作环境，其需要是防水抗压设备；由于水下设备需要蓄电池供电，而蓄电池的电量有限，因此需要尽量的减少不必要的电量浪费，故而仅在红外线成像仪的成像中存在鱼的形状的期间才使得摄像头实现拍摄，同时使得GPS、压力传感器、时钟工作，进而捕捉鱼的图像以及相关数据；由于鱼的活动是有规律的，因此，同时还记录GPS、压力、时间数据是为了方便人工在相同的时间、地点能够将有异常状态的鱼捕获。
[0019] 陆上服务器，其被配置为，从互联网上搜索与异常鱼相关的多张图片，将图片中不属于异常鱼本身的部分扣除得到仅表示异常鱼本身图像的子图片，所述异常鱼是鱼表面存在红肿、溃烂、变色的鱼，并根据每张子图片显示的鱼所异常的位置对每张子图片进行位置标注，即该子图片表明该异常鱼所异常的位置是头部、身体、尾部中的哪一种；
[0020] 如果鱼本身存在问题，通常会体现在其身体表面上，因此，通过对鱼表面的判断即可以知道鱼是否存在异常，而且通常鱼存在的问题较大时，其表面上就会有较多的斑点、溃烂等，因此，通过判断鱼表面的多个位置是否同时存在变色等情况，就可以知晓鱼的异常状态是否紧急需要被处理；
[0021] 陆上服务器，其还被配置为，搜索标注为头部的所有子图片，形成头部异常图像训练集合；搜索标注为身体的所有子图片，形成身体异常图像训练集合；搜索标注为尾部的所有子图片，形成尾部异常图像训练集合；
[0022] 陆上服务器，其进一步被配置为，将头部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在头部异常的第一神经网络；将身体异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在身体异常的第二神经网络；将尾部异常图像训练集合中的每一个子图片分解成按照一定顺序排列的多个部分重合的子图像，将每个子图像输入到一个小神经网络中，将该小神经网络的输出保存在一个小数列中，将所有小数列按照所述的一定顺序排列得到一个大数列，将该大数列输入到一个大神经网络中，进而得到能够根据图像判断鱼是否存在尾部异常的第三神经网络；
[0023] 利用深度学习神经网络，能够提高学习的效率和质量，进而提高识别的准确度和速度。
[0024] 当将水下服务终端放入鱼塘中后，红外热成像仪实时扫描水下环境并将成像发送给控制器，控制器检测成像中是否存在鱼的形状，当其中至少存在一个鱼的形状时，控制器控制摄像头开启进而使得摄像头进行拍摄，同时控制GPS、压力传感器、时钟工作，之后控制器一直接收红外热成像仪发送的成像并一直判断成像中是否存在鱼的形状，如果成像中不再存在鱼的形状则控制摄像头停止工作，进而得到一段视频，同时控制GPS、压力传感器、时钟停止工作；摄像头、GPS、压力传感器、时钟分别将工作期间的信息传输给控制器，控制器采用GPS、压力、时间对视频进行打标处理，使得处理之后的视频中的每一帧均对应有该帧视频拍摄时的时间，表明拍摄该帧视频时摄像头所处二维环境的GPS位置，表明拍摄该帧视频时摄像头所处水深情况的压力，控制器将该处理之后的视频通过通信器传输给陆上服务器。
[0025] 陆上服务器将处理之后的视频按照每帧的方式拆分成多个具有GPS、压力、时间标记的图片，并将每张图片分割成若干个部分重叠的子图片，将所有子图片输入到第一神经网络，如果第一神经网络判断某一图片包含头部异常鱼，则输出该具有GPS、压力、时间标记的图片并标注头部异常，还将所有子图片输入到第二神经网络，如果第二神经网络判断某一图片包含身体异常鱼，则输出该具有GPS、压力、时间标记的图片并标注身体异常，还将所有子图片输入到第三神经网络，如果第三神经网络判断某一图片包含尾部异常鱼，则输出该具有GPS、压力、时间标记的图片并标注尾部异常；陆上服务器还比对得到的标注头部异常、身体异常、尾部异常的图片，如果存在三张相同的图片则判定需要人工干预，通过陆上服务器的人机界面显示该需要人工干预的图片并输出该图片标记的GPS、压力、时间，通知工作人员对鱼群进行打捞；
[0026] 如果头部、身体、尾部均存在异常，说明该异常鱼的异常情况非常严重，需要紧急进行处理，否则很可能会污染水域以及其他鱼，所以需要人工定时定点将其捕捞上来。
[0027] 需要注意的是，以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，在本发明的上述指导下，本领域技术人员可以在上述实施例的基础上进行各种改进和变形，而这些改进或者变形落在本发明的保护范围内。
