利用生物声学特征进行深海生态系统评价的方法及系统与流程

2021-01-28 14:01:20|

334|

起点商标网

本发明涉及深海生态系统评价技术领域，特别是涉及一种利用生物声学特征进行深海生态系统评价的方法及系统。

背景技术：

随着人类活动逐渐由近海扩展到深远海，特别是深海矿产资源开采，不可避免的会对深海环境产生影响。深海采矿对底层生态系统的影响要明显大于上层生态系统，因此对底层生态系统的影响是深海采矿环境问题的焦点。目前对底层生态系统的研究，主要依靠常规科考手段，如载人潜水器、无人有缆遥控潜水器、光学拖体、电视抓斗、生物拖网等，对海底生物进行拍摄、取样等。然而，在载人潜水器、无人有缆遥控潜水器、光学拖体等的使用成本高，作业时间有限，主要适合作为科学考察用，无法长时间对特定海域进行观测。生物拖网等则会对海底生物造成极大破坏，而且生物拖网一般拖拽较长时间和距离，无法确定具体生物的位置。

技术实现要素：

本发明的目的是提供一种利用生物声学特征进行深海生态系统评价的方法及系统，既能够长时间对特定海域进行观测，又能够不破坏周围环境。

为实现上述目的，本发明提供了如下方案：

一种利用生物声学特征进行深海生态系统评价的方法，包括：

获取深海生态系统中各种生物的声学信号；

根据所述声学信号，确定深海生物种类和深海生物数量；

根据所述声学信号、深海生物种类和深海生物数量，对神经网络模型进行训练，得到训练后的神经网络模型；

获取待测海域的深海生物声学信号；

将所述待测海域的深海生物声学信号输入至所述训练后的神经网络模型进行预测，得到待测海域的深海生物种类和数量。

可选地，所述获取深海生态系统中各种生物的声学信号，具体包括：

通过自容式水听器获取深海生态系统中各种生物的声学信号。

可选地，所述根据所述声学信号，确定深海生物种类和数量，具体包括：

采用语音特征提取方法对所述声学信号进行分析，提取深海生物的声学特征；

结合同步采集的影像资料，以及生物诱捕器捕获的生物种类和数量，将所述深海生物的声学特征与深海生物进行配对，得到深海生物声学特征的分类结果，所述分类结果包括深海生物的种类和数量。

可选地，所述根据所述声学信号、深海生物种类和深海生物数量，对神经网络模型进行训练，得到训练后的神经网络模型，具体包括：

将所述声学信号作为输入，所述深海生物种类和所述深海生物数量作为输出，对神经网络模型进行训练，得到训练后的神经网络模型。

一种利用生物声学特征进行深海生态系统评价的系统，包括：

第一声学信号获取模块，用于获取深海生态系统中各种生物的声学信号；

生物种类及生物数量确定模块，用于根据所述声学信号，确定深海生物种类和深海生物数量；

网络训练模块，用于根据所述声学信号、深海生物种类和深海生物数量，对神经网络模型进行训练，得到训练后的神经网络模型；

第二声学信号获取模块，用于获取待测海域的深海生物声学信号；

预测模块，用于将所述待测海域的深海生物声学信号输入至所述训练后的神经网络模型进行预测，得到待测海域的深海生物种类和数量。

可选地，所述第一声学信号获取模块，具体包括：

第一声学信号获取单元，用于通过自容式水听器获取深海生态系统中各种生物的声学信号。

可选地，所述生物种类及生物数量确定模块，具体包括：

声学特征提取单元，用于采用语音特征提取方法对所述声学信号进行分析，提取深海生物的声学特征；

生物种类及生物数量确定单元，用于结合同步采集的影像资料，以及生物诱捕器捕获的生物种类和数量，将所述深海生物的声学特征与深海生物进行配对，得到深海生物声学特征的分类结果，所述分类结果包括深海生物的种类和数量。

可选地，所述网络训练模块，具体包括：

网络训练单元，用于将所述声学信号作为输入，所述深海生物种类和所述深海生物数量作为输出，对神经网络模型进行训练，得到训练后的神经网络模型。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供一种利用生物声学特征进行深海生态系统评价的方法及系统。首次提出通过对深海生态系统中各种生物的声学信号、深海生物种类和深海生物数量对神经网络进行训练，利用训练后的神经网络模型预测深海生态系统中生物的种类和数量。本发明能够在不破坏周围环境的情况下长时间对特定海域进行观测，并且提高预测的准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明利用生物声学特征进行深海生态系统评价的方法流程图；

图2为本发明利用生物声学特征进行深海生态系统评价的系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种利用生物声学特征进行深海生态系统评价的方法及系统，既能够长时间对特定海域进行观测，又能够不破坏周围环境。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

声音是水下最有效的能量传播形式。大多数海洋生物(包括无脊椎动物、鱼类及海洋哺乳动物)都会发声，主要借助声音进行求偶、觅食、竞争及社交通讯等行为。在无脊椎动物中，发声最多的是甲壳类，如蟹类和虾类等。这类动物通常用钳和触角之类，撞击和摩擦发出劈啪声、喀哒声或锉磨声。这种噪声，大部分是无脊椎动物在进食和运动中发出的，噪声频谱介于20hz到20khz之间。软体动物中，贝类在它们的壳开合时发出碰撞声；藤壶和海胆在移动时也会发出喀哒声。此外，无脊椎动物的某些发声可能和繁殖有关，或作为警告的信号。鱼类的声音主要有摩擦声、鱼鳔振动声和游动时产生的流体动力声。许多鱼在咬啮、从岩石上剥下食物、摇动鳍部或摩擦咽部凸起部分时，都发出锉磨声，其主要频率为100～4000hz。

图1为本发明利用生物声学特征进行深海生态系统评价的方法流程图。如图1所示，一种利用生物声学特征进行深海生态系统评价的方法包括：

步骤101：获取深海生态系统中各种生物的声学信号，具体包括：

通过自容式水听器获取深海生态系统中各种生物的声学信号。

本发明利用生物声学特征进行深海生态系统评价的方法依赖于一套深海生物声学特征采集系统，包括自容式水听器(记录声学信号)、深海摄像机(3台，每台配对1台深海led照明灯，录制周围生物视频)、大容量电池单元(为水听器、摄像机、照相机供电)、数据存储单元(存储声学数据、视频、照片)、生物诱捕器(引诱一定范围内的生物前来，以便更好地记录其声学信号，并拍摄其影像资料)、gps信标(记录水面gps经纬度)、声学信标及释放器(2个并联，与船载超短基线定位系统配合，为采集系统提供定位，并在回收时，提供释放重块)、深度计(记录系统深度)、钛合金框架(采集系统的结构，为仪器设备提供支撑)、浮力材料(为采集系统提供浮力)、浮球(为采集系统提供额外浮力)、重块(水泥块或铁块，为采集系统提供重力)、绳索(连接重块与声学释放器)等。对于上述各个组成器件的连接关系较为常见，在此不做赘述。

步骤102：根据所述声学信号，确定深海生物种类和深海生物数量，具体包括：

采用语音特征提取方法对所述声学信号进行分析，提取深海生物的声学特征。

步骤101和步骤102，通过选择典型海区(如深海锰结核区、深海富钴结壳区)，开展深海生物声学特征海上试验测量，利用上述采集系统记录深海生物声学数据和影像资料，获取该区域的深海生物声学特征实测数据，并捕获深海生物样本；借鉴比较成熟的语音特征提取技术，对记录的深海生物声学信号进行分析，提取深海生物的声学特征，结合同步采集的影像资料，以及生物诱捕器捕获的生物种类和数量，将提取的深海生物声学特征与深海生物进行配对，实现深海生物声学特征的分类和识别；经过一段时间，充分采集某一海域深海生物的声学特征，建立不同类型深海生物的声学特征数据库。即，步骤101和步骤102为样本数据库的建立过程。

步骤103：根据所述声学信号、深海生物种类和深海生物数量，对神经网络模型进行训练，得到训练后的神经网络模型，具体包括：

将所述声学信号作为输入，所述深海生物种类和所述深海生物数量作为输出，对神经网络模型进行训练，得到训练后的神经网络模型。

步骤103通过样本数据库建立训练后的神经网络模型。

步骤104：获取待测海域的深海生物声学信号。

步骤105：将所述待测海域的深海生物声学信号输入至所述训练后的神经网络模型进行预测，得到待测海域的深海生物种类和数量。

图2为本发明利用生物声学特征进行深海生态系统评价的系统结构图。如图2所示，一种利用生物声学特征进行深海生态系统评价的系统包括：

第一声学信号获取模块201，用于获取深海生态系统中各种生物的声学信号。

生物种类及生物数量确定模块202，用于根据所述声学信号，确定深海生物种类和深海生物数量。

网络训练模块203，用于根据所述声学信号、深海生物种类和深海生物数量，对神经网络模型进行训练，得到训练后的神经网络模型。

第二声学信号获取模块204，用于获取待测海域的深海生物声学信号。

预测模块205，用于将所述待测海域的深海生物声学信号输入至所述训练后的神经网络模型进行预测，得到待测海域的深海生物种类和数量。

所述第一声学信号获取模块204，具体包括：