本系統利用邊緣計(jì)算的先進能力、新興的能源技術(shù)以及多傳感器整合技術(shù)，能夠通過高清攝像、水下照(zhào)明增強和聲納探測等手段，對水域生(shēng)态和魚類進行實時的、全天候的監視。所收集的監控數據，可(kě)以通過無線網絡（包括4G/5G）或物理(lǐ)連線的方式，上傳至雲端數據庫，爲水生(shēng)生(shēng)物視頻圖像資料的長期積累提供了基礎，并構建起了一個主要魚種的數據庫。借助卷積神經網絡，我們構築了一個深度的學習模型，它能夠自(zì)動地提取魚類的精确特征并進行融合，從(cóng)而識别出視野範圍内的主導魚種；同時，它也能夠估計(jì)河流、湖泊、海岸線等區域的生(shēng)物群落的豐富度和密度；通過對水下生(shēng)物活動模式的研究，進而評估生(shēng)态系統恢複的趨勢。在基于雲-邊端技術(shù)的架構上，結合邊緣計(jì)算、新能源和多傳感技術(shù)，系統能以高清成像、輔助水下光(guāng)源和聲納掃描等手段，實現對水下生(shēng)态及魚類的持續、實時監測。這些數據透過無線（4G/5G）或有線網絡傳輸至雲服務器，促成了水生(shēng)生(shēng)物影(yǐng)像數據的累積，并創建了核心魚種的數據集合。應用卷積神經網絡打造的深度學習模型，可(kě)以自(zì)主地提煉與整合魚類的關鍵特征，實現對視域内常見(jiàn)魚種的準确識别；此外，該模型還(hái)能估算出河流、湖泊、近海等區域中生(shēng)物種群的豐裕度和密度；通過分(fēn)析水下生(shēng)物的行爲模式，進一步評價生(shēng)态環境的複蘇趨勢。

應用範圍

· 生(shēng)态多樣性監測；

· 水産養殖；

· 智能化監測-支持電腦端及手機(jī)端訪問(wèn)；

· 維護低，耐久性強；

· 搭配智慧化大(dà)數據平台及移動端app；