【技术实现步骤摘要】
一种鱼苗长度测量方法及系统
本专利技术实施例涉及农业养殖
，尤其涉及一种鱼苗长度测量方法及系统。
技术介绍
随着互联网技术的日益快速发展，我国的渔业发展模式开始由原来的传统农业向现代化的精准渔业进行转变。对于养殖业也是如此。在鱼苗售卖过程中，需要根据其不同的长度对其进行分类，所以首先就需要获取鱼苗的相对精确度较高的长度信息。传统方法中，都是将鱼苗放置于空气当中，然后用直尺等工具去测量鱼苗的尺寸，这种方法的弊端就是由于鱼苗较差的抵抗力导致鱼苗受到感染，从而影响鱼苗的寿命。
技术实现思路
本专利技术实施例提供一种鱼苗长度测量方法及系统，用以解决现有技术中只能将鱼苗放置于空气中进行测量，导致鱼苗受到感染的问题。第一方面，本专利技术实施例提供一种鱼苗长度测量方法，包括：通过双目视觉方法获取若干个鱼苗的长度，将所述若干个鱼苗照片作为训练样本集，将每一鱼苗样本的长度作为所述训练样本集的标签，所述训练样本集中包括若干个鱼苗的长度和所述若干个鱼苗的图像；将待测鱼苗图像作为测试样本集，通过训练后的神经网络模型，获取测试样本集中每一鱼苗的长度，所述训练后的神经网络模型通过迁移学习的...
【技术保护点】
1.一种鱼苗长度测量方法，其特征在于，包括：通过双目视觉方法获取若干个鱼苗的长度，将所述若干个鱼苗照片作为训练样本集，将每一鱼苗样本的长度作为所述训练样本集的标签，所述训练样本集中包括若干个鱼苗的长度和所述若干个鱼苗的图像；将待测鱼苗图像作为测试样本集，通过训练后的神经网络模型，获取测试样本集中每一鱼苗的长度，所述训练后的神经网络模型通过迁移学习的深度网络模型所得。
【技术特征摘要】
1.一种鱼苗长度测量方法，其特征在于，包括：通过双目视觉方法获取若干个鱼苗的长度，将所述若干个鱼苗照片作为训练样本集，将每一鱼苗样本的长度作为所述训练样本集的标签，所述训练样本集中包括若干个鱼苗的长度和所述若干个鱼苗的图像；将待测鱼苗图像作为测试样本集，通过训练后的神经网络模型，获取测试样本集中每一鱼苗的长度，所述训练后的神经网络模型通过迁移学习的深度网络模型所得。2.根据权利要求1所述方法，其特征在于，所述若干个鱼苗的长度通过如下方法获得：对于任一鱼苗，获取所述任一鱼苗的左视差图像和所述任一鱼苗的右视差图像；根据所述任一鱼苗的左视差图像和左视差参考图像集中每一左视差参考图像，获取所述左视差图像中所述任一鱼苗的头部坐标和尾部坐标；根据所述任一鱼苗的右视差图像和右视差参考图像集中每一右视差参考图像，获取所述右视差图像中所述任一鱼苗的头部坐标和尾部坐标；根据所述左视差图像中所述任一鱼苗的头部坐标和所述右视差图像中所述任一鱼苗的头部坐标，获取所述任一鱼苗在世界坐标系中的头部世界坐标；根据所述左视差图像中所述任一鱼苗的尾部坐标和所述右视差图像中所述任一鱼苗的尾部坐标，获取所述任一鱼苗在世界坐标系中的尾部世界坐标；根据所述任一鱼苗在世界坐标系中的头部世界坐标和尾部世界坐标，获取所述任一鱼苗的长度。3.根据权利要求2所述方法，其特征在于，所述根据所述任一鱼苗的左视差图像和左视差参考图像集中每一左视差参考图像，获取所述左视差图像中所述任一鱼苗的头部坐标和尾部坐标，具体包括：获取所述任一鱼苗的左视差图像的Fast角点特征；通过归一化互相关立体匹配算法，将所述任一鱼苗的左视差图像的Fast角点特征和所述左视差参考图像集中每一左视差参考图像的Fast角点特征进行匹配，获取所述左视差图像中所述任一鱼苗的头部坐标和尾部坐标。4.根据权利要求2所述方法，其特征在于，所述根据所述任一鱼苗的右视差图像和右视差参考图像集中每一右视差参考图像，获取所述右视差图像中所述任一鱼苗的头部坐标和尾部坐标，具体包括：获取所述任一鱼苗的右视差图像的Fast角点特征；通过归一化互相关立体匹配算法，将所述任一鱼苗的右视差图像的Fast角点特征和所述右视差参考图像集中每一右视差参考图像的Fast角点特征进行匹配，获取所述右视差图像中所述任一鱼苗的头部坐标和尾部坐标。5.根据权利要求2所述方法，其特征在于，所述根据所述左视差图像中所述任一鱼...
【专利技术属性】
技术研发人员：李振波，钮冰姗，李光耀，彭芳，李晔，杨泳波，杨晋琪，李飞，岳峻，李道亮，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。