一种鱼苗长度测量方法及系统技术方案

本发明专利技术实施例提供一种鱼苗长度测量方法及系统，该方法包括：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深度网络模型所得。本发明专利技术实施例提供的一种鱼苗测量方法及系统，通过机器学习的方法获得待测鱼苗的长度，可以实现在鱼苗不离开水的情况下测量得到鱼苗的长度信息，减少对鱼苗的伤害。

【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深度网络模型所得。第二方面，本专利技术实施例提供一种鱼苗长度测量系统，包括：训练模块，用于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；测试模块，用于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。第三方面，本专利技术实施例提供一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于该测试设备与显示系统的通信设备之间的信息传输；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面提供的一种鱼苗长度测量方法。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面提供的一种鱼苗长度测量方法。本专利技术实施例提供的一种鱼苗测量方法及系统，通过机器学习的方法获得待测鱼苗的长度，可以实现在鱼苗不离开水的情况下测量得到鱼苗的长度信息，减少对鱼苗的伤害。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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为本专利技术实施例一种鱼苗长度测量方法的流程图；图2为本专利技术实施例提供一种鱼苗长度测量系统的结构示意图；图3示例了一种服务器的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例一种鱼苗长度测量方法的流程图，如图1所示，该方法包括：S1，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；S2，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。在对鱼苗的长度进行测量时，首先将一些已知长度的鱼苗图像作为训练样本集，利用训练样本集中的样本对神经网络模型进行训练，得到训练后的神经网络模型。将待测鱼苗的图像作为训练好的神经网络模型的输入，得到图像中待测鱼苗的长度。本专利技术实施例通过机器学习算法实现对鱼苗长度的测量，可以保证在鱼苗不离开水的情况下，测量得到鱼苗的长度，减轻了在测量长度时对鱼苗造成的感染，减少了对鱼苗的伤害，并且通过机器学习算法对鱼苗实现长度的测量，测量效率较高。在上述实施例的基础上，优选地，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。在训练神经网络模型时，需要知道一些鱼苗的长度，那么，这些鱼苗的长度时如何得到的呢？为了能让鱼苗在不离开水的情况下，也能测量出鱼苗的长度，本专利技术实施例中使用如下方法对测试样本集中的鱼苗长度进行测量：通过双目视觉系统对鱼苗的长度进行测量。以测试一个鱼缸中的鱼苗长度为例进行说明，在鱼缸的左右两边分别安装一个摄像机，称之为左摄像机和右摄像机，左摄像机用于获取左视差图，右摄像机用于获取右视差图。为了便于描述，以测量一个鱼苗长度为例进行说明。对于该鱼苗，通过左摄像机拍摄，得到该鱼苗的左视差图像，将该鱼苗的左视差图像和左视差图像集中每个左视差参考图像进行比对，得到该鱼苗在左视差图像中的头部坐标和尾部坐标。同理，通过右摄像机拍摄，得到该鱼苗的右视差图像，将该鱼苗的右视差图像和右视差图像集中每个右视差参考图像进行比对，得到该鱼苗在右视差图像中的头部坐标和尾部坐标。然后根据该鱼苗在左视差图像中的头部坐标和在右视差图像中的头部坐标，得到该鱼苗在世界坐标系中的头部世界坐标，同理，根据该鱼苗在左视差图像中的尾部坐标和在右视差图像中的尾部坐标，得到该鱼苗在世界坐标系中的尾部世界坐标。最后，根据该鱼苗的头部世界坐标和该鱼苗的尾部世界坐标，得到该鱼苗的长度。需要说明的是，左视差参考图像集中每个左视差参考图像的坐标是根据标定板得到的，标定板的长度与鱼缸表面的长宽大小相同，用Hough变换检测并提取标定板上每一个圆的圆心坐标，最后对其圆心求平均得到终极的圆心坐标。从而实现对摄像机以及鱼缸的标定。在上述实施例的基础上，优选地，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本文档来自技高网...

【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