用于确定生物体的重量的秤制造技术

描述了用于确定包含在样本中的一个或多个生物体的重量的秤。该秤大体上具有：相机，其具有可以被定向为朝向样本的视场，并且被配置成获取样本的一个或多个生物体的图像；控制器，其具有存储器和处理器，该处理器被配置成执行以下步骤：访问已获取的图像；利用存储在存储器中并经过训练的生物体检测引擎在被访问的图像的一个或多个对应部分中检测一个或多个生物体表示，并生成与一个或多个检测到的生物体表示有关的检测数据；以及利用存储在存储器中并经过训练的生物体重量确定引擎，基于检测数据来确定与重量有关的重量数据，该重量数据与一个或多个检测到的生物体表示相关联。数据与一个或多个检测到的生物体表示相关联。数据与一个或多个检测到的生物体表示相关联。

【技术实现步骤摘要】
【国外来华专利技术】用于确定生物体的重量的秤


[0001]本公开的改进总体上涉及用于确定与样本中的一个或多个水生生物体有关的关注变量的值的系统和方法，更具体地，涉及在所述确定中涉及计算机视觉和人工智能的系统和方法。

技术介绍

[0002]水产养殖涉及对随时间生长的水生生物体(例如鱼、虾、卵、甲壳类动物、软体动物或水生植物)进行种群培育。可能需要控制所培育的生物体和/或给予所培育的生物体(有时以较小的水生生物体的形式)的饲料量，以在生长、存活率和成本方面获得令人满意的效率。
[0003]已公开的PCT申请WO2012/083461描述了通过利用样本的光信号的衰减量来估计样本中相对大量的生物体的方法和系统。已公开的PCT申请WO2016/004527描述了通过从相机获取被容纳在容器中的样本的图像，以及使用计算机基于预先获取的图像来确定生物体数量，从而估计样本中的相对大量的生物体的方法和系统。
[0004]尽管现有方法和系统在一定程度上是令人满意的，但仍有改进的空间。

技术实现思路

[0005]在一个方面，描述了用于确定包含在样本中的一个或多个生物体的重量的秤。该秤具有相机，该相机具有可以被定向为朝向样本的视场，并且该相机被配置成获取样本中的一个或多个生物体的图像。该秤具有控制器，该控制器具有存储器和处理器，该处理器被配置成访问已获取的图像。一旦图像被访问，控制器就被配置成利用存储在存储器中并经过训练的生物体检测引擎在被访问的图像的一个或多个相应部分中检测一个或多个生物体表示，并生成与一个或多个检测到的图像有关的检测数据。该控制器还被配置成利用存储在存储器中并经过训练的生物体重量确定引擎，基于检测数据来确定与重量有关的重量数据，该重量数据与一个或多个检测到的生物体表示相关联。在一些实施例中，使用监督学习来训练引擎，而在其它实施例中，使用非监督学习来训练引擎。可以理解的是，涉及这样的机器学习引擎可以提供优于现有技术的优点。例如，在一些实施例中，利用预先训练的引擎所确定的重量数据的准确性和/或速度将优于现有的系统和方法。而且，在这些实施例中，这种机器学习引擎可以连续地访问数据并从数据中学习，以使得控制器能够访问所获取的图像中的隐藏特征。
[0006]根据一个方面，提供了用于确定包含在样本中的一个或多个生物体的重量的秤，该秤包括：相机，其具有可以被定向为朝向样本的视场，并且被配置成获取样本中的一个或多个生物体的图像；控制器，其具有存储器和处理器，该处理器被配置成执行以下步骤：访问已获取的图像；利用存储在存储器中并经过训练的生物体检测引擎在被访问的图像的一个或多个对应部分中检测一个或多个生物体表示，并生成与检测到的一个或多个生物体表示有关的检测数据；以及利用存储在存储器中并经过训练的生物体重量确定引擎，基于检
测数据来确定与重量有关的重量数据，该重量数据与检测到的一个或多个生物体表示相关联。
[0007]根据另一方面，提供了用于确定包含在样本中的一个或多个生物体的重量的计算机实施的方法，该方法包括：利用具有存储器和处理器的控制器，接收所述样本中的一个或多个生物体的图像；访问已获取的图像；利用存储在存储器中并经过训练的生物体检测引擎在被访问的图像的一个或多个对应部分中检测一个或多个生物体表示，并生成与检测到的一个或多个生物体表示有关的检测数据；利用存储在存储器中并经过训练的生物体重量确定引擎，基于检测数据来确定与重量有关的重量数据，该重量数据与一个或多个检测到的生物体表示相关联。
[0008]根据另一方面，提供了用于确定与包含在样本中的一个或多个生物体相关联的关注变量的系统，该系统包括：相机，其具有可以被定向为朝向样本的视场，并且被配置成获取样本中的一个或多个生物体的图像；控制器，其具有存储器和处理器，该处理器被配置成执行以下步骤：访问已获取的图像；利用存储在存储器中并经过训练的生物体检测引擎在被访问的图像的一个或多个对应部分中检测一个或多个生物体表示，并且生成与一个或多个检测到的生物体表示有关的检测数据；以及利用存储在存储器中并经过训练的变量确定引擎，基于检测数据来确定与关注变量有关的数据，该关注变量与一个或多个检测到的生物体表示相关联。在一些实施例中，可由所述系统确定的一个或多个关注变量可以包括但不限于：重量、大小、长度、数量、预估的单位体积、生物量、与外观有关的关注变量(例如颜色、色素沉着等)、一种或多种疾病的存在性、深度、位置、体积、宽度、面积以及与水产养殖领域有关的任何其它关注变量。
[0009]根据另一方面，提供了用于确定与包含在样本中的一个或多个生物体相关联的关注变量的计算机实施的方法，该方法包括：利用具有存储器和处理器的控制器，接收所述样本中的一个或多个生物体的图像；访问已获取的图像；利用存储在存储器中并经过训练的生物体检测引擎在被访问的图像的一个或多个对应部分中检测一个或多个生物体表示，并生成与一个或多个检测到的生物体表示有关的检测数据；利用存储在存储器中并经过训练的变量确定引擎，基于检测数据来确定与关注变量有关的数据，该关注变量与一个或多个检测到的生物体表示相关联。在一些实施例中，关注变量可以是重量、大小、长度、数量、预估的单位体积、生物量、与外观有关的关注变量(例如颜色、色素沉着等)、一种或多种疾病的存在性、深度、位置、体积、宽度、面积以及与水产养殖领域有关的任何其它关注变量。
[0010]将理解的是，本文中使用的术语“计算机”不应以限制性的方式来解释。而是广义地用于一般性地指示一个或多个处理单元的某种形式与一个或多个处理单元可访问的存储系统的某种形式的组合。类似地，本文所使用的术语“控制器”不应以限制性的方式来解释，而是解释为一般意义上的一个设备或执行用于控制一个或多个设备(例如电子设备或驱动器)的一个或多个功能的具有多于一个设备的系统。
[0011]将理解的是，计算机或控制器的各种功能可以通过硬件或者通过硬件和软件的组合来执行。例如，硬件可以包括多个逻辑门，这些逻辑门包括在处理器的硅芯片中并作为该处理器的硅芯片的一部分。软件可以采用数据形式，例如存储在存储器系统中的计算机可读指令。对于计算机、控制器、处理单元或处理器芯片，术语“配置成”涉及存在有硬件或硬件和软件的组合，其可以被操作成执行相关功能。
[0012]在阅读本公开之后，本领域技术人员将意识到与本专利技术的改进有关的许多其它特征及其组合。
附图说明
[0013]在附图中，
[0014]图1A是根据一个实施例的沿着集成至桶的盖部的、用于确定样本的生物体重量的秤的示例的纵向轴线截取的横截面图；
[0015]图1B是根据一个实施例的沿着图1A中所示的秤的截面1B-1B截取的俯视截面图；
[0016]图1C是根据一个实施例的通过图1A中所示的秤获取的图像的示例；
[0017]图2是根据一个实施例的图1的秤的控制器的计算设备的示例的示意图。
[0018]图3是根据一个实施例的图1的秤的控制器的软件应用的示例的示意图，其示出了经过训练的生物体检测引擎和经过训练的生物体本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于确定包含在样本中的一个或多个生物体的重量的秤，所述秤包括：相机，其具有可以被定向为朝向所述样本的视场，并且被配置成获取所述样本中的所述一个或多个生物体的图像；控制器，其具有存储器和处理器，所述处理器被配置成执行以下步骤：访问已获取的图像；利用存储在所述存储器中并经过训练的生物体检测引擎在被访问的图像的一个或多个对应部分中检测一个或多个生物体表示，并且生成与检测到的一个或多个生物体表示有关的检测数据；以及利用存储在所述存储器中并经过训练的生物体重量确定引擎，基于所述检测数据来确定与重量有关的重量数据，所述重量数据与所述检测到的一个或多个生物体表示相关联。2.根据权利要求1所述的秤，其中，所述生物体检测引擎包括特征确定模块，所述特征确定模块被训练成确定与在所述被访问的图像中检测到的每个生物体表示相关联的特征位置，所述检测数据指示了所述被访问的图像中的每个检测到的生物体表示的已确定的特征位置。3.根据权利要求1所述的秤，其中，所述生物体检测引擎包括边界框确定模块，所述边界框确定模块被训练成确定框的坐标，所述框限定了在所述被访问的图像中检测到的每个生物体表示的边界，所述检测数据指示了所述被访问的图像中的每个检测到的生物体表示的所述框的已确定的坐标。4.根据权利要求1所述的秤，其中，所述生物体检测引擎包括光罩确定模块，所述光罩确定模块被配置成确定光罩，所述光罩使所述被访问的图像中检测到的每个生物体表示曝光，所述检测数据指示了与所述被访问的图像中的每个检测到的生物体表示相关联的已确定的光罩。5.根据权利要求1所述的秤，其中，所述生物体检测引擎是利用监督学习来训练的，在所述监督学习期间，所述生物体检测引擎被训练成检测多个训练图像中的生物体表示，其中，每个所述训练图像示出了一个或多个生物体表示并且具有与所述训练图像中的每一者相关联的检测真值数据。6.根据权利要求5所述的秤，其中，所述多个训练图像包括第一组训练图像，所述第一组训练图像中的每一者示出了在不同位置的单个生物体表示，所述检测真值数据包括所述第一组训练图像的每一者中的所述单个生物体表示的标签。7.根据权利要求5所述的秤，其中，所述多个训练图像包括第二组训练图像，所述第二组训练图像中的每一者示出了相应的多个生物体表示，对于所述第二组训练图像中的每一者，所述检测真值数据包括所述第二组训练图像的每一者中的所述多个生物体表示中的每一者的标签。8.根据权利要求1所述的秤，其中，所述生物体重量确定引擎是利用监督学习来训练的，在所述监督学习期间，所述生物体重量确定引擎被训练成将所述重量数据与在多个训练图像中检测到的每个生物体表示相关联，其中，所述多个训练图像示出了一个或多个生物体表示并且具有与所述训练图像中的每一者相关联的真值重量数据。9.根据权利要求8所述的秤，其中，所述多个训练图像包括第一组训练图像，所述第一组训练图像中的每一者示出了在不同位置的单个生物体表示，所述真值重...

【专利技术属性】
技术研发人员：朱利安，
申请(专利权)人：艾克斯波特西溶液公司，
类型：发明
国别省市：