一种基于YOLOv3-Lite的混养鱼群行为检测的方法、装置及系统制造方法及图纸

本发明专利技术提供一种基于YOLOv3‑Lite的混养鱼群行为检测的方法、装置及系统，该方法包括：分别获取不同养殖环境下的鱼群影像；对所述鱼群影像进行预处理，得到第一鱼群图像；将所述第一鱼群图像输入目标网络模型得到鱼群行为检测结果，其中，所述目标网络模型通过将所述第一鱼群图像输入初始网络模型进行训练获得。本发明专利技术使用图像增强、降噪、增广等技术对获取影像进行预处理，以提高成像质量、丰富训练集信息；基于改进YOLOv3‑Lite网络对上述影像数据集进行训练，建立鱼群行为检测模型，从而实现快速、低成本混养鱼群行为检测的方法。

【技术实现步骤摘要】
一种基于YOLOv3-Lite的混养鱼群行为检测的方法、装置及系统
本专利技术涉及计算机图像处理
，尤其涉及一种基于YOLOv3-Lite的混养鱼群行为检测的方法、装置及系统。
技术介绍
目前我国水产养殖面积与渔业产值均居世界首位。鱼类养殖经济在我国农业经济中占有越来越重要的位置。在鱼类养殖中需对鱼类健康进行监控，其中鱼群的行为可以体现鱼类对养殖环境的喜好程度，从而反映出养殖水体的合适与否。传统鱼群行为的检测主要通过人工在养殖现场进行连续观测，根据鱼类游动状态凭借经验进行判断，对观测人员知识水平要求较高；过程费时费力，观测结果主观性强，存在因人为因素导致误判的可能。即使随计算机视觉的发展，机器视觉在鱼群行为检测方面可以实现快读判断，但是由于此类方法提取特征单一、样本量少，不仅造成鲁棒性弱，还存在检测不准确的问题，因此并不是能实现广泛的推广，具有一定的局限性。
技术实现思路
本专利技术提供一种基于YOLOv3-Lite的混养鱼群行为检测的方法、装置及系统，通过图像增强、降噪、增广等技术对获取影像进本文档来自技高网...

【技术保护点】
1.一种基于YOLOv3-Lite的混养鱼群行为检测的方法，其特征在于，包括：/n分别获取不同养殖环境下的鱼群影像；/n对所述鱼群影像进行预处理，得到第一鱼群图像；/n将所述第一鱼群图像输入目标网络模型得到鱼群行为检测结果，其中，所述目标网络模型通过将所述第一鱼群图像输入初始网络模型进行训练获得。/n

【技术特征摘要】
1.一种基于YOLOv3-Lite的混养鱼群行为检测的方法，其特征在于，包括：
分别获取不同养殖环境下的鱼群影像；
对所述鱼群影像进行预处理，得到第一鱼群图像；
将所述第一鱼群图像输入目标网络模型得到鱼群行为检测结果，其中，所述目标网络模型通过将所述第一鱼群图像输入初始网络模型进行训练获得。


2.根据权利要求1所述的方法，其特征在于，所述分别获取不同养殖环境下的鱼群影像，包括：
通过设置饥饿程度、含氧量条件得到不同养殖环境；
将多种鱼类放置于所述养殖环境进行饲养，并获取不同养殖环境下对应的鱼群影像。


3.根据权利要求2所述的方法，其特征在于，对所述鱼群影像进行预处理，得到第一鱼群图像，包括：
通过对所述鱼群影像进行数据增强、数据降噪以及数据增广处理得到所述第一鱼群图像。


4.根据权利要求3所述的方法，其特征在于，在将所述第一鱼群图像输入目标网络模型得到鱼群行为检测结果之前，还包括：
构建所述初始网络模型，其中所述初始网络模型包括改进主干网络结构、改进池化网络结构和改进损失函数，其中，所述改进主干网络结构用于将输入的所述第一鱼群图像进行扩展信道维数，实现深度卷积后得到降维特征图像；
所述改进池化网络结构用于将不同维度的所述降维特征图像转换为相同维度的特征图像，还可以用于将不同尺度的所述降维特征图像进行融合得到融合特征图像；
所述改进损失函数用于结合GIoU的损失函数，对所述融合特征图像进行其损失函数的计算，若所述融合特征图像的损失函数大于预设改进函数阈值，则获得所述鱼群行为检测结果。


5.根据权利要求4所述的方法，其特征在于，将所述第一鱼群图像输入目标网络模型得到鱼群行为检测结果，包括：
所述目标网络模型通过使用精度、召回率以及交兵比三个指标来获得所...

【专利技术属性】
技术研发人员：胡俊，赵丹丹，陈文烜，
申请(专利权)人：浙江省农业科学院，
类型：发明
国别省市：浙江;33