一种南美白对虾表型数据测定方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术提供了一种南美白对虾表型数据测定方法、装置、计算机设备及存储介质，方法包括：采集南美白对虾的侧面和俯视图像样本；进行俯视图和侧视图图像的目标检测，确定南美白对虾的具体位置，得到南美白对虾的包围盒信息，将南美白对虾的图像裁剪出来作为下一步骤的输入；基于Hourglassnet深度学习网络模型检测南美白对虾的关键点，并获取关键点坐标信息；利用提取到的关键点坐标信息，构建出南美白对虾在水中的姿势骨架结构，进行南美白对虾姿势估计；计算南美白对虾表型数据：根据获取得到的关键点坐标信息，结合三维空间变换以及比例参数计算得到南美白对虾表型数据。本发明专利技术中南美白对虾表型数据在测量过程中，没有严格的约束，增强了算法的鲁棒性。

【技术实现步骤摘要】
一种南美白对虾表型数据测定方法、装置、计算机设备及存储介质
本专利技术属于计算机视觉领域，基于计算机视觉实现测量，具体涉及一种南美白对虾表型数据测定方法、装置、计算机设备及存储介质。
技术介绍
长期以来，传统的测量南美白对虾的表型数据的方法主要是利用人工、手工接触式测量其外形尺寸、重量等相关的参数。然而，这种方法极易受人工的经验、习惯、专业技能水平等主观因素以及外部环境干扰，即不同环境、不同测量人员测量的结果之间往往存在不小的误差，测量结果的系统误差无法控制，从而导致测量结果不平衡、标准不一致、出错率高。另一方面，人工测量表型数据的方法需要大量的人力和时间，检测过程耗时耗力。同时，水产生物敏感性强，极易在人工接触式的测量过程中受到伤害，甚至可能导致疾病传播与水环境污染，而影响水产生物的正常生长。市场上也少量的出现一些基于计算机视觉的鱼表型数据测量方法，多是离水测量，且测量的指标比较少，这不仅依然会给鱼带来了较大的应激反应，而且限定条件比较多。二十一世纪以来，随着计算机信息技术、光学成像技术、图像处理算法等技术的高速发展，基于机器学习的计算机视觉算法在各个领域都发挥了极其重要的作用，因其非接触性、高精度性、可量化性等优点，目前已经广泛应用于动物自动识别研究领域。因此，面对水产养殖业的需要，传统的人工接触式测量方法也逐渐被基于计算机视觉技术的自动化检测方法代替。与传统的人工接触式测量方法相比，计算机视觉处理方法更加快速、客观、准确。在利用计算机视觉技术进行水产生物视觉相关的属性测量方面，许多研究人员已经开展了一系列的研究，包括鱼、虾、蟹、贝等水产生物。然而，传统的计算机视觉算法由于算法的特点，算法运行速度虽然较人工测量有了较大的改进，但还是无法满足发展愈发快速的水产养殖业的需求。同时，基于传统图像处理算法和机器学习的水产生物测量系统鲁棒性差，对变换的环境和水产生物的形态变换适应性很差。另一方面，虽然计算机视觉算法能消除人工测量时人工的主观性带来的误差，保证测量结果的标准一致，但受限于算法性能，往往不能达到较高的精度。虾类作为水产品中最重要的部分之一，在虾类养殖中，虾体的形状、尺寸、颜色及纹理等信息是一项非常重要的基础信息，不仅能直观地表现虾的生长状况，帮助养殖人员更方便地进行喂养、筛选、分级等，同时也能帮助虾类科研人员进行相关的基础研究。长期以来，传统的测量水产生物的表型数据的方法主要是利用人工、手工接触式测量水产生物的尺寸、重量等相关的参数。然而，这种方法极易受人工的经验、习惯、专业技能水平等主观因素以及外部环境干扰，从而导致测量结果不平衡、标准不一致、出错率高。另一方面，人工测量表型数据的方法需要大量的人力和时间，检测过程耗时耗力。同时，水产生物敏感性强，极易在人工接触式的测量过程中受到伤害，甚至可能导致疾病传播与水环境污染，而影响水产生物的正常生长。因此，研究快速、客观、准确和非接触式的自动化测量方法，对水产养殖业的持续健康高效发展有着至关重要的作用。传统的南美白对虾表型数据测定方法，其存在的问题可以总结如下：1、检测方法需要大量的人力物力，且随着测量指标的增加而增加，效率比较低。2、方法易受经验、习惯、偏好等主观因素和外部环境干扰的影响，致使检测过程耗时费力，检测结果主观性强、一致性差、出错率高，无法形成一个统一的标准。3、由于对虾个体脱离水后存在一定的应激反应，且长时间脱水，接触式的测量方法会对对虾个体的活性造成一定的影响，对后续的育种研究造成一定的干扰。由于关键点水产生物形态参数的强关联性以及其在图像处理算法中的易检出性，从20世纪80年代开始，基于静态图像的关键点检测算法已经开始应用于水产生物的形态测量的研究中。Irving等在鱼游过特定的通道时，拍摄鱼的侧面图像，通过图像处理的方式检测鱼的头尾关键点，计算鱼的长度，再根据鱼的长度来预测鱼的体重。Lines等将时间间隔相邻的两张图片相减，得到的图像中鱼头部分因鱼的运动而出现“新月形”，用鲁棒性较好的二进制模式分类器识别鱼头关键点，再根据鱼体的大概位置和方向用点分布模型(PointDistributionModel,PDM)识别鱼的边界关键点，计算鱼的表型数据，并根据鱼的长度预测鱼的体重。林妙玲等通过摄像头采集虾的图像，通过阈值分割算法和形态学开闭运算平滑处理，提取虾的关键点，并构建轮廓曲线，计算虾的长度，再利用小波变换低通滤波进行虾类的姿势识别，确定虾头尾朝向，再进行虾头部和身体连接点的识别算法，计算头长和体长。这些初步的研究表明了计算机视觉技术在水产生物生产和养殖中的可行性和相比于传统手工测量的优势。然而，这些算法大多都有鲁棒性差，精度不稳定，环境要求苛刻等特点，很难应用于实际研究中。综上可知，南美白对虾类表型数据测量方法研究还是在手工测量为主，在对虾加工领域，采用了计算机视觉算法来实现，但带水无约束测定还没有相应的研究成果，现有技术中测量对虾表型数据存在一定的问题，列举如下：1、对于传统图像处理中，通过获取图像轮廓，在轮廓上通过构建特定的特征寻找关键点，再通过关键点获取最终的表型数据，这种方法在对虾表型数据测定方面有一定的研究，但由于虾体的特殊性，传统的特征提取存在难点，传统方法不易实现活体测量。2、现阶段大部分的表型数据人工测量方法都是进行脱水测量，对于对虾的活性具有一定的损害，没有一个通用的，具体的测量方案。3、采用人工的测量方法测量的参数不是很多，对于后续的研究指导意义较少。因此，如何提升南美白对虾表型数据测定精度和检测速度，是本领域亟待解决的问题。
技术实现思路
本专利技术的目的是针对现有技术的缺陷，提供一种南美白对虾表型数据测定方法，以南美白对虾为研究对象，实现了南美白对虾在水中无约束状态下非接触的表型数据的测量。为了实现以上目的，本专利技术采用以下技术方案：一种南美白对虾表型数据测定方法，其特征在于，包括步骤：S1、采集南美白对虾的侧面和俯视图像样本；S2、采用yolo3算法进行俯视图和侧视图图像的目标检测，确定南美白对虾的具体位置，得到南美白对虾的包围盒信息，将南美白对虾的图像裁剪出来作为下一步骤的输入；S3、基于Hourglassnet深度学习网络模型检测南美白对虾的关键点，并获取关键点坐标信息；S4、利用提取到的关键点坐标信息，构建出南美白对虾在水中的姿势骨架结构，进行南美白对虾姿势估计；S5、计算南美白对虾表型数据：根据获取得到的关键点坐标信息，结合三维空间变换以及比例参数计算得到南美白对虾表型数据。进一步地，所述步骤S1包括：将装满3/4水的水盒内放入南美白对虾后，将水盒放入图像样本采集设备，在该设备的上方和左侧布置工业相机，启动工业相机，采集放到水盒内南美白对虾的侧面和俯视图像样本。进一步地，所述步骤S3包括：检测出南美白对虾的包围盒boundingbox边框信息后，将裁剪得到的南美白对虾的图像输入到Hourglassnet网络中，获取到俯视图和侧视图的不同的关键点定位坐标本文档来自技高网...

【技术保护点】
1.一种南美白对虾表型数据测定方法，其特征在于，包括步骤：/nS1、采集南美白对虾的侧面和俯视图像样本；/nS2、采用yolo3算法进行俯视图和侧视图图像的目标检测，确定南美白对虾的具体位置，得到南美白对虾的包围盒信息，将南美白对虾的图像裁剪出来作为下一步骤的输入；/nS3、基于Hourglassnet深度学习网络模型检测南美白对虾的关键点，并获取关键点坐标信息；/nS4、利用提取到的关键点坐标信息，构建出南美白对虾在水中的姿势骨架结构，进行南美白对虾姿势估计；/nS5、计算南美白对虾表型数据：根据获取得到的关键点坐标信息，结合三维空间变换以及比例参数计算得到南美白对虾表型数据。/n

【技术特征摘要】
1.一种南美白对虾表型数据测定方法，其特征在于，包括步骤：
S1、采集南美白对虾的侧面和俯视图像样本；
S2、采用yolo3算法进行俯视图和侧视图图像的目标检测，确定南美白对虾的具体位置，得到南美白对虾的包围盒信息，将南美白对虾的图像裁剪出来作为下一步骤的输入；
S3、基于Hourglassnet深度学习网络模型检测南美白对虾的关键点，并获取关键点坐标信息；
S4、利用提取到的关键点坐标信息，构建出南美白对虾在水中的姿势骨架结构，进行南美白对虾姿势估计；
S5、计算南美白对虾表型数据：根据获取得到的关键点坐标信息，结合三维空间变换以及比例参数计算得到南美白对虾表型数据。


2.根据权利要求1所述的南美白对虾表型数据测定方法，其特征在于，所述步骤S1包括：将装满3/4水的水盒内放入南美白对虾后，将水盒放入图像样本采集设备，在该设备的上方和左侧布置工业相机，启动工业相机，采集放到水盒内南美白对虾的侧面和俯视图像样本。


3.根据权利要求1所述的南美白对虾表型数据测定方法，其特征在于，所述步骤S3包括：检测出南美白对虾的包围盒boundingbox边框信息后，将裁剪得到的南美白对虾的图像输入到Hourglassnet网络中，获取到俯视图和侧视图的不同的关键点定位坐标；其中，侧视图中需检测19个关键点，依据点的位置顺序排列；在俯视图上，需检测23个关键点。


4.根据权利要求1～3任一所述的南美白对虾表型数据测定方法，其特征在于，所述步骤S3中通过俯视图检测模块获取俯视图的关键点的信息，俯视图检测模块包含两个级联的4阶沙漏模块和中继监督模块，每个沙漏模块由残差模块通过残差相加保留原始信息，使得沙漏模块能够在不同尺度下学习特征，并尽可能地保留原有的特征；中继监督模块对每个沙漏模块进行中间预测，即计算每个沙漏模块后的训练损失，来帮助后一阶段的沙漏模块的训练。


5.根据权利要求4所述的南美白对虾表型数据测定方法，其特征在于，所述步骤S3中通过侧视图检测模块...

【专利技术属性】
技术研发人员：高广春，郑一琨，栾生，代平，孔杰，
申请(专利权)人：浙大城市学院，杭州飞锐科技有限公司，中国水产科学研究院黄海水产研究所，
类型：发明
国别省市：浙江;33