对虾烂眼病检测方法、终端设备及存储介质技术

本申请适用于水产养殖技术领域，提供了一种对虾烂眼病检测方法、终端设备及存储介质，其中，上述方法包括：获取对虾图像并识别对虾图像中的对虾个体；测量对虾个体的体长；识别对虾个体的眼球并测量眼球直径；根据对虾个体的眼球直径以及对应的体长，判断对虾个体是否罹患烂眼病。本申请实施例提供的对虾烂眼病检测方法、终端设备及存储介质，利用机器视觉采集对虾图像，进而获取对虾个体的眼球直径，眼球直径能够直接反应对虾的眼部病变，为自动化的对虾烂眼病检测提供数据支持，解决了目前水产养殖领域难以对对虾烂眼病进行有效检测和监控的问题。监控的问题。

【技术实现步骤摘要】
对虾烂眼病检测方法、终端设备及存储介质


[0001]本申请属于水产养殖
，尤其涉及一种对虾烂眼病检测方法、终端设备及存储介质。

技术介绍

[0002]对虾烂眼病是对虾养殖中的常见病害，主要症状出现在眼部。对虾体型较小，其眼部的面积也非常小。在养殖场中，同时养殖众多数量的对虾，工人及技术员很难对面积很小的对虾眼睛进行频繁的观察。另外，在烂眼病的初期，病变十分隐蔽，即使近距离直接观察，也难以发现。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种对虾烂眼病检测方法、终端设备及存储介质，以解决目前水产养殖领域难以对对虾烂眼病进行有效检测和监控的问题。
[0004]根据第一方面，本申请实施例提供了一种对虾烂眼病检测方法，包括：获取对虾图像并识别所述对虾图像中的对虾个体；测量所述对虾个体的体长；识别所述对虾个体的眼球并测量眼球直径；根据所述对虾个体的眼球直径以及对应的体长，判断所述对虾个体是否罹患烂眼病。
[0005]结合第一方面，在本申请的一些实施例中，所述根据所述对虾个体的眼球直径以及对应的体长，判断所述对虾个体是否罹患烂眼病的步骤，包括：根据所述对虾个体的体长确定对应的眼球直径范围；当所述对虾个体的眼球直径大于对应的眼球直径范围的最大值时，确定所述对虾个体已罹患烂眼病。
[0006]结合第一方面，在本申请的一些实施例中，在所述确定所述对虾个体已罹患烂眼病的步骤之后，所述对虾烂眼病检测方法还包括：采集所述对虾个体的眼球颜色；根据所述对虾个体的眼球颜色，识别所述对虾个体的病程发展阶段。
[0007]结合第一方面，在本申请的一些实施例中，所述根据所述对虾个体的眼球颜色，识别所述对虾个体的病程发展阶段的步骤，包括：当所述对虾个体的眼球颜色与预设的病态眼球颜色相同时，确定所述对虾个体处于烂眼病中期病程阶段。
[0008]结合第一方面，在本申请的一些实施例中，所述根据所述对虾个体的眼球颜色，识别所述对虾个体的病程发展阶段的步骤，还包括：当所述对虾个体的眼球颜色与预设的病态眼球颜色不同时，确定所述对虾个体处于烂眼病初期病程阶段。
[0009]结合第一方面，在本申请的一些实施例中，所述识别所述对虾个体的眼球并测量眼球直径的步骤，包括：从所述对虾图像中提取所述对虾个体的影像，生成对应的对虾个体图像；对所述对虾个体图像进行边缘检测，生成对应的边缘检测图像；识别所述边缘检测图像中的圆形区域或类圆形区域；所述圆形区域或类圆形区域为所述对虾个体的眼球。
[0010]结合第一方面，在本申请的一些实施例中，所述识别所述对虾个体的眼球并测量眼球直径的步骤，还包括：计算所述圆形区域或类圆形区域中任意两点间的距离；将所述任
意两点间的最大距离作为所述对虾个体的眼球直径。
[0011]根据第二方面，本申清实施例提供了一种终端设备，包括：输入单元，用于获取对虾图像并识别所述对虾图像中的对虾个体；测量单元，用于测量所述对虾个体的体长，识别所述对虾个体的眼球并测量眼球直径；检测单元，用于根据所述对虾个体的眼球直径以及对应的体长，判断所述对虾个体是否罹患烂眼病。
[0012]根据第三方面，本申请实施例提供了另一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或第一方面任一实施方式所述方法的步骤。
[0013]根据第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面任一实施方式所述方法的步骤。
[0014]本申请实施例提供的对虾烂眼病检测方法、终端设备及存储介质，利用机器视觉采集对虾图像，进而获取对虾个体的眼球直径，眼球直径能够直接反应对虾的眼部病变，为自动化的对虾烂眼病检测提供数据支持，解决了目前水产养殖领域难以对对虾烂眼病进行有效检测和监控的问题。
附图说明
[0015]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是本申请实施例提供的对虾烂眼病检测方法的一个具体示例的流程图；
[0017]图2是本申请实施例提供的对虾烂眼病检测方法的另一个具体示例的流程图；
[0018]图3是本申请实施例提供的终端设备的结构示意图；
[0019]图4是本申请实施例提供的另一终端设备的结构示意图。
具体实施方式
[0020]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0021]对虾罹患烂眼病后，其眼球会胀大，待病情恶化发展至中期阶段后，在眼球胀大的同时还会出现颜色的变化，由原本健康的黑色眼球变为褐色。通过对对眼眼球的大小以及颜色进行观测，能够实现针对烂眼病的有效检测。
[0022]为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
[0023]本申请实施例提供了一种对虾烂眼病检测方法，如图1所示，该方法可以包括以下步骤：
[0024]步骤S101：获取对虾图像并识别对虾图像中的对虾个体。
[0025]在获取对虾图像后，可以根据预设的机器学习模型，识别对虾图像中的对虾个体。
神经网络和深度学习等机器学习模型，已经广泛应用于人工智能的各个领域，其最常见的应用场景即分类。对虾个体识别的本质也是分类问题。采用现有的机器学习模型并加以训练，能够实现对对虾个体的有效识别。
[0026]步骤S102：测量对虾个体的体长。
[0027]步骤S103：识别对虾个体的眼球并测量眼球直径。
[0028]对虾体型较小，其眼球也很小。在养殖场大规模养殖时，工人及技术人员难以频繁对如此细小的位置进行细致观察。因此，通过人工对对虾的眼球进行测量，存在一定的工作难度。而机器视觉能够分辨像素级别的细小物体，完全能够满足对虾眼球的识别及测量眼球。
[0029]在一具体实施方式中，可以首先从对虾图像中提取对虾个体的影像，生成对应的对虾个体图像；其次，对对虾个体图像进行边缘检测，生成对应的边缘检测图像；再次，识别边缘检测图像中的圆形区域或类圆形区域，将圆形区域或类圆形区域为对虾个体的眼球；最后，计算圆形区域或类圆形区域中任意两点间的距离，将任意两点间的最大距离作为对虾个体的眼球直径。
[0030]步骤S104：根据对虾个体的眼球直径以及对应的体长，判断对虾个体是否罹患烂眼病。
[0031]在一具体实施方式中，可以通过以下几个子步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对虾烂眼病检测方法，其特征在于，包括：获取对虾图像并识别所述对虾图像中的对虾个体；测量所述对虾个体的体长；识别所述对虾个体的眼球并测量眼球直径；根据所述对虾个体的眼球直径以及对应的体长，判断所述对虾个体是否罹患烂眼病。2.如权利要求1所述的对虾烂眼病检测方法，其特征在于，所述根据所述对虾个体的眼球直径以及对应的体长，判断所述对虾个体是否罹患烂眼病的步骤，包括：根据所述对虾个体的体长确定对应的眼球直径范围；当所述对虾个体的眼球直径大于对应的眼球直径范围的最大值时，确定所述对虾个体已罹患烂眼病。3.如权利要求2所述的对虾烂眼病检测方法，其特征在于，在所述确定所述对虾个体已罹患烂眼病的步骤之后，所述对虾烂眼病检测方法还包括：采集所述对虾个体的眼球颜色；根据所述对虾个体的眼球颜色，识别所述对虾个体的病程发展阶段。4.如权利要求3所述的对虾烂眼病检测方法，其特征在于，所述根据所述对虾个体的眼球颜色，识别所述对虾个体的病程发展阶段的步骤，包括：当所述对虾个体的眼球颜色与预设的病态眼球颜色相同时，确定所述对虾个体处于烂眼病中期病程阶段。5.如权利要求4所述的对虾烂眼病检测方法，其特征在于，所述根据所述对虾个体的眼球颜色，识别所述对虾个体的病程发展阶段的步骤，还包括：当所述对虾个体的眼球颜色与预设的病态眼球颜色不同时，确定所述对虾个体处于烂眼病初期...

【专利技术属性】
技术研发人员：于贞贞，白雪松，常志强，陈钊，
申请(专利权)人：东营市阔海水产科技有限公司，
类型：发明
国别省市：