基于神经网络的鱼质量估计方法及系统、装置与存储介质制造方法及图纸

本发明专利技术公开了一种基于神经网络的鱼质量估计方法及系统、装置与存储介质，该方法包括获取拍摄主体的实时拍摄图像；基于图像分割神经网络中的卷积骨干网络提取的实时拍摄图像的特征，获取融合特征；获取拍摄主体的实时三维特征信息；将拍摄主体的实时三维特征信息输入到全连接神经网络中进行处理获取拍摄主体的估计质量。本发明专利技术通过采用普通的摄像头采集数据，不需要依赖声呐、超声波等装置，成本低廉，易于部署；同时，采用普通彩色图像训练模型，使得设备和方法在实际应用时不需要依赖额外的光源等设备，易于使用，稳定性高；另外，充分利用和挖掘了鱼游动时的三维信息，不需要将鱼捕捉后称重，更符合实际应用场景的需求，可拓展性强，准确率高。

【技术实现步骤摘要】
基于神经网络的鱼质量估计方法及系统、装置与存储介质
本专利技术涉及鱼类自动估重
，尤其是涉及一种基于神经网络的鱼质量估计方法及系统、装置与存储介质。
技术介绍
鱼的质量是水产养殖中最重要的指标之一，及时、准确地估计鱼的质量是水产养殖的一项重要任务，获取不同生长阶段鱼的质量，对饲养、监测鱼的健康状况、制定养殖计划，提高产量具有重要意义。在传统水产养殖中，对鱼逐一称重非常复杂，高度依赖人工操作，在现实中难以实现。而统计方法，如标记重捕法，可以在一定程度上降低对渔获量的要求，但人力成本仍然较大，鱼的数量只能粗略估计。近年来，计算机视觉的方法给水产养殖带来了新的曙光。计算机视觉的方法可以分为单因素方法和多因素方法，但现有的鱼质量估计方法往往停留在二维平面上，难以注意到鱼的三维信息，会导致误差。因此，迫切的需要研发一种能够提取鱼游动的三维信息并准确估计鱼质量的方案。
技术实现思路
基于此，有必要针对现有技术的不足，提供一种基于神经网络的鱼质量估计方法及系统、装置与存储介质，能快速对鱼的质量进行估计，准确率高、效率高、有效减少劳动本文档来自技高网...

【技术保护点】
1.一种基于神经网络的鱼质量估计方法，其特征在于，包括如下步骤：/n获取拍摄主体的实时拍摄图像；/n基于图像分割神经网络中的卷积骨干网络提取的实时拍摄图像的特征，获取融合特征；/n获取拍摄主体的实时三维特征信息；/n将拍摄主体的实时三维特征信息输入到全连接神经网络中进行处理获取拍摄主体的估计质量。/n

【技术特征摘要】
1.一种基于神经网络的鱼质量估计方法，其特征在于，包括如下步骤：
获取拍摄主体的实时拍摄图像；
基于图像分割神经网络中的卷积骨干网络提取的实时拍摄图像的特征，获取融合特征；
获取拍摄主体的实时三维特征信息；
将拍摄主体的实时三维特征信息输入到全连接神经网络中进行处理获取拍摄主体的估计质量。


2.根据权利要求1所述的基于神经网络的鱼质量估计方法，其特征在于，所述步骤获取拍摄主体的实时三维特征信息之前，还包括：
获取实时拍摄图像上的多个拍摄主体对应的候选区域框。


3.根据权利要求1或2所述的基于神经网络的鱼质量估计方法，其特征在于，所述步骤将拍摄主体的实时三维特征信息输入到全连接神经网络中进行处理获取拍摄主体的估计质量之前，还包括：
对全连接神经网络进行训练。


4.根据权利要求3所述的基于神经网络的鱼质量估计方法，其特征在于，所述对全连接神经网络进行训练的方法包括：
构建拍摄主体图片集；
获取拍摄主体图片集中图片的三维特征信息值，其中，图片的三维特征信息值由人工进行标定；
获取拍摄主体图片集中图片对应的拍摄主体的质量；将拍摄主体图片集中图片对应的拍摄主体进行称量，获取拍摄主体的质量；
将拍摄主体图片集中的图片的三维特征信息值与图片对应的拍摄主体的质量进行耦合，获得全连接神经网络的训练集。


5.根据权利要求3所述的基于神经网络的鱼质量估计方法，其特征在于，所述对全连接神经网络进行训练的方法还包括：
建立拍摄主体质量估计模型。


6.根据权利要求1或2所述的基于神经网络的鱼质量估计方法，其特征在于，所述获取拍摄主体的实时三维特征信息的方法包括：
将融合特征输入到全卷积神经网络中，经过卷积处理后获得实时拍摄图像上各个像素位置的二值掩膜，获取实时拍摄图像上拍摄主体的分割结果轮廓；
在图像分割神经网络的卷积骨干网络中构建一个新的分支作为边缘敏感模块，在该新的分支中，选取任一卷积骨干网络卷积层提取的实时拍摄图像的特征作为输入，将该提取的实时拍摄图像的特征尺寸是否小于实时拍摄图像的尺寸进行比较；
若该提取的实时拍...

【专利技术属性】
技术研发人员：焦泽昱，吴亮生，程韬波，钟震宇，
申请(专利权)人：广东省科学院智能制造研究所，
类型：发明
国别省市：广东;44