鱼头鱼尾定位方法及装置制造方法及图纸

本发明专利技术提供一种鱼头鱼尾定位方法及装置，该方法包括：通过相机获取流水线上的待加工鱼体图像，并进行预处理；将预处理后的鱼体图像输入已训练的FasterRcnn模型，输出鱼头鱼尾边界框在图像坐标的位置信息；根据鱼头鱼尾边界框在图像坐标的位置信息，基于预设的图像坐标与世界坐标的对应关系，确定鱼头鱼尾的实际位置信息。该方法根据流水线上采集的鱼体图利用FasterRcnn模型进行检测，能够针对性的对目标边界框进行筛选，避免背景和噪声带来的影响，并且提高分类的效率，从而快速得到准确的鱼头鱼尾图像位置信息，在此基础上结合预设的图像坐标与世界坐标对应关系，得到真实的位置信息，有利于流水线及时进行加工处理。有利于流水线及时进行加工处理。有利于流水线及时进行加工处理。

【技术实现步骤摘要】
鱼头鱼尾定位方法及装置


[0001]本专利技术涉及图像处理领域，尤其涉及一种鱼头鱼尾定位方法及装置。

技术介绍

[0002]淡水鱼向市场供应前，往往需要经过鱼体处理加工阶段。该阶段通常大部分处理过程由人工完成，其加工生产方式以人力劳动为主，加工装备机械化、自动化程度不高。在此过程中加入机器视觉技术，可以使切割鱼头鱼尾工序自动化，提高淡水鱼加工效率。
[0003]然而，在利用机器视觉技术实现自动化去头的过程中，存在一些不利的客观因素，图像背景噪声大、算法检测效果不佳，由此造成鱼头鱼尾坐标分析错误，从而导致后续切刀位置、剖切深度、规划切割路线不能精准计算出来，致使机器采肉率降低。因此，如何将鱼体从复杂的背景中分离出来，并对鱼头鱼尾的位置实现精准的定位是目前亟待解决的技术问题。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种鱼头鱼尾定位方法及装置。
[0005]本专利技术提供一种鱼头鱼尾定位方法，包括：通过相机获取流水线上的待加工鱼体图像，并进行预处理；将预处理后的鱼体图像输入已训练的FasterRcnn模型，输出鱼头鱼尾边界框在图像坐标的位置信息；根据鱼头鱼尾边界框在图像坐标的位置信息，基于预设的图像坐标与世界坐标的对应关系，确定鱼头鱼尾的实际位置信息；其中，所述FasterRcnn模型，根据已确定鱼头鱼尾边界框的样本训练后得到。
[0006]根据本专利技术一个实施例的鱼头鱼尾定位方法，所述通过相机获取流水线上的待加工鱼体图像之前，还包括：对流水线上传送的多个鱼体图像，进行大小一致性调整和图像预处理，作为训练集样本，并对所述训练集样本标注鱼头鱼尾的边界框信息；根据预训练的Alexnet模型，利用迁移学习构建FasterRcnn网络模型；基于所述训练集样本对所述FasterRcnn模型进行训练，得到所述已训练的FasterRcnn模型。
[0007]根据本专利技术一个实施例的鱼头鱼尾定位方法，所述基于所述训练集样本对所述FasterRcnn模型进行训练，包括：将所述训练集样本，输入所述FasterRcnn模型，利用反向传播法和带动量的梯度下降法（SDGM）更新所述模型的权重参数。
[0008]根据本专利技术一个实施例的鱼头鱼尾定位方法，训练过程中的学习速率随着迭代次数进行衰减。
[0009]根据本专利技术一个实施例的鱼头鱼尾定位方法，所述将预处理后的鱼体图像输入已训练的FasterRcnn模型，输出鱼头鱼尾边界框在图像坐标的位置信息，包括：将所述鱼体图像输入卷积神经网络，输出提取的特征图；将所述特征图输入区域生成网络（RPN），生成多个候选检测框；对所述特征图中候选检测框对应的部分，进行感兴趣区域池化，得到候选检测框特征图；对所述候选检测框特征图进行分类识别，得到对应的分类结果，根据所述得分结果确定目标检测框及位置信息。
[0010]根据本专利技术一个实施例的鱼头鱼尾定位方法，所述根据鱼头鱼尾边界框在图像坐标的位置信息，基于预设的图像坐标与世界坐标的对应关系，确定鱼头鱼尾的实际位置信息，包括：获取鱼头鱼尾边界框在图像坐标的坐标信息；根据所述坐标信息，基于预设的像素坐标系与世界坐标系两个维度方向的坐标比值，得到鱼头鱼尾边界框在世界坐标系的坐标信息。
[0011]根据本专利技术一个实施例的鱼头鱼尾定位方法，所述通过相机获取流水线上的待加工鱼体图像之前，还包括：获取已知尺寸标定板的中心点在像素坐标系与世界坐标系的坐标信息；根据所述中心点在像素坐标系与世界坐标系的坐标信息，得到所述坐标比值。
[0012]本专利技术还提供一种鱼头鱼尾定位装置，包括：获取模块，用于通过相机获取流水线上的待加工鱼体图像，并进行预处理；处理模块，用于将预处理后的鱼体图像输入已训练的FasterRcnn模型，输出鱼头鱼尾边界框在图像坐标的位置信息；转换模块，用于根据鱼头鱼尾边界框在图像坐标的位置信息，基于预设的图像坐标与世界坐标的对应关系，确定鱼头鱼尾的实际位置信息；其中，所述FasterRcnn模型，根据已确定鱼头鱼尾边界框的样本训练后得到。
[0013]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述鱼头鱼尾定位方法的步骤。
[0014]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述鱼头鱼尾定位方法的步骤。
[0015]本专利技术提供的鱼头鱼尾定位方法及装置，根据流水线上采集的鱼体图像，利用FasterRcnn模型进行检测，基于FasterRcnn的RPN网络，能够针对性的对目标边界框进行筛选，避免背景和噪声带来的影响，并且提高分类的效率，从而快速得到准确的鱼头鱼尾图像位置信息，在此基础上结合预设的图像坐标与世界坐标对应关系，得到真实的位置信息，有利于流水线及时进行加工处理。
附图说明
[0016]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本专利技术提供的鱼头鱼尾定位方法的流程示意图；图2是本专利技术提供的构建FasterRcnn网络的流程示意图；图3是本专利技术提供的鱼头鱼尾边界框生成过程的流程示意图；图4是本专利技术提供的Anchors示意图；图5是本专利技术提供的坐标转换示意图；图6是本专利技术提供的鱼头鱼尾定位装置的结构示意图；图7是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0018]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]由于目前的方法刀具无法确定鱼头鱼尾的位置，致使鱼头鱼尾切割自动化准确度不高从而难以普及，无法进行去人工的淡水鱼与提前处理加工。本专利技术要解决的主要问题是获取鱼头鱼尾的实际坐标位置，从而实现淡水鱼加工装置的自动化。
[0020]下面结合图1
‑
图7描述本专利技术的鱼头鱼尾定位方法及装置。图1是本专利技术提供的鱼头鱼尾定位方法的流程示意图，如图1所示，本专利技术提供鱼头鱼尾定位方法，包括：101、通过相机获取流水线上的待加工鱼体图像，并进行预处理。
[0021]具体而言，可通过在流水线的上方设置一个暗盒，并在盒顶安装摄像头捕捉流水线上的鱼体，获取待检测的鱼体图像。
[0022]此外，可使用matlab等工具将鱼体图像进行大小统一，并采用中值滤波对图像进行去噪处理，进而减少识别误差，增强图像特征提取的效果。为了较好的提取鱼头鱼尾图像特征，在检测和训练过程中，可以将图片背景进行消除，处理成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鱼头鱼尾定位方法，其特征在于，包括：通过相机获取流水线上的待加工鱼体图像，并进行预处理；将预处理后的鱼体图像输入已训练的FasterRcnn模型，输出鱼头鱼尾边界框在图像坐标的位置信息；根据鱼头鱼尾边界框在图像坐标的位置信息，基于预设的图像坐标与世界坐标的对应关系，确定鱼头鱼尾的实际位置信息；其中，所述FasterRcnn模型，根据已确定鱼头鱼尾边界框的样本训练后得到。2.根据权利要求1所述的鱼头鱼尾定位方法，其特征在于，所述通过相机获取流水线上的待加工鱼体图像之前，还包括：对流水线上传送的多个鱼体图像，进行大小一致性调整和图像预处理，作为训练集样本，并对所述训练集样本标注鱼头鱼尾的边界框信息；根据预训练的Alexnet模型，利用迁移学习构建FasterRcnn网络模型；基于所述训练集样本对所述FasterRcnn模型进行训练，得到所述已训练的FasterRcnn模型。3.根据权利要求2所述的鱼头鱼尾定位方法，其特征在于，所述基于所述训练集样本对所述FasterRcnn模型进行训练，包括：将所述训练集样本，输入所述FasterRcnn模型，利用反向传播法和带动量的梯度下降法SDGM更新所述模型的权重参数。4.根据权利要求3所述的鱼头鱼尾定位方法，其特征在于，训练过程中的学习速率随着迭代次数进行衰减。5.根据权利要求1所述的鱼头鱼尾定位方法，其特征在于，所述将预处理后的鱼体图像输入已训练的FasterRcnn模型，输出鱼头鱼尾边界框在图像坐标的位置信息，包括：将所述鱼体图像输入卷积神经网络，输出提取的特征图；将所述特征图输入区域生成网络RPN，生成多个候选检测框；对所述特征图中候选检测框对应的部分，进行感兴趣区域池化，得到候选检测框特征图；对所述候...

【专利技术属性】
技术研发人员：胡志刚，王颖杰，刘雅琪，李彬，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：