基于机器视觉的水下鲑鱼重量估计方法及系统技术方案

本发明专利技术公开了基于机器视觉的水下鲑鱼重量估计方法及系统，获取鲑鱼图片数据集，将鲑鱼图片数据集通过深度学习算法进行训练，得到鲑鱼识别模型；通过摄像头拍摄水下图像；利用鲑鱼识别模型识别并标注水下图像中的鲑鱼；获取摄像头到鲑鱼的估计距离；通过估计距离计算鲑鱼的估计长度；根据估计长度得到鲑鱼的估计重量。基于此，本发明专利技术能够低成本地实现水下预估鲑鱼重量，摄像头设备可以在水下自由移动，且一次能检测多条鲑鱼，大大提高工作效率。大大提高工作效率。大大提高工作效率。

【技术实现步骤摘要】
基于机器视觉的水下鲑鱼重量估计方法及系统


[0001]本专利技术实施例涉及但不限于机器视觉
，特别是涉及一种基于机器视觉的水下鲑鱼重量估计方法及系统。

技术介绍

[0002]为响应国家海洋强国战略，有必要提高我国渔业养殖的自动化水平。由于中国鲑鱼养殖市场的潜力很大，因此研究如何提升水产养殖的效率和降低管理难度有着重要的实际意义。
[0003]目前的水下养殖系统存在三大缺点。第一，设备只能在固定位置安放，无法移动且成本高昂。第二，水下养殖系统需要花费的成本极高。第三，一次只能检测一条鲑鱼，不够高效。

技术实现思路

[0004]以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
[0005]本专利技术实施例提供了一种基于机器视觉的水下鲑鱼重量估计方法及系统，能够低成本地实现水下预估鲑鱼重量，摄像头设备可以在水下自由移动，且一次能检测多条鲑鱼，大大提高工作效率。
[0006]第一方面，本专利技术实施例提供了一种基于机器视觉的水下鲑鱼重量估计方法，包括：
[0007]获取鲑鱼图片数据集，将所述鲑鱼图片数据集通过深度学习算法进行训练，得到鲑鱼识别模型；
[0008]通过摄像头拍摄水下图像；
[0009]利用所述鲑鱼识别模型识别并标注所述水下图像中的鲑鱼；
[0010]获取所述摄像头到所述鲑鱼的估计距离；
[0011]通过所述估计距离计算所述鲑鱼的估计长度；
[0012]根据所述估计长度得到所述鲑鱼的估计重量。<br/>[0013]在一些实施例，所述深度学习算法为YOLOv5算法，所述摄像头为单目摄像头。
[0014]在一些实施例，在通过摄像头拍摄水下图像之前，还包括：
[0015]利用Camera
‑
IMU模型对所述摄像头进行标定和畸变校正。
[0016]在一些实施例，所述利用所述鲑鱼识别模型识别并标注所述水下图像中的鲑鱼，包括：
[0017]利用所述鲑鱼识别模型识别所述水下图像中的鲑鱼；
[0018]采用矩形框的方式标注所述水下图像中的鲑鱼；
[0019]使用OpenCV处理所述水下图像，以提取所述鲑鱼的轮廓图；
[0020]将所述轮廓图与预设的鲑鱼形状进行比对，以确认所述鲑鱼的鱼身是否与所述摄
像头的镜头垂直。
[0021]在一些实施例，所述通过所述估计距离计算所述鲑鱼的估计长度，包括:
[0022]确定所述摄像头的拍摄焦距；
[0023]从所述矩形框中获取所述鲑鱼在所述水下图像的像素宽；
[0024]根据所述拍摄焦距、所述估计距离和所述像素宽计算所述鲑鱼的估计长度。
[0025]在一些实施例，所述根据所述拍摄焦距、所述估计距离和所述像素宽计算所述鲑鱼的估计长度，包括：
[0026]对所述估计距离和所述像素宽求积；
[0027]将所述估计距离和所述像素宽之积除以所述拍摄焦距，得到所述鲑鱼的估计长度。
[0028]在一些实施例，所述根据所述估计长度得到所述鲑鱼的估计重量，包括：
[0029]将所述鲑鱼的估计长度输入至估计函数，得到所述鲑鱼的估计重量，其中，所述估计函数通过机器学习对鲑鱼数据训练而得到。
[0030]第二方面，本专利技术实施例提供了一种基于机器视觉的水下鲑鱼重量估计系统，包括：
[0031]训练模块，用于获取鲑鱼图片数据集，将所述鲑鱼图片数据集通过深度学习算法进行训练，得到鲑鱼识别模型；
[0032]拍摄模块，用于通过摄像头拍摄水下图像；
[0033]识别模块，用于利用所述鲑鱼识别模型识别并标注所述水下图像中的鲑鱼；
[0034]获取模块，用于获取所述摄像头到所述鲑鱼的估计距离；
[0035]计算模块，用于通过所述估计距离计算所述鲑鱼的估计长度；
[0036]估重模块，用于根据所述估计长度得到所述鲑鱼的估计重量。
[0037]第三方面，本专利技术实施例提供了一种基于机器视觉的水下鲑鱼重量估计系统，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计算机程序时实现如上第一方面所述的基于机器视觉的水下鲑鱼重量估计方法。
[0038]第四方面，本专利技术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可执行程序，所述计算机可执行程序用于使计算机执行如上第一方面所述的基于机器视觉的水下鲑鱼重量估计方法。
[0039]本专利技术实施例包括：获取鲑鱼图片数据集，将鲑鱼图片数据集通过深度学习算法进行训练，得到鲑鱼识别模型；通过摄像头拍摄水下图像；利用鲑鱼识别模型识别并标注水下图像中的鲑鱼；获取摄像头到鲑鱼的估计距离；通过估计距离计算鲑鱼的估计长度；根据估计长度得到鲑鱼的估计重量。基于此，本专利技术能够低成本地实现水下预估鲑鱼重量，摄像头设备可以在水下自由移动，且一次能检测多条鲑鱼，大大提高工作效率。
[0040]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
[0041]附图用来提供对本专利技术技术方案的进一步理解，并且构成说明书的一部分，与本
专利技术的实施例一起用于解释本专利技术的技术方案，并不构成对本专利技术技术方案的限制。
[0042]图1是本专利技术一个实施例提供的一种基于机器视觉的水下鲑鱼重量估计方法的主流程图；
[0043]图2是本专利技术一个实施例提供的一种基于机器视觉的水下鲑鱼重量估计方法的子流程图；
[0044]图3是本专利技术一个实施例提供的一种基于机器视觉的水下鲑鱼重量估计方法的子流程图；
[0045]图4是本专利技术一个实施例提供的基于机器视觉的水下鲑鱼重量估计系统结构示意图；
[0046]图5是本专利技术另一个实施例提供的基于机器视觉的水下鲑鱼重量估计系统结构示意图。
具体实施方式
[0047]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0048]应了解，在本专利技术实施例的描述中，多个(或多项)的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到“第一”、“第二”等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0049]为响应国家海洋强国战略，有必要提高我国渔业养殖的自动化水平。由于中国鲑鱼养殖市场的潜力很大，因此研究如何提升水产养殖的效率和降低管理难度有着重要的实际意义。
[0050]目前的水下养殖系统存在三大缺点。第一，设备只能在固定位置安放，无法移动且成本高昂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的水下鲑鱼重量估计方法，其特征在于，包括：获取鲑鱼图片数据集，将所述鲑鱼图片数据集通过深度学习算法进行训练，得到鲑鱼识别模型；通过摄像头拍摄水下图像；利用所述鲑鱼识别模型识别并标注所述水下图像中的鲑鱼；获取所述摄像头到所述鲑鱼的估计距离；通过所述估计距离计算所述鲑鱼的估计长度；根据所述估计长度得到所述鲑鱼的估计重量。2.根据权利要求1所述的方法，其特征在于，所述深度学习算法为YOLOv5算法，所述摄像头为单目摄像头。3.根据权利要求1所述的方法，其特征在于，在通过摄像头拍摄水下图像之前，还包括：利用Camera
‑
IMU模型对所述摄像头进行标定和畸变校正。4.根据权利要求1所述的方法，其特征在于，所述利用所述鲑鱼识别模型识别并标注所述水下图像中的鲑鱼，包括：利用所述鲑鱼识别模型识别所述水下图像中的鲑鱼；采用矩形框的方式标注所述水下图像中的鲑鱼；使用OpenCV处理所述水下图像，以提取所述鲑鱼的轮廓图；将所述轮廓图与预设的鲑鱼形状进行比对，以确认所述鲑鱼的鱼身是否与所述摄像头的镜头垂直。5.根据权利要求4所述的方法，其特征在于，所述通过所述估计距离计算所述鲑鱼的估计长度，包括:确定所述摄像头的拍摄焦距；从所述矩形框中获取所述鲑鱼在所述水下图像的像素宽；根据所述拍摄焦距、所述估计距离和所述像素宽计算所述鲑鱼的估计长度。6.根据权利要求5所述的方法，其特征在于，所述根据所述拍...

【专利技术属性】
技术研发人员：谢惠敏，方梓南，陈泽铭，林妍，彭伊敏，黄国鹏，吴俊豪，
申请(专利权)人：五邑大学，
类型：发明
国别省市：