基于视觉检测融合多动态阈值的虾苗自动计数方法及系统技术方案

本发明专利技术公开了一种基于视觉检测融合多动态阈值的虾苗自动计数方法及系统，方法包括：获取虾苗图像数据集；构建目标检测模型；利用虾苗图像数据集对目标检测模型进行训练，得到虾苗目标检测模型；获取待计数虾苗图像，并对待计数虾苗图像进行预处理；将预处理后的待计数虾苗图像输入虾苗目标检测模型，得到第一虾苗区域图；对第一虾苗区域图进行处理，得到第二虾苗区域图；基于虾苗的检测结果，选取虾苗样本，对第二虾苗区域图进行多动态阈值处理；利用优化匹配策略对多动态阈值处理后的第二虾苗区域图和虾苗的检测结果进行处理，实现虾苗自动计数。本发明专利技术能在复杂背景下对不同日龄的虾苗实现自动、快速、准确、无脱水状态下的计数，提高计数效率。提高计数效率。提高计数效率。

Automatic counting method and system of shrimp seedlings based on visual detection and multi dynamic threshold

【技术实现步骤摘要】
基于视觉检测融合多动态阈值的虾苗自动计数方法及系统


[0001]本专利技术涉及一种基于视觉检测融合多动态阈值的虾苗自动计数方法及系统，属于水产品图像处理


技术介绍

[0002]虾苗计数是虾苗养殖与交易过程中的重要环节，是虾苗交易双方达成交易的基础和依据。目前的虾苗计数主要依赖于抽样人工点数的方法，在虾苗均匀装袋标号后，交易双方各出一个数字，两数相加之和或两数相加之和减去总袋数作为抽样袋号，然后将该袋虾苗均匀分成10份，再随机抽出一份进行点数，最后估算总的虾苗数量[1]。对于抽样计数的方法，有框格式鱼(虾)计数方法[2]，通过将鱼(虾)苗放入由若干横竖线条组成的方格内，随机取出两、三个方格进行计数后取平均值，再乘以方格数的方法计算鱼(虾)苗数量。还有根据虾苗的日龄、体长、单位重量进行测定分析，得到500g虾苗含有的尾数的计数方法[3]。进行此类方法虽然可以保证一定的可信度，但是需要大量的人力物力，而且增加了交易、运输过程中的时间成本。而且在计数过程中人容易受到环境影响，产生疲劳感，出现记错、数错等情况，造成计数结果与实际数量的偏差，最终使得计数结果不能使交易双方信服。同时，人工计数的过程中往往需要将虾苗脱水，这种情况往往会造成一部分活力较差的虾苗死亡，不利于虾苗的后续饲养与销售。
[0003]针对传统虾苗计数方法的困难性，一些研究者开始设计基于光电信号的虾苗计数仪器。如通道式的虾苗计数仪[4]，采用多通道电视扫描的方式传入微处理机，通过对每个通道的每一尾虾苗映像信号判断得出计数信号。还有结合称重式的虾苗计数器[5]，其通过电容重量传感器，把重量转换为电频率，再用微处理机计算虾苗数量。[6]则利用秤盘和压力传感器获得虾苗重量信息，然后输入虾苗的日龄后获得芯片中存储的单只虾苗重量来估计秤盘中的虾苗数量。[7]利用微电脑与动态测重力技术相结合的方式，对鱼(虾)苗和水的混合物重量进行连续检测，通过控制鱼(虾)苗计重时的含水率来进行称重计数。[8]则是设计了一种鱼(虾)计数机，利用光纤传感器感测箱体内的鱼(虾)苗数量，实现自动化计数。
[0004]随着计算机视觉技术的快速发展，一些研究人员通过利用拍摄的虾苗图片来估计虾苗数量。目前，计算机视觉技术在虾苗计数的研究主要有以下四个方面：
[0005]一是基于传统图像处理的方法，如[9]利用图像复原模型TV
‑
L1对图像预处理，然后采用最大类间方差法获取虾苗分割的最佳阈值，然后根据连通域的面积来估计虾苗数量。[10
‑
12]则是通过设计一个包含暗箱、工业相机和辅助光源的装置来拍摄虾苗图像，可以获取质量较好的图像，并利用图像处理识别算法实现虾苗自动计数。[13]采用结合Canny边缘检测和Blob处理技术的方法，对图像中的虾苗进行查找和计数。值得注意的是：基于图像处理的方法利用阈值对整张图像进行处理，无法判断具体的处理区域，同时对图片的像素、光照要求较高，需要背光均匀。因此，在处理图片时，只能出现盘子和虾苗，不能有其他背景信息的干扰，不能出现灯光反射、倒影等情况，而且需要辅助额外的暗箱和灯光。
[0006]二是利用生成密度图的方法来估算虾苗数量，如[14]通过设计一款虾苗计数仪对
虾苗进行拍照，然后利用改进的VGG网络学习图像特征生成估计密度图，最后用密度图估算整个视野中的虾苗总数。值得注意的是：基于生成密度图的方法需要大量的标注数据对模型进行训练，模型的好坏直接影响了密度图的生成，而虾苗计数的结果完全依赖于生成密度图的质量，容易造成虾苗统计结果不准确，再者仅给出密度图和虾苗总数也不能给出更直观的结果。
[0007]三是基于目标检测的方法，该方法通过对图片中的虾苗进行识别检测，然后统计获得的目标框的数量，即为虾苗总数。[15]直接利用YOLOv3模型进行虾苗计数，准确率达到76.48％。[16]在YOLOv4检测模型的基础上，首先通过聚类的方法对虾苗大小进行统计，然后获得虾苗大小的分布特征，并将预设的8个锚框缩减为4个，同时在YOLOv4网络的输出阶段加入注意力模块来抑制非必要的特征，在其虾苗数据集中取得了较高的计数准确率。值得注意的是：基于目标检测的方法同样需要大量的标注数据对模型进行训练，检测器对虾苗密集区域、遮挡等情况的检测效果较差。因此容易出现漏检、错检，从而导致虾苗计数不准确。
[0008]四是基于图像分割的方法，[17]设计了一套包含容器、盒子、传感器和灯光的装置，并利用改进的Mask R
‑
CNN模型分割出图片中每只虾苗的区域，然后计算每个区域的数量来估算虾苗总数，准确率可达到97.48％。[18]则采用了两阶段的Mask R
‑
CNN来对虾苗分割计数，同时对中等重叠的虾苗图像计数准确率有提升。值得注意的是：基于图像分割的方法同样需要大量的标注数据对模型进行训练，当图片中的虾苗数量较小较多时，分割效果较差，处理速度较慢。
[0009]参考文献如下：
[0010][1]李生,购买南美白对虾苗的注意事项.科学养鱼,2006(02):第45
‑
47页.
[0011][2]张康德,框格式鱼(虾)苗计数法.农村养殖技术,2000(第3期):第13页.
[0012][3]薛志宁与段吉旺,应用重量法计量出池日本对虾虾苗的研究.河北渔业,2000(第5期):第11
‑
16页.
[0013][4]李玉珍,通道式鱼虾计数仪.海洋技术,1993(01):第75
‑
76页.
[0014][5]黄应生与许斐力,YJ—2型鱼苗计数器.渔业机械仪器,1989(第3期):第29
‑
30，20页.
[0015][6]何普清,智能型虾苗计数器及计数方法,2020.
[0016][7]符锡金等,称重式鱼(虾)苗计数方法及其设备,1988.
[0017][8]曲娇,鱼(虾)苗计数机,2014.
[0018][9]季玉瑶等,基于改进TV
‑
L1模型的虾苗计数方法.青岛大学学报(自然科学版),2018(第4期):第62
‑
68，82页.
[0019][10]胡利华等,一种虾苗计数装置及方法,2020.
[0020][11]Solahudin,M.,W.Slamet and A.S.Dwi,Vaname(Litopenaeus vannamei)Shrimp Fry Counting Based on Image Processing Method.IOP Conference Series:Earth and Environmental Science,2018(No.0):p.012014.
[0021][12]Kesvarakul,R.,C.Chianrabutra and S.Chianrabutra.Baby Shrimp Counting via Automated Image Processi本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉检测融合多动态阈值的虾苗自动计数方法，其特征在于，所述方法包括：获取虾苗图像数据集；构建目标检测模型；利用虾苗图像数据集对目标检测模型进行训练与验证，得到虾苗目标检测模型；获取待计数虾苗图像，并对待计数虾苗图像进行预处理；将预处理后的待计数虾苗图像输入虾苗目标检测模型，得到第一虾苗区域图，所述第一虾苗区域图包括虾苗的检测结果；对第一虾苗区域图进行背景剔除和灰度化处理，得到第二虾苗区域图；基于虾苗的检测结果，选取完整的虾苗样本，对第二虾苗区域图进行多动态阈值处理；利用优化匹配策略对多动态阈值处理后的第二虾苗区域图和虾苗的检测结果进行处理，实现虾苗自动计数。2.根据权利要求1所述的虾苗自动计数方法，其特征在于，所述目标检测模型包括主干网络、颈部结构和输出层；所述主干网络采用CSPDarknet架构，所述颈部结构包括FPN和PAN层，所述输出层对应预测三种不同尺度的目标；所述FPN和PAN层加入CBAM注意力模块，所述CBAM注意力模块用于避免背景特征的干扰。3.根据权利要求2所述的虾苗自动计数方法，其特征在于，所述CBAM注意力模块用于避免背景特征的干扰，具体包括：CBAM注意力模块将注意力映射沿着输入特征图的通道维度和空间维度进行注入，再将注入后的注意力映射乘以输入特征映射，实现对输入特征图进行自适应的特征细化，从而避免背景特征的干扰。4.根据权利要求1所述的虾苗自动计数方法，其特征在于，在所述利用虾苗图像数据集对目标检测模型进行训练的过程中，采用第一损失函数进行回归预测，并采用第二损失函数进行分类预测；所述第一损失函数，如下式：L
α
‑
IoU
＝1
‑
IoU
α
其中，IoU表示预测框和真实框的交并比；所述第二损失函数，如下式：其中，t[i]表示真实标签值；o[i]表示预测值，其值为0或1。5.根据权利要求1所述的虾苗自动计数方法，其特征在于，所述基于虾苗的检测结果，选取完整的虾苗样本，对第二虾苗区域图进行多动态阈值处理，具体包括：基于第二虾苗区域图，采用最大类间方差法获取动态二值化阈值；利用动态二值化阈值对第二虾苗区域图进行阈值处理，得到二值图；获取虾苗的检测结果中完整的单只虾苗样本，计算动态面积...

【专利技术属性】
技术研发人员：李西明，温嘉勇，赵泽勇，吴精乙，郭玉彬，高月芳，刘瑞祥，吴颖琪，吴子彤，梁宇君，邵楚琪，詹水燕，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：