基于多粒度网络的水下鱼类个体识别系统及方法技术方案

本发明专利技术公开了一种基于多粒度网络的水下鱼类个体识别系统，包括用于采集鱼类个体图像的图像采集装置、数据传输装置以及识别终端，识别终端包括数据接收模块、鱼类个体目标检测模块和鱼类个体识别模块，所述鱼类个体识别模块内嵌有多粒网络识别模型，同时公开了一种基于上述系统的水下鱼类个体识别方法，对采集到的图像数据进行处理后进行目标检测和鱼类个体识别，采用上述一种基于多粒度网络的水下鱼类个体识别系统及方法，实现对鱼类个体进行精准识别，并分配有身份信息，具有精度高和受环境影响小的优点。境影响小的优点。境影响小的优点。

【技术实现步骤摘要】
基于多粒度网络的水下鱼类个体识别系统及方法


[0001]本专利技术涉及鱼类个体识别
，尤其是涉及一种基于多粒度网络的水下鱼类个体识别系统及方法。

技术介绍

[0002]中国是水产养殖大国，传统的完全依靠人工养殖的技术效率低下，已不能适应人们对养殖产品的大量需求。当前计算机技术迅速发展，将计算机技术应用到水产养殖中可以大大提高生产效率，促进水产养殖产业的发展。
[0003]对养殖鱼群中的鱼类个体进行精准识别有利于观察鱼类个体的生长状况，是使水产养殖的管理工作能够更加科学高效的技术之一。然而由于鱼类个体姿势范围变化大、环境因素复杂等影响使鱼类个体的精准识别具有很大的挑战性。
[0004]随着深度学习技术的迅速发展，越来越多的学者结合深度学习对鱼类个体识别的相关工作进行研究。然而在现有的研究工作中，大多数为利用分类的方法对不同种类的鱼进行分类识别，没有一种对于某种鱼进行个体识别的方法。
[0005]因此，专利技术一种对鱼类个体能够精准识别的系统和方法对水产养殖产业的发展是很有必要的。

技术实现思路

[0006]本专利技术的目的是提供一种基于多粒度网络的水下鱼类个体识别系统及方法，实现对鱼类个体进行精准识别，并分配有身份信息，具有精度高和受环境影响小的优点。
[0007]为实现上述目的，本专利技术提供了一种基于多粒度网络的水下鱼类个体识别系统，包括用于采集鱼类个体图像的图像采集装置、数据传输装置以及识别终端，所述识别终端包括数据接收模块、鱼类个体目标检测模块和鱼类个体识别模块，所述鱼类个体识别模块内嵌有多粒度网络识别模型，鱼类个体识别模块与所述鱼类个体目标检测模块相连接，所述鱼类个体目标检测模块与所述数据接收模块相连接，所述数据接收模块与所述数据传输装置相通讯，所述数据传输装置与所述图像采集装置相连接。
[0008]优选的，所述图像采集装置包括水下摄像机、补光灯、固定板和水下电源，所述水下电源和所述水下摄像机均通过固定板固定于养殖池内，所述补光灯固定于养殖池的顶部，所述水下摄像机和所述补光灯均与所述水下电源电连接。
[0009]优选的，所述数据传输装置通过固定板固定在养殖池内且与所述水下电源电连接，所述数据传输装置包括数据存储模块和数据实时传输模块，所述水下摄像机与数据存储模块电连接，所述数据存储模块与所述数据实时传输模块电连接。
[0010]优选的，所述鱼类个体目标检测模块内嵌设有鱼类个体目标检测模型，所述鱼类个体目标检测模型采用经过训练的Mask
‑
RCNN网络模型，将鱼类个体图像裁剪出来；
[0011]所述多粒度网络识别模型包括特征提取部分和识别部分，所述特征提取部分包括全局分支和部分分支，将鱼类个体目标检测模块得到的鱼类个体完整图像输入至全局分支
提取全局特征，将鱼类个体部分图像分割成若干份并将其输入至部分分支提取部分特征，将全局特征和部分特征输入至识别部分进行识别，并标记鱼类个体的身份信息。
[0012]一种基于多粒度网络的水下鱼类个体识别方法，具体步骤如下：
[0013]步骤S1：通过图像采集装置采集水下鱼类个体图像，并通过数据传输装置传输至数据接收模块，数据接收模块对接收的数据进行预处理；
[0014]步骤S2：将处理后的数据输入至鱼类个体目标检测模块中，将检测出的鱼类个体裁剪出来；
[0015]步骤S3：将裁剪出来的鱼类个体图片作为识别数据集并进行处理；
[0016]步骤S4：将处理后的识别数据集输入至鱼类个体识别模块进行识别并对每个鱼类个体标记鱼类个体的身份信息。
[0017]优选的，在步骤S1中，预处理具体为，将接收到的鱼类个体视频数据进行抽帧处理转化为图片数据，并进行框的标注。
[0018]优选的，在步骤S3中，处理具体包括对鱼类个体关键点的标注、对鱼类个体图像的旋转、对鱼类个体图像的亮度调整以及鱼类个体图像的分割，通过关键点对鱼类个体图像进行分割。
[0019]优选的，在步骤S4中，处理后的识别数据集包括鱼类个体完整图像和分割成若干份的部分鱼类个体图像，将鱼类个体完整图像输入至全局分支提取全局特征，将部分鱼类个体图像输入至部分分支提取部分特征；
[0020]识别部分将全局特征和部分特征相结合通过损失函数计算实现鱼类个体的识别，对鱼类个体识别后会给每一条鱼一个身份，并在大量数据集中检索具有相同身份的所有图像，最后返回排名结果。
[0021]因此，本专利技术采用上述结构的一种基于多粒度网络的水下鱼类个体识别系统及方法，具有以下有益效果：
[0022](1)通过识别终端对鱼类个体图像分析，实现对鱼类个体的精准识别，并分配有身份信息，当鱼类个体再次游过水下摄像头被采集图像时，识别数据会与已经存下身份信息的鱼类个体数据进行比对，从而识别出该条鱼是属于哪个身份的鱼，便于对鱼类个体进行监控，有利于观察鱼类个体的生长状况，为科学养殖提供可靠数据支持。
[0023](2)采用多粒度网络识别模型，能够充分学习鱼类个体的部分细节，且全局特征始终会受到局部特征的影响，因此即使鱼类个体某个部位被遮挡仍能有效地识别出鱼类个体信息，具有精度高和受环境影响小的优点。
[0024]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0025]图1为本专利技术一种基于多粒度网络的水下鱼类个体识别系统结构图。
[0026]图2为本专利技术一种基于多粒度网络的水下鱼类个体识别方法流程图。
[0027]图3为本专利技术的对鱼类个体目标检测模块训练集图片框的标注示意图。
[0028]图4为本专利技术的鱼类个体不同粒度示意图。
[0029]图5为本专利技术的鱼类个体关键点位置和鱼类个体分块图。
[0030]图6为本专利技术的多粒度网络模型结构图。
[0031]图7为本专利技术的鱼类个体识别结果示意图。
[0032]附图标记
[0033]1、图像采集装置；11、水下摄像机；12、补光灯；13、固定板；14、水下电源；2、数据传输装置；21、数据存储模块；22、数据实时传输模块；3、识别终端；31、数据接收模块；32、鱼类个体目标检测模块；33、鱼类个体识别模块。
具体实施方式
[0034]实施例
[0035]图1为本专利技术一种基于多粒度网络的水下鱼类个体识别系统结构图，如图1所示，一种基于多粒度网络的水下鱼类个体识别系统包括用于采集鱼类个体图像的图像采集装置1、数据传输装置2以及识别终端3。
[0036]图像采集装置1包括水下摄像机11、补光灯12、固定板13和水下电源14，水下电源14和水下摄像机11均通过固定板13固定于养殖池内，水下摄像机11用于采集鱼类个体图像，补光灯12固定于养殖池的顶部为水下摄像机11提供辅助灯光，避免水下光线弱导致拍摄不清晰，提高采集图像的可靠性。数据传输装置2、水下摄像机11和补光灯12均与水下电源14电连接，为水下采集图像和数据传输提供电能。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多粒度网络的水下鱼类个体识别系统，其特征在于：包括用于采集鱼类个体图像的图像采集装置、数据传输装置以及识别终端，所述识别终端包括数据接收模块、鱼类个体目标检测模块和鱼类个体识别模块，所述鱼类个体识别模块内嵌有多粒度网络识别模型，鱼类个体识别模块与所述鱼类个体目标检测模块相连接，所述鱼类个体目标检测模块与所述数据接收模块相连接，所述数据接收模块与所述数据传输装置相通讯，所述数据传输装置与所述图像采集装置相连接。2.根据权利要求1所述的一种基于多粒度网络的水下鱼类个体识别系统，其特征在于：所述图像采集装置包括水下摄像机、补光灯、固定板和水下电源，所述水下电源和所述水下摄像机均通过固定板固定于养殖池内，所述补光灯固定于养殖池的顶部，所述水下摄像机和所述补光灯均与所述水下电源电连接。3.根据权利要求2所述的一种基于多粒度网络的水下鱼类个体识别系统，其特征在于：所述数据传输装置通过固定板固定在养殖池内且与所述水下电源电连接，所述数据传输装置包括数据存储模块和数据实时传输模块，所述水下摄像机与数据存储模块电连接，所述数据存储模块与所述数据实时传输模块电连接。4.根据权利要求3所述的一种基于多粒度网络的水下鱼类个体识别系统，其特征在于：所述鱼类个体目标检测模块内嵌设有鱼类个体目标检测模型，所述鱼类个体目标检测模型采用经过训练的Mask
‑
RCNN网络模型，将鱼类个体图像裁剪出来；所述多粒度网络识别模型包括特征提取部分和识别部分，所述特征提取部分包括全局分支和部分分支，将鱼类个体目标检测模块得到的鱼类个体完整图像输入至全局分支提取全局特征，将鱼类个体部分图像分割成若干份并将其输入至部分分支提取部分特征...

【专利技术属性】
技术研发人员：高春奇，吴俊峰，于红，殷健豪，郭世豪，
申请(专利权)人：大连海洋大学，
类型：发明
国别省市：