基于关键点检测的虾苗计数方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种基于关键点检测的虾苗计数方法、系统、设备及存储介质，所述方法包括：获取虾苗图像集；构建关键点检测网络模型；将虾苗图像集输入关键点检测网络模型进行训练，得到虾苗关键点检测网络模型；获取待计数虾苗图像；将待计数虾苗图像输入虾苗关键点检测网络模型，得到关键点检测结果；根据关键点检测结果，实现虾苗计数。本发明专利技术构建得到的关键点检测网络模型，不仅适用于南美白对虾虾苗的准确计数，而且还适用于长条形态的虾苗的准确计数，在提高虾苗计数准确率的同时，提高了对虾苗种类的普适性，具有广阔的应用场景。具有广阔的应用场景。具有广阔的应用场景。

【技术实现步骤摘要】
基于关键点检测的虾苗计数方法、系统、设备及存储介质


[0001]本专利技术涉及一种基于关键点检测的虾苗计数方法、系统、设备及存储介质，属于水产品图像处理


技术介绍

[0002]目前，已有学者利用图像处理技术和最先进的计算机视觉技术对南美白对虾虾苗进行计数，如：(季玉瑶，2018)针对南美白对虾虾苗的特点，利用腐蚀和膨胀对所述虾苗图片进行预处理，并基于改进的TV
‑
L1模型对所述虾苗图像进行二值化处理和阈值分割，以及提出连通记面积法，实现对粘连的南美白对虾虾苗的计数。(于秋玉，2021)选取南美白对虾虾苗图像数据集，并采用标注工具LabelImg对所述图像数据集进行标注，同时基于改进后的YOLOv4和K
‑
means算法聚类对虾苗进行智能识别与计数。
[0003]值得注意的是：由于南美白对虾虾苗有着黑色的虾肝胰腺，以及具备身体透明、身体界限清晰分明的特点，当采用阈值分割和连通记面积法对南美白对虾虾苗进行处理时，背景与目标之间易于分割，因此分割后的结果易于计数，从而提高所述虾苗的计数准确率；但对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键点检测的虾苗计数方法，其特征在于，所述方法包括：获取虾苗图像集；构建关键点检测网络模型；将虾苗图像集输入关键点检测网络模型进行训练，得到虾苗关键点检测网络模型；获取待计数虾苗图像；将待计数虾苗图像输入虾苗关键点检测网络模型，得到关键点检测结果；根据关键点检测结果，实现虾苗计数。2.根据权利要求1所述的虾苗计数方法，其特征在于，所述关键点检测网络模型包括依次连接的第一子网阶段、第二子网阶段、第三子网阶段、第四子网阶段、第五子网阶段。3.根据权利要求2所述的虾苗计数方法，其特征在于，所述第一子网阶段包括两个第一卷积层；所述第二子网阶段包括两个第一模块和第二模块，其中两个第一模块依次连接，处于最后的第一模块与第二模块连接；所述第三子网阶段包括两个第一模块和第二模块，其中两个第一模块依次连接，处于最后的第一模块与第二模块连接；所述第四子网阶段包括八个第一模块和第二模块，其中八个第一模块依次连接，处于最后的第一模块与第二模块连接；所述第五子网阶段包括两个第一模块和第二模块，其中两个第一模块依次连接，处于最后的第一模块与第二模块连接；所述第一模块包括四个瓶颈子模块，所述第二模块为过渡融合模块。4.根据权利要求3所述的虾苗计数方法，其特征在于，所述瓶颈子模块包括第二卷积层、第三卷积层和第四卷积层；所述第二卷积层后接Layer Normalization正则化层和ReLu激活层；所述第三卷积层后接Layer Normalization正则化层和ReLu激活层；所述第四卷积层后接Layer Normalization正则化层；所述第一卷积层和第三卷积层的卷积核大小为3
×
3；所述第二卷积层和第四卷积层的卷积核大小为1
×
1。5.根据权利要求3所述的虾苗计数方法，其特征在于，所述过渡融合模块包括上采样操作、下采样操作和卷积操作其中一种操作或多种操作；所述上采样操作使用线性差...

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