一种基于深度学习的深海网箱智能化目标检测系统技术方案

本发明专利技术公开了一种基于深度学习的深海网箱智能化目标检测系统，包括以下步骤：S1:收集深海网箱图像数据库，将所述图像数据库中的图像划分为训练集和测试集，将所述深海网箱图像数据生成表格文件进行存储；S2:构建深海网箱图像识别模型，对深海网箱的欲检测物体进行标注名称和位置(训练集和测试集)。该基于深度学习的深海网箱智能化目标检测系统，针对海洋环境提出的水面死鱼检测和盗渔船检测可以部署到湛江附近的深海网箱养殖区域，通过及时的检测死鱼提高成鱼率，通过盗船的检测减少经济损失，基于深度学习提出的优化的小目标检测算法模型，也适用于农业领域有小目标检测需求的其他领域应用中。他领域应用中。

【技术实现步骤摘要】
一种基于深度学习的深海网箱智能化目标检测系统


[0001]本专利技术涉及目标检测
，具体为一种基于深度学习的深海网箱智能化目标检测系统。

技术介绍

[0002]智能化目标检测技术是农业领域的关键基础技术的共性问题，如深海网箱养殖的死鱼检测、网箱养殖设备状态的完整性检测、鱼群生长的目标检测等是深海网箱养殖成鱼率的关键因素；
[0003]现有技术中公开号为CN109215047B的基于深海视频的运动目标检测方法和装置，提取背景图像及当前图像在前景运动图像的区域边界，并判定背景图像区域边界及当前图像区域边界与前景运动图像区域边界的相似度，若背景图像区域边界与前景运动图像区域边界的相似度高于当前图像区域边界与前景运动图像区域边界的相似度，则用当前图像在前景运动图像中前景像素位置点的颜色值代替背景图像对应位置的颜色值，对背景图像进行更新，反之，则不更新；以更新后的背景图像作为纯背景图像进行运动目标检测；
[0004]引用的文件可以对水面进行监控，但是不能对水面漂浮的物体进行识别，深海网箱养殖过程中，不可避免的会出现死鱼，一旦深海网箱本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的深海网箱智能化目标检测系统，其特征在于，包括以下步骤：S1:收集深海网箱图像数据库，将所述图像数据库中的图像划分为训练集和测试集，将所述深海网箱图像数据生成表格文件进行存储；S2:构建深海网箱图像识别模型，对深海网箱的欲检测物体进行标注名称和位置(训练集和测试集)；S3:应用应用xml_to_csv.py工具生成标注后的Excel文件，应用generate_TFR.py工具，生成目标检测的record文件，选取AI训练需要用的Config文件，设置深海养殖检测的标签目录pbtxt，启动模型训练，等待训练，直到globalstep结束，准备导出应用的目标检测模型，应用object_detection验证，AI检测模型的精准度；S4:将所述目标检测识别结果与所述表格文件中存储的目标检测数据进行对比验证AI目标检测模型精准度，若精准度大于或等于预设的精准度阈值时，则执行S5步骤，否则跳转执行S1步骤；S5：采用摄像头采集水面情况，将水面图像输入完成训练的目标检测识别模型中，输出得到目标检测识别结果。2.根据权利要求1所述的一种基于深度学习的深海网箱智能化目标检测系统，其特征在于：当准备好训练的数据集后进行训练，最终生成深海网箱目标检测模型frozen_inference_graph.pb，通过对frozen_inference_graph.pb的测试可知是否达到目标检测的精度要求。3.根据权利要求1所述的一种基于深度学习的深海网箱智能化目标检测系统，其特征在于：如果达不到深海网箱目标检测的要求，需要从三个方面做调整，一是增加训练时间；二是收集更多的深海网箱养殖环境的图像数据集；三是优化或者更换深度学习的目标检测模型算法。4.根据权利要求1所述的一种基于深度学习的深海网箱智能化目标检测系统，其特征在于：所述目标检测的算法采用YOLOv5
‑<...

【专利技术属性】
技术研发人员：侯明鑫，俞国燕，李军，刘皞春，何泰华，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：