海产品检测方法、装置、终端设备以及存储介质制造方法及图纸

本申请公开了一种海产品检测方法、装置、终端设备以及存储介质，其海产品检测方法包括：获取待检测的海产品图片；将待检测的海产品图片输入到预先创建的检测模型中进行检测，得到检测结果，检测模型基于预设的YoloX模型以及分阶段训练法训练得到。通过训练后的海产品检测模型对海产品图片进行检测，可以解决小样本水下目标识别精度低、检测效果差的问题，提高检测的正确率。提高检测的正确率。提高检测的正确率。

【技术实现步骤摘要】
海产品检测方法、装置、终端设备以及存储介质


[0001]本申请涉及深度学习
，尤其涉及一种海产品检测方法、装置、终端设备以及存储介质。

技术介绍

[0002]海洋底栖生物是指栖息于海洋或内陆水域底内或底表的生物，是水生生物中的一个重要生态类型，常见的海洋底栖生物有海参、海胆、扇贝、海星等。
[0003]海洋底栖生物多为不均匀的分布于海床之上，由于环境的复杂与观测技术、手段的缺乏导致其在养殖过程中的生长情况、分布信息、生存地理环境信息难以被养殖户有效获取，海产品在未知生长过程中出现问题将会给养殖户造成巨大经济损失；此外，复杂而未知的海洋地理环境导致机械化、自主化海产捕捞设备无法高效作业，只能采取人工捕捞方式，长期的水下作业非常容易导致职业病，而且深水海域的潜水员还面临着巨大的生命危险。
[0004]虽然深度学习在识别领域取得了不错的进展，但是，由于水下环境光学成像通常光照不足、噪声强、对比度低、画面偏色严重，而且水下目标通常拥有和环境相似的保护色，造成图片质量的退化，导致图片不清晰，图片饱和度降低，对水下复杂背景的鲁棒性不好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种海产品检测方法，其特征在于，所述海产品检测方法包括以下步骤：获取待检测的海产品图片；将所述待检测的海产品图片输入到预先创建的检测模型中进行检测，得到检测结果，所述检测模型基于预设的YoloX模型以及分阶段训练法训练得到。2.如权利要求1所述的海产品检测方法，其特征在于，所述将所述待检测的海产品图片输入到预先创建的检测模型中进行检测，得到检测结果的步骤之前，还包括：创建所述检测模型，具体包括：获取训练集；创建所述YoloX模型，得到初始检测模型；基于所述训练集、初始检测模型以及分阶段训练法，对所述初始检测模型进行迭代训练，得到训练后的检测模型。3.如权利要求2所述的海产品检测方法，其特征在于，所述基于所述训练集、初始检测模型以及分阶段训练法，对所述初始检测模型进行迭代训练，得到训练后的检测模型的步骤包括：将所述训练集输入至所述初始检测模型中进行处理，得到首批权重文件；根据预设的分阶段训练规则以及所述训练集，对所述首批权重文件进行训练，得到训练后的权重文件；将所述权重文件回传到所述初始检测模型中，更新所述初始检测模型的参数，并返回所述步骤：将所述训练集输入至所述初始检测模型中进行处理，得到首批权重文件；以此类推，直到所述训练集中的数据使用完毕，得到训练后的检测模型。4.如权利要求3所述的海产品检测方法，其特征在于，所述初始检测模型包括输入层、主干网络层、神经网络层、预测层，所述将所述训练集输入至所述初始检测模型中进行处理，得到首批权重文件的步骤包括：通过所述输入层对所述训练集中的图片进行压缩变换，得到第一图片数据；通过所述主干网络层对所述第一图片数据进行残差连接，得到第二图片数据；通过所述神经网络层对所述第二图片数据进行特征提取，得到特征点；通过所述预测层对所述特征点进行预测，得到预测结果，并结合预设的损失函数，得到所述首批权重文件。5.如权利要求4所述的海产品检测方法，其特征在于，所述预测层包括第一回归分支、第二回归分支、分类分支，所述损失函数包括第一损失函数、第二损失函数、第三损失函数，所述通过所述预测层对所述特征点进行预测，得到...

【专利技术属性】
技术研发人员：李占英，任立秋，
申请(专利权)人：大连工业大学，
类型：发明
国别省市：