一种基于线激光扫描的三文鱼智能分割方法技术

一种基于线激光扫描的三文鱼智能分割方法，包括点云采集模块、点云分割模块和分割规划模块：点云采集模块用于生成完整点云模型，包括线激光扫描、点云数据处理、点云拼接；点云分割模块用于点云模型粗分割并生成标签，其分割网络为基于PointNet++并结合Transformer改进的深度学习网络；分割规划模块用于映射标签并生成方案，其通过去除异常点优化粗分割模型，在三维重构基础上映射切割。本发明专利技术通过线激光扫描无损采集原料表面，结合点云拼接、点云处理和深度学习进行点云分割，同时引入Transformer改善特征，通过异常点去除及三维重构，优化并直观反映切割方案。本系统精准识别不同大小的三文鱼并完成部位分割。别不同大小的三文鱼并完成部位分割。别不同大小的三文鱼并完成部位分割。

【技术实现步骤摘要】
一种基于线激光扫描的三文鱼智能分割方法


[0001]本专利技术属于水产品加工领域，具体涉及一种基于线激光扫描的三文鱼智能分割方法。

技术介绍

[0002]三文鱼是冷水海鱼的一种，其不同部位的鱼肉口感、价值与用途也不尽相同，三文鱼的分割工作对提升三文鱼本身价值有重要意义。目前分割主要依赖手工，生产效率低，得肉率低。如何快速无损、准确分割三文鱼亟待解决。针对类似分割问题，专利《一种基于鱼体特征规划切割路径的方法及系统》(CN 112669336A)中提出一种基于图像数据分割与深度学习的鱼体规划切割路径的方法，该方法将待分割鱼体图像数据输入到深度学习模型中，得到分割结果并规划切割路径。但该方法忽略鱼类三维几何特征，只能进行简单分割，而不同鱼体形状差异较大，缺失三维几何特征分割结果并不准确，尤其是针对鱼肉分切，各部位鱼肉分界并不明显，传统图像数据无法准确区分，需要借助三维特征。
[0003]目前，线激光测量技术广泛应用于流水生产线，其无损采集物料点云数据，提供三维信息。随着人工智能的发展，融合深度学习的点云分割技术也开始与水产品加工领域结合，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线激光扫描的三文鱼智能分割方法，其特征在于，该基于线激光扫描的三文鱼智能分割方法包括点云采集模块、点云分割模块和分割规划模块，步骤如下：步骤1：搭建原料表面三维信息采集平台；原料表面三维信息采集平台主要由工控机、编码器、步进电机、传送带、暗箱、光源以及线激光传感器组成；暗箱加装在传送带上，暗箱内设有光源和线激光传感器；传送带上安装有编码器，编码器进一步连接步进电机，用于驱动传送带运行；编码器和和线激光传感器连接工控机；步骤2：点云采集模块中通过线激光传感器对待加工三文鱼进行实时扫描，获取三文鱼表面点云数据；基于PCL数据处理、ICP点云拼接算法设计三文鱼点云模型生成方法，将传送带空载点云以及三文鱼运行点云进行数据处理、ICP有效拼接，生成完整三文鱼点云模型；待传送带平稳运行，采用触发模式采集三文鱼表面数据，线激光传感器的线激光测量采用激光三角反射式原理，测量数据为三文鱼在Z轴、X轴方向上的点云数据，三文鱼在Y轴方向的数据根据传送带速度进行补充；点云采集模块中ICP点云拼接算法用于拼接传送带空载点云以及三文鱼运行点云；步骤3：点云分割模块中设计一种基于PointNet++并结合Transformer模型优化特征提取效果的三文鱼点云分割网络模型，即在原网络特征传递层SA中引入Transformer模型提取特征，在第一次特征提取阶段利用Transformer再进行一次特征提取，强化特征，将点云采集模块中生成的三文鱼点云模型输入至训练好的三文鱼点云分割网络模型中，得到三文鱼点云模型中各个点云的标签分类，生成粗分割模型；三文鱼点云分割网络模型的主干网络为PointNet++，其包括层次化特征学习和分层特征传播；在层次化特征学习中引入Transformer模型对点云局部特征与全局特征的提取进行优化，层次化特征学习包括2组集合抽象层SA，每个集合抽象层SA包括采样层、分组层、特征层，在集合抽象层SA1引入Transformer模型对三文鱼点云模型的原始点集特征进行优化；包括如下步骤：步骤3.1.1设定采样层使用最远点采样从三文鱼点云模型的原始点集中选取点云簇的中心点；步骤3.1.2设定分组层按照球型检索选取采样中心点的邻域点，将选出的各个邻域点形成子点云送入特征层；步骤3.1.3设定特征层使用PointNet提取各个子点云局部特征信息，PointNet提取采样得到的中心点集的特征作为点云全局特征，完成集合抽象层SA1降采样和特征提取；步骤3.1.4设定Transformer模型对步骤3.1.3中的局部特征及点云全局特征...

【专利技术属性】
技术研发人员：王慧慧，龚泽，张旭，刘阳，杨继新，
申请(专利权)人：大连工业大学，
类型：发明
国别省市：