基于视觉的鱼类进食状态识别方法技术

本发明专利技术涉及一种基于视觉的鱼类进食状态识别方法

【技术实现步骤摘要】
基于视觉的鱼类进食状态识别方法、系统、装置和设备


[0001]本专利技术涉及一种基于视觉（机器视觉）的鱼类进食状态识别方法，属于水产养殖领域
。

技术介绍

[0002]海洋是世界上重要的资源宝库，地球
64%
的面积被海洋覆盖，其中蕴藏着非常多的生物
、
非生物资源
。
鱼类身处在海洋生物资源中核心地位，一方面作为重要的食品资源和可持续发展的物质基础，另一方面部分鱼类又可兼备一定观赏价值和重要药用研究价值
。
因此，对鱼类资源合理的调查研究和开发利用成为热门话题之一
。
由于海产品具有低脂肪高蛋白等特点，使人类对海产品的需求逐渐增大
。
自
1960
‑
2021 年，世界水产品的人均消费量有了 9.9Kg 到 19.2Kg
的增长
。
我国水产品总产量目前已经占据了全球水产品总产量的三分之一
。
近年我国的水产品产量报告中显示，我国海产品产量占总产量的 55%
，其中人工养殖的产量多达 80%。
[0003]我国水产品出口量自
2002
年以来一直居于世界首位
。
中国不仅是全球最大的水产养殖国，也是世界唯一一个水产品养殖产量超过捕捞产量的国家
。
随着中国水产养殖业高密度
、
规模化
、
集约化高速发展，病害已成为产业健康可持续发展的重大挑战，鱼病的及时发现可以减少产业的经济损失，将极大地促进水产养殖业健康绿色高质量发展，通过鱼类进食状态判断鱼是否存在异常是发现鱼病的方式之一
。
[0004]近年来，针对鱼类进食状态识别，国内外学者不断研究并取得了一定成果
。“一种养殖鱼类进食状态远程监测装置
CN209251389U”通过视频图像中接近或浮出水面的鱼类头部面积和鱼类数量可以对鱼类生长
、
生存状态和鱼群规模进行评估
。
此类方法容易出现遮挡，鱼类头部面积等计算不准确；“一种鱼类摄食状态的检测方法及装置
CN112381044A
”ꢀ
该方法将鱼群采食时的纹理特征和形状特征以及对应的摄食状态相结合构建深度森林模型
,
进而可以直接通过鱼群采食照片的纹理特征和形状特征判断鱼群的摄食状态；中国专利申请号
CN201710238952.0、
名称为“一种水产养殖的自动投饵和水质监测控制系统及方法”用
otsu
和
em
算法计算残饵数量，但由于饵料重叠
、
鱼群和水草杂物等遮挡，造成测量精度不稳定，容易产生误差
。
直接检测法首先对目标鱼群的饥饿状态进行标记，然后将训练样本输入设定好的卷积神经网络里进行模型训练，该方法与传统检测方法相比，具有精度高的特点，但此类方法通常需要较大的样本量以及过多的超参数，导致实际操作困难
。
[0005]现有的鱼进食状态检测算法，通过目标检测鱼或者鱼头面积，此类算法容易出现遮挡，且计算不够准确
。

技术实现思路

[0006]为克服现有技术的缺陷，本专利技术研究目的是提供一种基于视觉的鱼类进食状态识别方法
。
该方法通过目标检测技术，检测饵料在图像中的占比，判断鱼群是否存在进食异
常
。
本专利技术可以准确检测出进食状态异常的鱼数量占比
。
[0007]本专利技术提供一种基于视觉的鱼类进食状态识别方法，本专利技术的技术方案是：一种基于视觉的鱼类进食状态识别方法，包括以下步骤：
S1、
制备数据集：
PC
机接收到投饵机发出的投喂信号后，开始进行饵料目标检测，通过与
PC
机连接的水下防水摄像头抓取饵料图像；利用
labelimg
软件对饵料图像进行标注生成源标注文件，从源标注文件通过名称匹配出对应标注信息，转换成
YOLO
格式标注文件，将所有图像数据按照
4:1
的比例划分训练集和验证集，所述的训练集和验证集形成数据集；
S2、
模型训练图像识别：将整理好的数据集放入
YOLOV7
目标检测算法中进行训练，获得饵料目标检测模型；
S3、
将待识别图像输入到训练好的饵料目标检测模型中，得到输出的预测框位置信息，按照预测框位置信息在待识别图像中绘制预测框与分类标签，将预测框位置信息输入到以下公式（1）中，输出饵料占比结果；公式（1）如下：（1）；其中，
x
代表检测框的横坐标，
y
代表检测框的纵坐标，下标的第一位是指检测到的第几个检测框，第二位是指目标检测框的位置，
j
就代表检测到的第
j
个检测框；其中，
(x1,y1)(x1,y2)(x2,y2)(x2,y1)
分别为饵料目标检测框的四点的坐标值，
1920*1080
为图片分辨率；在所述的步骤
S2
中，所述饵料目标检测模型的确定步骤如下：步骤
S2
‑
1、
确定正常鱼进食状态：将预设数量的正常的鱼放到鱼缸中进行实验，投饵量是根据鱼的生长习性计算得出，记录随着时间
t
的推进，饵料占比
n
的变化，时间
t
的单位是秒
s
，根据实验数据散点图，拟合出一条直线，得到公式（2），如下：（2）；步骤
S2
‑
2、
判断进食状态异常的鱼数量占比：将预设数量的异常鱼与预设数量的正常鱼放在同一鱼缸中，根据预设时间记录饵占比，然后结合实验数据散点图，拟合出一条直线，得到公式（3），如下：（3）；其中，
m
为进食状态异常的鱼数量占比，
n
为饵料占比
。
[0008]在所述的步骤
S3
中，输出饵料占比结果的具体步骤为：
PC
机接收到投饵机发出的投喂信号后，开始进行饵料目标检测，利用公式（1）检测每帧图片中饵料的占比
n1
，其中，摄像头1秒
25
帧，所以每帧的用时为
0.04s
，将时间代入公式（2），求得鱼进食状态正常下的饵料占比
n2
，在
60s
内，有
1000
帧图像中，
n1
和
n2
始终大于
50%
，则证明鱼进食状态异常；将
n1
代入公式（3），求出进食状态异常的鱼数量百分比，输出识别结果；进而通过饵料目标检测模型检测判断鱼是否进食异常
。
[0009]一种基于视觉的鱼类进食状态识别方法的系统，包括：数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于视觉的鱼类进食状态识别方法，其特征在于，包括以下步骤：
S1、
制备数据集：
PC
机接收到投饵机发出的投喂信号后，开始进行饵料目标检测，通过与
PC
机连接的水下防水摄像头抓取饵料图像；利用
labelimg
软件对饵料图像进行标注生成源标注文件，从源标注文件通过名称匹配出对应标注信息，转换成
YOLO
格式标注文件，将所有图像数据按照
4:1
的比例划分训练集和验证集，所述的训练集和验证集形成数据集；
S2、
模型训练图像识别：将整理好的数据集放入
YOLOV7
目标检测算法中进行训练，获得饵料目标检测模型；
S3、
将待识别图像输入到训练好的饵料目标检测模型中，得到输出的预测框位置信息，按照预测框位置信息在待识别图像中绘制预测框与分类标签，将预测框位置信息输入到以下公式（1）中，输出饵料占比结果；公式（1）如下：（1）；其中，
x
代表检测框的横坐标，
y
代表检测框的纵坐标，下标的第一位是指检测到的第几个检测框，第二位是指目标检测框的位置，
j
就代表检测到的第
j
个检测框；其中，
(x1,y1)(x1,y2)(x2,y2)(x2,y1)
分别为饵料目标检测框的四点的坐标值，
1920*1080
为图片分辨率
。2.
根据权利要求1所述的基于视觉的鱼类进食状态识别方法，其特征在于，在所述的步骤
S2
中，所述饵料目标检测模型的确定步骤如下：步骤
S2
‑
1、
确定正常鱼进食状态：将预设数量的正常的鱼放到鱼缸中进行实验，投饵量是根据鱼的生长习性计算得出，记录随着时间
t
的推进，饵料占比
n
的变化，时间
t
的单位是秒
s
，根据实验数据散点图，拟合出一条直线，得到公式（2），如下（2）；步骤
S2
‑
2、

【专利技术属性】
技术研发人员：李海涛，李晓雯，高鹏辉，郑焕舒，牛婉娇，
申请(专利权)人：青岛励图高科信息技术有限公司，
类型：发明
国别省市：