【技术实现步骤摘要】
本专利技术涉及洄游鱼群计数识别方法领域，具体是一种基于机器视觉的洄游鱼群计数识别方法。
技术介绍
1、鱼群洄游过程中的计数识别反映了鱼类种群数量的变化，对农业生产、环境治理有着重要的意义。而传统的鱼群计数手段主要基于标记重捕法，对人工捕捞得到的鱼进行标记、计数并放回，一段时间后进行第二次捕捞统计有标记的鱼的数量及其所占比例，从而大致估算鱼群总数。这种方法可以直接计算得到鱼群总数；且当第二次捕捞数量足够大时，由切比雪夫大数定理可知，有标记的鱼的数量占比将无限逼近真实值，因此理论上计算得到的鱼群总数具有很高的精准度。但是，传统方法需要大量的人工操作，需要较多的时间成本和资金成本，无法适应复杂环境，无法在一段时间内进行连续计数的缺点，并且标记的方法对鱼类存在一定程度的伤害。
技术实现思路
1、本专利技术提供了一种基于机器视觉的洄游鱼群计数识别方法，以解决现有技术洄游鱼群标记重捕法计数方法存在的无法适应复杂环境、无法连续实现洄游计数的问题。
2、为了达到上述目的，本专利技术所采用的技术
【技术保护点】
1.一种基于机器视觉的洄游鱼群计数识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉的洄游鱼群计数识别方法，其特征在于，步骤2中，所述孪生dve-yolo网络的结构为检测网络yolov8，所述检测网络yolov8包括两个图片特征提取器yolov8’s backbone以及dve head，两个图片特征提取器yolov8’s backbone互为孪生网络且权重参数共享；
3.根据权利要求2所述的一种基于机器视觉的洄游鱼群计数识别方法，其特征在于，检测网络yolov8中，每个图片特征提取器yolov8’s backbon...
【技术特征摘要】
1.一种基于机器视觉的洄游鱼群计数识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉的洄游鱼群计数识别方法，其特征在于，步骤2中，所述孪生dve-yolo网络的结构为检测网络yolov8，所述检测网络yolov8包括两个图片特征提取器yolov8’s backbone以及dve head，两个图片特征提取器yolov8’s backbone互为孪生网络且权重参数共享；
3.根据权利要求2所述的一种基于机器视觉的洄游鱼群计数识别方法，其特征在于，检测网络yolov8中，每个图片特征提取器yolov8’s backbone的conv模块均使用了silu激活函数，表达式如公式(1)所示；
4.根据权利要求2所述的一种基于机器视觉的洄游鱼群计数识别方法，其特征在于，检测网络yolov8的dve head进行特征融合时，将两张图片输出的不同尺度的特征信息进行拼接，并对同尺度的信息分别进行物...
【专利技术属性】
技术研发人员：林峰，朱基诚，尤爱菊，滑磊，韩涛，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。