【技术实现步骤摘要】
本申请涉及自动化加工，具体涉及一种基于计算机视觉的鱼类姿态判定方法、装置及系统。
技术介绍
1、在鱼类产品的自动化包装线中，准确判定鱼类姿态对产线机器人的后续动作流程起着决定性的作用。目前在判定鱼类姿态时主要采用卷积神经网络的方法，即将拍摄的鱼类产品图像输入卷积神经网络模型，并输出姿态判定结果。
2、然而，卷积神经网络模型需要大量的、经过前期处理和打标签的同一鱼类产品图像进行长时间的训练和测试后，才能实际应用于产线，由于不同的鱼类产品通常需要训练不同的卷积神经网络模型，因此传统的鱼类姿态判定方法不仅投入使用前期所需的准备周期较长，而且具有较强的专用性，无法同时判定多种类型的鱼类产品。
技术实现思路
1、专利技术目的：本申请实施例提供一种基于计算机视觉的鱼类姿态判定方法，旨在克服现有技术通用性较弱，无法同时判定多种类型的鱼类产品的技术问题；本申请实施例的另一目的是提供一种基于计算机视觉的鱼类姿态判定装置；本申请实施例的另一目的是提供一种基于计算机视觉的鱼类姿态判定系统。
2、技术方案：本申请实施例所述的一种基于计算机视觉的鱼类姿态判定方法，包括：
3、获取待测鱼类的第一灰度图像；
4、基于所述第一灰度图像，提取所述待测鱼类对应的目标鱼体区域，所述目标鱼体区域已经过方向校正，且所述目标鱼体区域的头尾延伸方向与第一预设方向平行；
5、从所述目标鱼体区域中提取所述待测鱼类的眼睛所对应的眼睛区域；
6、基于所述眼睛区域的
7、基于所述目标鱼体区域，获取沿第二预设方向的各个像素灰度值的分布曲线，所述第二预设方向与所述第一预设方向相交；
8、基于所述分布曲线，获取所述待测鱼类的腹背姿态。
9、在一些实施例中，基于所述第一灰度图像，提取所述待测鱼类对应的目标鱼体区域，包括：
10、从所述第一灰度图像中提取所述待测鱼类对应的当前鱼体区域；
11、基于所述当前鱼体区域与所述第一预设方向的偏移夹角，旋转所述第一灰度图像，以使所述当前鱼体区域与所述第一预设方向平行，获取第二灰度图像；
12、从所述第二灰度图像中提取所述目标鱼体区域。
13、在一些实施例中，从所述第一灰度图像中提取所述待测鱼类对应的当前鱼体区域，包括：
14、利用第一灰度阈值对所述第一灰度图像进行分割，获取第一二值化图像；
15、对所述第一二值化图像进行孔洞填充，获取第二二值化图像；
16、基于所述第二二值化图像提取当前鱼体轮廓；
17、基于所述当前鱼体轮廓，从所述第一灰度图像中提取所述当前鱼体轮廓围合而成的所述当前鱼体区域。
18、在一些实施例中，所述第一灰度阈值通过以下方式设置：
19、利用预设初始阈值对所述第一灰度图像进行分割，获取背景像素和目标像素；
20、从所述第一灰度图像上获取各个所述目标像素的第一平均灰度值，以及各个所述背景像素的第二平均灰度值；
21、将所述第一平均灰度值与所述第二平均灰度值的平均值，确定为更新阈值；
22、若所述更新阈值与所述预设初始阈值的偏差小于预设偏差阈值，则将所述更新阈值确定为所述第一灰度阈值；
23、或者，若所述更新阈值与所述预设初始阈值的偏差大于或等于所述预设偏差阈值，则将所述更新阈值确定为所述预设初始阈值，并重新执行利用预设初始阈值对所述第一灰度图像进行分割的步骤。
24、在一些实施例中，所述当前鱼体区域与所述第一预设方向的偏移夹角通过以下方式获取：
25、获取所述当前鱼体区域的等效椭圆；
26、将所述等效椭圆的长轴与所述第一预设方向的夹角，确定为所述当前鱼体区域与所述第一预设方向的偏移夹角。
27、在一些实施例中，所述第一预设方向平行于预设坐标系的x方向，所述预设坐标系以所述第一灰度图像上任一像素位置为原点，以所述第一灰度图像的行延伸方向为所述x方向，以所述第一灰度图像的列延伸方向为y方向。
28、在一些实施例中，所述目标鱼体区域的中心坐标通过以下方式获取：
29、获取所述目标鱼体区域的最小外接矩形；
30、将所述最小外接矩形的中心点坐标，确定为所述目标鱼体区域的中心坐标。
31、在一些实施例中，所述第二预设方向平行于所述预设坐标系的y方向；
32、基于所述目标鱼体区域，获取沿第二预设方向的各个像素灰度值的分布曲线，包括：
33、沿所述第二预设方向，从所述最小外接矩形所围合的区域上截取候选区域；
34、将所述候选区域沿所述第二预设方向平均划分为多个候选子区域；
35、获取每个所述候选子区域内各个像素的灰度平均值；
36、基于每个所述候选子区域的排列顺序，以及每个所述候选子区域内各个像素的灰度平均值，获取所述分布曲线。
37、在一些实施例中，所述候选区域为矩形，且具有尺寸m×n，满足：5≤m≤20，n等于所述最小外接矩形沿所述第二预设方向的尺寸。
38、在一些实施例中，所述眼睛区域的坐标通过以下方式获取：
39、利用第二灰度阈值对所述目标鱼体区域进行分割，获取第三二值化图像；
40、获取所述第三二值化图像中各个连通域的像素面积，所述连通域为灰度值为0的像素所围合成的区域；
41、将各个所述连通域中像素面积最大的连通域，确定为所述眼睛区域；
42、基于所述眼睛区域中各个像素的坐标，获取所述眼睛区域的中心点坐标；
43、将所述眼睛区域的中心点坐标，确定为所述眼睛区域的坐标。
44、在一些实施例中，基于所述眼睛区域的坐标与所述目标鱼体区域的中心坐标的位置关系，获取所述待测鱼类的头尾姿态，包括：
45、在所述预设坐标系下，基于所述眼睛区域的中心点的x坐标与所述目标鱼体区域的中心的x坐标之间的大小关系，获取所述待测鱼类的头尾姿态。
46、相应的，本申请实施例所述的一种基于计算机视觉的鱼类姿态判定装置，包括：
47、图像采集模块，用于获取待测鱼类的第一灰度图像；
48、鱼体提取模块，用于基于所述第一灰度图像，提取所述待测鱼类对应的目标鱼体区域，所述目标鱼体区域已经过方向校正，且所述目标鱼体区域的头尾延伸方向与第一预设方向平行；
49、眼睛定位模块，用于从所述目标鱼体区域中提取所述待测鱼类的眼睛所对应的眼睛区域；
50、头尾姿态判定模块，用于基于所述眼睛区域的坐标与所述目标鱼体区域的中心坐标的位置关系，获取所述待测鱼类的头尾姿态；
51、灰度分布获取模块，用于基于所述目标鱼体区域，获取沿第二预设方向的各个像素灰度值的分布曲线，所述第二预设方向与所述第一预设方向相交；...
【技术保护点】
1.一种基于计算机视觉的鱼类姿态判定方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，基于所述第一灰度图像，提取所述待测鱼类对应的目标鱼体区域，包括：
3.根据权利要求2所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，从所述第一灰度图像中提取所述待测鱼类对应的当前鱼体区域，包括：
4.根据权利要求3所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述第一灰度阈值通过以下方式设置：
5.根据权利要求2所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述当前鱼体区域与所述第一预设方向的偏移夹角通过以下方式获取：
6.根据权利要求1所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述第一预设方向平行于预设坐标系的x方向，所述预设坐标系以所述第一灰度图像上任一像素位置为原点，以所述第一灰度图像的行延伸方向为所述x方向，以所述第一灰度图像的列延伸方向为y方向。
7.根据权利要求6所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述目标鱼体区域的中心坐标通
8.根据权利要求7所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述第二预设方向平行于所述预设坐标系的y方向；
9.根据权利要求8所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述候选区域为矩形，且具有尺寸M×N，满足：5≤M≤20，N等于所述最小外接矩形沿所述第二预设方向的尺寸。
10.根据权利要求6所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述眼睛区域的坐标通过以下方式获取：
11.根据权利要求10所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，基于所述眼睛区域的坐标与所述目标鱼体区域的中心坐标的位置关系，获取所述待测鱼类的头尾姿态，包括：
12.一种基于计算机视觉的鱼类姿态判定装置，其特征在于，包括：
13.一种基于计算机视觉的鱼类姿态判定系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于计算机视觉的鱼类姿态判定方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，基于所述第一灰度图像，提取所述待测鱼类对应的目标鱼体区域，包括：
3.根据权利要求2所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，从所述第一灰度图像中提取所述待测鱼类对应的当前鱼体区域，包括：
4.根据权利要求3所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述第一灰度阈值通过以下方式设置：
5.根据权利要求2所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述当前鱼体区域与所述第一预设方向的偏移夹角通过以下方式获取：
6.根据权利要求1所述的基于计算机视觉的鱼类姿态判定方法，其特征在于，所述第一预设方向平行于预设坐标系的x方向，所述预设坐标系以所述第一灰度图像上任一像素位置为原点，以所述第一灰度图像的行延伸方向为所述x方向，以所述第一灰度图像的列延伸方向为y方向。
【专利技术属性】
技术研发人员：高瑞琪，王传龙，羌小龙，
申请(专利权)人：中国船舶集团有限公司第七一一研究所，
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。