【技术实现步骤摘要】
本专利技术涉及鱼类体重预估，具体地，涉及一种基于深度学习算法的金枪鱼类体重预估系统及方法。
技术介绍
1、渔业统计数据通常是由人工记录到渔捞日志上的方式来获取的，当面临严峻的捕捞环境和繁重的渔获量统计任务时，人工进行数据统计会有视觉疲劳、身体疲劳等状况发生，导致统计的数据存在误差，制约着我国渔业的高质量发展。
2、现有的基于深度学习算法所建立的鱼类体长和体重估测算法大多以实例分割算法为基础，实例分割需要大量标记的训练数据，且对于出现在图中的每一尾鱼体都需要对其进行完整准确的轮廓标记，数据标记工作量大；并且，实例分割通常需要复杂的神经网络模型和大量的计算资源，计算量大且成本高，在实时应用或对计算资源有限的设备上不太实用，不合适部署在船用设施上。另外，实例分割检测对于金枪鱼形状的变化相对敏感，在金枪鱼有一定弯曲和形状发生变化时会降低检测的准确率。
技术实现思路
1、针对现有技术中的缺陷，本专利技术的目的在于提供一种基于深度学习算法的金枪鱼类体重预估系统及方法，本专利技术数据标记工作...
【技术保护点】
1.一种基于深度学习算法的金枪鱼类体重预估系统，其特征在于，所述系统包括图像采集模块、深度学习算法模块以及体重预估模块，所述图像采集模块用于对金枪鱼进行连续视频采集，筛选出清晰完整的金枪鱼图像输入到深度学习算法模块，所述深度学习算法模块通过目标检测算法对采集到的金枪鱼进行种类判别，并对筛选出的图像通过关键点检测算法得到金枪鱼叉长的像素距离，将像素距离转换成实际距离，将所述金枪鱼叉长的实际距离输入到体重预估模块，所述体重预估模块根据不同金枪鱼种的体重预估模型中得到金枪鱼的体重信息。
2.根据权利要求1所述的基于深度学习算法的金枪鱼类体重预估系统，其特征在于，...
【技术特征摘要】
1.一种基于深度学习算法的金枪鱼类体重预估系统，其特征在于，所述系统包括图像采集模块、深度学习算法模块以及体重预估模块，所述图像采集模块用于对金枪鱼进行连续视频采集，筛选出清晰完整的金枪鱼图像输入到深度学习算法模块，所述深度学习算法模块通过目标检测算法对采集到的金枪鱼进行种类判别，并对筛选出的图像通过关键点检测算法得到金枪鱼叉长的像素距离，将像素距离转换成实际距离，将所述金枪鱼叉长的实际距离输入到体重预估模块，所述体重预估模块根据不同金枪鱼种的体重预估模型中得到金枪鱼的体重信息。
2.根据权利要求1所述的基于深度学习算法的金枪鱼类体重预估系统，其特征在于，所述深度学习算法模块通过关键点检测算法得到图像中金枪鱼的上下颚以及尾部开叉最深处的关键点坐标信息，将得到的金枪鱼的上颚、下颚两个关键点取中点，并与金枪鱼的尾部开叉最深处的关键点相连得到金枪鱼叉长的像素距离，根据像素距离与实际距离的转换比例因子得到实际距离。
3.根据权利要求1所述的基于深度学习算法的金枪鱼类体重预估系统，其特征在于，所述深度学习算法模块中的目标检测算法和关键点检测算法采用yolov8-pose算法。
4.根据权利要求1所述的基于深度学习算法的金枪鱼类体重预估系统，其特征在于，所述体重预估模块在判别鱼种后根据前期采集的相关鱼种叉长及体重数据，以幂函数为基础根据前期采集到的数据拟合得到不同鱼种的体重预估模型，将得到的金枪鱼叉长的实际距离输入到不同鱼种的体重预估模型中得到金枪鱼的体重信息。
5.一种基于深度学习算法的金枪鱼类体重预估方法，其特征在于，所述方法包括以下步骤：
6.根据权利要求5所述的基于深度学习算法的金枪鱼类体重预估方法，其特征在...
【专利技术属性】
技术研发人员：刘雨青，伏州，宋利明，隋恒寿，吴世腾，李彬，李杰，张子宸，
申请(专利权)人：上海海洋大学，
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。