【技术实现步骤摘要】
本专利技术属于渔业资源评估和工业化养殖鱼类生物量无损测算领域，涉及一种无损精准的养殖鱼生物量测算、个体识别方法及系统，尤其是涉及一种耦合体表纹理特征和几何特征的鱼脸识别方法及系统。
技术介绍
1、工业化养殖因其节水、节地、产量高等特征已成为当前水产养殖的重要趋势。鱼群生物量无损测算是工业化养殖智能化发展的关键环节。然而当前生物量无损测算均是模糊测算，即只针对测算设备镜头前的养殖对象进行测算；该种测算方式易对同一对象重复测量，从而造成测算模型过拟合或局部最优。鱼脸识别能有效解决上述困境，通过对被测算对象进行身份识别可有效避免重复测量。除了工业化养殖，鱼脸识别在渔业资源评估中亦扮演着重要角色。然而，当前相关研究还鲜见报道。
2、深度学习的出现为上述难题的解决提供了便利。已有学者利用简单卷积神经网络对鱼脸识别进行了初探，但受限于网络结构和性能，该类方法精度低且依赖大量样本训练，无法推广至实际生产场景中应用。
3、综上，本专利技术提出了一种耦合体表纹理特征和几何特征的鱼脸识别方法及系统。该方法可利用小样本学习，耦合待检测...
【技术保护点】
1.一种耦合体表纹理特征和几何特征的鱼脸识别方法，其特征在于，所述方法包括：在考虑鱼尾摆动及氧气浓度对鱼体形态影响的基础上，利用改进Resnet网络和深度学习YoLo网络分别对鱼类体表纹理特征和几何特征进行量化提取，将所提取的体表纹理特征和几何特征进行耦合，采用小样本学习模型实现同种鱼类个体身份的识别。
2.根据权利要求1所述的耦合体表纹理特征和几何特征的鱼脸识别方法，其特征在于，利用深度学习YoLo网络对当前养殖池内鱼类个体进行自动标注特征点，基于特征点并结合考虑鱼尾摆动、及氧气浓度对鱼体形态的影响，对鱼类个体的几何特征进行量化。
3.根据权...
【技术特征摘要】
1.一种耦合体表纹理特征和几何特征的鱼脸识别方法，其特征在于，所述方法包括：在考虑鱼尾摆动及氧气浓度对鱼体形态影响的基础上，利用改进resnet网络和深度学习yolo网络分别对鱼类体表纹理特征和几何特征进行量化提取，将所提取的体表纹理特征和几何特征进行耦合，采用小样本学习模型实现同种鱼类个体身份的识别。
2.根据权利要求1所述的耦合体表纹理特征和几何特征的鱼脸识别方法，其特征在于，利用深度学习yolo网络对当前养殖池内鱼类个体进行自动标注特征点，基于特征点并结合考虑鱼尾摆动、及氧气浓度对鱼体形态的影响，对鱼类个体的几何特征进行量化。
3.根据权利要求2所述的耦合体表纹理特征和几何特征的鱼脸识别方法，其特征在于，所述特征点中需包括基础特征点及可选特征点，所述基础特征点包括鱼体前端点、鱼尾中点及鱼体中心点，其中：鱼体前端点为鱼吻部端点，鱼尾中点为鱼尾鳍基部中点，鱼体中心点为鱼体前端点、鱼尾中点的连线与鱼躯干最高点处的垂直线的交点，还包括：鱼尾鳍基部上点、鱼尾鳍基部下点、鱼躯干最高点、以及所述垂直线延长后与鱼躯干的下交点，其中鱼尾中点即为鱼尾鳍基部上点、鱼尾鳍基部下点连线中点；所述可选特征点根据需要进行选取。
4.根据权利要求3所述的耦合体表纹理特征和几何特征的鱼脸识别方法，其特征在于，对几何特征进行量化包括如下：
5.根据权利要求4所述的耦合体表纹理特征和几何特征的鱼脸识别方法，其特征在于，对几何特征进行量化具体包括如下：
6. 根据权利要求1所述的耦合体表纹理特征和几何特征的鱼脸识别方法...
【专利技术属性】
技术研发人员：赵建，朱飞翔，李海军，漆小峰，马赫睿吉，叶章颖，朱松明，刘鹰，
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。