【技术实现步骤摘要】
本专利技术涉及裂腹鱼类识别，尤其涉及一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别技术。
技术介绍
1、裂腹鱼类因其独特的生态环境和生物多样性而占据重要地位。区域的生态系统通常具有高度的特异性和脆弱性，其中鱼类物种不仅是生物多样性的重要组成部分，也是维持生态平衡的关键因素。然而，环境变化和人类活动的影响，使其面临严峻的挑战。因此，准确识别和监测高原鱼类物种变得尤为重要，它是实现生物多样性保护、生态系统管理和可持续利用的基础。
2、传统上，鱼类物种的识别主要依赖于形态学分析，包括观察鱼类的体型、鳞片、鳍的形状等外部特征。这些方法多数情况下都是有效的，但存在一些明显的局限性。首先，形态学分析高度依赖于专业知识，需要经验丰富的研究人员进行识别，这在资源有限的情况下可能会成为瓶颈。其次，一些物种之间的形态差异微小，难以仅凭外部形态特征进行区分。此外，这种方法也无法满足快速、大规模识别的需求。随着技术的发展，遗传标记和分子生物学方法为物种识别提供了新的途径。通过分析dna序列，这些方法可以精确地区分不同物种。然而，遗传分析需要的设备和实验较为复杂与昂贵，这限制了其在实地快速应用的能力。
3、近年来，计算机视觉技术的进步为鱼类物种识别开辟了新的可能性。特别是耳石——一种在鱼类体内形成的碳酸钙结构，因其在物种间具有独特的形态特征，成为一种有利的生物标记。耳石的形状和纹理在不同物种之间存在显著差异，这使得它们可以用于精确识别鱼类物种。利用计算机视觉技术分析耳石图像，可以实现对裂腹鱼类的快速、自动化识别，极大地提高了识别
4、因此，提出一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，可以提高裂腹鱼类物种自动识别的准确率，提升识别效率。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，包括以下步骤：
4、s1、数据获取步骤：获取裂腹鱼类耳石图像数据；
5、s2、模型训练步骤：基于s1中获取的裂腹鱼类耳石图像数据训练yolov8的鱼类耳石图像分类的网络模型；
6、s3、检测识别步骤：基于s2中得到的训练好的yolov8的鱼类耳石图像分类的网络模型对待测裂腹鱼类耳石进行检测，得到裂腹鱼类识别结果。
7、上述的方法，可选的，s1中具体内容包括：
8、利用图像处理算法自动识别和剔除质量不佳的图像；
9、应用双边滤波去除噪声，执行直方图均衡化改善图像对比度，使用锐化处理增强图像边缘，应用canny边缘检测算法识别耳石轮廓，最后通过图像调整方式对图像进行扩充；利用labelimg软件对耳石完整无残缺的图像进行人工标注形成耳石图像数据集。
10、上述的方法，可选的，s2中yolov8的鱼类耳石图像分类的网络模型包括：
11、输入端、主干网、neck模块和输出端4个部分组成；
12、上述的方法，可选的，输入端中通过mosaic数据增强，组合多张图像的不同部分；自适应锚框计算针对裂腹鱼类耳石的形状和尺寸动态调整锚框；通过调整灰度填充来优化图像质量。
13、上述的方法，可选的，主干网用于提取图片中的信息，包含conv、c2f和sppf结构，conv模块使用卷积层提取裂腹鱼类耳石图像的基本特征，c2f用于适应不同尺度的裂腹鱼类耳石图像，sppf用于融合不同尺度的特征。
14、上述的方法，可选的，输出端，采用解耦头结构，将分类和检测过程分开，使用taskalignedassigner方法选择正样本；
15、loss计算包括分类分支和回归分支，分类分支采用二进制交叉熵损失，回归损失则采用dfl loss和ciuo loss。
16、上述的方法，可选的，在每个sppf模块后添加cbam空间注意力机制，基于cbam空间注意力机制对裂腹鱼类耳石图像的复杂的纹理和形态特征进行筛选。
17、上述的方法，可选的，neck模块通过pan-fpn结构实现裂腹鱼类耳石图像不同尺度特征的有效融合。
18、经由上述的技术方案可知，与现有技术相比，本专利技术一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，具有以下有益效果：
19、1.提高识别准确率：利用深度学习模型yolov8，能够准确地识别出裂腹鱼类耳石的细微特征；这种高精度的自动识别方法能够显著减少人工识别过程中的错误，特别是在处理大量样本时，减少由于人工疲劳或主观判断差异引起的误识别；
20、2.整合cbam空间注意力机制到每个sppf模块后：cbam空间注意力机制能够有效地强调重要的空间区域，抑制不相关的背景信息，从而更精准地捕捉到裂腹鱼类耳石的特征；通过对这些特征进行更加明确的强调，cbam可以帮助网络模型更好地学习和区分不同裂腹鱼类间微妙的差异，尤其是在视觉上接近的物种之间；
21、3.提升处理速度：通过训练模型的自动化处理，识别过程的时间大幅度缩短；传统的手工识别方法通常耗时且劳力密集，而应用计算机视觉技术可以实现实时或近实时的数据处理，对于需要快速处理大量耳石图像的研究和应用场景尤为重要；
22、4.降低专业依赖：传统的鱼类物种识别依赖高度专业化的知识和经验，而计算机视觉识别系统一旦被训练，就可以被非专业人员操作，这在一定程度上降低了操作的专业门槛；这使得更多非专业人员也能参与到裂腹鱼类的监测和研究中，有助于扩大研究和应用的范围；
23、5.增强数据的可用性和共享性：自动化的识别方法可以生成标准化、一致的识别结果，这些数据也便于存储、分析和共享，并且能够建立数据库，在生物多样性研究等方面，有利于数据的远程分析和多机构合作。
本文档来自技高网...【技术保护点】
1.一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
3.根据权利要求2所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
4.根据权利要求3所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
5.根据权利要求4所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
6.根据权利要求5所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
7.根据权利要求6所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
8.根据权利要求7所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
【技术特征摘要】
1.一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
3.根据权利要求2所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
4.根据权利要求3所述的一种基于计算机视觉的裂腹鱼类耳石图像自动物种识别方法，其特征在于，
<...【专利技术属性】
技术研发人员：周银华，周朝伟，高贺，雷骆，李和娇，刘海平，付宿星，李俊婷，段玉婷，
申请(专利权)人：西部重庆科学城种质创制大科学中心，
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。