一种鱼的异常行为监测、描述与诊断方法技术

本发明专利技术公开了一种鱼的异常行为监测、描述与诊断方法，本发明专利技术在骨干网络构建使用丰富分支聚合像素感知的异常行为特征提取网络，提高了骨干网络对于鱼体表形状不规则部位和水下鱼体复杂轮廓目标的特征表示能力。在混合编码器引入并行像素融合注意力的细节增强模块，独立增强每个子区域的重要特征，同时在子特征图融合时保证了相邻块间特征自然过渡。在解码器与检测头模块构建动态权重分配的跨尺度非正常小目标解耦检测头，实现模型对水下拍摄角度较为偏离的异常目标和未成熟的，体型较小待检鱼种的精准检测。本发明专利技术适用于鱼类侧翻，快速抽搐，患病等异常行为特征的快速捕获，成功提升了鱼类异常行为监测的速度与精度。

【技术实现步骤摘要】

本专利技术涉及计算机视觉检测，更具体地说，涉及一种鱼的异常行为监测、描述与诊断方法。

技术介绍

1、作为动物消费产品的有机组成部分，鱼类一直占据重要位置。其肉质鲜美，富含蛋白质等多种营养物质，对人类身体健康有极大裨益。目前鱼类养殖主要以大规模，高密度的工厂化养殖为主。在规模化养殖的背景下，及时发现养殖鱼类如侧翻，快速抽搐，患病等异常行为对处理潜在鱼类传染病，诊断养殖环境化学成分配比，物理条件是否适宜具有重要的作用。

2、当前，深度学习技术已在计算机视觉、语音识别等多个关键领域得到了广泛应用。其中，在计算机视觉方向，目标检测被认为是一个核心且具有挑战性的任务。该任务旨在从静态图像或动态视频中精准识别出所有感兴趣的目标对象，同时目标检测不仅需要完成对图像中目标类别的判别，还必须完成对目标在图像中所处位置的准确预测。这一综合性的任务对算法的精度与效率均提出了较高要求。

3、由于水下环境成像的不清晰和复杂性，待检鱼类在行为和体尺上的多样性，利用深度学习技术对鱼的异常行为进行监测、描述与诊断，还存在诸多问题，如：①大多数机器视觉检测方法往往依本文档来自技高网...

【技术保护点】

1.一种鱼的异常行为监测、描述与诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种鱼的异常行为监测、描述与诊断方法，其特征在于：在步骤S120中，所述的目标检测模型中：

3.根据权利要求2所述的一种鱼的异常行为监测、描述与诊断方法，其特征在于：所述的异常行为特征提取网络包括多个串联的处理单元，单个处理单元包含分割填充层和多层串联的门控聚合注意力模块；相邻处理单元之间设置层归一化层；混合编码器接收所述层归一化层的输出作为其输入。

4.根据权利要求3所述的一种鱼的异常行为监测、描述与诊断方法，其特征在于：所述分割填充层由一层边缘校验层，一层...

【技术特征摘要】

1.一种鱼的异常行为监测、描述与诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种鱼的异常行为监测、描述与诊断方法，其特征在于：在步骤s120中，所述的目标检测模型中：

3.根据权利要求2所述的一种鱼的异常行为监测、描述与诊断方法，其特征在于：所述的异常行为特征提取网络包括多个串联的处理单元，单个处理单元包含分割填充层和多层串联的门控聚合注意力模块；相邻处理单元之间设置层归一化层；混合编码器接收所述层归一化层的输出作为其输入。

4.根据权利要求3所述的一种鱼的异常行为监测、描述与诊断方法，其特征在于：所述分割填充层由一层边缘校验层，一层卷积层和一层层归一化层串联得到，其中边缘校验层进行位置编码操作；

5.根据权利要求4所述的一种鱼的异常行为监测、描述与诊断方法，其特征在于：所述双路径注意力聚合模块设计了两类路径分支，包括卷积分支和嵌入-缩放注意力分支；所述卷积分支使用包含深度卷积和点卷积的深度可分离卷积及动态编码方案；所述嵌入-缩放注意力分支使用包含长度缩放因子和温度缩放因子的注意力计算；

6.根据权利要求2-5任一项所述的一种鱼的异常行为监测、描述与诊断方法，其特征在于：所述细节增强模块对两张输入特征图进行注意力加权融合，包括：按元素加法融合输入特征图得到初始特征图；利用面向通道注意力模块对初始特征图进行通道维度建模，生成通道注意力图；使用面向空间注意力模块通过平均池化与最大池化组合生成空间注意力图；将通道注意力图与空间注意力图相加广播成联合注意力图；输入至面向像素注意力模块生成逐像素融合权重图；通过融合权重图实现输入特征图的动态加权融合；融合后的特征通过切片融合卷积模块进行空间增强的卷积处理。

7.根据权利要求6所述的一种鱼的异常行...

【专利技术属性】
技术研发人员：陈文沛，王坦，饶元，徐先宝，江丹，吴敏，金秀，岳振宇，袁小琛，吴杰，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：