[發明專利]一種基于機器學習的魚眼瞳孔智能測量方法

有效

• 申請號: 201711248089.3
• 申請日: 2017-11-30
• 公開（公告）號: CN108182380B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 趙瑤池;胡祝華;劉世光;張逸然;駱劍;鐘杰卓
• 申請（專利權）人: 天津大學
• 主分類號: G06V20/60
• 分類號: G06V20/60;G06V10/764;G06V10/422;G06V10/48;G06V10/774;G06V10/44;G06V10/778
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明涉及一種基于機器學習的魚類瞳孔直徑的智能測量方法，所述方法包括：采集魚例圖像，計算采集的魚例圖的魚眼分類器，利用魚眼分類器獲得魚眼區域，計算所述魚眼區域的魚眼瞳孔的像素尺寸，將所述魚眼瞳孔的像素尺寸轉換為魚眼實際尺寸。本發明提供的方法，利用基于AdaBoost的機器學習方法訓練得到的魚眼分類器，能正確檢測魚例圖像中的魚眼區域，結合計算機視覺技術、圖像處理技術能實現魚眼瞳孔的無接觸式智能測量，在保證測量數據的精確性和穩定性的同時提高測量的效率以及測量的智能性。

技術領域

本發明涉及水產養殖領域的測量方法，涉及一種魚眼瞳孔參數的智能測量方法。

背景技術

水產養殖過程中，魚的特征參數具有重要的意義，例如，魚類良種的選育中，需定期測量諸如體長、體寬、尾柄長以及魚眼瞳孔等魚類的生長性狀，這些指標為制定選育和配種計劃具有重要參考價值，對于良種選育的評估有著不可或缺的作用。另外，這些指標，在魚的等級、新鮮度分類評價中，魚的體長、體寬、尤其是魚眼瞳孔數據是重要的評判參數。

然而，傳統的魚類體征參數的測量方法是在魚體離水的情況下用直尺和游標卡尺等測量工具分步多次測量的，為了降低魚類的劇烈應激反應，需將魚麻醉后測量的，這樣不僅耗時、耗力，并且在測量后部分測量活體可能會出現停止進食，甚至導致無法保活，對魚類的生長和存活都造成了難以逆轉的影響。因此，需要提供一種能夠實現魚類體征測量的智能化、精準化和無接觸化。

使用計算機視覺和圖像處理技術來測量魚的各項體征指標可以實現無接觸化測量，并可在很大程度上提高測量效率。利用該類技術在魚體提取，魚體征數據測量和進一步分級、分類方面已經開展了一些研究，但大都是針對體長、體寬和體重數據的測量，在魚眼瞳孔測量方面，由于魚眼是嵌入魚的體內的，將其從魚體中區分出來，并將魚眼瞳孔從魚眼虹膜中自動分割出來難度較大，無疑給基于計算機視覺的測量技術提出了較高的要求，因此魚眼瞳孔智能測量與實際期待存在巨大距離。

發明內容

為了縮小或消除這一差距，本發明提供了一種新穎的魚眼瞳孔直徑智能測量方法。利用基于Adboost的機器學習算法訓練獲得魚眼分類器，使用該分類器對魚例圖像檢測并識別出其中的魚眼區域，并利用Hough圓變換檢測得到魚眼瞳孔，并計算瞳孔直徑。該方法可以解決傳統魚眼瞳孔直徑測量中耗時耗力且精度差、效率低的弊端，實現無損、準確、智能化測量。

本發明提供了一種新穎的魚眼瞳孔直徑智能測量方法，其目的是為了利用機器學習方法和計算機視覺技術智能測量魚眼瞳孔參數，在提升測量效率的同時，實現魚眼瞳孔的無損和智能測量。

本發明采用下述技術方案：

一種基于機器學習的魚眼瞳孔智能測量方法，所述方法包括：

S1.采集魚例圖像；

S2.計算采集的所述魚例圖像中的魚眼分類器；

S3.利用魚眼分類器獲得并提取魚眼區域；

S4.計算魚眼區域的魚眼瞳孔像素尺寸；

S5.將所述魚眼瞳孔的像素尺寸轉換為魚眼實際尺寸。

優選地，所述魚眼分類器包括：

S2-1.用采集的魚例圖生成魚眼圖像的正、負樣本集；

S2-2.從所述樣本集中提取出樣本的特征值；

S2-3用AdaBoost算法從所述樣本特征值得到魚眼分類器。

進一步地，所述魚眼圖像樣本的特征為Haar-like特征，包含邊緣特征、線性特征和中心環繞特征。

優選地，所述檢測并提取魚眼區域包括：