[發明專利]一種魚刺殘留檢測方法及系統

在審

• 申請號: 202010724230.8
• 申請日: 2020-07-24
• 公開（公告）號: CN111951233A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 胡金有;謝天鏵;李鑫星;張小栓;侴佳慧;郭渭;方瑤
• 申請（專利權）人: 中國農業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 楊云云

1.一種魚刺殘留檢測方法，其特征在于，包括：

獲取魚肉原始圖像，并在所述魚肉原始圖像上分割出具有檢測價值的檢測子圖像；

將所述檢測子圖像輸入至魚刺檢測網絡模型，根據所述魚刺檢測網絡模型的輸出結果，獲取所述魚肉原始圖像對應的魚刺殘留結果；

其中，所述魚刺檢測網絡模型是根據帶有魚刺殘留結果標簽的檢測樣本子圖像進行訓練后獲得的。

2.根據權利要求1所述的魚刺殘留檢測方法，其特征在于，在將所述檢測子圖像輸入至魚刺檢測網絡模型之前，還包括：

獲取多個魚肉原始樣本圖像；

分別獲取每個魚肉原始樣本圖像中的至少一個檢測樣本子圖像；

為每個所述檢測樣本子圖像設置一個魚刺殘留結果標簽；

將每個檢測樣本子圖像和與其對應的魚刺殘留結果標簽組合作為一個訓練樣本，構建訓練樣本集；

利用所述訓練樣本集對所述魚刺檢測網絡模型進行預訓練。

3.根據權利要求2所述的魚刺殘留檢測方法，其特征在于，在為每個所述檢測樣本子圖像設置一個魚刺殘留結果標簽之前，還包括：

利用基于圖像處理的幾何變換對所述檢測樣本子圖像進行擴展；

對擴展后的每個檢測樣本子圖像進行去噪和濾波處理后，構建檢測樣本子圖像集。

4.根據權利要求2所述的魚刺殘留檢測方法，其特征在于，在利用所述訓練樣本集對所述魚刺檢測網絡模型進行預訓練之前，還包括：

設置每個訓練樣本用于所述魚刺檢測網絡模型預訓練時的交并比；

所述交并比為所述魚刺檢測網絡模型的檢測框內圖像區域與標記圖像區域的交疊率。

5.根據權利要求2所述的魚刺殘留檢測方法，其特征在于，所述利用所述訓練樣本集對所述魚刺檢測網絡模型進行預訓練，包括：

依次利用每個訓練樣本對所述魚刺檢測網絡模型進行訓練；

設置置信度閾值用于對每次訓練過程中魚刺檢測網絡模型生成的檢測框進行取舍；

若所述檢測框的置信度數值大于置信度閾值，則利用與所述檢測框相對應的檢測樣本子圖像和魚刺殘留結果標簽完成對所述魚刺檢測網絡模型的訓練；

若所述檢測框的置信度數值小于置信度閾值，則舍棄與所述檢測框相對應的檢測樣本子圖像和魚刺殘留結果標簽，繼續利用下一個訓練樣本對所述魚刺檢測網絡模型進行訓練。

6.根據權利要求5所述的魚刺殘留檢測方法，其特征在于，所述置信度閾值，包括：精確度閾值、召回率閾值、F1分數閾值、平均精度閾值和平均檢測時間閾值；

所述檢測框的置信度數值，包括：精確度、召回率、F1分數、平均精度和平均檢測時間。

7.根據權利要求6所述的魚刺殘留檢測方法，其特征在于，

所述精確度的計算方法為：

所述召回率的計算方法為：

所述F1分數的計算方法為：

所述平均精度為精確率-召喚率曲線下的面積；

所述平均檢測時間的計算方法包括：

其中，Precision為精確度，TP為模型成功識別為魚刺的數量，FP為模型將非魚刺部分錯誤判定為魚刺的數量，FN為模型未能檢測出的魚刺數量，Recall為召回率；F1-Score表示F1分數，為精確度和召回率的調和平均數；Average Time為平均檢測時間，Total Time為檢測總時間，Dectection Number為檢測的樣本總數量。

8.根據權利要求1所述的魚刺殘留檢測方法，其特征在于，所述魚刺檢測網絡模型是以Faster-RCNN作為目標檢測框架，以VGG19作為目標檢測基礎網絡構建的。