[發(fā)明專利]基于平行激光和語(yǔ)義分割的海參長(zhǎng)度測(cè)量方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011054510.9
• 申請(qǐng)日: 2020-09-29
• 公開(kāi)（公告）號(hào): CN112132884B
• 公開(kāi)（公告）日: 2023-05-05
• 發(fā)明（設(shè)計(jì)）人: 俞智斌;張心亮;曾慧敏
• 申請(qǐng)（專利權(quán)）人: 中國(guó)海洋大學(xué)
• 主分類號(hào): G06T7/60
• 分類號(hào): G06T7/60;G06T7/62;G06T7/11;G06T7/12
• 代理公司: 北京睿智保誠(chéng)專利代理事務(wù)所(普通合伙) 11732
• 代理人: 周新楣

1.基于平行激光和語(yǔ)義分割的海參長(zhǎng)度測(cè)量方法，其特征在于，包括步驟：

S1.發(fā)出兩平行可見(jiàn)的激光束照射前方，在前方物體表面上形成激光點(diǎn)，攝像頭實(shí)時(shí)攝取前方圖像；在所述步驟S1中，發(fā)出的所述激光束為綠色光；

S2.計(jì)算激光點(diǎn)之間的像素距離D_p，對(duì)所述前方圖像進(jìn)行裁剪，得到激光點(diǎn)的中心區(qū)域；所述步驟S2具體包括步驟：

S21.將所述前方圖像的G通道分離而出，轉(zhuǎn)化為預(yù)設(shè)閾值的二值圖，所述預(yù)設(shè)閾值的設(shè)定范圍為250±3；

S22.將所述二值圖中區(qū)域面積最大和次大的輪廓作為激光點(diǎn)，確定兩激光點(diǎn)的中心，進(jìn)而計(jì)算出兩中心之間的間距即激光點(diǎn)之間的像素距離D_p；采用OpenCV中的contourArea()函數(shù)計(jì)算每個(gè)輪廓的區(qū)域面積；

S23.以激光點(diǎn)之間的像素距離D_p為長(zhǎng)度、預(yù)設(shè)高度為寬度確定一矩形作為裁剪范圍對(duì)所述前方圖像進(jìn)行裁剪，得到激光點(diǎn)的中心區(qū)域，所述預(yù)設(shè)高度為300±50像素；

S3.對(duì)所述中心區(qū)域進(jìn)行語(yǔ)義分割，得到包含海參近似輪廓的分割圖像，并基于所述分割圖像確定海參的軸線方向，得到海參在軸線方向的像素距離L_p；在所述步驟S3中，采用基于Mask?R-CNN模型的深度學(xué)習(xí)網(wǎng)絡(luò)模型對(duì)所述中心區(qū)域進(jìn)行語(yǔ)義分割；采用OpenCV中的minArea()函數(shù)來(lái)獲取所述分割圖像中海參輪廓的外接矩形，進(jìn)一步通過(guò)所述外接矩形確定海參的軸線方向；所述深度學(xué)習(xí)網(wǎng)絡(luò)模型以骨干網(wǎng)絡(luò)Res-50-FPN、背景交并比0.3、前景交并比0.7、Mask?R-CNN模型的權(quán)重衰減策略、Mask?R-CNN模型ROI中的NMS作為閾值進(jìn)行訓(xùn)練，迭代上萬(wàn)次；訓(xùn)練使用了單卡的1080Ti?GPU，總共迭代了900,000次，batch?size設(shè)定為2；

S4.根據(jù)激光點(diǎn)之間的像素距離D_p、激光束之間的實(shí)際距離D_r、海參軸線方向的像素距離L_p，計(jì)算海參的真正長(zhǎng)度

2.如權(quán)利要求1所述的基于平行激光和語(yǔ)義分割的海參長(zhǎng)度測(cè)量方法，其特征在于：在所述步驟S21中，所述預(yù)設(shè)閾值為250；在所述步驟S23中，所述預(yù)設(shè)高度為300像素。

3.基于平行激光和語(yǔ)義分割的海參長(zhǎng)度測(cè)量系統(tǒng)，其特征在于：包括局部裁剪模塊、分割模塊和長(zhǎng)度計(jì)算模塊，分別用于執(zhí)行1～2任意一項(xiàng)權(quán)利要求所述的步驟S2、S3和S4。