[發(fā)明專利]基于智能魚竿的機(jī)器學(xué)習(xí)方法與裝置

有效

• 申請?zhí)枺?/td>: 202110304733.4
• 申請日: 2021-03-22
• 公開（公告）號: CN113204990B
• 公開（公告）日: 2022-01-14
• 發(fā)明（設(shè)計(jì)）人: 婁毅
• 申請（專利權(quán)）人: 深圳市眾凌匯科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 成都拓荒者知識(shí)產(chǎn)權(quán)代理有限公司 51254
• 代理人: 王堅(jiān)敏

本發(fā)明提出了一種基于智能魚竿的機(jī)器學(xué)習(xí)方法、終端及計(jì)算機(jī)存儲(chǔ)介質(zhì)，通過建立不同釣魚場景對應(yīng)的魚類數(shù)據(jù)庫，增加魚類數(shù)據(jù)庫魯棒性，基于擴(kuò)充后的訓(xùn)練數(shù)據(jù)集，建立機(jī)器學(xué)習(xí)魚類圖像數(shù)據(jù)分類模型，釣魚過程中選擇釣魚場景，獲取水域場景信息，獲取魚類目標(biāo)信息，對魚類目標(biāo)進(jìn)行識(shí)別。以穩(wěn)定、準(zhǔn)確的獲取水中魚情圖像，對水中魚情圖像進(jìn)行分類識(shí)別，實(shí)現(xiàn)智能魚竿能獲取水中魚情，還能判斷水中魚的種類的功能。

技術(shù)領(lǐng)域

本發(fā)明屬于戶外運(yùn)動(dòng)領(lǐng)域，具體涉及基于魚竿的水下魚類圖像采集裝置，以及圖像自動(dòng)分類方法。

背景技術(shù)

目前。市面上的智能魚竿可以通過魚線或者浮漂上面的加速度傳感器，獲取魚類咬鉤時(shí)所產(chǎn)生的向下瞬間拉力，從而判斷是否有魚咬鉤。由于其工作原理往往是基于加速度傳感器所采集到的加速度值是否大于預(yù)先設(shè)定的閾值范圍來判斷是否有魚咬鉤，因此這類裝置的靈敏度嚴(yán)重依賴預(yù)先設(shè)定的閾值、加速度傳感器的精度，在實(shí)際使用中存在較大的誤判率。此外，這類裝置無法判斷魚鉤上是魚還是其他雜物，更加無法判斷水中魚的種類，使用體驗(yàn)感較差。

發(fā)明內(nèi)容

鑒于上述現(xiàn)有技術(shù)的不足，本發(fā)明提出一種基于智能魚竿的機(jī)器學(xué)習(xí)方法、電子設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)，其目的在于穩(wěn)定、準(zhǔn)確的獲取水中魚情圖像，再基于機(jī)器學(xué)習(xí)方法對水中魚情圖像進(jìn)行分類識(shí)別，實(shí)現(xiàn)智能魚竿能獲取水中魚情，還能判斷水中魚的種類的功能。

本發(fā)明詳細(xì)技術(shù)方案如下：

1.一種基于智能魚竿的機(jī)器學(xué)習(xí)方法，包括以下步驟：

步驟1：建立不同釣魚場景對應(yīng)的魚類數(shù)據(jù)庫；

步驟2：增加魚類數(shù)據(jù)庫魯棒性，步驟包括；

步驟2.1：對池塘魚類數(shù)據(jù)庫A1和河流魚類數(shù)據(jù)庫B1中的圖像數(shù)據(jù)集，按照一定的比例分別劃分為池塘魚類訓(xùn)練數(shù)據(jù)集ATr1、池塘魚類測試數(shù)據(jù)集ATe1，以及河流魚類訓(xùn)練數(shù)據(jù)集BTr1和河流魚類測試數(shù)據(jù)集BTe1，；

步驟2.2：分別對池塘魚類訓(xùn)練數(shù)據(jù)集ATr1和河流魚類訓(xùn)練數(shù)據(jù)集BTe1進(jìn)行數(shù)據(jù)擴(kuò)充，包括對訓(xùn)練數(shù)據(jù)加入高斯噪聲和椒鹽噪聲生成新的加噪聲圖像，通過調(diào)整訓(xùn)練數(shù)據(jù)的直方圖均衡性來進(jìn)行訓(xùn)練數(shù)據(jù)明暗度增加，生成新的不同明暗度圖像，對訓(xùn)練數(shù)據(jù)進(jìn)行旋轉(zhuǎn)、鏡像、平移、尺度變換等操作，生成新的不同角度圖像，再將上述不同特性圖像分別加入初始訓(xùn)練數(shù)據(jù)集ATr1和BTe1，生成擴(kuò)充后的訓(xùn)練數(shù)據(jù)集ATr2和BTe2；

步驟3：基于擴(kuò)充后的訓(xùn)練數(shù)據(jù)集，建立機(jī)器學(xué)習(xí)魚類圖像數(shù)據(jù)分類模型；

步驟4：釣魚過程中選擇釣魚場景；

步驟5：獲取水域場景信息；

步驟6：獲取魚類目標(biāo)信息；

步驟7：對魚類目標(biāo)進(jìn)行識(shí)別。

進(jìn)一步的所述步驟1：建立不同釣魚場景對應(yīng)的魚類數(shù)據(jù)庫，包括：

步驟1.1：對池塘區(qū)域，根據(jù)水深不同采集水中有不同類型魚類圖像數(shù)據(jù)和水中沒有魚建立池塘魚類數(shù)據(jù)庫A1，然后執(zhí)行步驟2.1；

步驟1.2：對河流區(qū)域，根據(jù)上下游不同采集不同類型魚類建立河流魚類數(shù)據(jù)庫B1，然后執(zhí)行步驟2.2。

進(jìn)一步的所述步驟3：基于擴(kuò)充后的訓(xùn)練數(shù)據(jù)集，建立機(jī)器學(xué)習(xí)魚類圖像數(shù)據(jù)分類模型，步驟包括；

步驟3.1：將所有魚類訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)的圖像矩陣統(tǒng)一尺寸，并對其進(jìn)行歸一化，然后設(shè)置訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集的批次大小值，以及樣本迭代次數(shù)，將交叉熵函數(shù)設(shè)置為損失函數(shù)，并用隨機(jī)梯度下降方法更新網(wǎng)絡(luò)參數(shù)，設(shè)置學(xué)習(xí)率，將完全連接層的最終輸出值設(shè)置為N；