[發(fā)明專利]基于語義分割網(wǎng)絡(luò)的生蠔外部形態(tài)的測量方法

有效

• 申請?zhí)枺?/td>: 202110333627.9
• 申請日: 2021-03-29
• 公開（公告）號: CN112907651B
• 公開（公告）日: 2022-04-26
• 發(fā)明（設(shè)計）人: 趙峰;王濤;牟文青;李騰;曲潔
• 申請（專利權(quán)）人: 山東捷瑞數(shù)字科技股份有限公司
• 主分類號: G06T7/62
• 分類號: G06T7/62;G06T7/10;G06N5/00;G06N3/04
• 代理公司: 青島發(fā)思特專利商標(biāo)代理有限公司 37212
• 代理人: 張灑灑

1.一種基于語義分割網(wǎng)絡(luò)的生蠔外部形態(tài)測量方法，其特征在于：包括以下步驟：

步驟S1-1：將需要分揀的生蠔放置在載物裝置上，獲取拍攝的生蠔目標(biāo)圖像；

步驟S1-2：先利用語義分割網(wǎng)絡(luò)對步驟S1-1獲取的生蠔目標(biāo)圖像進(jìn)行語義分割，識別生蠔目標(biāo)；然后從識別結(jié)果中獲取生蠔目標(biāo)，計算得出生蠔外部形態(tài)參數(shù)；最后根據(jù)生蠔外部形態(tài)參數(shù)計算生蠔外部特征參數(shù)；所述語義分割網(wǎng)絡(luò)輸入層大小為512×512，通道數(shù)為3，中間層前6層為卷積操作，每層的卷積核數(shù)量分別為64，128，256，512，512，512，卷積核大小為4，步長為2，填充為等尺寸填充，每層的尺寸分別是：512×512×64，256×256×128，128×128×256，64×64×512，32×32×512，16×16×512；后面5層為先進(jìn)行上采樣后卷積的操作，上采樣尺寸為2，每層的卷積核數(shù)量分別為512，512，256，128，64，卷積核大小為4，步長為1，填充為等尺寸填充；后面5層的網(wǎng)絡(luò)中，每個大小與中間層前5層大小一致的網(wǎng)絡(luò)進(jìn)行跳層連接；后5層的尺寸為32×32×1024，64×64×1024,128×128×512,256×256×256,512×512×128；輸出層為對中間層最后一層進(jìn)行卷積操作，卷積核大小為1，步長為1，填充為等尺寸填充，卷積核數(shù)量為1；中間層前6層采用的激活函數(shù)為LeakyReLU，參數(shù)取值為0.2，每層均進(jìn)行BatchNormalization操作，中間層后5層采用的激活函數(shù)為ReLU，每層均進(jìn)行BatchNormalization操作；

步驟S1-3：利用步驟S1-2計算得出的生蠔外部形態(tài)參數(shù)以及生蠔外部特征參數(shù)訓(xùn)練決策樹對生蠔目標(biāo)進(jìn)行分揀。

2.根據(jù)權(quán)利要求1所述的基于語義分割網(wǎng)絡(luò)的生蠔外部形態(tài)測量方法，其特征在于：所述步驟S1-1中載物裝置的背景顏色為黑色。

3.根據(jù)權(quán)利要求1所述的基于語義分割網(wǎng)絡(luò)的生蠔外部形態(tài)測量方法，其特征在于：所述步驟S1-2中語義分割網(wǎng)絡(luò)包括以下步驟：

步驟S3-1：對步驟S1-2中所述的網(wǎng)絡(luò)進(jìn)行訓(xùn)練：對拍攝的圖像進(jìn)行預(yù)處理，將其尺寸轉(zhuǎn)化為512×512×3，并人工進(jìn)行標(biāo)注處理，分別對背景、目標(biāo)進(jìn)行不同的標(biāo)注，標(biāo)注完成后，將圖像和標(biāo)注圖像傳入網(wǎng)絡(luò)，對圖像中每個像素所屬的類別進(jìn)行預(yù)測，即像素是屬于背景還是屬于生蠔目標(biāo)，完成對網(wǎng)絡(luò)的訓(xùn)練；

步驟S3-2：使用步驟S3-1中已訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行預(yù)測：將拍攝的圖像尺寸轉(zhuǎn)化為512×512×3，將其傳入步驟S3-1中已訓(xùn)練好的網(wǎng)絡(luò)，利用網(wǎng)絡(luò)預(yù)測的圖像中的每個像素所屬的標(biāo)簽，得到預(yù)測的標(biāo)注圖甲，將其轉(zhuǎn)回原始尺寸。

4.根據(jù)權(quán)利要求3所述的基于語義分割網(wǎng)絡(luò)的生蠔外部形態(tài)測量方法，其特征在于：所述步驟S1-2中計算生蠔外部形態(tài)參數(shù)包括以下步驟：

步驟S4-1：將步驟S3-2標(biāo)注圖甲中屬于生蠔目標(biāo)的像素點集提取出來，即得到生蠔目標(biāo)；

步驟S4-2：根據(jù)步驟S4-1得到的像素點集計算生蠔目標(biāo)的面積，凸包，周長，長度，寬度。

5.根據(jù)權(quán)利要求4所述的基于語義分割網(wǎng)絡(luò)的生蠔外部形態(tài)測量方法，其特征在于：所述步驟S1-2中計算生蠔的外部特征參數(shù)，包括以下步驟：

步驟S5-1：計算粗糙度，粗糙度為周長與凸包之比；

步驟S5-2：計算緊密度，緊密度為周長的平方與4π倍的面積之比；

步驟S5-3：計算延伸率，延伸率為長度與寬度之比。

6.根據(jù)權(quán)利要求1所述的基于語義分割網(wǎng)絡(luò)的生蠔外部形態(tài)測量方法，其特征在于：所述S1-3中利用生蠔外部形態(tài)參數(shù)以及生蠔外部特征參數(shù)訓(xùn)練決策樹對生蠔目標(biāo)進(jìn)行分揀方法，包括以下步驟：

步驟S6-1：人工將生蠔分揀分類，每類給一個標(biāo)簽；

步驟S6-2：對訓(xùn)練集所有的生蠔目標(biāo)圖像，完成生蠔目標(biāo)外形參數(shù)和特征參數(shù)的提取；

步驟S6-3：根據(jù)標(biāo)簽類別，從所有參數(shù)中依次選取一種參數(shù)，并依次計算當(dāng)前參數(shù)的信息熵，直到所有參數(shù)計算完畢，計算公式為：

其中D為當(dāng)前參數(shù)，K為類別數(shù)，p_k為第K類的數(shù)量與訓(xùn)練集的數(shù)量之比；

步驟S6-4：將步驟S6-3中取得的參數(shù)D按照取值從小到大排序，每兩個取值之間有一條劃分線，取一條劃分線將D劃分為子集D^-，D⁺，對每個子集計算信息熵，子集的劃分標(biāo)準(zhǔn)為下列公式：

其中Gain(D)為劃分后參數(shù)D的信息增益， 劃分時，選擇使得Gain(D)最大的劃分點；

步驟S6-5：重復(fù)步驟S6-3和步驟S6-4，直到所有的參數(shù)都計算出信息增益，選擇信息增益最大的參數(shù)作為根節(jié)點；

步驟S6-6：重復(fù)步驟S6-5直到樹達(dá)到指定高度且在測試集上具有較好的效果，則決策樹訓(xùn)練完成；

步驟S6-7：預(yù)測階段：得到目標(biāo)外部特征參數(shù)以及外部形態(tài)參數(shù)，將外部特征參數(shù)以及外部形態(tài)參數(shù)傳入決策樹，利用決策樹預(yù)測目標(biāo)所屬的類別。