[發明專利]一種魚類規格的測量方法及系統

在審

• 申請號: 202111361057.0
• 申請日: 2021-11-17
• 公開（公告）號: CN114049577A
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 柳春娜;吳必朗;李健源
• 申請（專利權）人: 中國水利水電科學研究院
• 主分類號: G06V20/20
• 分類號: G06V20/20;G01B11/02;G01G17/08;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 趙興華

本發明提供了一種魚類規格的測量方法及系統，方法包括獲取待測魚類圖像；將待測魚類圖像輸入到魚類識別模型中，輸出待測魚類圖像中每條魚的像素魚長；魚類識別模型是利用標注歷史魚類圖像數據集，基于YOLOV5目標檢測模型進行訓練得到的；像素魚長為魚的體長在圖像上所占的像素個數；獲取拍攝待測魚類圖像的攝像頭與待測魚類之間的拍攝距離；根據像素魚長和拍攝距離，確定待測魚類圖像中每條魚的實際體長。本發明通過建立魚類識別模型，能夠實現魚類規格的自動測量，提高了測量的效率和精度，減少了對魚類的損傷。

技術領域

本發明涉及魚類檢測技術領域，特別是涉及一種魚類規格的測量方法及系統。

背景技術

魚類資源調查主要包括在品種識別、魚齡判斷、數量統計、規格(實際體長和體重)測量方面。早期的調查方法主要包括張網捕撈、PIT遙測和聲吶探測等。這些方法存在對魚有損傷，識別不準確、不及時以及效率低下等問題。

上世紀以來，計算機信息技術飛速發展，深度學習在計算機視覺等多個領域取得重大突破，將深度學習的強大能力及優勢運用到魚類圖像識別領域，是對魚類圖像識別的一次重大創新和提升。但是傳統的監測識別方法或深度學習的魚類識別技術用于魚類的品種識別，規格測量仍然依賴于人工測量，測量的效率和精度都很低，且容易對魚類造成損傷。

發明內容

本發明的目的是提供一種魚類規格的測量方法及系統，能夠實現魚類規格的自動測量，提高了測量的效率和精度，減少了對魚類的損傷。

為實現上述目的，本發明提供了如下方案：

一種魚類規格的測量方法，包括：

獲取待測魚類圖像；

將所述待測魚類圖像輸入到魚類識別模型中，輸出待測魚類圖像中每條魚的像素魚長；所述魚類識別模型是利用標注歷史魚類圖像數據集，基于YOLOV5目標檢測模型進行訓練得到的；所述像素魚長為魚的體長在圖像上所占的像素個數；

獲取拍攝所述待測魚類圖像的攝像頭與待測魚類之間的拍攝距離；

根據所述像素魚長和所述拍攝距離，確定待測魚類圖像中每條魚的實際體長。

可選的，在所述根據所述像素魚長和所述拍攝距離，確定待測魚類圖像中每條魚的實際體長之后，還包括：

將所述待測魚類圖像輸入到魚類識別模型中，輸出待測魚類圖像中每條魚的種類；

根據所述待測魚類圖像中多條魚的種類和實際體長，利用種類-實際體長-體重關系確定待測魚類圖像中每條魚的體重。

可選的，在所述獲取待測魚類圖像之前，還包括：

獲取魚類歷史圖像；

將所述魚類歷史圖像中的魚類進行預測框標注和種類標注，得到多張標注歷史魚類圖像作為標注歷史魚類圖像數據集；

將標注歷史魚類圖像中預測框所占的像素個數確定為標注魚類的像素魚長；

以所述標注歷史魚類圖像數據集為輸入，以圖像中每條魚的種類以及像素魚長為輸出，基于YOLOV5目標檢測模型進行訓練，獲取目標魚類的識別權重，得到魚類識別模型。

可選的，所述根據所述像素魚長和所述拍攝距離，確定待測魚類圖像中每條魚的實際體長，具體包括：

獲取所述攝像頭的橫向分辨率和橫向拍攝實際長度；

根據所述橫向分辨率和所述橫向拍攝實際長度，利用公式α＝A/B+β，確定攝像頭的比例因子；

根據所述比例因子和所述像素魚長，利用公式L＝α*d，確定待測魚類圖像中每條魚的實際體長；