[发明专利]一种螃蟹脱壳的红外监测方法和装置

权利要求书

1.一种螃蟹脱壳的红外监测方法，其特征在于，包括以下步骤：

10.以预设时间间隔对螃蟹进行红外摄像，得到监测图像；

20.对所述的监测图像进行图像识别，判断螃蟹数量是否变为两只螃蟹，若识别结果为两只螃蟹则判断为脱壳结束，否则返回步骤10；

30.进行螃蟹脱壳结束的提醒。

2.根据权利要求1所述的一种螃蟹脱壳的红外监测方法，其特征在于：所述的步骤20中对所述的监测图像进行图像识别，主要是通过卷积神经网络的方法进行判断所述的螃蟹数量是否变为两只螃蟹。

3.根据权利要求2所述的一种螃蟹脱壳的红外监测方法，其特征在于：所述的步骤20中通过卷积神经网络的方法进行图像识别，进一步包括以下步骤：

21.收集单只螃蟹样本图像和两只螃蟹样本图像，并进行人工标注分类，将单只螃蟹样本图像标注为脱壳前图像类型，将两只螃蟹样本图像标注为脱壳结束图像类型；

22.将所述的单只螃蟹样本图像和两只螃蟹样本图像输入卷积神经网络系统进行分类模型的训练；

23.将所述的监测图像输入所述的分类模型中进行类型判断，若判断结果为脱壳结束图像类型，则判断为脱壳结束，否则返回步骤10。

4.根据权利要求3所述的一种螃蟹脱壳的红外监测方法，其特征在于：所述步骤21中的单只螃蟹样本图像包括非脱壳期螃蟹样本图像和脱壳过程螃蟹样本图像。

5.根据权利要求3所述的一种螃蟹脱壳的红外监测方法，其特征在于：所述步骤21中的两只螃蟹样本图像包括两只横向并排螃蟹样本图像、两只纵向并排螃蟹样本图像以及两只侧向排列螃蟹样本图像。

6.根据权利要求3所述的一种螃蟹脱壳的红外监测方法，其特征在于：所述步骤22中将所述的单只螃蟹样本图像和两只螃蟹样本图像输入卷积神经网络系统进行分类模型的训练之前，先对所述的单只螃蟹样本图像或两只螃蟹图像进行轮廓提取得到轮廓图，并将轮廓图进行归一化处理后再输入卷积神经网络系统进行分类模型的训练。

7.根据权利要求6所述的一种螃蟹脱壳的红外监测方法，其特征在于：所述步骤23中将所述的监测图像输入所述的分类模型中进行类型判断之前，先对所述的监测图像进行轮廓提取得到监测轮廓图，并将监测轮廓图进行归一化处理后再输入卷积神经网络系统进行分类模型的训练。

8.根据权利要求1所述的一种螃蟹脱壳的红外监测方法，其特征在于：所述的步骤40中进行螃蟹脱壳结束的提醒，主要是通过在远程监控终端通过文字提醒或者声音提醒或者光信号提醒。

9.一种螃蟹脱壳的红外监测装置，其特征在于，其包括：

时钟模块，用于设置摄像的时间间隔；

红外探头，用于在预设的时间间隔对螃蟹进行红外摄像得到监测图像；

卷积神经网络模块，用于将所述的监测图像输入卷积神经网络系统的分类模型中进行类型判断，若判断结果为脱壳结束图像类型，则表示该螃蟹已经脱壳结束；

提醒模块，用于进行螃蟹脱壳结束的提醒。

10.根据权利要求9所述的一种螃蟹脱壳的红外监测装置，其特征在于：所述的红外探头设置在螃蟹养殖区的上方位置。