[发明专利]一种基于改进AlexNet的软壳虾特征提取方法

说明书

本发明公开了一种基于改进AlexNet的软壳虾特征提取方法，包括以下步骤：1)改进传统的AlexNet的第一、二、三、五卷积层，并优化参数；2)可视化改进AlexNet网络中卷积层的输出特征，表征软壳虾目标；3)构造组合分类层结构，融合不同的子分类器，构成组合式分类器。本发明可直接用于对虾养殖加工厂的样本预处理环节，对正常虾和软壳虾分级，实现对虾质量在线评估和测量，以满足虾制产品的精选分级要求。

技术领域

本发明涉及人工智能与机器视觉技术领域，尤其涉及一种基于改进AlexNet的软壳虾特征提取方法。

背景技术

软壳虾是指虾壳触感存在柔软的对虾，从养殖厂池塘捕获的对虾群落中包含有数量庞大的软壳虾群体，它们由于在饲养环境、应激状况及营养状况方面的不同，会导致对虾出现其生长退壳周期发生变化，在对虾尚未脱壳完成之际就被捕获出售，这样在对虾本身属性中会出现不同程度的外壳未发育完全的现象。而对虾养殖场通常为了保证生鲜虾新鲜度或者为了降低对虾产品变质时间，对捕获的对虾群会进行高温高压的蒸煮，这样会导致软壳虾虾体的爆裂，从而对周围的正常虾产生一定的污染，严重降低了对虾制品的外观品质。基于软壳虾和正常虾在外观表现的差异，国际上一些水产品研究组织虽然公开和授权了一些可实施的基于机器视觉技术的对虾分级算法，然而这些方法在一些特定对虾分类问题中是有效的，但是这些专利中还存在一个共同问题：无法有效表征软壳虾的外观特征。软壳虾与正常虾在外观视觉上在多个局部位置存在较为细微的纹理、组织构造及表面光泽度的差异，这些细微特征的提取很难通过人工经验模式所构建模型进行表征，且无法具有泛化性，因此，本专利公开了一种具有自主特征学习的软壳虾特征提取方法，这项技术的发明会为对虾产业中增加了一种软壳虾识别的辅助技术手段。

发明内容

传统对虾识别技术用于识别软壳虾通常存在识别效果不佳、识别时间较长，而无法在对虾加工厂进行大规模应用。为了克服现有技术中存在的缺陷，本发明公开了一种软壳虾的特征提取算法，具体技术方案如下：

1、一种基于改进AlexNet的软壳虾特征提取方法，其特征在于，包括以下步骤：

1)改进AlexNet的第一、二、三、五个卷积层，并优化参数；

2)可视化改进AlexNet网络中卷积层的输出特征，表征软壳虾目标；

3)构造组合分类层结构，融合不同的子分类器，构成组合式分类器。

其中，改进AlexNet的第一、二、三、五个卷积层的步骤包括：

1)把原始AlexNet第一卷积层中的卷积核尺寸由11×11改为7×7；

2)对原始的AlexNet第二、三、五个卷积层进行拆分，各自形成两个独立的子卷积层；

3)按照从左至右的形式对拆分后的卷积层进行卷积核分配，第二层卷积层拆分为两个3×3的子卷积层，第三层卷积层拆分为两个2×2的子卷积层,第五层卷积层拆分为两个2×2的子卷积层；

进一步的，可视化改进AlexNet网络中卷积层输出特征的步骤包括：

1)构造使网络卷积层中神经元线性激活函数达到最大值的特征输出模式；

2)根据最大激活值的特征输出模式，依次获取改进AlexNet网络中每层的软壳虾的可视化特征。

进一步的，对传统AlexNet分类层改进的步骤包括：

在AlexNet的第七全连接层(FC7)和最后的分类层之间，构建组合分类器层，分别把输出特征综合进SVM、RFC、SVDD和AdaBoost中，获取对应的类别子标签。

有益效果

本发明中，所设计的一种基于改进AlexNet的软壳虾特征提取方法的有益效果在于以下两点：