[发明专利]一种鲍鱼体型参数的图像测量方法

权利要求书

1.一种鲍鱼体型参数的图像测量方法，其特征在于包括以下步骤：

1)采集并且标注鲍鱼数据集，每张样本包含鲍鱼和参照物直尺，手工测量记录鲍鱼的实际长度、宽度和体重，并按照1︰1的比例划分训练集和测试集；

2)使用YOLOV3目标检测网络对训练数据集进行学习，识别鲍鱼和直尺，获得基于YOLOV3神经网络的检测模型；

3)使用步骤2)所得基于YOLOV3神经网络的检测模型检测样本图片中的鲍鱼和直尺，并裁剪出鲍鱼目标图像；

4)用边缘检测算法Canny算子检测步骤3)所得鲍鱼目标图像中的鲍鱼边缘轮廓，计算边缘轮廓的最小外接矩形框长度和宽度，然后计算边缘轮廓面积；

5)将步骤4)所得鲍鱼的长度、宽度、面积以及实际体重经过特征组合后作为GBDT算法的训练样本，输出为鲍鱼的体重预测，训练鲍鱼体重预测模型；

6)测试阶段，使用步骤2)所得基于YOLOV3神经网络的检测模型推理测试数据集，得到鲍鱼和直尺的检测结果，并裁剪出鲍鱼目标图像和直尺目标图像；

7)使用投影定位法确定步骤6)所得直尺目标图像中的直尺两端的位置，根据刻度和像素占比得到转化比例；

8)根据转化比例将鲍鱼的长度和宽度转化映射为实际大小，并使用训练好的GBDT模型预测鲍鱼的体重；

9)将鲍鱼的长度、宽度和GBDT算法预测的体重输出。

2.如权利要求1所述一种鲍鱼体型参数的图像测量方法，其特征在于在步骤2)中，所述YOLOV3目标检测网络的backbone为darknet53网络，一共53个卷积层；图像样本经过darknet53网络进行特征提取之后，通过上采样的方式得到3个大小不同的特征图进行目标检测，分别是13×13特征图，26×26特征图，52×52特征图；其中YOLOV3的训练目标函数公式包括以下部分：

其中，表示第i个网格的第j个anchor box是否负责obj，若不负责为负责为1，为目标的真实中心坐标，为目标的预测宽度，为目标的预测高度，为目标的真实宽度，为目标的真实高度，表示置信度，取值由网格的bounding box决定，若该bounding box负责该目标，则否则为0；P_i^j为预测类别概率，为真实类别概率。

3.如权利要求1所述一种鲍鱼体型参数的图像测量方法，其特征在于在步骤5)中，所述GBDT算法为梯度提升回归模型，具体包含以下步骤：

(1)假设输入的训练样本D＝(x₁，y₁)，(x₂，y₂)，...，(x_n，y_n)，最大迭代次数T，损失函数为L；输出是强学习器f(x)；

(2)初始化弱学习器：c为所有样本的平均值；

(3)对于迭代轮数t＝1，2，...，T有：

(3.1)对样本i＝1，2，3，...，n，计算负梯度：

(3.2)利用(x_i,r_ti)，i＝1,2,…,n,拟合一颗CART回归树，得到第k颗回归树，其对应的叶子节点区域为R_kj，j＝1,2,…,J；其中J为回归树k的叶子节点区域个数；

(3.3)对叶子节点区域R_kj，计算最佳拟合值：

(3.4)更新强学习器：

(4)获得强学习器f(x)的表达式：

4.如权利要求1所述一种鲍鱼体型参数的图像测量方法，其特征在于在步骤5)中，所述特征组合的方式为笛卡尔积组合。

5.如权利要求1所述一种鲍鱼体型参数的图像测量方法，其特征在于在步骤7)中，所述使用投影定位法确定步骤6)所得直尺目标图像中的直尺两端的位置，根据刻度和像素占比得到转化比例的具体方法是将裁剪出的直尺首先进行霍夫变换直线检测，根据直尺上的直线，将直尺矫正为水平，然后使用投影定位法定位直尺两端，计算转化比例,具体步骤包括：

(1)将裁剪的直尺图片灰度化，然后进行阈值分割二值化，灰度值为0时表示刻度线；

(2)按照竖直方向将刻度线进行投影，然后根据投影的两端，计算其像素值大小；

(3)通过刻度值和两端像素长度计算转化比例。