[发明专利]一种鲍鱼体型参数的图像测量方法

说明书

一种鲍鱼体型参数的图像测量方法，属于计算机视觉技术领域。通过采集鲍鱼数据集，使用YOLOV3目标检测算法对数据集训练，检测目标鲍鱼和参照物直尺后，裁剪出目标前景。使用canny算子得到鲍鱼边缘，计算其边缘的最小外接矩形框和边缘覆盖的面积。对直尺进行刻度计算，得到像素值和刻度之间的一个比例。将最小矩形长和宽转化为实际长和宽，得到鲍鱼的长和宽。通过长、宽以及鲍鱼所占面积进行特征组合，训练GBDT算法模型，得到鲍鱼体重预测模型，输入检测出的长、宽和面积特征，输出鲍鱼体重。YOLOV3检测出目标后能够结合GBDT模型进行预测。实现自动检测鲍鱼的长度、宽度以及体重，极大地减少人力成本和时间成本。

技术领域

本发明属于计算机视觉技术领域，具体是涉及一种鲍鱼体型参数的图像测量方法。

技术背景

鲍鱼是一种十分常见的海洋生物，不仅美味，而且营养价值极高，深受消费者喜爱。不少工厂都会以鲍鱼作为食品进行加工，而鲍鱼品类大小有所区分，很多时候靠工人的经验进行人工分拣，这对一个经验不足的工人来说难以做到快速正确分拣，因而存在人力效率低、分拣不准确等问题。在科学研究领域，科学家在对鲍鱼进行研究时需要大量的数据集，而这些鲍鱼数据的测量基本都是以人工测量的方式进行标注，占用了不少人工和时间，这对于科学研究来说不是一项重要的关注点，性价比不高。

近年来计算机视觉技术发展迅速，目标检测、视觉定位等技术发展趋近成熟，出现许多目标识别、目标定位的应用，如车牌识别，行人检测等。对鲍鱼进行自动的图像测量是一项非常重要的技术，它的任务是自动检测出鲍鱼的长度、宽度以及鲍鱼的体重。鲍鱼的自动图像测量能够节省不必要的劳动力支出，节约大量时间，做到快速精确测量。目前图像测量的应用技术比较少见，而针对鲍鱼类的图像测量暂时没有相关专利文献记载。

发明内容

本发明的目的是提供可解决鲍鱼的自动化图像测量等问题的一种鲍鱼体型参数的图像测量方法。

本发明包括以下步骤：

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，并进一步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。

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：