[发明专利]一种基于yolov5的鱼类检测与识别方法

说明书

本发明提供一种基于yolov5的鱼类检测与识别方法，包括，获取含有鱼类的若干图片，将获取的若干图片按预定比例分为训练集和验证集，标注训练集中的图片，利用标注工具用矩形框框出图片中的鱼类，并输入鱼类种类名称；传输标记后的图片，所述标记后的图片经过数据增强后传入主干网络。本方法利用yolov5的检测方法即直接给出物体的类别概率和位置，识别速度更快，可以处理大批量鱼类图片，对于鱼类研究和鱼类生态保护时的工作效率提升有着较大的帮助，当经过训练后，yolov5可以达到较高精度，届时使用者只需要将含有鱼的图片输入网络即可输出分类。可以部署到不同的拥有摄像头的电子设备上，来作为检测工具。

技术领域

本发明涉及图像识别领域，具体为一种基于yolov5的鱼类检测与识别方法。

背景技术

随着人口数量的不断增长，相关生产活动也在不断扩张，人类和鱼类的关系也越发密切，如捕食、垂钓、养殖、研究和保护等。然而，生活在不同鱼塘、水域和海域的鱼类，它们的数量和种类都十分繁多，对于普通人与渔业相关从业者来说，会难以区分部分鱼的种类，可能导致非法捕捞或者误食有毒鱼类。对于生态保护和研究人员来说，辨别大量鱼类需要具备专业知识和较多的人力，如果出现难以辨别的鱼类还需要比对资料库中的数据，降低了效率。现在，需要高效的自动检测方法来帮助和鱼类有关的从业人员和民众。

现有的检测和识别方法主要是人工辨别，通过人眼接受信息、在脑中对比已知鱼类以达到识别的目的。这种方法也存在缺陷，人员成本高，需要具有专业知识和经验的人才能更好的分辨较多的鱼类，会导致研究工作进度缓慢。容易出错，不具有经验以及专业知识的人难以识别鱼类，往往容易出错，在垂钓和捕捞时会遇到珍稀鱼类或者有毒鱼类并无法识别，从而导致没有放生或没有正确处理，最终带来损失。人工检测需要一条一条观察，速度缓慢，效率降低。

发明内容

本发明目的在于提供一种基于yolov5的鱼类检测与识别方法，旨在提供检测和识别不同种类的鱼，通过该方法可以批量识别鱼的种类，同时也提升了识别的准确性，避免人为识别过程中发生错误，提高相关产业的整体效率。

为达成上述目的，本发明提出如下技术方案：一种基于yolov5的鱼类检测与识别方法，包括：

获取含有鱼类的若干图片，将获取的若干图片按预定比例分为训练集和验证集；

标注训练集中的图片，利用标注工具用矩形框框出图片中的鱼类，并输入鱼类种类名称；

传输标记后的图片，所述标记后的图片经过数据增强后传入主干网络，并生成标记后的图片的三个第一特征层，再将三个第一特征层分别输入neck部分，产生三个第二特征层并输入给输出端，所述第二特征层用于显示预测框，输出端根据生成的三个第二特征层给出边界框和置信度；

采用非极大值抑制方法，筛选掉重复的边界框，得出预测框，将预测框与标注工具产生框进行对比，并采用GIoU损失函数计算损失，再利用损失函数做反向传播，从而调整yolov5的权重，其中GIoU损失公式如下：

A：标注框矩形；

B：预测框矩形；

C：两个框形成的图像的最小外接矩形，即同时包含了预测框和真实框的最小框的面积；

重复上述过程使yolov5逐渐收敛，并通过验证集的测试不断调整参数，以使其具有泛化能力和精度提升。

进一步的，在本发明中，所述数据增强是通过添加、略微修改的现有数据副本或从现有数据中新建的合成数据来增加数据量。

进一步的，在本发明中，将所述标记后的图片自适应缩放，以适合yolov5需要的大小。