[发明专利]基于鱼体体色识别模型的鱼体体色识别方法和电子设备

权利要求书

1.一种基于鱼体体色识别模型的鱼体体色识别方法，其特征在于，包括：

构建鱼体体色数据集，所述鱼体体色数据集包括鱼体图像和所述鱼体图像对应的真值标签；

建立初始鱼体体色识别模型，所述初始鱼体体色识别模型是基于YOLOv5s网络模型建立的且具有基于方差灰度世界算法的图像校准功能；

采用训练集对所述初始鱼体体色识别模型进行训练，所述训练集包括从所述鱼体体色数据集中抽取的鱼体图像及对应的真值标签，训练时以所述训练集中的所述鱼体图像和所述真值标签作为输入，所述初始鱼体体色识别模型输出得到鱼体体色预测结果；

根据损失函数得到所述鱼体体色预测结果与所述真值标签之间的误差，通过多次迭代，更新并优化所述初始鱼体体色识别模型的参数，以得到鱼体体色识别模型；

基于所述鱼体体色识别模型，对目标区域内的目标鱼体进行体色识别。

2.根据权利要求1所述的基于鱼体体色识别模型的鱼体体色识别方法，其特征在于，所述建立初始鱼体体色识别模型，所述初始鱼体体色识别模型是基于YOLOv5s网络模型建立的，包括：

基于所述YOLOv5s网络模型，改进所述YOLOv5s网络模型的数据处理模块，使得改进后的所述数据处理模块包括基于方差灰度世界算法的图像校准算法和数据增强算法；

基于所述YOLOv5s网络模型，改进所述YOLOv5s网络模型的骨干网络部分，顺序连接的CBS模块、CBS模块、BottleneckCSP模块、CBS模块、BottleneckCSP模块、CBS模块、BottleneckCSP模块、CBS模块、C3TR模块和HSPP模块构成改进后的所述骨干网络；

基于所述YOLOv5s网络模型，改进所述YOLOv5s网络模型的颈网络部分，改进后的所述颈网络为依次连接的CBS模块、Upsampling2d模块、concat模块、BottleneckCSP模块、CBS模块、Upsampling2d模块、concat模块、BottleneckCSP模块、CBS模块、concat模块、BottleneckCSP模块、CBS模块、concat模块和C3TR模块，且第2个所述BottleneckCSP模块与所述CBS模块连接的同时还与所述YOLOv5s网络模型的头网络的Detect1模块连接，第3个所述BottleneckCSP模块与所述CBS模块连接的同时还与所述头网络的Detect2模块连接，所述C3TR模块与所述头网络的Detect3模块连接；

依次顺序连接改进后的所述数据处理模块、改进后的所述骨干网络、改进后的所述颈网络和所述头网络，得到所述初始鱼体体色识别模型。

3.根据权利要求2所述的基于鱼体体色识别模型的鱼体体色识别方法，其特征在于，所述HSPP模块是基于空间金子塔池化模型和更快金子塔池化模型改进的池化模块，由CBMe、双尺寸的MaxPool、Concat和CBMe顺序连接组成。

4.根据权利要求2所述的基于鱼体体色识别模型的鱼体体色识别方法，其特征在于，所述采用训练集对所述初始鱼体体色识别模型进行训练，所述训练集包括从所述鱼体体色数据集中抽取的鱼体图像及对应的真值标签，训练时以所述训练集中的所述鱼体图像和所述真值标签作为输入，所述初始鱼体体色识别模型输出得到鱼体体色预测结果，包括：

从所述鱼体体色数据集中抽取鱼体图像及对应的真值标签作为训练集；

将所述鱼体图像和所述真值标签输入所述初始鱼体体色识别模型，通过所述图像校准算法对所述鱼体图像基于方差灰度世界算法进行图像校准；

通过所述数据增强模块对校准后的所述鱼体图像进行马赛克增强，以对校准后的所述鱼体图像进行扩增得到增益后鱼体图像及对应的真值标签；

通过改进后的所述骨干网络和改进后的所述颈网络对所述增益后鱼体图像进行特征提取获得特征信息；

基于所述特征信息，通过所述头网络输出所述增益后鱼体图像的鱼体体色预测结果。