[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

说明书

本发明提供一种基于鱼体体色识别模型的鱼体体色识别方法和电子设备。该方法包括：构建鱼体体色数据集，鱼体体色数据集包括鱼体图像和对应的真值标签；建立初始鱼体体色识别模型，初始鱼体体色识别模型是基于YOLOv5s网络模型建立的；采用训练集对初始鱼体体色识别模型进行训练，训练时以训练集中的鱼体图像和真值标签作为输入，初始鱼体体色识别模型输出得到鱼体体色预测结果；根据损失函数得到鱼体体色预测结果与真值标签之间的误差，通过多次迭代，更新并优化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。该方法对鱼体体色的识别准确率较高。

技术领域

本发明涉及鱼体体色识别技术领域，尤其涉及一种基于鱼体体色识别模型的鱼体体色识别方法和电子设备。

背景技术

鱼体体色不仅可以反应鱼体的生理机能，也是决定其市场价值和经济价值的重要属性之一。东星斑属于鮨科石斑鱼，近年来因其鲜艳体色成为极具经济价值和观赏价值的代表性鱼种之一，体色直接影响到其价值和销量。东星斑体色的检测研究不仅有利于着色饲料的配比调整，能够节约养殖成本，而且有利于实现品质分级、估算养殖区域中东星斑的总体经济价值，因此检测东星斑体色对于水产养殖调节和经济收益评估都具有重要意义。

在工厂化的养殖车间中，光源是需要综合考量鱼类的生长特性以及生产养殖需求来调整的并不是持续稳定的；且海水对光线的折射和吸收作用也会产生较为严重的图像偏色问题。因此，鱼体体色识别需要在图像校准的基础上进行实现。

目前，对于图像颜色校准的方法主要有两类：基于图像恢复的方法和基于数据驱动的方法。基于图像恢复的方法是通过利用先验知识，将图像恢复到退化之前的效果。基于数据驱动的方法是选用采集或者增益后的数据集训练颜色校准网络模型，用以后续的颜色校准。基于数据驱动的方法能够较好地保证了颜色恒常性，但参数量繁多不易于搭载鱼体体色识别网络；基于图像恢复的方法能够易于搭载体色识别网络，但更着重于全局颜色校准，局部细节校准效果较差。

发明内容

本发明提供一种基于鱼体体色识别模型的鱼体体色识别方法和电子设备，用以解决现有技术中对鱼体体色识别准确率低的问题，实现一种对鱼体体色具有较高识别率的模型的建立方法，以对鱼体体色进行识别。

本发明提供一种基于鱼体体色识别模型的鱼体体色识别方法，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。

根据本发明提供的一种基于鱼体体色识别模型的鱼体体色识别方法，所述建立初始鱼体体色识别模型，所述初始鱼体体色模型是基于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；