[发明专利]一种水下海参识别方法及系统

权利要求书

1.一种水下海参识别方法，其特征在于，包括：

获取水下海参图像；

将所述水下海参图像输入到预设的基于YOLOv3网络的海参识别模型中，通过模型计算，获得水下海参图像中海参的位置信息，输出海参检测图像。

2.根据权利要求1所述的方法，其特征在于，所述获取水下海参图像的步骤之后，还包括：

通过多尺度卷积神经网络MSCNN去躁算法，对所述水下海参图像进行降噪处理，获得降噪后的水下海参图像。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取多张包含海参的水下图像，对所包含海参的水下图像中的海参通过标注框进行标注，构建训练样本集，

通过所述训练样本集，对YOLOv3网络进行训练，获得基于YOLOv3网络的海参识别模型。

4.根据权利要求3所述的方法，其特征在于，所述对所包含海参的水下图像中的海参通过标注框进行标注的步骤，具体包括：

将所述包含海参的水下图像中的海参通过倾斜矩形框进行标注，计算获得所述倾斜矩形框的边界框中心坐标、边界框的宽、边界框的高和边界框的倾斜角度。

5.根据权利要求4所述的方法，其特征在于，所述通过所述训练样本集，对YOLOv3网络进行训练，获得基于YOLOv3网络的海参识别模型的步骤具体包括：

将所述包含海参的水下图像输入到YOLOv3网络中，获取目标尺度的特征图谱；

对所述包含海参的水下图像划分为多个网格单元，在每个所述网格单元中设定一定数量的先验锚框，将所述先验锚框和所述训练样本集中对应的包含海参的水下图像中的倾斜矩形框映射到所述目标尺度的特征图谱中，将所述特征图谱中先验锚框标出的候选区域与映射在特征图谱中的标注倾斜矩形框进行比对，获取所述候选区域与所述倾斜矩形框的重叠面积；

将所述候选区域与所述倾斜矩形框的重叠面积大于第一预设阈值的候选区域标注为正样本；

将所述候选区域与所述倾斜矩形框的重叠面积小于第二预设阈值的候选区域标注为负样本。

6.根据权利要求5所述的方法，其特征在于，所述获取目标尺度的特征图谱的步骤还包括：

获取多个在不同目标尺度下的特征图谱，将所述先验锚框和所述训练样本集中对应的包含海参的水下图像中的倾斜矩形框映射到所述多个不同目标尺度的特征图谱中，将所述多个不同尺度下的特征图谱中先验锚框标出的候选区域与映射在特征图谱中的标注倾斜矩形框进行比对，获取所述候选区域与所述倾斜矩形框的重叠面积。

7.根据权利要求5所述的方法，其特征在于，所述将所述候选区域与所述倾斜矩形框的重叠面积大于预设阈值的候选区域标注为正样本的步骤之后，还包括：

通过软非极大值抑制算法，对所述包含海参的水下图像中，任一所述网格单元内的多个候选区域进行筛选，将其中得分最高的候选区域作为所述任一海参的目标候选区域，将与得分最高的候选区域重叠的候选框用分数衰减函数重置得分。

8.一种水下海参识别系统，其特征在于，包括：

图像获取模块，用于获取水下海参图像；

识别模块，用于将所述水下海参图像输入到预设的基于YOLOv3网络的海参识别模型中，通过模型计算，获得水下海参图像中海参的位置信息，输出海参检测图像。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述水下海参识别方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述水下海参识别方法的步骤。