[发明专利]鱼姿势识别方法、装置、设备及存储介质

说明书

本申请涉及一种鱼姿势识别方法、装置、设备及存储介质，方法包括：获取鱼图像；提取所述鱼图像中鱼的特征，根据提取到的鱼的特征，判断所述鱼图像中鱼的姿势是否属于设定的合理姿势，获得判断结果；将所述判断结果作为鱼姿势识别结果。本申请用以能够准确识别鱼姿势，为后续对鱼的科学喂养提供重要参考。

技术领域

本申请涉及计算机技术领域，尤其涉及一种鱼姿势识别方法、装置、设备及存储介质。

背景技术

水产品行业分析表示，世界水产养殖以亚洲最为发达，水产养殖全球占比接近90％。中国是亚洲主要的水产养殖国之一，也是世界上从事水产养殖历史最悠久的国家之一。

由于我国早期消费水平较低，水产品大都出口。经过多年的发展，国内水产品消费量有了很大的增长，同时国内消费市场还有很大的潜力。随着国家经济的发展，人们可支配收入的增加，对水产品的消费能力提升。同时人们的消费观念也正在发生改变，绿色、健康、营养的水产品正日益受到人们的青睐。

为了打造更安全的水产养殖环境，我国逐步引进集装箱养殖方法。集装箱养殖水质是流动的，养殖非常绿色，可高密度养殖。

如何在集装箱养殖场景中，科学养鱼是需要关注的问题。

发明内容

本申请提供了一种鱼姿势识别方法、装置、设备及存储介质，用以能够准确识别鱼姿势，为后续对鱼的科学喂养提供重要参考。

第一方面，本申请实施例提供了一种鱼姿势识别方法，包括：

获取鱼图像；

提取所述鱼图像中鱼的特征，根据提取到的鱼的特征，判断所述鱼图像中鱼的姿势是否属于设定的合理姿势，获得判断结果；

将所述判断结果作为鱼姿势识别结果。

可选地，提取所述鱼图像中鱼的特征，根据提取到的鱼的特征，判断所述鱼图像中鱼的姿势是否是否属于设定的合理姿势，获得判断结果，包括：

将所述鱼图像输入到卷积神经网络模型；

通过所述卷积神经网络模型中的N个网络层级，依次提取所述鱼图像的N个网络层级的特征，并对所述N个网络层级的特征进行整合，得到所述鱼的特征，根据所述鱼的特征判断所述鱼图像中鱼的姿势是否属于设定的合理姿势后，输出判断结果。

可选地，提取所述鱼图像中鱼的特征，根据提取到的鱼的特征之后，所述鱼姿势识别方法还包括：

通过所述卷积神经网络模型根据所述鱼的特征，对所述鱼图像添加用于框选出鱼所在位置的边框。

可选地，所述卷积神经网络模型的训练过程包括：

获取样本图像集合，其中，所述样本图像集合中包括M个样本图像以及每个所述样本图像的鱼姿势类别标识，所述鱼姿势类别标识用于指示所述样本图像中鱼的姿势是否为设定的合理姿势，S个样本图像组成一组样本图像；

分别对所述样本图像集合中的每组样本图像执行以下训练过程：

分别对一组样本图像中的每个样本图像进行以下处理，将所述样本图像输入至初始卷积神经网络模型，依次采用N个网络层级，对所述样本图像进行特征提取，获得N个网络层级的特征，并对所述N个网络层级的特征进行整合，得到所述样本图像中鱼的特征；

根据所述一组样本图像中每个所述样本图像中的鱼的特征，获得所述一组样本图像中鱼的姿势不属于设定的合理姿势的概率值；