[发明专利]一种深海鱼类图像分类识别方法

说明书

本发明公开了一种深海鱼类图像分类识别方法，其特征在于，包括以下步骤：步骤一、根据深海鱼类的鱼鳍位置信息量、鱼大小信息量、鱼尾形状信息量和体色信息量建立鱼类状态多源信息数据库，并将鱼类的状态相似度分为0‑1；步骤二、建立以BP算法为基础的三层神经网络；步骤三、在神经网络工具的基础上设置好各项的参数，并对神经网络进行训练和验证。本发明分别制定鱼类类别状态评估的四类信息打分规则，并结合四类信息的打分采用神经网络作为评估算法，得到综合分数，作为鱼类分类的依据，将各类数据和参数综合起来，全面准确地评估深海鱼类的类别，为深海鱼类分类提供科学依据，可有效开发利用深海鱼类资源，以及达到长远发展的战略意义。

技术领域

本发明涉及电网技术领域，具体为一种深海鱼类图像分类识别方法。

背景技术

我国是世界海洋大国之一，拥有超过300万平方公里的海域，在我国广阔的海域中孕育着极为丰富的生物资源，据统计，我国海洋生物资源高达20278种，其中鱼类约有三千多种，约占世界鱼种的20％，但是我国目前的海洋资源开发利用程度较低，海洋经济发展总体水平并不高；

鱼类识别即是海洋鱼类资源探测的第一步，也是开发利用海洋资源的重要基础，但是由于深海鱼类的形态各异，大小不一，所以相对于其他识别任务的任务复杂性要高的很多，而且同一种鱼类的不同品种通常具有相似的外形、尺寸以及纹理颜色，这更一步增加了鱼类的识别难度，因此展开深海高新技术研究，尤其是深海鱼类相关技术研究，对于我国有效开发利用海洋生物资源以及长远发展具有十分重大的战略意义。

发明内容

本发明的目的在于提供一种深海鱼类图像分类识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种深海鱼类图像分类识别方法，包括以下步骤：

步骤一、根据深海鱼类的鱼鳍位置信息量、鱼大小信息量、鱼尾形状信息量和体色信息量建立鱼类状态多源信息数据库，并将鱼类的状态相似度分为0-1；

步骤二、建立以BP算法为基础的三层神经网络，包括输入层、隐含层和输出层；其中输入层：接受外部的信号与数据，将鱼鳍位置信息量、鱼大小信息量、鱼尾形状信息量和体色信息量的指标作为输入层的节点；

输出层：采用ANN网络中的BP网络模型，通过BP网络神经模型将定性转化为定量输出，综合评估集合输出结果；

隐含层：根据神经元数算法进行网络构建，建立简洁高效的模型；

步骤三、在神经网络工具的基础上设置好各项的参数，并对神经网络进行训练和验证；

步骤四、建立图像采集模块；用于获取深海鱼类图像数据，然后将拍摄的数据图像数据上传到多源信息数据库做进一步处理；

步骤五、分别将鱼鳍位置信息量、鱼大小信息量、鱼尾形状信息量和体色信息量的数据引入训练好的神经网络得到P1、P2、P3和P4的相关数值；

步骤六、根据得到的P1、P2、P3和P4的数值进行计算，得到本次鱼类评估的各状态量的具体值；

步骤七、再输入本次状态评估的各状态量的具体值，输出本次综合评估结果P；

步骤八、将得到的结果P输入多源信息数据库内进行深海鱼类的分类识别。

优选的，可以将状态相似度分为五种状态：0-0.2分为I度相似、0.2-0.4分为II度相似、0.4-0.6分为III度相似、0.6-0.8分为V度相似、0.8-1分为VI度相似。

优选的，步骤三中，所述参数为修正率、训练次数和训练目标误差。

优选的，步骤四中，需要对图像进行预处理，将采集到的鱼类图像进行预处理后，进行读取图片、调整尺寸和数据转换。