[发明专利]一种基于深度学习的水下鱼类形体测量装置及方法

权利要求书

1.一种基于深度学习的水下鱼类形体测量方法，适于应用于基于深度学习的水下鱼类形体测量装置，所述水下鱼类形体测量装置包括：适于放置于水下的第一防水摄像头以及第二防水摄像头、L型支架、至少一个水下照明设备以及边缘计算设备；其中，所述边缘计算设备与所述第一防水摄像头以及第二防水摄像头通信连接；所述L型支架包括相互连接的第一连接臂以及第二连接臂；所述第一防水摄像头设置于所述第一连接臂，且在第一防水摄像头附近设置有水下照明设备；所述第二防水摄像头设置于所述第二连接臂，且在第二防水摄像头附近设置有水下照明设备；其特征在于，包括：

将所述L型支架沉入水中，并开启所述水下照明设备、第一防水摄像头以及第二防水摄像头；

基于所述边缘计算设备预置的深度学习模型，对鱼体图像进行检测和分割，对分割后的鱼体图像进行姿态矫正，将其旋转成横向摆放；

引入矩形长宽比约束，设置一个阈值，将长宽比小于阈值的鱼体图像筛除掉，从而获得体型较直的鱼体图像；

将所述第一防水摄像头以及第二防水摄像头采集的鱼体图像发送给边缘计算设备；其中，所述第一防水摄像头获取鱼体上方图像，所述第二防水摄像头获取鱼体侧面图像；

由所述边缘计算设备根据所述鱼体上方图像以及鱼体侧面图像计算得到鱼体在图像中的第一形体参数；

根据鱼体在图像中的第一形体参数，获得鱼体实际的第二形体参数。

2.根据权利要求1所述的基于深度学习的水下鱼类形体测量方法，其特征在于，所述鱼体在图像中的第一形体参数包括鱼体在图像中的长度、宽度、高度；则由所述边缘计算设备根据所述鱼体上方图像以及鱼体侧面图像计算得到鱼体在图像中的第一形体参数包括：

根据所述鱼体上方图像计算鱼体在图像中的长度以及宽度；

根据所述鱼体侧面图像计算鱼体在图像中的高度。

3.根据权利要求2所述的基于深度学习的水下鱼类形体测量方法，其特征在于，根据所述鱼体上方图像计算鱼体在图像中的长度以及宽度具体包括：

根据所述深度学习方法从鱼体上方图像中分割出鱼体区域图像；

对所述鱼体区域图像进行二值化，获得二值化图像；

根据所述二值化图像获取鱼体区域图像中鱼体的轮廓图像；

根据所述鱼体的轮廓图像获取鱼体的轮廓对应的各像素点的坐标值；

根据所述鱼体的轮廓对应的各像素点的坐标值，计算鱼体在鱼体上方图像中的长度以及宽度。

4.根据权利要求2所述的基于深度学习的水下鱼类形体测量方法，其特征在于，鱼体实际的第二形体参数包括鱼体的体长、体宽以及体高；

则根据鱼体在图像中的第一形体参数，获得鱼体实际的第二形体参数具体如下：

L＝p₁d₁/a (1)

W＝p₂d₁/a (2)

H＝p₃d₂/b (3)

其中L为鱼体的体长，W为鱼体的体宽，H为鱼体的体高，p₁为鱼体在鱼体上方图像中的长度，p₂为鱼体在鱼体上方图像中的宽度，p₃为鱼体在鱼体右侧图像中的高度，a、b为预设距离，d₁为鱼体距离第一防水摄像头的距离，d₂为鱼体距离第二防水摄像头的距离。

5.根据权利要求1所述的基于深度学习的水下鱼类形体测量方法，其特征在于，所述水下鱼类形体测量装置还包括配重块，所述配重块固定在所述第一连接臂或者第二连接臂上。

6.根据权利要求1所述的基于深度学习的水下鱼类形体测量方法，其特征在于，所述边缘计算设备为带有128个GPU计算单元的Jetson Nano。