[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

说明书

本发明公开一种基于深度学习的水下鱼类形体测量装置及方法，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。本发明在测量时对鱼的损害风险低、测量准确度高、效果好。

技术领域

本发明涉及测量领域，更具体地，涉及一种基于深度学习的水下鱼类形体测量装置及方法。

背景技术

我国作为渔业发展大国，鱼类养殖工厂规模庞大。鱼类生长数据测量在养殖过程中必不可少，关系到企业对鱼类鱼苗投放、饲料的投喂、病害防治、收获捕捞等。

传统鱼类体长测量方法主要靠人工测量，即通过游标卡尺、体重测量器等工具将活鱼打捞出来评估体长体重，但是这种方法耗时较长、劳动密集、效率低、易有遗漏，且给鱼体造成压力、增加损害的风险或降低鱼的进食率而抑制其生长。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的基于深度学习的水下鱼类形体测量装置及方法。

本发明第一实施例提供了一种基于深度学习的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。

优选地，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。

优选地，所述边缘计算设备为带有128个GPU计算单元的Jetson Nano。

优选地，所述第一防水摄像头以及第二防水摄像头的镜头为CCD镜头。

优选地，所述L型支架由不锈钢制成。

优选地，还包括挂接件，所述挂接件连接于所述第一连接臂的两端，以承接所述L型支架。

本发明实施例还提供了一种基于深度学习的水下鱼类形体测量方法，适于应用于如上述的基于深度学习的水下鱼类形体测量装置，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；

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。

优选地，在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之前，还包括：

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。