[发明专利]一种基于YOLOv3-Lite的混养鱼群行为检测的方法、装置及系统

权利要求书

1.一种基于YOLOv3-Lite的混养鱼群行为检测的方法，其特征在于，包括：

分别获取不同养殖环境下的鱼群影像；

对所述鱼群影像进行预处理，得到第一鱼群图像；

将所述第一鱼群图像输入目标网络模型得到鱼群行为检测结果，其中，所述目标网络模型通过将所述第一鱼群图像输入初始网络模型进行训练获得。

2.根据权利要求1所述的方法，其特征在于，所述分别获取不同养殖环境下的鱼群影像，包括：

通过设置饥饿程度、含氧量条件得到不同养殖环境；

将多种鱼类放置于所述养殖环境进行饲养，并获取不同养殖环境下对应的鱼群影像。

3.根据权利要求2所述的方法，其特征在于，对所述鱼群影像进行预处理，得到第一鱼群图像，包括：

通过对所述鱼群影像进行数据增强、数据降噪以及数据增广处理得到所述第一鱼群图像。

4.根据权利要求3所述的方法，其特征在于，在将所述第一鱼群图像输入目标网络模型得到鱼群行为检测结果之前，还包括：

构建所述初始网络模型，其中所述初始网络模型包括改进主干网络结构、改进池化网络结构和改进损失函数，其中，所述改进主干网络结构用于将输入的所述第一鱼群图像进行扩展信道维数，实现深度卷积后得到降维特征图像；

所述改进池化网络结构用于将不同维度的所述降维特征图像转换为相同维度的特征图像，还可以用于将不同尺度的所述降维特征图像进行融合得到融合特征图像；

所述改进损失函数用于结合GIoU的损失函数，对所述融合特征图像进行其损失函数的计算，若所述融合特征图像的损失函数大于预设改进函数阈值，则获得所述鱼群行为检测结果。

5.根据权利要求4所述的方法，其特征在于，将所述第一鱼群图像输入目标网络模型得到鱼群行为检测结果，包括：

所述目标网络模型通过使用精度、召回率以及交兵比三个指标来获得所述鱼群行为检测结果。

6.根据权利要求5所述的方法，其特征在于，在将所述第一鱼群图像输入目标网络模型得到鱼群行为检测结果之后，还包括：

通过分析不同光照以及能见度的饲养变化环境中所述鱼群行为检测的精度，验证所述目标网络型的鲁棒性。

7.一种基于YOLOv3-Lite的混养鱼群行为检测的装置，应用于权利要求1-6中任一项所述混养鱼群行为检测的方法，其特征在于，所述装置包括：

水箱、面阵光源、氧传感器、数据相机、生物滤池、固体废弃物过滤器、制氧机以及终端；

其中所述面阵光源设置于所述水箱外的预设距离处，且为所述水箱提供光照；

所述数据相机、氧传感器均设置于所述水箱中，所述数据相机用于获取所述鱼群影像，所述氧传感器用于检测所述水箱中的氧气含量；

所述制氧机设置于所述水箱外与所述氧传感器连接，用于根据所述氧气含量向所述水箱输入氧气；

所述终端设置于所述水箱外与所述数据相机连接，用于将输入的鱼群影像进行处理得到鱼群行为检测结果；

所述生物滤池和所述固体废弃物过滤器连接设置于所述水箱外，过滤水中食物残渣以及鱼类粪便。

8.根据权利要求7所述的装置，其特征在于，所述面阵光源由120个圆周排布的LED点光源组成；

所述数据相机设置为两台Go-pro Hero 7black水下数码运动相机。

9.一种基于YOLOv3-Lite的混养鱼群行为检测的系统，其特征在于，包括存储器和处理器，存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-6任一项所述的混养鱼群行为检测的方法。

10.一种计算机刻度可读存储介质，其上存储有计算机程度，其特征在于，该程序被处理器执行时实现权利要求1-6任一项所述的混养鱼群行为检测的方法。