[发明专利]一种基于图像特征识别鱼体方向的方法及系统

说明书

本申请公开了一种基于图像特征识别鱼体方向的方法及系统。所述方法包括：将待测试鱼体图像输入已创建完成改进的卷积神经网络模型中，得到鱼体各部分类别以及鱼体矩形框坐标；根据鱼体各部分类别以及鱼体矩形框坐标，得到鱼体头尾朝向；将鱼体矩形框内图像转化为灰度图；将灰度图以中心线为中心一分为二；分别计算灰度图上下两部分灰度值的平均值，得到鱼体腹背朝向。所述系统包括：卷积神经网络模块、鱼体头尾朝向输出模块、灰度图模块、拆分模块、鱼体腹背朝向输出模块；本申请采用了改进的改进的卷积神经网络模型，得到了鱼体头尾朝向以及鱼体腹背朝向，从而解决了现有技术中存在识别率与处理量较低的问题。

技术领域

本申请涉及图像识别技术领域，具体而言，涉及一种基于图像特征识别鱼 体方向的方法及系统。

背景技术

目前，随着水产品加工产业的发展以及劳动力成本的持续增加，加工企业 对技术与装备的需求日益增长，如何在加工过程中识别原料，提高加工效率越 来越受关注。目前国内已有的识别鱼的方向的技术主要是根据鱼头和鱼尾重量 的差异、顺鳞逆鳞摩擦角度不同等，实现头尾识别，根据鱼体两侧的对称性、 横向的不对称性和腹背厚度差异等。

然而现有技术中存在识别率与处理量较低的问题，目前尚未提出有效解决 方案。

发明内容

本申请的主要目的在于提供一种基于图像特征识别鱼体方向的方法及系 统，以解决相关技术中识别率与处理量较低的的问题。

为了实现上述目的，第一方面，本申请提供了一种基于图像特征识别鱼体 方向的方法，包括如下步骤：

将待测试鱼体图像输入已创建完成的改进的卷积神经网络模型中，得到鱼 体各部分类别以及鱼体矩形框坐标；

根据鱼体各部分类别以及鱼体矩形框坐标，得到鱼体头尾朝向；

将鱼体矩形框内图像转化为灰度图；

将灰度图以中心线为中心一分为二；

分别计算灰度图上下两部分灰度值的平均值，得到鱼体腹背朝向。

所述已创建完成的改进的卷积神经网络模型，其创建过程如下：

获取历史鱼体图像数据并进行标记分类以及矩形框坐标；

利用卷积层、激活层、池化层、全连接层以及它们之间的组合，建立改进 的卷积神经网络模型，并进行初始化；

将历史鱼体图像数据以及标记分类结果数据输入到改进的卷积神经网络 进行训练，得到预测的鱼体图像数据的分类以及矩形框坐标；

利用损失函数，将预测的鱼体图像数据的分类以及矩形框坐标与标记分类 以及矩形框坐标做比较，若二者差距大于预设定阈值，则改变改进的卷积神经 网络模型的参数，直到差距小于等于预设定阈值，则停止训练，输出已经创建 完成的改进的卷积神经网络模型。

所述利用卷积层、激活层、池化层、全连接层以及它们之间的组合，建立 改进的卷积神经网络模型，过程如下：

将所述历史鱼体图像数据、标记分类结果以及矩形框坐标依次按照顺序分 别输入到第一卷积层、第一激活层、第二卷积层、第二激活层、第一池化层、 第三卷积层、第三激活层、第四卷积层、第四激活层、第二池化层中，得到第 一特征图；

将所述第一特征图进行下采样得到第二特征图；

将所述第一特征图依次按照顺序分别输入到第五卷积层、第五激活层、第 六卷积层、第六激活层、第七卷积层、第七激活层、第八卷积层、第八激活层、 第三池化层、第九卷积层、第九激活层、第十卷积层、第十激活层、第十一卷 积层、第十一激活层、第十二卷积层、第十二激活层、第十三卷积层、第十三 激活层、第四池化层，得到第三特征图；

将第二特征图与第三特征图进行拼接，得到第四特征图；