[发明专利]鱼类图像识别方法、系统及设备

说明书

本发明涉及一种鱼类图像识别方法、系统及设备，所述识别方法的步骤为：S 1、采集鱼类图像，对鱼类图像进行筛选、数据增强及尺寸统一处理，并确定分类标签，构建训练数据集；S2、将深度残差网络的每个残差块中加入CBAM模块，构建鱼类图像识别网络；S3、利用训练数据集训练步骤S2中构建的鱼类图像识别网络，训练结束后得到鱼类图像识别模型；S4、对待识别鱼类图像进行筛选、数据增强及尺寸统一处理，利用鱼类图像识别模型对处理后的待识别鱼类图像进行识别，获得识别结果。本发明能够提高常见鱼类图像的识别率，识别准确率能够达到80％以上。

技术领域

本发明属于图像识别技术领域，涉及鱼类图像识别技术，具体地说，涉及一种鱼类图像识别方法、系统及设备。

背景技术

随着人类对海洋资源需求的日益增加，海洋渔业资源越来越受到重视。为了保护海洋生态系统，防止渔民在不恰当的时节捕捞不恰当的鱼类，不少国家与国际组织在渔船甲板上安装了监控摄像头，但由于在海洋作业过程中常见雨浪交杂，水雾弥漫等情况严重影响监控画质，监管者难以辨识画面中的鱼类，并且审查海量的监控视频需要大量的人力资源，且识别准确性差。

发明内容

本发明针对技术存在的上述问题，提供一种鱼类图像识别方法、系统设备，能够准确快速对鱼类进行识别和分类。

为了达到上述目的，本发明提供了一种鱼类图像识别方法，其具体步骤为：

S1、采集鱼类图像，对鱼类图像进行筛选、数据增强及尺寸统一处理，并确定分类标签，构建训练数据集；

S2、将深度残差网络的每个残差块中加入CBAM模块，构建鱼类图像识别网络；

S3、利用训练数据集训练步骤S2中构建的鱼类图像识别网络，训练结束后得到鱼类图像识别模型；

S4、对待识别鱼类图像进行筛选、数据增强及尺寸统一处理，利用鱼类图像识别模型对处理后的待识别鱼类图像进行识别，获得识别结果。

优选的，步骤S1和步骤S4中，所述筛选的具体要求为：去除鱼类特征不清晰或残缺1/3的鱼类图像、去除分辨率低于100的鱼类图像以及去除与某鱼类类别不同的鱼类图像。

优选的，步骤S1和步骤S4中，所述数据增强采用torchvision图像库操作，具体包括：对图像进行水平翻转、随机裁剪、添加高斯噪声、图像亮度调节及随机旋转变换。

优选的，所述CBAM模块包括顺序设置的通道注意力模块和空间注意力模块，给定一张输入特征图，CBAM模块沿着通道注意力模块和空间注意力模块两个单独的维度依次推断得到注意力图，然后将注意力图与输入特征图相乘，得到细化的自适应特征图，该自适应特征图为CBAM模块的最终输出特征图，表示为：

式中，F为最终特征输出图，表示元素相乘，F'为通道注意力模块得到输出特征图，M_C(F)为通道注意力模块推断得到的通道注意力图，M_s(F')为空间注意力模块推断得到的空间注意力图，F为输入特征图。

优选的，所述通道注意力模块通过使用平均池化和最大池化操作聚集输入特征图F的空间信息，生成两个不同的空间背景描述符，将两个描述符转发到一个由多层感知器MLP组成的共享网络，产生通道注意图，其中共享网络中含有一个隐藏层。

优选的，在共享网络应用于每个描述符后，使用元素相加法合并输出特征向量，得到通道注意力图，表示为：