[发明专利]基于深度学习的小龙虾头尾分离控制方法及其系统

权利要求书

1.一种基于深度学习的小龙虾头尾分离控制方法，其特征在于，包括如下步骤：

获取待测小龙虾位姿图像，并对图像进行预处理；采用深度学习后的卷积神经网络对所述预处理后的小龙虾位姿图像进行识别，得到小龙虾位姿信息；所述小龙虾位姿信息包括小龙虾位置信息、方向信息、姿势信息及进行头尾分离时所需坐标信息；

对所述小龙虾位姿信息进行防呆计算，得到小龙虾位姿优化信息；

对所述小龙虾位姿优化信息进行坐标数据补偿计算，得到小龙虾头尾分离最优坐标；

将所述小龙虾头尾分离最优坐标发送给机械手，所述机械手根据小龙虾头尾分离最优坐标实现小龙虾头尾分离。

2.根据权利要求1所述的基于深度学习的小龙虾头尾分离控制方法，其特征在于，所述预处理包括将小龙虾位姿图像转化为平面直角坐标系及极坐标系下的小龙虾位姿图像。

3.根据权利要求1所述的基于深度学习的小龙虾头尾分离控制方法，其特征在于，所述卷积神经网络包括粗定位模型、分类模型、精定位模型；所述粗定位模型用于获取小龙虾位置信息及方向信息；所述分类模型用于获取姿势信息并对小龙虾姿势及种类进行标记及分类；所述精定位模型用于获取进行头尾分离时所需坐标信息。

4.根据权利要求3所述的基于深度学习的小龙虾头尾分离控制方法，其特征在于，所述分类模型在分类小龙虾姿势时包括将小龙虾姿势标记分类为侧躺、斜面仰、正趴、斜面趴、第一正仰及第二正仰；其中，所述第一正仰为小龙虾露出大于等于三对小脚的姿态；所述第二正仰为露出小于三对小脚的姿态。

5.根据权利要求3所述的基于深度学习的小龙虾头尾分离控制方法，其特征在于：所述进行头尾分离时所需坐标信息包括小龙虾的虾头坐标和/或头尾连接处坐标或虾嘴坐标。

6.根据权利要求1所述的基于深度学习的小龙虾头尾分离控制方法，其特征在于，所述防呆计算包括检测得出小龙虾不同姿态下点坐标位置及方向与预设坐标偏差和偏差后纠偏计算。

7.根据权利要求1所述的基于深度学习的小龙虾头尾分离控制方法，其特征在于，所述坐标数据补偿计算包括2D平面补偿、3D高度补偿、重复数据剔除补偿、位置补偿、最优坐标筛选补偿、体积补偿。

8.根据权利要求7所述的基于深度学习的小龙虾头尾分离控制方法，其特征在于，所述2D平面补偿通过算法用于调整不同体积小龙虾的点坐标；其中，所述算法包括确定头尾连接处坐标(x₁，y₁)，小龙虾虾头到头尾交接点距离d；依据小龙虾虾头到头尾交接处的标准距离D，小龙虾标准长度D时的X方向补偿固定值offsetX和Y方向补偿固定值offsetY，通过平面补偿公式计算得到头尾连接处校正坐标(x₁’，y₁’)；所述平面补偿公式为：

9.根据权利要求7所述的基于深度学习的小龙虾头尾分离控制方法，其特征在于，所述3D高度补偿通过算法用于调整不同高度平面的点坐标；其中，所述算法包括确定抓取龙虾虾头坐标(x₀，y₀),头尾连接处坐标(x₁，y₁)，龙虾高度D；依据龙虾标准高度H，标准高度龙虾视野中心坐标(w₁，h₁)，每毫米高度偏差值比例系数C通过高度补偿公式计算得到虾头校正坐标(x₀’，y₀’)，头尾连接处校正坐标(x₁’，y₁’)；所述高度补偿公式为

10.一种基于深度学习的小龙虾头尾分离系统，其特征在于，其应用权利要求1～9任一项所述的控制方法，包括图像获取模块、图像处理模块、数据优化模块、数据补偿模块、分离机械手；其中，

所述图像获取模块用于获取小龙虾位姿图像，其包括光源、相机以及图像传感器；

所述图像处理模块用于接收所述图像获取模块对获取的小龙虾位姿图像，并应用所述控制方法的卷积神经网络获取小龙虾位姿信息；

所述数据优化模块用于接受所述图像处理模块获取的小龙虾位姿信息，并应用所述控制方法的防呆计算获取小龙虾位姿优化信息；

所述数据补偿模块用于接受数据优化模块获取的小龙虾位姿优化信息，并应用所述控制方法的坐标数据补偿计算获取小龙虾头尾分离最优坐标；

所述分离机械手用于接受所述小龙虾头尾分离最优坐标并通过机械手操作实现小龙虾头尾分离。