[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

说明书

本发明属于人工智能领域，公开了一种基于深度学习的小龙虾头尾分离控制方法，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；之后经防呆计算和坐标数据补偿计算，得到小龙虾头尾分离最优坐标；将小龙虾头尾分离最优坐标发送给机械手，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。此外，本发明还公布了一种使用该方法的系统。采用该方法及系统，能够精确定位小龙虾头尾分离处的坐标，提升小龙虾头尾分离时的效率。

技术领域

本发明涉及人工智能领域，特别涉及一种基于深度学习的小龙虾头尾分离控制方法及其系统。

背景技术

近年来，小龙虾产业发展迅速，养殖产量和面积逐年增大，由小龙虾养殖业衍生地小龙虾加工业也蓬勃发展，配套的冷链物流和配送规模随之扩大，技术不断完善，精深加工稳步发展。多地将小龙虾养殖业作为产业扶贫项目进行重点扶持，进而促进其迅速发展；在此背景下小龙虾加工业也受到了重视，风味小龙虾、虾尾、虾仁等相关产品已见诸市场。

伴随着中国社会经济的快速发展和人均可支配收入的不断提高，消费者对包括水产品在内的食品的需求也从单纯追求数量转变为更加注重质量和安全，加工业越来越受到研究者的关注。小龙虾初级加工产品主要有虾仁、虾尾、整肢的原味虾以及调味小龙虾。在加工过程中，小龙虾通常需要进行去头处理，目前市场上的剥壳去头设备没有一套全自动的设备，通常采用人工摘除的方式去除虾头，去头的速度和效率低，卫生情况不好，容易造成小龙虾的二次污染，一定程度上影响小龙虾的质量。

在传统小龙虾加工产业的工厂中，通常处理量均以吨计，在小龙虾去头的工序中，需要大量人工进行密集作业。在小龙虾食品需求市场蓬勃发展的市场环境下，产能需求越来越大，同时对应而来的食品安全需求越来越严格，传统的手工作业生产模式已经不能满足当下小龙虾食品加工企业的需求。

综上所述，小龙虾的去头加工迫切需要一种自动化去头设备，以智能化的去头设备代替人工、减少小龙虾尾生产成本。如专利CN111832532A提供了一种小龙虾头尾分离的在线视觉控制方法和系统，它能够对小龙虾料进行小龙虾头和小龙虾尾的自动区分识别，为后续进行头尾分离作业提供定位。但是，该技术是基于特征轮廓和灰度进行判定的，不能进行精确定位，不能解决虾脚姿态各异、蜷缩状态各异，不同产地、不同季节虾壳颜色各异，大小各异的小龙虾的精确定位，不能为后续的头尾分离提供便利。

发明内容

针对现有技术中存在的不足之处，本发明的目的是提供一种基于深度学习的小龙虾头尾分离控制方法及系统，其能够解决在小龙虾头尾分离系统中，小龙虾姿态差异大、难以准确识别的问题。

为了实现根据本发明的上述目的和其他优点，本发明的第一目的是提供一种基于深度学习的小龙虾头尾分离控制方法，包括：

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；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；

将小龙虾头尾分离最优坐标发送给机械手，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。

作为优选，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。

作为优选，卷积神经网络包括粗定位模型、分类模型、精定位模型；粗定位模型用于获取小龙虾位置信息及方向信息；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；精定位模型用于获取进行头尾分离时所需坐标信息。