[发明专利]一种基于深层特征融合的鱼类智能分选方法及系统

权利要求书

1.一种基于深层特征融合的鱼类智能分选方法，其特征在于，包括以下步骤：

(1)获取待识别鱼的图像，通过图像预处理定位算法，对图像进行预处理，并对待识别鱼进行实时位置定位；

(2)通过深度学习算法对预处理后的图像进行特征提取，将提取的特征输入预先训练好的基于深层特征融合的卷积神经网络模型中，对图像进行分类，得到待识别鱼的种类，输出识别结果；

(3)鱼类智能分选系统根据识别结果将待识别鱼按照种类进行暂时存放，完成分选。

2.根据权利要求1所述的一种基于深层特征融合的鱼类智能分选方法，其特征在于，所述步骤(1)中，图像预处理定位算法采用背景差分法，采用高斯混合模型对图像的背景进行实时更新，包括以下具体步骤：

(1a)获取摄像头捕获的第一帧图像，作为初始化背景图像；

(1b)调用Opencv图像处理库中的cv.createBackgroundSubtractorMOG2()函数建立高斯混合模型，所述模型中方差阈值设定为25；

(1c)将所述待识别鱼的图像与所述初始化背景图像进行像素减运算，得到目标图像；

(1d)对目标图像进行开运算去噪点，闭运算填充内部空洞；

(1e)调用Opencv图像库中的cv.findContours()函数找出最大连通域，并画出目标位置的最小矩形框，完成对所述待识别鱼的图像的预处理。

3.根据权利要求1所述的一种基于深层特征融合的鱼类智能分选方法，其特征在于，所述步骤(2)中，深度学习算法采用基于深层特征融合的卷积神经网络，包括具体以下步骤：

(2a)建立n个种类的鱼群原始数据集，将所述鱼群原始数据集进行划分，其中80％作为训练集，剩余20％作为测试集，所述鱼群原始数据集的建立，包括以下步骤：

S1.鱼群原始数据集中共有n种鱼类，各个鱼类图像不少于500张，共有n×500张原始图像，其中，图像的色彩通道数为3；

S2.对原始图像数据进行形状缩放，图像大小统一调整至256×256；

S3.进行图像数据增强，对图像进行随机旋转、平移、剪裁；

(2b)搭建基于深层特征融合的卷积神经网络，包含7层卷积层，4层池化层，1层反卷积层，2层上采样层，1层特征拼接层，1层特征融合层；

(2c)将所述训练集输入到所述卷积神经网络中，并使用梯度反向传播的方法进行网络参数更新，将网络输出预测值与真实标签做差，得到差值，并使用所述差值的平方作为网络损失函数，梯度反向传播方法采用Aadm优化器进行优化。