[发明专利]一种基于神经网络的鱼体鱼病检测方法及系统

权利要求书

1.一种基于神经网络的鱼体鱼病检测方法，其特征在于，包括如下步骤：

(1)采集鱼体鱼病图像数据和视频数据，并对所述鱼体鱼病数据进行预处理；

(2)构建改进的YOLO v4网络模型，包括加入通道注意力机制，优化特征提取模块；引入GELU激活函数；以及使用深度可分离卷积改进特征融合模块；

(3)使用预处理后的所述鱼体鱼病数据对所述改进的YOLO v4网络模型进行训练及验证，获取最优的所述改进的YOLO v4网络模型；

(4)将实时采集的鱼类视频数据导入最优的所述改进的YOLO v4网络模型进行养殖中的鱼病监测与预警。

2.根据权利要求1所述的基于神经网络的鱼体鱼病检测方法，其特征在于，所述对所述鱼体鱼病数据进行预处理包括：

(1.1)通过视频切割将获取到的所述鱼体鱼病视频数据切割为图像数据，与所述鱼体鱼病图像数据一起通过裁减和填补的方式将图像像素处理到416×416，得到数据集图像；

(1.2)根据鱼体鱼病的特征对所述数据集图像进行筛选和分类，获取鱼体鱼病病害的类别；

(1.3)根据分类的结果对所述数据集图像使用LabelImg进行标注；

(1.4)将所述数据集图像按照8:1:1的比例分为训练集、验证集和测试集；

(1.5)将训练集中的图像通过调整图像的尺寸、亮度、高斯模糊度、水平翻转、从-10°至10°的图像旋转进行数据增强；

(1.6)使用Mosaic数据增强方法将步骤(1.5)处理后的图像数据进一步增强；

(1.7)使用步骤(1.6)中增强后的所述训练集与所述验证集训练所述改进的YOLO v4网络模型。

3.根据权利要求2所述的基于神经网络的鱼体鱼病检测方法，其特征在于，所述Mosaic数据增强方法包括：每次从所述训练集图像中随机取出4张图片，依次以一个随机位置的十字线裁剪，取对应的部分进行拼接，合成为新图片。

4.根据权利要求1所述的基于神经网络的鱼体鱼病检测方法，其特征在于，所述加入通道注意力机制，优化特征提取模块包括：使用由BatchNorm和基于通道注意力机制构成的MoblieNet v3特征提取模块替换YOLO v4原特征提取模块，提升YOLO v4网络对于鱼类的特征提取能力。

5.根据权利要求1所述的基于神经网络的鱼体鱼病检测方法，其特征在于，所述引入GELU激活函数包括：将YOLO v4网络使用的Mish激活函数和特征提取模块中的ReLU激活函数替换为GELU激活函数，所述GELU激活函数的公式为：

式中，x表示由特征提取模块提取到的鱼体鱼病特征信息。

6.根据权利要求1所述的基于神经网络的鱼体鱼病检测方法，其特征在于：所述使用深度可分离卷积改进特征融合模块是指使用所述深度可分离卷积替换YOLO v4网络中的5×5卷积核；所述深度可分离卷积通过将原始卷积的卷积核叠加过程分离，先通过3×3卷积将每个输入通道的特征图进行逐通道卷积，通道和卷积核一一对应，再通过1×1输入通道的卷积块对上个卷积核的结果进行逐点卷积将输出的特征图叠加为一个输出特征图，最后根据输出通道数增加1×1卷积核数量得到符合输出通道数的特征图。