一种基于目标检测的海洋牧场鱼类产量评估方法

本发明涉及智慧养殖领域，特别涉及一种基于目标检测的海洋牧场鱼类产量评估方法。

背景技术：

1、基于目标检测的鱼类产量评估（数量统计）在渔业资源研究、水产养殖、鱼类物种保护等领域具有广泛的应用前景。鱼类目标检测任务是通过识别图像中的所有鱼类目标，确定其大小和位置，从而进一步识别其类别。

2、目前主流的鱼类目标检测方法主要分为传统方法和基于深度学习的方法，中国发明专利cn114170497b公开了一种基于注意力模块的多尺度水下鱼群检测方法，其中记载了基于优化的yolov4检测框架实现水下鱼群检测的方法，通过增加eca注意力机制使网络专注鱼体特征学习，克服背景干扰，改进panet连接增加多尺度信息，加强特征提取，从而提高检测精度。

3、受水下环境复杂性的影响，面对光照条件变化和复杂背景，如礁石、珊瑚、水草海藻等悬浮物和浑浊水体，基于特征学习的检测方法在目标检测准度方面的性能大打折扣，针对该问题，上述发明公开通过数据增强步骤（使用msrcr算法作增强处理），以解决水下鱼群图像光线不足的问题，然而，仅仅对图像的清晰度作整体处理，无法克服水下复杂环境的影响，例如在面对动态变化的水草、珊瑚和其他移动的海洋生物时，检测模型仍会存在误检和漏检的现象。因此，针对性地处理模型的初始输入图像，是提高基于目标检测的鱼类产量评估质量的关键。

技术实现思路

1、本发明的目的在于提出一种基于目标检测的海洋牧场鱼类产量评估方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

2、本发明提供了一种基于目标检测的海洋牧场鱼类产量评估方法，获取海洋牧场中的多张水下鱼群图像，记为多张第一图像，分别对多张第一图像进行点模处理，得到多张第二图像，初始化一个目标检测模型，将多张第二图像作为该模型的输入，通过目标检测模型，输出海洋牧场中鱼类产量的统计结果。所述方法能够充分提升海洋牧场鱼类产量评估的精确度和可靠性，通过对图像的预处理，减少部分不相关像素的影响，使得检测模型在处理图像时更为高效，并进一步降低图像内噪声对于检测过程中的资源消耗，使得鱼类产量在复杂的水下环境中也能被较好的评估和统计。

3、为了实现上述目的，根据本发明的一方面，提供一种基于目标检测的海洋牧场鱼类产量评估方法，所述方法包括以下步骤：

4、获取海洋牧场中的多张水下鱼群图像，记为多张第一图像；

5、分别对多张第一图像进行点模处理，得到多张第二图像；

6、初始化一个目标检测模型，将多张第二图像作为该模型的输入；

7、通过目标检测模型，输出海洋牧场中鱼类产量的统计结果。

8、进一步地，获取海洋牧场中的多张水下鱼群图像，记为多张第一图像的方法具体为：在海洋牧场中的不同位置，分别部署多个水下摄像头，通过这多个水下摄像头分别在各自位置进行拍摄，得到多张水下鱼群图像，将这多张水下鱼群图像记为多张第一图像，并将所有第一图像传输至中继端；

9、其中，水下摄像头为高分辨率水下摄像头，中继端为部署在海洋牧场附近的数据中继节点，数据中继节点用于收集和暂存图像数据并通过无线或有线的方式将图像数据传输至数据处理中心，所有水下摄像头通过水下光通信方式与中继端实现数据（图像）传输。

10、进一步地，分别对多张第一图像进行点模处理，得到多张第二图像的方法具体为：

11、在数据处理中心，对接收到的多张第一图像分别进行点模处理，将点模处理完成的第一图像记为第二图像。

12、进一步地，对第一图像进行点模处理，得到第二图像的方法具体为：

13、记第一图像内含有p个像素（p的具体数值随第一图像的大小变化而变化），以pw(i)表示这p个像素中的第i个像素，每个像素对应有像素值；

14、对第一图像进行前景提取，得到前景部分，记前景部分内含有q个像素，并记这q个像素对应的像素值总和为sq，从第一图像的p个像素中筛选出点模像素；

15、在第一图像中，依次地对每个点模像素所对应的点模区域进行点模化，将点模化完成后的第一图像记为第二图像。

16、本步骤的有益效果为：在对鱼类数量的检测过程中，因为是基于二维图像实现的目标检测，图像中含有的非鱼类的像素部分会影响检测的准确度，例如错把一些水下环境的物体组合识别成鱼，因此需要把这些非鱼类的像素部分进行处理，以提高检测和评估的正确率，本步骤的方法通过对每个点模像素所对应的点模区域进行点模化，点模像素即这些非鱼类的像素部分的像素中心，其所对应的点模区域即为这些非鱼类的像素部分以及周边的像素，引入周边的像素作为点模区域进行点模化，是为了降低非鱼类的像素部分在目标检测任务的求解回归问题环节中的权重，从而避免将非鱼类的像素部分识别为鱼类，提升检测模型对鱼类统计的识别精度。

17、进一步地，从第一图像的p个像素中筛选出点模像素的方法具体为：以pw(x)表示这p个像素中的任意一个像素，以pw(x)的中点为圆心、以h0为半径作圆cw(x)，以数组vpwx存储所有落在圆cw(x)内的像素的像素值，记数组vpwx内的所有值的平均值为wm，记数组vpwx内存在b0个值大于wm以及存在b1个值小于wm，如果b0和b1中的较大值与b0和b1中的较小值之比大于d，则将pw(x)该像素记为点模像素；

18、其中，h0等于两倍的sq减去sp所得值的绝对值除以sq和sp-sq中的较大值，d等于p除以q，sp表示第一图像内p个像素的像素值的总和；

19、进一步地，点模像素所对应的点模区域的定义为：以任意一个点模像素为中心、以h0为半径作一个圆，以落在该圆内的所有像素组成一个连通区域，记该连通区域为该点模像素所对应的点模区域；

20、进一步地，对点模像素所对应的点模区域进行点模化的方法具体为：记点模像素所对应的点模区域内含有r个像素，以rw(x)表示这r个像素中的任意一个像素，以vrw(x)表示rw(x)对应的像素值，将vrw(x)的值修改为drw(x)；

21、drw(x)的计算方法为：以vrw(x)的值乘以r作为第一子项，将（点模像素所对应的点模区域内的）r个像素中剔除rw(x)所余下的r-1个像素的像素值总和记为第二子项，以第一子项和第二子项的和除以第一图像中频数最高的像素值所得到的值记为drw(x)；

22、优选地，计算drw(x)的方法还能够为：以第一子项和第二子项的和除以hfps所得到的值记为drw(x)，hfps为第一图像中频数最高的s个像素值的平均值，s为区间[3,8]内的其中一个整数；

23、将x从x=1遍历至x=r，从而完成对点模像素所对应的点模区域内r个像素的像素值修改（完成点模化）。

24、进一步地，初始化一个目标检测模型，其中，目标检测模型为yolov4检测模型、fasterrcnn检测模型、ssd检测模型中的其中一种。

25、进一步地，通过目标检测模型，输出海洋牧场中鱼类产量的统计结果的方法具体为：通过目标检测模型，依次检测每张第二图像内含有的鱼的数量并记为第二图像的检测结果，将所有第二图像的检测结果进行累加作为海洋牧场中鱼类产量的统计结果。

26、本发明的有益效果为：所述方法能够充分提升海洋牧场鱼类产量评估的精确度和可靠性，通过对图像的预处理，减少部分不相关像素的影响，使得检测模型在处理图像时更为高效，并进一步降低图像内噪声对于检测过程中的资源消耗，使得鱼类产量在复杂的水下环境中也能被较好的评估和统计。