患病鱼类的检测方法、装置、设备、存储介质及产品

本发明涉及人工智能，尤其涉及一种患病鱼类的检测方法、装置、设备、存储介质及产品。

背景技术：

1、鱼类作为水产养殖的关键部分，富含磷、钙、有益脂肪、高质量蛋白等多种营养成分，是人类日常饮食的重要蛋白质来源。现阶段，鱼类养殖模式逐渐向工厂化、智能化的新型密集养殖模式转化，在大幅提升养殖效率的同时也面临新的困难和挑战：在高密度养殖条件下，鱼类患病容易引发集体感染，造成不可挽回的损失。因此，及时诊断和发现患病鱼类，避免工厂化高密度养殖条件下鱼类的大规模死亡，对于提高工厂企业的经济效益具有重要的现实意义。

2、鱼病的诊断需要专业的知识和经验，在现有技术中，用于鱼病诊断的系统仅能提供诊断和识别鱼病的相关知识，但不能实时检测出患病鱼类。因此，目前尚未有一种高效的患病鱼类检测方法。

技术实现思路

1、本发明提供一种患病鱼类的检测方法、装置、设备、存储介质及产品，用以解决现有技术中尚未有一种高效的患病鱼类检测方法的缺陷。

2、本发明提供一种患病鱼类的检测方法，包括：获取待检测鱼类图像；将待检测鱼类图像输入至患病鱼类检测模型，获得患病鱼类检测模型输出的患病鱼类检测结果和患病感染区域像素；基于患病感染区域像素，确定待检测鱼类的患病程度；其中，患病鱼类检测模型是基于样本鱼类图像、样本鱼类图像对应的样本患病鱼类检测结果标签和样本鱼类图像对应的样本患病感染区域像素类别标签训练得到的。

3、根据本发明提供的一种患病鱼类的检测方法，患病鱼类检测模型包括骨干网络层、sppf层、fpn层、目标检测网络分支和语义分割网络分支；骨干网络层、sppf层和fpn层依次连接；fpn层分别与目标检测网络分支、语义分割网络分支连接。

4、根据本发明提供的一种患病鱼类的检测方法，骨干网络层用于对待检测鱼类图像进行特征提取，获得待检测鱼类图像的特征数据；sppf层用于对特征数据进行池化处理，生成特征向量；fpn层用于基于特征向量，生成多尺度特征图；目标检测网络分支用于基于多尺度特征图进行目标检测，生成并输出患病鱼类检测结果；语义分割网络分支用于基于多尺度特征图进行患病区域识别，生成并输出患病感染区域像素。

5、根据本发明提供的一种患病鱼类的检测方法，获取待检测鱼类图像之前，还包括：获取样本鱼类图像、样本鱼类图像对应的样本患病鱼类检测结果标签和样本鱼类图像对应的样本患病感染区域像素类别标签；基于样本鱼类图像、样本鱼类图像对应的样本患病鱼类检测结果标签和样本鱼类图像对应的样本患病感染区域像素类别标签，对初始患病鱼类检测模型进行训练，获得患病鱼类检测模型；其中，患病鱼类检测模型采用预设总损失函数进行训练，预设总损失函数lall的计算公式为：

6、

7、其中，σ1为第一模型参数；σ2为第二模型参数；ldet为目标检测网络分支的目标检测损失；lseg为语义分割网络分支的预测损失。

8、根据本发明提供的一种患病鱼类的检测方法，目标检测网络分支的目标检测损失ldet的计算公式为：

9、ldet＝α1*lcls+α2*liou+α3*ldfl；

10、其中，lcls为目标检测网络分支的分类损失；liou为目标检测网络分支的第一边界框回归损失；ldfl为目标检测网络分支的第二边界框回归损失；α1为分类损失对应的权重；α2为第一边界框回归损失对应的权重；α3为第二边界框回归损失对应的权重。

11、根据本发明提供的一种患病鱼类的检测方法，获取样本鱼类图像、样本鱼类图像对应的样本患病鱼类检测结果标签和样本鱼类图像对应的样本患病感染区域像素类别标签，包括：获取未标注鱼类图像；对未标注鱼类图像进行标注，生成初始样本鱼类图像、初始样本鱼类图像对应的样本患病鱼类检测结果标签和初始样本鱼类图像对应的样本患病感染区域像素类别标签；对初始样本鱼类图像、初始样本鱼类图像对应的样本患病鱼类检测结果标签和初始样本鱼类图像对应的样本患病感染区域像素类别标签进行数据增强处理，获得样本鱼类图像、样本鱼类图像对应的样本患病鱼类检测结果标签和样本鱼类图像对应的样本患病感染区域像素类别标签。

12、本发明还提供一种患病鱼类的检测装置，包括：获取模块，用于获取待检测鱼类图像；检测模块，用于将待检测鱼类图像输入至患病鱼类检测模型，获得患病鱼类检测模型输出的患病鱼类检测结果和患病感染区域像素；评估模块，用于基于患病感染区域像素，确定待检测鱼类的患病程度；其中，患病鱼类检测模型是基于样本鱼类图像、样本鱼类图像对应的样本患病鱼类检测结果标签和样本鱼类图像对应的样本患病感染区域像素类别标签训练得到的。

13、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述患病鱼类的检测方法。

14、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述患病鱼类的检测方法。

15、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述患病鱼类的检测方法。

16、本发明提供的一种患病鱼类的检测方法、装置、设备、存储介质及产品，获取待检测鱼类图像；将待检测鱼类图像输入至患病鱼类检测模型，获得患病鱼类检测模型输出的患病鱼类检测结果和患病感染区域像素；基于患病感染区域像素，确定待检测鱼类的患病程度；其中，患病鱼类检测模型是基于样本鱼类图像、样本鱼类图像对应的样本患病鱼类检测结果标签和样本鱼类图像对应的样本患病感染区域像素类别标签训练得到的。通过上述方式，将待检测鱼类图像输入至患病鱼类检测模型，获得患病鱼类检测模型输出的患病鱼类检测结果和患病感染区域像素，基于患病感染区域像素，确定待检测鱼类的患病程度，不仅可实时高效地检测出患病鱼类，还能检测出患病鱼类的患病程度，可避免鱼类疾病传播所造成的经济损失。

技术特征：

1.一种患病鱼类的检测方法，其特征在于，包括：

2.根据权利要求1所述的患病鱼类的检测方法，其特征在于，所述患病鱼类检测模型包括骨干网络层、sppf层、fpn层、目标检测网络分支和语义分割网络分支；

3.根据权利要求2所述的患病鱼类的检测方法，其特征在于，所述骨干网络层用于对所述待检测鱼类图像进行特征提取，获得所述待检测鱼类图像的特征数据；

4.根据权利要求2所述的患病鱼类的检测方法，其特征在于，所述获取待检测鱼类图像之前，还包括：

5.根据权利要求4所述的患病鱼类的检测方法，其特征在于，所述目标检测网络分支的目标检测损失ldet的计算公式为：

6.根据权利要求4所述的患病鱼类的检测方法，其特征在于，所述获取所述样本鱼类图像、所述样本鱼类图像对应的样本患病鱼类检测结果标签和所述样本鱼类图像对应的样本患病感染区域像素类别标签，包括：

7.一种患病鱼类的检测装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述患病鱼类的检测方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述患病鱼类的检测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述患病鱼类的检测方法。

技术总结本发明提供一种患病鱼类的检测方法、装置、设备、存储介质及产品，涉及人工智能技术领域，包括：获取待检测鱼类图像；将待检测鱼类图像输入至患病鱼类检测模型，获得患病鱼类检测模型输出的患病鱼类检测结果和患病感染区域像素；基于患病感染区域像素，确定待检测鱼类的患病程度。通过上述方式，将待检测鱼类图像输入至患病鱼类检测模型，获得患病鱼类检测模型输出的患病鱼类检测结果和患病感染区域像素，基于患病感染区域像素，确定待检测鱼类的患病程度，不仅可实时高效地检测出患病鱼类，还能检测出患病鱼类的患病程度，可避免鱼类疾病传播所造成的经济损失。技术研发人员：赵然,李雪斐,赵世理,张松,李道亮受保护的技术使用者：中国农业大学技术研发日：技术公布日：2024/9/2