一种基于神经网络的鲤春病毒血症视觉检测系统、方法

本发明涉及控制水产病害领域，特别涉及一种基于神经网络的鲤春病毒血症视觉检测系统、方法。

背景技术：

1、淡水鱼类养殖在国民经济中占据着重要地位，是国家重要的农业支柱产业之一，也是人民重要的蛋白质来源。传染病对淡水鱼类养殖造成重大威胁，导致大量鱼苗死亡，造成重大养殖经济损失，近年来水产传染病危害导致经济损失超过几百亿，在淡水鱼类养殖中，鲤春病毒血症是危害最为严重的疫病之一，一经发现整塘养殖淡水鱼即需全部扑灭，鲤春病毒血症的直接病原是鲤春病毒血症病毒，可以感染青鱼、草鱼、鲢、鳙等众多大宗淡水养殖鱼类，因此对鲤春病毒血症的预防和控制极其关键。

2、目前针对淡水鱼类疫病的检测技术以生物检测技术为主，包括pcr(polymerasechain reaction，即聚合酶链式反应)、elisa(enzyme linked immunosorbent assay，即酶联免疫吸附分析)等技术，其准确性已得到较大的提高，产品也较为成熟，然而现有的生物检测技术的重大问题在于难以推广到众多的小型养殖农户和养殖企业。现有的生物检测技术需要专业的检测设备和受过训练的专业检测人员，需要将病鱼组织或器官取出，经过提取dna(deoxyribo nucleic acid，即脱氧核糖核酸)、逆转录等一系列复杂的生物操作才能较为准确地确定，另外所需检测时间少则几十分钟，通常需要几个小时，并不适合在缺乏专业设备、没有专业操作人员的小型养殖用户中推广。

3、综上可见，如何使得鲤春病毒血症检测更加高效、便捷是本领域有待解决的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于神经网络的鲤春病毒血症视觉检测系统、方法，能够使得鲤春病毒血症检测更加高效、便捷。其具体方案如下：

2、第一方面，本技术公开了一种基于神经网络的鲤春病毒血症视觉检测系统，包括：

3、模型获取模块，用于获取目标神经网络模型；其中，所述目标神经网络模型的结构为elan结构与nam机制融合后的结构，且所述目标神经网络模型的损失函数为mpdiou损失函数；

4、图像获取模块，用于接收当前待检测图像；

5、对象确定模块，用于利用所述目标神经网络模型对所述当前待检测图像中的各个待检测对象进行鲤春病毒血症的检测，以从各个所述待检测对象中确定患有所述鲤春病毒血症的目标对象。

6、可选的，所述模型获取模块，包括：

7、初始模型构建单元，用于将elan结构与nam机制进行融合，以得到融合后的结构，利用所述融合后的结构和mpdiou损失函数构建初始神经网络模型；

8、数据采集单元，用于采集训练对象的训练图像，并在所述训练图像中对所述训练对象进行鲤春病毒血症的标注，以得到训练样本数据；其中，所述训练对象包括未患鲤春病毒血症的对象和患有所述鲤春病毒血症的对象；

9、目标模型获取子模块，用于利用所述训练样本数据对所述初始神经网络模型进行迭代训练，以得到目标神经网络模型。

10、可选的，所述初始模型构建单元，包括：

11、融合单元，用于基于cbam集成方式确定nam机制，并将elan结构与所述nam机制进行融合，以得到融合后的结构。

12、可选的，所述目标模型获取子模块，包括：

13、样本预处理单元，用于对所述训练样本数据进行截断画面帧处理，以得到第一处理后数据，并利用auto-msrcr算法对所述第一处理后数据进行增强处理，以得到第二处理后数据；

14、模型训练单元，用于利用所述第二处理后数据对所述初始神经网络模型进行迭代训练，以得到目标神经网络模型。

15、可选的，所述样本预处理单元，包括：

16、数据增强单元，用于调整auto-msrcr算法中高斯函数尺度参数，以确定所述第一处理后数据的亮度分量，并基于所述亮度分量确定所述第一处理后数据的反射分量，以便基于所述反射分量对所述第一处理后数据进行图像增强处理，以得到第二处理后数据。

17、可选的，所述模型训练单元，包括：

18、特征提取单元，用于提取所述第二处理后数据的原始图像特征；其中，所述原始图像特征包括所述训练对象的外观特征、运动姿态特征、位置特征中任意一种或几种特征；

19、特征去除单元，用于利用所述原始图像特征对所述初始神经网络模型进行迭代训练，并确定所述原始图像特征的权重，以去除所述原始图像特征中非关键图像特征，得到目标神经网络模型。

20、可选的，所述特征去除单元，包括：

21、权重确定单元，用于确定当前神经网络模型中批量归一化函数的比例因子，基于所述比例因子确定所述原始图像特征的权重。

22、第二方面，本技术公开了一种基于神经网络的鲤春病毒血症视觉检测方法，包括：

23、获取目标神经网络模型；其中，所述目标神经网络模型的结构为elan结构与nam机制融合后的结构，且所述目标神经网络模型的损失函数为mpdiou损失函数；

24、接收当前待检测图像；

25、利用所述目标神经网络模型对所述当前待检测图像中的各个待检测对象进行鲤春病毒血症的检测，以从各个所述待检测对象中确定患有所述鲤春病毒血症的目标对象。

26、可选的，所述获取目标神经网络模型，包括：

27、将elan结构与nam机制进行融合，以得到融合后的结构，利用所述融合后的结构和mpdiou损失函数构建初始神经网络模型；

28、采集训练对象的训练图像，并在所述训练图像中对所述训练对象进行鲤春病毒血症的标注，以得到训练样本数据；其中，所述训练对象包括未患鲤春病毒血症的对象和患有所述鲤春病毒血症的对象；

29、利用所述训练样本数据对所述初始神经网络模型进行迭代训练，以得到目标神经网络模型。

30、可选的，所述利用所述训练样本数据对所述初始神经网络模型进行迭代训练，以得到目标神经网络模型，包括：

31、对所述训练样本数据进行截断画面帧处理，以得到第一处理后数据，并利用auto-msrcr算法对所述第一处理后数据进行增强处理，以得到第二处理后数据；

32、利用所述第二处理后数据对所述初始神经网络模型进行迭代训练，以得到目标神经网络模型。

33、本技术有益效果为：本技术包括：模型获取模块，用于获取目标神经网络模型；其中，所述目标神经网络模型的结构为elan结构与nam机制融合后的结构，且所述目标神经网络模型的损失函数为mpdiou损失函数；图像获取模块，用于接收当前待检测图像；对象确定模块，用于利用所述目标神经网络模型对所述当前待检测图像中的各个待检测对象进行鲤春病毒血症的检测，以从各个所述待检测对象中确定患有所述鲤春病毒血症的目标对象。由此可见，本技术利用目标神经网络模型对待检测图像进行检测的过程中，因为目标神经网络模型的结构为elan结构与nam机制融合后的结构，所以目标神经网络模型可以更加准确的捕捉患有鲤春病毒血症的目标对象的关键信息，又因为目标神经网络模型的损失函数为mpdiou损失函数，所以目标神经网络模型可以更加精准的确定目标对象的区域，并且，本技术只需获取待检测图像即可进行鲤春病毒血症视觉检测，对用户专业度要求较低，应用场景更加广泛，也就是说，本技术能够使得鲤春病毒血症检测更加高效、便捷。