本发明涉及计算机双目视觉和模式识别,特别涉及一种基于计算机双目视觉的虾类信息检测方法及系统。
背景技术:
1、虾类养殖是一项重要的经济活动,定期测量虾的长度和重量,可以有效地监控虾的生长速度和发展状况。这对于评估饲料效率、调整饲养策略以及预测收获时间至关重要,对于提高养殖效率和经济效益有着直接作用。
2、传统检测虾类生长情况的方法通常包括人工观察和定期抽样分析。人工观察容易受到主观因素的干扰,且通常依赖于定期抽样,因此无法提供连续的、实时的数据,错过了虾类生长过程中的重要信息。而且,定期抽样时需要将虾打捞上岸,然后对虾进行测量,这造成了部分虾的死亡。人工观察和抽样分析需要大量的人力资源和时间,成本较高。
3、并且,水下环境,由于光的折射、散射、亮度以及水中悬浮物的影响,计算机视觉技术在水下的测量精度往往受到很大的挑战。人工观察可能出现信息检测不准确的问题。
技术实现思路
1、基于此,本申请实施例提供了一种基于计算机双目视觉的虾类信息检测方法及系统,使用计算机视觉技术直接在水下对虾类信息测量以解决人工测量耗费人力物力,以及虾类信息检测不准确的问题。
2、第一方面,提供了一种基于计算机双目视觉的虾类信息检测方法,该方法包括:
3、通过双目相机获取水下虾的视频流,并按帧提取左右双目图片,并制定图片标注规则,标注虾的关键点训练目标检测模型;其中,关键点包括眼睛、头、尾巴以及各个腹节坐标;
4、利用训练好的目标检测模型,对输入的左右双目图片进行目标检测,识别出虾的位置和关键点,然后通过特征提取器对关键点进行特征提取,并生成特征描述子;
5、使用图神经网络处理特征描述子,通过自注意力和交叉注意力机制进行特征匹配得到特征匹配结果;
6、根据特征匹配结果确定出虾类信息检测结果;其中,所述虾类信息检测结果至少包括虾的长度和重量。
7、可选地,标注虾的关键点训练目标检测模型,包括:
8、对左右双目图片进行预处理,并使用yolo v8算法训练目标检测模型,使目标检测模型能够识别出虾的物体边界框和特征点,并生成特征点的描述子。
9、可选地,使用图神经网络处理特征描述子,通过自注意力和交叉注意力机制进行特征匹配后,还包括:
10、计算特征点之间的匹配得分,并根据得分和阈值生成最终的匹配点分配矩阵,接着计算关键点视差,并根据相机参数和视差计算深度信息,从而得到空间三维坐标点。
11、可选地,通过自注意力和交叉注意力机制进行特征匹配中,匹配模型的损失函数具体为:
12、
13、其中,n是关键点对的数量;lij表示真实标签,用于表征第i个关键点与第j个关键点是否匹配;dij表示第i个关键点与第j个关键点之间的特征距离;m表示阈值,用于控制不匹配关键点之间的距离。
14、可选地,根据特征匹配结果确定出虾类信息检测结果,包括:
15、利用得到的三维坐标点,使用欧几里得距离公式计算三维空间中两点之间的距离,得出虾的长度,并根据虾体长与重量的对应关系确定出虾的重量。
16、可选地,虾体长与重量的对应关系,包括:
17、
18、其中,y表示重量,单位为g;x表示体长,单位为mm。
19、第二方面,提供了一种基于计算机双目视觉的虾类信息检测系统,该系统包括:
20、训练模块,用于通过双目相机获取水下虾的视频流,并按帧提取左右双目图片,并制定图片标注规则,标注虾的关键点训练目标检测模型;其中,关键点包括眼睛、头、尾巴以及各个腹节坐标;
21、特征提取模块,用于利用训练好的目标检测模型,对输入的左右双目图片进行目标检测,识别出虾的位置和关键点,然后通过特征提取器对关键点进行特征提取,并生成特征描述子;
22、匹配模块,用于使用图神经网络处理特征描述子,通过自注意力和交叉注意力机制进行特征匹配得到特征匹配结果;
23、确定模块,用于根据特征匹配结果确定出虾类信息检测结果;其中,所述虾类信息检测结果至少包括虾的长度和重量。
24、第三方面,提供了一种电子设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面任一所述的虾类信息检测方法。
25、第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面任一所述的虾类信息检测方法。
26、第五方面,提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述第一方面任一所述的虾类信息检测方法。
27、本申请实施例提供的技术方案带来的有益效果包括:通过计算机双目视觉算法,能够在水中精确测量虾类的长度、宽度等数据,并预测虾的重量。这种方法相比传统的人工观察和抽样分析,减少了对人工操作的依赖,同时减少了人为误差,提高了检测的精度和效率。
1.一种基于计算机双目视觉的虾类信息检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的虾类信息检测方法,其特征在于,标注虾的关键点训练目标检测模型,包括:
3.根据权利要求1所述的虾类信息检测方法,其特征在于,使用图神经网络处理特征描述子,通过自注意力和交叉注意力机制进行特征匹配后,还包括:
4.根据权利要求1所述的虾类信息检测方法,其特征在于,通过自注意力和交叉注意力机制进行特征匹配中,匹配模型的损失函数具体为:
5.根据权利要求3所述的虾类信息检测方法,其特征在于,根据特征匹配结果确定出虾类信息检测结果,包括:
6.根据权利要求5所述的虾类信息检测方法,其特征在于,虾体长与重量的对应关系,包括:
7.一种基于计算机双目视觉的虾类信息检测系统,其特征在于,所述系统包括:
8.一种电子设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6任一所述的虾类信息检测方法。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一所述的虾类信息检测方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现如权利要求1至6任一所述的虾类信息检测方法。