基于目标深度分析的鱼体生长在线测量系统研究.pdf
《基于目标深度分析的鱼体生长在线测量系统研究.pdf》由会员分享,可在线阅读,更多相关《基于目标深度分析的鱼体生长在线测量系统研究.pdf(5页珍藏版)》请在咨信网上搜索。
1、基于目标深度分析的鱼体生长在线测量系统研究燕 斌1,2李 晶1叶 艳1(1江苏农牧科技职业学院,江苏泰州 225300;2江苏省农业物联网工程中心,江苏泰州 225300)摘要针对我国水产养殖中无法实时在线无接触地自动估测鱼体重量的难题,利用水下摄像头获取鱼体的双目图像,对水下图像进行优化,通过 YOLACT 实例图像分割模型对图像进行实时分割,通过自定义约束条件筛选的确信特征点完成左右图像匹配,最后计算出鱼体所处深度,从而复原鱼体实际大小。对鱼体在水下不同深度进行了测量准确性测试。结果表明,在水深 70 cm 处存在测量最优值,长度和宽度误差分别为 6.50%和5.75%。本研究为实现水产养
2、殖中的个体实时无接触生长监测,从而形成闭环的物联网化生产模型提供了一种可行方案。关键词水产养殖;鱼体监测;立体视觉;估测中图分类号S951.2文献标识码A文章编号 1007-5739(2023)21-0133-05DOI:10.3969/j.issn.1007-5739.2023.21.033开放科学(资源服务)标识码(OSID):Online Measurement System of Fish Growth Based on Target Depth AnalysisYAN Bin1,2LI Jing1YE Yan1(1Jiangsu Agri-animal Husbandry Veter
3、inary College,Taizhou Jiangsu 2253002Jiangsu Agricultural Internet of Things Engineering Center,Taizhou Jiangsu 225300)AbstractAiming at the problem that it is impossible to automatically estimate the weight of fish in real-time,online and contactless in China aquaculture,we used the underwater came
4、ra to obtain the binocular image of the fishbody and optimized the underwater image.Then,we segmented the image in real-time through YOLACT instance imagesegmentation model,completed the left and right image matching by the confident feature points filtered by user-defined constraints,calculated the
5、 depth of the fish,and restored the actual size of the fish.Measurement accuracy testswere conducted on the fish body at different depths underwater.The results showed that there was an optimalmeasurement value at a depth of 70 cm,and the length and width errors were 6.50%and 5.75%,respectively.This
6、 studyprovides a feasible scheme to realize real-time contactless growth monitoring of individuals in aquaculture and form aclosed-loop internet of things production model.Keywordsaquaculture;fish body monitoring;stereovision;estimation随着我国智慧养殖的兴起,水产养殖中逐步引入了物联网环控系统,但物联网环控系统在智慧养殖中仍属于开环系统,养殖模型的最终确立需要养
7、殖效果的闭环反馈。鱼体外形尺寸是反映养殖效果的重要指标,不仅反映了鱼体生长情况1,还是水产品质量分集的一项重要指标2,可为物联网系统动态调整养殖环境提供直接参考。在线、便捷、准确的鱼体尺寸测量是真正实现智慧养殖的关键环节之一。目前,为了掌握渔业养殖中鱼类的实际生长情况,仍使用传统的撒网捕捞、手工测量的方式,这些方式费工费时,还会影响鱼的正常生长3。机器视觉在使用方便度、测量准确性及模型泛化能力上具有优势,已经大量应用于农业种养殖领域4-5。传统的机器视觉基于阈值、区域及边缘等特征进行图像的分割,但由于水体背景复杂、浑浊,经典图基 金 项 目江 苏 省 高 等 学 校 自 然 科 学 研 究 面
8、 上 项 目(20KJB630011);泰州市科技计划项目“基于深度学习的农作物病虫害在线诊疗系统”(TS201821)。第一作者燕斌(1980),男,硕士,讲师,从事农业信息化技术研究工作。E-mail:收稿日期 2023-02-07现代农业科技2023 年第 21 期农业工程学133现代农业科技2023 年第 21 期农业工程学像分割算法在水下物体的识别中效果并不理想6。基于深度学习的实例图像分割模型 YOLACT 提供了首个实时实例分割算法,相较于经典的 Mask R-CNN 两阶段实例分割模型7,YOLACT 在现有的一阶段(one-stage)目标检测模型里添加掩模分支,运行速度大大
9、提升8。本研究基于水下双目成像与 YOLACT 实例分割模型以及确信特征点的筛选,通过对原始图片进行去雾、增强对比度等预处理,再由 YOLACT 模型进行鱼体掩模计算,最后根据掩模图像中左右图确信特征点匹配,计算鱼体深度,还原鱼体的实际尺寸,实现了在水下对不同鱼体尺寸快速、无损、连续测量。1系统搭建本研究使用带有辅助光源的专业水下双目摄像机,成像分辨率 1280960(30 FPS),基线长度 60 mm。通过前端嵌入式采集设备将图片通过网络传输给远程服务器,服务器使用 Nvidia GTX1080 显卡进行深度学习图像分割,编程语言为 Python,相关库包括Opencv 及 Tensorf
10、low。水下鱼体测量系统如图 1 所示。2研究方法与框架为了获取图像的深度数据,常用的方式有双目成像、结构光成像和光飞行时间(TOF)成像。由于水流密度不均匀及环境光的干扰,基于结构光以及 TOF 的深度计算在水下效果不佳,甚至无法完成。本研究选用双目成像作为鱼体深度信息计算的手段。2.1深度计算双目立体视觉基于视差原理利用成像设备从不同位置获取被测物体的两幅图像,通过计算图像对应点间的位置偏差 Disparity 来获取物体的三维几何信息及深度信息。由于双目相机在生产过程中有机械误差,需要先对双目相机在应用场景进行相机内外参数的标定9。内外参数矩阵分别为左右相机内参矩阵M、畸变系数矩阵 D、
11、平移向量 T 和旋转矩阵 R,则世界坐标系中的点的信息转变为图像坐标系中的点可归纳如下10:xy1=M D RT0T1XYZ1(1)其中,(X,Y,Z)为点在世界坐标系下的坐标,(x,y,1)为该点在图像坐标系中投影的齐次坐标,为比例因子。标定完成后,使用内外参矩阵对获取的图片进行立体校正,可得到校正后的双目相机模型:模型中某点的深度 z 可通过公式(2)计算得出:z=ftd=ftul-ur(2)式(2)中:d=ul-ur,为物点在左右成像平面上的像点坐标横坐标差值,又称视差;t 为双目相机基线长度;f 为立体校正后的焦距长度。2.2鱼体识别与分割图片中深度信息只有鱼体部分有意义,而其他部分可
12、舍去,节省计算开销。同时,鱼体尺寸测量也需要精确的分割信息,将鱼体和背景区分开来。因此,良好的图像分割效果对本研究至关重要。本研究选用 YOLACT 实例图像分割模型,其最大的特点是在运行速度和计算精度上取得了平衡,可以实现边缘端的本地处理,方便实现离线本地计算一体化。2.2.1图像预处理在实际鱼塘养殖中,水体透明度低、悬浮粒多,在辅助光源照射下呈现一种雾化结果,极大地影响了图像分割在边缘处的精度,故需要对图像进行去雾预处理。本研究选用 He 等11的暗通道先验去雾算法,去雾公式如下:J(x)=I(x)-Amax t(x),t0+A(3)式(3)中,J(x)为去雾后的图像,I(x)是待去雾的图
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 目标 深度 分析 生长 在线 测量 系统 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。