[发明专利]基于卷积神经网络的侧线鳞识别方法

权利要求书

1.一种基于卷积神经网络的侧线鳞识别方法，其特征在于它包括以下步骤：

步骤1：构建侧线鳞识别的卷积神经网络结构，依次为输入层、多个卷积层、多个下采样层、输出层；

步骤2：图像采集，并将采集到的图像分为学习图像记为学习数据集、测试图像记为测试数据集；

步骤3：样本采集，用方形采样方块对学习图像进行样本采集，侧线鳞部分居于采样方块中间位置的的样本作为正样本，其它非侧线鳞部分作为负样本；

步骤4：将在学习图像上采集到的正负样本进行归一化处理，并分为训练集与验证集；

步骤5：将步骤4中的训练集和验证集输入步骤1的卷积神经网络进行迭代训练，直至在验证集上的识别准确率达到预期目标或者卷积神经网络在验证集上的目标函数损失值开始收敛为止，保存模型M；

步骤6：用步骤1的网络结构加载步骤5中保存的网络模型，对测试集中的完整的鱼体图像上的侧线鳞进行识别检测；

步骤7：对鱼体上识别出的侧线鳞进行拟合，得到完整的侧线鳞曲线，完成侧线鳞的精确识别。

2.根据权利要求1所述的侧线鳞识别方法，其特征在于所述卷积神经网络结构共七层：第一层、第二层C1、第三层S2、第四层C3、第五层S4、第六层F5、第七层；其中：第一层为输入层，接收3×28×28的彩色图像输入；第二层C1和第四层C3为卷积层，对图像进行特征学习提取；第三层S2和第五层S4为下采样层，对卷积层学习到的图像特征进行最大值下采样；第六层F5为全连接的一维网络；第七层是输出层。

3.根据权利要求1所述的侧线鳞识别方法，其特征在于步骤4中通过双线性插值方法进行归一化处理。

4.根据权利要求1所述的侧线鳞识别方法，其特征在于步骤3中所述方形采样方块为64×64的采样方块。

5.根据权利要求4所述的侧线鳞识别方法，其特征在于步骤6中完整的测试过程如下：

6-1：从测试集中选取一张图片作为测试图T，从测试图的左上角开始，设一64×64的滑动窗口W，以步长S遍历整张图像，每滑动一次，都记录下滑动窗口内的图像I，这样，当遍历完整张图像之后，便得到n张64×64的图像，记为I₁,I₂,...,I_n，并且记下每张小图在原图中的中心点坐标(Ci,Ri)(i＝1,2,...,n)；

6-2：搭建相同的网络结构N，并加载模型M；

6-3：依次将图像I_i(i＝1,2,...,n)归一化为28×28后，输入网络结构N进行识别预测；

6-4：若预测为正样本，即为侧线鳞，则按图索引到图像坐标后在原图中将该区域用64×64的红色矩形标注出来，并执行下一张；否则，什么都不干，继续执行下一张；

6-5：从测试集中选取另一张图像进行测试，重复执行6-1～6-5。

6.根据权利要求5所述的侧线鳞识别方法，其特征在于步骤7中侧线鳞的精确识别具体步骤为是结合用支持向量机回归算法对识别出来的侧线鳞区域进行回归拟合：根据测试结果找到每个64×64方块的中心点坐标，并在图中标记出来，接着使用SVR算法设置SVR核函数为径向基函数RBF，核函数系数gamma＝1e^-6，目标函数的惩罚系数C＝1e^-3，对这些坐标点进行回归拟合。