[发明专利]基于卷积神经网络的对虾形态测量方法、介质、终端设备及装置

说明书

本发明公开了一种基于卷积神经网络的对虾形态测量方法，包括：对对虾样本和参照物进行拍摄，以获取样本图片；根据样本图片对目标区域进行标定，并生成目标区域对应的描述文件，将描述文件与样本图片关联；根据样本图片以及描述文件建立数据集，根据数据集生成对虾形态测量模型；对测试集中的样本图片进行预处理，以生成测试图片；将测试图片输入对虾形态测量模型，以生成泛化性能评分；根据泛化性能评分确定最终对虾形态测量模型，并根据最终测量模型进行对虾形态测量；本发明还公开了一种计算机可读存储介质、终端设备以及基于卷积神经网络的对虾形态测量装置；从而实现对对虾形态参数高效、精准地测量，节约对虾育种过程中所需的人力和物力。

技术领域

本发明涉及图像识别技术领域，特别涉及一种基于卷积神经网络的对虾形态测量方法、介质、终端设备及装置。

背景技术

对虾是我国水产品的重要组成部分，人们可以通过食用对虾摄取大量蛋白质。同时，我国是全世界最大对虾消费国和第二大对虾进口国。因此，对虾对于人们的生活来说是必不可少的。

在对对虾进行育种的过程中，需要对对虾进行测量以获取对虾的形态参数(例如头胸甲长度、体重、体长等)，该形态参数可作为研究人员选择育种方案的依据。其中，现有技术对于对虾的形态参数测量的主要方法是手工测量，即通过游标卡尺等测量工具对对虾的形态参数进行手工测量。这种方式工作效率低，工作量巨大，并且因为人为等因素其测量结果误差较大，严重影响后续的数据分析以及育种方案的选择。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种基于卷积神经网络的对虾形态测量方法，可以实现对对虾形态参数高效、精准地测量，且能够节约对虾育种过程中形态参数测量所需的人力和物力，保证对虾育种方案选择的准确性。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种终端设备。

本发明的第四个目的在于提出一种基于卷积神经网络的对虾形态测量装置。

为达到上述目的，本发明第一方面实施例提出的一种基于卷积神经网络的对虾形态测量方法，包括以下步骤：对对虾样本和参照物进行拍摄，并对拍摄得到的图片进行归一化处理，以获取样本图片；根据所述样本图片对目标区域进行标定，并生成所述目标区域对应的描述文件，以及将所述描述文件与所述样本图片进行关联；根据每张所述样本图片以及对应的描述文件建立数据集，其中，所述数据集划分成训练集、验证集和测试集；根据所述训练集进行基准模型的训练；将所述验证集输入基准模型，以生成第一预估结果，并根据所述第一预估结果调整基准模型的参数，以生成对虾形态测量模型；对所述测试集中的样本图片进行预处理，以生成测试图片；将所述测试图片输入所述对虾形态测量模型，以生成第二预估结果，并根据所述第二预估结果生成所述对虾形态测量模型的泛化性能评分；根据所述泛化性能评分确定最终对虾形态测量模型，并根据最终对虾形态测量模型进行对虾形态测量。

根据本发明实施例的基于卷积神经网络的对虾形态测量方法，首先对对虾样本和参照物进行拍摄，并对拍摄得到的图片进行归一化处理，以获取样本图片；接着，根据样本图片对目标区域进行标定，并生成目标区域对应的米搜狐文件，以及将描述文件与样本图片进行关联；然后，根据每张样本图片以及对应的描述文件建立数据集，其中，数据集划分成训练集、验证集和测试集；数据集划分完成之后，根据训练集进行基准模型的训练，然后将验证集输入基准模型，以生成第一预估结果，并根据第一预估结果调整基准模型的参数，以生成对虾形态测量模型；最后，对测试集中的样本图片进行预处理，以生成测试图片；并将测试图片输入对虾形态测量模型，以生成第二预估结果，并根据第二预估结果生成对虾形态测量模型的泛化性能评分；以及根据泛化性能评分确定最终对虾形态测量模型，并根据最终对虾形态测量模型进行对虾形态测量；从而实现对对虾形态参数高效、精准地测量，节约对虾育种过程中形态参数测量所需的人力和物力，并保证对虾育种方案选择的准确性。