[发明专利]基于卷积神经网络的河蟹雌雄识别方法

说明书

本发明公开了一种基于卷积神经网络的河蟹雌雄识别方法，涉及模式识别领域，包括以下步骤：收集雌河蟹和雄河蟹的腹部和蟹壳的原始图像，建立原始图像数据集，将原始图像数据集分为训练集和测试集；对训练集中的河蟹图像进行数据扩增处理，增加训练集中的河蟹图像的数量；对扩充处理后的训练集进行预处理；构建卷积神经网络模型；将预处理后的数据输入构建的卷积神经网络模型，对卷积神经网络模型进行训练；将测试集输入训练好的卷积神经网络模型，识别测试集中河蟹的雌雄。本发明的优点在于：有效提高了河蟹雌雄识别的准确率和生产效率。

技术领域

本发明涉及模式识别领域，尤其涉及一种基于卷积神经网络的河蟹雌雄识别方法。

背景技术

河蟹是我国重要的水产品，因其肉质鲜美、营养价值高，颇受消费者的青睐，河蟹产业的发展势头迅猛，具有巨大的经济市场。但是，目前河蟹的雌雄主要依靠人眼识别，劳动强度大，人工成本高，生产规模小，且容易出现因为疲劳导致错误分类等诸多缺点，效率低下的人工识别已经无法满足河蟹季节的需求性和保鲜性。

现有的对河蟹雌雄识别的方法中，常采用机器视觉技术提取河蟹腹部三角形特征信息，基于模板匹配算法，对河蟹腹部建模区分雌雄，河蟹雌雄识别的准确率较低；并且河蟹是活体生物，在自动分级流水线上，抓拍河蟹腹部的难度较大，因此，通过河蟹腹部识别雌雄的方法，在自动分级应用中具有明显的局限性，生产效率较低。

近年来，深度学习技术特别是卷积神经网络已经广泛用于图像识别、目标检测、图像分割等图像识别任务中。同时，随着社会的进步和工业自动化程度的不断加深，利用计算机辅助工业生产，一方面既可以节约人力和生产成本，另一方面也可以提高生产效率。

专利文件CN201610691336公开了一种用于河蟹判别的图像识别方法，该方法通过图像对比的方法来判别河蟹的家系关系。现有技术中还没有能够较好地对河蟹雌雄进行识别的方法。

发明内容

本发明所要解决的技术问题是提供一种能够提高河蟹雌雄识别的准确率和生产效率的基于卷积神经网络的河蟹雌雄识别方法。

本发明是通过以下技术方案解决上述技术问题的：基于卷积神经网络的河蟹雌雄识别方法，包括以下步骤：

步骤A，收集雌河蟹和雄河蟹的腹部和蟹壳的原始图像，建立原始图像数据集，将原始图像数据集分为训练集和测试集；

步骤B，对步骤A中得到的训练集中的河蟹图像进行数据扩增处理，增加训练集中的河蟹图像的数量；

步骤C，对步骤B中扩充处理后的训练集进行预处理；

步骤D，构建卷积神经网络模型；

步骤E，将步骤C中预处理后的数据输入步骤D中构建的卷积神经网络模型，对卷积神经网络模型进行训练；

步骤F，将步骤A中得到的测试集输入步骤E中训练好的卷积神经网络模型，识别测试集中河蟹的雌雄。

作为优化的技术方案，步骤B中，对训练集中的河蟹图像进行数据扩增处理的方式包括平移、旋转、翻转。

作为优化的技术方案，步骤C中，预处理的方法包括以下步骤：首先将河蟹移动到图像的中心位置，然后将河蟹图像裁剪并调整大小，最后基于高斯混合模型去除图像的背景。

作为优化的技术方案，步骤D中，所构建的卷积神经网络模型包括输入层、3个卷积层、3个池化层、全连接层、输出层；输入层是卷积神经网络模型的入口；第一层、第三层、第五层是卷积层，卷积层对输入的图像数据进行卷积操作，经过卷积后得到特征图；第二层、第四层、第六层是池化层，池化层对特征图进行下采样；第七层是全连接层，全连接层中的每一个神经元与上一层的所有神经元进行全连接；第八层是输出层，用于进行分类。

作为优化的技术方案，输入层对输入的数据进行归一化预处理。