[发明专利]一种鱼类摄食状态检测方法

权利要求书

1.一种鱼类摄食状态检测方法，其特征在于，包括：

通过深度相机采集鱼群一次完整摄食过程的深度图像；

根据深度变化将所述深度图像转换成深度伪彩色图；

将所述深度伪彩色图按强摄食、中等强度摄食、弱摄食、未摄食进行标注；

构建简单卷积神经网络模型，使用标注好的深度伪彩色图训练所述简单卷积神经网络模型得到第一检测模型；

使用所述第一检测模型进行实际检测鱼类摄食状态。

2.根据权利要求1所述的一种鱼类摄食状态检测方法，其特征在于，使用不同的颜色表示不同的深度，将所述深度图像中鱼群的距离信息线性转换为HSV颜色模型的Hue值，再将HSV模型的颜色数值转换成对应的RGB彩色值得到深度伪彩色图，计算Hue值的公式如下：

Hue＝γ×[1-(Z(x，y)-Z₀)/Z₁-Z₀] (1)

式(1)中的Z(x，y)表示深度图中坐标为x，y处的深度值，即目标到深度相机的垂直距离值，其取值范围为所述深度相机设置的有效测量范围，[Z₀，Z₁]为所述深度相机设置的有效测量范围的下限和上限取值，γ为取值为0.67的衰减因子。

3.根据权利要求1所述的一种鱼类摄食状态检测方法，其特征在于，所述简单卷积神经网络模型依次包括维度为3的输入层、3个隐藏层、一个1个全局池化层、一个4分类的输出层；所述深度伪彩色图输入所述输入层，3个隐藏层均使用大小为5×5、步长为1的二维卷积核，3个隐藏层的激活函数均采用Relu激活函数，3个隐藏层的卷积核个数分别为32、64、128，每个卷积层后面均使用步长为2×2的平均池化层进行下采样处理，并使用丢弃率为0.2的Dropout层来防止网络过拟合；最后使用一个使用1个全局池化层来降低计算参数，并连接一个4分类的输出层，其中输出层使用Softmax分类函数预测类别概率。

4.根据权利要求3所述的一种鱼类摄食状态检测方法，其特征在于，所述输出层还使用基于交叉熵损失函数优化训练，公式如下：

式(2)中的P_i为类别i的最终预测概率，z_i为分类模型对类别为i的原始预算输出；z_j为分类模型对类别为j的原始预算输出，C为类别总数，式(3)中的L为交叉熵损失函数，y_i为类别i对应的标签。

5.根据权利要求1所述的一种鱼类摄食状态检测方法，其特征在于，所述深度相机的型号为Azure Kinect DK。