[发明专利]基于轮廓关键点和注意力机制的鱼类种类识别方法及系统

权利要求书

1.基于轮廓关键点和注意力机制的鱼类种类识别方法，其特征在于，包括：

获取目标鱼体的目标图像；

将所述目标图像输入精准轮廓关键点模型中，得到所述目标图像的轮廓点和轮廓关键点；

采用稀疏采样的方法，根据所述目标图像的轮廓点计算所述目标鱼体的距离特征数据，根据所述目标图像的轮廓关键点计算所述目标鱼体的角度特征数据；

将所述目标鱼体的距离特征数据和所述目标鱼体的角度特征数据融合，得到目标融合特征；

将所述目标融合特征输入鱼类种类识别模型中，得到所述目标鱼体的种类；

其中，所述精准轮廓关键点模型的确定方法为：

获取已标注种类的训练鱼体的训练图像；

提取所述训练图像中鱼的轮廓区域进行提取，得到所述训练图像的轮廓点；

将所述轮廓点中满足设定条件的点确定为轮廓关键点；所述设定条件包括轮廓点曲率大于设定曲率值、所述轮廓点与质心的距离大于相邻轮廓点与质心的距离或者所述轮廓点与质心的距离小于相邻轮廓点与质心的距离；

将所述训练图像、所述训练图像的轮廓点和所述训练图像的轮廓关键点输入深度学习模型中，并以损失函数最小为目标进行训练，得到所述精准轮廓关键点模型；

其中，所述鱼类种类识别模型的确定方法为：

采用稀疏采样的方法，根据所述训练图像的轮廓点计算所述训练鱼体的距离特征数据，根据所述训练图像的轮廓关键点计算所述训练鱼体的角度特征数据；

将所述训练鱼体的距离特征数据和所述训练鱼体的角度特征数据融合，得到训练融合特征；

将所述训练融合特征和对应的标签数据输入基于注意力机制的深度学习模型中进行训练，得到所述鱼类种类识别模型。

2.根据权利要求1所述的基于轮廓关键点和注意力机制的鱼类种类识别方法，其特征在于，所述采用稀疏采样的方法，根据所述目标图像的轮廓点计算所述目标鱼体的距离特征数据，根据所述目标图像的轮廓关键点计算所述目标鱼体的角度特征数据，具体包括：

根据所述目标图像的轮廓点计算第一质心；

将按照顺时针方向计算得到的每个所述轮廓点与所述第一质心的距离确定为长度特征数据；

确定所述长度距离数据中的最大值和最小值，得到最大长度特征和最小长度特征；

根据所述最大长度特征和所述最小长度特征对所述长度特征距离进行距离值归一化，得到归一化长度数据；

按照第一设定采样间隔对所述归一化长度数据进行采样，得到所述目标鱼体的距离特征数据；

根据所述目标图像的轮廓关键点计算第二质心；

计算每个所述轮廓关键点与所述第二质心的角度，得到角度数据；

按照第二设定采样间隔对所述角度数据进行采样，得到所述目标鱼体的角度特征数据。

3.根据权利要求1所述的基于轮廓关键点和注意力机制的鱼类种类识别方法，其特征在于，所述损失函数的计算公式为：

loss＝α*loss1+β*loss2；

其中，loss表示损失函数；loss1表示普通点的损失函数，所述普通点为所述轮廓点中除所述轮廓关键点之外的点；loss2表示轮廓关键点的损失函数；α表示普通点的损失函数的权重；β表示轮廓关键点的损失函数的权重；β＞α。

4.根据权利要求1所述的基于轮廓关键点和注意力机制的鱼类种类识别方法，其特征在于，所述获取已标注种类的训练鱼体的训练图像，具体包括：

获取已标注种类的训练鱼体的初始图像；

对所述初始图像进行去噪增强处理，得到增强图像；

对所述增强图像进行数据扩充处理，得到扩充图像；

对所述扩充图像进行数据清洗处理，得到训练图像。