[发明专利]基于卷积神经网络的侧线鳞识别方法

摘要

本发明公开了一种基于卷积神经网络的侧线鳞识别方法，它与传统的基于手工特征提取的识别方法不同，直接使用二维图像作为输入，避免了人为设计特征带来的不确定性。使用该方法在最终的验证集上的识别准确率为99.09％，目标函数损失值0.0349。在测试集上能够准确的识别出侧线鳞区域。最后，通过回归拟合算法实现了侧线鳞的精确定位。

主权项

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。