[发明专利]一种基于目标遮挡补偿的鱼群自动检测方法

权利要求书

1.一种基于目标遮挡补偿的鱼群自动检测方法，其特征在于，所述鱼群自动检测方法包括如下步骤：

S1、通过搭载相机的多旋翼无人飞船在池塘环境中采集鱼群图像，并对采集到的鱼群图像进行标记和数据扩充；

S2、将鱼群图像输入到双支路特征提取网络中进行由浅至深的多级特征提取，所述双支路特征提取网络是在YOLOv4算法的主干特征提取网络CSPDarknet53的基础上，加入与CSPDarknet53并行的轻量级原始信息特征提取网络；经过双支路特征提取网络进行多级特征提取后，得到五个特征图，分别是两倍下采样特征图F_A1、四倍下采样特征图F_A2、八倍下采样特征图F_A3、十六倍下采样特征图F_A4、三十二倍下采样特征图F_A5，分辨率分别是输入鱼群图像的1/2、1/4、1/8、1/16、1/32；

其中，所述主干特征提取网络CSPDarknet53包括一个CBM单元和五个跨阶段局部网络CSPx单元；其中，CBM单元由步长为1、卷积核为3*3的卷积层Convolution、批归一化层BatchNormalization和Mish激活函数层组成；CSPx单元由若干个CBM单元和x个Res unit残差单元Concatenate融合操作而成，Res unit残差单元由卷积核为1*1的CBM单元、卷积核为3*3的CBM单元以及残差结构组成，Concatenate融合操作对两个特征图在通道上拼接，拼接后得到的特征图的维度得到扩充；五个CSPx单元的卷积层Convolution的通道数依次为64、128、256、512、1024，每个CSPx单元会进行一次两倍下采样；经过五个CSPx单元得到的特征图分别为F_C1、F_C2、F_C3、F_C4、F_C5，分辨率分别是输入鱼群图像的1/2、1/4、1/8、1/16、1/32；

所述轻量级原始信息特征提取网络包括五个CM单元，其中，CM单元由步长为2、卷积核为3*3的卷积层Convolution和池化步长为1、池化核为3*3的最大池化层MaxPool组成，步长为2的卷积层进行一次两倍下采样，每个CM单元的卷积层通道数和主干特征提取网络CSPDarknet53中对应的跨阶段局部网络CSPx单元的卷积层通道数相同；经过五个CM单元得到的特征图为F_L1、F_L2、F_L3、F_L4、F_L5，分辨率分别是输入鱼群图像的1/2、1/4、1/8、1/16、1/32；

然后在由浅至深的多级特征提取过程中，将轻量级原始信息特征提取网络提取到的特征图F_Li依次与对应CSPDarknet53网络提取到的特征图F_Ci进行Add融合操作，i＝1,2,3,4,5，Add融合操作对两个特征图的对应像素值进行相加，得到最终提取到的特征图F_A1、F_A2、F_A3、F_A4、F_A5，分辨率分别是输入鱼群图像的1/2、1/4、1/8、1/16、1/32；

S3、使用改进的语义嵌入分支，将步骤S2得到的特征图F_A5的语义信息融合到特征图F_A4中，得到特征图F_AM4，特征图F_AM4的分辨率是输入鱼群图像的1/16；将步骤S2得到的特征图F_A4的语义信息融合到特征图F_A3中，得到特征图F_AM3，特征图F_AM3的分辨率是输入鱼群图像的1/8；

S4、通过卷积下采样，将步骤S2得到的四倍下采样特征图F_A2的细节信息融合到步骤S3得到的八倍下采样特征图F_AM3中，得到特征图F_AMC3，特征图F_AMC3的分辨率是输入鱼群图像的1/8；

S5、将步骤S2得到的特征图F_A5、步骤S3得到的特征图F_AM4和步骤S4得到的特征图F_AMC3经过YOLOv4算法的特征金字塔结构进行特征融合后，得到三个特征图，分别是F_B3、F_B4和F_B5，然后使用特征图F_B3、F_B4和F_B5经过卷积处理后进行鱼目标的预测，得到重复的候选框以及对应的预测置信度得分；

S6、采用改进DIoU_NMS的非极大值抑制算法处理重复候选框，得到包含预测置信度得分的预测框结果并绘制在对应图片上，作为鱼群检测结果。