[发明专利]一种基于目标遮挡补偿的鱼群自动检测方法

说明书

本发明公开了一种基于目标遮挡补偿的鱼群自动检测方法，该方法包括：通过在多旋翼无人飞船上搭载相机采集鱼群图像，并进行标记和数据扩充；进行特征提取，使用双支路特征提取网络对输入鱼群图像进行由浅至深的多级特征提取，获得五个特征图；进行特征融合，使用改进的语义嵌入分支将深层特征图的语义信息融合到其上一层的浅层特征图中，并将四倍下采样特征图的细节信息融合到八倍下采样特征图中；通过三个特征图进行鱼目标的预测，得到候选框，并采用改进DIoU_NMS非极大值抑制算法处理重复候选框，输出鱼群检测的结果。本发明可以在鱼群聚集导致相互遮挡时提高鱼群检测的召回率，进而提高鱼群检测的平均精确度。

技术领域

本发明涉及图像目标检测技术领域，具体涉及一种基于目标遮挡补偿的鱼群自动检测方法。

背景技术

现代化的鱼类养殖离不开系统化的管理，鱼群检测对养殖工业化具有非常重要的实际意义，其中鱼群检测可以检测是否存在鱼，以及鱼类的大小，进而评估养殖、鱼类喂养是否得当。

鱼群检测可以采用声呐图像法和光学图像法。声呐图像法利用超声原理，通过声呐系统采集水下鱼群声呐图像，然后从声呐图像中检测出鱼目标，但是对于实际水下场景，采用声呐图像法容易受到其他物体的干扰。随着水下摄影技术的发展和完善，现在可以采用光学图像法。采用光学图像法，首先需要采集鱼群光学图像，然后通过目标检测方法把鱼检测并标记出来。而目标检测是图像处理中的一个分支，它是将图片里全部指定类别的物体找出，并用矩形框标记出它们在图像中的具体位置。人工标记鱼群代价昂贵且低效，为了促进鱼类养殖产业的自动化信息化的发展，针对实际养殖场水下环境研究鱼群自动检测方法就显得极为重要。

随着计算机技术的不断发展，使用深度学习对水下鱼群光学图像进行鱼群自动检测，可以减少寻找和标记鱼的时间，因此可以节省相关工作人员执行该任务的时间从而提升工作效率。

YOLOv4目标检测算法属于一种深度学习算法，兼顾检测速度和检测精度，已经被广泛应用于图像目标检测领域。YOLOv4算法首先将数据集送入YOLOv4网络中进行训练，保存训练好的网络模型权重文件，然后利用保存的网络模型权重文件，输入测试图像，即可生成该测试图像中可能存在目标的预测框，同时给出预测框存在目标的置信度得分。由于该算法在检测速度和检测精度上有较好的效果，适合应用于鱼群自动检测中，可以在拍摄完一张鱼群图像后快速得到检测结果。

但是在实际水下拍摄鱼群图像数据时，水下场景比较复杂，采集到的鱼群图像存在鱼群聚集导致相互遮挡的情况，如果直接使用YOLOv4算法进行鱼群目标检测，对于遮挡目标的检测效果较差，会出现漏检，鱼目标的召回率相对较低。因此，目前亟待提供一种较高召回率的水下鱼群检测方法。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于目标遮挡补偿的鱼群自动检测方法。

本发明的目的可以通过采取如下技术方案达到：

一种基于目标遮挡补偿的鱼群自动检测方法，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；

水下鱼群图像的获取，可以通过将多旋翼无人飞船飞到感兴趣水域上空并降落至水面，然后使用无人飞船上搭载的相机采集养殖鱼群光学图像数据。