基于关键点检测的虾苗计数方法、系统、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115222666A(43)申请公布日2022.10.21(21)申请号202210664948.1G06N3/08(2006.01)(22)申请日2022.06.14(71)申请人华南农业大学地址510642广东省广州市天河区五山路483号(72)发明人李西明吴精乙高月芳邵楚琪郭玉彬赵泽勇劳慧雯梁宇君吴子彤关颖盈严家美温嘉勇刘瑞祥吴颖琪史东博胡东晴(74)专利代理机构广州市华学知识产权代理有限公司44245专利代理师李君(51)Int.Cl.G06T7/00(2017.01)G06N3/04(2006.01)权利要求书2页说明书10页附图9页(54)发明名称基于关键点检测的虾苗计数方法、系统、设备及存储介质(57)摘要本发明公开了一种基于关键点检测的虾苗计数方法、系统、设备及存储介质，所述方法包括：获取虾苗图像集；构建关键点检测网络模型；将虾苗图像集输入关键点检测网络模型进行训练，得到虾苗关键点检测网络模型；获取待计数虾苗图像；将待计数虾苗图像输入虾苗关键点检测网络模型，得到关键点检测结果；根据关键点检测结果，实现虾苗计数。本发明构建得到的关键点检测网络模型，不仅适用于南美白对虾虾苗的准确计数，而且还适用于长条形态的虾苗的准确计数，在提高虾苗计数准确率的同时，提高了对虾苗种类的普适性，具有广阔的应用场景。CN115222666ACN115222666A权利要求书1/2页1.一种基于关键点检测的虾苗计数方法，其特征在于，所述方法包括：获取虾苗图像集；构建关键点检测网络模型；将虾苗图像集输入关键点检测网络模型进行训练，得到虾苗关键点检测网络模型；获取待计数虾苗图像；将待计数虾苗图像输入虾苗关键点检测网络模型，得到关键点检测结果；根据关键点检测结果，实现虾苗计数。2.根据权利要求1所述的虾苗计数方法，其特征在于，所述关键点检测网络模型包括依次连接的第一子网阶段、第二子网阶段、第三子网阶段、第四子网阶段、第五子网阶段。3.根据权利要求2所述的虾苗计数方法，其特征在于，所述第一子网阶段包括两个第一卷积层；所述第二子网阶段包括两个第一模块和第二模块，其中两个第一模块依次连接，处于最后的第一模块与第二模块连接；所述第三子网阶段包括两个第一模块和第二模块，其中两个第一模块依次连接，处于最后的第一模块与第二模块连接；所述第四子网阶段包括八个第一模块和第二模块，其中八个第一模块依次连接，处于最后的第一模块与第二模块连接；所述第五子网阶段包括两个第一模块和第二模块，其中两个第一模块依次连接，处于最后的第一模块与第二模块连接；所述第一模块包括四个瓶颈子模块，所述第二模块为过渡融合模块。4.根据权利要求3所述的虾苗计数方法，其特征在于，所述瓶颈子模块包括第二卷积层、第三卷积层和第四卷积层；所述第二卷积层后接LayerNormalization正则化层和ReLu激活层；所述第三卷积层后接LayerNormalization正则化层和ReLu激活层；所述第四卷积层后接LayerNormalization正则化层；所述第一卷积层和第三卷积层的卷积核大小为3×3；所述第二卷积层和第四卷积层的卷积核大小为1×1。5.根据权利要求3所述的虾苗计数方法，其特征在于，所述过渡融合模块包括上采样操作、下采样操作和卷积操作其中一种操作或多种操作；所述上采样操作使用线性差值算法，并后接一个卷积核大小为1×1的卷积层进行平滑处理；所述下采样操作使用一个卷积核大小为3×3的卷积层进行卷积；所述卷积操作使用一个卷积核大小为3×3的卷积层进行卷积。6.根据权利要求1所述的虾苗计数方法，其特征在于，所述将虾苗图像集输入关键点检测网络模型进行训练，得到虾苗关键点检测网络模型，具体包括：对虾苗图像集进行关键点标注，得到虾苗关键点标注图像集；将虾苗关键点标注图像集转换成标签文件数据；将标签文件数据转换成关键点检测格式数据；根据关键点检测格式数据，生成高斯热图集；2CN115222666A权利要求书2/2页利用高斯热图集和虾苗图像集对关键点检测网络模型进行训练，从而得到虾苗关键点检测网络模型。7.根据权利要求6所述的虾苗计数方法，其特征在于，所述对虾苗图像集进行关键点标注，具体包括；对虾苗图像集中的每只虾苗的中部进行关键点标注；或对虾苗图像集中的每只虾苗的头部和尾部进行关键点标注；或对虾苗图像集中的每只虾苗的头部、中部和尾部进行关键点标注。8.一种基于关键点检测的虾苗计数系统，其特征在于，所述系统包括：第一获取单元，用于获取虾苗图像集；构建单元，用于构建关键点检测网络模型；训练单元，用于将虾苗图像集输入关键点检测网络模型进行训练，得到虾苗关键点检测网络模型；第二获取单元，用于获取待计数虾苗图像；检测单元，用于将待计数虾苗图像输