基于立体视觉的动态鱼体尺寸测量

TP391.41; 获取渔业养殖鱼类生长态势的人工测量方法费时费力,且影响鱼的正常生长.为了实现水下鱼体信息动态感知和快速无损检测,该研究提出立体视觉下动态鱼体尺寸测量方法.通过双目立体视觉技术获取三维信息,再通过Mask-RCNN(Mask Region Convolution Neural Network)网络进行鱼体检测与精细分割,最后生成鱼表面的三维点云数据,计算得到自由活动下多条鱼的外形尺寸.试验结果表明,长度和宽度的平均相对误差分别在4.7％和9.2％左右.该研究满足了水产养殖环境下进行可视化管理、无接触测量鱼体尺寸的需要,可以为养殖过程中分级饲养和合理投饵提供参考依据....

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 36; no. 21; pp. 220 - 226
Main Authors 李艳君, 黄康为, 项基
Format Journal Article
LanguageChinese
Published 浙大城市学院,杭州 310015%浙大城市学院,杭州 310015 01.11.2020
浙江大学控制科学与工程学院,杭州 310027%浙江大学电气工程学院,杭州 310027
Subjects
机器视觉
深度学习
Mask-RCNN
图像分割
鱼
三维点云处理
三维重建
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2020.21.026

Cover

More Information
Summary:TP391.41; 获取渔业养殖鱼类生长态势的人工测量方法费时费力,且影响鱼的正常生长.为了实现水下鱼体信息动态感知和快速无损检测,该研究提出立体视觉下动态鱼体尺寸测量方法.通过双目立体视觉技术获取三维信息,再通过Mask-RCNN(Mask Region Convolution Neural Network)网络进行鱼体检测与精细分割,最后生成鱼表面的三维点云数据,计算得到自由活动下多条鱼的外形尺寸.试验结果表明,长度和宽度的平均相对误差分别在4.7％和9.2％左右.该研究满足了水产养殖环境下进行可视化管理、无接触测量鱼体尺寸的需要,可以为养殖过程中分级饲养和合理投饵提供参考依据.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2020.21.026