CN110046594A - 一种图像计数的方法 - Google Patents
一种图像计数的方法 Download PDFInfo
- Publication number
- CN110046594A CN110046594A CN201910325881.7A CN201910325881A CN110046594A CN 110046594 A CN110046594 A CN 110046594A CN 201910325881 A CN201910325881 A CN 201910325881A CN 110046594 A CN110046594 A CN 110046594A
- Authority
- CN
- China
- Prior art keywords
- fry
- image
- pixel
- denoted
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 32
- 230000008859 change Effects 0.000 claims abstract description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000012935 Averaging Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 241000251468 Actinopterygii Species 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 3
- 238000009360 aquaculture Methods 0.000 description 3
- 244000144974 aquaculture Species 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像计数的方法,包括如下步骤:S1、读取无鱼苗的背景图像,设有K张,记为I0k,k=1,2,3,…,K;S2、读取已知鱼苗数NC的鱼苗图像,设有M组,每组K张,记为Imk,m=1,2,3,…,M,k=1,2,3,…,K;S3、计算背景图像与鱼苗图像的灰度差,即DImk=Iok‑Imk;S4、计算鱼苗数引起的灰度变化,在DImk矩阵中设定一定阈值,如果一像素点的灰度值超过这一阈值,则认为是鱼苗的像素点。本发明通过数据拟合,建立已知鱼苗数量的鱼苗图像中鱼苗所占像素点数与鱼苗数量之间的关系,从而判断实际鱼苗数,避免了复杂的图像识别技术,使计数的运算过程得到简化,解决了现有图像识别和数学建模方法复杂,图像数据运算量大的问题。
Description
技术领域
本发明涉及图像计数技术领域,具体为一种图像计数的方法。
背景技术
在水产养殖中,鱼苗的精确计数是科学投饵、养殖密度控制、鱼苗存活率评估和鱼苗购销等养殖规范化管理的基础保障,是实施水产养殖自动化的根本保证。目前鱼苗计数主要采用人工肉眼计数的方法,存在计数准确率低、效率低,受人工经验限制,误差不定等缺点,且对鱼苗有损伤,已无法适应规模化水产养殖和销售的需求。
机器视觉技术(或称计算机视觉技术)是使用计算机从一幅或多幅图像中自动获取信息、识别物体以及理解场景的技术,已广泛应用于生产的检测、检验,并在工农业领域已有了成功的应用。目前,已有研究人员尝试将机器视觉用于鱼苗计数,以提高工作效率和准确度,具有很好的实用价值和应用前景。但目前这些方法主要采用了较为复杂的图像识别和数学建模方法,有较大的图像数据运算量,为此,我们提出一种图像计数的方法。
发明内容
本发明的目的在于提供一种图像计数的方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种图像计数的方法,包括如下步骤:
S1、读取无鱼苗的背景图像,设有K张,记为I0k,k=1,2,3,···,K;
S2、读取已知鱼苗数NC的鱼苗图像,设有M组,每组K张,记为Imk,m=1,2,3,···,M,k=1,2,3,···,K;
S3、计算背景图像与鱼苗图像的灰度差,即DImk=Iok-Imk;
S4、计算鱼苗数引起的灰度变化,在DImk矩阵中设定一定阈值,如果一像素点的灰度值超过这一阈值,则认为是鱼苗的像素点,否则认为不是鱼苗的像素点,统计各鱼苗图像中鱼苗像素点的数量,存储于Np矩阵中;
S5、多项式拟合,将Np中的数值缩小一定倍数,使之与已知鱼苗数量N大致在1个数量级,对每个k,多项式拟合Nc与Np第k列的关系,将获得的多项式系数记为Pk,对应相加并除以K,即最终获得的鱼苗数与鱼苗引起的图像灰度变化之间的多项式系数,记为p;
S6、读取未知鱼苗数的鱼苗图像K张,记为Iunk,计算背景图像与未知鱼苗图像的灰度差,记为DIun=Iok-Iunk;
S7、再次计算鱼苗引起的图像灰度变化,计算方式与步骤S4相同,获得鱼苗像素点数量矩阵Npun;
S8、鱼苗数计算:利用步骤S5获得的多项式系数p,由鱼苗像素点数Npun推出每张图像中鱼苗数,并求平均数即未知鱼苗数图像中鱼苗的数量。
优选的,所述步骤S1通过数码照相机或数码摄像机对鱼苗进行拍摄,拍摄后的图片为1600×1280像素png格式的鱼苗图片,首先获取无鱼苗的背景图像,其次获取3-5组已知鱼苗数的鱼苗图像,并计算鱼苗所占像素点数。
优选的,所述已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像是用于确定图像中鱼苗所占像素点数与鱼苗数的关系,只需在第1次鱼苗计数时获取,但要保证未知鱼苗数的鱼苗图像的获取条件,与上述已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像相同。
优选的,所述步骤S4中存储于Ⅳp矩阵中共有M×K个数据。
优选的,所述步骤S7中矩阵Npun共有K个数据。
与现有技术相比,本发明的有益效果是:本发明首先获取无鱼苗的背景图像,其次获取若干组已知鱼苗数的鱼苗图像,并计算鱼苗所占像素点数,而后采用多项式拟合的方法建立图像中鱼苗所占像素点数与鱼苗数量之间的关系,再获取未知鱼苗数的鱼苗图像,由该图像中鱼苗所占像素点数按拟合关系式计算鱼苗数量,通过数据拟合,建立已知鱼苗数量的鱼苗图像中鱼苗所占像素点数与鱼苗数量之间的关系,从而判断实际鱼苗数,避免了复杂的图像识别技术,使计数的运算过程得到简化,解决了现有图像识别和数学建模方法复杂,图像数据运算量大的问题。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种技术方案:一种图像计数的方法,包括如下步骤:
S1、读取无鱼苗的背景图像,设有K张,记为I0k,k=1,2,3,···,K;
S2、读取已知鱼苗数NC的鱼苗图像,设有M组,每组K张,记为Imk,m=1,2,3,···,M,k=1,2,3,···,K;
S3、计算背景图像与鱼苗图像的灰度差,即DImk=Iok-Imk;
S4、计算鱼苗数引起的灰度变化,在DImk矩阵中设定一定阈值,如果一像素点的灰度值超过这一阈值,则认为是鱼苗的像素点,否则认为不是鱼苗的像素点,统计各鱼苗图像中鱼苗像素点的数量,存储于Np矩阵中;
S5、多项式拟合,将Np中的数值缩小一定倍数,使之与已知鱼苗数量N大致在1个数量级,对每个k,多项式拟合Nc与Np第k列的关系,将获得的多项式系数记为Pk,对应相加并除以K,即最终获得的鱼苗数与鱼苗引起的图像灰度变化之间的多项式系数,记为p;
S6、读取未知鱼苗数的鱼苗图像K张,记为Iunk,计算背景图像与未知鱼苗图像的灰度差,记为DIun=Iok-Iunk;
S7、再次计算鱼苗引起的图像灰度变化,计算方式与步骤S4相同,获得鱼苗像素点数量矩阵Npun;
S8、鱼苗数计算:利用步骤S5获得的多项式系数p,由鱼苗像素点数Npun推出每张图像中鱼苗数,并求平均数即未知鱼苗数图像中鱼苗的数量。
实施例一:
S1、读取无鱼苗的背景图像,设有K张,记为I0k,k=1,2,3,···,K;
S2、读取已知鱼苗数NC的鱼苗图像,设有M组,每组K张,记为Imk,m=1,2,3,···,M,k=1,2,3,···,K;
S3、计算背景图像与鱼苗图像的灰度差,即DImk=Iok-Imk;
S4、计算鱼苗数引起的灰度变化,在DImk矩阵中设定一定阈值,如果一像素点的灰度值超过这一阈值,则认为是鱼苗的像素点,否则认为不是鱼苗的像素点,统计各鱼苗图像中鱼苗像素点的数量,存储于Np矩阵中;
S5、多项式拟合,将Np中的数值缩小一定倍数,使之与已知鱼苗数量N大致在1个数量级,对每个k,多项式拟合Nc与Np第k列的关系,将获得的多项式系数记为Pk,对应相加并除以K,即最终获得的鱼苗数与鱼苗引起的图像灰度变化之间的多项式系数,记为p;
S6、读取未知鱼苗数的鱼苗图像K张,记为Iunk,计算背景图像与未知鱼苗图像的灰度差,记为DIun=Iok-Iunk;
S7、再次计算鱼苗引起的图像灰度变化,计算方式与步骤S4相同,获得鱼苗像素点数量矩阵Npun;
S8、鱼苗数计算:利用步骤S5获得的多项式系数p,由鱼苗像素点数Npun推出每张图像中鱼苗数,并求平均数即未知鱼苗数图像中鱼苗的数量。
实施例二:
S1、通过数码照相机或数码摄像机对鱼苗进行拍摄,拍摄后的图片为1600×1280像素png格式的鱼苗图片,首先获取无鱼苗的背景图像,其次获取3-5组已知鱼苗数的鱼苗图像,并计算鱼苗所占像素点数,读取无鱼苗的背景图像,设有K张,记为I0k,k=1,2,3,···,K;
S2、读取已知鱼苗数NC的鱼苗图像,设有M组,每组K张,记为Imk,m=1,2,3,···,M,k=1,2,3,···,K;
S3、计算背景图像与鱼苗图像的灰度差,即DImk=Iok-Imk;
S4、计算鱼苗数引起的灰度变化,在DImk矩阵中设定一定阈值,如果一像素点的灰度值超过这一阈值,则认为是鱼苗的像素点,否则认为不是鱼苗的像素点,统计各鱼苗图像中鱼苗像素点的数量,存储于Np矩阵中;
S5、多项式拟合,将Np中的数值缩小一定倍数,使之与已知鱼苗数量N大致在1个数量级,对每个k,多项式拟合Nc与Np第k列的关系,将获得的多项式系数记为Pk,对应相加并除以K,即最终获得的鱼苗数与鱼苗引起的图像灰度变化之间的多项式系数,记为p;
S6、读取未知鱼苗数的鱼苗图像K张,记为Iunk,计算背景图像与未知鱼苗图像的灰度差,记为DIun=Iok-Iunk;
S7、再次计算鱼苗引起的图像灰度变化,计算方式与步骤S4相同,获得鱼苗像素点数量矩阵Npun;
S8、鱼苗数计算:利用步骤S5获得的多项式系数p,由鱼苗像素点数Npun推出每张图像中鱼苗数,并求平均数即未知鱼苗数图像中鱼苗的数量。
实施例三:
S1、通过数码照相机或数码摄像机对鱼苗进行拍摄,拍摄后的图片为1600×1280像素png格式的鱼苗图片,首先获取无鱼苗的背景图像,其次获取3-5组已知鱼苗数的鱼苗图像,并计算鱼苗所占像素点数,已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像是用于确定图像中鱼苗所占像素点数与鱼苗数的关系,只需在第1次鱼苗计数时获取,但要保证未知鱼苗数的鱼苗图像的获取条件,与上述已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像相同,读取无鱼苗的背景图像,设有K张,记为I0k,k=1,2,3,···,K;
S2、读取已知鱼苗数NC的鱼苗图像,设有M组,每组K张,记为Imk,m=1,2,3,···,M,k=1,2,3,···,K;
S3、计算背景图像与鱼苗图像的灰度差,即DImk=Iok-Imk;
S4、计算鱼苗数引起的灰度变化,在DImk矩阵中设定一定阈值,如果一像素点的灰度值超过这一阈值,则认为是鱼苗的像素点,否则认为不是鱼苗的像素点,统计各鱼苗图像中鱼苗像素点的数量,存储于Np矩阵中;
S5、多项式拟合,将Np中的数值缩小一定倍数,使之与已知鱼苗数量N大致在1个数量级,对每个k,多项式拟合Nc与Np第k列的关系,将获得的多项式系数记为Pk,对应相加并除以K,即最终获得的鱼苗数与鱼苗引起的图像灰度变化之间的多项式系数,记为p;
S6、读取未知鱼苗数的鱼苗图像K张,记为Iunk,计算背景图像与未知鱼苗图像的灰度差,记为DIun=Iok-Iunk;
S7、再次计算鱼苗引起的图像灰度变化,计算方式与步骤S4相同,获得鱼苗像素点数量矩阵Npun;
S8、鱼苗数计算:利用步骤S5获得的多项式系数p,由鱼苗像素点数Npun推出每张图像中鱼苗数,并求平均数即未知鱼苗数图像中鱼苗的数量。
实施例四:
S1、通过数码照相机或数码摄像机对鱼苗进行拍摄,拍摄后的图片为1600×1280像素png格式的鱼苗图片,首先获取无鱼苗的背景图像,其次获取3-5组已知鱼苗数的鱼苗图像,并计算鱼苗所占像素点数,已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像是用于确定图像中鱼苗所占像素点数与鱼苗数的关系,只需在第1次鱼苗计数时获取,但要保证未知鱼苗数的鱼苗图像的获取条件,与上述已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像相同,读取无鱼苗的背景图像,设有K张,记为I0k,k=1,2,3,···,K;
S2、读取已知鱼苗数NC的鱼苗图像,设有M组,每组K张,记为Imk,m=1,2,3,···,M,k=1,2,3,···,K;
S3、计算背景图像与鱼苗图像的灰度差,即DImk=Iok-Imk;
S4、计算鱼苗数引起的灰度变化,在DImk矩阵中设定一定阈值,如果一像素点的灰度值超过这一阈值,则认为是鱼苗的像素点,否则认为不是鱼苗的像素点,统计各鱼苗图像中鱼苗像素点的数量,存储于Np矩阵中,存储于Ⅳp矩阵中共有M×K个数据;
S5、多项式拟合,将Np中的数值缩小一定倍数,使之与已知鱼苗数量N大致在1个数量级,对每个k,多项式拟合Nc与Np第k列的关系,将获得的多项式系数记为Pk,对应相加并除以K,即最终获得的鱼苗数与鱼苗引起的图像灰度变化之间的多项式系数,记为p;
S6、读取未知鱼苗数的鱼苗图像K张,记为Iunk,计算背景图像与未知鱼苗图像的灰度差,记为DIun=Iok-Iunk;
S7、再次计算鱼苗引起的图像灰度变化,计算方式与步骤S4相同,获得鱼苗像素点数量矩阵Npun;
S8、鱼苗数计算:利用步骤S5获得的多项式系数p,由鱼苗像素点数Npun推出每张图像中鱼苗数,并求平均数即未知鱼苗数图像中鱼苗的数量。
实施例五:
S1、通过数码照相机或数码摄像机对鱼苗进行拍摄,拍摄后的图片为1600×1280像素png格式的鱼苗图片,首先获取无鱼苗的背景图像,其次获取3-5组已知鱼苗数的鱼苗图像,并计算鱼苗所占像素点数,已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像是用于确定图像中鱼苗所占像素点数与鱼苗数的关系,只需在第1次鱼苗计数时获取,但要保证未知鱼苗数的鱼苗图像的获取条件,与上述已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像相同,读取无鱼苗的背景图像,设有K张,记为I0k,k=1,2,3,···,K;
S2、读取已知鱼苗数NC的鱼苗图像,设有M组,每组K张,记为Imk,m=1,2,3,···,M,k=1,2,3,···,K;
S3、计算背景图像与鱼苗图像的灰度差,即DImk=Iok-Imk;
S4、计算鱼苗数引起的灰度变化,在DImk矩阵中设定一定阈值,如果一像素点的灰度值超过这一阈值,则认为是鱼苗的像素点,否则认为不是鱼苗的像素点,统计各鱼苗图像中鱼苗像素点的数量,存储于Np矩阵中,存储于Ⅳp矩阵中共有M×K个数据;
S5、多项式拟合,将Np中的数值缩小一定倍数,使之与已知鱼苗数量N大致在1个数量级,对每个k,多项式拟合Nc与Np第k列的关系,将获得的多项式系数记为Pk,对应相加并除以K,即最终获得的鱼苗数与鱼苗引起的图像灰度变化之间的多项式系数,记为p;
S6、读取未知鱼苗数的鱼苗图像K张,记为Iunk,计算背景图像与未知鱼苗图像的灰度差,记为DIun=Iok-Iunk;
S7、再次计算鱼苗引起的图像灰度变化,计算方式与步骤S4相同,获得鱼苗像素点数量矩阵Npun,矩阵Npun共有K个数据。
S8、鱼苗数计算:利用步骤S5获得的多项式系数p,由鱼苗像素点数Npun推出每张图像中鱼苗数,并求平均数即未知鱼苗数图像中鱼苗的数量。
首先拍摄未放人鱼苗时水箱的背景照片,在水箱中依次放入5,10,15,…,40,45,50条鱼苗并获取鱼苗图像,将所拍摄到的图像中的背景去除得到黑色背景的鱼苗图片,由于鱼苗具有游动性,为提高计数准确率,每次都拍摄5幅图片,并进行平均处理,为方便数据拟合处理将鱼苗所占像素点数缩小了1000倍,得到的结果为鱼苗所占像素点数与鱼苗数大体呈线性关系。
本发明首先获取无鱼苗的背景图像,其次获取若干组已知鱼苗数的鱼苗图像,并计算鱼苗所占像素点数,而后采用多项式拟合的方法建立图像中鱼苗所占像素点数与鱼苗数量之间的关系,再获取未知鱼苗数的鱼苗图像,由该图像中鱼苗所占像素点数按拟合关系式计算鱼苗数量,通过数据拟合,建立已知鱼苗数量的鱼苗图像中鱼苗所占像素点数与鱼苗数量之间的关系,从而判断实际鱼苗数,避免了复杂的图像识别技术,使计数的运算过程得到简化,解决了现有图像识别和数学建模方法复杂,图像数据运算量大的问题。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种图像计数的方法,其特征在于:包括如下步骤:
S1、读取无鱼苗的背景图像,设有K张,记为I0k,k=1,2,3,···,K;
S2、读取已知鱼苗数NC的鱼苗图像,设有M组,每组K张,记为Imk,m=1,2,3,···,M,k=1,2,3,···,K;
S3、计算背景图像与鱼苗图像的灰度差,即DImk=Iok-Imk;
S4、计算鱼苗数引起的灰度变化,在DImk矩阵中设定一定阈值,如果一像素点的灰度值超过这一阈值,则认为是鱼苗的像素点,否则认为不是鱼苗的像素点,统计各鱼苗图像中鱼苗像素点的数量,存储于Np矩阵中;
S5、多项式拟合,将Np中的数值缩小一定倍数,使之与已知鱼苗数量N大致在1个数量级,对每个k,多项式拟合Nc与Np第k列的关系,将获得的多项式系数记为Pk,对应相加并除以K,即最终获得的鱼苗数与鱼苗引起的图像灰度变化之间的多项式系数,记为p;
S6、读取未知鱼苗数的鱼苗图像K张,记为Iunk,计算背景图像与未知鱼苗图像的灰度差,记为DIun=Iok-Iunk;
S7、再次计算鱼苗引起的图像灰度变化,计算方式与步骤S4相同,获得鱼苗像素点数量矩阵Npun;
S8、鱼苗数计算:利用步骤S5获得的多项式系数p,由鱼苗像素点数Npun推出每张图像中鱼苗数,并求平均数即未知鱼苗数图像中鱼苗的数量。
2.根据权利要求1所述的一种图像计数的方法,其特征在于:所述步骤S1通过数码照相机或数码摄像机对鱼苗进行拍摄,拍摄后的图片为1600×1280像素png格式的鱼苗图片,首先获取无鱼苗的背景图像,其次获取3-5组已知鱼苗数的鱼苗图像,并计算鱼苗所占像素点数。
3.根据权利要求2所述的一种图像计数的方法,其特征在于:所述已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像是用于确定图像中鱼苗所占像素点数与鱼苗数的关系,只需在第1次鱼苗计数时获取,但要保证未知鱼苗数的鱼苗图像的获取条件,与上述已知鱼苗数的鱼苗图像和无鱼苗的水箱背景图像相同。
4.根据权利要求1所述的一种图像计数的方法,其特征在于:所述步骤S4中存储于Ⅳp矩阵中共有M×K个数据。
5.根据权利要求1所述的一种图像计数的方法,其特征在于:所述步骤S7中矩阵Npun共有K个数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910325881.7A CN110046594A (zh) | 2019-04-22 | 2019-04-22 | 一种图像计数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910325881.7A CN110046594A (zh) | 2019-04-22 | 2019-04-22 | 一种图像计数的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110046594A true CN110046594A (zh) | 2019-07-23 |
Family
ID=67278483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910325881.7A Pending CN110046594A (zh) | 2019-04-22 | 2019-04-22 | 一种图像计数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110046594A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380920A (zh) * | 2020-10-23 | 2021-02-19 | 中国水产科学研究院东海水产研究所 | 一种利用视频数据统计鱼苗数量的方法 |
CN114119662A (zh) * | 2021-11-23 | 2022-03-01 | 广州市斯睿特智能科技有限公司 | 鱼类检测视觉系统中的图像处理方法及其系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430775A (zh) * | 2008-11-17 | 2009-05-13 | 浙江海洋学院 | 基于计算机视觉的鱼苗自动计数系统 |
CN102805044A (zh) * | 2012-07-16 | 2012-12-05 | 宁波大学 | 基于计算机视频处理的鱼虾蟹苗自动计数装置及其方法 |
CN106339752A (zh) * | 2016-09-21 | 2017-01-18 | 浙江省海洋水产研究所 | 一种鱼苗计数装置及计数方法 |
-
2019
- 2019-04-22 CN CN201910325881.7A patent/CN110046594A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430775A (zh) * | 2008-11-17 | 2009-05-13 | 浙江海洋学院 | 基于计算机视觉的鱼苗自动计数系统 |
CN102805044A (zh) * | 2012-07-16 | 2012-12-05 | 宁波大学 | 基于计算机视频处理的鱼虾蟹苗自动计数装置及其方法 |
CN106339752A (zh) * | 2016-09-21 | 2017-01-18 | 浙江省海洋水产研究所 | 一种鱼苗计数装置及计数方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380920A (zh) * | 2020-10-23 | 2021-02-19 | 中国水产科学研究院东海水产研究所 | 一种利用视频数据统计鱼苗数量的方法 |
CN114119662A (zh) * | 2021-11-23 | 2022-03-01 | 广州市斯睿特智能科技有限公司 | 鱼类检测视觉系统中的图像处理方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111339870B (zh) | 一种针对物体遮挡场景的人体形状和姿态估计方法 | |
TWI447658B (zh) | 人臉影像擷取方法與裝置 | |
CN111160210B (zh) | 一种基于视频的水流速检测方法及系统 | |
CN111862048A (zh) | 基于关键点检测和深度卷积神经网络的鱼体姿态与长度自动分析方法 | |
CN108830271A (zh) | 一种基于卷积神经网络的数显仪表读数识别方法 | |
CN109919975B (zh) | 一种基于坐标标定的广域监控运动目标关联方法 | |
CN110046594A (zh) | 一种图像计数的方法 | |
CN107509031A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN103426183B (zh) | 运动物体跟踪方法以及装置 | |
CN107133969A (zh) | 一种基于背景反投影的移动平台运动目标检测方法 | |
CN110414558A (zh) | 基于事件相机的特征点匹配方法 | |
CN101430775A (zh) | 基于计算机视觉的鱼苗自动计数系统 | |
CN112232978A (zh) | 水产品体长和重量检测方法、终端设备及存储介质 | |
CN109724537B (zh) | 一种双目三维成像方法及系统 | |
CN109711472A (zh) | 训练数据生成方法和装置 | |
CN112465778A (zh) | 一种水下鱼群观测装置及方法 | |
CN111563458A (zh) | 基于YOLOv3和OpenCV的目标检测与定位方法 | |
CN115512215A (zh) | 水下生物监测方法、装置及存储介质 | |
CN113674335A (zh) | 深度成像方法、电子设备及存储介质 | |
CN116205991A (zh) | 基于多视角相机阵列的多信息源事件感知器的构建方法 | |
CN113411510B (zh) | 一种基于图像质量评价和红热锻件的相机自动曝光算法 | |
CN108230351A (zh) | 基于双目立体视觉行人检测的柜台评价方法与系统 | |
CN114332355A (zh) | 一种基于深度学习的弱光多视图几何重建方法 | |
CN113327263A (zh) | 一种基于图像视觉的鱼群活跃度监测方法 | |
CN108180825B (zh) | 一种基于线结构光的长方体形物体三维识别与定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190723 |