CN111754527A - 一种基于三维扫描模型的鱼类表型自动提取方法 - Google Patents

一种基于三维扫描模型的鱼类表型自动提取方法 Download PDF

Info

Publication number
CN111754527A
CN111754527A CN202010585973.1A CN202010585973A CN111754527A CN 111754527 A CN111754527 A CN 111754527A CN 202010585973 A CN202010585973 A CN 202010585973A CN 111754527 A CN111754527 A CN 111754527A
Authority
CN
China
Prior art keywords
fish
point
fin
head
value
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.)
Granted
Application number
CN202010585973.1A
Other languages
English (en)
Other versions
CN111754527B (zh
Inventor
刘海平
牟振波
肖世俊
廖宇航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Institute of Animal Husbandry and Veterinary Medicine of Tibet Academy of Agriculture and Animal Husbandry Sciences
Original Assignee
Wuhan University of Technology WUT
Institute of Animal Husbandry and Veterinary Medicine of Tibet Academy of Agriculture and Animal Husbandry Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT, Institute of Animal Husbandry and Veterinary Medicine of Tibet Academy of Agriculture and Animal Husbandry Sciences filed Critical Wuhan University of Technology WUT
Priority to CN202010585973.1A priority Critical patent/CN111754527B/zh
Publication of CN111754527A publication Critical patent/CN111754527A/zh
Application granted granted Critical
Publication of CN111754527B publication Critical patent/CN111754527B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

一种基于三维扫描模型的鱼类表型自动提取方法，所属生物信息领域，提取方法包括搭建鱼类三维扫描平台；鱼麻醉；扫描三维模型；三维模型的预处理；目标模型分割并定义；选取关键点；计算鱼类表型性状。本发明能够在不杀害鱼的前提下获得鱼的三维模型数据，并且能快速、精确、全面地提取出鱼类表型数据，能够计算表面积、体积、关键点之间的曲线距离等难以测量的表型数据，本发明方法操作快捷简单，节省人力，具有良好的可实现性。

Description

一种基于三维扫描模型的鱼类表型自动提取方法
技术领域
本发明属于生物信息领域，特别涉及一种基于三维扫描模型的鱼类表型自动提取方法。
背景技术
表型是有机体可被观察到的结构和功能方面的特性，主要是指形态方面的特征。提取鱼类表型数据，对于鱼类分类、育种、分化等研究具有重大意义。目前的鱼类表型提取方法一般包括两种，一种是使用直尺对鱼进行手工的测量，这种方法耗时长，精度低，人力成本高，并且会导致鱼类死亡，在研究一些稀缺鱼类资源时，会破坏生态平衡；另一种是采取图像的方式，使用RGB相机获取鱼类图像，再提取它的表型数据，这种方法耗时短，精度高，但是获取的表型信息不完善，无法获取如表面积、体积、各点曲线距离等性状。
本发明旨在提供一种鱼类表型自动提取方法，使用三维扫描仪来获取鱼类三维模型数据，再进行提取，这种方法耗时短、对鱼不造成伤害、精度高，表型信息提取全面。
发明内容
为了解决现有技术中获取鱼类三维模型数据耗时长、精度低、表型信息不全面等问题，本发明提供一种基于三维扫描模型的鱼类表型自动提取方法，可以在不伤害鱼的前提下，获取鱼类三维模型数据，并快速、精确、全面地提取鱼类表型数据，其具体技术方案如下：
一种基于三维扫描模型的鱼类表型自动提取方法，包含以下步骤：
步骤1，搭建平台：
使用平台支架、透明的亚克力板和在透明亚克力板上随机位置粘贴的标记点搭建三维扫描平台；
步骤2，麻醉：
在水中加入MS-222丁香酚鱼类麻醉剂，麻醉剂浓度为90～95％，麻醉剂与水比例为1ml麻醉剂兑水19～20kg，不同种鱼类可适当调整用量；然后将鱼放入其中，使鱼呈现麻醉状态；
步骤3，数据扫描：
将鱼放在三维扫描平台上，立即使用3D扫描仪对鱼360°的全方位扫描，然后得到较为完整的鱼类三维模型数据，输出数据格式为pcd格式；
步骤4，预处理：
对得到的鱼类三维模型数据使用构造三维体素栅格的方法下采样，用随机采样一致性算法去除平面，同时得到地面法向量，欧氏分割剔除杂质噪声，然后使用半径滤波去除离群点，最后使用主成分分析地面法向量方向结合的点云旋转归一化进行预处理，使得鱼模型中心处于坐标原点，鱼头朝向x轴负方向，地面法向量朝向z轴正方向；
步骤5，模型鱼头分割
选取一个同种类的鱼类头部模型，使用4PCS算法与ICP算法对齐目标鱼类模型的头部，分割出鱼头，记录鱼头中心点的坐标位置；
步骤6，模型躯体分割
使用区域生长分割方法分割出背鳍、尾鳍、臀鳍与鱼身，并根据各部位相对于鱼头中心点的位置赋予各部位不同的语义；
步骤7，模型躯干分割
切割鱼头部鱼臀鳍之间的鱼身部位，只留鱼肚部分，根据鱼肚与鱼鳍颜色差异较大的特征，使用颜色分割方法分割出胸鳍与腹鳍，并根据各部位相对于鱼头中心点的位置赋予各部位不同的语义；
步骤8，选取
根据定义在各部位选取关键点，包括鱼头起点、鱼鳃盖后缘点、鱼头上部终点、背鳍起点、背鳍终点、胸鳍起点、胸鳍终点、腹鳍起点、腹鳍终点、臀鳍起点、臀鳍终点、尾鳍起点、尾鳍终点；
步骤9，计算
根据各关键点计算鱼类表型性状，包括XY方向的平面距离，XYZ坐标系下的空间距离和两关键点之间沿鱼身的最短路径距离；
所述步骤3中，3D扫描仪为G-SCAN手持三维扫描仪；
所述步骤4中，点云旋转归一化进行预处理，使用pcl点云库；
所述步骤6中，赋予各部位不同的语义为，分割区域中心相距鱼头中心最远的为尾鳍，分割区域中心y轴坐标最大的为背鳍，分割区域中心y轴坐标最小的为臀鳍，剩下的为鱼身；
所述步骤7中，赋予各部位不同的语义为，分割区域中心距离鱼头中心较小的为胸鳍，距离较大的为腹鳍；
所述步骤8中，鱼头部分x值最小的点为鱼头起点；x值最大的点为鱼鳃盖后缘点；y值最大的点为鱼头上部终点；计算鱼身与背鳍边界，根据两边界各点距离，距离较小的为背鳍与鱼身的交界线，交界线部分x值最小的点为背鳍起点，x值最大的为背鳍终点；计算胸鳍部分包围盒，与包围盒左上角点距离最近的点为胸鳍起点，x值最大的点为胸鳍终点；腹鳍部分x值最小的点为腹鳍起点，x值最大的点为腹鳍终点；计算鱼身与臀鳍边界，根据两边界各点距离，距离较小的为臀鳍与鱼身的交界线，交界线部分x值最小的点为臀鳍起点，x值最大的视为臀鳍终点；尾鳍部分x值最小的点为尾鳍起点，x值最大的点为尾鳍终点；计算鱼身边界点，沿x轴方向逐步计算沿y轴方向的两点距离，最小值即为尾柄高。
本发明的一种基于三维扫描模型的鱼类表型自动提取方法，与现有技术相比，有益效果为：
一、三维扫描平台使用平台支架、透明的亚克力板和在透明亚克力板上随机位置粘贴的标记点构成，可拆卸，便于携带，扫描速度快，精准度高；
二、耗时短，使用麻醉技术将鱼麻醉后再进行扫描，扫描过程持续1min左右，耗时短，且不会对鱼造成伤害；
三、扫描得到数据以后，表型提取为全自动过程，有利于提高工作效率、降低人工与时间成本；
四、使用计算机选取关键点后提取表型数据，可有效避免人工失误而造成误差；
五、三维模型包含的表型信息更加丰富，可为鱼类的生物学研究提供更加丰富精确的数据，表型数据提取全面，可计算表面积、体积、各点之间的曲线信息，这是传统测量方法所难以做到的；
六、根据鱼类模型自身的特点，胸鳍、腹鳍几何特征差异不明显而颜色差异明显，其他部位几何特征差异明显，采用分区域分割，多种分割方法相结合来对鱼类模型进行分割，提高模型分割的准确度；
七、扫描得到的三维鱼类模型保留了扫描鱼类的原始信息，未加处理，信息更加真实丰富，有利于表型、育种等生物学研究。
附图说明
图1为本发明搭建三维扫描平台示意图，其中：1-平台支架；2-透明的亚克力板；3-随机位置粘贴的标记点，4-3D扫描仪，5-鱼；
图2为本发明的鱼类三维扫描模型关键点说明图，其中：AI-全长，AH-体长，AS-背吻距，AR-头长，OT-体高，NL-头高，DF-臀腹鳍基距，PQ-尾柄高，GH-尾柄长，AS-背鳍前距，SH-背鳍后距，JK-背鳍基长，BC-胸鳍长，DE-腹鳍长，FG-臀鳍基长，HI-尾鳍长，BD-胸鳍起点到腹鳍起点的直线距离，BJ-胸鳍起点到背鳍起点的直线距离，JD-背鳍起点到腹鳍起点的直线距离；
图3为本发明基于三维扫描模型的鱼类表型自动提取方法的操作流程示意图。
具体实施方式
下面结合具体实施案例和附图1-3对本发明作进一步说明，但本发明并不局限于这些实施例。
实施例1
一种基于三维扫描模型的鱼类表型自动提取方法，对裸腹叶须鱼进行三维扫描和表型自动提取，包含以下步骤：
步骤1，搭建平台：
使用平台支架、透明的亚克力板和在透明亚克力板上随机位置粘贴的标记点，搭建三维扫描平台，如图1所示；
步骤2，麻醉：
在水中加入MS-222丁香酚鱼类麻醉剂，麻醉剂浓度为90％，麻醉剂与水比例为1ml麻醉剂兑水19kg，将鱼放入其中，使鱼呈现麻醉状态；
步骤3，数据扫描：
将鱼放在三维扫描平台上，立即使用3D扫描仪对鱼360°的全方位扫描，然后得到较为完整的鱼类三维模型数据，输出数据格式为pcd格式；
步骤4，预处理：
对得到的鱼类三维模型使用构造三维体素栅格的方法下采样，以提高计算速度，随机采样一致性算法去除平面和欧氏分割剔除杂质噪声，使用半径滤波去除离群点，以及使用主成分分析的点云旋转归一化进行预处理，使得鱼模型中心处于坐标原点，鱼头朝向x轴负方向，地面法向量朝向z轴正方向；
步骤5，模型鱼头分割
选取一个同种类的鱼类头部模型，使用4PCS算法与ICP算法对齐目标鱼类模型的头部，分割出鱼头，记录鱼头中心点的坐标位置；
步骤6，模型躯体分割
使用区域生长分割方法分割出背鳍、尾鳍、臀鳍与鱼身，并根据各部位相对于鱼头中心点的位置赋予各部位不同的语义：分割区域中心相距鱼头中心最远的为尾鳍，分割区域中心y轴坐标最大的为背鳍，分割区域中心y轴坐标最小的为臀鳍，剩下的为鱼身；
步骤7，模型躯干分割
切割鱼头部鱼臀鳍之间的鱼身部位，只得到其中的鱼肚部分，根据鱼肚与鱼鳍颜色差异大的特征，使用颜色分割方法分割出胸鳍与腹鳍，并使用图像中的开操作优化胸鳍与腹鳍的分割，然后根据各部位相对于鱼头中心点的位置赋予各部位不同的语义：分割区域中心距离鱼头中心较小的为胸鳍，距离较大的为腹鳍；
步骤8，选取
计算各个部位的包围盒，根据定义在各部位选取关键点，包括鱼头起点、鱼鳃盖后缘、鱼头上部终点、背鳍起点、背鳍终点、胸鳍起点、胸鳍终点、腹鳍起点、腹鳍终点、臀鳍起点、臀鳍终点、尾鳍起点、尾鳍终点；鱼头部分x值最小的点为鱼头起点；x值最大的点为鱼鳃盖后缘点；y值最大的点为鱼头上部终点；计算鱼身与背鳍边界，根据两边界各点距离，距离较小的为背鳍与鱼身的交界线，交界线部分x值最小的点为背鳍起点，x值最大的为背鳍终点；计算胸鳍部分包围盒，与包围盒左上角点距离最近的点为胸鳍起点，x值最大的点为胸鳍终点；腹鳍部分x值最小的点为腹鳍起点，x值最大的点为腹鳍终点；计算鱼身与臀鳍边界，根据两边界各点距离，距离较小的为臀鳍与鱼身的交界线，交界线部分x值最小的点为臀鳍起点，x值最大的视为臀鳍终点；尾鳍部分x值最小的点为尾鳍起点，x值最大的点为尾鳍终点；计算鱼身边界点，沿x轴方向逐步计算沿y轴方向的两点距离，最小值即为尾柄高；如图2所示；
步骤9，计算
根据各关键点计算鱼类表型性状，包括XY方向的平面距离，XYZ坐标系下的空间距离和两关键点之间沿鱼身的最短路径距离；一种基于三维扫描模型的鱼类表型自动提取方法方法的操作流程如图3所示。
实施例2
一种基于三维扫描模型的鱼类表型自动提取方法，对西藏裂腹鱼进行三维扫描和表型自动提取，包含以下步骤：
步骤1，搭建平台：
使用平台支架、透明的亚克力板和在透明亚克力板上随机位置粘贴的标记点，搭建三维扫描平台，如图1所示；
步骤2，麻醉：
在水中加入MS-222丁香酚鱼类麻醉剂，麻醉剂浓度为95％，麻醉剂与水比例为1ml麻醉剂兑水20kg，将鱼放入其中，使鱼呈现麻醉状态；
步骤3，数据扫描：
将鱼放在三维扫描平台上，立即使用3D扫描仪对鱼360°的全方位扫描，然后得到较为完整的鱼类三维模型数据，输出数据格式为pcd格式；
步骤4，预处理：
对得到的鱼类三维模型使用构造三维体素栅格的方法下采样，以提高计算速度，随机采样一致性算法去除平面和欧氏分割剔除杂质噪声，使用半径滤波去除离群点，以及使用主成分分析的点云旋转归一化进行预处理，使得鱼模型中心处于坐标原点，鱼头朝向x轴负方向，地面法向量朝向z轴正方向；
步骤5，模型鱼头分割
选取一个同种类的鱼类头部模型，使用4PCS算法与ICP算法对齐目标鱼类模型的头部，分割出鱼头，记录鱼头中心点的坐标位置；
步骤6，模型躯体分割
使用区域生长分割方法分割出背鳍、尾鳍、臀鳍与鱼身，并根据各部位相对于鱼头中心点的位置赋予各部位不同的语义：分割区域中心相距鱼头中心最远的为尾鳍，分割区域中心y轴坐标最大的为背鳍，分割区域中心y轴坐标最小的为臀鳍，剩下的为鱼身；
步骤7，模型躯干分割
切割鱼头部鱼臀鳍之间的鱼身部位，只得到其中的鱼肚部分，根据鱼肚与鱼鳍颜色差异大的特征，使用颜色分割方法分割出胸鳍与腹鳍，并使用图像中的开操作优化胸鳍与腹鳍的分割，然后根据各部位相对于鱼头中心点的位置赋予各部位不同的语义：分割区域中心距离鱼头中心较小的为胸鳍，距离较大的为腹鳍；
步骤8，选取
计算各个部位的包围盒，根据定义在各部位选取关键点，包括鱼头起点、鱼鳃盖后缘、鱼头上部终点、背鳍起点、背鳍终点、胸鳍起点、胸鳍终点、腹鳍起点、腹鳍终点、臀鳍起点、臀鳍终点、尾鳍起点、尾鳍终点；鱼头部分x值最小的点为鱼头起点；x值最大的点为鱼鳃盖后缘点；y值最大的点为鱼头上部终点；计算鱼身与背鳍边界，根据两边界各点距离，距离较小的为背鳍与鱼身的交界线，交界线部分x值最小的点为背鳍起点，x值最大的为背鳍终点；计算胸鳍部分包围盒，与包围盒左上角点距离最近的点为胸鳍起点，x值最大的点为胸鳍终点；腹鳍部分x值最小的点为腹鳍起点，x值最大的点为腹鳍终点；计算鱼身与臀鳍边界，根据两边界各点距离，距离较小的为臀鳍与鱼身的交界线，交界线部分x值最小的点为臀鳍起点，x值最大的视为臀鳍终点；尾鳍部分x值最小的点为尾鳍起点，x值最大的点为尾鳍终点；计算鱼身边界点，沿x轴方向逐步计算沿y轴方向的两点距离，最小值即为尾柄高；如图2所示；
步骤9，计算
根据各关键点计算鱼类表型性状，包括XY方向的平面距离，XYZ坐标系下的空间距离和两关键点之间沿鱼身的最短路径距离；一种基于三维扫描模型的鱼类表型自动提取方法方法的操作流程如图3所示。
实施例3
一种基于三维扫描模型的鱼类表型自动提取方法，对双须叶须鱼进行三维扫描和表型自动提取，包含以下步骤：
步骤1，搭建平台：
使用平台支架、透明的亚克力板和在透明亚克力板上随机位置粘贴的标记点，搭建三维扫描平台，如图1所示；
步骤2，麻醉：
在水中加入MS-222丁香酚鱼类麻醉剂，麻醉剂浓度为90％，麻醉剂与水比例为1ml麻醉剂兑水19.5kg，将鱼放入其中，使鱼呈现麻醉状态；
步骤3，数据扫描：
将鱼放在三维扫描平台上，立即使用3D扫描仪对鱼360°的全方位扫描，然后得到较为完整的鱼类三维模型数据，输出数据格式为pcd格式；
步骤4，预处理：
对得到的鱼类三维模型使用构造三维体素栅格的方法下采样，以提高计算速度，随机采样一致性算法去除平面和欧氏分割剔除杂质噪声，使用半径滤波去除离群点，以及使用主成分分析的点云旋转归一化进行预处理，使得鱼模型中心处于坐标原点，鱼头朝向x轴负方向，地面法向量朝向z轴正方向；
步骤5，模型鱼头分割
选取一个同种类的鱼类头部模型，使用4PCS算法与ICP算法对齐目标鱼类模型的头部，分割出鱼头，记录鱼头中心点的坐标位置；
步骤6，模型躯体分割
使用区域生长分割方法分割出背鳍、尾鳍、臀鳍与鱼身，并根据各部位相对于鱼头中心点的位置赋予各部位不同的语义：分割区域中心相距鱼头中心最远的为尾鳍，分割区域中心y轴坐标最大的为背鳍，分割区域中心y轴坐标最小的为臀鳍，剩下的为鱼身；
步骤7，模型躯干分割
切割鱼头部鱼臀鳍之间的鱼身部位，只得到其中的鱼肚部分，根据鱼肚与鱼鳍颜色差异大的特征，使用颜色分割方法分割出胸鳍与腹鳍，并使用图像中的开操作优化胸鳍与腹鳍的分割，然后根据各部位相对于鱼头中心点的位置赋予各部位不同的语义：分割区域中心距离鱼头中心较小的为胸鳍，距离较大的为腹鳍；
步骤8，选取
计算各个部位的包围盒，根据定义在各部位选取关键点，包括鱼头起点、鱼鳃盖后缘、鱼头上部终点、背鳍起点、背鳍终点、胸鳍起点、胸鳍终点、腹鳍起点、腹鳍终点、臀鳍起点、臀鳍终点、尾鳍起点、尾鳍终点；鱼头部分x值最小的点为鱼头起点；x值最大的点为鱼鳃盖后缘点；y值最大的点为鱼头上部终点；计算鱼身与背鳍边界，根据两边界各点距离，距离较小的为背鳍与鱼身的交界线，交界线部分x值最小的点为背鳍起点，x值最大的为背鳍终点；计算胸鳍部分包围盒，与包围盒左上角点距离最近的点为胸鳍起点，x值最大的点为胸鳍终点；腹鳍部分x值最小的点为腹鳍起点，x值最大的点为腹鳍终点；计算鱼身与臀鳍边界，根据两边界各点距离，距离较小的为臀鳍与鱼身的交界线，交界线部分x值最小的点为臀鳍起点，x值最大的视为臀鳍终点；尾鳍部分x值最小的点为尾鳍起点，x值最大的点为尾鳍终点；计算鱼身边界点，沿x轴方向逐步计算沿y轴方向的两点距离，最小值即为尾柄高；如图2所示；
步骤9，计算
根据各关键点计算鱼类表型性状，包括XY方向的平面距离，XYZ坐标系下的空间距离和两关键点之间沿鱼身的最短路径距离；一种基于三维扫描模型的鱼类表型自动提取方法方法的操作流程如图3所示。

Claims (7)

1.一种基于三维扫描模型的鱼类表型自动提取方法，其特征在于，包含以下步骤：
步骤1，搭建平台：
使用平台支架、透明的亚克力板和在透明亚克力板上随机位置粘贴的标记点搭建三维扫描平台；
步骤2，麻醉：
在水中加入麻醉剂，麻醉剂与水比例为1ml麻醉剂兑水19～20kg，不同种鱼类可适当调整用量；然后将鱼放入其中，使鱼呈现麻醉状态；
步骤3，数据扫描：
将鱼放在三维扫描平台上，立即使用3D扫描仪对鱼360°的全方位扫描，然后得到较为完整的鱼类三维模型数据，输出数据格式为pcd格式；
步骤4，预处理：
对得到的鱼类三维模型数据使用构造三维体素栅格的方法下采样，用随机采样一致性算法去除平面，同时得到地面法向量，欧氏分割剔除杂质噪声，然后使用半径滤波去除离群点，最后使用主成分分析地面法向量方向结合的点云旋转归一化进行预处理，使得鱼模型中心处于坐标原点，鱼头朝向x轴负方向，地面法向量朝向z轴正方向；
步骤5，模型鱼头分割
选取一个同种类的鱼类头部模型，使用4PCS算法与ICP算法对齐目标鱼类模型的头部，分割出鱼头，记录鱼头中心点的坐标位置；
步骤6，模型躯体分割
使用区域生长分割方法分割出背鳍、尾鳍、臀鳍与鱼身，并根据各部位相对于鱼头中心点的位置赋予各部位不同的语义；
步骤7，模型躯干分割
切割鱼头部鱼臀鳍之间的鱼身部位，只留鱼肚部分，根据鱼肚与鱼鳍颜色差异较大的特征，使用颜色分割方法分割出胸鳍与腹鳍，并根据各部位相对于鱼头中心点的位置赋予各部位不同的语义；
步骤8，选取
根据定义在各部位选取关键点，包括鱼头起点、鱼鳃盖后缘点、鱼头上部终点、背鳍起点、背鳍终点、胸鳍起点、胸鳍终点、腹鳍起点、腹鳍终点、臀鳍起点、臀鳍终点、尾鳍起点、尾鳍终点；
步骤9，计算
根据各关键点计算鱼类表型性状，包括XY方向的平面距离，XYZ坐标系下的空间距离和两关键点之间沿鱼身的最短路径距离。
2.根据权利要求1所述的一种基于三维扫描模型的鱼类表型自动提取方法，其特征在于，所述步骤2中，麻醉剂为90～95％浓度的MS-222丁香酚鱼类麻醉剂。
3.根据权利要求1所述的一种基于三维扫描模型的鱼类表型自动提取方法，其特征在于，所述步骤3中，3D扫描仪为G-SCAN手持三维扫描仪。
4.根据权利要求1所述的一种基于三维扫描模型的鱼类表型自动提取方法，其特征在于，所述步骤4中，点云旋转归一化进行预处理，使用pcl点云库。
5.根据权利要求1所述的一种基于三维扫描模型的鱼类表型自动提取方法，其特征在于，所述步骤6中，赋予各部位不同的语义为，分割区域中心相距鱼头中心最远的为尾鳍，分割区域中心y轴坐标最大的为背鳍，分割区域中心y轴坐标最小的为臀鳍，剩下的为鱼身。
6.根据权利要求1所述的一种基于三维扫描模型的鱼类表型自动提取方法，其特征在于，所述步骤7中，赋予各部位不同的语义为，分割区域中心距离鱼头中心较小的为胸鳍，距离较大的为腹鳍。
7.根据权利要求1所述的一种基于三维扫描模型的鱼类表型自动提取方法，其特征在于，所述步骤8中，鱼头部分x值最小的点为鱼头起点；x值最大的点为鱼鳃盖后缘点；y值最大的点为鱼头上部终点；计算鱼身与背鳍边界，根据两边界各点距离，距离较小的为背鳍与鱼身的交界线，交界线部分x值最小的点为背鳍起点，x值最大的为背鳍终点；计算胸鳍部分包围盒，与包围盒左上角点距离最近的点为胸鳍起点，x值最大的点为胸鳍终点；腹鳍部分x值最小的点为腹鳍起点，x值最大的点为腹鳍终点；计算鱼身与臀鳍边界，根据两边界各点距离，距离较小的为臀鳍与鱼身的交界线，交界线部分x值最小的点为臀鳍起点，x值最大的视为臀鳍终点；尾鳍部分x值最小的点为尾鳍起点，x值最大的点为尾鳍终点；计算鱼身边界点，沿x轴方向逐步计算沿y轴方向的两点距离，最小值即为尾柄高。
CN202010585973.1A 2020-06-24 2020-06-24 一种基于三维扫描模型的鱼类表型自动提取方法 Active CN111754527B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010585973.1A CN111754527B (zh) 2020-06-24 2020-06-24 一种基于三维扫描模型的鱼类表型自动提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010585973.1A CN111754527B (zh) 2020-06-24 2020-06-24 一种基于三维扫描模型的鱼类表型自动提取方法

Publications (2)

Publication Number Publication Date
CN111754527A true CN111754527A (zh) 2020-10-09
CN111754527B CN111754527B (zh) 2022-01-04

Family

ID=72678479

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010585973.1A Active CN111754527B (zh) 2020-06-24 2020-06-24 一种基于三维扫描模型的鱼类表型自动提取方法

Country Status (1)

Country Link
CN (1) CN111754527B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614090A (zh) * 2020-12-09 2021-04-06 中国水产科学研究院渔业机械仪器研究所 一种鱼类腹腔结构特征的识别方法及系统
CN112669348A (zh) * 2020-12-18 2021-04-16 浙江大学 一种鱼体姿势估计和鱼体表型数据测量方法及装置
CN113155198A (zh) * 2021-05-08 2021-07-23 上海海洋大学 一种鱼体重量和外形尺寸自动测量设备及方法
CN113487728A (zh) * 2021-07-23 2021-10-08 中国科学院水生生物研究所 一种鱼体模型确定方法及系统
CN113627552A (zh) * 2021-08-17 2021-11-09 中国海洋大学 一种基于影像图判识鱼类群落中关键种的计算方法
CN114357354A (zh) * 2021-12-31 2022-04-15 浙江大学舟山海洋研究中心 带鱼定重智能切段计算方法、装置、设备及存储介质
CN115684183A (zh) * 2022-12-01 2023-02-03 长春工业大学 一种砂轮修整质量检测与评价方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110294A (zh) * 2011-02-21 2011-06-29 中国农业大学 病鱼的鱼体图像处理方法及系统
WO2019172363A1 (ja) * 2018-03-09 2019-09-12 日本電気株式会社 情報処理装置、物体計測システム、物体計測方法およびプログラム記憶媒体
CN110738631A (zh) * 2019-08-26 2020-01-31 中国农业机械化科学研究院 一种基于图像的对虾外形信息检测方法和检测系统
CN111199551A (zh) * 2020-01-06 2020-05-26 北京农业信息技术研究中心 一种鱼类重叠图像的目标分割方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110294A (zh) * 2011-02-21 2011-06-29 中国农业大学 病鱼的鱼体图像处理方法及系统
WO2019172363A1 (ja) * 2018-03-09 2019-09-12 日本電気株式会社 情報処理装置、物体計測システム、物体計測方法およびプログラム記憶媒体
CN110738631A (zh) * 2019-08-26 2020-01-31 中国农业机械化科学研究院 一种基于图像的对虾外形信息检测方法和检测系统
CN111199551A (zh) * 2020-01-06 2020-05-26 北京农业信息技术研究中心 一种鱼类重叠图像的目标分割方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SIGMUND CLAUSEN ET AL.: "Automatic Segmentation of Overlapping Fish Using Shape Priors", 《SCIA 2007》 *
马国强 等: "以图像处理为基础的血鹦鹉鱼外形自动评价方法初探", 《信息技术与信息化》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614090A (zh) * 2020-12-09 2021-04-06 中国水产科学研究院渔业机械仪器研究所 一种鱼类腹腔结构特征的识别方法及系统
CN112614090B (zh) * 2020-12-09 2021-12-31 中国水产科学研究院渔业机械仪器研究所 一种鱼类腹腔结构特征的识别方法及系统
CN112669348A (zh) * 2020-12-18 2021-04-16 浙江大学 一种鱼体姿势估计和鱼体表型数据测量方法及装置
CN112669348B (zh) * 2020-12-18 2023-11-28 浙江大学 一种鱼体姿势估计和鱼体表型数据测量方法及装置
CN113155198A (zh) * 2021-05-08 2021-07-23 上海海洋大学 一种鱼体重量和外形尺寸自动测量设备及方法
CN113487728A (zh) * 2021-07-23 2021-10-08 中国科学院水生生物研究所 一种鱼体模型确定方法及系统
CN113627552A (zh) * 2021-08-17 2021-11-09 中国海洋大学 一种基于影像图判识鱼类群落中关键种的计算方法
CN113627552B (zh) * 2021-08-17 2023-10-20 中国海洋大学 一种基于影像图判识鱼类群落中关键种的计算方法
CN114357354A (zh) * 2021-12-31 2022-04-15 浙江大学舟山海洋研究中心 带鱼定重智能切段计算方法、装置、设备及存储介质
CN114357354B (zh) * 2021-12-31 2023-08-25 浙江大学舟山海洋研究中心 带鱼定重智能切段计算方法、装置、设备及存储介质
CN115684183A (zh) * 2022-12-01 2023-02-03 长春工业大学 一种砂轮修整质量检测与评价方法

Also Published As

Publication number Publication date
CN111754527B (zh) 2022-01-04

Similar Documents

Publication Publication Date Title
CN111754527B (zh) 一种基于三维扫描模型的鱼类表型自动提取方法
CN104809723B (zh) 基于超体素和图割算法的三维肝脏ct图像自动分割方法
CN104134234B (zh) 一种全自动的基于单幅图像的三维场景构建方法
CN110322512A (zh) 结合小样本实例分割和三维匹配的物体位姿估计方法
CN109409365A (zh) 一种基于深度目标检测的待采摘水果识别和定位方法
CN109829907A (zh) 一种基于深度学习的金属轴表面缺陷识别方法
CN111968172A (zh) 料场物料的体积测量方法及系统
CN111696150A (zh) 一种叉尾鮰鱼表型数据的测量方法
US11875524B2 (en) Unmanned aerial vehicle platform based vision measurement method for static rigid object
CN110956147B (zh) 生成训练数据的方法及装置
CN108564573B (zh) 面向鲅鱼切段机的鱼头鱼尾图像自动识别方法
CN110163798B (zh) 渔场围网破损检测方法及系统
CN113343976B (zh) 基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法
CN117029673B (zh) 一种基于人工智能实现的鱼类体表多尺寸测量方法
CN111696114A (zh) 一种基于水下成像分析南美白对虾饥饿程度识别方法与装置
WO2022021782A1 (zh) 六维姿态数据集自动生成方法、系统、终端以及存储介质
CN113793385A (zh) 鱼头鱼尾定位方法及装置
CN111507249A (zh) 基于目标检测的变电站鸟窝识别方法
CN114743008B (zh) 一种单株植被点云数据分割方法、装置及计算机设备
CN114882095B (zh) 一种基于轮廓匹配的物体高度在线测量方法
CN116823748A (zh) 一种基于深度学习和Halcon的螺栓拧紧工业检测方法和装置
Han Tree height measurement based on image processing with 3-points correction
CN115375659A (zh) 一种基于模型驱动的发动机铸件表面数据采集路径规划方法
CN112750143B (zh) 一种基于极值法的茎柔鱼形态特征提取方法
CN111382749B (zh) 一种基于二维结构特征的青铜器铭文图像自动识别方法

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
GR01 Patent grant
GR01 Patent grant