CN112233144A - 水下鱼体重量测量方法及装置 - Google Patents
水下鱼体重量测量方法及装置 Download PDFInfo
- Publication number
- CN112233144A CN112233144A CN202011017972.3A CN202011017972A CN112233144A CN 112233144 A CN112233144 A CN 112233144A CN 202011017972 A CN202011017972 A CN 202011017972A CN 112233144 A CN112233144 A CN 112233144A
- Authority
- CN
- China
- Prior art keywords
- fish body
- weight
- area
- images
- fish
- 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
Links
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 269
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000037396 body weight Effects 0.000 title claims abstract description 47
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000000691 measurement method Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000007619 statistical method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000009360 aquaculture Methods 0.000 description 3
- 244000144974 aquaculture Species 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 108010066114 cabin-2 Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000001543 one-way ANOVA Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000009372 pisciculture Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G17/00—Apparatus for or methods of weighing material of special form or property
-
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20228—Disparity calculation for image-based rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例提供一种水下鱼体重量测量方法及装置，该方法包括：通过标定好的两个相机，分别从左右两个方向获取鱼体图像，根据两个方向图像的视差，得到鱼体的深度图像；根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积；根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积；根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。通过获取鱼体的两个方向图像，得到深度图像并提取鱼体的真实面积，无需耗费大量的人力物力；通过预设的真实面积和鱼体重量的映射关系，能够无接触式获取不同角度下的高精度鱼体重量。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种水下鱼体重量测量方法及装置。
背景技术
鱼体重量信息对于各种水产养殖管理活动来说都是至关重要的，例如饲喂决策的制定、分级优化、出售时间的制定、鱼类养殖密度与溶解氧消耗计算和抗生素药物剂量等等。因此，准确测量鱼体重量对提高水产养殖管理效率具有重要意义。
目前，在水产养殖过程中最常用的测量鱼体重量的方法是通过捕捞一定数量的鱼体样本进行称重，从而推测出平均每一条鱼的重量。然而整个过程需要耗费大量的人力与时间的同时还会对被捕捞的鱼造成一定的伤害，影响测量后的采食状况与生长发育。此外，最重要的是这种方法测量的结果并不准确，经过验证后发现存在大约20％的测量误差。因此，亟需一种无接触式的与自动化的鱼体重量测量方法代替捕捞称重的人工测量方法。
发明内容
本发明实施例提供一种水下鱼体重量测量方法及装置，用以解决现有技术中的缺陷。
本发明实施例提供一种水下鱼体重量测量方法，包括：通过标定好的两个相机，分别从左右两个方向获取鱼体图像，根据两个方向图像的视差，得到鱼体的深度图像；根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积；根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积；根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。
根据本发明一个实施例的水下鱼体重量测量方法，根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积，包括：
其中，psize是相机的像元面积，Sz和Pz分别为嘴尖和尾鳍测量点的深度距离，f为相机的焦距，PA为鱼体在图像中的像素面积，BA为鱼体在深度图像中的投影面积。
根据本发明一个实施例的水下鱼体重量测量方法，所述根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积，包括：
其中，BL为鱼体长度，BA为鱼体在深度图像中的投影面积，Sz和Pz分别为嘴尖和尾鳍测量点的深度距离，RA为鱼体的真实面积。
根据本发明一个实施例的水下鱼体重量测量方法，所述根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量之前，还包括：根据多个已知重量和面积的鱼体，进行线性拟合，得到所述映射关系。
根据本发明一个实施例的水下鱼体重量测量方法，通过标定好的两个相机，分别从左右两个方向获取鱼体图像之前，还包括：
获取两个相机共同视野内不同角度、不同位置、不同距离的标定板图像，根据标定板图像上已知尺寸的圆形图案，对所述两个相机进行标定。
根据本发明一个实施例的水下鱼体重量测量方法，所述根据两个方向图像的视差，得到鱼体的深度图像，包括：根据半全局块匹配算法，计算两个方向图像的视差，得到鱼体的深度图像。
本发明实施例还提供一种水下鱼体重量测量装置，包括：深度图像获取模块，用于通过标定好的两个相机，分别从左右两个方向获取鱼体图像，根据两个方向图像的视差，得到鱼体的深度图像；投影面积获取模块，用于根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积；真实面积获取模块，用于根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积；鱼体重量获取模块，用于根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。
根据本发明一个实施例的水下鱼体重量测量装置，还包括：标定模块，用于获取两个相机共同视野内不同角度、不同位置、不同距离的标定板图像，根据标定板图像上已知尺寸的圆形图案，对所述两个相机进行标定。
本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述水下鱼体重量测量方法的步骤。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述水下鱼体重量测量方法的步骤。
本发明实施例提供的水下鱼体重量测量方法及装置，通过获取鱼体的两个方向图像，得到深度图像并提取鱼体的真实面积，无需耗费大量的人力物力；通过预设的真实面积和鱼体重量的映射关系，能够无接触式获取不同角度下的高精度鱼体重量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的水下鱼体重量测量方法的流程示意图；
图2是本发明实施例提供的水下鱼体重量测量方法的应用场景示意图；
图3是是本发明实施例提供的A1组鱼体实际重量与图像处理计算得到的鱼体面积关系图；
图4是是本发明实施例提供的A2组鱼体实际重量与图像处理计算得到的鱼体面积关系图；
图5是是本发明实施例提供的A3组鱼体实际重量与图像处理计算得到的鱼体面积关系图；
图6是本发明实施例提供的鱼体重量的实际测量值与估测值之间的比较结果示意图；
图7是本发明实施例提供的水下鱼体重量测量装置的结构示意图；
图8是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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作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。
下面结合图1-图8描述本发明实施例的水下鱼体重量测量方法及装置。图1是本发明实施例提供的水下鱼体重量测量方法的流程示意图，如图1所示，本发明实施例提供一种水下鱼体重量测量方法，包括：
101、通过标定好的两个相机，分别从左右两个方向获取鱼体的图像，根据两个方向图像的视差，得到鱼体的深度图像。
相机标定(Camera calibration)简单来说是从世界坐标系转换为相机坐标系，再由相机坐标系转换为图像坐标系的过程，也就是求最终的投影矩阵的过程。
深度图像(depth image)也被称为距离影像(range image)，是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像，它直接反映了景物可见表面的几何形状。深度图像经过坐标转换可以计算为点云数据，有规则及必要信息的点云数据也可以反算为深度图像数据。
最常用的方法是双目立体视觉法，该方法通过两个相隔一定距离的标定好的摄像机同时获取同一场景的两幅图像，通过立体匹配算法找到两幅图像中对应的像素点，随后根据三角原理计算出视差信息，而视差信息通过转换可用于表征场景中物体的深度信息。需要说明的是，本发明实施例中的左右两个方向为相对概念，是基于双目视觉左右而言的。
在此之后，可利用背景减法算法提取鱼体轮廓图像，然后再通过粒子去除、空洞填充等形态处理，对图像进行处理与重构。
102、根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积。
可根据鱼体轮廓确定鱼体两端，即嘴尖和尾鳍。根据鱼体两端的深度距离可得到鱼体中点的深度距离。基于鱼体中点的深度距离和焦距的比例关系，根据像元面积，可得到鱼体在深度图像中的投影面积。
103、根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积。
鱼体两端的深度距离之差和鱼体的长度的比例，和投影面积与真实面积的比例是相同的。因此，可基于此得到鱼体的真实面积。
104、根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。
鱼体的面积和体重是成正比的，根据预先拟合好的对应关系。得到鱼体的真实面积后，便可得到鱼体对应的重量。
本发明实施例的水下鱼体重量测量方法，通过获取鱼体的两个方向图像，得到深度图像并提取鱼体的真实面积，无需耗费大量的人力物力；通过预设的真实面积和鱼体重量的映射关系，能够无接触式获取不同角度下的高精度鱼体重量。
基于上述实施例的内容，作为一种可选实施例，根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积，包括：
其中，psize是相机的像元面积，如小为3.75×3.75×10-6mm2的像元，Sz和Pz分别为嘴尖和尾鳍测量点的深度距离，f为相机的焦距，PA为鱼体在图像中的像素面积，BA为鱼体在深度图像中的投影面积。
基于上述实施例的内容，作为一种可选实施例，根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积，包括：
其中，BL为鱼体长度，BA为鱼体在深度图像中的投影面积，Sz和Pz分别为嘴尖和尾鳍测量点的深度距离，RA为鱼体的真实面积。
BL的计算公式如下：
其中，Sx、Sy和Px、Py分别为嘴尖和尾鳍测量点的图像坐标。
基于上述实施例的内容，作为一种可选实施例，根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量之前，还包括：根据多个已知重量和面积的鱼体，进行线性拟合，得到所述映射关系。
利用线性模型对鱼体面积与重量关系进行回归分析。人工测量的鱼体重量与图像处理计算得到的真实面积通过线性方程进行拟合，回归方程如下所示：
W＝A+Bx
为了用有效的模型估算鱼的重量，采用最小二乘法计算模型参数A和B的值，模型的最小偏差的计算公式如下：
上述偏差计算公式的偏微分方程如下所示：
经过整理后如下所示：
参数A和B的计算表达式在已知条件下如下所示：
基于上述实施例的内容，作为一种可选实施例，通过标定好的两个相机，分别从左右两个方向获取鱼体图像之前，还包括：获取两个相机共同视野内不同角度、不同位置、不同距离的标定板的图像，根据标定板图像上已知尺寸的圆形图案，对所述两个相机进行标定。
相机标定是从世界坐标系转换为相机坐标系，再由相机坐标系转换为图像坐标系的过程，也就是求最终的投影矩阵的过程，相机的标定过程为现有技术，此处不再赘述。
基于上述实施例的内容，作为一种可选实施例，根据半全局块匹配算法，计算两个方向图像的视差，得到鱼体的深度图像。半全局块匹配算法(Semi-Global BlockMatching，SGBM)，在SGBM算法中，通过成块计算对每个像素的代价值用周围邻域代价值的总和来代替(类似SAD算法)，从而可提高匹配的鲁棒性，具体可参见SGBM算法。
具体的，为验证本发明实施例方法的效果，试验针对120条水下自由游泳状态下的鱼获取了720组鱼体图像进行处理与分析，所有样本的实际重量分布在200g至1200g之间。根据图像采集时鱼体与相机视轴的不同角度分为三组：正交组(A1)，大角度组(A2>45°)，小角度组(A3<45°)。样本鱼进行麻醉后被捕捞出水面，选用精度0.1g的电子秤进行人工测量鱼体重量，对比验证本发明提出的无接触式鱼体重量测量方法的稳定性与准确性。
测量系统主要由测量硬件系统和图像处理软件系统组成。图2是本发明实施例提供的水下鱼体重量测量方法的应用场景示意图，测量硬件系统如图2所示，包括两个工业相机封装在防水密封舱2内，防水密封舱由亚克力材料制成，用于保护舱内工业相机在水下的应用；配重支架3由不锈钢材料制成，将两个密封舱水平固定在支架上，并保持相对位置不变；此外还要确保设备克服海水浮力，沉入池底；标定板1由PVC防水材料板制成，用于水下对双目视觉系统进行标定。图中，还包括工控机4、供电设备5、电源和数据线6和海水7.
测量开始之前，首先利用标定板1并启动视觉标定程序对双目视觉系统进行标定，标定板选用长40.96cm，宽28.66cm的PVC防水材料板，并在白色的背景上印有70个(10*7)直径为2cm，圆心间距为4cm的黑色实心圆点。标定后的双目视觉系统，两个工业相机的相对位置需要保持固定，不可再随意改变。
试验验证了本发明提出的鱼体重量测量方法与算法的可行性，通过组间线性回归与统计分析，其结果如表1所示。所有不同成像角度的组间的确定性系数均在0.90以上，最大值出现在A1与A2组(0.94)，结果表明三个组之间的测量结果有着较强的相关性。利用单因素方差分析和alpha水平为0.05的统计T检验，对不同角度的鱼体面积计算结果进行了统计分析。结果显示，不同角度的计算结果之间没有出现显著性差异，且p值均大于0.05。该结果进一步说明了自由游动鱼在不同角度间的鱼体面积计算方法是可靠且稳定的。
表1不同组间鱼体侧面积统计分析结果
其中，R2是确定性系数，p-values是显著性水平。
采用电子秤测量的鱼体重量与图像处理计算得到的鱼体面积数据之间的关系如图3、图4和图5所示。从图3-图5中可以看出，不同成像角度条件下，鱼的重量与鱼体面积之间有着很好的相关性，其相关系数很高(R2>0.9)。结果同时也说明了随着成像角度的变化，相关系数的值也从A1组向A3组逐渐降低。
线性方程的拟合参数A和B的值分别分布在-339.74到-318.28和4.36到4.49，如表2所示。不同成像角度组之间的确定性系数均在0.90以上，且最高值为A1的0.98，A2和A3则逐渐下降为0.96和0.90。人工测量方法与本发明提出的测量方法之间的统计分析结果包括均方根误差(RMSE)，平均绝对误差(MAE)和平均相对误差(MRE)如表2所示，均方根误差值从14.89至21.60g，并且最低值同样出现在A1。平均绝对误差和平均相对误差也出现了同样的变化趋势。鱼体重量估测值的统计分析结果说明了误差的大小排列是A3>A2>A1，且A1的平均相对误差为3.30％，平均绝对误差为20.80g。
表2不同成像角度数据之间的统计分析结果与参数拟合结果
图6是本发明实施例提供的鱼体重量的实际测量值与估测值之间的比较结果示意图，鱼体重量的实际测量值与本发明提出的方法的估测值之间的比较结果如图6所示，R2为0.984，标准误差为31.03g。统计分析结果表明，通过线性模型能够较高精度的在不同角度条件下实现无接触式的鱼体重量测量。
结论：基于水下双目视觉技术的鱼体重量测量方法将软件系统与硬件设备有效地结合起来，实现了水下鱼体重量数据的无接触式的测量与获取。研究结果表明，鱼体重量线性模型的估测平均相对误差分别为3.30％(A1)，4.01％(A2)和4.57％(A3)。该方法能够在水下复杂环境中准确地测量自由游动的鱼体重量数据，测量的鱼体重量数据结果与人工手动测量结果之间没有显著性差异，能够为生产实践提供科学的依据和有力的工具。
下面对本发明实施例提供的水下鱼体重量测量装置进行描述，下文描述的水下鱼体重量测量装置与上文描述的水下鱼体重量测量方法可相互对应参照。
图7是本发明实施例提供的水下鱼体重量测量装置的结构示意图，如图7所示，该水下鱼体重量测量装置包括：深度图像获取模块701、投影面积获取模块702、真实面积获取模块703和鱼体重量获取模块704。其中，深度图像获取模块701用于通过标定好的两个相机，分别获取鱼体的两个方向图像，根据两个方向图像的视差，得到鱼体的深度图像；投影面积获取模块702用于根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积；真实面积获取模块703用于根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积；鱼体重量获取模块704用于根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。
进一步地，该装置还包括：标定模块，用于获取两个相机共同视野内不同角度、不同位置、不同距离的标定板图像，根据标定板图像上已知尺寸的圆形图案，对所述两个相机进行标定。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
本发明实施例提供的水下鱼体重量测量装置，通过获取鱼体的两个方向图像，得到深度图像并提取鱼体的真实面积，无需耗费大量的人力物力；通过预设的真实面积和鱼体重量的映射关系，能够无接触式获取不同角度下的高精度鱼体重量。
图8是本发明实施例提供的一种电子设备的结构示意图，如图8所示，该电子设备可以包括：处理器(processor)801、通信接口(Communications Interface)802、存储器(memory)803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信。处理器801可以调用存储器803中的逻辑指令，以执行水下鱼体重量测量方法，该方法包括：通过标定好的两个相机，分别获取鱼体的两个方向图像，根据两个方向图像的视差，得到鱼体的深度图像；根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积；根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积；根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。
此外，上述的存储器803中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的水下鱼体重量测量方法，该方法包括：通过标定好的两个相机，分别获取鱼体的两个方向图像，根据两个方向图像的视差，得到鱼体的深度图像；根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积；根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积；根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的水下鱼体重量测量方法，该方法包括：通过标定好的两个相机，分别获取鱼体的两个方向图像，根据两个方向图像的视差，得到鱼体的深度图像；根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积；根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积；根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种水下鱼体重量测量方法，其特征在于，包括：
通过标定好的两个相机，分别从左右两个方向获取鱼体图像，根据两个方向图像的视差，得到鱼体的深度图像；
根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积；
根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积；
根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。
2.根据权利要求1所述的水下鱼体重量测量方法，其特征在于，根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积，包括：
其中，psize是相机的像元面积，Sz和Pz分别为嘴尖和尾鳍测量点的深度距离，f为相机的焦距，PA为鱼体在图像中的像素面积，BA为鱼体在深度图像中的投影面积。
3.根据权利要求1所述的水下鱼体重量测量方法，其特征在于，所述根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积，包括：
其中，BL为鱼体长度，BA为鱼体在深度图像中的投影面积，Sz和Pz分别为嘴尖和尾鳍测量点的深度距离，RA为鱼体的真实面积。
4.根据权利要求1所述的水下鱼体重量测量方法，其特征在于，所述根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量之前，还包括：
根据多个已知重量和面积的鱼体，进行线性拟合，得到所述映射关系。
5.根据权利要求1所述的水下鱼体重量测量方法，其特征在于，通过标定好的两个相机，分别从左右两个方向获取鱼体图像之前，还包括：
获取两个相机共同视野内不同角度、不同位置、不同距离的标定板图像，根据标定板图像上已知尺寸的圆形图案，对所述两个相机进行标定。
6.根据权利要求1所述的水下鱼体重量测量方法，其特征在于，所述根据两个方向图像的视差，得到鱼体的深度图像，包括：
根据半全局块匹配算法，计算两个方向图像的视差，得到鱼体的深度图像。
7.一种水下鱼体重量测量装置，其特征在于，还包括：
深度图像获取模块，用于通过标定好的两个相机，分别从左右两个方向获取鱼体图像，根据两个方向图像的视差，得到鱼体的深度图像；
投影面积获取模块，用于根据鱼体两端的深度距离、相机焦距和像元面积，确定鱼体在深度图像中的投影面积；
真实面积获取模块，用于根据鱼体长度和鱼体两端的深度距离，将所述投影面积转换为鱼体的真实面积；
鱼体重量获取模块，用于根据预设的鱼体真实面积和鱼体重量的映射关系，得到鱼体重量。
8.根据权利要求1所述的水下鱼体重量测量装置，其特征在于，还包括：
标定模块，用于获取两个相机共同视野内不同角度、不同位置、不同距离的标定板图像，根据标定板图像上已知尺寸的圆形图案，对所述两个相机进行标定。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述水下鱼体重量测量方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述水下鱼体重量测量方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011017972.3A CN112233144B (zh) | 2020-09-24 | 2020-09-24 | 水下鱼体重量测量方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011017972.3A CN112233144B (zh) | 2020-09-24 | 2020-09-24 | 水下鱼体重量测量方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112233144A true CN112233144A (zh) | 2021-01-15 |
| CN112233144B CN112233144B (zh) | 2024-05-28 |
Family
ID=74108192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011017972.3A Active CN112233144B (zh) | 2020-09-24 | 2020-09-24 | 水下鱼体重量测量方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112233144B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113628182A (zh) * | 2021-08-03 | 2021-11-09 | 中国农业大学 | 鱼类重量自动估计方法、装置、电子设备及存储介质 |
| 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 |
| CN116649248A (zh) * | 2023-06-21 | 2023-08-29 | 海阳市鼎立种鸡有限责任公司 | 一种精准控料的智能喂料系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109459119A (zh) * | 2018-10-17 | 2019-03-12 | 北京京东金融科技控股有限公司 | 一种体重测量方法、设备和计算机可读存储介质 |
| CN109785379A (zh) * | 2018-12-17 | 2019-05-21 | 中国科学院长春光学精密机械与物理研究所 | 一种对称物体尺寸及重量的测量方法及测量系统 |
| CN110363808A (zh) * | 2019-07-03 | 2019-10-22 | 云南电网有限责任公司电力科学研究院 | 一种基于深度的图像目标区域面积提取方法 |
| WO2020010561A1 (zh) * | 2018-07-12 | 2020-01-16 | 华为技术有限公司 | 测量物体参数的方法及装置 |
| CN110853080A (zh) * | 2019-09-30 | 2020-02-28 | 广西慧云信息技术有限公司 | 一种田间果实尺寸的测量方法 |
| CN111127396A (zh) * | 2019-11-21 | 2020-05-08 | 中国农业大学 | 鱼类重量测算方法及装置 |
-
2020
- 2020-09-24 CN CN202011017972.3A patent/CN112233144B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020010561A1 (zh) * | 2018-07-12 | 2020-01-16 | 华为技术有限公司 | 测量物体参数的方法及装置 |
| CN109459119A (zh) * | 2018-10-17 | 2019-03-12 | 北京京东金融科技控股有限公司 | 一种体重测量方法、设备和计算机可读存储介质 |
| CN109785379A (zh) * | 2018-12-17 | 2019-05-21 | 中国科学院长春光学精密机械与物理研究所 | 一种对称物体尺寸及重量的测量方法及测量系统 |
| CN110363808A (zh) * | 2019-07-03 | 2019-10-22 | 云南电网有限责任公司电力科学研究院 | 一种基于深度的图像目标区域面积提取方法 |
| CN110853080A (zh) * | 2019-09-30 | 2020-02-28 | 广西慧云信息技术有限公司 | 一种田间果实尺寸的测量方法 |
| CN111127396A (zh) * | 2019-11-21 | 2020-05-08 | 中国农业大学 | 鱼类重量测算方法及装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113628182A (zh) * | 2021-08-03 | 2021-11-09 | 中国农业大学 | 鱼类重量自动估计方法、装置、电子设备及存储介质 |
| CN113628182B (zh) * | 2021-08-03 | 2024-04-26 | 中国农业大学 | 鱼类重量自动估计方法、装置、电子设备及存储介质 |
| 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 |
| CN116649248A (zh) * | 2023-06-21 | 2023-08-29 | 海阳市鼎立种鸡有限责任公司 | 一种精准控料的智能喂料系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112233144B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112233144B (zh) | 水下鱼体重量测量方法及装置 | |
| Shi et al. | An automatic method of fish length estimation using underwater stereo system based on LabVIEW | |
| CN105954732B (zh) | 一种激光雷达测深数据的海底底质反射率提取方法及系统 | |
| CN110986788A (zh) | 一种基于三维点云牲畜表型体尺数据的自动测量方法 | |
| Abdo et al. | Efficiently measuring complex sessile epibenthic organisms using a novel photogrammetric technique | |
| CN109827521B (zh) | 一种快速多线结构光视觉测量系统标定方法 | |
| JP2013036983A (ja) | 計測装置および情報処理装置 | |
| CN111640152A (zh) | 一种鱼类生长监控方法和系统 | |
| CN109272546B (zh) | 一种鱼苗长度测量方法及系统 | |
| CN103530880A (zh) | 基于投影高斯网格图案的摄像机标定方法 | |
| CN111123242B (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
| CN111179335A (zh) | 一种基于双目视觉的立木测定方法 | |
| CN110458952A (zh) | 一种基于三目视觉的三维重建方法和装置 | |
| CN115082777A (zh) | 基于双目视觉的水下动态鱼类形态测量方法及装置 | |
| CN115908268A (zh) | 一种水下鱼体生物量实时测量方法及装置 | |
| CN103315770A (zh) | 基于三维超声图像的目标参数处理方法及系统 | |
| CN114758005B (zh) | 激光雷达与相机外参标定方法及装置 | |
| Shi et al. | Underwater fish mass estimation using pattern matching based on binocular system | |
| CN108332662B (zh) | 一种物体测量方法和装置 | |
| CN112712590B (zh) | 一种动物点云生成方法及系统 | |
| CN114387353A (zh) | 一种相机标定方法、标定装置及计算机可读存储介质 | |
| CN113610929A (zh) | 一种相机与多线激光的联合标定方法 | |
| CN112465950A (zh) | 深海网箱渔网水下距离测量装置、方法、电子设备及介质 | |
| CN112261399A (zh) | 胶囊内窥镜图像三维重建方法、电子设备及可读存储介质 | |
| CN115546216B (zh) | 一种托盘检测方法、装置、设备及存储介质 |
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 |