CN112907566A - 对虾烂眼病检测方法、终端设备及存储介质 - Google Patents
对虾烂眼病检测方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN112907566A CN112907566A CN202110294868.7A CN202110294868A CN112907566A CN 112907566 A CN112907566 A CN 112907566A CN 202110294868 A CN202110294868 A CN 202110294868A CN 112907566 A CN112907566 A CN 112907566A
- Authority
- CN
- China
- Prior art keywords
- prawn
- eyeball
- individual
- disease
- identifying
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于水产养殖技术领域,提供了一种对虾烂眼病检测方法、终端设备及存储介质,其中,上述方法包括:获取对虾图像并识别对虾图像中的对虾个体;测量对虾个体的体长;识别对虾个体的眼球并测量眼球直径;根据对虾个体的眼球直径以及对应的体长,判断对虾个体是否罹患烂眼病。本申请实施例提供的对虾烂眼病检测方法、终端设备及存储介质,利用机器视觉采集对虾图像,进而获取对虾个体的眼球直径,眼球直径能够直接反应对虾的眼部病变,为自动化的对虾烂眼病检测提供数据支持,解决了目前水产养殖领域难以对对虾烂眼病进行有效检测和监控的问题。
Description
技术领域
本申请属于水产养殖技术领域,尤其涉及一种对虾烂眼病检测方法、终端设备及存储介质。
背景技术
对虾烂眼病是对虾养殖中的常见病害,主要症状出现在眼部。对虾体型较小,其眼部的面积也非常小。在养殖场中,同时养殖众多数量的对虾,工人及技术员很难对面积很小的对虾眼睛进行频繁的观察。另外,在烂眼病的初期,病变十分隐蔽,即使近距离直接观察,也难以发现。
发明内容
有鉴于此,本申请实施例提供了一种对虾烂眼病检测方法、终端设备及存储介质,以解决目前水产养殖领域难以对对虾烂眼病进行有效检测和监控的问题。
根据第一方面,本申请实施例提供了一种对虾烂眼病检测方法,包括:获取对虾图像并识别所述对虾图像中的对虾个体;测量所述对虾个体的体长;识别所述对虾个体的眼球并测量眼球直径;根据所述对虾个体的眼球直径以及对应的体长,判断所述对虾个体是否罹患烂眼病。
结合第一方面,在本申请的一些实施例中,所述根据所述对虾个体的眼球直径以及对应的体长,判断所述对虾个体是否罹患烂眼病的步骤,包括:根据所述对虾个体的体长确定对应的眼球直径范围;当所述对虾个体的眼球直径大于对应的眼球直径范围的最大值时,确定所述对虾个体已罹患烂眼病。
结合第一方面,在本申请的一些实施例中,在所述确定所述对虾个体已罹患烂眼病的步骤之后,所述对虾烂眼病检测方法还包括:采集所述对虾个体的眼球颜色;根据所述对虾个体的眼球颜色,识别所述对虾个体的病程发展阶段。
结合第一方面,在本申请的一些实施例中,所述根据所述对虾个体的眼球颜色,识别所述对虾个体的病程发展阶段的步骤,包括:当所述对虾个体的眼球颜色与预设的病态眼球颜色相同时,确定所述对虾个体处于烂眼病中期病程阶段。
结合第一方面,在本申请的一些实施例中,所述根据所述对虾个体的眼球颜色,识别所述对虾个体的病程发展阶段的步骤,还包括:当所述对虾个体的眼球颜色与预设的病态眼球颜色不同时,确定所述对虾个体处于烂眼病初期病程阶段。
结合第一方面,在本申请的一些实施例中,所述识别所述对虾个体的眼球并测量眼球直径的步骤,包括:从所述对虾图像中提取所述对虾个体的影像,生成对应的对虾个体图像;对所述对虾个体图像进行边缘检测,生成对应的边缘检测图像;识别所述边缘检测图像中的圆形区域或类圆形区域;所述圆形区域或类圆形区域为所述对虾个体的眼球。
结合第一方面,在本申请的一些实施例中,所述识别所述对虾个体的眼球并测量眼球直径的步骤,还包括:计算所述圆形区域或类圆形区域中任意两点间的距离;将所述任意两点间的最大距离作为所述对虾个体的眼球直径。
根据第二方面,本申清实施例提供了一种终端设备,包括:输入单元,用于获取对虾图像并识别所述对虾图像中的对虾个体;测量单元,用于测量所述对虾个体的体长,识别所述对虾个体的眼球并测量眼球直径;检测单元,用于根据所述对虾个体的眼球直径以及对应的体长,判断所述对虾个体是否罹患烂眼病。
根据第三方面,本申请实施例提供了另一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面或第一方面任一实施方式所述方法的步骤。
根据第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面任一实施方式所述方法的步骤。
本申请实施例提供的对虾烂眼病检测方法、终端设备及存储介质,利用机器视觉采集对虾图像,进而获取对虾个体的眼球直径,眼球直径能够直接反应对虾的眼部病变,为自动化的对虾烂眼病检测提供数据支持,解决了目前水产养殖领域难以对对虾烂眼病进行有效检测和监控的问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的对虾烂眼病检测方法的一个具体示例的流程图;
图2是本申请实施例提供的对虾烂眼病检测方法的另一个具体示例的流程图;
图3是本申请实施例提供的终端设备的结构示意图;
图4是本申请实施例提供的另一终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
对虾罹患烂眼病后,其眼球会胀大,待病情恶化发展至中期阶段后,在眼球胀大的同时还会出现颜色的变化,由原本健康的黑色眼球变为褐色。通过对对眼眼球的大小以及颜色进行观测,能够实现针对烂眼病的有效检测。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
本申请实施例提供了一种对虾烂眼病检测方法,如图1所示,该方法可以包括以下步骤:
步骤S101:获取对虾图像并识别对虾图像中的对虾个体。
在获取对虾图像后,可以根据预设的机器学习模型,识别对虾图像中的对虾个体。神经网络和深度学习等机器学习模型,已经广泛应用于人工智能的各个领域,其最常见的应用场景即分类。对虾个体识别的本质也是分类问题。采用现有的机器学习模型并加以训练,能够实现对对虾个体的有效识别。
步骤S102:测量对虾个体的体长。
步骤S103:识别对虾个体的眼球并测量眼球直径。
对虾体型较小,其眼球也很小。在养殖场大规模养殖时,工人及技术人员难以频繁对如此细小的位置进行细致观察。因此,通过人工对对虾的眼球进行测量,存在一定的工作难度。而机器视觉能够分辨像素级别的细小物体,完全能够满足对虾眼球的识别及测量眼球。
在一具体实施方式中,可以首先从对虾图像中提取对虾个体的影像,生成对应的对虾个体图像;其次,对对虾个体图像进行边缘检测,生成对应的边缘检测图像;再次,识别边缘检测图像中的圆形区域或类圆形区域,将圆形区域或类圆形区域为对虾个体的眼球;最后,计算圆形区域或类圆形区域中任意两点间的距离,将任意两点间的最大距离作为对虾个体的眼球直径。
步骤S104:根据对虾个体的眼球直径以及对应的体长,判断对虾个体是否罹患烂眼病。
在一具体实施方式中,可以通过以下几个子步骤实现步骤S104的步骤:
步骤S1041:根据对虾个体的体长确定对应的眼球直径范围。
眼球直径范围可以是参考普遍数据得到的。首先可以采集大量健康对虾的体长和眼球直径,并根据体长对样本进行分类。在具有相同体长的一类样本中,统计各个样本的眼球直径。样本的眼球直径一般呈正态分布,绘制眼球直径的正态分布曲线,根据这一正态分布曲线可以得到绝大部分健康对虾的眼球直径范围。利用上述方法,可以为具有不同体长的每一类健康对虾的样本绘制对应的眼球直径正态分布曲线,进而得到不同体长的健康对虾的眼球直径范围。步骤S1042:判断对虾个体的眼球直径是否大于对应的眼球直径范围的最大值。当对虾个体的眼球直径大于对应的眼球直径范围的最大值时,确定对虾个体已罹患烂眼病;当对虾个体的眼球直径小于或等于对应的眼球直径范围的最大值时,不执行任何操作,返回步骤S101即可。
在通过步骤S104确定对虾个体罹患烂眼病后,还可以进一步对患病对虾个体的病程阶段进行评估,以便养殖户采取适当的救护措施。为此,如图2所示,可以下步骤S104后增设以下步骤:
步骤S105:采集对虾个体的眼球颜色。
具体的,可以将边缘检测图像中圆形区域或类圆形区域投影至对应的对虾个体图像上,将对虾个体图像中对应区域的颜色作为眼球的颜色。
步骤S106:根据对虾个体的眼球颜色,识别对虾个体的病程发展阶段。
对虾烂眼病发展至中期阶段后,在眼球胀大的同时还会出现颜色的变化,由其眼球会从黑色变为褐色。作为例子,在根据对虾个体的眼球直径确定对虾个体已罹患烂眼病后,可以将褐色设定为病态眼球颜色,将患病对虾的眼球颜色与预设的病态眼球颜色进行对比。当对虾个体的眼球颜色与预设的病态眼球颜色相同时,确定对虾个体处于烂眼病中期病程阶段;当对虾个体的眼球颜色与预设的病态眼球颜色不同时,确定对虾个体处于烂眼病初期病程阶段。
本申请实施例提供的对虾烂眼病检测方法、终端设备及存储介质,利用机器视觉采集对虾图像,进而获取对虾个体的眼球直径,眼球直径能够直接反应对虾的眼部病变,为自动化的对虾烂眼病检测提供数据支持,解决了目前水产养殖领域难以对对虾烂眼病进行有效检测和监控的问题。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请实施例还提供了一种终端设备,如图3所示,该终端设备可以包括输入单元301、测量单元302和检测单元303。
具体的,输入单元301用于获取对虾图像并识别对虾图像中的对虾个体;其对应的工作过程可参见上述方法实施例中步骤S101的描述。
测量单元302用于测量对虾个体的体长,识别对虾个体的眼球并测量眼球直径;其对应的工作过程可参见上述方法实施例中步骤S102和步骤S103的描述。
检测单元303用于根据对虾个体的眼球直径以及对应的体长,判断对虾个体是否罹患烂眼病;其对应的工作过程可参见上述方法实施例中步骤S104的描述。
在一具体实施方式中,测量单元302还可以用于采集对虾个体的眼球颜色;其对应的工作过程可参见上述方法实施例中步骤S105的描述。检测单元303用还可以于根据对虾个体的眼球颜色,识别对虾个体的病程发展阶段;其对应的工作过程可参见上述方法实施例中步骤S106的描述。
图4是本申请一实施例提供的另一终端设备的示意图。如图4所示,该实施例的终端设备400包括:处理器401、存储器402以及存储在所述存储器402中并可在所述处理器401上运行的计算机程序403,例如对虾烂眼病检测程序。所述处理器401执行所述计算机程序403时实现上述各个对虾烂眼病检测方法实施例中的步骤,例如图1所示的步骤S101至步骤S103。或者,所述处理器401执行所述计算机程序403时实现上述各装置实施例中各模块/单元的功能。
所述计算机程序403可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器402中,并由所述处理器401执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序403在所述终端设备400中的执行过程。例如,所述计算机程序403可以被分割成同步模块、汇总模块、获取模块、返回模块(虚拟装置中的模块)。
所述终端设备400可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器401、存储器402。本领域技术人员可以理解,图4仅仅是终端设备400的示例,并不构成对终端设备400的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401可以是中央处理单元(Central Processiag Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器402可以是所述终端设备400的内部存储单元,例如终端设备400的硬盘或内存。所述存储器402也可以是所述终端设备400的外部存储设备,例如所述终端设备400上配备的插按式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器402还可以既包括所述终端设备400的内部存储单元也包括外部存储设备。所述存储器402用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述部各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以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,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种对虾烂眼病检测方法,其特征在于,包括:
获取对虾图像并识别所述对虾图像中的对虾个体;
测量所述对虾个体的体长;
识别所述对虾个体的眼球并测量眼球直径;
根据所述对虾个体的眼球直径以及对应的体长,判断所述对虾个体是否罹患烂眼病。
2.如权利要求1所述的对虾烂眼病检测方法,其特征在于,所述根据所述对虾个体的眼球直径以及对应的体长,判断所述对虾个体是否罹患烂眼病的步骤,包括:
根据所述对虾个体的体长确定对应的眼球直径范围;
当所述对虾个体的眼球直径大于对应的眼球直径范围的最大值时,确定所述对虾个体已罹患烂眼病。
3.如权利要求2所述的对虾烂眼病检测方法,其特征在于,在所述确定所述对虾个体已罹患烂眼病的步骤之后,所述对虾烂眼病检测方法还包括:
采集所述对虾个体的眼球颜色;
根据所述对虾个体的眼球颜色,识别所述对虾个体的病程发展阶段。
4.如权利要求3所述的对虾烂眼病检测方法,其特征在于,所述根据所述对虾个体的眼球颜色,识别所述对虾个体的病程发展阶段的步骤,包括:
当所述对虾个体的眼球颜色与预设的病态眼球颜色相同时,确定所述对虾个体处于烂眼病中期病程阶段。
5.如权利要求4所述的对虾烂眼病检测方法,其特征在于,所述根据所述对虾个体的眼球颜色,识别所述对虾个体的病程发展阶段的步骤,还包括:
当所述对虾个体的眼球颜色与预设的病态眼球颜色不同时,确定所述对虾个体处于烂眼病初期病程阶段。
6.如权利要求1所述的对虾烂眼病检测方法,其特征在于,所述识别所述对虾个体的眼球并测量眼球直径的步骤,包括:
从所述对虾图像中提取所述对虾个体的影像,生成对应的对虾个体图像;
对所述对虾个体图像进行边缘检测,生成对应的边缘检测图像;
识别所述边缘检测图像中的圆形区域或类圆形区域;所述圆形区域或类圆形区域为所述对虾个体的眼球。
7.如权利要求6所述的对虾烂眼病检测方法,其特征在于,所述识别所述对虾个体的眼球并测量眼球直径的步骤,还包括:
计算所述圆形区域或类圆形区域中任意两点间的距离;
将所述任意两点间的最大距离作为所述对虾个体的眼球直径。
8.一种终端设备,其特征在于,包括:
输入单元,用于获取对虾图像并识别所述对虾图像中的对虾个体;
测量单元,用于测量所述对虾个体的体长,识别所述对虾个体的眼球并测量眼球直径;
检测单元,用于根据所述对虾个体的眼球直径以及对应的体长,判断所述对虾个体是否罹患烂眼病。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294868.7A CN112907566A (zh) | 2021-03-19 | 2021-03-19 | 对虾烂眼病检测方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294868.7A CN112907566A (zh) | 2021-03-19 | 2021-03-19 | 对虾烂眼病检测方法、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112907566A true CN112907566A (zh) | 2021-06-04 |
Family
ID=76106658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110294868.7A Pending CN112907566A (zh) | 2021-03-19 | 2021-03-19 | 对虾烂眼病检测方法、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907566A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110220466A (zh) * | 2019-07-05 | 2019-09-10 | 中国科学院海洋研究所 | 一种基于对虾眼球直径估算体长体重的方法 |
CN111968096A (zh) * | 2020-08-21 | 2020-11-20 | 青岛海米飞驰智能科技有限公司 | 一种基于表面特征的对虾白斑综合征病毒检测方法及系统 |
CN112184699A (zh) * | 2020-10-20 | 2021-01-05 | 青岛丰禾星普科技有限公司 | 水产品健康检测方法、终端设备及存储介质 |
-
2021
- 2021-03-19 CN CN202110294868.7A patent/CN112907566A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110220466A (zh) * | 2019-07-05 | 2019-09-10 | 中国科学院海洋研究所 | 一种基于对虾眼球直径估算体长体重的方法 |
CN111968096A (zh) * | 2020-08-21 | 2020-11-20 | 青岛海米飞驰智能科技有限公司 | 一种基于表面特征的对虾白斑综合征病毒检测方法及系统 |
CN112184699A (zh) * | 2020-10-20 | 2021-01-05 | 青岛丰禾星普科技有限公司 | 水产品健康检测方法、终端设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
CYFFN19651207: "对虾烂眼病", 《HTTPS://WENKU.BAIDU.COM/VIEW/695F5A4BBCEB19E8B9F6BA52.HTML》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A vision-based robust grape berry counting algorithm for fast calibration-free bunch weight estimation in the field | |
EP3989160A1 (en) | Pathological section image processing method, apparatus, system, and storage medium | |
WO2021082691A1 (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
Hsu et al. | Chronic wound assessment and infection detection method | |
CN112017185B (zh) | 病灶分割方法、装置及存储介质 | |
WO2018104819A1 (en) | A method and system for evaluating quality of semen sample | |
Hortinela et al. | Identification of abnormal red blood cells and diagnosing specific types of anemia using image processing and support vector machine | |
CN113158821B (zh) | 基于多模态的眼部检测数据的处理方法、装置及终端设备 | |
US20220383661A1 (en) | Method and device for retinal image recognition, electronic equipment, and storage medium | |
CN109697719A (zh) | 一种图像质量评估方法、装置及计算机可读存储介质 | |
CN113436070B (zh) | 一种基于深度神经网络的眼底图像拼接方法 | |
CN110930414A (zh) | 医学影像的肺部区域阴影标记方法、装置、服务器及存储介质 | |
CN113344894A (zh) | 眼底豹纹斑特征提取及特征指数确定的方法和装置 | |
CN110619332A (zh) | 基于视野检查报告的数据处理方法、装置及设备 | |
KR20180045473A (ko) | 이미지 분석을 이용한 흑색종 검사 시스템, 방법 및 컴퓨터 프로그램 | |
CN108447047A (zh) | 抗酸杆菌检测方法及装置 | |
Akut | FILM: finding the location of microaneurysms on the retina | |
CN117274278B (zh) | 基于模拟感受野的视网膜图像病灶部位分割方法及系统 | |
CN114549395A (zh) | 基于视计算的图像特征确定的方法、装置、介质和设备 | |
CN109003659A (zh) | 胃幽门螺旋杆菌感染病理诊断支持系统和方法 | |
CN112907566A (zh) | 对虾烂眼病检测方法、终端设备及存储介质 | |
CN113158822B (zh) | 基于跨模态关系推理的眼部检测数据的分类方法及装置 | |
CN210776809U (zh) | 一种望诊图像质量评价系统、设备及存储介质 | |
CN113591601B (zh) | 角膜共聚焦图像中菌丝识别方法及装置 | |
CN112734701A (zh) | 眼底病灶检测方法、检测装置及终端设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |