CN112954138A - 水产经济动物图像采集方法、终端设备及可移动料台 - Google Patents
水产经济动物图像采集方法、终端设备及可移动料台 Download PDFInfo
- Publication number
- CN112954138A CN112954138A CN202110193089.8A CN202110193089A CN112954138A CN 112954138 A CN112954138 A CN 112954138A CN 202110193089 A CN202110193089 A CN 202110193089A CN 112954138 A CN112954138 A CN 112954138A
- Authority
- CN
- China
- Prior art keywords
- image
- aquatic economic
- economic animal
- material platform
- aquatic
- 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
- 241001465754 Metazoa Species 0.000 title claims abstract description 87
- 239000000463 material Substances 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000009467 reduction Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 20
- 238000002360 preparation method Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000009360 aquaculture Methods 0.000 abstract description 4
- 244000144974 aquaculture Species 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
Abstract
本申请涉及水产养殖技术领域，具体涉及一种水产经济动物图像采集方法、终端设备及可移动料台，其中，上述方法包括当料台到达预设位置且料台中未载有水产经济动物时，获取对应的背景图像；当料台到达预设位置且料台中载有水产经济动物时，获取对应的水产经济动物图像；利用背景图像，对水产经济动物图像进行降噪处理，得到第一目标图像。本申请实施例提供的水产经济动物图像采集方法、终端设备及可移动料台，改变了现有技术使用通用的背景图像进行降噪处理的方式，为每幅水产经济动物图像匹配对应的背景图像，逐一进行针对性的降噪处理，有利于提高降噪处理的效果，提高降噪后水产经济动物图像的清晰度。
Description
技术领域
本申请涉及水产养殖技术领域，具体涉及一种水产经济动物图像采集方法、终端设备及可移动料台。
背景技术
水产养殖中的水产经济动物生活于水中，对其形体、形态、习性的人为观测难度较大，在实际生产过程中对其生长速度、健康状况、摄食情况、行为习性的观测和分析难以准确进行，或只能通过阶段性的抽样测量和观测对其生物学和行为学特征进行定性描述。将机器视觉和机器学习应用于水产养殖，能够帮助养殖户实现全天候的实时在线监测。图像采集是进行机器学习的基础，亟待研发一种快捷高效且清晰的水产经济动物图像采集方法。
发明内容
有鉴于此，本申请实施例提供了一种水产经济动物图像采集方法、终端设备及可移动料台，以解决目前水产经济动物图像采集效率较低、图像质量参差不齐的技术问题。
根据第一方面，本申请实施例提供了一种水产经济动物图像采集方法，包括：当料台到达预设位置且料台中未载有水产经济动物时，获取对应的背景图像；当料台到达预设位置且料台中载有水产经济动物时，获取对应的水产经济动物图像；利用所述背景图像，对所述水产经济动物图像进行降噪处理，得到第一目标图像。
结合第一方面，在本申请的一些实施例中，在所述获取对应的背景图像的步骤之前，还包括：当料台到达预设位置时，获取预备图像；计算所述预备图像的清晰度；根据所述预备图像的清晰度调整所述预设位置。
结合第一方面，在本申请的一些实施例中，所述根据所述预备图像的清晰度调整所述预设位置的步骤，包括：当所述预备图像的清晰度未达到预设的清晰度阈值时，调整所述料台的位置并重复执行所述获取预备图像，计算所述预备图像的清晰度的步骤，直至所述预备图像的清晰度达到预设的清晰度阈值；将清晰度达到预设的清晰度阈值的预备图像作为第二目标图像；根据所述第二目标图像对应的料台位置，调整所述预设位置。
结合第一方面，在本申请的一些实施例中，所述根据所述预备图像的清晰度调整所述预设位置的步骤，还包括：当所述预备图像的清晰度达到预设的清晰度阈值时，保持所述预设位置不变。
结合第一方面，在本申请的一些实施例中，所述获取对应的背景图像的步骤，包括：当料台到达预设位置时，获取当前图像；根据预设的机器学习模型识别所述当前图像中的水产经济动物个体；当在所述当前图像中未识别到任何水产经济动物个体时，将所述当前图像作为所述背景图像。
结合第一方面，在本申请的一些实施例中，所述获取对应的水产经济动物图像的步骤，包括：当料台到达预设位置时，获取当前图像；根据预设的机器学习模型识别所述当前图像中的水产经济动物个体；当在所述当前图像中识别到水产经济动物个体时，将所述当前图像作为所述水产经济动物图像。
结合第一方面，在本申请的一些实施例中，通过以下公式对所述水产经济动物图像进行降噪处理：
I’1(i，j)＝I1(i，j)-I0(i，j)
其中，I’1(i，j)为所述第一目标图像中坐标(i，j)处的灰度值；I1(i，j)为所述水产经济动物图像中坐标(i，j)处的灰度值；I0(i，j)为所述背景图像中坐标(i，j)处的灰度值。
根据第二方面，本申请实施例提供了一种终端设备，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。
根据第三方面，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。
根据第四方面，本申请实施例提供了一种可移动料台，包括：支架，所述支架上设置有滑轨；摄像头，所述摄像头设置在所述支架的顶端；所述摄像头用于采集背景图像和水产经济动物图像；所述背景图像为第一方面或第一方面任一实施方式所述方法中的背景图像；所述水产经济动物图像为第一方面或第一方面任一实施方式所述方法中的水产经济动物图像；料台，所述料台通过所述滑轨沿所述支架上下移动。
本申请实施例提供的水产经济动物图像采集方法、终端设备及可移动料台，改变了现有技术使用通用的背景图像进行降噪处理的方式，为每幅水产经济动物图像匹配对应的背景图像，逐一进行针对性的降噪处理，有利于提高降噪处理的效果，提高降噪后水产经济动物图像的清晰度。此外，本申请实施例提供的水产经济动物图像采集方法、终端设备及可移动料台，所采用的降噪算法较为简洁，降噪处理的效率较高，处理迅速，解决了目前水产经济动物图像采集效率较低、图像质量参差不齐的技术问题。
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水产经济动物图像采集方法的一个具体示例的实现流程示意图；
图2是本申请实施例提供的水产经济动物图像采集方法的另一具体示例的实现流程示意图；
图3是本申请实施例提供的可移动料台的一个具体示例的示意图；
图4是本申请实施例提供的终端设备的一个具体示例的示意图；
其中，100—支架，101—滑轨，200—摄像头，300—料台。
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。
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水产经济动物图像采集方法，如图1所示，该方法可以包括以下步骤：
步骤S101：当料台到达预设位置且料台中未载有水产经济动物时，获取对应的背景图像。
在一具体实施方式中，当料台到达预设位置时，可以首先获取当前图像。其次，根据预设的机器学习模型识别当前图像中的水产经济动物个体。当在当前图像中未识别到任何水产经济动物个体时，将当前图像作为背景图像。
步骤S102：当料台到达预设位置且料台中载有水产经济动物时，获取对应的水产经济动物图像。
在一具体实施方式中，当料台到达预设位置时，可以首先获取当前图像。其次，根据预设的机器学习模型识别当前图像中的水产经济动物个体。当在当前图像中识别到水产经济动物个体时，将当前图像作为水产经济动物图像。
步骤S103：利用背景图像，对水产经济动物图像进行降噪处理，得到第一目标图像。
可以通过以下公式(1)对水产经济动物图像进行降噪处理：
I’1(i，j)＝I1(i，j)-I0(i，j) (1)
其中，I’1(i，j)为所述第一目标图像中坐标(i，j)处的灰度值；I1(i，j)为所述水产经济动物图像中坐标(i，j)处的灰度值；I0(i，j)为所述背景图像中坐标(i，j)处的灰度值。
一般，预设位置是使料台恰好处于摄像头焦距范围内的一个固定位置，在预设位置进行图像采集能够使采集到的图像较为清晰。在实际应用中，有时需要对预设位置进行适当调整，从而保证拍照的清晰度。例如，在设备大修、养殖场地重新启用或者更换摄像头后，是需要重新调整预设位置的。图2所示的水产经济动物图像采集方法，在图1所述方法的基础上增设的针对预设位置的调试步骤。如图2所示，可以在步骤S101之前，增设以下步骤：
步骤S100：当料台到达预设位置时，获取预备图像。
步骤S100’：计算预备图像的清晰度。
步骤S100”：根据预备图像的清晰度调整预设位置。
在一具体实施方式中，当预备图像的清晰度未达到预设的清晰度阈值时，可以上下调整料台的位置，并重新获取预备图像，计算新获预备图像的清晰度，直至所获预备图像的清晰度达到预设的清晰度阈值。可以将清晰度达到预设的清晰度阈值的预备图像作为第二目标图像。在确定了第二目标图像之后，可以根据第二目标图像对应的料台位置，调整预设位置。简单来说，可以直接将第二目标图像对应的料台位置设定为新的预设位置，在后续步骤中均使用该新的预设位置采集背景图像和水产经济动物图像。
在首次获得预备图像后，如果当预备图像的清晰度能够达到预设的清晰度阈值，则保持预设位置不变。
本申请实施例提供的水产经济动物图像采集方法，改变了现有技术使用通用的背景图像进行降噪处理的方式，为每幅水产经济动物图像匹配对应的背景图像，逐一进行针对性的降噪处理，有利于提高降噪处理的效果，提高降噪后水产经济动物图像的清晰度。此外，本申请实施例提供的水产经济动物图像采集方法、终端设备及可移动料台，所采用的降噪算法较为简洁，降噪处理的效率较高，处理迅速，解决了目前水产经济动物图像采集效率较低、图像质量参差不齐的技术问题。
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可移动料台，如图3所示，该可移动料台可以包括支架100、摄像头200和料台300。
具体的，支架100上设置有滑轨101，料台300通过滑轨101沿支架100上下移动。摄像头200固定设置在支架100的顶端。摄像头200用于采集图1和图2所示方法中的背景图像和水产经济动物图像。
在实际应用中，还可以在可移动料台上增设通信模块，摄像头200通过通信模块将其采集到的各个图像传输至后台服务器，由后台服务器执行图1或图2所述的水产经济动物图像采集方法。或者，在可移动料台上设置处理器，通过该处理器执行图1或图2所述的水产经济动物图像采集方法，实现本地图像采集、筛选和降噪处理。
图4是本申请一实施例提供的终端设备的示意图。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，例如水产经济动物图像采集程序。所述处理器401执行所述计算机程序403时实现上述各个水产经济动物图像采集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 Processing 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上配备的插接式硬盘，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都各有侧重，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。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。
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。
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)
1.一种水产经济动物图像采集方法，其特征在于，包括：
当料台到达预设位置且料台中未载有水产经济动物时，获取对应的背景图像；
当料台到达预设位置且料台中载有水产经济动物时，获取对应的水产经济动物图像；
利用所述背景图像，对所述水产经济动物图像进行降噪处理，得到第一目标图像。
2.根据权利要求1所述的水产经济动物图像采集方法，其特征在于，在所述获取对应的背景图像的步骤之前，还包括：
当料台到达预设位置时，获取预备图像；
计算所述预备图像的清晰度；
根据所述预备图像的清晰度调整所述预设位置。
3.根据权利要求2所述的水产经济动物图像采集方法，其特征在于，所述根据所述预备图像的清晰度调整所述预设位置的步骤，包括：
当所述预备图像的清晰度未达到预设的清晰度阈值时，调整所述料台的位置并重复执行所述获取预备图像，计算所述预备图像的清晰度的步骤，直至所述预备图像的清晰度达到预设的清晰度阈值；将清晰度达到预设的清晰度阈值的预备图像作为第二目标图像；
根据所述第二目标图像对应的料台位置，调整所述预设位置。
4.根据权利要求2所述的水产经济动物图像采集方法，其特征在于，所述根据所述预备图像的清晰度调整所述预设位置的步骤，还包括：
当所述预备图像的清晰度达到预设的清晰度阈值时，保持所述预设位置不变。
5.根据权利要求1所述的水产经济动物图像采集方法，其特征在于，所述获取对应的背景图像的步骤，包括：
当料台到达预设位置时，获取当前图像；
根据预设的机器学习模型识别所述当前图像中的水产经济动物个体；
当在所述当前图像中未识别到任何水产经济动物个体时，将所述当前图像作为所述背景图像。
6.根据权利要求1所述的水产经济动物图像采集方法，其特征在于，所述获取对应的水产经济动物图像的步骤，包括：
当料台到达预设位置时，获取当前图像；
根据预设的机器学习模型识别所述当前图像中的水产经济动物个体；
当在所述当前图像中识别到水产经济动物个体时，将所述当前图像作为所述水产经济动物图像。
7.根据权利要求1至6中任一项所述的水产经济动物图像采集方法，其特征在于，通过以下公式对所述水产经济动物图像进行降噪处理：
I’1(i，j)＝I1(i，j)-I0(i，j)
其中，I’1(i，j)为所述第一目标图像中坐标(i，j)处的灰度值；I1(i，j)为所述水产经济动物图像中坐标(i，j)处的灰度值；I0(i，j)为所述背景图像中坐标(i，j)处的灰度值。
8.一种终端设备，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。
9.一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。
10.一种可移动料台，其特征在于，包括：
支架，所述支架上设置有滑轨；
摄像头，所述摄像头设置在所述支架的顶端；所述摄像头用于采集背景图像和水产经济动物图像；所述背景图像为权利要求1至7任一项所述方法中的背景图像；所述水产经济动物图像为权利要求1至7任一项所述方法中的水产经济动物图像；
料台，所述料台通过所述滑轨沿所述支架上下移动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110193089.8A CN112954138A (zh) | 2021-02-20 | 2021-02-20 | 水产经济动物图像采集方法、终端设备及可移动料台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110193089.8A CN112954138A (zh) | 2021-02-20 | 2021-02-20 | 水产经济动物图像采集方法、终端设备及可移动料台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112954138A true CN112954138A (zh) | 2021-06-11 |
Family
ID=76244771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110193089.8A Pending CN112954138A (zh) | 2021-02-20 | 2021-02-20 | 水产经济动物图像采集方法、终端设备及可移动料台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112954138A (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6064762A (en) * | 1994-12-20 | 2000-05-16 | International Business Machines Corporation | System and method for separating foreground information from background information on a document |
| JP2001144953A (ja) * | 1999-09-27 | 2001-05-25 | Genesis Microchip Inc | 適応コントラスト強調によるディジタル画像の倍率変更の方法と装置 |
| US20040076318A1 (en) * | 2002-07-15 | 2004-04-22 | Baylor College Of Medicine | Assaying and imaging system identifying traits of biological specimens |
| CN103700113A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种下视复杂背景弱小运动目标检测方法 |
| WO2017049922A1 (zh) * | 2015-06-17 | 2017-03-30 | 广州市巽腾信息科技有限公司 | 一种图像信息采集装置、图像采集方法及其用途 |
| CN106611159A (zh) * | 2016-12-12 | 2017-05-03 | 燕山大学 | 一种基于机器视觉的小鼠探索的识别方法 |
| WO2018188440A1 (zh) * | 2017-04-10 | 2018-10-18 | 深圳市瀚海基因生物科技有限公司 | 成像方法、装置及系统 |
| CN108961157A (zh) * | 2018-06-19 | 2018-12-07 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
| CN109492543A (zh) * | 2018-10-18 | 2019-03-19 | 广州市海林电子科技发展有限公司 | 红外图像的小目标检测方法与系统 |
| CN110244444A (zh) * | 2019-05-21 | 2019-09-17 | 深圳市智影医疗科技有限公司 | 显微镜的对焦方法、装置、终端设备及存储介质 |
| CN110794549A (zh) * | 2019-11-11 | 2020-02-14 | 湖南伊鸿健康科技有限公司 | 自动聚焦方法、血细胞分析仪及计算机可读存储介质 |
| WO2020120370A1 (de) * | 2018-12-13 | 2020-06-18 | BSH Hausgeräte GmbH | Verfahren zu einer verbesserung einer objekterkennung durch maschinelles lernen |
| CN111445411A (zh) * | 2020-03-26 | 2020-07-24 | 深圳数联天下智能科技有限公司 | 图像去噪方法、装置、计算机设备和存储介质 |
| CN112085686A (zh) * | 2020-08-21 | 2020-12-15 | 北京迈格威科技有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| US20210049345A1 (en) * | 2019-08-15 | 2021-02-18 | Advanced Solutions Life Sciences, Llc | Systems and methods for automating biological structure identification utilizing machine learning |
-
2021
- 2021-02-20 CN CN202110193089.8A patent/CN112954138A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6064762A (en) * | 1994-12-20 | 2000-05-16 | International Business Machines Corporation | System and method for separating foreground information from background information on a document |
| JP2001144953A (ja) * | 1999-09-27 | 2001-05-25 | Genesis Microchip Inc | 適応コントラスト強調によるディジタル画像の倍率変更の方法と装置 |
| US20040076318A1 (en) * | 2002-07-15 | 2004-04-22 | Baylor College Of Medicine | Assaying and imaging system identifying traits of biological specimens |
| CN103700113A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种下视复杂背景弱小运动目标检测方法 |
| WO2017049922A1 (zh) * | 2015-06-17 | 2017-03-30 | 广州市巽腾信息科技有限公司 | 一种图像信息采集装置、图像采集方法及其用途 |
| CN106611159A (zh) * | 2016-12-12 | 2017-05-03 | 燕山大学 | 一种基于机器视觉的小鼠探索的识别方法 |
| WO2018188440A1 (zh) * | 2017-04-10 | 2018-10-18 | 深圳市瀚海基因生物科技有限公司 | 成像方法、装置及系统 |
| CN108961157A (zh) * | 2018-06-19 | 2018-12-07 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
| CN109492543A (zh) * | 2018-10-18 | 2019-03-19 | 广州市海林电子科技发展有限公司 | 红外图像的小目标检测方法与系统 |
| WO2020120370A1 (de) * | 2018-12-13 | 2020-06-18 | BSH Hausgeräte GmbH | Verfahren zu einer verbesserung einer objekterkennung durch maschinelles lernen |
| CN110244444A (zh) * | 2019-05-21 | 2019-09-17 | 深圳市智影医疗科技有限公司 | 显微镜的对焦方法、装置、终端设备及存储介质 |
| US20210049345A1 (en) * | 2019-08-15 | 2021-02-18 | Advanced Solutions Life Sciences, Llc | Systems and methods for automating biological structure identification utilizing machine learning |
| CN110794549A (zh) * | 2019-11-11 | 2020-02-14 | 湖南伊鸿健康科技有限公司 | 自动聚焦方法、血细胞分析仪及计算机可读存储介质 |
| CN111445411A (zh) * | 2020-03-26 | 2020-07-24 | 深圳数联天下智能科技有限公司 | 图像去噪方法、装置、计算机设备和存储介质 |
| CN112085686A (zh) * | 2020-08-21 | 2020-12-15 | 北京迈格威科技有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110232383B (zh) | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别系统 | |
| CN107895367B (zh) | 一种骨龄识别方法、系统及电子设备 | |
| Yukun et al. | Automatic monitoring system for individual dairy cows based on a deep learning framework that provides identification via body parts and estimation of body condition score | |
| CN112232978B (zh) | 水产品体长和重量检测方法、终端设备及存储介质 | |
| Wang et al. | ASAS-NANP SYMPOSIUM: Applications of machine learning for livestock body weight prediction from digital images | |
| CN112257564B (zh) | 水产品数量统计方法、终端设备及存储介质 | |
| CN111145147B (zh) | 多模态医学图像的分割方法及终端设备 | |
| CN112288786B (zh) | 电子装置及非暂态计算机可读存储介质 | |
| CN108229351B (zh) | 一种动物养殖方法、动物养殖装置及电子设备 | |
| CN111325217B (zh) | 数据处理方法、装置、系统和介质 | |
| CN110223279B (zh) | 一种图像处理方法和装置、电子设备 | |
| CN111667474A (zh) | 骨折识别方法、装置、设备和计算机可读存储介质 | |
| CN112461342B (zh) | 水产品称重方法、终端设备及存储介质 | |
| Zhang et al. | Biometric facial identification using attention module optimized YOLOv4 for sheep | |
| CN110175503A (zh) | 长度获取方法、装置、保险理赔系统、介质及电子设备 | |
| CN112883915B (zh) | 一种基于迁移学习的麦穗自动识别方法和系统 | |
| CN112464802B (zh) | 一种玻片样本信息的自动识别方法、装置和计算机设备 | |
| CN112954138A (zh) | 水产经济动物图像采集方法、终端设备及可移动料台 | |
| CN114419375B (zh) | 图像分类方法、训练方法、装置、电子设备以及存储介质 | |
| CN113706512B (zh) | 一种基于深度学习和深度相机的生猪体重测量方法 | |
| CN110008881A (zh) | 多运动目标的奶牛行为的识别方法及装置 | |
| CN109949383B (zh) | 一种高动态光学投影层析成像方法及装置 | |
| CN112884761A (zh) | 水产经济动物头部识别方法、终端设备及可读存储介质 | |
| Wang et al. | The estimation of broiler respiration rate based on the semantic segmentation and video amplification | |
| JP7309953B1 (ja) | サイズ算出方法、サイズ算出装置、およびプログラム |
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: 20210611 |