死虾识别方法、终端设备及可读存储介质与流程

1.本申请属于水产养殖技术领域，尤其涉及一种死虾识别方法、终端设备及可读存储介质。


背景技术：

2.在对虾等水产经济动物养殖过程中，一般不会在收获前评估养殖池内的死虾数量，而是凭借养殖经验自由确定收获时机，并在收获时人工挑拣其中的死虾。这种较为粗狂的养殖方式，完全依靠用户个人的养殖经验，缺乏数据支持，在养殖过程中难以实时掌握死亡对虾的情况，增加了养殖风险。


技术实现要素：

3.有鉴于此，本申请实施例提供了一种死虾识别方法、终端设备及可读存储介质，以解决目前对虾养殖领域中难以实时掌握死亡对虾情况的问题。
4.根据第一方面，本申请实施例提供了一种死虾识别方法，包括：获取养殖池底部的池底图像；当根据预设的机器学习模型识别到所述池底图像中包含对虾个体时，分别获取所述池底图像中各个对虾个体的颜色；当任一对虾个体的颜色符合第一预设颜色时，确定所述任一对虾个体为死虾。
5.根据第一方面，在本申请的一些实施例中，所述分别获取所述池底图像中各个对虾个体的颜色的步骤，包括：获取与所述池底图像相对应的边缘检测图像；根据所述边缘检测图像确定所述各个对虾个体在所述池底图像中的位置；根据所述各个对虾个体在所述池底图像中的位置，确定所述各个对虾个体的颜色。
6.根据第一方面，在本申请的一些实施例中，所述死虾识别方法还包括：当任一对虾个体的颜色不符合第一预设颜色时，提取所述任一对虾个体在所述边缘检测图像中的轮廓；当所述轮廓不完整时，确定所述任一对虾个体为死虾。
7.根据第一方面，在本申请的一些实施例中，所述死虾识别方法还包括：当所述轮廓完整时，判断所述任一对虾个体的眼部是否完整；当所述任一对虾个体的眼部不完整时，确定所述任一对虾个体为死虾。
8.根据第一方面，在本申请的一些实施例中，所述判断所述任一对虾个体的眼部是否完整的步骤，包括：根据所述轮廓在所述池底图像中提取所述任一对虾个体的影像；当所述任一对虾个体的影像中不包含第二预设颜色时，确定所述任对虾个体为死虾。
9.根据第一方面，在本申请的一些实施例中，所述判断所述任一对虾个体的眼部是否完整的步骤，还包括：当所述任一对虾个体的影像中包含第二预设颜色时，提取具有第二预设颜色的区域；当所述区域并非圆形或类圆形区域时，确定所述任一对虾个体的眼部不完整。
10.根据第一方面，在本申请的一些实施例中，所述根据所述轮廓在所述池底图像中提取所述任一对虾个体的影像，为：根据所述轮廓在所述池底图像中提取所述任一对虾个
体的头部影像。
11.根据第二方面，本申请实施例提供了一种终端设备，包括输入单元，用于获取养殖池底部的池底图像；识别单元，用于根据预设的机器学习模型识别所述池底图像中是否包含对虾个体；当根据预设的机器学习模型识别到所述池底图像中包含对虾个体时，所述识别单元还用于分别获取所述池底图像中各个对虾个体的颜色；当任一对虾个体的颜色符合第一预设颜色时，所述识别单元还用于确定所述任一对虾个体为死虾。
12.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。
13.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。
14.本申请实施例提供的死虾识别方法、终端设备及可读存储介质，利用机器视觉实时获取养殖池的池底图像，通过图像处理技术识别其中的死亡对虾，进而监控养殖池中对虾的死亡数量，间接掌握养殖池内对虾群体的健康概况，改变了传统对虾养殖完全依靠用户个人的养殖经验，缺乏数据支持等问题。通过本申请实施例提供的死虾识别方法、终端设备及可读存储介质，能够帮助用产在养殖过程中实时掌握死亡对虾的情况，降低养殖风险。
附图说明
15.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。
16.图1是本申请实施例提供的死虾识别方法的一个具体示例的流程图；
17.图2是本申请实施例提供的终端设备的结构示意图；
18.图3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
19.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。
20.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。
21.本申请实施例提供了一种死虾识别方法，如图1所示，该方法可以包括以下步骤：
22.步骤s101：获取养殖池底部的池底图像。
23.由于死亡的对虾会沉入池底，并随着水流汇集到设置在池底的排污口附近，因此，可以将摄像装置也设置在排污口附近，以采集养殖池底部的池底图像。
24.步骤s102：根据预设的机器学习模型识别池底图像中是否包含对虾个体。当根据预设的机器学习模型识别到池底图像中包含对虾个体时，执行步骤s103；当根据预设的机
器学习模型识别到池底图像中不含对虾个体时，返回步骤s101即可。
25.步骤s103：分别获取池底图像中各个对虾个体的颜色。
26.作为例子，可以首先获取与池底图像相对应的边缘检测图像；再根据边缘检测图像确定各个对虾个体在池底图像中的位置；最后根据各个对虾个体在池底图像中的位置，确定各个对虾个体的颜色。
27.步骤s104：判断任对虾个体的颜色是否符合第一预设颜色。当任一对虾个体的颜色符合第一预设颜色时，执行步骤s105；当任一对虾个体的颜色不符合第一预设颜色时，执行步骤s106。
28.步骤s105：确定任一对虾个体为死虾。
29.死亡后的对虾随着时间流逝，其体色会逐渐由都半透明的青色转变为白色，进而再由白色转变为红色。在一具体实施方式中，可以将白色和红色均设为第一预设颜色。当识别到某一对虾个体的体色已经变为白色或红色，可以确定其为死虾。
30.步骤s106：提取任一对虾个体在边缘检测图像中的轮廓。
31.当识别到某一对虾个体的体色并未发生死亡后的颜色改变，可以进一步考察其体型是否完整。为此，可以采集该对虾个体在边缘检测图像中的轮廓。
32.步骤s107：判断轮廓是否完整。当轮廓不完整时，执行步骤s105；当轮廓完整时，执行步骤s108。
33.步骤s108：判断对虾个体的眼部是否完整。当对虾个体的眼部不完整时，执行步骤s105；当对虾个体的限部完整时，返回步骤s101即可。
34.在一具体实施方式中，可以首先根据轮廓在池底图像中提取对虾个体的影像或对虾个体的头部影像。当对虾个体的影像或对虾个体的头部影像中不包含第二预设颜色时，确定对虾个体的眼部不完整；当对虾个体的影像或对虾个体的头部影像中包含第二预设颜色时，提取具有第二预设颜色的区域。当该区域为圆形或类圆形区域时，确定对虾个体的眼部完整；当该区域并非圆形或类圆形区域时，确定对虾个体的眼部不完整。
35.由于对虾的眼球呈黑色或褐色，可以将第二预设颜色设置为黑色和褐色。如果对虾个体的影像或对虾个体的头部影像中不含任何黑色或褐色的像素，可以认为该对虾个体的眼部已经被其他活虾全部啃食，其眼部不完整。如果对虾个体的影像或对虾个体的头部影像中包含黑色或褐色像素，可以进一步从对虾个体影像或头部影像中提取出黑色和褐色像素组成的区域，该区域即对虾个体的眼部。对虾的眼部一般为圆形或椭圆形等类圆形的形状。如果黑色和褐色像素组成的区域并非圆形或类圆形区域，可以确定该对虾个体的眼部已经被养殖池内的活虾部分啃食，其眼部不完整。
36.对虾死亡后，在经过一段时间后才会呈现出体色的改变。单凭体色进行死虾识别，可能存在一定的时间滞后。对虾一旦死亡，养殖池内的其他活虾就会立即啃食其躯体。一般，对虾会首先啃食死虾的眼球，在全部啃食完死虾的眼球后，会对死虾的腿部及尾部进行啃食，造成死虾躯体的残缺。在死虾出现体色改变之前，其眼球及躯体可能已经遭到养殖池内其余活虾的啃食。为了尽早识别出池底图像中的死虾，除了体色以外，本申请实施例还分别对对虾个体的体型和眼部是否完整进行了检测。当对虾个体的体色、体型完整性或眼部完整性任一出现改变时，均可以确定该对虾个体已死亡。
37.本申请实施例提供的死虾识别方法，利用机器视觉实时获取养殖池的池底图像，
通过图像处理技术识别其中的死亡对虾，进而监控养殖池中对虾的死亡数量，间接掌握养殖池内对虾群体的健康概况，改变了传统对虾养殖完全依靠用户个人的养殖经验，缺乏数据支持等问题。通过本申请实施例提供的死虾识别方法、终端设备及可读存储介质，能够帮助用户在养殖过程中实时掌握死亡对虾的情况，降低养殖风险。
38.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。
39.本中请实施例还提供了一种终端设备，如图2所示，该终端设备可以包括输入单元201和识别单元202。
40.具体的，输入单元201用于获取养殖池底部的池底图像；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。
41.识别单元202用于根据预设的机器学习模型识别池底图像中是否包含对虾个体；当根据预设的机器学习模型识别到池底图像中包含对虾个体时，识别单元202还用于分别获取池底图像中各个对虾个体的颜色；其对应的工作过程可参见上述方法实施例中步骤s102至步骤s104的描述。
42.当任一对虾个体的颜色符合第一预设颜色时，识别单元202还用于确定该对虾个体为死虾；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。
43.此外，识别单元202还用于识别对虾个体的体型完整性和眼部完整性；其对应的工作过程可参见上述方法实施例中步骤s106至步骤s108的描述。
44.图3是本申请一实施例提供的另一终端设备的示意图。如图3所示，该实施例的终端设备300包括：处理器301、存储器302以及存储在所述存储器302中并可在所述处理器301上运行的计算机程序303，例如死虾识别程序。所述处理器301执行所述计算机程序303时实现上述各个死虾识别方法实施例中的步骤，例如图1所示的步骤。或者，所述处理器301执行所述计算机程序303时实现上述各装置实施例中各模块/单元的功能。
45.所述计算机程序303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302中，并由所述处理器301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303在所述终端设备300中的执行过程。例如，所述计算机程序303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)。
46.所述终端设备300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301、存储器302。本领域技术人员可以理解，图3仅仅是终端设备300的示例，并不构成对终端设备300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、网络按入设备、总线等。
47.所称处理器301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。
48.所述存储器302可以是所述终端设备300的内部存储单元，例如终端设备300的硬盘或内存。所述存储器302也可以是所述终端设备300的外部存储设备，例如所述终端设备300上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器302还可以既包括所述终端设备300的内部存储单元也包括外部存储设备。所述存储器302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302还可以用于暂时地存储已经输出或者将要输出的数据。
49.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。
50.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。
51.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。
52.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。
53.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。
54.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。
55.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。
56.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。

技术特征：
1.一种死虾识别方法，其特征在于，包括：获取养殖池底部的池底图像；当根据预设的机器学习模型识别到所述池底图像中包含对虾个体时，分别获取所述池底图像中各个对虾个体的颜色；当任一对虾个体的颜色符合第一预设颜色时，确定所述任一对虾个体为死虾。2.如权利要求1所述的死虾识别方法，其特征在于，所述分别获取所述池底图像中各个对虾个体的颜色的步骤，包括：获取与所述池底图像相对应的边缘检测图像；根据所述边缘检测图像确定所述各个对虾个体在所述池底图像中的位置；根据所述各个对虾个体在所述池底图像中的位置，确定所述各个对虾个体的颜色。3.如权利要求2所述的死虾识别方法，其特征在于，所述死虾识别方法还包括：当任一对虾个体的颜色不符合第一预设颜色时，提取所述任一对虾个体在所述边缘检测图像中的轮廓；当所述轮廓不完整时，确定所述任一对虾个体为死虾。4.如权利要求3所述的死虾识别方法，其特征在于，所述死虾识别方法还包括：当所述轮廓完整时，判断所述任一对虾个体的眼部是否完整；当所述任一对虾个体的眼部不完整时，确定所述任一对虾个体为死虾。5.如权利要求4所述的死虾识别方法，其特征在于，所述判断所述任一对虾个体的眼部是否完整的步骤，包括：根据所述轮廓在所述池底图像中提取所述任一对虾个体的影像；当所述任一对虾个体的影像中不包含第二预设颜色时，确定所述任一对虾个体为死虾。6.如权利要求5所述的死虾识别方法，其特征在于，所述判断所述任一对虾个体的眼部是否完整的步骤，还包括：当所述任一对虾个体的影像中包含第二预设颜色时，提取具有第二预设颜色的区域；当所述区域并非圆形或类圆形区域时，确定所述任一对虾个体的眼部不完整。7.如权利要求5或6所述的死虾识别方法，其特征在于，所述根据所述轮廓在所述池底图像中提取所述任一对虾个体的影像，为：根据所述轮廓在所述池底图像中提取所述任一对虾个体的头部影像。8.一种终端设备，其特征在于，包括：输入单元，用于获取养殖池底部的池底图像；识别单元，用于根据预设的机器学习模型识别所述池底图像中是否包含对虾个体；当根据预设的机器学习模型识别到所述池底图像中包含对虾个体时，所述识别单元还用于分别获取所述池底图像中各个对虾个体的颜色；当任一对虾个体的颜色符合第一预设颜色时，所述识别单元还用于确定所述任一对虾个体为死虾。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。
技术总结
本申请适用于水产养殖技术领域，提供了一种死虾识别方法、终端设备及可读存储介质，其中，上述方法包括：获取养殖池底部的池底图像；当根据预设的机器学习模型识别到池底图像中包含对虾个体时，分别获取池底图像中各个对虾个体的颜色；当任一对虾个体的颜色符合第一预设颜色时，确定任一对虾个体为死虾。本申请实施例提供的死虾识别方法、终端设备及可读存储介质，利用机器视觉实时获取养殖池的池底图像，通过图像处理技术识别其中的死亡对虾，能够帮助用户在养殖过程中实时掌握死亡对虾的情况，降低养殖风险。降低养殖风险。


技术研发人员：白雪松 刘阳 赵军西 贾志龙
受保护的技术使用者：东营市阔海水产科技有限公司
技术研发日：2021.04.02
技术公布日：2021/6/29