(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210797630.0 (22)申请日 2022.07.06 (71)申请人 大连海洋大学 地址 116023 辽宁省大连市沙河口区黑石 礁街52号 (72)发明人 殷健豪　吴俊峰　于红　高春奇　 郭世豪　 (74)专利代理 机构 北京圣州专利代理事务所 (普通合伙) 11818 专利代理师 刘岩 (51)Int.Cl. G06V 20/05(2022.01) G06V 20/40(2022.01) G06V 10/12(2022.01) G06V 10/40(2022.01)G06V 10/54(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 局部特征影响全局特征学习的鱼类识别系 统及方法 (57)摘要 本发明公开了局部特征影响全局特征学习 的鱼类识别系统， 包括数据收集、 数据传输模块 和鱼类识别终端， 数据收集模块包括固定板、 水 下摄影机、 电源电路、 水下照明装置、 补光光壁， 数据传输模块包括数据存储装置和图像传输装 置， 图像传输装置将水下摄影机收集的图像信息 发送时数据存储装置进行存储； 鱼类识别终端包 括服务器、 实时监控装置和图像接收装置， 实时 监控装置设置于数据收集模块的上方， 图像接收 装置接收来自数据存储装置的图像信息并发送 至服务器。 本发 明采用上述结构的局部特征影 响 全局特征学习的鱼类识别系统及方法， 针对不同 种类鱼体识别泛化性强， 能够识别陌生个体、 识 别准确率高。 权利要求书1页 说明书3页 附图2页 CN 115170938 A 2022.10.11 CN 115170938 A 1.局部特征影响全局特征学习的鱼类识别系统， 其特征在于： 包括数据收集模块、 数据 传输模块和鱼类识别终端， 所述数据收集模块包括固定板、 水下摄影机、 电源电路、 水下照明装置、 补光光壁， 所述 电源电路为所述水下摄像机和所述水下照明装置供电， 所述固定板竖直设置于水面下， 所 述水下摄影机和所述水下照明装置固定在所述固定板上， 所述补光光壁设置于所述固定板 的对面； 所述数据传输模块包括数据存储装置和图像传输装置， 所述图像传输装置将所述水下 摄影机收集的图像信息发送至所述数据存 储装置进行存 储； 所述鱼类识别终端包括服务器、 实时监控装置和图像接收装置， 所述实时监控装置设 置于所述数据收集模块的上方， 所述图像接收装置接收来自所述数据存储装置的图像信息 并发送至所述 服务器。 2.根据权利要求1所述的局部特征影响全局特征学习的鱼类识别系统， 其特征在于： 所 述数据收集模块还 包括温度传感器、 氧气含量传感器和压力传感器。 3.根据权利要求1所述的局部特征影响全局特征学习的鱼类识别系统， 其特征在于： 所 述数据存 储装置为可用空间10G以上的机 械硬盘。 4.根据权利要求1所述的局部特征影响全局特征学习的鱼类识别系统， 其特征在于： 所 述图像传输装置、 所述图像接 收装置、 所述实时监控装置和所述服务器通过无线网桥实现 通信连接 。 5.根据如权利要求1 ‑4所述的局部特征影响全局特征学习的鱼类识别方法， 其特征在 于： 包括以下步骤： S1、 将发送到所述服务器的图像信息进行视频抽帧处理， 利用视频连贯性的特点， 找出 同一条鱼的不同图片， 对其进行图片编号； S2、 使用Labelme 标注工具对鱼体进行关键点标注； S3、 按关键点进行鱼体分块得到鱼体局部图片， 将局部图片和整体 图片作为神经网络 的输入； S4、 通过SE ‑Resnet主干网络学习鱼体特征， 将局部和全局学习到的特征进行融合并且 利用Adam优化 算法进行训练， 得到最优鱼类识别模型。 6.根据权利要求5所述的局部特征影响全局特征学习的鱼类识别方法， 其特征在于： 在 S3中， 对分块后得到的鱼体局部图片进 行数据增强， 包括 ‑7度到7度的随机旋转和0.7到1.3 的亮度变化。权　利　要　求　书 1/1 页 2 CN 115170938 A 2局部特征影响全局特征学习的鱼类识别系统及方 法 技术领域 [0001]本发明涉及鱼类识别系统技术领域， 尤其是涉及局部特征影响全局特征学习的鱼 类识别系统及方法。 背景技术 [0002]大数据时代所带来的数据激增以及计算机算力的提高为计算机视觉、 深度学习等 领域带来了更进一步的发展。 近年来， 海洋生态环境的恶化得到更多 人的重视， 针对海洋生 物的目标识别具有重要意义， 水下鱼类目标识别为保护海洋生态环境提供了技术支持。 精 准识别每条鱼的身份信息有利于了解生态系统状况， 记录种群密度， 观察个体生长情况以 及身体状态。 [0003]传统鱼类识别是学习鱼体特征， 识别时需要与被检测的鱼体图片进行对比， 不能 对陌生鱼体进 行识别， 同时水下环境复杂所导致的鱼体识别准确率低等问题成为了本领域 技术人员需要解决的技 术重点。 发明内容 [0004]本发明的目的是提供局部特征影响全局特征学习的鱼类识别系统及方法， 针对不 同种类鱼体识别泛化 性强， 能够识别陌生个 体、 识别准确率高。 [0005]为实现上述目的， 本发明提供了局部特征影响全局特征学习的鱼类识别系统， 包 括数据收集模块、 数据传输模块和鱼类识别终端， [0006]所述数据收集模块包括固定板、 水下摄影机、 电源电路、 水下照明装置、 补光光壁， 所述电源电路为所述水下摄像机和所述水下照明装置供电， 所述固定板竖直设置于水面 下， 所述水下摄影机和所述水下照明装置固定在所述固定板上， 所述补光光壁设置于所述 固定板的对面； [0007]所述数据传输模块包括数据存储装置和图像传输装置， 所述图像传输装置将所述 水下摄影机收集的图像信息发送至所述数据存 储装置进行存 储； [0008]所述鱼类识别终端包括服务器、 实时监控装置和图像接收装置， 所述实时监控装 置设置于所述数据收集模块的上方， 所述图像接收装置接收来自所述数据存储装置的图像 信息并发送至所述 服务器。 [0009]优选的， 所述数据收集模块还 包括温度传感器、 氧气含量传感器和压力传感器。 [0010]优选的， 所述数据存 储装置为可用空间10G以上的机 械硬盘。 [0011]优选的， 所述图像传输装置、 所述图像接收装置、 所述实时监控装置和所述服务器 通过无线网桥实现通信连接 。 [0012]局部特征影响全局特 征学习的鱼类识别方法， 包括以下步骤： [0013]S1、 将发送到所述服务器的图像信息进行视频抽帧处理， 利用视频连贯性的特点， 找出同一条鱼的不同图片， 对其进行图片编号； [0014]S2、 使用Labelme 标注工具对鱼体进行关键点标注；说　明　书 1/3 页 3 CN 115170938 A 3