CN119494873A 基于多尺度语义融合密度估计网络的鱼苗数量估计方法 （南京混沌信息科技有限公司）

基于多尺度语义融合密度估计网络的鱼苗多尺度语义融合密度估计网络的鱼苗数量估计浊系数，根据第一浑浊系数确定不同的去噪方数；本方法能够有效提升鱼苗数量估计的准确2S3.所述特征提取层分别通过大尺度特征提取单元和小尺度特征提取单元对第一大尺S4.所述特征分析层根据第一鱼苗融合特征图得到第一鱼苗密度图；根据所述第一鱼2.根据权利要求1所述的基于多尺度语义融合密度估计网络的鱼苗数量估计方法，其3.根据权利要求1所述的基于多尺度语义融合密度估计网络的鱼苗数量估计方法，其特征在于：所述根据第一浑浊系数和预设浑浊系数阈值集合确定不同的去噪方式具体包S100.根据所述第一浑浊系数和预设浑浊系数阈值集合确定鱼塘网格区域的浑浊级S200.通过高斯滤波对轻度浑浊的鱼塘网格区域进行去噪；通过双边滤波的方式对中度浑浊的鱼塘网格区域进行去噪；通过深度学习去噪对重度浑浊的鱼塘网格区域进行去4.根据权利要求3所述的基于多尺度语义融合密度估计网络的鱼苗数量估计方法，其;ic表示第一浑浊系数；fc表示第一浑3表示中度浑浊；zn表示重度浑浊。5.根据权利要求1所述的基于多尺度语义融合密度估计网络的鱼苗数量估计方法，其所述预处理层对第一待检测鱼苗图像进行图像识别，得到第一浑第一浑浊系数确定不同的去噪方式；并通过U_Net对第一待检测鱼苗图像进行多尺度图像所述特征提取层分别通过大尺度特征提取单元和小尺度特征提取单元对第一大尺度所述特征融合层用于融合第一大尺度特征图和第二小尺度特征图，所述特征分析层通过第一卷积核对第一鱼苗融合特征图进行6.根据权利要求5所述的基于多尺度语义融合密度估计网络的鱼苗数量估计方法，其;7.根据权利要求1所述的基于多尺度语义融合密度估计网络的鱼苗数量估计方法，其;其中，Nsrr表示第二鱼苗数；Nrrr8.根据权利要求7所述的基于多尺度语义融合密度估计网络的鱼苗数量估计方法，其4[0004]本发明的目的在于提供基于多尺度语义融合密度估计网络的鱼苗数量估计方法，S2.构建鱼苗数量估计模型识别第一待检测鱼苗图像，鱼苗数量估计模型包括输S3.所述特征提取层分别通过大尺度特征提取单元和小尺度特征提取单元对第一S4.所述特征分析层根据第一鱼苗融合特征图得到第一鱼苗密度图；根据所述第5S100.根据所述第一浑浊系数和预设浑浊系数阈值集合确定鱼塘网格区域的浑浊S200.通过高斯滤波对轻度浑浊的鱼塘网格区域进行去噪；通过双边滤波的方式[0008]优选的，所述预设浑浊系数阈值集合包括第一浑浊系数阈值和第二浑浊系数阈;表示中度浑浊；zn表示重度浑浊。所述第一浑浊系数确定不同的去噪方式；并通过U_Net对第一待检测鱼苗图像进行多尺度所述特征提取层分别通过大尺度特征提取单元和小尺度特征提取单元对第一大6;;通过大尺度特征提取单元和小尺度特征提取单元进行特征提取，并通过SE注意力机制处[0016]图1为本发明实施例提供的基于多尺度语义融合密度估计网络的鱼苗数量估计方7为了提升A鱼塘鱼苗数量估计的准确率，应用了基于多尺度语义融合密度估计网参照图1为本发明实施例提供的基于多尺度语义融合密度估计网络的鱼苗数量估S2.构建鱼苗数量估计模型识别第一待检测鱼苗图像，鱼苗数量估计模型包括输层、特征分析层和输出层；如图3为本发明实施例提供的一种鱼苗数量估计模型结构示意所述第一浑浊系数确定不同的去噪方式；并通过U_Net对第一待检测鱼苗图像进行多尺度所述特征提取层分别通过大尺度特征提取单元和小尺度特征提取单元对第一大8;S100.根据所述第一浑浊系数和预设浑浊系数阈值集合确定鱼塘网格区域的浑浊S200.通过高斯滤波对轻度浑浊的鱼塘网格区域进行去噪；通过双边滤波的方式;表示中度浑浊；zn表示重度浑浊；所述第一浑浊系数阈值和第二浑浊系数阈值通过历史鱼塘图像数据进行训练获[0021]S3.所述特征提取层分别通过大尺度特征提取单元和小尺度特征提取单元对第一S4.所述特征分析层根据第一鱼苗融合特征图得到第一鱼苗密度图；根据所述第9;通过大尺度特征提取单元和小尺度特征提取单元进行特征提取，并通过SE注意力机制处;;[0025]本实施例首先对鱼塘进行网格划分，获取每个网格区域的第一待检测鱼苗图像、[0026]为了验证本发明提供的基于多尺度语义融合密度估计网络的鱼苗数量估计方法由表1可知，本实施例提供的基于多尺度语义融合密度估计网络的鱼苗数量估计为了提升B鱼塘鱼苗数量估计的准确率，应用了基于多尺度语义融合密度估计网参照图1为本发明实施例提供的基于多尺度语义融合密度估计网络的鱼苗数量估S2.构建鱼苗数量估计模型识别第一待检测鱼苗图像，鱼苗数量估计模型包括输层、特征分析层和输出层；如图3为本发明实施例提供的一种鱼苗数量估计模型结构示意所述第一浑浊系数确定不同的去噪方式；并通过U_Net对第一待检测鱼苗图像进行多尺度所述特征提取层分别通过大尺度特征提取单元和小尺度特征提取单元对第一大二卷积核的尺寸为3x3；所述第三卷积核的尺寸为1x1；根据所述第一鱼苗密度图和第三;S100.根据所述第一浑浊系数和预设浑浊系数阈值集合确定鱼塘网格区域的浑浊S200.通过高斯滤波对轻度浑浊的鱼塘网格区域进行去噪；通过双边滤波的方式;表示中度浑浊；zn表示重度浑浊；所述第一浑浊系数阈值和第二浑浊系数阈值通过历史鱼塘图像数据进行训练获[0030]S3.所述特征提取层分别通过大尺度特征提取单元和小尺度特征提取单元对第一S4.所述特征分析层根据第一鱼苗融合特征图得到第一鱼苗密度图；根据所述第;通过大尺度特征提取单元和小尺度特征提取单元进行特征提取，并通过SE注意力机制处;;[0034]本实施例首先对鱼塘进行网格划分，获取每个网格区域的第一待检测鱼苗图像、[0035]为了验证本发明提供的基于多尺度语