Page 209 - 《水产学报》2023年第1期

王禹莎，等 水产学报, 2023, 47(1): 019516

Abdullah 等 [13] 通过边缘和角检测法对短体羽鳃鲐 箱、图像捕获装置和散热装置。
(Rastrelliger brachysoma)、脂眼凹肩鲹 (Selar cru- 图像采集装置采用 MV-CA050-20UC 工业相
menophthalmus) 进行头部和尾部的位置估计，再 机搭配 ZX-SF1614S 镜头，可通过无线与有线两
用这些信息估算鱼体长度。2018 年，杨杰超等 [14] 种方式与上位机进行数据传输，并由控制软件进
利用鱼体轮廓点和包络线的距离关系，计算轮廓 行大黄鱼图像数据的人机交互管理。在拍摄前，
上重要分界点间的距离关系，得到了大黄鱼的体 先用 MS 222 麻醉剂将鱼麻醉，然后利用图像获取
长、体宽、尾鳍长的测量值。这些方法的共同特 装置连续快速捕捉大黄鱼图像，同时，利用游标

点都要求拍摄环境归一化，通过阈值分割或边缘/ 卡尺和高精度电子天平对每条大黄鱼样本进行体
角检测等传统技术提取相关鱼体特征，但在面对 长、体高、体重的性状测量和记录，用于后续算
较为复杂的真实生产环境以及多样化的形态学特 法和模型准确性的评估。
征提取中，泛化能力具有一定的局限性。计算机
1.3 构建图像训练集
的不断发展带来图像识别技术的提升，通过机器
为了构建图像识别的训练集，本研究利用图
学习可以更高效、精准地获取图像信息。例如，
像标注工具 Labelme 对 477 尾大黄鱼图像进行两
LeNet、 AlexNet、 GoofLeNet 和 YOLO 等 技 术 已
类性状的人工标注，一是生长相关性状，包括体
被用于鱼类分类 [15-17] 。龚瑞 [18] 提出了基于 Faster R-
长 (BL)、体高 (BH)；二是体型相关的体尺性状，
CNN 模型训练得到对虾头部、胸甲部以及尾部的
包括如图 1 所示 P ~P 共 2 12 个形态学特征点。其
关键点，进而获得体长、头胸甲长和头胸甲宽 3 1 1
中，特征点以 2 个点为 1 组进行多目标类别标注。
个参数的测量值。鱼体重与体尺性状存在显著相
对每尾鱼的图像按高斯模糊、椒盐噪声和 γ
关。已有研究表明，鱼类体尺性状和体重之间具
变换随机参数各生成 3 张图像，最后获得 4 293 张
n
有 W=qL 的关系 ，其中 q 是与鱼体体积占比相
[19]
鱼体图像数据。从中随机选取 3 843 张作为训练集，
关的常数。Balaban 等 [20] 使用图像处理技术预测不
450 张作为测试集，用于后续训练和预测。增强
同鲑类的体质量，测定系数为 0.93~0.99，这表明
后的鱼体图像见图 2。
可以用体尺性状预测鲑的体重，但每个物种由于
其体貌的独特性，体尺与体重模型存在差异。 1.4 构建图像模型
本研究拟建立大黄鱼标准化体尺与体重测量 本研究选择 Mask R-CNN 网络进行实例分割
平台，基于计算机视觉和深度学技术对大黄鱼图 (图 2)。首先，将训练集中的图片传入预训练的神
片进行体尺性状预测，实现基于大黄鱼图像进行 经网络中 (ResNet101)，获得相应的特征图。然后，
体长、体高和其他关键体尺性状预测和准确性评 通过特征图中的每一点设定感兴趣区域 (ROI)，获
估，并通过体表面积建立评估大黄鱼体重预测的 得多个 ROI 候选框，在 Region Proposal Network
最佳模型，为大黄鱼精准高效体尺性状的测量提 (RPN) 中对候选框进行二值分类和 Bounding-box
供参考。 regression。最后，对剩余的 ROI 进行 ROI Align，

对这些 ROI 进行类别分类、目标区域分割和相关
1 材料与方法
参数输出，用于后续测试集大黄鱼形态学参数检
1.1 实验对象 测和体质量性状的拟合。
在训练阶段，根据 Mask R-CNN 的分类、定
大黄鱼样本来源于福建省宁德市富发水产有
位以及掩膜分割三个输出，对训练集中图像的兴
限公司。本实验随机从 4 个海上网箱采集 477 尾
趣区域进行多任务损失函数 (multi-task loss func-
3 月龄的大黄鱼作为研究对象。
tion) 定义：
1.2 图片采集
L = L cla + L box + L mask
为了快速获取高质量大黄鱼图片，设计开发 式中， L cla 为分类损失， L box 为定位损失，使用
了一种大黄鱼图像分割和表型性状测量装置，该 softmax 进行分多类。在 mask 分支中，对每个兴
装置分为图像采集装置和控制软件。其中图像采 趣区域的输出为 K £ m ，表示 个尺寸为 m £ m
2
K
集装置作为硬件部分，其核心组成部件包括摄影 的二值掩膜， K 为物体类别个数。掩膜的损失函
https://www.china-fishery.cn 中国水产学会主办 sponsored by China Society of Fisheries
2