Page 211 - 《水产学报》2023年第1期

王禹莎，等 水产学报, 2023, 47(1): 019516

训练
train

图像分割
预处理 segmentation
preprocess image output

测试 网络 体表面积计算 (cm )
2
test Mask R-CNN body-surface area
calculation

检测框参数
detection box 统计学模型
parameter output statistical model

体尺性状检测结果 (cm) 体重检测结果 (g)
body length & body height body weight estimates

图 3 整体算法工作流程
Fig. 3 Overall flowchart
相对误差 (MRE)，用于体尺性状检测结果评估。
O x
P 0 (x 0 , y 0 ) 1.6 基于图像的体重估测
P 1
检测框 利用神经网络输出的检测框进行鱼体分割，
detection box
使用最大类间方差法选取默认阈值进行二值化处
理，选择最大联通域为鱼体用于后续分析。为进
分割对象总区域
object region 一步提高目标区域提取的准确性，针对分割后的
图像采用先开运算式 (6)、后闭运算式 (7) 的形态
学处理。
dist = open(src; element) =
P 2 (x 2 , y 2 ) (6)
P 3 dilate [erode( src; element )]
y dist = close(src; element) = (7)
图 4 特征参数检测示意图 erode [dilate( src; element )]
Fig. 4 Schematic diagram of feature parameter detection 基于分割后的鱼体，按照如下流程对鱼体侧
P 1 P 2 = y 0 ¡ y 2 (3) 面积进行计算，并预测鱼体重性状：首先，对根
据预测框分割后的二值化黑白图像进行遍历。其
L real = P 0 P 1 £ µ (4)
次，对图像中白色像素部分精确计数，得到白色
W real = P 1 P 2 £ µ (5) 像素点个数 a。再次，计算白色像素个数占图像总
式中，L 代表实际拍摄区域的长度，n 代表图像长 像素 I 的比例 。
p
度中的像素数， L real 代表映射到实际长度后的计 然后，根据图像像素与现实中长度的对应规
算长度， W real 代表映射到实际宽度后的计算宽度。 律计算出整张图像对应的实际面积 S all ，其中鱼体
以 0.02 mm 精度游标卡尺的人工测量结果作 占比 p 所对应的面积即为大黄鱼鱼体侧表面积，
为大黄鱼体长、体高的真实值，对测试集中的 50 具体公式见式 (8) 和式 (9)。
张图片进行检测。将检测结果与真实值对比，得 a
p = (8)
到检测误差。分别计算最大绝对误差 (MaAE)、最 I
大相对误差 (MaRE)、最小绝对误差 (MiAE)、最 S = S all £ p (9)
小相对误差 (MiRE)、平均绝对误差 (MAE) 和平均 根据鱼体表面积 S、体长 L、体高 H 和体重 M

https://www.china-fishery.cn 中国水产学会主办 sponsored by China Society of Fisheries
4