智能投饵方法及水产生物状态识别模型的训练方法

本技术涉及数据处理，具体而言，涉及一种智能投饵方法及水产生物状态识别模型的训练方法。

背景技术：

1、随着水产养殖规模和密度的不断扩大，现行的养殖方法也因此被迫过度生产。

2、传统的水产养殖模式主要是依靠大量的人工喂养以及施加有机肥料来提高鱼类的产量，一般投喂依据仅为根据人工经验进行投喂。但这种模式的弊端也十分突出，残饵和粪便等污染物会在水中进行分解转化，不仅会消耗大量的溶氧量，还会抑制水产品的正常生长，饵料系数不断升高。其中，有机物会发生氧化产生氨气，而氨气又会进一步转变成亚硝酸盐，这也进一步诱发水产品疾病发生，导致养殖环境进一步恶劣，进而使得水产品的生长受限，并为鱼类病害的出现创造条件。同时，传统的水产养殖方式选择投放的饵料量主要根据人的经验来进行判断，这种方式难以把控好饲料、渔用药品的投入量，容易导致饲料投放过多、渔用药品滥用等问题，使得水产品中有毒有害物质和药物残留超标现象严重，成本升高。

3、也就是说，现有技术中水产养殖模式由于投喂方式难以把控好投入量，会导致投喂成本升高，养殖环境恶劣的问题。

技术实现思路

1、本技术的目的在于，针对上述现有技术中的不足，提供一种智能投饵方法及水产生物状态识别模型的训练方法，以解决现有技术中难以把控好投入量，会导致投喂成本升高，养殖环境恶劣的问题。

2、为实现上述目的，本技术实施例采用的技术方案如下：

3、第一方面，本技术一实施例提供了一种水产生物状态识别模型的训练方法，所述方法包括：

4、获取预设水产养殖场所的多张水下图像；

5、根据所述多张水下图像，生成第一图像数据集，其中，所述第一图像数据集中包括：多张第一水下样本图像，每张第一水下样本图像标注有目标水产生物；

6、根据所述多张水下图像，生成第二图像数据集，其中，所述第二图像数据集中包括：多张第二水下样本图像，每张第二水下样本图像标注有残饵；

7、采用所述第一图像数据集和所述第二图像数据集对空间-通道注意力机制的目标水产生物状态识别模型进行模型训练，得到训练后的目标水产生物状态识别模型。

8、可选地，所述根据所述多张水下图像，生成第一图像数据集，包括：

9、对所述多张水下图像中的水产生物进行标注，以得到所述第一图像数据集。

10、可选地，所述根据所述多张水下图像，生成第二图像数据集，包括：

11、对所述多张水下图像中的残饵进行标注，以得到所述第二图像数据集。

12、可选地，所述获取所述预设水产养殖场所的多张水下图像，包括：

13、获取所述预设水产养殖场所的水下双目相机采集的多组水下图像；

14、对所述多组水下图像进行融合，得到所述多张水下图像。

15、可选地，所述根据所述多张水下图像，生成第一图像数据集，包括：

16、从所述第一图像数据集中随机选取预设比例的第一水下样本图像，得到第一训练数据集；

17、所述根据所述多张水下图像，生成第二图像数据集，包括：

18、从所述第二图像数据集中随机选取所述预设比例的第二水下样本图像，得到第二训练数据集；

19、所述采用所述第一图像数据集和所述第二图像数据集对空间-通道注意力机制的目标水产生物状态识别模型进行模型训练，得到训练后的目标水产生物状态识别模型，包括：

20、采用所述第一训练数据集和所述第二训练数据集对空间-通道注意力机制的目标水产生物状态识别模型进行模型训练，得到训练后的目标水产生物状态识别模型。

21、第二方面，本技术另一实施例提供了一种智能投饵方法，所述方法包括：

22、获取预设水产养殖场所的待检测水下图像；

23、采用目标水产生物状态识别模型，对所述待检测水下图像进行状态识别，得到所述待检测水下图像对应的目标水产生物识别结果以及残饵识别结果，其中，所述目标水产生物状态识别模型为：采用上述第一方面中任一项方法训练得到的目标水产生物状态识别模型；

24、根据所述目标水产生物状态识别模型输出的目标水产生物识别结果进行所述目标水产生物的饥饿状态识别，得到所述目标水产生物的饥饿状态信息；

25、根据所述目标水产生物状态识别模型输出的残饵识别结果，进行所述残饵状态识别，得到所述残饵状态信息；

26、若所述检测饥饿状态信息指示所述预设水产养殖场所中目标水产生物存在饥饿行为，则根据所述残饵状态信息，生成推荐投饵方案。

27、可选地，所述根据所述目标水产生物状态识别模型输出的目标水产生物识别结果进行所述目标水产生物的饥饿状态识别，包括：

28、采用预设第一检测器，对所述每张水下图像进行所述目标水产生物的检测，得到所述每张水下图像中所述目标水产生物的数量分布信息；

29、采用水产生物轨迹监测模型根据所述数量分布信息，确定所述每张水下图像对应的水产生物运动轨迹；

30、根据预设饥饿状态判定模型根据所述水产生物运动轨迹，确定所述每张水下图像对应的饥饿状态信息。

31、可选地，所述根据所述目标水产生物状态识别模型输出的残饵识别结果，进行所述残饵状态识别，包括：

32、采用预设第二检测器，对每张水下图像进行残饵检测，得到所述每张水下图像对应的残饵状态信息。

33、可选地，所述方法还包括：

34、根据所述残饵状态信息，以及所述预设水产养殖场所的实际喂养记录数据，生成针对所述目标水产生物的进食评价信息。

35、可选地，所述检测结果还包括：所述目标水产生物的检测框信息；所述方法还包括：

36、根据所述目标水产生物的检测框信息，生成针对所述目标水产生物的生长状态检测图；

37、输出并显示所述生长状态检测图。

38、第三方面，本技术另一实施例提供了一种水产生物状态识别模型的训练装置，所述装置包括：获取模块、生成模块和训练模块，其中：

39、所述获取模块，用于获取预设水产养殖场所的多张水下图像；

40、所述生成模块，用于根据所述多张水下图像，生成第一图像数据集，其中，所述第一图像数据集中包括：多张第一水下样本图像，每张第一水下样本图像标注有目标水产生物；根据所述多张水下图像，生成第二图像数据集，其中，所述第二图像数据集中包括：多张第二水下样本图像，每张第二水下样本图像标注有残饵；

41、所述训练模块，用于采用所述第一图像数据集和所述第二图像数据集对空间-通道注意力机制的目标水产生物状态识别模型进行模型训练，得到训练后的目标水产生物状态识别模型。

42、可选地，所述装置还包括；处理模块，用于对所述多张水下图像中的水产生物进行标注，以得到所述第一图像数据集。

43、所述处理模块，具体用于对所述多张水下图像中的残饵进行标注，以得到所述第二图像数据集。

44、可选地，所述获取模块，具体用于获取所述预设水产养殖场所的水下双目相机采集的多组水下图像；

45、所述处理模块，具体用于对所述多组水下图像进行融合，得到所述多张水下图像。

46、可选地，所述生成模块，具体用于从所述第一图像数据集中随机选取预设比例的第一水下样本图像，得到第一训练数据集；从所述第二图像数据集中随机选取所述预设比例的第二水下样本图像，得到第二训练数据集；

47、所述训练模块，具体用于采用所述第一训练数据集和所述第二训练数据集对空间-通道注意力机制的目标水产生物状态识别模型进行模型训练，得到训练后的目标水产生物状态识别模型。

48、第四方面，本技术另一实施例提供了一种智能投饵装置，所述装置包括：获取模块、识别模块和生成模块，其中：

49、所述获取模块，用于获取预设水产养殖场所的待检测水下图像；

50、所述识别模块，用于采用目标水产生物状态识别模型，对所述待检测水下图像进行状态识别，得到所述待检测水下图像对应的目标水产生物识别结果以及残饵识别结果，其中，所述目标水产生物状态识别模型为：采用上述第一方面中任一项方法训练得到的目标水产生物状态识别模型；根据所述目标水产生物状态识别模型输出的目标水产生物识别结果进行所述目标水产生物的饥饿状态识别，得到所述目标水产生物的饥饿状态信息；根据所述目标水产生物状态识别模型输出的残饵识别结果，进行所述残饵状态识别，得到所述残饵状态信息；

51、所述生成模块，用于若所述检测饥饿状态信息指示所述预设水产养殖场所中目标水产生物存在饥饿行为，则根据所述残饵状态信息，生成推荐投饵方案。

52、可选地，所述装置还包括：确定模块，其中；

53、所述生成模块，具体用于采用预设第一检测器，对所述每张水下图像进行所述目标水产生物的检测，得到所述每张水下图像中所述目标水产生物的数量分布信息；

54、所述确定模块，用于采用水产生物轨迹监测模型根据所述数量分布信息，确定所述每张水下图像对应的水产生物运动轨迹；根据预设饥饿状态判定模型根据所述水产生物运动轨迹，确定所述每张水下图像对应的饥饿状态信息。

55、可选地，所述生成模块，具体用于采用预设第二检测器，对每张水下图像进行残饵检测，得到所述每张水下图像对应的残饵状态信息。

56、可选地，所述生成模块，具体用于根据所述残饵状态信息，以及所述预设水产养殖场所的实际喂养记录数据，生成针对所述目标水产生物的进食评价信息。

57、可选地，所述生成模块，具体用于根据所述目标水产生物的检测框信息，生成针对所述目标水产生物的生长状态检测图；输出并显示所述生长状态检测图。

58、第五方面，本技术另一实施例提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述第一方面或第二方面任一所述方法的步骤。

59、第六方面，本技术另一实施例提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述第一方面任一所述方法的步骤。

60、本技术的有益效果是：采用本技术提供的水产生物状态识别模型的训练方法，产生物状态识别模型的训练方法，其通过在多个水下图像中分别确定第一图像数据集和第二图像数据集的方式，通过第一图像数据集和第二图像数据集对空间-通道注意力机制的目标水产生物状态识别模型进行模型训练，以得到目标水产生物状态识别模型，从而后续可以通过目标水产生物状态识别模型更加方便、快捷、准确地识别到图像内的水产生物信息和残饵信息，为后续水产生物的生长监控或是投饵方案的设置提供了良好的数据支撑。