DB54 T 0307-2023 西藏特有鱼类动态图像特征值提取技术规范.pdf

《DB54 T 0307-2023 西藏特有鱼类动态图像特征值提取技术规范.pdf》由会员分享，可在线阅读，更多相关《DB54 T 0307-2023 西藏特有鱼类动态图像特征值提取技术规范.pdf（9页珍藏版）》请在麦多课文档分享上搜索。

1、ICS67.120.30CCS B 5054西藏自治区地方标准DB 54/T 03072023西藏特有鱼类动态图像特征值提取技术规范2023-12-18 发布2024-01-18 实施西藏自治区市场监督管理局发 布DB 54/T 03072023I目次前言.II1范围.12规范性引用文件.13术语和定义.14软件硬件配置要求.15图像采集要求.26鱼类图像全局特征提取步骤.26.1建立鱼类语义分割网络.26.2提取鱼类轮廓特征.26.3提取鱼类图像纹理特征.26.4提取鱼类图像颜色特征.26.5提取鱼类图像边缘特征.27鱼类图像局部特征值分类.38鱼类图像局部特征值提取.3附录 A（资料性）数

2、据集标注.4附录 B（资料性）鱼类特征值提取结果.5附录 C（资料性）鱼类表型定义.6DB 54/T 03072023II前言本文件按照GB/T 1.12020标准化工作导则第1部分：标准化文件的结构和起草规则的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由中国水利水电科学研究院提出。本文件由西藏自治区农牧业标准化技术委员会归口。本文件起草单位：中国水利水电科学研究院、华能雅鲁藏布江水电开发投资有限公司、华电西藏能源有限公司、华电金沙江上游水电开发有限公司、华能雅鲁藏布江水电开发投资有限公司加查水电厂。本文件主要起草人：柳春娜、余凌、邢伟、杨佐斌、

3、申剑、赵晋兵、刘轶、李健源、万东、方仲超、刘松明、李锐、彭毅、焦虎、吴必朗、韩志强、刘卫、王鲁海、周荣攀、卢佳。本文件属首次制定。DB 54/T 030720231西藏特有鱼类动态图像特征值提取技术规范1范围本文件规定了西藏区域水域里特有鱼类的动态图像特征值的提取的方法。本文件适用于在浊度测量值在100 NTU及以下的水体中，采集西藏区域水域里特有鱼类的稚鱼和成鱼的动态图像特征值。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。HJ1075 水

4、质 浊度的测定 浊度计法HJ710.7 生物多样性观测技术导则 内陆水域鱼类3术语和定义下列术语和定义适用于本文件。3.1图像采集采用成像设备获取目标鱼类水下图像信号的过程。3.2图像增强有目的地增强图像的整体或局部特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，以达到增强图像视觉效果，提高图像质量的目的。3.3鱼类特征值鱼类的行为向量和表型特点，包括鱼类的纹理和颜色等静态表型和鱼体形态变化下的动态表型。3.4语义分割在计算机视觉中将鱼类图像中的像素进行密集预测和推理，以实现将每个像素点链接到类标签的过程。4软件硬件配置要求4.1采用人工智能工作站作为计算平台实施特征值识别推理计算

5、。工作站配置宜满足以下要求：a)中央处理器（CPU）主频高于 2.8 GHz，核心数量不低于 8 个，线程数不低于 16，缓存空间不小于 16 MB。b)显卡 CUDA 核心数量超过 2900 个，核心频率超过 1300 MHz，显存空间不低于 8 GB，显存位宽不低于 256 bit。DB 54/T 030720232c)内存不小于 32 GB，规格不低于 DDR4。d)配置固态硬盘，空间不小于 1TB。4.2图像采集使用的摄像机有效像素数不低于 200 万。4.3训练样本标注软件应具备图像标注功能。4.4开发语言宜采用 python3.6、cuda10.1 及以上版本。5图像采集要求5.1

6、参考 HJ1075-2019，测定水体浊度不高于 100NTU，尽量避免水体波动。5.2照明光线均匀，鱼体均匀曝光，无明显可见或不对称的高光、光斑等。5.3光线较弱时，可采用 LED 补光灯或 LED 光壁单侧补光，并根据实际环境情况适当调节光照强度、颜色。5.4补光设备光源的入射角度与拍摄角度的夹角不大于 605.5选择稚鱼和成鱼进行拍摄，分类标准见 HJ710.7。5.6调整拍照角度，采集 360全角度的鱼类图像信息。5.7调整拍摄距离，采集不同距离的鱼类图像信息。6鱼类图像全局特征提取步骤6.1建立鱼类语义分割网络6.1.1涵盖早中晚不同的时段光线条件，采集鱼类图像信息，每种鱼类图像数量

7、不少于 200 张。6.1.2使用图像标注软件，沿着目标鱼类图像的轮廓进行标注，标注边框尽可能沿鱼类图像边缘，标注示例参照附录 A。6.1.3将标注好的信息传输至数据分析模型中，如 DeeplabV3+语义分割模型。6.1.4设置训练参数，如类别数、训练次数、图像大小和学习率等，进行神经网络模型训练。6.1.5评估模型分割的性能，确定鱼类分割模型。6.2提取鱼类轮廓特征将待提取鱼类轮廓特征值的图像输入到鱼类分割模型中，待模型处理完毕后，自动提取并保存鱼类图像轮廓特征数据。轮廓特征值提取结果示例参照附录B。6.3提取鱼类图像纹理特征6.3.1将鱼类图像信息输入到灰度共生矩阵法算法中。6.3.2计

8、算共生矩阵得到矩阵的部分特征值。6.3.3计算图像均值、标准差、对比度等指标，得到鱼类图像的纹理特征信息。6.4提取鱼类图像颜色特征6.4.1将鱼类图像信息输入到 python 中的 opencv 函数中。6.4.2分析红（R）、绿（G）、蓝（B）三个颜色通道的变化和相互叠加值，获取鱼类图像特征的直方图信息。6.5提取鱼类图像边缘特征DB 54/T 0307202336.5.1无法建立目标鱼类语义分割网络时，可通过提取鱼类的边缘特征，提取鱼类轮廓特征。6.5.2将图像信息输入 Canny 边缘检测算法中，调整算法的阈值和参数，提取鱼类图像边缘特征。7鱼类图像局部特征值分类7.1鱼类的特征值包括

9、鱼体全长、体长、头长、体高、头高、背鳍、尾鳍、胸腹鳍、尾鳍数量、位置及形状，鱼眼和脊骨轮廓等，定义参考 HJ710.7。7.2按照鱼类特征值区分的难易程度，分为一类指标及二类指标，指标定义方法参照附录 C。分类标准如下：a)一级指标包括从轮廓外观模型中可以派生出的形状和纹理特征，比如背鳍、尾鳍、胸腹鳍、尾鳍的数量、位置及形状，鱼眼和脊骨轮廓等可直接从图像中提取的形态特征。b)二级指标包括长短轴比值、尾型特征、鳍型特征、相对位置特征等需要进行二次计算的特征。8鱼类图像局部特征值提取8.1根据鱼类形体学将鱼体分区，采取自动和人工相结合的方式提取鱼类图像中显著的特征值进行标注。8.2将标注好的信息作为样本训练集，构建神经网络模型。8.3将待提取鱼类图像输入到训练好的神经网络模型中，获得局部特征值。DB 54/T 030720234AA附录A（资料性）数据集标注图 A.1 数据集标注示范图DB 54/T 030720235BB附录B（资料性）鱼类特征值提取结果图 B.1 特征值提取结果示例DB 54/T 030720236CC附录C（资料性）鱼类表型定义图 C.1 鱼类表型定义图 C.2 鱼类特征值指标分类