ICS67.120.30CCSB5054IDB54/T0307—2023前言 2規(guī)范性引用文件 3術(shù)語和定義 4軟件硬件配置要求 5圖像采集要求 26魚類圖像全局特征提取步驟 26.1建立魚類語義分割網(wǎng)絡(luò) 26.2提取魚類輪廓特征 26.3提取魚類圖像紋理特征 26.4提取魚類圖像顏色特征 26.5提取魚類圖像邊緣特征 27魚類圖像局部特征值分類 38魚類圖像局部特征值提取 3附錄A（資料性）數(shù)據(jù)集標(biāo)注 4附錄B（資料性）魚類特征值提取結(jié)果 5附錄C（資料性）魚類表型定義 6DB54/T0307—2023本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識(shí)別專利的責(zé)任。本文件由中國水利水電科學(xué)研究院提出。本文件由西藏自治區(qū)農(nóng)牧業(yè)標(biāo)準(zhǔn)化技術(shù)委員會(huì)歸口。本文件起草單位：中國水利水電科學(xué)研究院、華能雅魯藏布江水電開發(fā)投資有限公司、華電西藏能源有限公司、華電金沙江上游水電開發(fā)有限公司、華能雅魯藏布江水電開發(fā)投資有限公司加查水電廠。本文件主要起草人：柳春娜、余凌、邢偉、楊佐斌、申劍、趙晉兵、劉軼、李健源、萬東、方仲超、劉松明、李銳、彭毅、焦虎、吳必朗、韓志強(qiáng)、劉衛(wèi)、王魯海、周榮攀、盧佳。本文件屬首次制定。1DB54/T0307—2023西藏特有魚類動(dòng)態(tài)圖像特征值提取技術(shù)規(guī)范本文件規(guī)定了西藏區(qū)域水域里特有魚類的動(dòng)態(tài)圖像特征值的提取的方法。本文件適用于在濁度測量值在100NTU及以下的水體中，采集西藏區(qū)域水域里特有魚類的稚魚和成魚的動(dòng)態(tài)圖像特征值。2規(guī)范性引用文件下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。HJ1075水質(zhì)濁度的測定濁度計(jì)法HJ710.7生物多樣性觀測技術(shù)導(dǎo)則內(nèi)陸水域魚類3術(shù)語和定義下列術(shù)語和定義適用于本文件。3.1圖像采集采用成像設(shè)備獲取目標(biāo)魚類水下圖像信號(hào)的過程。3.2圖像增強(qiáng)有目的地增強(qiáng)圖像的整體或局部特征，擴(kuò)大圖像中不同物體特征之間的差別，抑制不感興趣的特征，以達(dá)到增強(qiáng)圖像視覺效果，提高圖像質(zhì)量的目的。3.3魚類特征值魚類的行為向量和表型特點(diǎn)，包括魚類的紋理和顏色等靜態(tài)表型和魚體形態(tài)變化下的動(dòng)態(tài)表型。3.4語義分割在計(jì)算機(jī)視覺中將魚類圖像中的像素進(jìn)行密集預(yù)測和推理，以實(shí)現(xiàn)將每個(gè)像素點(diǎn)鏈接到類標(biāo)簽的過程。4軟件硬件配置要求4.1采用人工智能工作站作為計(jì)算平臺(tái)實(shí)施特征值識(shí)別推理計(jì)算。工作站配置宜滿足以下要求：a)中央處理器（CPU）主頻高于2.8GHz，核心數(shù)量不低于8個(gè)，線程數(shù)不低于16，緩存空間不小于16MB。b)顯卡CUDA核心數(shù)量超過2900個(gè)，核心頻率超過1300MHz，顯存空間不低于8GB，顯存位寬不低于256bit。2DB54/T0307—2023c)內(nèi)存不小于32GB，規(guī)格不低于DDR4。d)配置固態(tài)硬盤，空間不小于1TB。4.2圖像采集使用的攝像機(jī)有效像素?cái)?shù)不低于200萬。4.3訓(xùn)練樣本標(biāo)注軟件應(yīng)具備圖像標(biāo)注功能。4.4開發(fā)語言宜采用python3.6、cuda10.1及以上版本。5圖像采集要求5.1參考HJ1075-2019，測定水體濁度不高于100NTU，盡量避免水體波動(dòng)。5.2照明光線均勻，魚體均勻曝光，無明顯可見或不對稱的高光、光斑等。5.3光線較弱時(shí)，可采用LED補(bǔ)光燈或LED光壁單側(cè)補(bǔ)光，并根據(jù)實(shí)際環(huán)境情況適當(dāng)調(diào)節(jié)光照強(qiáng)度、顏色。5.4補(bǔ)光設(shè)備光源的入射角度與拍攝角度的夾角不大于60°5.5選擇稚魚和成魚進(jìn)行拍攝，分類標(biāo)準(zhǔn)見HJ710.7。5.6調(diào)整拍照角度，采集360°全角度的魚類圖像信息。5.7調(diào)整拍攝距離，采集不同距離的魚類圖像信息。6魚類圖像全局特征提取步驟6.1建立魚類語義分割網(wǎng)絡(luò)6.1.1涵蓋早中晚不同的時(shí)段光線條件，采集魚類圖像信息，每種魚類圖像數(shù)量不少于200張。6.1.2使用圖像標(biāo)注軟件，沿著目標(biāo)魚類圖像的輪廓進(jìn)行標(biāo)注，標(biāo)注邊框盡可能沿魚類圖像邊緣，標(biāo)注示例參照附錄A。6.1.3將標(biāo)注好的信息傳輸至數(shù)據(jù)分析模型中，如DeeplabV3+語義分割模型。6.1.4設(shè)置訓(xùn)練參數(shù)，如類別數(shù)、訓(xùn)練次數(shù)、圖像大小和學(xué)習(xí)率等，進(jìn)行神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練。6.1.5評估模型分割的性能，確定魚類分割模型。6.2提取魚類輪廓特征將待提取魚類輪廓特征值的圖像輸入到魚類分割模型中，待模型處理完畢后，自動(dòng)提取并保存魚類圖像輪廓特征數(shù)據(jù)。輪廓特征值提取結(jié)果示例參照附錄B。6.3提取魚類圖像紋理特征6.3.1將魚類圖像信息輸入到灰度共生矩陣法算法中。6.3.2計(jì)算共生矩陣得到矩陣的部分特征值。6.3.3計(jì)算圖像均值、標(biāo)準(zhǔn)差、對比度等指標(biāo)，得到魚類圖像的紋理特征信息。6.4提取魚類圖像顏色特征6.4.1將魚類圖像信息輸入到python中的opencv函數(shù)中。6.4.2分析紅（R）、綠（G）、藍(lán)（B）三個(gè)顏色通道的變化和相互疊加值，獲取魚類圖像特征的直方圖信息。6.5提取魚類圖像邊緣特征3DB54/T0307—20236.5.1無法建立目標(biāo)魚類語義分割網(wǎng)絡(luò)時(shí)，可通過提取魚類的邊緣特征，提取魚類輪廓特征。6.5.2將圖像信息輸入Canny邊緣檢測算法中，調(diào)整算法的閾值和參數(shù)，提取魚類圖像邊緣特征。7魚類圖像局部特征值分類7.1魚類的特征值包括魚體全長、體長、頭長、體高、頭高、背鰭、尾鰭、胸腹鰭、尾鰭數(shù)量、位置及形狀，魚眼和脊骨輪廓等，定義參考HJ710.7。7.2按照魚類特征值區(qū)分的難易程度，分為一類指標(biāo)及二類指標(biāo)，指標(biāo)定義方法參照附錄C。分類標(biāo)準(zhǔn)如下：a)一級(jí)指標(biāo)包括從輪廓外觀模型中可以派生出的形狀和紋理特征，比如背鰭、尾鰭、胸腹鰭、尾鰭的數(shù)量、位置及形狀，魚眼和脊骨輪廓等可直接從圖像中提取的形態(tài)特征。b)二級(jí)指標(biāo)包括長短軸比值、尾型特征、鰭型特征、相對位置特征等需要進(jìn)行二次計(jì)算的特征。8魚類圖像局部特征值提取8.1根據(jù)魚類形體學(xué)將魚體分區(qū)，采取自動(dòng)和人工相結(jié)合的方式提取魚類圖像中顯著的特征值進(jìn)行標(biāo)注。8.2將標(biāo)注好的信息作為樣本訓(xùn)練集，構(gòu)建神經(jīng)網(wǎng)絡(luò)