基于深度学习的鱼类识别与检测的算法研究

来源 :浙江海洋大学 | 被引量 : 0次 | 上传用户:hjzxxhjzxx
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
海洋是地球上最大的生态系统,包含非常丰富的物种资源。我国海洋面积300万平方千米,渔业资源在海洋资源中占有非常大的比重,近年来呈现逐渐阑珊的情形。鱼类分类识别在渔业资源研究、鱼类知识的科学推广、水产养殖加工、稀有物种保护等领域具有广泛的应用前景。对周围海域海底环境进行实时监测,分析研究海域中代表性鱼类的分布概况及生活习性,对于渔业资源可持续发展,探测未知生物资源具有重要意义。本文主要通过以下几个方面进行研究:(1)收集巴鲣鱼、大菱鲆、颌针鱼、黑鲷鱼、黄鳍鲷、金钱鱼、鲈鱼、绿鳍鱼、银鲳鱼、鲻鱼十种鱼共计908张图片,对图像进行分类识别研究。提出一种基于Keras深度学习框架的鱼类图像识别算法,以ResNet50为基本的网络框架,使用混淆矩阵进行评判网络模型的优劣程度,通过混淆矩阵中的precision、recall、f1-score指标来直观展示模型的准确度。利用该模型对10种鱼类进行分类识别,结果显示识别正确率达到了93.33%。(2)针对大菱鲆、黄鳍鲷、金钱鱼、鲻鱼这四种鱼类增加数据集的数量,共收集到1123张图像,每种鱼类设置验证集42张图像,采取相同的预处理操作,使用PyTorch框架结构以及ResNet50网络模型,用不同的算法对其进行分类识别,不断对模型进行优化,对四种鱼类训练学习,通过测试其准确率达到96%以上。(3)用PyQt5开发了GUI可视化界面,通过界面中的选择和预测功能按钮进行测试操作,测试结果显示实际类别与预测类别一致,用DSOD框架做了水下目标实时跟踪检测,检测结果表明增加了对小物种的检测精度,同时维持了原有模型的检测速率,检测结果达到期望。
其他文献
本文针对路面压实技术的发展和研究现状,从路面压实理论试验、路面压实监测方法和路面压实质量控制方法三个方面探讨路面压实技术,目的是为后续的路面压实工程提供依据和参考。
期刊
学位
学位
学位
学位
学位
学位
本文简要阐述了公路沥青路面预防性养护及其养护要点,重点总结了常见的预防性养护措施,希望能够为广大相关领域从业者提供必要的参考和帮助。
期刊
水资源短缺问题的日益严重促进了海水淡化产业的迅速发展,在缓解淡水资源短缺的同时,也产生大量高盐分废水即浓盐水。目前对浓盐水的处置以直接排海为主,大量的浓盐水进入海洋必然会产生一系列的生态问题,同时在资源上也是巨大的浪费。本文选用市场占有率较高的海水淡化技术—反渗透海水淡化工艺所排放的浓盐水进行一系列探究实验。将浓盐水的高盐特性与卤虫、杜氏盐藻的生存条件相结合,对浓盐水养殖卤虫的条件进行优化,并探究
本文依据2018年浙江近岸海域水质春季、夏季、秋季三个航次的营养盐及温盐等监测数据,采用单因子指数、富营养化指数和潜在性富营养化评价等3种方法分析和评价了浙江近岸海域的海水中营养盐含量及分布、主要环境分布特性和富营养化指数时空变化,结果表明:无机氮年均值为0.526 mg/L,春季>秋季>夏季,呈由西向东部外海递减的态势;活性磷酸盐含量年均值为0.023mg/L,秋季>春季>夏季,平面分布与无机氮