期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进ResNet50模型的大宗淡水鱼种类识别方法 被引量:27
1
作者 万鹏 赵竣威 +5 位作者 朱明 谭鹤群 邓志勇 黄毓毅 吴文锦 丁安子 《农业工程学报》 EI CAS CSCD 北大核心 2021年第12期159-168,共10页
针对传统鱼类识别方法存在特征提取复杂、算法可移植性差等不足,该研究提出了一种基于改进ResNet50模型的淡水鱼种类识别方法。研究以鳙鱼、鳊鱼、鲤鱼、鲫鱼、草鱼、白鲢6种大宗淡水鱼为对象,通过搭建淡水鱼图像采集系统获取具有单一... 针对传统鱼类识别方法存在特征提取复杂、算法可移植性差等不足,该研究提出了一种基于改进ResNet50模型的淡水鱼种类识别方法。研究以鳙鱼、鳊鱼、鲤鱼、鲫鱼、草鱼、白鲢6种大宗淡水鱼为对象,通过搭建淡水鱼图像采集系统获取具有单一背景的淡水鱼图像,同时通过互联网搜索具有干扰背景的淡水鱼图像,共同构建淡水鱼图像数据集;再对淡水鱼图像进行预处理,以增加样本多样性;构建改进ResNet50模型,增加全连接层Fc1以及Dropout,引入迁移学习机制训练模型,同时选择CELU作为激活函数提高神经网络表达能力,通过Adam优化算法更新梯度,并嵌入余弦退火方法衰减学习率。为验证改进ResNet50模型的准确率等性能,对6种淡水鱼进行种类识别,结果表明:在单次验证方法下,选用包含单一背景图像和干扰背景图像构成的淡水鱼图像数据集训练模型,识别准确率为96.94%,比经典模型提高1.22%,单张淡水鱼图像样本的平均检测时间为0.2345 s;在四折交叉验证下,选用具有单一背景的图像数据集,模型的识别准确率为100%,选用包含单一背景图像和干扰背景图像的淡水鱼图像数据集,模型的识别准确率为96.20%,说明模型具有较好的泛化性能和鲁棒性。针对混淆矩阵的可视化结果表明:改进的ResNet50模型具有通用的结构和训练方式,对不同背景下的淡水鱼进行种类识别具有较高的准确率,可为淡水鱼种类识别提供技术借鉴。 展开更多
关键词 图像识别 水产养殖 淡水鱼 种类识别 深度学习 改进ResNet50模型 超参数优化 可视化
下载PDF
基于多特征的淡水鱼种类识别研究 被引量:8
2
作者 谢忠红 郭小清 +3 位作者 程碧云 李姣 朱淑鑫 徐焕良 《扬州大学学报(农业与生命科学版)》 CAS 北大核心 2016年第3期71-77,共7页
为促进淡水鱼产业的发展、提高淡水鱼机器视觉的识别效率,以4种常见的淡水鱼(鲫鱼、桂鱼、鳊鱼和白鱼)为研究对象,提出一种基于形态、纹理和颜色等多特征融合的淡水鱼种类识别方法。将淡水鱼图像转换至HIS空间后,对S分量图像利用ostu分... 为促进淡水鱼产业的发展、提高淡水鱼机器视觉的识别效率,以4种常见的淡水鱼(鲫鱼、桂鱼、鳊鱼和白鱼)为研究对象,提出一种基于形态、纹理和颜色等多特征融合的淡水鱼种类识别方法。将淡水鱼图像转换至HIS空间后,对S分量图像利用ostu分割方法获取鱼体二值图像,计算鱼体的多个形态特征(面积/周长、复杂度、偏心率、长宽比和7个Hu不变矩)。针对4种鱼尾巴形态差异较大的特点,引入尾巴形态特征进行种类识别,按列扫描鱼体二值图像获取鱼体宽度函数,先对宽度函数进行傅里叶变换,找到鱼体最小宽度位置后分割出鱼尾,计算鱼尾形态特征(占空比、似圆度)。根据各种淡水鱼的鱼肚、鱼背皮肤纹理和颜色存在较大差异的客观性,提出基于鱼背和鱼肚2块皮肤的特征抽取方法,抽取22个特征;加上鱼体和鱼尾的13个形态特征,总计35个特征,选择使用粒子群算法优选出22个特征后利用改进的遗传神经网络法对淡水鱼进行种类识别。识别样本集R中共240条鱼2组图像,第1组开启辅助光源,第2组采用自然光照。设置一条鱼纹理块识别正确率的阈值T为80%时,第1组60条鳊鱼和60条桂鱼全部识别成功,识别正确率为100%,60条鲫鱼和60条白鱼各识别出59条,识别正确率为98.3%。第2组图像在2种天气情况下拍摄,晴天拍摄140条鱼(每种35条),鳊鱼、桂鱼和白鱼的识别正确率为100%,而鲫鱼识别出34条,识别正确率为97.1%;阴天拍摄100条鱼(每种25条),纹理子块的识别正确率均大于T的条数为23条,识别正确率23%,说明阴雨天无辅助光源时由于光线过于昏暗,特征值不明显,导致整体识别正确率很低。这一研究提出的多特征融合的淡水鱼种类识别方法适用于有辅助光源或晴天光线好的环境,但光线暗的阴雨天不适用,这为后期研制淡水鱼在线识别装置提供了理论依据。 展开更多
关键词 淡水鱼 机器视觉 特征选择 种类识别
原文传递
基于鱼体特征点检测的淡水鱼种类识别 被引量:2
3
作者 朱明 李梦珂 +2 位作者 万鹏 肖畅宇 赵竣威 《农业工程学报》 EI CAS CSCD 北大核心 2023年第11期155-164,共10页
针对传统机器视觉技术对淡水鱼种类进行检测时特征提取过程复杂的问题,该研究提出了基于特征点检测的淡水鱼种类识别方法。以鳊、鳙、草鱼、鲢、鲤5种大宗淡水鱼为对象,构建了淡水鱼特征点检测数据集;以AlexNet模型为基础,通过减小卷积... 针对传统机器视觉技术对淡水鱼种类进行检测时特征提取过程复杂的问题,该研究提出了基于特征点检测的淡水鱼种类识别方法。以鳊、鳙、草鱼、鲢、鲤5种大宗淡水鱼为对象,构建了淡水鱼特征点检测数据集;以AlexNet模型为基础,通过减小卷积核尺寸、去除局部响应归一化、引入批量归一化、更换损失函数,构建了改进AlexNet模型用于特征点检测;并以特征点为依据提取特征值、构造特征向量,使用Fisher判别分析方法实现了淡水鱼的种类识别。试验结果表明:改进AlexNet模型在测试集上的归一化平均误差的均值为0.0099,阈值δ为0.02和0.03时的失败率F0.02、F0.03分别为2.50%和0.83%,具有较好的精准度和误差分布情况;基于该模型和Fisher判别分析的淡水鱼种类识别方法对5种淡水鱼的识别准确率为98.0%,单幅图像的平均识别时间为0.368 s,保证了时效性。由此可知,提出的改进AlexNet模型能实现淡水鱼的特征点检测并具有较高的精度,可为淡水鱼种类识别、尺寸检测、鱼体分割等提供条件,该方法可为淡水鱼自动化分类装置的研发奠定基础。 展开更多
关键词 图像识别 深度学习 特征点检测 种类识别 fishER判别分析
下载PDF
基于光栅图特征提取的鱼道内过鱼计数和种类识别系统的研究 被引量:4
4
作者 花胜强 胡少英 +1 位作者 高磊 郑健兵 《水力发电》 北大核心 2018年第12期87-89,125,共4页
针对国内各个大坝和水闸上已经建成的鱼道大都无法进行有效观测的现状,提出了一种对于鱼道内过鱼进行实时计数和种类识别的新型系统,其原理是基于水下光栅仪和摄像机进行过鱼计数,并捕获过鱼成像和视频,在训练阶段可基于视频对过鱼图像... 针对国内各个大坝和水闸上已经建成的鱼道大都无法进行有效观测的现状,提出了一种对于鱼道内过鱼进行实时计数和种类识别的新型系统,其原理是基于水下光栅仪和摄像机进行过鱼计数,并捕获过鱼成像和视频,在训练阶段可基于视频对过鱼图像进行人工分类,然后在累积的样本上基于图像距进行鱼种类建模,从而将得到的模型用于在线的实时过鱼种类判别。实验证明,该系统实现了鱼道过鱼的可靠自动化监测和统计。 展开更多
关键词 鱼道监测 过鱼计数 鱼类识别 图像距
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部