基于改进ResNet50模型的大宗淡水鱼种类识别方法

TP391.4; 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ResNe...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 37; no. 12; pp. 159 - 168
Main Authors 万鹏, 赵竣威, 朱明, 谭鹤群, 邓志勇, 黄毓毅, 吴文锦, 丁安子
Format Journal Article
LanguageChinese
Published 华中农业大学工学院,武汉 430070 15.06.2021
农业农村部长江中下游农业装备重点实验室,武汉 430070%华中农业大学工学院,武汉 430070%湖北省农业科学院农产品加工与核农技术研究所,武汉 430070
Subjects
种类识别
淡水鱼
可视化
改进ResNet50模型
深度学习
超参数优化
图像识别
水产养殖
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2021.12.019

Cover

Abstract TP391.4; 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.
AbstractList TP391.4; 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.
Author 赵竣威
朱明
万鹏
黄毓毅
丁安子
邓志勇
吴文锦
谭鹤群
AuthorAffiliation 华中农业大学工学院,武汉 430070;农业农村部长江中下游农业装备重点实验室,武汉 430070%华中农业大学工学院,武汉 430070%湖北省农业科学院农产品加工与核农技术研究所,武汉 430070
AuthorAffiliation_xml – name: 华中农业大学工学院,武汉 430070;农业农村部长江中下游农业装备重点实验室,武汉 430070%华中农业大学工学院,武汉 430070%湖北省农业科学院农产品加工与核农技术研究所,武汉 430070
Author_FL Huang Yuyi
Zhao Junwei
Deng Zhiyong
Ding Anzi
Wan Peng
Wu Wenjin
Tan Hequn
Zhu Ming
Author_FL_xml – sequence: 1
  fullname: Wan Peng
– sequence: 2
  fullname: Zhao Junwei
– sequence: 3
  fullname: Zhu Ming
– sequence: 4
  fullname: Tan Hequn
– sequence: 5
  fullname: Deng Zhiyong
– sequence: 6
  fullname: Huang Yuyi
– sequence: 7
  fullname: Wu Wenjin
– sequence: 8
  fullname: Ding Anzi
Author_xml – sequence: 1
  fullname: 万鹏
– sequence: 2
  fullname: 赵竣威
– sequence: 3
  fullname: 朱明
– sequence: 4
  fullname: 谭鹤群
– sequence: 5
  fullname: 邓志勇
– sequence: 6
  fullname: 黄毓毅
– sequence: 7
  fullname: 吴文锦
– sequence: 8
  fullname: 丁安子
BookMark eNo9j8tKAzEYhbOoYK19DHE1Y_5kJplsBCneoCiIrks6yZQWScEo6l5EELvyAgpKQaggqEVBWgVfxsnUt3BEcXXgHPgO3wQqmLbRCE0B9gEED2daftNa4wPGxGMRCJ9gAj4QH4MooOJ_P47K1jbrOATKMQ6giGbTm-HnsONOB6OPqzVtV_R2iN1dN70-zi4P0tte-nDhXrvu6eWr_571TrL-2-jxMD26d-cD93w2icYSuWl1-S9LaGNhfr2y5FVXF5crc1XPAibCA5ZI4DKUQrFIaS5jFslIxSKgCacqAMEU01hGPNYxoUHC8ykKYiZ4oBQltISmf7m70iTSNGqt9s6WyR9rZr8R79V_fIHktvQbx8xjIg
ClassificationCodes TP391.4
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.11975/j.issn.1002-6819.2021.12.019
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Agriculture
DocumentTitle_FL Freshwater fish species identification method based on improved ResNet50 model
EndPage 168
ExternalDocumentID nygcxb202112019
GrantInformation_xml – fundername: (国家重点研发计划项目); (湖北省农业科技创新中心2020年重大科技研发专项); (湖北省农业科技创新中心创新团队项目); (中央高校基本科研业务费专项基金资助项目)
  funderid: (国家重点研发计划项目); (湖北省农业科技创新中心2020年重大科技研发专项); (湖北省农业科技创新中心创新团队项目); (中央高校基本科研业务费专项基金资助项目)
GroupedDBID -04
2B.
4A8
5XA
5XE
92G
92I
93N
ABDBF
ABJNI
ACGFO
ACGFS
ACUHS
AEGXH
AIAGR
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CHDYS
CW9
EOJEC
FIJ
IPNFZ
OBODZ
PSX
RIG
TCJ
TGD
TUS
U1G
U5N
ID FETCH-LOGICAL-s1029-16fa17a5a9d68de7ac68a8dc943f73d4196d6e0a87cec234f7c9484c6974dd323
ISSN 1002-6819
IngestDate Thu May 29 04:08:36 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 12
Keywords 种类识别
淡水鱼
可视化
改进ResNet50模型
深度学习
超参数优化
图像识别
水产养殖
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1029-16fa17a5a9d68de7ac68a8dc943f73d4196d6e0a87cec234f7c9484c6974dd323
PageCount 10
ParticipantIDs wanfang_journals_nygcxb202112019
PublicationCentury 2000
PublicationDate 2021-06-15
PublicationDateYYYYMMDD 2021-06-15
PublicationDate_xml – month: 06
  year: 2021
  text: 2021-06-15
  day: 15
PublicationDecade 2020
PublicationTitle 农业工程学报
PublicationTitle_FL Transactions of the Chinese Society of Agricultural Engineering
PublicationYear 2021
Publisher 华中农业大学工学院,武汉 430070
农业农村部长江中下游农业装备重点实验室,武汉 430070%华中农业大学工学院,武汉 430070%湖北省农业科学院农产品加工与核农技术研究所,武汉 430070
Publisher_xml – name: 华中农业大学工学院,武汉 430070
– name: 农业农村部长江中下游农业装备重点实验室,武汉 430070%华中农业大学工学院,武汉 430070%湖北省农业科学院农产品加工与核农技术研究所,武汉 430070
SSID ssib051370041
ssj0041925
ssib001101065
ssib023167668
Score 2.3765316
Snippet TP391.4;...
SourceID wanfang
SourceType Aggregation Database
StartPage 159
Title 基于改进ResNet50模型的大宗淡水鱼种类识别方法
URI https://d.wanfangdata.com.cn/periodical/nygcxb202112019
Volume 37
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR3JahRBtMgCogdxxZ05-E4y4_RS20XomukhCOYgCeQWerpr4mmEzAQ0ZxFB9OQCCkpAiCCoQUESBX_GmYl_4XvVPUs0uEFTPKpevaVedb1XRS2MXeQ2zJLUt2U_kAFOUHhSVomvylZKDO6r3PIWrXdcmxdzi-HVJb40NZ1O7Fpa6zYr6fq-50r-x6qYh3alU7L_YNkRUcxAGO2LKVoY07-yMcQcdANMBHFIqYohFqAR1hArMA3Q5rrtzNsur1JJpCDyXKUYlIFYgsZKIeVEIUTSATFoSchGOmQEqmAQR4PxwNSoFmKqOgGUY4hV1AAlqLpC2DgphJMC0wDyBy6HMbBDQ4Sak1qRDJhD7LgjrpxsKEkdIkEUVIRFw55RVFLSSaRBNcYlqDKnj6gYiAJHBXG9MYrja5xeGkviPZWrxDMni-1B-sUITC6M-G4DV3401HVlp0zdtbyTiwjsp964fXOtRgqPcjRoZOtjn3emGiqPsip9KQzoxqQJD0IuRqjCDxQuJr_XZvgr-RMOwyvuQ89jDy9_YuhXt6Yld36NWFRGLCqktlvNLtjtvTm8fXslvdUkHA_DPD3NZn2cS6H3mo1M3TTGUbNHCwOjYd2nyxHEeBbKvYDeQBjtnKJ9A9xtIijEOMBgKOTl34nozsW1W0l7ZSKEWzjCDhdzr1KU_0hH2dT6jWPsULSyWtw_Y4-zK72XO992HvYfbe9-fT78dfqvN3ov7g-e3em92uy9fdr_tNF___H71pfB5oPB1ufdd3d79970n2z3Pzw-wRYb8UJtrlw8MVLueLTxyxOtxJMJT3QmVGZlkgqVqCzVYdCSQYaqikzYaqJkalM_CFsSi1SYCpyGZ1ngByfZTPtm255iJYytfc9WhZ9YG-K8JZFNKzUOhPQMrk1bp1mp0H65GEI6yz9Z6MyfUc6yg-O-fo7NdFfX7HkMi7vNC4VZfwB3HYto
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%94%B9%E8%BF%9BResNet50%E6%A8%A1%E5%9E%8B%E7%9A%84%E5%A4%A7%E5%AE%97%E6%B7%A1%E6%B0%B4%E9%B1%BC%E7%A7%8D%E7%B1%BB%E8%AF%86%E5%88%AB%E6%96%B9%E6%B3%95&rft.jtitle=%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E5%AD%A6%E6%8A%A5&rft.au=%E4%B8%87%E9%B9%8F&rft.au=%E8%B5%B5%E7%AB%A3%E5%A8%81&rft.au=%E6%9C%B1%E6%98%8E&rft.au=%E8%B0%AD%E9%B9%A4%E7%BE%A4&rft.date=2021-06-15&rft.pub=%E5%8D%8E%E4%B8%AD%E5%86%9C%E4%B8%9A%E5%A4%A7%E5%AD%A6%E5%B7%A5%E5%AD%A6%E9%99%A2%2C%E6%AD%A6%E6%B1%89+430070&rft.issn=1002-6819&rft.volume=37&rft.issue=12&rft.spage=159&rft.epage=168&rft_id=info:doi/10.11975%2Fj.issn.1002-6819.2021.12.019&rft.externalDocID=nygcxb202112019
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fnygcxb%2Fnygcxb.jpg