基于深度学习的金枪鱼延绳钓渔获图像识别技术分析

S977; 为了实现金枪鱼延绳钓渔获物的高效识别和分类,改善渔业资源监测的准确性,本研究探索了基于卷积神经网络的鱼类图像识别方法.采用上海海洋大学"淞航"号在中西太平洋公海调查中捕获的3种经济性鱼类及10种兼捕渔获物的图像数据,运用单发多箱探测器(Single shot multibox detector,SSD)卷积神经网络进行图像分类识别.通过将局部鱼类图像与整体图片数据集进行比较分析,优化训练数据集,以提升模型的分类性能.结果表明:改进后的鱼类图像数据集在SSD模型上的分类准确率达91.6%,相较于原始数据集提高了6.2%.利用优化后的数据集,SSD模型能够显著提高金...

Full description

Saved in:
Bibliographic Details
Published in上海海洋大学学报 Vol. 34; no. 2; pp. 307 - 319
Main Authors 夏超, 陈新军, 刘必林, 孔祥洪, 叶旭昌
Format Journal Article
LanguageChinese
Published 农业农村部大洋渔业可持续利用重点实验室,上海 201306%上海海洋大学 海洋生物资源与管理学院,上海 201306 01.03.2025
大洋渔业资源可持续开发教育部重点实验室,上海 201306
国家远洋渔业工程技术研究中心,上海 201306
上海海洋大学 海洋生物资源与管理学院,上海 201306%上海海洋大学 海洋生物资源与管理学院,上海 201306
Subjects
dataset optimisation
Western and Central Pacific Ocean
卷积神经网络
数据集优化
tuna longlining
渔获物识别
convolutional neural networks
金枪鱼延绳钓
中西太平洋
catch identification
Online AccessGet full text
ISSN1674-5566
DOI10.12024/jsou.20240604587

Cover

More Information
Summary:S977; 为了实现金枪鱼延绳钓渔获物的高效识别和分类,改善渔业资源监测的准确性,本研究探索了基于卷积神经网络的鱼类图像识别方法.采用上海海洋大学"淞航"号在中西太平洋公海调查中捕获的3种经济性鱼类及10种兼捕渔获物的图像数据,运用单发多箱探测器(Single shot multibox detector,SSD)卷积神经网络进行图像分类识别.通过将局部鱼类图像与整体图片数据集进行比较分析,优化训练数据集,以提升模型的分类性能.结果表明:改进后的鱼类图像数据集在SSD模型上的分类准确率达91.6%,相较于原始数据集提高了6.2%.利用优化后的数据集,SSD模型能够显著提高金枪鱼延绳钓渔获物的识别准确性,具备更好的稳定性和适应性.本研究为基于卷积神经网络的渔业资源监测提供了有效的技术路径,尤其在提升金枪鱼延绳钓渔获物自动分类识别精度方面展现了广泛的应用潜力,对于促进可持续渔业管理和海洋生态保护具有重要意义.
ISSN:1674-5566
DOI:10.12024/jsou.20240604587