基于机器视觉的水下河蟹识别方法

• 作者: 刘晓洋 吴任迪 孙月平 洪剑青 赵德安 阮承治
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 河蟹识别 机器视觉 水下图像 图像增强 深度学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 151-158
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2019.03.016

摘要

为了探测河蟹在池塘中的数量及分布情况,为自动投饵船提供可靠的数据反馈,提出了基于机器视觉的水下河蟹识别方法.该方法通过在投饵船下方安装摄像头进行河蟹图像实时采集,针对水下光线衰减大、视野模糊等特点,采用优化的Retinex算法提高图像对比度,增强图像细节,修改基于深度卷积神经网络YOLO V3的输入输出,并采用自建的数据集对其进行训练,实现了对水下河蟹的高精度识别.实验所训练的YOLO V3模型在测试集上的平均精度均值达86.42％,对水下河蟹识别的准确率为96.65％,召回率为91.30％.实验对比了多种目标检测算法,仅有YOLO V3在识别准确率和识别速率上均达到较高水平.在同一硬件平台上YOLO V3的识别速率为10.67f/s,优于其他算法,具有较高的实时性和应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵德安		235	2986	30.0	43.0
2	孙月平		17	222	7.0	14.0
3	刘晓洋		18	198	7.0	14.0
4	洪剑青		12	74	6.0	8.0
5	吴任迪		3	29	1.0	3.0
6	阮承治		2	6	1.0	2.0