基于YOLOv3的南海典型鱼类水下实时监测研究

• 作者: 李光昊 张莹 刘义飞 莫浩铭
• 来源期刊: 现代计算机
• 关键词: 深度学习 YOLOv3算法 水下实时检测
• 年，卷（期）: 2020,（27）
• 所属期刊栏目: 图形图像
• 页码范围: 52-56
• 页数: 5页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.27.010

摘要

为了提升我国水产养殖自动化和机械化水平,针对水下自动化作业鱼类实时识别的需求,基于YOLOv3深度学习算法,通过对实采数据和爬取数据进行神经网络权重训练,实现对南海典型鱼类的水下实时监测.实验结果表明,基于YOLOv3的南海典型鱼类水下实时监测模型具有强实时性和高准确性,为提高水产养殖技术和管理的自动化水平提供一种新的手段.