基于改进深度学习模型的鱼群密度检测试验研究

• 作者: 王金凤 胡凯 江帆 吴耿潜 罗东林 周子枫
• 来源期刊: 渔业现代化
• 关键词: 鱼群密度检测 CSRNet 深度学习 高斯变换核 随机梯度下降
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 渔业信息化
• 页码范围: 77-82
• 页数: 6页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9580.2021.02.012

摘要

在水产养殖生产中,鱼群密度的检测是做好生产管理的关键环节.基于水下鱼类的群聚现象,采用基于拥塞场景识别卷积神经网络(Congested Scene Recognition Convolutional Neural Networks,CSRNet)技术,将剔除了全连接层的VGG-16与空洞卷积神经网络相结合,保持分辨率的同时扩大感知域,从而生成高质量的鱼群分布密度图.结果显示:CSRNet在仿真鱼群数据集中,检测准确率达90％以上,预测密度图与真实情况接近,失真度小;在预测真实鱼群密度中也同样表现良好.CSRNet与传统的基于光栅图方法相比,准确率提升近10％;与同样基于VGG-16的Faster R-CNN相比,CSRNet的表现更为优越.研究表明,构建的检测系统软件可实时检测定点区域鱼群密度是否处于正常范围,有利于预防鱼群高密度缺氧,提高鱼量产出,实现智能养殖.