基于深度学习的鱼类智能识别系统的设计与实现

• 作者: 吕俊霖 麦嘉铭 熊浩 蔡海真
• 来源期刊: 渔业现代化
• 关键词: 鱼类 智能识别 深度学习 EfficientNet 设计与实现
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 渔业信息化
• 页码范围: 90-96
• 页数: 7页
• 分类号: TP317.4
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9580.2021.03.012

摘要

中国拥有种类繁多的鱼类,外形是其分类的重要依据.但目前主要采用人工识别方法进行分类,为解决鱼类人工识别存在的问题,提出一种基于深度学习的鱼类智能识别系统的设计,以实现对中国1400种鱼类的智能识别.系统首先采用卷积神经网络的Efficient模型,将含有1400种鱼类,50万张鱼类图片的数据集进行训练,最终得到的模型识别精度达到了95％,单张图片识别时间仅为0.2 s,模型大小为74.5 MB.系统前端使用微信小程序,后端采用Spring+SpringMVC+Mybatis的SSM架构,调用训练好的模型文件进行识别,实现了鱼类识别、页面呈现、统计分析和相邻种类推荐等功能.该系统所提出的设计和实现方法对鱼类智能识别技术在移动端的应用提供了一种可行的思路,对海洋科研人员和开发人员有一定的借鉴作用.