| 基于卷积神经网络的仿刺参非侵入式标记方法的初步研究 |
| |
| 引用本文： | 刘洋,王扬帆,胡景杰,包振民,丁君,常亚青,杨建敏,侯虎.基于卷积神经网络的仿刺参非侵入式标记方法的初步研究[J].中国水产科学,2022,29(10):1487-1499. |
| |
| 作者姓名： | 刘洋 王扬帆 胡景杰 包振民 丁君 常亚青 杨建敏 侯虎 |
| |
| 作者单位： | 中国海洋大学海洋生命学院, 海洋生物遗传学与育种教育部重点实验室, 山东 青岛 266003;中国海洋大学海洋生命学院, 海洋生物遗传学与育种教育部重点实验室, 山东 青岛 266003 ；山东华春渔业有限公司, 山东 东营 257236;大连海洋大学水产与生命学院, 辽宁 大连 116023;鲁东大学农学院, 山东 烟台 264025 ；山东华春渔业有限公司, 山东 东营 257236;中国海洋大学食品科学与工程学院, 山东 青岛 266003 |
| |
| 基金项目： | 国家重点研发计划蓝色粮仓科技创新专项(2018YFD0901)； 国家自然科学基金项目(32072976； 31772844)； 教育部科学技术研究项目(2021ZL09) |
| |
| 摘 要： | 使用体外标记技术可对仿刺参(Apostichopus japonicus)进行种群和个体尺度上的时空行为学研究、种群动态研究、良种繁育、高效采捕方法的研究。由于仿刺参体壁柔软, 排异能力较强, 使得传统的侵入式标记方法留存率较低; 且传统标记对体壁的破坏会导致伤口溃烂, 影响仿刺参的正常生活。为研发非侵入性的仿刺参识别技术, 本研究利用深度学习中的卷积神经网络模型, 对仿刺参图像进行特征提取, 该特征能够表征个体独特的体表纹理模式。对 50 d 内连续拍摄的仿刺参图像进行特征提取并训练分类器后, 发现分类器在测试集上最高可达到 0.996±0.011 的精度; 而传统的侵入式标记方法最高只能达到约 0.75 的精度。对实验仿刺参个体进行个体识别跟踪, 使用前 25 d 的仿刺参图像进行特征提取并训练模型, 对后 25 d 的图像进行预测, 可达到 0.946±0.058 的精度。实验结果表明, 使用 ResNet50 卷积神经网络可有效地对仿刺参进行预测, 并在时间追踪任务中取得优于传统标记方法的精度。
|
| 关 键 词： | 仿刺参 非侵入式标记 深度学习 疣足 复杂表型 |
A non-invasive tagging method for Apostichopus japonicus based on convolutional neural networks |
| |
| LIU Yang,WANG Yangfan,HU Jingjie,BAO Zhenmin,DING Jun,CHANG Yaqing,YANG Jianmin,HOU Hu.A non-invasive tagging method for Apostichopus japonicus based on convolutional neural networks[J].Journal of Fishery Sciences of China,2022,29(10):1487-1499. |
| |
| Authors: | LIU Yang WANG Yangfan HU Jingjie BAO Zhenmin DING Jun CHANG Yaqing YANG Jianmin HOU Hu |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《中国水产科学》浏览原始摘要信息 |
|
点击此处可从《中国水产科学》下载全文 |
|
