基于显著性增强和迁移学习的鱼类识别研究

针对水下鱼类无法快速准确识别的难点,提出一种具有图像主体自动增强功能的鱼类迁移学习方法。该方法将鱼类RGB图像转换至Lab颜色空间后,利用中央周边算子计算得到整个输入图像的显著性值,进而提供鱼类目标的潜在区域,并结合GrabCut算法获取鱼类分割图像,最终将融合分割图的原始图像送入优化后的残差网络中进行训练。通过对23种鱼类进行识别试验,结果显示,固定ImageNet数据集上ResNet-50预训练模型的conv1层和conv2层参数,微调高层参数的方法能够取得最好的识别效果,且在公开的Fish4Knowledge数据集上,该模型取得了最高的识别准确率,平均识别精度达到99.63%。与其他卷积神经网络方法的对比结果显示,本方法在Fish4Knowledge和Fish30Image数据集上的识别精度和时间性能均具有较大优势,其中识别准确率至少提升4.98%。多个数据集上的试验验证了模型的有效性。     

基于深度学习的鱼类识别相关技术研究现状及展望

为促进渔业生产智能化、现代化发展,综述了基于深度学习的鱼类识别相关技术。首先,从数据集构建、数据预处理、神经网络模型设计以及模型训练等4个方面阐述了基于深度学习的鱼类识别工作流程。然后,从图像分类、目标检测、图像分割3个角度总结了近几年鱼类识别相关技术的研究进展及应用成果。其中,图像分类主要用于识别个体鱼的色泽与种类,目标检测侧重于估计鱼群的数量和体型,而图像分割则在推断鱼类的状态和行为方面发挥着重要作用。同时,分析了不同方法所具备的优势,比较了各方法在数据集中的性能指标。最后,对深度学习在鱼类识别领域的下一步发展方向和研究重点进行了展望。综上,深度学习方法效率普遍较高、泛化能力普遍较强,深度学习技术在鱼类识别中的广泛应用能够为渔业科研人员提供有效的技术支撑。     

基于迁移学习的PSO-Shuffle Net鱼类识别方法

针对传统深度学习鱼类识别方法正确率较低、模型训练过程中参数不能够自适应确定的问题,提出了一种基于迁移学习(Transfer Learning, TL)的粒子群(Particle Swarm Optimization, PSO)改进ShuffleNet鱼类识别方法。以20种鱼类为对象,采用粒子群算法将模型的损失函数作为适应度函数,对批处理大小和学习率两个超参数进行优化,并利用迁移学习方式进行训练,构建了TL-PSO-ShuffleNet模型。结果显示：该方法与AlexNet、MobileNet、ShuffleNet模型相比,识别正确率分别提高了57.89%、30.43%、23.28%。本研究提出的鱼类识别方法具有正确率较高、参数设定具备自适应性等特点,为鱼类自动化识别研究提供了参考和借鉴。     

如何正确识别养殖鱼类的饥饱

正确识别养殖鱼类的饥饱,不仅关系到养殖鱼类的生长状况、病害的发生,而且还对养殖饲料成本的高低起着至关重要的作用。笔者经过多年对池塘养鱼的试验、观察和研究,特别是对鱼类吃食情况进行了多年的细致观察、记录和总结,对如何正确识别养殖鱼类的饥饱总结出了以下几点意见,希望能给广大从事鱼类养殖的朋友一点帮助。     

基于多阶段特征提取的鱼类识别研究

鱼类自动识别在海洋生态学、水产养殖等领域应用广泛。受光照变化、目标相似、遮挡及类别分布不均衡等因素影响,鱼类精准自动识别极具挑战性。提出了一种基于多阶段特征提取网络 (Multi-stage Feature Extraction Network, MF-Net) 模型进行鱼类识别。该模型首先对图片作弱增强预处理,以提高模型的计算效率;然后采用多阶段卷积特征提取策略,提升模型对鱼类细粒度特征的提取能力;最后通过标签平滑损失计算以缓解数据的不平衡性。为验证模型的性能,构建了一个500类、含32 768张图片的鱼类数据集,所建模型在该数据集上的准确率达到86.8%,优于现有的主流目标识别方法。利用公开的蝴蝶数据集对该模型进行泛化性能验证,多组消融实验进一步验证了所提算法的有效性。     

基于双频识别声呐的鱼类目标识别与计数

鱼类资源调查是渔业管理的基础性工作,利用水声探测技术进行鱼类资源调查日益成为主流手段.针对双频识别声呐(DIDSON)在水库中采集到的声学数据,利用Echoview声学数据后处理软件及其相关算法进行鱼类识别和计数研究.首先利用Kovesi图像去噪法和背景差分法对声学图像中斑点噪声和水体背景进行去除,然后根据鱼类目标回声...     

基于改进的卷积神经网络的虾苗自动计数研究

虾苗计数是虾苗养殖与交易过程的重要环节.因虾苗个体小、密度大、易失活等特点,导致虾苗出苗计数非常困难.提出了一种卷积神经网络模型的虾苗自动计数技术,先将数据样本中每个目标对象用一个像素的点标注获取真实密度图,再将训练样本输入到改进卷积神经网络学习以便从图像特征生成估计密度图,最后由密度图获得整个视野中的虾苗总数.为验证...     

基于计算机视觉技术的水产养殖中鱼类行为识别与量化研究进展

鱼类行为与水体环境密切相关,是鱼类生活状况的直接体现,可以通过分析鱼类行为进行更为精准的养殖管理和操作。计算机视觉技术为鱼类行为识别和量化提供了一种非入侵式且稳定性较好的方法,已逐渐广泛用于鱼类行为研究。本文介绍了计算机视觉技术的技术流程,包括图像采集、预处理、运动目标检测与跟踪,并对各个流程进行分类;综述了计算机视觉技术在鱼类游泳、摄食和体色变化等行为识别、量化研究的现状;分析了计算机视觉技术在鱼类行为识别、量化方面的难点及存在的问题,以期为计算机视觉技术在水产养殖监测领域的发展提供参考依据。     

鱼类雌雄识别仪器

挪威渔业技术研究所的专家研制成功一种能将青鱼进行雌雄分类的仪器。该仪器的主要结构为电子器件部分和分类机械部分。使用时只要用仪器向鱼体照射不同光谱的X线，根据其透射度差值就可分辨出青鱼的雌雄，并将它们分类。由于雌性青鱼要比雌雄混合青鱼的售价高得多，     

谈谈改变现有鱼类养殖品种的结构

我国是世界上进行池塘养鱼最早的国家,迄今约有三千多年的历史了。从唐朝以后,养殖鱼类一直沿袭以肥水鱼即鲢、鳙鱼为当家品种,而青、草、鲤、鲫、鳊等吃食鱼则为搭配品种。随着渔业生产迅猛发展,时至今日,人们的食物构成发生了很大变化。以鲢、鳙鱼为当家品种远远不能满足广大消费者的需求,为了缓和市场供需矛盾,多生产适销对路的优质鱼和特种水产品,改变过去养殖鱼类品种结构势在必行。     

加工鱼产品种类的电泳鉴定

介绍了几种鱼的白肌在乳酸脱氢酶和蛋白电泳表型上种的特异特征。链,镛,草,青,尼罗罗非鱼白肌乳酸脱氢酶的谱带数不同,活性强度亦不同;蛋白质电泳图谱的迁移率也有差异。这类特征可为加工产品的种类鉴定提供可靠判据。鱼类电泳鉴定技术的标准化及其应用将为规范鱼品加工业,检验鱼产品提供理想的检测手段。     

Automated measurement of species and length of fish by computer vision

Trials of a computer vision machine (The CatchMeter) for identifying and measuring different species of fish are described. The fish are transported along a conveyor underneath a digital camera. Image processing algorithms: determine the orientation of the fish utilising a moment-invariant method, identify whether the fish is a flatfish or roundfish with 100% accuracy, measure the length with a standard deviation of 1.2 mm and species with up to 99.8% sorting reliability for seven species of fish. The potential application of the system onboard both research and commercial ships is described. The machine can theoretically process up to 30,000 fish/h using a single conveyor based system.     

Measurement of sole activity by digital image analysis

Evaluating flatfish activity can be a useful tool for studying fish behavior and welfare. The aim of this work was to obtain a quantitative index for measuring flatfish activity using image analysis. Accordingly, motor activity of a sole population was recorded by digital video for three nights, bearing in mind the nocturnal lifestyle of the species. Subsequent image analysis was done by image subtraction of consecutive frames. The result was a “difference frame” showing the changes in the image area due to fish movement. Using these data, an image processing activity index (IPAI) was determined by measuring the percentage of area altered due to fish movement and by taking this percentage as an indicator of fish activity. Typical sole behavioral acts (take-off and surface swimming) were recorded by direct observation during the same intervals in order to calibrate the IPAI. A direct observation activity index (DOAI) was determined by weighting each kind of attitude according to its average duration. Results obtained from image analysis (IPAI) were compared with results obtained by direct observation (DOAI). A linear relationship between the two indexes was found with a correlation coefficient of r² = 0.80 for 92% of coverage area tank and r² = 0.90 for 210% of coverage area tank. Thus, this digital video-based index can be a highly reliable and accurate method for objectively measuring activity levels in sole with a low consumption of labor and time. Nevertheless, the application to farm conditions would need further research and an accurate calibration for other species.     

Computer-assisted image analysis in the evaluation of fish wounding by cormorant [Phalacrocorax carbo sinensis (L.)] attacks

Fish that have escaped from a cormorant’s (Phalacrocorax carbo sinensis (L.)) grasp and/or which could not be swallowed due to their size suffer from various injuries resulting in consecutive infections and subsequent increased mortality. Computer-assisted image analysis was applied to describe the extent of such injuries. Two-year-old mirror carp, Cyprinus carpio L. (TL 200–300 mm, W 200–300 g) showed injuries ranging over approximately 10% of the total body surface. Immediately after wounding, the damaged epithelium (scars) cover 5–35%, and deeper subdermal wounds caused by the beak tip pervading into muscle tissue cover an area of 1–2% of the total body surface. On the side impacted by the cormorant’s lower mandible, extensive areas of epidermal contusions (scars) occur. As time progresses, these ratios change—deeper necroses represent up to 10% of the total body surface and healing epithelial scars comprise just 1–2%. In wounded silver carp, Hypophthalmichthys molitrix Val. (300–400 mm, W 500–700 g), the share of subdermal wounds usually does not exceed 0.5% due to their compact scaly cover. During pond draining due to fish harvesting, the size spectrum of wounded fish increases and may also often include bigger fish (e.g., European catfish, Silurus glanis L.) up to 2.2 kg.     

明灯鱼属鱼类仔稚鱼的种类鉴别、发育形态及其分类检索

为了认识东海明灯鱼属鱼类仔稚鱼的发育形态与分类特征,为以后相关的海洋生态调查的仔稚鱼种类鉴定提供参考资料,以相关的明灯鱼属仔稚鱼形态与分类特征文献为依据,对1984-1985年4-7月东海外海黑潮流域调查采集到的明灯鱼属鱼类的仔稚鱼样品进行分类和鉴定。共鉴定出了西明灯鱼、印明灯鱼和朗明灯鱼3种仔稚鱼,观察和描述了其个体的发育形态并构建了简要的种类分类检索表。观察结果表明,三种明灯鱼仔稚鱼在发育过程中臀鳍上方体侧的腹缘具有一列菊花状的黑色素分布,这是明灯鱼属仔稚鱼共有的形态特征之一;西明灯鱼仔稚鱼下颌端有一短的颌须,体侧中部有一丛大的枝状或星状或放射状或小型菊花状的黑色素分布;印明灯鱼和朗明灯鱼仔稚鱼下颌端无颌须,体侧中部无黑色素分布,印明灯鱼仔稚鱼下颌骨前端有一个黑色素细胞分布,而朗明灯鱼仔稚鱼下颌骨前端无黑色素细胞分布。     

栉孔扇贝夏季大规模死亡的神经网络（ANN）预测模型

根据2002和2003年对山东荣成桑沟湾栉孔扇贝养殖海区的水温、盐度、pH、氨氮浓度、亚硝氮浓度等环境因子和扇贝血清中的蛋白浓度、酸性磷酸酶活力、碱性磷酸酶活力、超氧化物歧化酶活力和过氧化氢酶活力等免疫学指标及栉孔扇贝养殖密度和死亡率的监测数据,运用人工神经网络（ANN）的原理和误差反相传播（BP）网络的方法,利用MATLAB软件初步建立养殖栉孔扇贝夏季大规模死亡的BP人工神经网络预测模型。预测模型经过300次的学习训练,误差平方和由67.46下降至0.0091。该预测模型对未参与模型构建的样本预测的结果与实际监测结果的符合率达到87.5％。本研究首次将人工神经网络与水产动物病害死亡的预测相结合,建立的预测模型具有对数据适应能力强,可适时学习,预测结果准确等突出优点,为水产养殖动物病害死亡程度的预测提供了一个新的研究方法。