基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统目标检测应用

为评估金枪鱼延绳钓系统运行质量、降低人工成本,以及从金枪鱼延绳钓系统电子监控EMS系统中提取浮球、金枪鱼数量等信息,本文提出一种基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统浮球及金枪鱼目标检测方法,从HNY722远洋渔船EMS系统视频监控数据中截取包含有目标浮球和金枪鱼的15578帧关键帧,将所有关键帧及其标记文件划分为14178个训练数据及1400个验证数据,基于YOLOV5s、YOLOV5l、YOLOV5m、YOLOV5x等4种YOLOV5神经网络模型,设计分组训练试验对比训练效果.结果表明:参与训练的4种神经网络模型均可完成金枪鱼延绳钓电子监控系统的目标检测任务,但网络模型的选择对广义交并比损失(GIoU loss)、目标检测损失(objectness loss)、准确率(precision)、召回率(recall)、多类别平均精度值(mAP)等参数具有显著性影响(P<0.05),对目标分类损失(classifi-cation loss)参数无显著性影响(P>0.05);检测效果表现较好的模型是YOLOV5l和YOLOV5m,二者的mAP@0.5值分别为99.1％和99.2％,召回率分别为98.4％和98.3％,但YOLOV5m网络模型在GIoU损失等表现上劣于YOLOV5l.研究表明,4种网络模型中YOLOV5l模型是最适合应用于金枪鱼延绳钓电子监控系统目标检测的网络模型.     

基于AMESim仿真的稳压阀差动连接液压系统优化

为了减缓传统差动连接液压系统中液压缸快进推动工件时产生的抖动现象,利用AMESim仿真软件,在传统差动连接液压系统模型中加入稳压阀,构建出稳压差动连接液压系统。通过设计对比试验,比较稳压差动连接液压系统与传统差动液压系统在液压缸推动工件或者空程时的压力波动,调整稳压阀等效开口直径,研究稳压阀参数对稳压差动连接液压系统的影响,确定最佳参数值。仿真结果表明:稳压差动连接液压系统在液压缸推动工件时,能明显减缓抖动现象;稳压阀等效开口直径设定为2.9 mm时,液压缸压力波动明显减弱;稳压阀等效开口直径从0.001 mm增大至5 mm过程中,液压缸进油口压力趋于平稳的时间花费先减少后增多,液压缸进油口压力波动先减弱后增强。稳压差动连接液压系统在液压缸稳定性上较传统差动连接液压系统实现了一定程度上的优化,理论上在投入生产后能够减轻能源的消耗,提高系统的稳定性,为二次开发提供参数参考和稳压阀在其他液压系统的仿真试验提供依据。      

远洋渔船电子监控技术应用研究进展及展望#br#

目前,中国正加强远洋渔业的监督和规范管理,长期以来,观察员在远洋渔业管理中发挥重要作用,但其低覆盖率一直是亟待解决的问题,新出现的电子监控(electronic monitoring,EM)成为其有效替代和辅助手段。通过分析国内外远洋渔船EM技术发展,闸明了远洋渔船运用EM的必要性。介绍了EM的组成、具体方法、目标种类及其在远洋渔船常用3种渔具的应用;论述了现今EM系统在远洋渔船的适用性及功能和EM的优缺点:EM技术在远洋渔船已有应用且具有一些观察员无法具备的优势,但缺乏针对各类远洋渔船和目标鱼种监控的高质量应用示范,且对渔业数据相关处理技术的研究精度与深度还不够。最后对EM研究现状进行了总结并对EM技术未来的研究方向和重点提出了具体建议,可为远洋渔船应用电子监控相关研究提供参考。     

基于卫星船位数据的北太平洋作业渔船分布及类型研究

卫星数据可以准确获取实时船位，但不能直观反映渔船作业期间动态分布及其渔船类型。为了解北太平洋公海渔场分布及其渔船类型，基于2019年3—12月北太平洋渔船卫星数据及同期北太平洋围网渔船和鱿钓渔船的实际生产数据，采用局部空间自相关中的热点分析（hot spot analysis）方法，利用实际生产数据叠加验证，分析探讨渔船作业的动态分布变化及其识别情况。结果表明： 2019年北太平洋渔船作业主要分布于37°—44°N、154°—176°E；多数渔船在主要作业分布区域内先从西南移动至东北，再折返至西北，9月及之后再折返至西南方向；热点分布与实际鱿钓渔船作业点重叠率达83.7%，冷点分布与实际围网渔船作业点重叠率达78.1%。通过观察各月渔船分布整体轨迹变化，初判其热点分布应为鱿钓渔船，冷点分布应为围网渔船，但仍可运用其他技术手段或数据进一步验证及提高重叠率，如夜光遥感技术或结合渔船的水上移动业务标识码（maritime mobile service identifier，MMSI）对应验证渔船类型。该方法基于卫星渔船数据与生产数据直观展示渔船作业动态变化及两者重叠程度，可初步探索在研究区域中渔船的分布变动与渔船类型，为渔业可持续化管理提供了参考依据和相关方法。     

基于YOLOv5改进模型的丁香鱼围网作业目标检测研究

为解决目前鳀(Engraulis japonicus)限额捕捞与分类统计不准确的问题，提出一种改进YOLOv5的识别算法。该方法将SENet注意力机制引入到YOLOv5主干网络结构中，通过融合捕捞作业不同时期的目标信息并降低复杂背景的干扰，以提高模型检测精度和实时检测效率。采用实际拍摄的鳀作业视频，将视频转化为图片格式实现前期标注和处理，对获得的5 550幅图像按照8∶1∶1划分训练集、验证集和测试集，设置对照实验，将YOLOv5主干网络替换为MobileNetV2,并引进SENet注意力机制，分别通过4种模型进行对比，结果表明，该识别算法获得平均精度均值(mAP)为99.4%、精度为98.9%、召回率为99.1%,相比原模型分别提高了2.5%、3.7%和2.9%。研究结果可以为鳀围网作业的目标识别提供新的思路，同时也为渔获作业统计提供了一种辅助手段。