基于深度学习的刺网与拖网作业类型识别研究 |
| |
引用本文: | 汤先峰,张胜茂,樊伟,裴凯洋.基于深度学习的刺网与拖网作业类型识别研究[J].海洋渔业,2020,42(2):233-244. |
| |
作者姓名: | 汤先峰 张胜茂 樊伟 裴凯洋 |
| |
作者单位: | 中国水产科学研究院东海水产研究所,农业农村部东海渔业资源开发利用重点实验室,上海 200090;上海海洋大学信息学院,上海 201306;中国水产科学研究院东海水产研究所,农业农村部东海渔业资源开发利用重点实验室,上海 200090 |
| |
基金项目: | 上海市自然科学基金;国家自然科学基金;中国水产科学研究院基本科研业务费专项 |
| |
摘 要: | 渔船作业类型可分为多种,作为典型近海捕捞作业方式的刺网和拖网捕捞渔船可占总船数的72.6%,准确的渔船作业类型识别可辅助渔船管理。利用北斗渔船监控系统(vessel monitoring system,VMS)数据提出一种对刺网和拖网作业分类识别的方法,因拖网和刺网渔船作业轨迹存在一定的差别,研究先提取出每艘船的航次信息,然后根据航次信息将原始刺网和拖网每条船的VMS划分为多个航次数据,根据航次数据中的经纬度数据批量画出每个航次的航迹图,再利用深度卷积神经网络模型对航迹图进行训练学习,进而实现刺网和拖网作业类型分类识别。通过使用自定义的10层CNN模型及使用迁移学习和模型微调方法调整后的VGG-16模型进行对比实验,结果显示,自定义的CNN模型最终精度为94.3%,证明了本方法的可行性,模型可用于辅助刺网、拖网作业类型判断。
|
关 键 词: | 北斗VMS 深度卷积神经网络 图像分类 VGG-16 拖网 刺网 |
Fishing type identification of gill net and trawl net based on deep learning |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《海洋渔业》浏览原始摘要信息 |
| 点击此处可从《海洋渔业》下载免费的PDF全文 |
|