基于卷积神经网络的养殖鱼类品种识别模型

随着机器学习、计算机视觉等技术的发展,卷积神经网络(CNN)越来越多地应用于图像识别领域,但现有的鱼类图像公共数据集资源较匮乏,难以满足深度CNN模型优化及性能提升的需要。实验以大黄鱼、鲤、鲢、秋刀鱼和鳙为对象,采用网络爬虫以及实验室人工拍照采集相结合的方式,构建了供鱼种分类的基础图片数据集,针对网络爬虫手段获取到的鱼类图像存在尺度不一、格式不定等问题,采用图像批处理的方式对所有获取到的图像进行了统一的数据预处理,并通过内容变换以及尺度变换对基础数据集做了数据增强处理,完成了7 993个样本的图像采集与归纳;在权值共享和局部连接的基础上,构建了一个用于鱼类识别的CNN模型,采用ReLU函数作为激活函数,通过dropout和正则化等方法避免过度拟合。结果显示,所构建的CNN鱼种识别模型具有良好的识别精度和泛化能力。随着迭代次数的增加,CNN模型的性能也逐步提高,迭代1 000次达到最佳,模型的准确率为96.56%。该模型采用监督学习的机器学习方式,基于CNN模型,实现了5种常见鱼类的鱼种分类,具有较高的识别精度和良好的稳定性,为养殖鱼类的品种识别提供了一种新的理论计算模型。     

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。     

黄海太平洋磷虾回波映像识别与资源密度评估

太平洋磷虾是黄海生态系统中浮游动物的关键种。为准确评估太平洋磷虾的资源密度,基于2010年1月黄海渔业资源调查过程中采集的声学和生物学数据,利用SDWBA目标强度理论模型,研究了太平洋磷虾38和120 k Hz目标的回声散射特性,并根据2个频率平均体积散射强度的差值(简称频差技术),开展了太平洋磷虾回波映像识别及资源密度评估研究。结果显示,太平洋磷虾的目标强度与其倾角和体长密切相关;120k Hz的目标强度明显高于38 k Hz,且两个频率的有效平均目标强度之差随着磷虾体长的增加而减小。数据处理结果显示,两个频率回声数据的平均体积散射强度(MVBS)呈线性关系,120 k Hz的MVBS比38 k Hz高约14.1 d B,与理论仿真结果一致;回声散射层内太平洋磷虾的资源密度为1.8~2531.8尾/m3,均值为255.1尾/m3。本研究对利用渔业声学技术开展浮游动物资源评估具有借鉴意义,未来还需要进一步对太平洋磷虾目标强度模型参数及目标识别方法进行完善,以提高其资源密度声学评估的准确度。     

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。     

基于轻量型 S3D 算法的鱼类摄食强度识别系统设计与试验

实际生产中,对鱼类的投喂控制仍是以人工经验判断和时序控制为主,易造成饲料浪费和环境污染。实时检测鱼群摄食强度,可用于指导投喂,进而提高饲料利用率,并降低残饲污染。基于此,本研究提出一种基于机器视觉和轻量型S3D算法的鱼群摄食强度实时识别算法,可精确定位视频流中“强、中、弱、无” 4种鱼群摄食强度状态。首先将I3D网络作为基准,使用Inception模块和深度可分离卷积构建3D时空Sep-Inc模块;其次,利用3D时空Sep-Inc模块、池化层和3D卷积层交替搭建轻量型S3D网络;最后,开发了基于PyQt5的金鳟鱼摄食强度识别系统。结果显示：S3D算法对4类摄食强度的识别准确率可达92.68%,比C3D和R2+1D算法分别提高9.75%和14.15%,同时Parameters参数和GFLOPs参数也大幅下降,识别摄食强度标签的速率达到17 f/s。研究表明,本算法不仅适用于金鳟,也有望适用于其他游泳型鱼类,并可提供投喂决策建议。     

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。     

4种常见淡水养殖鱼类目标强度测定与差异分析

鱼类目标强度(target strength)的测量是渔业声学技术研究和应用的核心内容之一。2015年6―10月,在小型水槽内使用Bio Sonics DT-X(199kHz)科学探鱼仪发射水平声波,测量了4种共29尾不同鳔室结构的淡水养殖鱼类体侧向及背腹向(180°范围)的目标强度,并拍摄X光影像以了解鱼体鳔室结构及特征。其中瓦氏黄颡鱼(Pelteobagrus vachelli)7尾、鳜鱼(Siniperca chuatsi)9尾、鲫鱼(Carassius auratus)6尾、草鱼(Ctenopharyngodon idellus)7尾。结果显示,单体鱼目标强度与声波入射角度具有cos三次方函数关系,体侧向与背腹向上最大目标强度均出现于鱼体主轴垂直于入射声波时,最小目标强度出现于头尾方向朝向声波时,与最大目标强度相差10dB。不同种鱼类体侧向平均目标强度略大于背腹向0.5~5dB。单室鳔鱼类目标强度比相近体长的两室鳔鱼类小。对4种鱼类的目标强度与鱼体相关生物学指标进行主成分分析,体侧向与背腹向目标强度主要受体长、鳔长和鳔长/鳔高值的影响较大。通过目标强度与实验鱼全长、体长、体重的线性回归,获得体侧和背腹入射方向目标强度与3个生物学参数的关系式。本研究通过分析不同鳔室形态鱼种的回波特征差异,辅助判别长江内常见鱼类(如瓦氏黄颡鱼、鱖鱼、鲫鱼等)的声学信号,结果对于淡水水域水平原位监测时分析评估资源量相关参数具有参考意义。     

基于图像特征的模板匹配成鱼多目标识别算法研究与程序设计

为解决渔业养殖及转运自动计数要求,提出一种基于机器视觉的鱼类识别算法设计与程序编制,以证明使用数字图像识别分类技术的尺度不变特征变换SIFT及加速稳健特征SURF算法等可有效地检测与标注鱼类图像特征点。采用快速近邻匹配FLANN匹配算法测试了基于图像特征的鱼类旋转和泛化目标检测,得出SURF特征对个体检测效果好、SIFT特征对泛化目标检测效果优的结果。考察FLANN图像匹配碎片化特性、结合图像信息区域聚集实际、借鉴模板检测方法,设计了图像分割扫描及特征匹配的模板检测算法,并使用最大稳定极值区域MSER方法对识别结果进行冗余排除,达到能正确识别多目标鱼类的算法预设目标。研究发现,该算法及软件能成功识别图片中的多个鱼类目标,测试效果好,有较强的实用意义。     

基于深度学习的鱼类智能识别系统的设计与实现

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...     

基于水声学的长江豚类省级自然保护区水域(镇江)渔业资源时空特征

为评估镇江长江豚类省级自然保护区鱼类资源密度及时空特征,于2018年在该水域进行了 4次水声学调查.结果显示,水声学调查所得鱼类资源密度均值范围为0.090～0.575尾/m2,均值为0.286尾/m2;鱼类资源密度的空间分布特征随季节变化较明显,7月和10月,和畅洲的南、北汊鱼类资源密度要显著高于其上游和下游;1月和...     

基于网箱控制法和模型法的长江4种淡水鱼目标强度研究

目标强度(target strength,TS)是将回波积分值转换成绝对资源量的关键参数,同时也是渔业声学技术的热点研究内容。2012年12月及2013年6―7月,在三峡水库中华鲟基地网箱内使用BioSonics DT-X(199 kHz)分裂波式科学回声仪测定了4种共计31尾不同鳔室构造和体型的长江淡水鱼类背腹方向的目标强度,并将此结果与基尔霍夫近似模型法测定结果进行比较。实验鱼包括鳊(Parabramis pekinensis) 6尾、鲢(Hypophthalmichthys molitrix) 8尾、鲇(Silurus asotus)10尾及长江鲟(Acipenser dabryanus)7尾。结果表明,模型法测定结果与网箱控制法所测结果无显著性差异。构建4种鱼TS值(dB)与体长(BL, cm)的标准方程分别为鳊:TS=20lg(BL)-70.1 (R~2=0.94);鲢:TS=20lg(BL)-67.0 (R~2=0.80);鲇:TS=20lg(BL)-74.5 (R~2=0.80)及长江鲟:TS=20lg(BL)-66.1 (R~2=0.94)。模型法获得实验鱼目标强度的分布表明,鱼类不同的形态学特征及鳔室数量会影响目标强度的大小与分布特征。低频(38 kHz)下鳊、鲇及长江鲟目标强度最大值对应的姿态倾角出现在-10°～0°,而鲢目标强度最大值出现在-20°～-10°,且不同种类鱼的目标强度最大值所对应姿态倾角的位置各不相同。本研究通过网箱控制法和模型法测定了4种不同鳔室构造和体型的长江淡水鱼类目标强度,可为长江淡水鱼类目标强度研究提供有益借鉴,为采用渔业声学方法进行长江淡水鱼类垂直原位监测评估资源量提供相关参数。     

基于双频识别声纳(DIDSON)的辽东湾近海沙海蜇监测的应用研究

为了解双频识别声纳(DIDSON)在近海海域大型水母沙海蜇(Nemopilema nomurai)监测中的效果, 本研究于 2017 年 7 月、8 月通过 DIDSON 的走航观测对辽东湾近海伞径 16~81 cm (7 月份平均伞径 33.01 cm±13.17 cm, 8 月份平均伞径 57.03 cm±13.44 cm)的大型水母沙海蜇开展丰度和垂直分布的监测调查, 并同步结合传统网具调查, 以验证和比对 DIDSON 观测在大型水母沙海蜇监测中的效果。调查结果显示: DIDSON 观测影像可直观显示沙海蜇的数量及其在水层中的位置。7 月份 3 个调查断面声纳观测的沙海蜇丰度分别是 6.13 ind/1000 m3、6.71 ind/1000 m3、 7.93 ind/1000 m3, 平均丰度为(6.92±0.75) ind/1000 m3。8 月份 3 个调查断面声纳观测的沙海蜇丰度分别是 1.41 ind/1000 m3、 1.23 ind/1000 m3、0.55 ind/1000 m3,平均丰度为(1.07±0.37) ind/1000 m3。比对锚流网调查沙海蜇的丰度, 7 月份和 8 月份 DIDSON 监测的沙海蜇平均丰度分别是网具调查的 4.89 倍和 3.95 倍。声纳观测影像显示沙海蜇主要栖息在调查海域中上层水域(1.1~10 m), 底层水域沙海蜇出现的少。比起传统的网具调查, DIDSON 更加精准的监测调查到调查海区沙海蜇的丰度, 并观测到沙海蜇的垂直分布, 证明双频识别声纳可以适用于浅海大型水母沙海蜇的监测调查工作。研究结果表明, DIDSON 观测可以扩展大型水母沙海蜇监测的内容, 在对其行为学的观测上具有较大的优势。通过延长 DIDSON 走航式观测时间, 扩大 DIDSON 探测范围, 并结合传统网具, 可以更加精准的开展沙海蜇数量的监测。     

基于基因分型测序(GBS)技术分析鲂鲌鱼类及其杂交子代的遗传结构

为利用基因分型测序(GBS)技术对三角鲂、翘嘴鲌、蒙古鲌及其杂交子代的遗传结构进行分析.本研究采用GBS技术对三角鲂、翘嘴鲌、蒙古鲌及其杂交子代(F1)共6个个体的鳍条提取总DNA进行双酶切简化基因组测序,使用Stacks软件构建SNP比对参考基因组进行分析.结果显示,6个个体共产生clean data 7.01 GB...     

论我国传统淡水养殖鱼类的困惑与营销市场出路(之二)--鲫鱼与鳜鱼在现时水产品市场中的位置

较早时期,我在"论我国传统淡水养殖鱼类的困惑与营销市场出路"一文中,讨论了草鱼、鲤鱼在市场中的位置.谈到淡水鱼,不能不谈到鲫鱼与鳜鱼.并不是说这两条鱼有多么重要,而是鲫鱼与鳜鱼在水产品市场中的位置特别奇怪、独特,那么平淡又那么与众不同.它们不愠不火,不掉身价.永远是不高不低,不上不下,不前不后,不左不右.任风云变换,始终岿然不动.那种宠辱不惊,闲庭信步的心态是所有同类没有的.比如,越来越不得宠的白鲢、鲤鱼,价格一落千丈的养殖黄鱼、加洲鲈鱼.在市场露脸没几年就伦为饲料鱼的露斯塔野鲮.价格忽高忽低,行情忽好忽坏的鳗鲡.它们的独特还在于:越是不被市场重视,它们在市场中的位置越靠前;市场中的新产品越多,它们在市场中的地位越重要.它们在江河湖海中闯荡数千年,历经风吹浪打,也只有到了市场经济的今天,它们的潜在价值才被人们渐渐发现,而似乎又不那么甘心:因为象斑点又尾鲴、道式虹鳟鱼、斑点胡子鲶、淡水白鲳、欧洲鳗、史氏鲟这些千里迢迢从国外引进的鱼,吃鱼长大的鱼,投了巨资,砸锅卖铁好不容易才养大的鱼,这么好的鱼市场少有问津.而土生土长,姥姥不疼舅舅不爱,纯粹歪打正着的东西,确在市场上要大行其道.     

非农就业影响农地低流转和农业高生产率的实证分析——基于农户经营目标与生产要素特征理论

我国非农部门的收益远远高于农业部门,农户小规模经营难以致富。国家出台引导劳动力流动和土地流转政策后,大量劳动力流转到非农部门,土地并未发生大量流转,农业生产率也持续增长。原因是农户按综合收入最大化经营目标配置不同质的劳动力,导致农业中节约劳动和与小规模土地相适应的技术与制度变迁,促进了农业要素的替代性和可分性特征形成。只要能够实现与土地小规模经营相宜的技术变革,农户的土地生产率和劳动生产率不是必然低于规模经营。农业规模经营的实现,必须提高农村居民的就业技能,使之进入稳定和高收入的就业领域;通过技术创新和制度创新,能够使农业规模经营取得更高的生产率。     

基于缢蛏养殖的立体混养模式的生态与经济效益分析(下)

4基于缢蛏养殖的健康立体养殖模式的经济效益分析采用基于缢蛏养殖的健康立体混养模式,可以通过缢蛏对养殖水体中残饵等有机碎屑的利用,达到投入少,病害少,增加综合经济效益的目的,对加快海水养殖业的发展具有重要意义。下     

基于缢蛏养殖的立体混养模式的生态与经济效益分析(上)

缢蛏肉味鲜美,营养丰富,是我国沿海群众喜爱的海味佳品.它与蛤仔、牡蛎和泥蚶被称为我国传统的"四大养殖贝类". 针对缢蛏传统养殖常常发生病害的问题,各地积极总结有关经验,自1990年代起,不断探索缢蛏无公害生态养殖技术,打造高效生态绿色产业链.本文着重分析基于缢蛏养殖的立体混养模式的生态效益和经济效益,建议推广这些模式,实现缢蛏的规模化、无公害、健康高效养殖.     

基于饵料及敌害生物的莱州湾中国对虾(Fenneropenaeus chinensis)与三疣梭子蟹(Portunus trituberculatus)增殖基础分析

根据2011年及2013年6个航次的调查,结合历史资料,统计分析了莱州湾中国对虾(Fenneropenaeus chinensis)、三疣梭子蟹(Portunus trituberculatus)及二者敌害生物单位捕捞努力量渔获量(Catch per unit fishing effort,CPUE)的长期变化,研究了目前二者的饵料生物密度以及饵料生物与敌害生物的数量分布.结果显示,目前中国对虾、三疣梭子蟹以及二者敌害生物的CPUE均呈历史低位水平.放流期间,莱州湾浮游植物饵料等级为Ⅴ级(很丰富),底栖动物饵料等级为Ⅳ级(丰富);中国对虾的饵料生物密度分别以莱州湾东北部(5月)和中东部(6月)最高,敌害生物密度分别以中西部(5月)和东南部(6月)最高;三疣梭子蟹的饵料生物密度均以莱州湾西南部和东北部最高,敌害生物密度分别以中西部(5月)和西北部(6月)最高.     

基于饵料及敌害生物的莱州湾中国对虾(Fenneropenaeus chinensis)与三疣梭子蟹 (Portunus trituberculatus)增殖基础分析

根据2015—2017年每年5—11月对莱州湾招远海域扇贝养殖区进行的水质调查数据,分析了该海域浮游藻类的空间分布、群落结构及年际变化特征。共鉴定浮游藻类7门138种,其中硅藻门最多(86种),在数量与物种组成上均占主要地位;浮游藻类密度、生物多样性指数和均匀度指数呈现明显的季节特征：藻类密度在5—6月和9—10月出现2次峰值,生物多样性指数为1.92~3.57,均匀度指数为0.44~0.87;浮游藻类生态类型以温带近岸种为主,其群落结构呈现出温带海域区系特征,物种较多且分布较均匀,群落结构较稳定。

     

基于家系水平的凡纳滨对虾(Litopenaeus vannamei)保种群体出肉率与表型性状的相关性分析

本研究从家系水平上比较凡纳滨对虾(Litopenaeus vannamei)保种群体出肉率的差异,评估出肉率性状的选择潜力,寻找替代出肉率的间接选择性状,可为出肉率性状的遗传改良提供技术参数。2012年,保种群体养殖350 d后,测定42个家系(2094尾凡纳滨对虾)的8个表型性状(净肉重、体重、头胸甲长、腹节长、头胸甲-腹节长、体长、全长、肥满度),然后将虾杀死,剖取虾肉,计算出肉率;利用单因素方差分析方法,比较不同家系间出肉率的差异;计算各表型性状与出肉率之间的相关系数,利用逐步回归方法构建表型性状对出肉率的多元线性回归方程。结果显示,凡纳滨对虾家系出肉率的均值为(53.59±3.26)%,分布范围为50.25%?59.51%,变异系数为6.08%,家系间差异达到极显著水平(P<0.01);在8个表型性状中,与出肉率的相关性最高的3个性状分别为净肉重(r=0.478)、头胸甲-腹节长(r=0.376)和腹节长(r=0.370);在表型性状对出肉率的多元线性回归方程中,包括头胸甲-腹节长、体重和头胸甲-腹节长/全长3个性状,预测方程的决定系数为0.172。本研究首次在家系水平上表明,凡纳滨对虾保种群体家系间出肉率差异显著,但遗传变异度较低,为提高遗传进展,需进一步持续收集外部种质资源群体,并对出肉率进行家系间和家系内选择,以便获得期望的遗传进展。已测定表型性状与出肉率均处于中低度线性相关水平,初步获得与出肉率中度相关的间接选择性状;已构建的多元线性回归方程预测出肉率的准确度较低,因此,应进一步采用新的技术如超声波、核磁共振等,测定肌肉横截面积、腹节周长等新的性状,提高预测出肉率的准确性。