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。