ECR-MobileNet: Un modelo de predicción de parámetros de graves de boca grande desequilibrado con regresión...

Área de la Ciencia:

• Tecnología de la acuicultura
• Visión por computadora
• Aprendizaje profundo

Sus antecedentes:

• El seguimiento preciso y no destructivo de la longitud y el peso de los peces es crucial para la acuicultura inteligente.
• Los métodos tradicionales causan estrés y pérdida de rendimiento; los modelos actuales de visión por computadora luchan con el desequilibrio de datos y el tamaño del modelo.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje profundo eficiente y sólido para un seguimiento biométrico preciso y no destructivo de los peces.
• Abordar los desafíos del desequilibrio de datos y la ligereza del modelo en la visión por ordenador para la acuicultura.

Principales métodos:

• Se propuso ECR-MobileNet, un marco ligero basado en MobileNetV3-Small.
• Incorpora un módulo de atención de canal eficiente (ECA), una función de pérdida de regresión de contraste adaptativa a múltiples escalas (AMCR) y una poda estructurada basada en gráficos de dependencia (DepGraph).
• Entrenado y evaluado en un conjunto de datos de gran boca.

Principales resultados:

• El modelo reducido ECR-MobileNet-P superó a 14 puntos de referencia.
• R2 alcanzado de 0,9784 (longitud) y 0,9740 (peso), con bajo RMSE.
• El modelo es altamente eficiente: 0.52 M parámetros, 0.07 GFLOPs, 10.19 ms de latencia de la CPU, lo que demuestra la óptimalidad de Pareto.

Conclusiones:

• ECR-MobileNet ofrece una solución sin estrés para el monitoreo biométrico de la acuicultura.
• Presenta un enfoque innovador para la regresión desequilibrada y la compresión de modelos orientados a la tarea.
• Establece un nuevo paradigma metodológico para el desarrollo de sistemas de acuicultura inteligentes.