ディープラーニング技術を用いた魚種分類のためのマルチクラスの枠組み

Zain Farooq¹, Muhammad Ramzan², Muhammad Bilal³

¹Department of Computer Science, Faculty of Computing and Information Technology, University of Sargodha, Sargodha, Pakistan.

PloS one

|February 12, 2026

まとめ

この研究では,You Only Look Once (YOLO) ディープラーニングを使用した自動化された魚種の認識システムを導入しています. AIモデルは99%の精度を達成し,漁業管理と生物多様性モニタリングを大幅に改善しました.

科学分野:

海洋生物学と生態学海洋生物学と生態学
漁業における人工知能
生物多様性のためのコンピュータビジョン

背景:

魚種の正確な認識は,生態学的研究,漁業管理,生物多様性の保全に不可欠です.
手動の識別方法は不正確で高価であり,自動化されたソリューションの必要性を強調しています.
ディープラーニング,特にコンボリューションニューラルネットワーク (CNN) は有望ですが,複雑な環境要因と限られたデータセットで課題に直面しています.

研究の目的:

YOLOオブジェクト検出パラダイムを使用して,魚種の自動認識のためのディープラーニングシステムを開発し,評価する.
魚種を正確に分類する手動識別と既存の自動化されたシステムの限界に対処するためです.
提案されたYOLOアーキテクチャのパフォーマンスをFish-Pakデータセットで評価し,他のYOLOバージョンと比較する.

主な方法:

オブジェクト検出のためのYou Only Look Once (YOLO) ディープラーニングフレームワークを利用しました.
6種類の熱帯魚の915枚の画像を含むFish-Pakデータセットでモデルをトレーニングし,テストしました.
性能を評価するために,提案されたYOLOアーキテクチャとYOLO v3およびv4の間の実験的比較を実施しました.

主要な成果:

魚種識別で99%の高い全体的な精度を達成しました.
99.65%の平均平均精度 (mAP) を取得し,優れた検出性能を示しました.
魚種の認識に関する既存の文献と比較して最高のパフォーマンスを示した.

結論:

開発されたディープラーニングシステムは,魚種を高精度で効果的に認識します.
Fish-Pakデータセットに適用されたYOLOパラダイムは,魚の自動識別のための堅牢で効率的なソリューションを提供します.
この進歩は,生態学的モニタリング,漁業管理,海洋保全の取り組みに大きな影響を及ぼします.

さらに関連する動画