同时,基于视觉的鱼类实例细分,物种分类和尺寸回归
Pau Climent-Perez1, Alejandro Galán-Cuenca1, Nahuel E Garcia-d'Urso1
1Department of Computer Technology, University of Alicante, San Vicente del Raspeig, Spain.
PeerJ. Computer science
|March 4, 2024
概括
根据市场图像进行鱼类自动识别和大小估计,有助于渔业管理. 这项技术提高了可持续渔业实践和生物多样性保护的数据准确性.
科学领域:
- 海洋生物学 海洋生物学
- 计算机视觉 计算机视觉
- 渔业 科学 渔业 科学
背景情况:
- 过度捕捞导致生物多样性丧失,并影响人类社区.
- 目前的渔业数据收集依赖于小样本,导致不准确的评估.
- 数字化为改善渔业数据采集提供了机会.
研究的目的:
- 开发一个自动化工作流程,从鱼市图像中提取有价值的渔业数据.
- 为了实现准确的鱼类实例细分,物种分类和大小估计.
- 支持渔业保护和可持续开发的决策.
主要方法:
- 利用计算机视觉工作流进行鱼图像分析.
- 实现实例细分和物种分类算法.
- 开发了一种从未校准图像中估计鱼类大小的方法.
主要成果:
- 在鱼类实例细分和物种分类 (在50%的IOU) 中,平均平均精度 (mAP) 为70.42%.
- 获得了鱼类大小估计的1.27厘米的平均平均误差 (MAE).
- 在鱼类批发市场展示了自动化,细粒度数据提取的潜力.
结论:
- 鱼类市场的自动图像分析可以显著提高渔业数据收集.
- 开发的工作流提供了关于鱼类,数量和大小的准确信息.
- 这项技术支持为可持续的渔业管理和保护工作做出更明智的决策.
