一种基于计算机视觉和深度学习的新方法用于对象检测和预测中国软贝的体重

科学领域:

• 农业工程 农业工程
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 中国软海产业需要高效的自动分类.
• 目前的方法在视觉识别和预测海的体重方面缺乏精度.

研究的目的:

• 开发一种用于对象检测和预测中国软海体重的新方法.
• 为了提高海繁殖行业的自动分类精度.

主要方法:

• 利用色彩空间模型,有效地从背景中对乌进行细分.
• 应用了多重线性回归来将体重与形态参数相关联.
• 采用了改进的深度学习对象检测网络,用于石和体特征提取.

主要成果:

• 取得了对海身体部位的优秀检测结果.
• 改进后的网络达到96.23%的平均平均精度 (mAP).
• 建立了一个可靠的模型,用形态参数来估计乌的体重.

结论:

• 拟议的计算机视觉方法有效地解决了自动排序需求.
• 该方法满足了准确识别和估计中国软海体重的要求.
• 这项技术可以显著有利于乌繁殖行业.