一个Litopenaeus vannamei数据集用于基于人工智能的生物质估计和生物体检测算法

科学领域:

• 水产养殖是水产养殖的一种方式.
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 手动的生物量估计是低效的,容易出现错误,并且过时.
• 优化养殖需要准确的,非侵入性的生物识别数据.
• 目前的方法缺乏现代水产养殖管理所需的精度.

研究的目的:

• 开发和验证计算机视觉和人工智能模型用于的检测和生物量估计.
• 为培训和测试这些先进模型创建一个全面的数据集.
• 为传统,劳动密集型测量技术提供替代方案.

主要方法:

• 在三个不同的池环境中收集了5507张的图像.
• 获取了170个个体样本的手动生物识别数据 (长度,重量).
• 将数据组织成五个子数据集,并附有用于测量的Excel文件.

主要成果:

• 该数据集有助于开发模型,将的视觉特征与生物质相关联.
• 允许对计算机视觉模型和传统机器学习方法进行比较.
• 为提高养殖操作的准确性和效率提供了基础.

结论:

• 该数据集支持在水产养殖中推进人工智能驱动的解决方案.
• 精确的生物量估计可以通过非侵入性成像技术实现.
• 这种资源有助于优化池管理和农场生产力.