一个综合的三流网络模型,用于区分鱼类养强度,使用多特征分析和深度学习.
Yanbin Dong1,2, Shilong Zhao1,2, Yuqing Wang1,2
1College of Marine Technology and Environment, Dalian Ocean University, Dalian, Liaoning Province, China.
PloS one
|October 21, 2024
概括
本研究引入了一种使用计算机视觉和卷积神经网络 (CNN) 的新型三流网络,以准确评估鱼类养强度. 这种智能系统最大限度地减少了水产养殖中的料浪费和污染.
科学领域:
- 水产养殖技术 水产养殖技术
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 料成本是水产养殖的主要开支,目前的做法往往导致效率低下和环境问题.
- 目前用于评估鱼类养强度的计算机视觉方法因依赖单个特征和手动值而受到限制.
- 需要实用,准确的方法来确定精密水产养殖的鱼类养状态.
研究的目的:
- 开发一种集成的计算机视觉和卷积神经网络 (CNN) 方法来评估鱼类养强度.
- 通过结合时间,空间和统计特征来克服现有方法的局限性.
- 为水产养殖中的智能鱼类养系统提供科学基础.
主要方法:
- 利用计算机视觉预处理珍珠的食图像.
- 使用光流提取时间特征,通过二元化提取空间特征,使用灰级共发生矩阵提取统计特征.
- 开发了一个三流网络,将特定特征歧视网络的分类结果合并为养强度评估.
主要成果:
- 拟议的三流网络在区分鱼类养强度方面实现了99.3%的准确性.
- 该模型准确地将养状态分为没有,弱和强.
- 通过整合多种特征类型,证明了养强度的全面评估.
结论:
- 开发的模型为水产养殖中的智能鱼类养提供了一个实用且高度准确的解决方案.
- 这一进步可以显著减少料浪费和环境污染.
- 通过优化养策略,促进水产养殖行业的可持续发展.
