一个鱼数据集用于基于计算机视觉的种群密度控制和健康评估
Yuqiang Wu1,2, Huanliang Xu1, Bowen Liao1
1College of Artificial Intelligence, Nanjing Agricultural University, Nanjing 210095, Jiangsu, China.
Data in brief
|November 25, 2024
概括
一个新的大口幼图像数据集解决了在水产养殖中检测小目标的局限性. 该资源有助于智能水产养殖系统的幼计数和鱼群健康评估.
科学领域:
- 水产养殖和计算机视觉
- 动物科学动物科学
- 数据科学数据科学数据科学
背景情况:
- 养鱼或水产养殖对经济发展和环境可持续性至关重要.
- 计算机视觉模型越来越多地用于水产养殖管理,但现有的数据集缺乏小型目标检测能力.
- 目前的数据集不适合检测小鱼,因为鱼的大小和低密度.
研究的目的:
- 为了介绍一个新的数据集的大嘴 (Micropterus salmoides) 图像.
- 为了在密集的水产养殖场景中促进小目标检测.
- 支持对幼计数,健康评估和智能水产养殖的研究.
主要方法:
- 创建了一个由1101张图像组成的数据集,其中包括大嘴鱼.
- 图像包含20-80个个体,包括少数死亡的幼用于健康评估.
- 使用Labelimg生成并转换为COCO格式的注释,共计51119个活和3586个死.
主要成果:
- 数据集包括具有挑战性的场景,如重叠,遮蔽和粘附在高密度图像中.
- 它为活鱼和死鱼提供了全面的注释.
- 该数据集专门设计用于在密集场景中检测小目标.
结论:
- 这一数据集是推进数和鱼群健康研究的宝贵资源.
- 它支持种苗养殖,幼零售,生存评估,生物质估计和密度控制等应用.
- 该资源有助于开发智能水产养殖系统.
