一种基于改进的Swin变压器的新型实时鱼重量分级方法

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 水上自动化水上自动化

背景情况:

• 传统的鱼重量分类依赖于手工检查,这是劳动密集型的,容易产生不准确性.
• 现有的自动化方法在处理鱼大小和形状的变化时往往缺乏精度.

研究的目的:

• 使用改进的Swin-Transformer模型开发一种自动化鱼重量分类系统.
• 通过将图像细分与部分面积的回归分析相结合,提高重量预测的准确性.
• 在实时重量分级中验证系统的性能,用于工业应用.

主要方法:

• 改进的Swin-Transformer模型被用于精确的鱼图像细分.
• 开发了一个多重回归模型,将预测面积与实际重量相关联,并结合了个体部分的关系.
• 该系统在40个样本的测试组上得到验证,并通过分级实验进行评估.

主要成果:

• 斯温变压器模型实现了90.36%的MIOU和99.0%的细分精度,优于其他领先的模型.
• 回归模型显示出高相关系数 (0.983) 和平均预测准确率为98.34%.
• 自动分级系统的准确度超过86.5%,证实了其实际可行性.

结论:

• 拟议的方法为自动化鱼重量分类和分级提供了一种新且准确的方法.
• 将图像细分与基于部分的面积重量相关性集成在一起,比传统方法显著提高了预测准确性.
• 该系统在水产加工行业的工业自动化方面具有巨大的潜力,可以提高质量控制和生产效率.