根据机器视觉和深度学习的结合估计的肥胖度,对中国小的有效和非侵入性分类

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
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 中国手套 (Eriocheir sinensis) 是一种有价值的海鲜,面临着市场需求的增加.
• 目前的手动质量分级方法是低效的,劳动密集型和昂贵的.
• 在水产养殖和食品行业需要精确,非破坏性的分级系统.

研究的目的:

• 利用计算机视觉和深度学习,开发一个高效的,自动化的中国手套的质量分级系统.
• 量化关键的生理特征,包括性别,体尺寸和肥胖度,用于质量分类.
• 将新型深度学习模型的性能与现有方法进行比较.

主要方法:

• 使用YOLOv5秒模型与SE注意力机制集成用于图像分析.
• 在2282张的RGB图像上训练模型,并应用数据增强技术.
• 开发了一种改进的条件因子K用于脂肪度评估和质量分级.

主要成果:

• 在的性别识别方面实现了100%的准确性.
• 在体细分方面获得了0.995的平均平均精度 (mAP),表现优于其他变体.
• 在拟议的自动分级方法和手动分级之间证明了100%的一致性.

结论:

• 开发的计算机视觉和深度学习模型提供了一个精确而非破坏性的方法来对中国手套进行分类.
• 这项技术可以显著提高海鲜行业质量评估的效率和准确性.
• 这些发现支持在水产养殖和食品加工领域实施先进的AI解决方案.