复杂姿势下的坚固的鱼大小估计:混合YOLO-LSTM框架与眼睛距离回归

科学领域:

• 水产养殖自动化自动化
• 计算机视觉 计算机视觉 计算机视觉
• 甲生物的生物识别信息

背景情况:

• 精确的鱼 (Procambarus clarkii) 大小估计对于水产养殖自动化至关重要.
• 复杂的姿势,如卷曲的身体和闭塞,对当前的估计方法构成重大挑战.

研究的目的:

• 为自动化水产养殖开发一个强大的鱼大小估计 (RCSE) 框架.
• 引入一种新的姿势不变生物识别特征 (眼睛距离),以改进尺寸估计.

主要方法:

• 这是一个双阶段系统,结合了基于YOLO的物体检测和LSTM回归.
• 使用YOLOv11进行眼睛检测和细分,并为复杂场景增强CBAM.
• 集成的眼睛距离与子长度和头部尺寸在LSTM网络的尺寸预测.

主要成果:

• 在眼睛检测方面达到98.2%的精度,在身体细分方面达到99.50%的精度.
• 对于尺寸估计,LSTM网络获得了R2 = 0.897,比传统方法提高了23.6%.
• 证明了对形态变异和复杂姿势的强度.

结论:

• 该RCSE框架为类生物识别提供了一个新的基于视觉的范式.
• 该系统非常适用于精密水产养殖中的自动分级系统.
• 眼睛距离被证明是一个有价值的姿势不变特征,用于准确的大小估计.