相关实验视频
Updated: Jan 11, 2026
07:25
Basic Methods for the Study of Reproductive Ecology of Fish in Aquaria
Published on: July 20, 2017
12.0K
SmallFishBD:孟加拉国常见的本土小鱼物种的广泛图像数据集,用于识别和分类
Md Hasanul Ferdaus1, Rizvee Hassan Prito1, Masud Ahmed2
1Department of Computer Science and Engineering, East West University, Dhaka, Bangladesh.
Data in brief
|November 11, 2025
概括
创建了十种孟加拉国本土鱼类的新图像数据集,以帮助鱼类识别和生物多样性监测. 本资源支持用于渔业和保护领域的计算机视觉应用的机器学习模型.
科学领域:
- 鱼类学和生物多样性科学 鱼类学和生物多样性科学
- 计算机视觉和机器学习
- 水生生态学与水生环境保护
背景情况:
- 准确识别和监测本地鱼类物种对于了解水生生物多样性和管理渔业至关重要.
- 现有的数据集可能缺乏对特定区域鱼群的全面覆盖,阻碍了研究和保护工作.
- 孟加拉国丰富的水生生物多样性需要专门的科学研究和技术应用资源.
研究的目的:
- 为了呈现一个全面的,高分辨率的图像数据集,来自孟加拉国十个本土的小鱼物种.
- 用先进的计算方法促进鱼类物种识别,分类和生物多样性监测方面的研究.
- 为开发机器学习和深度学习模型提供标准化资源,用于自动化鱼类分析.
主要方法:
- 从达卡的鱼市收集了十种本地鱼类 (贝莱,钱达纳玛,切拉,古奇,卡奇,莫拉,卡塔法萨,帕布达,普蒂,格拉) 的标本.
- 使用智能手机摄像头在受控照明和中性背景下捕获标准化,高分辨率的图像.
- 应用标准数据增强技术 (旋转,翻转,亮度调整) 以提高数据集可变性和模型稳定性.
主要成果:
- 现在可以获得十种常见的孟加拉鱼类的原始和增强图像的精选数据集.
- 数据集确保了当地水生生物多样性的代表性采样,因为采集来源多样化.
- 标准化成像和增强提高图像质量和机器学习应用程序的数据集实用性.
结论:
- 该数据集是开发自动化鱼类识别系统和支持孟加拉国生物多样性监测的宝贵资源.
- 它使渔业管理,可持续水产养殖,保护生物学和相关生态研究的进步成为可能.
- 该计划将技术创新与水资源管理的生态可持续性联系起来.
