發(fā)布時(shí)間：2020-08-01 13:45

【摘要】：海洋漁業(yè)經(jīng)濟(jì)資源的不斷衰退,使得沿海各國(guó)不斷加強(qiáng)本國(guó)領(lǐng)海內(nèi)漁業(yè)資源的管理與養(yǎng)護(hù)工作,作為漁業(yè)管理監(jiān)察方式之一的船載電子監(jiān)控可以不間斷地監(jiān)測(cè)漁船的捕魚行為,但是需要人工通過(guò)漁船存儲(chǔ)的海量監(jiān)控視頻數(shù)據(jù)來(lái)核查漁獲量以及檢查是否有非法捕撈行為。人工審查的判斷精確性容易受到視覺(jué)疲勞、自身心情和工作環(huán)境等內(nèi)外因素的困擾,再加上越來(lái)越高昂的人工支出,船載電子監(jiān)控視頻審查需要一種能自動(dòng)檢測(cè)和分類識(shí)別魚類的方法輔助審查。傳統(tǒng)的魚類識(shí)別方法主要是采用人工設(shè)計(jì)特征,特征均是針對(duì)特定產(chǎn)品設(shè)計(jì)的,一旦產(chǎn)品變換,算法也需要更換,不具有通用性;人工特征提取需要專家經(jīng)驗(yàn),對(duì)算法人員專業(yè)性要求較高。人工特征提取的局限性導(dǎo)致傳統(tǒng)方法在背景、光照復(fù)雜的監(jiān)控視頻場(chǎng)景下識(shí)別效果不佳。針對(duì)上述問(wèn)題,本文提出了一種基于深度學(xué)習(xí)的魚類識(shí)別方法。本文的主要工作和成果如下:1.本文收集并制作包含長(zhǎng)鰭金槍魚,大眼金槍魚,黃鰭金槍魚等7類,共計(jì)4520張電子監(jiān)控背景的魚類數(shù)據(jù)集,標(biāo)記魚類目標(biāo)共計(jì)5424個(gè)。針對(duì)電子監(jiān)控圖像有水霧遮擋畫面,本文采用暗通道先驗(yàn)算法對(duì)圖像進(jìn)行增強(qiáng),改善圖像顏色和能見(jiàn)度,減少了水霧對(duì)人工數(shù)據(jù)集標(biāo)注和圖像識(shí)別帶來(lái)的影響。2.對(duì)基于區(qū)域候選的目標(biāo)檢測(cè)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)對(duì)比,選擇并改進(jìn)Faster-RCNN模型作為魚類目標(biāo)檢測(cè)網(wǎng)絡(luò)。針對(duì)魚類目標(biāo)細(xì)長(zhǎng)的特點(diǎn)和堆疊過(guò)近易出現(xiàn)漏檢的情況,分別優(yōu)化了RPN網(wǎng)絡(luò)的錨窗參數(shù)和改進(jìn)非極大值抑制算法的分?jǐn)?shù)重構(gòu)函數(shù),最終取得了較好的魚類檢測(cè)效果,mAP達(dá)到了81.9%。3.為了進(jìn)一步提高魚類目標(biāo)的定位與分類,本文提出了將魚類識(shí)別任務(wù)分為兩個(gè)子任務(wù),第一個(gè)子任務(wù)為魚目標(biāo)定位,通過(guò)Faster-RCNN網(wǎng)絡(luò)進(jìn)行單類目標(biāo)定位,裁剪出感興趣區(qū)域。第二個(gè)子任務(wù)為魚品類分類,將被裁剪圖像輸入?yún)?shù)精簡(jiǎn)的Inception-Resnet卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行細(xì)粒度分類。該方法結(jié)合了目標(biāo)檢測(cè)網(wǎng)絡(luò)和分類網(wǎng)絡(luò)的優(yōu)點(diǎn),使得整個(gè)魚類識(shí)別任務(wù)達(dá)到了更優(yōu)的結(jié)果。
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP183;S951.2
【圖文】：

多層感知機(jī)結(jié)構(gòu)

MLP多層感知機(jī)的單個(gè)神經(jīng)元模型

Lenet-5卷積神經(jīng)網(wǎng)絡(luò)

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 杜偉東;李海森;魏玉闊;徐超;;基于SVM的多方位聲散射數(shù)據(jù)協(xié)作融合魚分類與識(shí)別[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年03期

2 吳一全;殷駿;戴一冕;袁永明;;基于蜂群優(yōu)化多核支持向量機(jī)的淡水魚種類識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2014年16期

3 吳進(jìn);宋驍;張金煥;;霧天退化圖像的增強(qiáng)技術(shù)研究[J];新型工業(yè)化;2014年02期

4 萬(wàn)鵬;潘海兵;龍長(zhǎng)江;陳紅;;基于機(jī)器視覺(jué)技術(shù)淡水魚品種在線識(shí)別裝置設(shè)計(jì)[J];食品與機(jī)械;2012年06期

5 張志強(qiáng);牛智有;趙思明;;基于機(jī)器視覺(jué)技術(shù)的淡水魚品種識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2011年11期

本文編號(hào)：2777535