利用機器視覺技術檢測池塘水下自由活蟹的形態(tài)位置和數(shù)量分布信息,是實現(xiàn)自動投餌船精準變量投喂的關鍵。本文設計了一種基于聯(lián)動擴展卷積神經(jīng)網(wǎng)絡的實時輕量型水下活蟹檢測器。首先,針對水下圖像模糊和色彩不均的特點,以及稀疏分解后不同頻率圖像的信息組成特點,分別進行K-SVD降噪和Retinex色彩校正;然后,采用聯(lián)動擴展網(wǎng)絡寬度、深度和分辨率方式來協(xié)調(diào)精度和效率的輕量級Efficient Net作為主干網(wǎng)絡;引入復合縮放因子,對堆疊兩層加權雙向特征金字塔結構的高效融合特征網(wǎng)絡和堆疊三層卷積模塊的類別/邊界框預測網(wǎng)絡進行全局聯(lián)動擴展,以構建適用于有限資源的小型活蟹檢測器;最后,在類別/邊界框預測網(wǎng)絡中利用正交Softmax層替代完全連接的分類層,確保檢測器可從小樣本數(shù)據(jù)中學習更多的區(qū)分特征,有效緩解小樣本檢測的過擬合問題。采用自建的20 625幅數(shù)據(jù)樣本對檢測模型進行訓練和測試,實驗表明,降噪、校正后的圖像顏色均衡,且清晰度高,檢測的平均交并比Iou提高近8個百分點。檢測模型Efficient Net-Det0存儲內(nèi)存僅需15 MB,便可實現(xiàn)查準率96.21%和查全率94.86%,單幅圖像檢測延遲... 

【文章頁數(shù)】：12 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 視頻采集
    1.2 數(shù)據(jù)集的制作與使用
    1.3 活蟹檢測器系統(tǒng)概述
2 圖像降噪與色彩校正
3 兩階段聯(lián)動擴展的活蟹檢測
    3.1 基于聯(lián)動擴展的輕量級Efficient Net主干網(wǎng)絡
    3.2 二次聯(lián)動擴展優(yōu)化的小型檢測器
4 實驗
    4.1 活蟹檢測器訓練與測試
    4.2 圖像降噪與顏色校正效果分析
    4.3 檢測器可靠性分析
    4.4 檢測器實用性分析
5 結論


【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的草莓識別方法[J]. 劉小剛,范誠,李加念,高燕俐,章宇陽,楊啟良.  農(nóng)業(yè)機械學報. 2020(02)
[2]多目標魚體對象提議檢測算法研究[J]. 孫龍清,劉婷,陳帥華,吳雨寒.  農(nóng)業(yè)機械學報. 2019(12)
[3]基于Mask R-CNN的豬只爬跨行為識別[J]. 李丹,張凱鋒,李行健,陳一飛,李振波,蒲東.  農(nóng)業(yè)機械學報. 2019(S1)
[4]基于機器視覺的水下河蟹識別方法[J]. 趙德安,劉曉洋,孫月平,吳任迪,洪劍青,阮承治.  農(nóng)業(yè)機械學報. 2019(03)
[5]2018河蟹養(yǎng)殖產(chǎn)業(yè)現(xiàn)狀及標準淺析[J]. 宋遷紅,趙永鋒.  科學養(yǎng)魚. 2018(10)
[6]水產(chǎn)養(yǎng)殖水下作業(yè)機器人關鍵技術研究進展[J]. 李道亮,包建華.  農(nóng)業(yè)工程學報. 2018(16)
[7]基于IPSO-UKF的水草清理作業(yè)船組合導航定位方法[J]. 阮承治,趙德安,劉曉洋,陳旭,姬偉,賈偉寬.  農(nóng)業(yè)機械學報. 2017(07)
[8]河蟹養(yǎng)殖全覆蓋自動均勻投飼的軌跡規(guī)劃與試驗[J]. 孫月平,趙德安,洪劍青,張軍,李發(fā)忠,羅吉.  農(nóng)業(yè)工程學報. 2016(18)
[9]基于融合顯著圖與GrabCut算法的水下海參圖像分割[J]. 郭傳鑫,李振波,喬曦,李晨,岳峻.  農(nóng)業(yè)機械學報. 2015(S1)



本文編號：3699797